胡雅淇 林 海

(中國農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083)

電子商務(wù)是促進(jìn)小農(nóng)戶和大市場(chǎng)實(shí)現(xiàn)有效對(duì)接的現(xiàn)代化途徑之一，有助于保障農(nóng)產(chǎn)品供給、增加農(nóng)民收入，助力解決鄉(xiāng)村振興的實(shí)際問題。特別是2020年突發(fā)新冠疫情的背景之下，以數(shù)字經(jīng)濟(jì)為核心的經(jīng)濟(jì)形式在當(dāng)下中國經(jīng)濟(jì)發(fā)展過程中具有主導(dǎo)性作用，而生鮮電商作為農(nóng)業(yè)數(shù)字經(jīng)濟(jì)的具體依托，因其能夠在供需方之間建立非接觸性的經(jīng)濟(jì)關(guān)系，在疫情期間為解決農(nóng)產(chǎn)品滯銷、保障城鎮(zhèn)居民菜籃子安全提供了有效支撐。事實(shí)上，“互聯(lián)網(wǎng)+農(nóng)業(yè)”背景下，生鮮電子商務(wù)迅猛發(fā)展，2019年我國生鮮電商行業(yè)市場(chǎng)交易規(guī)模高達(dá)2 796.2億元，平均每年增速超過50%。生鮮電商能夠契合消費(fèi)者對(duì)高質(zhì)量多樣化農(nóng)產(chǎn)品的需求，緩解產(chǎn)業(yè)鏈環(huán)節(jié)間信息不對(duì)稱的難題，提高農(nóng)產(chǎn)品流通的信息化程度，然而其發(fā)展面臨諸多問題，其中之一就是買賣雙方的信息不對(duì)稱問題。

在非接觸購物的情境下，在線評(píng)論的有效性是生鮮電商廠家與消費(fèi)者間信任形成的重要媒介。鑒于農(nóng)產(chǎn)品的信任品特征[1]，消費(fèi)者在購買生鮮農(nóng)產(chǎn)品時(shí)，比購買經(jīng)驗(yàn)品和搜尋品時(shí)面臨更大的信息不對(duì)稱問題和決策風(fēng)險(xiǎn)。在電子商務(wù)平臺(tái)購買生鮮農(nóng)產(chǎn)品時(shí)，消費(fèi)者無法直接接觸商品從而弱化親身體驗(yàn)獲取商品信息的能力，只能更多的依賴信息搜索的方式來獲取有助于購買決策的信息，加上生鮮農(nóng)產(chǎn)品對(duì)消費(fèi)者的飲食安全和健康影響更為重大，且購買前質(zhì)量評(píng)估較為困難，這促使消費(fèi)者往往傾向于通過網(wǎng)絡(luò)口碑收集更多的信息，選擇是否相信某產(chǎn)品的銷售描述。在線評(píng)論是網(wǎng)絡(luò)口碑的重要形式，一般是指消費(fèi)者在電子商務(wù)平臺(tái)上發(fā)表對(duì)產(chǎn)品或服務(wù)的觀點(diǎn)，通過在線方式傳遞給大眾群體，亦是用戶與商家之間的在線互動(dòng)與信息交流。在線評(píng)論作為經(jīng)驗(yàn)信息的主要來源，對(duì)消除消費(fèi)者的不確定性，輔助其做出有效決策具有重要作用[2]。在線評(píng)論是消費(fèi)者在線購物信任機(jī)制形成的重要參考依據(jù)，也是近年國內(nèi)外研究的熱點(diǎn)。相關(guān)研究認(rèn)為在線評(píng)論能夠顯著影響到消費(fèi)者的購買行為和電商平臺(tái)的銷量[3-4]，并得到國內(nèi)外學(xué)者相關(guān)研究的進(jìn)一步證實(shí)[5-7]。針對(duì)不同的產(chǎn)品類型，在線評(píng)論會(huì)產(chǎn)生不同的影響力[8-9]，產(chǎn)品類型會(huì)調(diào)節(jié)在線評(píng)論有用性程度[10-11]。農(nóng)產(chǎn)品特別是生鮮農(nóng)產(chǎn)品的消費(fèi)，體現(xiàn)了消費(fèi)者對(duì)食品安全和質(zhì)量方面的考慮，消費(fèi)者更為看重農(nóng)產(chǎn)品的質(zhì)量和聲譽(yù)[12]，因此，生鮮農(nóng)產(chǎn)品的在線消費(fèi)行為同樣需要考慮相關(guān)的在線評(píng)論特征。鑒于在線評(píng)論的產(chǎn)品異質(zhì)性，在線評(píng)論對(duì)我國生鮮電商影響的研究仍然需要進(jìn)一步探索豐富。

從經(jīng)濟(jì)學(xué)角度看，如果所有消費(fèi)者在做出購買決策前能夠充分獲取信息，那么市場(chǎng)會(huì)更有效率，但現(xiàn)實(shí)是，商家通常比消費(fèi)者掌握著更多的產(chǎn)品信息，如商品價(jià)格、質(zhì)量和性能等，這種固有的信息不對(duì)稱會(huì)造成消費(fèi)者對(duì)賣家行為感知的不確定性，進(jìn)而影響購買決策和市場(chǎng)效率，而互聯(lián)網(wǎng)時(shí)代，消費(fèi)者面臨著與以往形式不同的信息不確定和信任問題。網(wǎng)上購物時(shí)，消費(fèi)者對(duì)生鮮農(nóng)產(chǎn)品的質(zhì)量、性狀、口感和配送時(shí)間等要求比普通農(nóng)產(chǎn)品更高，在線消費(fèi)者更加關(guān)心重視生鮮農(nóng)產(chǎn)品的網(wǎng)絡(luò)口碑，以此作為購買決策的重要依據(jù)。特別是生鮮肉類，因產(chǎn)品對(duì)保鮮技術(shù)、檢疫手段等要求較高，消費(fèi)者通過電商購買面臨更大的不確定性，因而進(jìn)行生鮮肉類購買決策時(shí)，更加關(guān)注質(zhì)量信號(hào)來增加自身對(duì)農(nóng)產(chǎn)品的信任，在線評(píng)論起到的作用可能會(huì)更加明顯。然而目前研究大都以搜尋品為研究對(duì)象，針對(duì)在線評(píng)論對(duì)農(nóng)產(chǎn)品影響的研究相對(duì)較少，涉及生鮮產(chǎn)品的研究更加缺乏。

