陳火全

(泉州師范學(xué)院 創(chuàng)新創(chuàng)業(yè)學(xué)院,福建 泉州 362000)

隨著網(wǎng)絡(luò)技術(shù)和物流技術(shù)的發(fā)展，網(wǎng)絡(luò)購物成為時下流行的購物方式。它具有產(chǎn)品價格低、商品種類多、節(jié)約時間和體力的優(yōu)勢，但其虛擬性也意味著消費者無法像傳統(tǒng)渠道那樣看到商品實體，因此網(wǎng)絡(luò)購物會面臨較大的不確定性和風(fēng)險。此時，作為新的網(wǎng)絡(luò)口碑形式，在線消費者評論在消費者網(wǎng)絡(luò)購物決策中扮演著越來越重要的角色，并成為一個新興的市場現(xiàn)象。在線消費者評論(Online Reviews)，又稱在線評論( Online Consumer Reviews，OCRs)或消費者產(chǎn)生的內(nèi)容( User-generated Content) 。Park,D.H.和J.Lee( 2009) 指出，在線消費者評論是網(wǎng)絡(luò)口碑(Electronic Word of Mouth,eWOM)的一種類型，是消費者對網(wǎng)絡(luò)購物場所提供產(chǎn)品的正面或負(fù)面評價[1]；Mudambi,S.M.和D.Schuff( 2010) 將其定義為同樣身份的人發(fā)表在企業(yè)或第三方網(wǎng)站的產(chǎn)品評價[2]。

在線評論對商家來說是一把雙刃劍，一方面消費者可以通過在線評論了解產(chǎn)品的信息，減少商家的銷售成本；另一方面在線評論的質(zhì)量對產(chǎn)品的銷量產(chǎn)生重要影響。負(fù)面的評價內(nèi)容對產(chǎn)品的銷售量會產(chǎn)生消極的影響，這樣，商家就會被第三方評價平臺所制約，對其產(chǎn)生依賴性；而正面的評價內(nèi)容對提升產(chǎn)品的銷量具有重要作用。Chrysanthos Dellarocas[3]和Yubo Chen[4]等人研究提出在線產(chǎn)品評論已經(jīng)成為新時代企業(yè)重要的營銷手段，在企業(yè)產(chǎn)品網(wǎng)上銷售過程中充當(dāng)著企業(yè)銷售助理的作用，它對企業(yè)的銷量具有明顯的杠桿作用。越來越多的國內(nèi)外學(xué)者已經(jīng)在研究在線評論內(nèi)容與產(chǎn)品銷量之間的聯(lián)系,他們的研究也表明,在線產(chǎn)品評論的分?jǐn)?shù)與產(chǎn)品的銷量呈正相關(guān)關(guān)系。然而他們研究的前提假設(shè)是:假設(shè)顧客的購買決策只受到在線產(chǎn)品評論得分的影響，卻忽視了在線產(chǎn)品評論其他方面的信息,像評論內(nèi)容的質(zhì)量、評論者的資信度、評論者的時效性、評論數(shù)量等對用戶購買決策的影響,而這些因素能夠反映出評論的真實質(zhì)量，對購物者具有重要的參考價值。

本文在前人分析的基礎(chǔ)之上，以數(shù)碼相機的在線評論為研究對象,重點研究在線評論內(nèi)容質(zhì)量、評論者資信度、評論的時效性等各方面因素對其產(chǎn)品銷量的影響，將產(chǎn)品銷量作為因變量，測量它對各影響因素變量變化的敏感程度，從中找出能夠?qū)Ξa(chǎn)品銷量產(chǎn)生顯著影響的因素，并利用交易成本經(jīng)濟學(xué)原理對此結(jié)果進行解釋，并在此基礎(chǔ)上確定各影響因素對產(chǎn)品銷量的影響因子大小和在線產(chǎn)品評論與產(chǎn)品銷量的邏輯回歸模型，為以后企業(yè)的產(chǎn)品銷售策略提供參考，這也是本文的價值所在。

