宋鵬 郭勤勤

【摘 要】 伴隨互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡零售商的經(jīng)營績效成為經(jīng)濟增長的重要支柱。面向網(wǎng)絡零售商財務數(shù)據(jù)難以獲取的現(xiàn)實困難，立足于Web 2.0時代復雜大數(shù)據(jù)信息的可獲取性，文章創(chuàng)新性地引入在線評論特征維度，以在線評論異質(zhì)性為調(diào)節(jié)變量，采用Block回歸方法研究在線評論特征對網(wǎng)絡零售商經(jīng)營績效的影響。研究發(fā)現(xiàn)，在線評論異質(zhì)性越高，其對在線評論特征與網(wǎng)絡零售商之間的關系具有負向調(diào)節(jié)作用;在線評論異質(zhì)性越低，則表現(xiàn)出正向調(diào)節(jié)作用。研究成果對于網(wǎng)絡零售商改進綜合服務質(zhì)量，提高經(jīng)營績效，提升可持續(xù)競爭力具有重要的現(xiàn)實價值。

【關鍵詞】 網(wǎng)絡零售商; 經(jīng)營績效; 在線評論; 異質(zhì)性

【中圖分類號】 F274.6? 【文獻標識碼】 A? 【文章編號】 1004-5937（2019）12-0035-06

一、引言

從國民經(jīng)濟發(fā)展的現(xiàn)實狀況來看，經(jīng)濟增長和企業(yè)經(jīng)營績效息息相關。長期以來，作為衡量企業(yè)綜合發(fā)展水平的主要指標，企業(yè)經(jīng)營績效一直受到學術界和實務界的廣泛關注[1-3]。傳統(tǒng)的企業(yè)經(jīng)營績效研究多集中于線下企業(yè)，而隨著互聯(lián)網(wǎng)的發(fā)展，電商平臺已然成為零售業(yè)態(tài)的重要組成部分，相應的，網(wǎng)絡零售商的經(jīng)營績效則成為經(jīng)濟增長的重要支柱。因此，開展網(wǎng)絡零售商經(jīng)營績效影響因素的研究具有重要的理論與現(xiàn)實價值[4]。

從現(xiàn)有研究成果來看，一方面，傳統(tǒng)的企業(yè)績效研究多以財務報告作為數(shù)據(jù)基礎，從企業(yè)規(guī)模、資本結構和管理層激勵等不同方面來探究企業(yè)績效的影響因素[1-3];另一方面，以往的電商企業(yè)績效研究主要注重于電商收入的確認、會計核算等方面[5-8]，還有學者利用調(diào)查問卷數(shù)據(jù)來研究平臺聲譽對平臺經(jīng)營績效的影響[9]。然而，鮮有研究關注于網(wǎng)絡零售商經(jīng)營績效的影響因素。就其原因而言，則與網(wǎng)絡零售商的財務數(shù)據(jù)信息難以獲取緊密相關。事實上，Web 2.0時代，面對以用戶生成內(nèi)容為核心的新情境，在線評論已然成為電商平臺對網(wǎng)絡零售商績效評估、網(wǎng)絡零售商改進綜合服務質(zhì)量、客戶購買決策的主要信息來源[10，11]。因此，面向網(wǎng)絡零售商財務數(shù)據(jù)難以獲取的現(xiàn)實困難，以在線評論等相關數(shù)據(jù)為決策分析基礎，有望為網(wǎng)絡零售商經(jīng)營績效的影響因素分析提供一條嶄新的研究路徑。

考慮網(wǎng)絡零售商財務數(shù)據(jù)信息獲取的限制性和問卷調(diào)查數(shù)據(jù)的相對主觀性，本文試圖以網(wǎng)絡零售商的產(chǎn)品銷售量作為經(jīng)營績效的代理變量開展其績效的影響因素研究。進一步的，相比于傳統(tǒng)的企業(yè)運營模式，盡管網(wǎng)絡銷售使得企業(yè)可以獲得更多的客戶偏好信息，但是信息的海量性、不一致性等均給相關利益主體的決策分析帶來了新的困難。針對在線評論信息不一致的現(xiàn)象，諸多學者將在線評論異質(zhì)性作為解釋變量開展研究，但研究結果并不一致，且鮮有將其作為調(diào)節(jié)變量進行研究。因此，本文針對網(wǎng)絡零售商財務信息難以獲取的現(xiàn)實困難，立足于Web 2.0時代復雜大數(shù)據(jù)信息的可獲取性，創(chuàng)新性地引入在線評論特征維度，以在線評論異質(zhì)性為調(diào)節(jié)變量，采用Block回歸方法研究在線評論特征對網(wǎng)絡零售商經(jīng)營績效的影響。