互聯(lián)網(wǎng)時(shí)代，不完全信息條件下，當(dāng)前文獻(xiàn)需要進(jìn)一步細(xì)化來回答：在電商平臺(tái)上，在線評(píng)論的哪些特征會(huì)影響生鮮農(nóng)產(chǎn)品的銷售以及不同特征對(duì)其銷售的影響程度如何的問題。鑒于生鮮電商在市場(chǎng)規(guī)模和用戶規(guī)模上均存在巨大的增長空間，本研究旨在深度剖析在線評(píng)論特征對(duì)生鮮產(chǎn)品在線購買行為的影響，面向市場(chǎng)分析其發(fā)展瓶頸，從而為賣家和第三方平臺(tái)完善農(nóng)產(chǎn)品評(píng)論機(jī)制提供合理的參考路徑，促進(jìn)購買決策的形成，提升市場(chǎng)效率，助力生鮮電商的發(fā)展。

1 理論模型與研究假設(shè)

1.1 在線評(píng)論因素影響農(nóng)產(chǎn)品銷量模型

消費(fèi)者在線購買行為可被視為不完全信息條件下的消費(fèi)決策，是在線產(chǎn)品銷量的決定因素。網(wǎng)絡(luò)店鋪的銷量取決于消費(fèi)者的購買決策，很多文獻(xiàn)顯示，在互聯(lián)網(wǎng)時(shí)代下，消費(fèi)者購買決策顯著受到網(wǎng)絡(luò)口碑的影響[13-14]，而網(wǎng)絡(luò)口碑的好壞與有用性評(píng)論的作用是密切相關(guān)的。消費(fèi)者對(duì)在線評(píng)論的閱讀、識(shí)別、判斷體現(xiàn)了一個(gè)信息采納過程，人們?cè)诖诉^程中對(duì)信息進(jìn)行有目的性的利用。眾多學(xué)者運(yùn)用實(shí)證研究來探索在線評(píng)論有用性的影響因素，在線評(píng)論不同的特征使其評(píng)論有用性程度有所不同，進(jìn)而對(duì)于消費(fèi)者購買決策產(chǎn)生不同的影響，即評(píng)論的有用性決定在線評(píng)論對(duì)于銷量的影響程度，因而影響評(píng)論有用性的基本要素與影響銷量的評(píng)論因素根本上是一致的。

圖1 在線評(píng)論作用于銷量的理論模型Fig.1 Theoretical model of impact of online review factors on sales

鑒于在線評(píng)論是消費(fèi)者可獲得的重要信息，信息質(zhì)量影響消費(fèi)者的在線購買決策，因而本研究采用以信息為核心的技術(shù)采納模型。Sussman等[15]在精細(xì)加工可能性模型(Elaboration likelihood model，ELM)和技術(shù)接受模型(Technology acceptance model，TAM)的基礎(chǔ)之上，將理論運(yùn)用于在線信息的研究中，構(gòu)建出信息采納模型(Information adoption model，IAM)，該模型構(gòu)建既以信息質(zhì)量為出發(fā)點(diǎn)，又在實(shí)踐過程中與在線信息相結(jié)合，因而適用于在線評(píng)論的研究。在IAM模型中，信息質(zhì)量被視作中心路徑，信息源可信度為邊緣路徑，兩條路徑直接影響信息有效性的感知，信息有效性進(jìn)一步影響信息采納。該研究在IAM模型的基礎(chǔ)上，將分析向后延伸至銷量的變動(dòng)：信息一經(jīng)采納，消費(fèi)者會(huì)感知到產(chǎn)品好的或差的網(wǎng)絡(luò)口碑，好的網(wǎng)絡(luò)口碑使消費(fèi)者對(duì)該產(chǎn)品持信任態(tài)度，最終傾向于購買該產(chǎn)品，進(jìn)而提升產(chǎn)品的銷量；差的網(wǎng)絡(luò)口碑使消費(fèi)者懷疑該產(chǎn)品，最終更有可能拒絕購買該產(chǎn)品，進(jìn)而無益于產(chǎn)品的銷量，長此以往則會(huì)減少產(chǎn)品銷量(圖1)。

與影響信息有用性的邊緣路徑相比，中心路徑在接受者態(tài)度轉(zhuǎn)變上發(fā)揮的作用持續(xù)更久，且對(duì)行為的預(yù)測(cè)性效果更好，信息接受者依據(jù)實(shí)際應(yīng)用狀況，可以同時(shí)結(jié)合使用兩條路徑，也可以單獨(dú)選取其中的一條[16]。這表明中心路徑的作用更為顯著持久有效，因此基于數(shù)據(jù)的可獲得性，本研究只考慮中心路徑，即信息質(zhì)量對(duì)于信息有用性的作用。信息質(zhì)量是對(duì)信息內(nèi)容本身的衡量，根據(jù)信息采納模型，在現(xiàn)有研究的基礎(chǔ)上，本研究選取有效評(píng)論(包括評(píng)論次數(shù)和評(píng)論長度兩個(gè)指標(biāo))、負(fù)面評(píng)價(jià)、上傳圖片數(shù)量來體現(xiàn)在線評(píng)論的信息質(zhì)量。