一、文獻回顧

在線評論的特征包括評論的數(shù)量(Quantity of Review)、質(zhì)量(Quality of Review)、效價(Avalibity of Review)、時效性(Timeliness of Review)、星級評分(評論者資信度)(Reputation of Reviewer)等幾個方面[5-7]。目前國內(nèi)外學(xué)者對在線評論的研究集中在：(一)在線評論的可信度研究，通過挖掘在線評論的可信度來提升在線評論的經(jīng)濟價值。(二)消費者情感傾向的不一致對消費者決策影響的研究。在線評論消費者情感傾向的不一致導(dǎo)致后期顧客進入選擇的兩難境地。學(xué)者采用各種計算方法分析消費者的感情傾向，挖掘在線評論的價值。研究發(fā)現(xiàn)，學(xué)者們通過各種技術(shù)手段挖掘在線評論價值的根本目的在于實現(xiàn)在線評論的經(jīng)濟價值，目前在這一方面的研究還剛剛起步。Liu[8](2006)，Duan[9](2008)，Duan&Bin[10](2008)等以電影為研究對象，Duan&Bin提出在線產(chǎn)品評論數(shù)量和票房收入都對在線產(chǎn)品評論數(shù)量產(chǎn)生影響，同時在線評論數(shù)量的增加反過來又會增加電影的票房收入,兩者之間是相互影響的；Liu得出在線產(chǎn)品評論對每周和總的票房收入都有影響，特別是對剛開始幾周的票房有顯著影響。但對在線評論負(fù)面傾向性百分比研究發(fā)現(xiàn)，影響票房收入的是在線評論總數(shù)而不是評論內(nèi)容的結(jié)論；Duan的研究指出在線電影評論內(nèi)容對電影的票房收入沒有多大影響，但是在線電影評論的數(shù)量對電影票房收入有顯著性影響；郝媛媛[11]等(2010)指出電影在線影評中正向情感、較高正負(fù)情感混雜度、較長句子對評論的有用性具有顯著的正面影響，這種正面的影響對電影票房的提升有很大作用。綜上所述可知，電影票房的收入受在線電影評論的影響，只是在線評論四個維度對票房量的影響存在差別。Godes[12]等學(xué)者(2004)通過對1999—2000電視節(jié)目進行研究，指出利用互聯(lián)網(wǎng)對電視節(jié)目進行評論的形式,增加電視節(jié)目評論數(shù)量，能夠很大程度上增加這個電視節(jié)目的收視率。Forman[13]等(2008)認(rèn)為評論者相關(guān)的信息對消費者判別產(chǎn)品的質(zhì)量和可信度有著較為重要的影響,評論者身份的公開化對書籍產(chǎn)品的銷量有著顯著性影響。Chen[14]等(2004)也以書籍為研究對象指出在線產(chǎn)品評論內(nèi)容對產(chǎn)品銷量無明顯影響,而評論的數(shù)量與書籍產(chǎn)品銷量呈現(xiàn)正相關(guān)關(guān)系。Ye[15]等(2009)通過研究酒店預(yù)訂量與在線評論的關(guān)系指出在線評論內(nèi)容的正負(fù)面與酒店預(yù)定量呈現(xiàn)正相關(guān)關(guān)系,而評論內(nèi)容的多少與酒店的預(yù)定量無直接聯(lián)系。學(xué)者李建[16]研究在線評論對網(wǎng)上手機銷量的實證研究指出：手機產(chǎn)品的價格和評論者的威望對產(chǎn)品的銷量相關(guān)性不大，在線評論數(shù)量、商品的關(guān)注度、評論的時效性、顧客認(rèn)為評論的有用率對在線手機銷量有顯著性影響,而評論的正負(fù)情感傾向性、商品的價格、評論者的威望對產(chǎn)品的銷量無明顯影響。消費心理學(xué)研究表明，消費者是帶著主觀情感色彩進行在線評論的，其內(nèi)容可以大大觸發(fā)潛在顧客的心理訴求，進而影響其購買決策及商家業(yè)績。Chevaliar (2006)等研究發(fā)現(xiàn)評論數(shù)量越多與圖書銷量就越多，反之亦然，二者呈顯著正相關(guān)關(guān)系。Trusov[17](2009)等研究表明在線評論對消費者而言具有更大的說服性，會給企業(yè)帶來更多的消費者，商家業(yè)績也相應(yīng)得到提高。劉順利[18](2013)通過實證研究分析了在線評論對產(chǎn)品銷量及商家業(yè)績的影響，并建議企業(yè)管理者主動對在線評論進行有效的引導(dǎo)和管理，從而提高銷量及商家業(yè)績。因此，商家的業(yè)績與在線評論緊密結(jié)合起來。代陸群[19](2014)得出平均得分、極端評論、評論內(nèi)容、節(jié)省價格對搜索型產(chǎn)品銷量有顯著的正向影響，而評論標(biāo)題、折扣、評論時間對搜索型產(chǎn)品銷量有顯著的負(fù)向影響；胡志海[20](2015)根據(jù)研究得出評論數(shù)量和評論得分對護膚品的影響顯著的結(jié)論。從以上的研究中可以看出，目前對在線評論經(jīng)濟價值的挖掘主要表現(xiàn)在評論的數(shù)量與產(chǎn)品銷量的關(guān)系，本文將從在線評論的數(shù)量、效價、時效性、評論者的資信度、評論的質(zhì)量等方面分析其對產(chǎn)品銷量的影響。