二、文獻回顧與研究假設

（一）企業(yè)經(jīng)營績效

傳統(tǒng)的研究多注重于企業(yè)規(guī)模、資本結構或管理層激勵對企業(yè)經(jīng)營績效的影響。杜興強等[2]研究高層管理薪酬激勵對上市公司業(yè)績的影響，結果表明高層管理當局薪酬與公司業(yè)績之間呈正相關關系。陳德萍等[1]以創(chuàng)業(yè)板上市公司為研究對象，探究資本結構與企業(yè)經(jīng)營績效之間的關系。結果發(fā)現(xiàn)，資本結構和企業(yè)規(guī)模都對企業(yè)經(jīng)營績效具有顯著影響。陳曉飛等[3]以環(huán)保上市公司作為研究對象，對企業(yè)規(guī)模和經(jīng)營績效之間的關系進行了分析。結果表明，企業(yè)規(guī)模與經(jīng)營績效之間只存在部分相關性。劉名武等[12]采用超效率DEA模型，探究研發(fā)投入對物流企業(yè)經(jīng)營績效的貢獻率。結果發(fā)現(xiàn)，研發(fā)投入與企業(yè)績效之間呈正相關關系。隨著互聯(lián)網(wǎng)的發(fā)展，學者開始嘗試研究網(wǎng)絡經(jīng)營績效，但諸多研究都主要集中于電商收入的確認、會計核算等相關問題的研究，如雷娟等[6]認為針對網(wǎng)絡游戲虛擬商品的不同情形，網(wǎng)絡游戲企業(yè)確認收入的時點是不同的。楊志強等[7]以淘寶網(wǎng)絡商家收入為研究對象，對電子商務收入的確認與計量進行了探討。可以看出，關于網(wǎng)絡零售商經(jīng)營績效影響因素的研究仍然很少。高艷等[13]以CEO開放性作為調(diào)節(jié)變量，研究網(wǎng)絡營銷能力對企業(yè)績效的影響。結果表明，網(wǎng)絡營銷能力對企業(yè)績效具有正向影響，并且CEO開放性對兩者之間的關系具有正向調(diào)節(jié)作用，這也為“銷售量作為企業(yè)經(jīng)營績效的代理變量”提供了進一步的證據(jù)支持。

（二）在線評論異質(zhì)性

在線評論異質(zhì)性是指客戶對產(chǎn)品相關評價的不一致程度，即針對同一產(chǎn)品，客戶群體既有正向評論，也有負向評論，甚至有些評論是極端性的，相應的，在線評論異質(zhì)性可用評論離散程度來刻畫。在線評論異質(zhì)性低則意味著客戶群體對同一產(chǎn)品的評價響應是相似的，這意味著很可能是因為產(chǎn)品本身因素引起的，而在線評論異質(zhì)性高則意味著客戶群體對同一產(chǎn)品的評價響應存在很大的差異，引起這種差異的原因很可能是外部環(huán)境因素導致的。Clemons et al.[14]的研究表明，不一致的用戶生成內(nèi)容能促進銷售收入增長，即產(chǎn)品評論不一致性越高，表明客戶對產(chǎn)品的綜合評價存在一定的爭議性，這會引起客戶群體對產(chǎn)品的談論，增加客戶對產(chǎn)品的興趣和購物欲望，促進產(chǎn)品銷售收入的增長，進而提升網(wǎng)絡零售商的經(jīng)營績效。但是它對所有的產(chǎn)品都是正向影響嗎？現(xiàn)有的研究成果存在結論不一致的現(xiàn)象。如Sun[15]研究了在線評論異質(zhì)性與評論星級得分對產(chǎn)品銷量的交互作用，結果表明：星級平均分值較高時，評論離散程度對銷量有負向影響;星級平均分值較低時，評論離散程度對銷量有正向影響。而本文引入在線評論異質(zhì)性作為調(diào)節(jié)變量，基于在線評論視角來研究網(wǎng)絡零售商經(jīng)營績效的影響因素。