1.2 評(píng)論次數(shù)和評(píng)論長度

首先，評(píng)論次數(shù)是評(píng)論因素的關(guān)鍵指標(biāo)之一，很多學(xué)者認(rèn)為在線評(píng)論次數(shù)總量對(duì)產(chǎn)品的銷量有顯著的影響[17-18]，這種認(rèn)知的依據(jù)在于消費(fèi)者的從眾心理和風(fēng)險(xiǎn)規(guī)避意識(shí)。根據(jù)現(xiàn)有的在線評(píng)論機(jī)制，只有購買過此產(chǎn)品，才能對(duì)該產(chǎn)品進(jìn)行評(píng)論，因而評(píng)論次數(shù)越多，意味著購買此產(chǎn)品的人數(shù)越多，而消費(fèi)者通常會(huì)認(rèn)為：被購買次數(shù)越多意味著產(chǎn)品得到大眾認(rèn)可的程度越高，因而購買決策所帶來的不確定風(fēng)險(xiǎn)較低，交易成本較低。

其次，評(píng)論長度對(duì)于產(chǎn)品銷量作用的研究結(jié)論存在差異。評(píng)論長度是消費(fèi)者購買某款產(chǎn)品后進(jìn)行評(píng)論的字?jǐn)?shù)，目前大多數(shù)學(xué)者認(rèn)為評(píng)論長度與產(chǎn)品銷量正向相關(guān)；當(dāng)然也有學(xué)者指出過長的評(píng)論對(duì)于銷量并沒有太大影響。評(píng)論長度之所以能夠反映在銷量上，是因?yàn)橐环矫?，評(píng)論者發(fā)布信息的長度，能夠反映出評(píng)論者對(duì)該產(chǎn)品的了解程度以及評(píng)論者對(duì)產(chǎn)品的熱情程度，篇幅越長，對(duì)產(chǎn)品的介紹和描述就會(huì)越多，進(jìn)而為消費(fèi)者提供更全面的信息，提升消費(fèi)者對(duì)該條評(píng)論有用性的認(rèn)可[19]，以便其更好地做出購買決策，從而對(duì)產(chǎn)品銷量影響也就越大。另一方面，評(píng)論長度可能會(huì)刺激評(píng)論閱讀者仔細(xì)瀏覽，加深或改變?cè)械膽B(tài)度，提高對(duì)產(chǎn)品或服務(wù)的認(rèn)知度，抵消用戶的不確定性[20]；同時(shí)，內(nèi)容豐富的評(píng)論可以增加信息的可認(rèn)知性，進(jìn)而影響消費(fèi)者的感知可信度，從而促成消費(fèi)者的購買決策，例如Baek等[21]基于亞馬遜評(píng)論數(shù)據(jù)，證明了字符總數(shù)會(huì)對(duì)評(píng)論質(zhì)量造成影響，進(jìn)而影響消費(fèi)者對(duì)評(píng)論的信任程度。當(dāng)然，也有研究指出，過長的評(píng)論對(duì)于銷量并沒有太大影響[22]。根據(jù)認(rèn)知負(fù)荷理論，一旦評(píng)論信息的處理需求達(dá)到工作記憶的上限，就會(huì)造成消費(fèi)者的認(rèn)知超載，消費(fèi)者難以較好地進(jìn)行決策制定[3]，理想的評(píng)論長度難以確定，不同評(píng)論長度對(duì)評(píng)論有用性的作用不同，作用方向的正負(fù)以及作用程度顯著不顯著都呈現(xiàn)出產(chǎn)品異質(zhì)性的特點(diǎn)[23]。

1.3 負(fù)面在線評(píng)論(差評(píng))

負(fù)面在線評(píng)論數(shù)量是影響產(chǎn)品網(wǎng)絡(luò)銷售量的重要因素，在淘寶平臺(tái)體現(xiàn)為差評(píng)數(shù)量。根據(jù)前景理論，相比于收益，消費(fèi)者對(duì)損失的敏感程度更加強(qiáng)烈，即損失的痛苦大于收益的快樂[24]。在線負(fù)面評(píng)論反映的是消費(fèi)者對(duì)產(chǎn)品或服務(wù)的不愉快體驗(yàn)，往往更能受到其他消費(fèi)者的重視和再傳播，在消費(fèi)群體中促進(jìn)消極口碑的形成。對(duì)于某一個(gè)產(chǎn)品，在線負(fù)面評(píng)論越多，說明該產(chǎn)品在質(zhì)量或服務(wù)方面可能存在的問題更多。因而，負(fù)面評(píng)論數(shù)量越多，越容易阻礙潛在消費(fèi)者購買該產(chǎn)品，進(jìn)而影響產(chǎn)品銷量。相關(guān)研究認(rèn)為負(fù)面信息比正面信息更具判斷性價(jià)值，消費(fèi)者在購買決策時(shí)會(huì)更多地依賴負(fù)面信息[25]。雖然負(fù)面在線評(píng)論數(shù)量對(duì)于消費(fèi)決策及產(chǎn)品銷量具有顯著的負(fù)面影響[26]，然而對(duì)于不同的產(chǎn)品其有用性存在差異，比如體驗(yàn)享樂型商品的負(fù)面評(píng)論有用性要低于實(shí)用型商品[27]，搜索品的負(fù)面評(píng)論對(duì)購買意愿影響程度要小于體驗(yàn)品[28]，高成熟度的產(chǎn)品銷量受負(fù)面評(píng)論的影響要大于低成熟度的產(chǎn)品[29]。