二、研究假設(shè)的提出

(一)評論的數(shù)量

目前的購物網(wǎng)站都可以根據(jù)產(chǎn)品的關(guān)注程度來檢索產(chǎn)品，這也就是說關(guān)注程度越高的產(chǎn)品被其他顧客看到的可能性也就越大。評論的數(shù)量越多，消費者從中看到的有用性也會越多，越有利于顧客了解產(chǎn)品，對消費者的購買決策影響越大。根據(jù)經(jīng)濟學(xué)中交易成本的理論解釋是由于在線評論數(shù)量越多說明購買過此產(chǎn)品的人數(shù)越多，客戶都有從眾心理和風(fēng)險規(guī)避意識,購買數(shù)量越多說明產(chǎn)品是得到大眾認(rèn)可的，購買所帶來的不確定風(fēng)險較低，交易成本較低。學(xué)者[3,11,15]通過實證研究得出在線評論的數(shù)量對產(chǎn)品的銷量有顯著影響。因此，提出本文的第一個假設(shè)，產(chǎn)品的在線評論數(shù)量會對產(chǎn)品的銷量產(chǎn)生顯著影響。

H1：在線評論的數(shù)量對產(chǎn)品的銷量有正向影響。

(二)在線評論的質(zhì)量

在線評論的質(zhì)量指評論內(nèi)容的真實性、可靠性、內(nèi)容與所評價產(chǎn)品的相關(guān)性、以及是否為后來的購買者提供了大量有用的信息。由于網(wǎng)絡(luò)環(huán)境的特殊性，會產(chǎn)生一些新的問題。賣家可能會注冊其它的用戶名，冒充買家對產(chǎn)品進行評價，這樣的評價就沒有任何的質(zhì)量可言。同時，由于消費者自身能力素質(zhì)的不同，他們關(guān)于產(chǎn)品知識的理解也不盡相同，因此他們發(fā)表的評論質(zhì)量有高有低，不同的評論對后續(xù)購買者的購買決策的影響也是不一樣的。許多學(xué)者Pei-yu chen[21]、Samita Dhanascbhon[21]、Chatter jee(2001)[22]、Dellarocas[3]、Godes[12]、鄭小平[23]等都提出在線評論的質(zhì)量對于產(chǎn)品的銷量有重要影響。因此本文提出第二個假設(shè)，在線評論內(nèi)容的質(zhì)量對產(chǎn)品的銷售量有顯著影響。

H2：在線評論內(nèi)容的質(zhì)量越高，產(chǎn)品的銷售量越好。

(三)在線評論的效價

在線評論的效價即評論內(nèi)容的正面性和負(fù)面性價[24]，或在線評論的極性，也是指正負(fù)情感傾向。在線評論的效價反映的是一種整體正負(fù)程度，當(dāng)在線評論中大多數(shù)為正面評論時，總體的評論效價就為正。在線評論的內(nèi)容反映了顧客對產(chǎn)品的切實看法，基本上代表了產(chǎn)品的內(nèi)在價值。從經(jīng)濟學(xué)上來說它給了潛在購買者一個間接的商品使用體驗，使得他們能感受到產(chǎn)品的價值，幫助他們降低交易成本。從文獻綜述可以看出，學(xué)者Ye認(rèn)為在線評論情感傾向性對產(chǎn)量的銷量有顯著的影響，正負(fù)面的情感傾向評價可以告知后續(xù)顧客產(chǎn)品是否值得購買，可能改變顧客原有的觀點?；谝陨戏治觯疚奶岢龅谌齻€假設(shè)，在線評論內(nèi)容的情感傾向性與產(chǎn)品的銷量正相關(guān)。

H3：在線評論的效價與產(chǎn)品的銷量正相關(guān)。

(四)在線評論的時效性

評論的時效性是指評論所包含內(nèi)容的新舊程度，是否包含了最新產(chǎn)品的信息。盡管在線評論的數(shù)量能在一定程度反應(yīng)出評論時間跨度的長久，但它們兩個是不同的概念，沒有必然的聯(lián)系。評論的時間跨度反應(yīng)了評論的時效性，對于剛剛上架的產(chǎn)品，顧客對它們了解甚小，很大程度上依賴于在線評論的內(nèi)容，同時由于是剛上市的產(chǎn)品，在線評論時間跨度也不會太大，新增的一條稍微傾向性較強的評論多會引起客戶的極大關(guān)注，當(dāng)上市數(shù)周后評論數(shù)量增多，顧客對產(chǎn)品的了解渠道也趨于多元化，因此在線產(chǎn)品評論對銷量的影響會隨著評論時間跨度的增長而減弱。因此，提出本文的第四個假設(shè)，產(chǎn)品銷量隨著評論的時間跨度增長而減弱。