本文分別選取在線評論數(shù)量和評論長度作為刻畫評論數(shù)量和評論文本特征的變量。

對于在線評論數(shù)量與銷售收入之間的關系，大量實證研究結果均表明兩者之間存在正相關關系，即評論數(shù)量越高，銷售收入越高。如Godes et al.[16]研究結果表明，當客戶群體對某商品的在線評論越多，就越能引起潛在客戶的關注，從而引發(fā)客戶的購買欲望。盧向華等[17]研究大眾點評餐館的在線評論數(shù)量與銷售收入之間的關系，結果表明在線評論數(shù)量對銷售收入具有顯著的正向影響，并且價格對兩者之間的關系起到了調(diào)節(jié)作用?；诖?，本文認為在線評論數(shù)量與經(jīng)營績效之間具有正相關關系，同時以在線評論異質(zhì)性作為調(diào)節(jié)變量研究在線評論數(shù)量對經(jīng)營績效的影響。在線評論異質(zhì)性越高，即說明該產(chǎn)品并沒有獲得客戶群體的一致認可，客戶由于風險規(guī)避意識，從而導致購買欲望降低，削弱了評論數(shù)量對經(jīng)營績效的正向作用。反之，在線評論異質(zhì)性越低，即評論差異性越小，代表客戶群體對該產(chǎn)品質(zhì)量的認可度一致，增強了在線評論數(shù)量對經(jīng)營績效的作用。相應的，本文提出假設1和假設2。

H1：在線評論異質(zhì)性越高，其對評論數(shù)量與經(jīng)營績效之間的關系具有負向調(diào)節(jié)作用。

H2：在線評論異質(zhì)性越低，其對評論數(shù)量與經(jīng)營績效之間的關系具有正向調(diào)節(jié)作用。

評論長度是指客戶購買產(chǎn)品后對產(chǎn)品的質(zhì)量和商家服務做出評價的字數(shù)。張艷輝等[18]引入產(chǎn)品類型作為調(diào)節(jié)變量研究在線評論文本長度對評論有用性的影響。現(xiàn)有的大量研究表明，評論文本長度越長，在線評論所包含的信息可能越全面，即越能增加客戶購買的信心，從而引發(fā)產(chǎn)品銷售收入的上升[19-20]。本文在現(xiàn)有研究的基礎上，引入在線評論異質(zhì)性作為調(diào)節(jié)變量研究評論長度對經(jīng)營績效的影響。在線評論異質(zhì)性越高，即評論離散程度越高，表明客戶群體對該產(chǎn)品的綜合評價一致性低，從而削弱了評論長度與經(jīng)營績效之間的正相關關系;反之，即在線評論差異性越低，則增強了評論文本長度對經(jīng)營績效的影響。因此，本文提出假設3和假設4。

H3：在線評論異質(zhì)性越高，其對評論長度與經(jīng)營績效之間的關系具有負向調(diào)節(jié)作用。

H4：在線評論異質(zhì)性越低，其對評論長度與經(jīng)營績效之間的關系具有正向調(diào)節(jié)作用。

除以上變量外，本文將評論時間和產(chǎn)品價格作為控制變量。理論模型框架圖如圖1所示。

三、研究方法

（一）變量測量

本文基于在線評論異質(zhì)性的視角，建立了在線評論屬性特征對網(wǎng)絡零售商經(jīng)營績效的影響因素模型。研究模型共包括6個變量，其中因變量是經(jīng)營績效：用產(chǎn)品銷量排名代替即Ln Rank[16，21]。自變量包括評論數(shù)量（直接抓取）、評論長度（在線評論的字符個數(shù)）。調(diào)節(jié)變量為在線評論異質(zhì)性（評論評分的標準差）。控制變量包括評論時間（抓取評論數(shù)據(jù)的時間與發(fā)表評論時間的差）、產(chǎn)品價格（直接抓?。?。綜上，相關變量定義如表1所示。