1.4 可視化評(píng)論(圖片)

除上述因素以外，可視化評(píng)論(圖片)亦可以通過影響在線評(píng)論的有用性作用于產(chǎn)品銷量。隨著互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，通過手機(jī)拍照功能和購物應(yīng)用等智能終端的運(yùn)用，在線評(píng)論中的圖片要素越發(fā)普及。研究指出，文本、圖片和視頻等不同的評(píng)論形式對(duì)消費(fèi)者的影響是不同的[30]，生動(dòng)直觀的圖片可以向消費(fèi)者提供感官信息從而刺激購買決策[31]。當(dāng)然，含有圖片的在線評(píng)論的效果會(huì)隨產(chǎn)品類型的不同而有所差異，例如圖片對(duì)于經(jīng)驗(yàn)品的正向影響往往大于對(duì)搜尋品的影響[32]；感官型產(chǎn)品圖片評(píng)論對(duì)消費(fèi)者購買意向的影響大于文字評(píng)論，而非感官型產(chǎn)品文字評(píng)論對(duì)消費(fèi)者購買意向的影響大于圖片評(píng)論[33]。

基于理論框架的搭建，綜合核心變量的已有研究，提出4個(gè)零假設(shè)：1)評(píng)論次數(shù)對(duì)生鮮農(nóng)產(chǎn)品的銷售有顯著正向作用；2)評(píng)論長度對(duì)生鮮農(nóng)產(chǎn)品的銷售有顯著正向影響；3)負(fù)面評(píng)論數(shù)量對(duì)生鮮農(nóng)產(chǎn)品銷量有顯著的負(fù)向作用；4)可視化評(píng)論對(duì)生鮮農(nóng)產(chǎn)品銷量有顯著的正向影響。

2 數(shù)據(jù)來源及模型選擇

2.1 數(shù)據(jù)來源及預(yù)處理

淘寶網(wǎng)(www.taobao.com)是中國最大的移動(dòng)商務(wù)平臺(tái)，擁有大量消費(fèi)后的評(píng)論信息，適合作為數(shù)據(jù)采集的來源平臺(tái)。筆者選擇新鮮羊肉作為目標(biāo)農(nóng)產(chǎn)品，于2018年1月份用Python爬蟲工具一次性抓取了淘寶網(wǎng)上新鮮羊肉商家的評(píng)論信息。具體的數(shù)據(jù)采集過程包括4個(gè)步驟：1)以“新鮮羊肉”作為關(guān)鍵詞，利用爬蟲中內(nèi)嵌的關(guān)鍵字匹配模塊，對(duì)淘寶上所有實(shí)時(shí)銷售的羊肉產(chǎn)品進(jìn)行數(shù)據(jù)抓取，抓取內(nèi)容涵蓋羊肉店鋪相關(guān)信息及其產(chǎn)品評(píng)論信息，整個(gè)抓取過程在兩小時(shí)內(nèi)一次性完成，以保證各店鋪數(shù)據(jù)的可比性；2)進(jìn)行數(shù)據(jù)清洗，剔除與羊肉相關(guān)但不是羊肉產(chǎn)品的無關(guān)樣本，設(shè)定Python程序，將包含“羊肉湯、羊雜湯、火鍋底料、調(diào)料”等86個(gè)詞匯的樣本，剔除無關(guān)樣本之后，形成數(shù)據(jù)集；3)根據(jù)研究目的，將樣本進(jìn)行篩選歸類，首先按照店鋪進(jìn)行分類，將由于評(píng)論指標(biāo)而出現(xiàn)的重復(fù)樣本刪除，最后產(chǎn)生有效樣本，共包含2 345條羊肉產(chǎn)品信息，每一條羊肉產(chǎn)品信息被視為一個(gè)樣本，即用于回歸的樣本量為2 345；4)在Python抓取并清洗過而形成的csv格式的數(shù)據(jù)表中，所有信息都儲(chǔ)存在一個(gè)單元格內(nèi)，運(yùn)用Excel數(shù)據(jù)清理的方法，將數(shù)據(jù)無關(guān)的符號(hào)去除，并將數(shù)據(jù)按照不同變量分割成可處理的形式；然后將數(shù)據(jù)導(dǎo)入Stata，形成易于處理的dta格式。

2.2 變量選取及依據(jù)

1)被解釋變量。羊肉的銷量(DEL)為因變量，并用店鋪月度付款人數(shù)為代理指標(biāo)。淘寶作為中國最大的零售網(wǎng)上平臺(tái)，其受眾群體為普通消費(fèi)者，而批發(fā)商等農(nóng)產(chǎn)品需求量較大的中間商一般不會(huì)選擇淘寶進(jìn)行成批采購，而對(duì)普通消費(fèi)者而言，其單次生鮮農(nóng)產(chǎn)品的需求量不會(huì)有特別大的差異，因而銷量可以用成功的交易量衡量，即用付款人數(shù)代表，淘寶平臺(tái)上用月銷量這一指標(biāo)表示。