H4：評論的時間跨度(效價)與產(chǎn)品的銷量負(fù)相關(guān)。

(五)評論者的資信度

信用一詞最早起源于經(jīng)濟學(xué)，它是指把某一財產(chǎn)的所有權(quán)讓渡，以獲得其他財產(chǎn)的所有權(quán)，貨幣銀行學(xué)中的信用指一種借貸行為。對于網(wǎng)上購物而言，評論者的資信度是指顧客的星級，也是指顧客的威望。這種威望是消費者長期購物過程中形成的，代表了后續(xù)購買者對其的信任和接收程度。網(wǎng)上消費者的評論質(zhì)量參差不齊，因此顧客需要關(guān)注那些等級高、信用度好的評論者評論的內(nèi)容。因為他們較高的威望值說明他們之前提供過高質(zhì)量的評論，同時說明他們有責(zé)任地進行客觀評價產(chǎn)品。正由于評論者與購買者之間的信息不對稱，才使得顧客更加關(guān)注威望值高的評論者，來降低對產(chǎn)品質(zhì)量的不確定感。因此提出理論假設(shè)5。

H5：評論者的資信度與產(chǎn)品的銷量正相關(guān)。

(六)其他因素

商品的價格和品牌是影響產(chǎn)品銷量的重要因素，預(yù)測任何商品銷量時都需考慮，因此提出理論假設(shè)H6 和H7。

H6:商品的價格與在線產(chǎn)品的銷量負(fù)相關(guān);

H7:商品的品牌關(guān)注度與在線產(chǎn)品的銷量正相關(guān)。

三、研究數(shù)據(jù)與結(jié)果分析

(一)研究對象及其數(shù)據(jù)采集

本文選取經(jīng)濟型數(shù)碼相機①為實證分析對象，采取淘寶網(wǎng)站價位為1200—2000元的352件商品②為研究對象。收集數(shù)據(jù)采集日商品的交易量、前一周的評論及其商品前兩頁的評論③來分析在線評論對商品銷售量的影響。在線評論的數(shù)量直接網(wǎng)站上得出；根據(jù)淘寶網(wǎng)默認(rèn)排序的特點，評論的效價利用商品前兩頁的評論通過人工標(biāo)注得出其中正面、中立、負(fù)面評論條數(shù)；在線評論的質(zhì)量通過認(rèn)為評論有用性的人數(shù)④得出；評論的時效性依據(jù)前兩頁中評論的時間距離數(shù)據(jù)采集日的時長；評論者的資信程度根據(jù)買家星級分布圖得出，根據(jù)淘寶網(wǎng)的規(guī)格分為鉆石級別、五星級別、四星級別、三星級別、二星級別、一星級別⑤；商品的交易數(shù)量抓取網(wǎng)站上的交易記錄得出；商品的價格直接從網(wǎng)站上抓??；品牌關(guān)注度直接從百度數(shù)碼相機品牌排行榜抓取。其中，第一個數(shù)據(jù)采集日所得數(shù)據(jù)，在淘寶網(wǎng)352件商品中27天中有交易記錄的商品有59件，而有效數(shù)據(jù)17組，以一周7天為周期，可得有效數(shù)據(jù)337個。

(二)結(jié)果分析

1.一元回歸分析

(1)品牌關(guān)注度與交易數(shù)量

一元回歸分析是分析一個自變量與應(yīng)變量的關(guān)系。筆者統(tǒng)計了數(shù)據(jù)收集日數(shù)碼品牌排名度：尼康占市場份額23%、佳能占21%、索尼占20%、卡西歐占5%、柯達占1%。根據(jù)調(diào)查資料統(tǒng)計得出30天各品牌的交易數(shù)量分別為索尼333件、尼康99件、佳能995件、卡西歐255件、柯達52件。這說明數(shù)碼相機的品牌排名度與交易數(shù)量基本呈正相關(guān)關(guān)系，支持假設(shè)7。本文在研究中認(rèn)為品牌關(guān)注度表現(xiàn)為評論數(shù)量對交易數(shù)量的影響，不再列入多元回歸分析中的自變量因素進行考量。