（二）數(shù)據(jù)收集

本文以亞馬遜中國（https：//www.amazon.cn/）為目標平臺，選取銷量排名前100產(chǎn)品的在線評論信息為研究樣本。考慮到不同類型產(chǎn)品的在線評論特征對經(jīng)營績效可能存在不同的影響作用，為了保證實證研究結果的可靠性，本文在總體樣本的基礎上，又將搜索型產(chǎn)品與體驗型產(chǎn)品區(qū)分開來分別組成兩個樣本子集。實證研究中，剔除了評論數(shù)量為0的所有樣本，在線評論樣本共40 207個;其中，體驗型產(chǎn)品21 306個樣本，搜索型產(chǎn)品18 901個樣本。本文采用Block方法，通過分層回歸驗證在線評論的屬性特征對經(jīng)營績效的影響以及在線評論異質(zhì)性的調(diào)節(jié)效應。

四、實證結果與分析

本研究運用分層回歸分析方法驗證在線評論特征對經(jīng)營績效的影響，所有變量均納入模型。值得注意的是，本研究的因變量是用產(chǎn)品銷量排名代替，其與經(jīng)營績效是負相關關系，即排名越靠前，經(jīng)營績效越高。當回歸結果系數(shù)為正時，表明自變量對經(jīng)營績效具有負向影響;反之，則表明具有正向影響。

表2和表3分別是全部樣本的描述性統(tǒng)計和回歸分析結果。根據(jù)產(chǎn)品的在線評論異質(zhì)性數(shù)據(jù)分布，將大于中值的定義為差異大，小于等于中值的定義為差異小，即SDstar>0.95時，定義為在線評論異質(zhì)性高;當SDstar≤0.95時，定義為在線評論異質(zhì)性低。將在線評論異質(zhì)性高記為1，在線評論異質(zhì)性低記為0。

從表3實證結果來看，評論長度與企業(yè)經(jīng)營績效之間呈正相關關系，而評論數(shù)量與企業(yè)經(jīng)營績效呈負相關關系;在線評論異質(zhì)性越高，其對在線評論特征與企業(yè)經(jīng)營績效之間的關系具有正向調(diào)節(jié)作用。就其原因而言，本文認為這可能歸咎于全樣本包含了不同類型的產(chǎn)品。

為了進一步研究在線評論異質(zhì)性對在線評論與企業(yè)經(jīng)營績效之間關系的作用，本文將全部樣本分成搜索型產(chǎn)品和體驗型產(chǎn)品兩組，表4和表5是其基本的描述性統(tǒng)計。

根據(jù)兩種產(chǎn)品的在線評論異質(zhì)性數(shù)據(jù)分布，將大于中值的定義為差異大，小于等于中值的定義為差異小，即在搜索型產(chǎn)品中，當SDstar>0.90時，定義為在線評論異質(zhì)性高;當SDstar≤0.90時，定義為在線評論異質(zhì)性低。在體驗型產(chǎn)品中，當SDstar>1.11時，定義為在線評論異質(zhì)性高;當SDstar≤1.11時，定義為在線評論異質(zhì)性低。將在線評論異質(zhì)性高記為1，在線評論異質(zhì)性低記為0。