2)核心解釋變量。選取在線評(píng)論次數(shù)(NUM)、評(píng)論長度(LEN)、負(fù)面評(píng)論(BAD)、可視化評(píng)論數(shù)量(IMG)4個(gè)在線評(píng)論的特征指標(biāo)為核心解釋變量。在線評(píng)論次數(shù)在淘寶平臺(tái)上顯示為“累計(jì)評(píng)論”，采用累計(jì)評(píng)論數(shù)量來表示在線評(píng)論次數(shù)；根據(jù)已有研究，消費(fèi)者一般情況下不會(huì)看超過2頁的在線評(píng)論[34]，有研究通過設(shè)定一個(gè)容納20條評(píng)論的移動(dòng)窗口來抓取評(píng)論內(nèi)容[35]，筆者根據(jù)淘寶平臺(tái)評(píng)論的頁面特征，選擇淘寶評(píng)論首頁的內(nèi)容(按照淘寶的設(shè)定，首頁評(píng)論通常為20條)，進(jìn)而用獲取的首頁所有評(píng)論的長度均值作為評(píng)論長度；可視化評(píng)論在淘寶平臺(tái)上主要是以圖片的形式來展示，因而選用圖片數(shù)量作為可視化評(píng)論的代理變量。負(fù)面在線評(píng)論以評(píng)論中的差評(píng)數(shù)量作為代理變量。

3)控制變量?？刂谱兞堪?類：交易特征、店鋪特征和服務(wù)特征。一是交易特征(X1)，包括價(jià)格在內(nèi)的交易特征對(duì)于消費(fèi)者需求而言是不可忽視的因素，故選取羊肉在線價(jià)格(PRI)和快遞費(fèi)用(EXP)、質(zhì)量保障(QUA)、壞單包賠(COM)3個(gè)虛擬變量為控制變量。二是店鋪特征(X2)，在線購買商品時(shí)，消費(fèi)者會(huì)關(guān)注商鋪本身的水平，通常商家越值得信賴，則其產(chǎn)品的可靠性就越大，因此選取商鋪特征為控制變量，包括擔(dān)保資金(GUA)、信譽(yù)(CRE)及所在區(qū)域(ARE)。相比于傳統(tǒng)渠道，電商銷售呈現(xiàn)出更加明顯的區(qū)域集聚特點(diǎn)，因而依據(jù)2016年阿里研究院公布的阿里農(nóng)產(chǎn)品白皮書，將電商發(fā)展水平處于同一梯度的省份歸為同一區(qū)域，共包括5個(gè)梯度：第1梯度(江蘇、浙江)；第2梯度(廣東、上海、安徽、山東、福建)；第3梯度(湖北、北京、河南、云南、湖南、四川)；第4梯度(陜西、遼寧、廣西、江西、河北、吉林、天津、內(nèi)蒙古)；第5梯度(其他省份)。三是服務(wù)特征(X3)，包括半年內(nèi)店鋪的產(chǎn)品與描述符合程度(DES)、物流水平(LOG)、服務(wù)水平(SER)等3方面的動(dòng)態(tài)分值。

上述變量的含義及單位如表1所示。

表1 回歸方程的變量選擇與說明Table 1 Variable selection and description of regression equation

2.3 描述性統(tǒng)計(jì)結(jié)果

羊肉產(chǎn)品成交量均值為27.03單，不同電商店鋪間差異較大，且店鋪大多成交量較低。就在線評(píng)論特征而言，每個(gè)羊肉產(chǎn)品樣本平均擁有107條在線評(píng)論，有一半的店鋪評(píng)論數(shù)量在18條及以下，不同店鋪之間評(píng)論次數(shù)差異較大，評(píng)論次數(shù)較大的店鋪樣本較少；評(píng)論長度均值為7.03，字?jǐn)?shù)最多不超過21字，說明針對(duì)生鮮羊肉產(chǎn)品的大多數(shù)評(píng)論都較為簡(jiǎn)短；消費(fèi)者上傳圖片數(shù)量仍然有限，差評(píng)數(shù)量普遍都較低，超過一半以上的店鋪的差評(píng)數(shù)量為0(表2)。

從交易特征來看，線上價(jià)格差異較大，但平均水平與線下接近，稍高于線下價(jià)格；47%的產(chǎn)品包郵，商家提供質(zhì)量保障的產(chǎn)品比重較低，只占樣本的29%，提供壞單包賠的比重為43%。就店鋪特征而言，不同店鋪的擔(dān)保資金雖然差距較大，但以1 000元為擔(dān)保資金的樣本占比67.25%，高信譽(yù)和低信譽(yù)店鋪之間的信譽(yù)差距較大；第1到第5梯度的樣本所占比例依次為13.18%、24.39%、7.76%、32.32%、22.35%；服務(wù)特征指標(biāo)值以4.8為主，描述、物流及服務(wù)水平為4.8的樣本占比依次為47.08%、45.20%、43.33%。

表2 變量的描述性統(tǒng)計(jì)Table 2 Descriptive statistics of variables

值得注意的是，解釋變量中的評(píng)論次數(shù)、在線單價(jià)的標(biāo)準(zhǔn)差較高，表明2個(gè)指標(biāo)存在一些極端值，為排除這種極端值的干擾，增強(qiáng)解釋變量的解釋能力，回歸前在1%的水平上對(duì)上述2個(gè)指標(biāo)進(jìn)行Winsorize處理，以降低極端值對(duì)回歸結(jié)果的影響。

2.4 實(shí)證模型設(shè)定

根據(jù)理論基礎(chǔ)和變量選定，本研究設(shè)計(jì)在線評(píng)論影響電商銷量的實(shí)證基準(zhǔn)模型為：

DEL=β0+β1NUM+β2LEN+β3BAD+
β4IMG+β5X1+β6X2+β7X3+μ

(1)

式中：DEL表示銷量，NUM表示評(píng)論次數(shù)、LEN表示評(píng)論長度，BAD表示負(fù)面評(píng)論、IMG表示評(píng)論包含的圖片數(shù)量；X1表示交易特征變量；X2表示店鋪特征變量；X3表示服務(wù)特征變量；μ表示隨機(jī)誤差項(xiàng)。根據(jù)模型，本研究關(guān)注β1，β2，β3和β4的正負(fù)大小和顯著性，從而判斷在線評(píng)論特征如何影響生鮮電商的銷量情況。