(2)商品價格與交易數(shù)量

根據(jù)國內(nèi)外學(xué)者的研究結(jié)果得出商品的價格與商品的交易數(shù)量存在負(fù)相關(guān)關(guān)系。而本文的研究對象是指1200—2000元的實用性數(shù)碼相機，隨著人們生活水平的提高，消費者對不夠明顯的價格差距并不是很敏感，而且本文所選取的研究對象價格基本在同一水平。因此，本文剔除了價格這一因素對交易數(shù)量的影響，假設(shè)6在本文的研究中剔除。

(3)交易數(shù)量與評論數(shù)量

本文利用SPSS17.0對所收集的337個數(shù)據(jù)進行一元線性回歸分析。假設(shè)回歸方程為Y=aX+b。

第一，散點圖分析。利用SPSS17.0進行散點圖分析，取自變量評價數(shù)量為X軸，應(yīng)變量交易數(shù)量為Y軸，線形擬合，置信區(qū)間95%，得出圖1。由圖1所示，交易數(shù)量與評論數(shù)量之間線形正相關(guān)，且這種相關(guān)性隨著評論數(shù)量的增加減弱，以評論數(shù)量數(shù)值20為分界點。這說明商品銷售初期受評論數(shù)量的影響較大，而后期這種影響會減弱。

圖1 交易數(shù)量與評論數(shù)量的關(guān)系圖

第二，回歸分析。由圖1所示，交易數(shù)量和評論數(shù)量之間存在相關(guān)性，線形回歸如表1所示。

表1 交易數(shù)量與評論數(shù)量的線形回歸表

a.All requested variables entered.

b.Dependent Variable:交易數(shù)量

表1表示交易數(shù)量與評論數(shù)量的線形回歸。

表2 擬合模型的情況匯總表

a.Predictors:(Constant)，評論數(shù)量

表2為擬合模型的情況匯總，如表中所示相關(guān)系數(shù)R=0.480，擬合優(yōu)度R方=0.230，調(diào)整后的擬合優(yōu)度=0.228，標(biāo)準(zhǔn)估計的誤差=3.919。由此可知，根據(jù)原始數(shù)據(jù)分析的一元線形回歸中交易數(shù)量與評價數(shù)量之間存在低中度正相關(guān)，R方的值偏小，說明回歸性不是很好，而且這種相關(guān)性會隨著產(chǎn)品銷售時間的加長而減弱。

第三，顯著性檢驗。由表3中所示的F統(tǒng)計值=100.179，P值=0，說明此假設(shè)是成立的，交易數(shù)量與評價數(shù)量存在正相關(guān)。進行T檢驗，得出a=0.136,b=1.778.

表3 方差分析表

a.Predictors:(Constant)，評論數(shù)量

b.Dependent Variable:交易數(shù)量

表4 Coefficients分析表

a.Dependent Variable:交易數(shù)量

綜合以上分析得到交易數(shù)量與評價數(shù)量的一元回歸方程為

Y=0.136X+1.778

①

這反映了1200—2000元實用型數(shù)碼相機交易數(shù)量與評論數(shù)量的線形關(guān)系，支持假設(shè)1。

2.多元回歸分析

在線評論對交易數(shù)量的影響是多方面的，而不僅僅表現(xiàn)為評價數(shù)量。如前文所示，在線評論包含在線評論的數(shù)量、有質(zhì)量的評論、評論的效價、評論的時效性及其評論者的資信度等5個指標(biāo)。本文收集了淘寶網(wǎng)中售價為1200—2000元的實用性數(shù)碼相機為期一周每日前兩頁(40條)的評論，通過人工標(biāo)注收集商品有質(zhì)量的評論條數(shù)、正面(負(fù)面、中立)評論的條數(shù)、時效性和評論者的資信度，對資料進行匯總整理，然后利用SPSS17.0軟件進行分析。

(1)相關(guān)分析

相關(guān)分析是為了判斷變量之間是否存在相關(guān)關(guān)系，通過相關(guān)關(guān)系分析可以從影響交易數(shù)量的眾多因素中判斷哪些因素影響是顯著的，哪些因素影響是不顯著的，結(jié)果如表5所示。

利用SPSS17.0作相關(guān)分析如表5所示， 由表中可知當(dāng)顯著水平為5%時，所有的自變量與產(chǎn)品的成交量存在顯著相關(guān)關(guān)系，當(dāng)顯著水平為1%時，“有質(zhì)量的評論系數(shù)”與產(chǎn)品的銷量不那么顯著相關(guān)。而正面的評論條數(shù)(支持假設(shè)3)、評論的數(shù)量(支持假設(shè)1)、三星及以上的評論者人數(shù)(支持假設(shè)5)與產(chǎn)品的交易量顯著正相關(guān)，時效、負(fù)面的評論條數(shù)、二星及以下的評論者人數(shù)與產(chǎn)品的交易量負(fù)相關(guān)(支持假設(shè)4)。

表5 Correlations分析表

**.Correlation is significant at the 0.01 level (2-tailed).

*.Correlation is significant at the 0.05 level (2-tailed).