搜索型產(chǎn)品的模型回歸結果如表6所示，由模型2與模型1可知，加入自變量后，模型擬合優(yōu)度有了顯著提高（ΔR2=0.190，p<0.001）。模型2中的5個變量對經(jīng)營績效的影響均在p<0.001的水平上顯著。比較模型3和模型2，加入交乘項后，模型擬合優(yōu)度和方程的總體顯著性更優(yōu)（ΔR2=0.009，p<0.001），且兩個交互項都在p<0.001的水平上顯著。從表6的結果可知，在模型2中，評論數(shù)量對搜索型產(chǎn)品的經(jīng)營績效具有顯著的負向影響，其可能是因為客戶主動評論意愿較低，因此造成了這樣的結果。由模型2的回歸結果可知，在線評論異質(zhì)性對搜索型產(chǎn)品在線評論數(shù)量與經(jīng)營績效之間的關系具有調(diào)節(jié)作用，且從模型3的結果可知，當在線評論異質(zhì)性越高時，其起到了負向調(diào)節(jié)作用，反之則增強了在線評論數(shù)量對經(jīng)營績效的影響，H1和H2得到驗證支持。而評論長度與搜索型產(chǎn)品的經(jīng)營績效之間具有顯著的正相關關系，在線評論異質(zhì)性對評論長度與搜索型產(chǎn)品的經(jīng)營績效之間的關系起到了調(diào)節(jié)作用，H3和H4得到支持。

體驗型產(chǎn)品模型的回歸結果如表7所示，比較3個模型的結果可知，加入自變量與交乘項后，模型擬合優(yōu)度和方程的顯著性有了明顯提高（ΔR2=0.140，ΔR2=0.032，p<0.001），并且變量和交乘項均在p<0.001的水平上顯著。從模型2的結果可知，評論數(shù)量對體驗型產(chǎn)品的經(jīng)營績效具有顯著的正向影響，評論長度與經(jīng)營績效之間呈顯著負相關關系，可能原因是客戶群體購買體驗型產(chǎn)品后，更傾向于寫長篇的差評，因此導致了負向結果。分析模型3的結果表明，在線評論異質(zhì)性越高，評論差異越大時，對體驗型產(chǎn)品評論數(shù)量、評論長度與經(jīng)營績效之間的關系均起到了負向調(diào)節(jié)作用，反之起到了正向調(diào)節(jié)作用，假設都得到了驗證支持。

五、結論與展望

（一）研究結論

在現(xiàn)有研究的基礎上，本文基于亞馬遜中國的產(chǎn)品數(shù)據(jù)（銷量、銷售價格等）和在線評論信息數(shù)據(jù)，引入在線評論異質(zhì)性作為調(diào)節(jié)變量構建多元線性模型，應用分層回歸方法分析網(wǎng)絡零售商經(jīng)營績效的影響因素。主要創(chuàng)新與結論如下：

1.本文針對網(wǎng)絡零售商財務信息難以獲取的現(xiàn)實困難，立足于Web 2.0時代復雜大數(shù)據(jù)信息的可獲取性，創(chuàng)新性地引入在線評論特征維度，分析大樣本復雜評論信息與網(wǎng)絡零售商經(jīng)營績效之間的關系。這一新的研究視角有望為互聯(lián)網(wǎng)企業(yè)經(jīng)營績效影響因素的研究提供一條嶄新的路徑。

2.區(qū)別于傳統(tǒng)的企業(yè)經(jīng)營績效研究，本文基于在線評論視角，引入銷售量作為企業(yè)經(jīng)營績效的代理變量，研究在線評論異質(zhì)性與在線評論特征對網(wǎng)絡零售商經(jīng)營績效的交互作用。在線評論異質(zhì)性即評論不一致性，當產(chǎn)品的評論不一致性越高時，表明客戶群體對該產(chǎn)品的評價有很大的差別，而潛在客戶由于風險規(guī)避意識，可能會降低對該產(chǎn)品的購買欲望，從而降低了經(jīng)營績效，削弱了在線評論其他屬性特征對經(jīng)營績效的作用;反之，則增強了客戶群體的購買信心，進而刺激經(jīng)營績效的上升。

（二）研究展望

基于以上的結論分析可以看出，評論的異質(zhì)性對在線評論特征與經(jīng)營績效之間的關系起到了調(diào)節(jié)作用，網(wǎng)絡零售商與電商平臺應注重個體差異，通過提升客戶服務效率，進而提高經(jīng)營績效。但本文的研究也存在一些不足：

1.本文僅僅研究了在線評論異質(zhì)性對評論數(shù)量特征和評論文本特征與經(jīng)營績效之間關系的作用，未來可以引入其他變量如評論者排名、在線評論有用性進行研究，深入探討在線評論異質(zhì)性對經(jīng)營績效的影響。