基于計(jì)量模型的設(shè)定，采用OLS的方法對(duì)模型進(jìn)行全樣本回歸，并使用“OLS+穩(wěn)健標(biāo)準(zhǔn)誤”的方法處理回歸中存在的異方差問題，以保證異方差情況下參數(shù)估計(jì)的正常進(jìn)行。同時(shí)，在對(duì)全部變量進(jìn)行基準(zhǔn)回歸的基礎(chǔ)上，采用逐步回歸的方法，分別控制不同類型的變量進(jìn)行回歸，以檢驗(yàn)回歸結(jié)果的穩(wěn)健性。

3 結(jié)果與分析

3.1 在線評(píng)論特征對(duì)生鮮電商銷量的影響

在線評(píng)論特征對(duì)羊肉銷量影響的基準(zhǔn)回歸及逐步回歸結(jié)果如表3所示，其中最大方差膨脹因子都遠(yuǎn)小于10，說明不存在明顯的多重共線性問題；同時(shí)，擬合優(yōu)度均大于等于0.601，模型整體擬合效果較好。在線評(píng)論特征對(duì)生鮮電商銷量的影響分析如下：

1)評(píng)論次數(shù)對(duì)生鮮電商銷量有正向作用?；鶞?zhǔn)回歸結(jié)果中，評(píng)論次數(shù)的系數(shù)為正，且在5%的置信區(qū)間顯著，表明在線評(píng)論次數(shù)對(duì)生鮮羊肉的銷量有顯著的正向作用，在線評(píng)論次數(shù)每增加10次，羊肉銷量增加1單。逐步回歸結(jié)果也均與基準(zhǔn)回歸的結(jié)論一致，檢驗(yàn)結(jié)果接受零假設(shè)1，即評(píng)論次數(shù)對(duì)生鮮農(nóng)產(chǎn)品的銷售有顯著正向作用，該結(jié)論與劉靈芝等[18]的結(jié)論一致。

2)評(píng)論長度對(duì)生鮮電商銷量作用并不顯著。由基準(zhǔn)回歸結(jié)果，評(píng)論長度的系數(shù)為正，但在1%、5%和10%的置信區(qū)間上都不顯著，表明在線評(píng)論長度對(duì)生鮮羊肉銷量的影響并不顯著?；貧w②、③、⑥、⑦結(jié)果不顯著，④、⑤、⑧的結(jié)果也只是在10%的置信水平下顯著，所以總體來看在線評(píng)論長度對(duì)銷量的影響顯著程度不高，檢驗(yàn)結(jié)果拒絕零假設(shè)2，該結(jié)論與殷國鵬[3]的研究有所區(qū)別，但是二者的研究對(duì)象不同，而已有研究表明評(píng)論長度的作用具有產(chǎn)品異質(zhì)性。

3)負(fù)面評(píng)價(jià)對(duì)生鮮電商銷量有顯著的負(fù)面影響。由基準(zhǔn)回歸結(jié)果，差評(píng)數(shù)量的系數(shù)為負(fù)，且在10%的置信區(qū)間上顯著，表明在線評(píng)論中的負(fù)面評(píng)價(jià)對(duì)生鮮羊肉的銷量有顯著的負(fù)向影響，差評(píng)數(shù)量每增加1個(gè)，羊肉銷量減少超過10單。該結(jié)果得到回歸②～⑧所有結(jié)果的支持。檢驗(yàn)結(jié)果接受零假設(shè)3，即負(fù)面評(píng)論數(shù)量對(duì)生鮮農(nóng)產(chǎn)品銷量有顯著的負(fù)向作用，該結(jié)論與Weissteina[26]的主要觀點(diǎn)一致。

4)可視化評(píng)論對(duì)生鮮電商銷量有正向作用。由基準(zhǔn)回歸結(jié)果，圖片數(shù)量的系數(shù)為正，且在1%的置信區(qū)間上顯著，表明在線評(píng)論中的圖片數(shù)量對(duì)生鮮羊肉的銷量有顯著的正向影響，圖片數(shù)量每增加1個(gè)，羊肉銷量增長4單左右。逐步回歸的結(jié)果②～⑧也均與基準(zhǔn)回歸的結(jié)論一致，檢驗(yàn)結(jié)果接受零假設(shè)4，即可視化評(píng)論對(duì)生鮮農(nóng)產(chǎn)品銷量有顯著的正向影響，結(jié)論與Liu等[32]表達(dá)的觀點(diǎn)類似。

綜合回歸結(jié)果，在線評(píng)論次數(shù)和圖片數(shù)量對(duì)于銷量有顯著的正向影響，差評(píng)數(shù)量對(duì)于銷量具有較為顯著的負(fù)面影響，雖然其系數(shù)顯著程度低于評(píng)論次數(shù)和圖片數(shù)量，但其對(duì)銷量的影響程度相對(duì)較大。除在線評(píng)論特征外，店鋪特征對(duì)于生鮮農(nóng)產(chǎn)品銷量的影響也較為穩(wěn)健，信譽(yù)水平對(duì)銷量有顯著的正向作用，店鋪的信譽(yù)水平越高，生鮮農(nóng)產(chǎn)品的銷量越高。