(2)回歸分析

通過相關(guān)分析得出自變量與應(yīng)變量之間存在線性相關(guān)關(guān)系，進一步做回歸分析為了分析自變量與應(yīng)變量之間的統(tǒng)計關(guān)系，側(cè)重考查數(shù)量變化關(guān)系，本文采用全回歸分析和多元分布回歸分析考查各自變量與交易數(shù)量的數(shù)量變化規(guī)律，進一步研究交易數(shù)量受自變量的影響程度。

第一，全回歸分析。設(shè)多元回歸方程Y=aX1+bX2+cX3+dX4+eX5+F。全回歸分析是指所有自變量一次性進入方程，而不考慮自變量對交易數(shù)量的影響程度，分析結(jié)果如表6所示。

表6 Coefficients分析表

a.Dependent Variable:交易數(shù)量

從表6中可以看出，回歸方程的統(tǒng)計量F值為35.806，P值為0.000，可見方程極其顯著。因此，前一周的評論數(shù)量(β=0.349，P=0.000)與交易數(shù)量成顯著正相關(guān)(支持假設(shè)1)、正面評論的條數(shù)(β=0.198，P=0.11)與成交數(shù)量顯著正相關(guān)(支持假設(shè)3)有質(zhì)量的條數(shù)(β=0.056，P=0.438)與交易數(shù)量有正向影響、三星以上的評論者(β=0.340，P=0.000)占交易數(shù)量顯著相關(guān)(支持假設(shè)5)。評論的時效性(β=-0.291，P=0.000)與交易數(shù)量有顯著的負(fù)向相關(guān)關(guān)系(支持假設(shè)4)。由此可得回歸方程

Y=0.349X1+0.056X2+0.198X3-0.291X4+0.340X5-8.356

②

由表6可知，方程及其顯著但是質(zhì)量這一自變量的因素P值不合理。因此，本文繼續(xù)選擇做逐步回歸分析。

第二，逐步回歸分析。逐步回歸分析的基本方法是對自變量X1、X2、X3、X4、X5，按它們對Y的貢獻大小進行比較，并通過F檢驗法，選擇偏回歸平方和顯著的變量進入回歸方程，每一步只引入一個變量，同時建立一個偏回歸方程。當(dāng)一個變量被引入后，對原已引入回歸方程的變量，逐個檢驗它們的偏回歸平方和，如果由于引入新的變量而使得已經(jīng)進入方程的變量變得不顯著時，則及時從偏回歸方程中剔除。在引入了兩個自變量以后，便開始考慮是否有需要剔除的變量。只有當(dāng)回歸方程中的所有自變量對Y都有顯著影響而不需要剔除時，再考慮從未選入方程的自變量中，挑選對Y有顯著影響的新的變量進入方程。不論引入還是剔除一個變量都稱為一步。不斷重復(fù)這一過程，直至無法剔除已引入的變量，也無法再引入新的自變量時，逐步回歸過程結(jié)束。假設(shè)回歸方程Y=aX1+bX2+cX3+dX4+eX5+F，分析結(jié)果如表7所示。

表7 Excluded Variables分析表

a.Predictors in the Model:(Constant)，評價數(shù)量

b.Predictors in the Model:(Constant)，評價數(shù)量，三星及以上

c.Predictors in the Model:(Constant)，評價數(shù)量，三星及以上，時效

d.Predictors in the Model:(Constant)，評價數(shù)量，三星及以上，時效，正面

e.Dependent Variable:交易數(shù)量

由表7可知，質(zhì)量這一自變量將被剔除。其余變量回歸分析結(jié)果如表8所示。

表8 Coefficients分析表

a.Dependent Variable:交易數(shù)量

由表8可知，F(xiàn)統(tǒng)計值=44.798，而P值=0，方程顯著相關(guān)得Y=0.349X1+0.342X5-0.292X4+0.229X3-2.989