2.本文僅僅從數(shù)值上衡量了在線評論異質(zhì)性，即從評分的角度刻畫了評論不一致性?？蛻羧后w可能由于一些主觀原因雖然對產(chǎn)品進行高評分，但是其發(fā)表的評論內(nèi)容卻是負面的。因此，未來的研究可以運用智能化自然語言處理來分析評論文本中客戶的情感傾向，進而更為精細地分析在線評論異質(zhì)性與經(jīng)營績效之間的相關關系。

【參考文獻】

[1] 陳德萍，曾智海.資本結構與企業(yè)績效的互動關系研究——基于創(chuàng)業(yè)板上市公司的實證檢驗[J].會計研究，2012（8）：66-71.

[2] 杜興強，王麗華.高層管理當局薪酬與上市公司業(yè)績的相關性實證研究[J].會計研究，2007（1）：58-65.

[3] 陳曉飛，關峻.企業(yè)規(guī)模與經(jīng)營績效相關性研究——來自環(huán)保上市公司數(shù)據(jù)[J].財會通訊，2014（27）：38-40.

[4] 王煜.網(wǎng)絡營銷財務管理存在的問題和解決對策[J].會計之友，2012（10）：29-31.

[5] 李壽喜，汪夢曉.我國收入會計準則變動對電商企業(yè)會計核算的影響[J].會計之友，2018（5）：142-144.

[6] 雷娟，陳宏剛，陳娟.探析網(wǎng)絡游戲中虛擬貨幣銷售收入的確認[J].會計之友，2016（19）：42-45.

[7] 楊志強，黃林娜，黃椿麗.電子商務會計收入確認探討——基于淘寶網(wǎng)絡商家收入確認視角[J].財會通訊，2014（28）：75-78.

[8] 祝兵.“天貓”賣家收入確認與促銷的會計核算[J].財會月刊，2014（5）：75-77.

[9] 汪旭暉，郭一凡.平臺型電商聲譽對平臺賣家績效的影響研究——基于顧客關系質(zhì)量的研究視角[J].西南民族大學學報（人文社會科學版），2018，39（11）：128-135.

[10] SULIN B，PAUL A P.Evidence of the effect of trust building technology in electronic markets：price premiums and buyer behavior[J].Management Information Systems Quarterly，2002，26（3）：243-268.

[11] BAKOS YANNIS J.Reducing buyer search costs：implications for electronic market places[J].Management Science，1997，43（12）：1676-1692.

[12] 劉名武，任穎穎.考慮R&D 投入的我國上市物流企業(yè)經(jīng)營績效研究[J].會計之友，2018（4）：125-130.

[13] 高艷，宋蔚.CEO開放性、網(wǎng)絡營銷能力與企業(yè)會計績效[J].財會通訊，2019（9）：51-60.

[14] CLEMONS E K，HITT G L .When online reviews meet hyper differentiation：a study of the craft beer industry[J].Journal of Management Information Systems，2006，23（2）：149-171.

[15] SUN，MONIC.How does the variance of product ratings matter？[J].Management Science，2012，58（4）：696-707.

[16] GODES D，MAYZLIN D.Using online conversations to study word-of-mouth communication[J].Marketing Science，2004，23（4）：545-560.

[17] 盧向華，馮越.網(wǎng)絡口碑的價值——基于在線餐館點評的實證研究[J].管理世界，2009（7）：126-132.

[18] 張艷輝，李宗偉.在線評論有用性的影響因素研究：基于產(chǎn)品類型的調(diào)節(jié)效應[J].管理評論，2016，28（10）：123-132.

[19] 王君珺，閆強.不同熱度搜索型產(chǎn)品的在線評論對銷量影響的實證研究[J].中國管理科學，2013（S2）：406-411.

[20] 石文華，王璐，繩娜，等.在線初次評論與在線追加評論對商品銷量影響的比較研究[J].管理評論，2018（1）：144-153.

[21] MAYZLIN D，CHEVALIER J A.The effect of word of mouth on sales：online book reviews[J].Journal of Marketing Research，2006，43（3）：345-354.