3.2 在線評(píng)論交互效應(yīng)分析

為進(jìn)一步檢驗(yàn)在線評(píng)論特征之間是否存在交互作用，在基準(zhǔn)模型(1)中，加入在線評(píng)論特征變量之間的交互項(xiàng)，交互項(xiàng)包括圖片數(shù)量和評(píng)論長度、圖片數(shù)量和差評(píng)數(shù)量、評(píng)論數(shù)量和差評(píng)數(shù)量、評(píng)論長度和差評(píng)數(shù)量、評(píng)論數(shù)量和評(píng)論長度，對(duì)應(yīng)的回歸結(jié)果依次為表4中的I、II、III、IV、V。

表3 在線評(píng)論特征對(duì)羊肉銷量影響的回歸結(jié)果Table 3 Regression results of the influence of online-review characteristics on mutton sales

表3(續(xù))

1)模型(1)加入圖片數(shù)量與評(píng)論長度的交互項(xiàng)，回歸結(jié)果I顯示：交互系數(shù)為1.357(P<0.05)，證明交互作用存在，回歸結(jié)果說明：隨著評(píng)論長度的增加，圖片對(duì)生鮮產(chǎn)品銷量的影響更加顯著，評(píng)論長度每增加1單位，圖片數(shù)量對(duì)銷量的影響為(4.569+1.357=5.926)；隨著圖片的增加，評(píng)論長度對(duì)生鮮產(chǎn)品銷量的影響更加顯著，圖片數(shù)量每增加1單位，評(píng)論長度對(duì)銷量的影響為(5.926+1.357=7.283)。

2)模型(1)加入圖片數(shù)量與差評(píng)數(shù)量的交互項(xiàng)，回歸結(jié)果II顯示：交互系數(shù)為-0.159(P<0.01)，證明交互作用存在，隨著差評(píng)數(shù)量的增加，圖片對(duì)生鮮產(chǎn)品銷量的作用受到削減，差評(píng)數(shù)量每增加1單位，圖片數(shù)量對(duì)銷量的影響為(4.374-0.159=4.215)；差評(píng)對(duì)銷量影響的主效應(yīng)不顯著，而隨著圖片數(shù)量每增加1單位，差評(píng)數(shù)量對(duì)銷量的交互效應(yīng)為-0.159。

3)模型(1)加入了評(píng)論數(shù)量與差評(píng)數(shù)量的交互項(xiàng)，回歸結(jié)果III顯示：交互系數(shù)為-0.011(P<0.05)，證明交互作用存在，隨著差評(píng)的增加，評(píng)論數(shù)量對(duì)生鮮產(chǎn)品銷量的正向影響有所減弱，差評(píng)數(shù)量每增加1單位，評(píng)論數(shù)量對(duì)銷量的影響為(0.097-0.011=0.086)；差評(píng)對(duì)銷量影響的主效應(yīng)不顯著，而隨著評(píng)論數(shù)量每增加1單位， 差評(píng)數(shù)量對(duì)銷量的交叉效應(yīng)為-0.011。

4)模型(1)加入評(píng)論長度和差評(píng)數(shù)量的交互項(xiàng)，回歸結(jié)果IV顯示：交互系數(shù)為2.182(P<0.10)，證明交互作用存在，隨著評(píng)論長度的增加，差評(píng)對(duì)生鮮產(chǎn)品銷量的負(fù)面影響得到中和，評(píng)論長度每增加1單位，差評(píng)數(shù)量對(duì)銷量的影響為(-15.820+2.182=-13.638)；差評(píng)對(duì)銷量有雙重作用，一方面差評(píng)能夠極大的降低銷量，但隨著評(píng)論長度的增加，產(chǎn)品適當(dāng)?shù)呢?fù)面評(píng)論反而增加了店鋪評(píng)論的真實(shí)性，贏取了消費(fèi)者一定程度的信任，進(jìn)而緩解差評(píng)本身帶來的消極作用。差評(píng)每增加1單位，評(píng)論長度對(duì)銷量的影響為(1.496+2.182=3.678)。

表4 在線評(píng)論特征對(duì)羊肉銷量影響的交互效應(yīng)Table 4 Interactive effect of impact of online-review features on mutton sales

5)模型(1)加入評(píng)論數(shù)量與評(píng)論長度的交互項(xiàng)，回歸結(jié)果V顯示：交互系數(shù)為0.065(P<0.05)，證明交互作用存在，隨著評(píng)論長度的增加，評(píng)論數(shù)量對(duì)生鮮產(chǎn)品銷量的影響更加顯著，評(píng)論長度每增加1單位，評(píng)論數(shù)量對(duì)銷量的影響為(0.228+0.065=0.293)；隨著評(píng)論數(shù)量的增加，評(píng)論長度對(duì)生鮮產(chǎn)品銷量的正向影響也得到加強(qiáng)，評(píng)論數(shù)量每增加1單位，評(píng)論長度對(duì)銷量的影響為(5.617+0.065=5.682)。

綜合交互效應(yīng)的分析，差評(píng)能夠削弱圖片以及評(píng)論數(shù)量對(duì)銷量的正向作用，圖片能夠加強(qiáng)評(píng)論長度對(duì)銷量的積極作用，而差評(píng)的負(fù)面作用能夠被評(píng)論長度進(jìn)行一定程度的中和，評(píng)論數(shù)量和評(píng)論長度能夠促進(jìn)彼此對(duì)銷量的正向作用。

3.3 內(nèi)生性檢驗(yàn)