③

分析全回歸與逐步回歸的F值與P值(見表6及表8)，可見兩個方程都極其的顯著。只是根據(jù)P值判斷，逐步回歸分析更精確些。于是本文采用逐步回歸分析所得結(jié)果，依據(jù)回歸方程①②③，說明前一周的銷售數(shù)量對交易量有顯著影響(β>0，P=0支持假設(shè)1)，而前兩頁的評論對交易數(shù)量也存在顯著影響，正面的評論對交易數(shù)量有正面的影響(β=0.229，P=0.01)，也就是說負(fù)面的評論對交易數(shù)量存在負(fù)面的影響(本文中選取的對象是正面的條數(shù)與負(fù)面條數(shù)相加40條)，支持假設(shè)3。評論發(fā)表的時間越長，時間跨度越長，時效性越差對商品的交易數(shù)量負(fù)面相關(guān)(β=0.292，P=0)支持假設(shè)4。三級以上的評論者越多，交易數(shù)量越多(β=0.342，P=0)，支持假設(shè)5。而評論的質(zhì)量對交易數(shù)量沒有顯著性影響。

四、結(jié)論及展望

本文以在線評論為研究對象，根據(jù)前人的研究成果提出本文的研究假設(shè)，通過對淘寶網(wǎng)上售價為1200—2000元的實用性數(shù)碼相機進行實證研究，得出以下結(jié)論。

(一)產(chǎn)品的知名度與產(chǎn)品的銷量存在相關(guān)性。知名度是產(chǎn)品打開銷量的第一把鑰匙，因此商家在網(wǎng)上進行產(chǎn)品銷售時應(yīng)當(dāng)首先做好產(chǎn)品宣傳工作。產(chǎn)品的知名度與產(chǎn)品的交易量存在正相關(guān)關(guān)系。

(二)產(chǎn)品的價格對網(wǎng)上商品的交易量影響越來越小。本文選取的研究樣本是1200—2000元實用性的數(shù)碼相機，幾百元的價格差距已經(jīng)對顧客不構(gòu)成決策方面的影響。這說明網(wǎng)絡(luò)顧客越來越理性，價格不再是顧客關(guān)注的主要因素，而商家利用價格大戰(zhàn)這種營銷手段已經(jīng)過時，通常低價意味著低的品質(zhì)和服務(wù)。因此，商家在進行網(wǎng)上銷售時要注重產(chǎn)品的質(zhì)量及其售后服務(wù)。

(三)在線評論的數(shù)量、評論的時效性、評論的效價和評論者的資信度對數(shù)碼相機的銷量有顯著性影響。實證表明，在線評論的數(shù)量與數(shù)碼相機的交易數(shù)量存在顯著正相關(guān)，但是需要注意的是這些傳統(tǒng)因素已不是影響網(wǎng)上產(chǎn)品銷量的唯一考量標(biāo)準(zhǔn)。評論的時效性、顧客評論所表現(xiàn)出來的情感偏好及其顧客的資信度都對產(chǎn)品銷量產(chǎn)生重要的影響。評論的時效性會隨著評論發(fā)表日期與成交日相距時間增長而降低，最近發(fā)表的評論對顧客的影響最大。評論的資信度越高，其所發(fā)表的評論就更具有可信度，越能吸引后續(xù)顧客關(guān)注并購買。顧客正面的情感評論會給后續(xù)顧客對商品留下好的印象，吸引顧客購買。這些研究發(fā)現(xiàn)可以幫助企業(yè)和網(wǎng)站設(shè)計者根據(jù)影響產(chǎn)品銷量的主要因素制定更為合理的營銷策略和網(wǎng)站設(shè)計形式，從而提高產(chǎn)品的在線銷量。比如：根據(jù)日期，正面的評論安排在前兩頁的在線評論(天貓商城就是根據(jù)日期排列評論順序)；提高產(chǎn)品質(zhì)量和服務(wù)，鼓動顧客多發(fā)表正面的評論等等。需要指出的是在本文的研究中，評論的質(zhì)量對產(chǎn)品的銷售數(shù)量影響并不顯著，因此一些商家利用淘寶賬戶進行虛假評論實乃無用之舉。

本文研究在線評論對銷量的影響時，把在線產(chǎn)品銷量當(dāng)作外在因素。由于選取樣本的關(guān)系剔除了價格和產(chǎn)品關(guān)注度等影響因素，只是從宏觀和數(shù)量關(guān)系方面進行考量，沒有考慮到產(chǎn)品評論數(shù)量與其產(chǎn)品銷量之間影響的深層機制，同時產(chǎn)品的評論內(nèi)容、評論形式、各自變量混雜度等因素對交易數(shù)量的影響機制，也是值得進一步研究的問題。

注釋：

①數(shù)據(jù)相機不受顧客、季節(jié)、尺碼等因素的影響,選取為研究對象，相對比較穩(wěn)定。

②收集時間：2017-03-13、2017-03-22至2017-03-28為期一周；收集路徑：淘寶網(wǎng)首頁—照相機—數(shù)碼相機—(1200—2000元)—按銷量排列。