由于在線評(píng)論的數(shù)量與銷量存在一定的反向因果關(guān)系，可能存在內(nèi)生性問題，本研究對(duì)在線評(píng)論數(shù)量與銷量之間的內(nèi)生性問題進(jìn)行檢驗(yàn)。選取省份羊肉電商評(píng)論平均數(shù)量(Mean_Num)作為工具變量，選取的理由在于：每個(gè)生鮮電商的在線評(píng)論都與省份評(píng)論數(shù)量均值相關(guān)，但個(gè)體的銷量與全省份的在線評(píng)論沒有直接關(guān)系。工具變量的有效性檢驗(yàn)以及內(nèi)生性檢驗(yàn)結(jié)果如表5所示，一階段回歸結(jié)果、不可識(shí)別檢驗(yàn)和弱工具變量檢驗(yàn)表明Mean_Num是有效工具變量，在此基礎(chǔ)上，豪斯曼檢驗(yàn)結(jié)果顯示，無法拒絕“所有解釋變量均為外生”的原假設(shè)，即認(rèn)為在線評(píng)論數(shù)量為外生變量。因而，本研究不存在顯著的內(nèi)生性問題。

表5 工具變量有效性和豪斯曼檢驗(yàn)結(jié)果Table 5 Validity of instrumental variables and Hausmann test results

4 結(jié)論與建議

本研究以生鮮產(chǎn)品為研究對(duì)象，以Python爬蟲獲取數(shù)據(jù)的方法，進(jìn)行在線評(píng)論更加細(xì)致的研究，內(nèi)容上豐富了在線評(píng)論的研究維度，方法上拓展了大數(shù)據(jù)在農(nóng)業(yè)經(jīng)濟(jì)領(lǐng)域的應(yīng)用范圍，具有一定的研究意義。研究表明，對(duì)生鮮電商而言，在線評(píng)論數(shù)量、圖片數(shù)量對(duì)生鮮農(nóng)產(chǎn)品銷量有積極的正向作用，差評(píng)數(shù)量則有顯著的負(fù)面影響，而評(píng)論長度作用于生鮮農(nóng)產(chǎn)品銷售的效果并不顯著。此外，在線評(píng)論特征之間存在交互效應(yīng)，差評(píng)能削弱圖片以及評(píng)論數(shù)量對(duì)銷量的正向作用，圖片能加強(qiáng)評(píng)論長度對(duì)銷量的積極作用，而評(píng)論長度對(duì)差評(píng)的負(fù)面影響卻有緩沖、中和之效。

研究結(jié)論為生鮮電商的運(yùn)營及消費(fèi)者購買行為，提供以下三方面的決策參考建議。第一，生鮮電商在鼓勵(lì)消費(fèi)者發(fā)布在線評(píng)論的基礎(chǔ)之上，采取激勵(lì)手段刺激消費(fèi)者發(fā)布帶有圖片的、效果更為直觀的評(píng)論，來提高網(wǎng)站的聲譽(yù)和吸引力。評(píng)論次數(shù)對(duì)銷量有正向作用，因而要鼓勵(lì)消費(fèi)者購后評(píng)論，積累更多聲譽(yù)吸引潛在消費(fèi)者，同時(shí)，圖片對(duì)銷量的正向作用要大于評(píng)論次數(shù)，故提升在線評(píng)價(jià)系統(tǒng)的生動(dòng)性，切實(shí)考慮顧客體驗(yàn)，設(shè)計(jì)可以傳遞更多信息的評(píng)價(jià)系統(tǒng)，能夠更好的保證生鮮電商的銷售業(yè)績(jī)。

第二，鑒于差評(píng)較大的負(fù)面作用以及長評(píng)對(duì)差評(píng)的中和效應(yīng)，生鮮電商一方面可以建立有效的評(píng)價(jià)監(jiān)督機(jī)制來降低差評(píng)對(duì)潛在消費(fèi)者以及企業(yè)的負(fù)面影響，另一方面可以鼓勵(lì)消費(fèi)者寫長評(píng)，以間接中和差評(píng)帶來的負(fù)面影響。長評(píng)論能夠一定程度的緩沖差評(píng)帶來的負(fù)面作用，所以督促消費(fèi)者發(fā)表長評(píng)，仍是提升在線評(píng)論積極效應(yīng)的有效手段。此外，在監(jiān)督機(jī)制之下，商家和消費(fèi)者如果建立更加有效的評(píng)價(jià)對(duì)話，既可以起到監(jiān)督商家的作用又可以給與商家補(bǔ)救的機(jī)會(huì)，既可以保障消費(fèi)者權(quán)益又可以解決部分消費(fèi)者的惡意評(píng)論問題，從而保障生鮮產(chǎn)品交易的順利進(jìn)行。

第三，對(duì)消費(fèi)者而言，為了更好的做出購買決策，可以更多的參考評(píng)論中的圖片等可視化評(píng)論內(nèi)容以及差評(píng)反映的問題。研究揭示出消費(fèi)者更加重視產(chǎn)品在線評(píng)論中可視化評(píng)論和差評(píng)等內(nèi)容，借鑒大眾消費(fèi)理念，反映出可視化評(píng)論和差評(píng)對(duì)消費(fèi)者而言是更加有效直接的信息來源，因而潛在消費(fèi)者在閱讀產(chǎn)品評(píng)論時(shí)，與評(píng)論數(shù)量和評(píng)論長度相比，點(diǎn)擊查看評(píng)論區(qū)中的圖片、比較差評(píng)數(shù)量并閱讀差評(píng)內(nèi)容，根據(jù)圖片和差評(píng)，有效識(shí)別更高質(zhì)量的評(píng)論而做出購買決策。

鑒于數(shù)據(jù)的可獲得性，本研究目前存在一定的局限性：研究基于淘寶平臺(tái)數(shù)據(jù)，無法觀測(cè)到消費(fèi)者個(gè)體特征變量，因而存在遺漏變量的問題，未來研究可繼續(xù)開展線下調(diào)研，豐富研究對(duì)象，深化研究?jī)?nèi)容。