③淘寶網(wǎng)的評論內(nèi)容是推薦排序(而非時間排序)，顧客基本查看的都是前兩頁的評論內(nèi)容。天貓商城默認(rèn)排序是時間排序。

④淘寶網(wǎng)上標(biāo)注有用性的人數(shù)幾乎沒有，本文把質(zhì)量作為考量商品最好的要素。因此評論質(zhì)量的人數(shù)即為評論有用性的人數(shù)。

⑤本文資信程度對交易數(shù)量的影響以27天為整體進行橫向比較。

[1]PARK D H，J.Lee.eWOM.Overload and its Effect on Consumer Behavioral Intention Depending on Consumer Rnvolvement[J].Electronic Commerce Research and Applications,2009,7(4):386-398.

[2]MUDAMBI S M，SCHUFF D.What Makes a Helpful Online Reviews:A Study of Customer Reviews on AMAZON.COM.Mis Quarterly,2010,34(1):185-200.

[3]DELLAROCAS C.The Digitization of Word-of-mouth:Promise and Challenges of Online Feedback Mechanisms[J].Management Science,2003,49(10):1407-1424.

[4]CHEN Yubo,XIE Jinhong.Online Consumer Review——word-of-Mouth as a News Element of Marketing Communication Mix[J].Management Science,2008,54(3):477-491.

[5]張強．網(wǎng)絡(luò)口碑與電影消費者態(tài)度及觀賞動機的關(guān)系研究[D]．上海：上海交通大學(xué)，2008.

[6]在線評論對網(wǎng)絡(luò)消費者購買決策影響的實證研究[D]．北京：中國人民大學(xué)，2008.

[7]馬艷麗．在線評論引起的消費者決策困境：概念與相關(guān)問題[J]．求索，2013(7)：244-246.

[8]LIU Yong.Word-of-mouth for Movies:Its Dynamics and Impact on Box Office Revenue[J].Journal of Marketing,2006,70(3):74-89.

[9]DUAN Wenjing.The Dynamics of Online Word-of-Mouth and Produc Tsales—An Empirical Investigation of the Movie Industry[J].Journal of Retailing,2008,84(2):233-242.

[10]DUAN Wenjing,Bin Gu,Whinston A B.Do online reviews matter:An empirical investigation of panel data [J].Decision Support Systems,2008,45(4):1007-1016.

[11]郝媛媛,葉強,李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報,2010,13(8):78-89.

[12]GODES D,MAYZLIN D.Using Online Conversations to Study Word of Mouth Communication [J].Marketing Science,2004,23(4):545-560.

[13]FORMAN C,GHOSE A,WIESENFELD B.Examining the Relationship Between Reviews and Sales:The Role of Reviewer Identity Discloser in Electronic Markets[J].Information Systems Research,2008,19(3):291-313.

[14]CHEN Peiyu,WU Shinyi.The Impact of Online Recommendations and Consumer Feedback on Sales[C].Proceedings of International Conference on Information Systems (ICIS),2004:711-724.

[15]YE Q,LAW R,GU B.The Impact of Online User Reviews on Hotel Room Sales[J].International Journal of Hospitality Management ,2009,28(1):180-182.

[16]李建.在線商品評論對產(chǎn)品銷量影響研究[J].現(xiàn)代情報科學(xué)，2012，32(1):164-167.

[17]CHIEVALIER J A，MAYZLIN D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research，2006，43(3):345-354.

[18]劉順利.在線評論對網(wǎng)上書店銷量影響實證研究[D]．長沙：湖南大學(xué)，2013．

[19]代陸群.在線評論對搜索型產(chǎn)品和體驗型產(chǎn)品銷量影響的研究[D].西安：西安電子科技大學(xué),2014.

[20]胡志海，趙丹丹，張義.在線評論對商品銷售影響的實證研究[J].重慶工商大學(xué)學(xué)報(自然科學(xué)版)，2015(12):52-55.

[21]CHEN Peiyu,Samita Dhanasobhon.Analysis of the Differential Impact of Reviews and Reviewers at Amazon.com[J].Twenty Eighth International Conference On Information Systems Montreal,2007.

[22]CHATTER P.Online Review:Do Consumers Use Them?[J].Advances in Consumer Research,2001(28):133-139.

[23]鄭小平.在線評論對網(wǎng)絡(luò)消費者購買決策影響的實證研究[D].北京：中國人民大學(xué)，2008.

[24]邱凌云.網(wǎng)上口碑的信息效價與情感線索對說服效果的影響機制研究[J].營銷科學(xué)學(xué)報,2008(4):32-44.