朱鎮(zhèn) 姚甜甜 劉琪

[摘? ? 要]旅游線路質量難以提前識別，多元化的質量保證機制可有效降低旅游者在線購買的感知風險，進而推動在線銷售。而電商平臺的治理透明度則為消費者識別質量信號提供有力保證。當前，多數研究聚焦于用戶生成內容（UGC）的影響，缺乏對平臺認證作用解釋，聚焦旅游線路的影響研究更為少見。文章利用攜程網2017年6月調整平臺治理透明度的準自然實驗機會，使用6個月225個細分市場出境包價旅游產品數據，檢驗了基于UGC和基于平臺認證兩種質量保證機制對在線銷售的影響。首先，穩(wěn)健估計了基于平臺認證這一新質量信號的作用，發(fā)現鉆級每提高1個等級平均可增加30.3%在線銷量。其次，嚴謹證實了基于UGC的口碑評分與在線銷量呈倒U形關系。研究還驗證了平臺治理透明度調整對上述兩種質量保證機制的調節(jié)效應。結果顯示，透明度的提高使得口碑評分與在線銷量的關系變?yōu)槠骄彽腢形，說明在極端高分的評分有用性得到加強，但是對平臺認證不具有顯著的調節(jié)效應。研究結果為構建品質驅動的旅游電商平臺生態(tài)系統(tǒng)提供了實踐啟示。

[關鍵詞]旅游電商平臺;旅游線路;質量保證機制;透明度策略;平臺治理;準自然實驗

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2021）08-0071-15

Doi： 10.19765/j.cnki.1002-5006.2021.08.011

引言

隨著互聯網技術的廣泛應用，電商平臺打破了交易信息不對稱，借助不斷擴大的網絡效應實現商業(yè)創(chuàng)新和銷售增長[1]。然而，買賣雙方在時空上的分離引發(fā)了產品質量披露的不對稱性，入駐商家的機會主義行為不可避免。旅游線路產品作為典型的體驗品，由于服務質量難以提前識別[2]，旅游者在線購買面臨的感知風險很高。因此，有效的質量信號是刺激旅游產品在線銷量的關鍵因素。

質量保證機制（quality assurance mechanisms）源于經濟學的信號理論[3]，是為披露質量信息而設計的一整套管理策略。根據內外部信號來源的差異[4]，電商平臺的質量保證機制可分為用戶自發(fā)生成以及平臺主動構建兩大類[5]。首先，用戶自發(fā)生成的質量保證機制源于用戶生成內容（user-generated content，UGC）[6]所蘊含的質量信號。通常UGC被視為是一種外部質量信號，通過消費者評分、評論和點贊或支持等構成網絡口碑，形成基于UGC的質量保證機制[4]。對旅游和餐飲這類體驗服務而言，產品質量只有在消費和體驗后才能確定。網絡口碑所蘊含的質量信號源于先前接受服務的用戶，可減少入駐商家自述存在的質量信號偏差，易于被消費者接受[7，8]，進而影響消費者產品選擇。因此被認為是電商平臺重要的質量信號[7]。

其次，電商平臺也會利用質量監(jiān)管的證據，以平臺認證形式主動構建并發(fā)布質量信號。平臺認證可以視為電商平臺對銷售產品質量的客觀評價，呈現了平臺為主體的質量背書（endorsement）[9]。也有文獻將這種質量信號歸為內部質量信號[4]。基于平臺認證的質量保證機制既涉及店鋪，也聚焦產品。前者如淘寶發(fā)布“心-鉆-冠”三級認證體系，以此反映不同店鋪的信用水平，金冠表征最高水平。后者如攜程網將旅游線路以鉆級形式分為5級，鉆級越高線路品質越好。

事實上，基于UGC和基于平臺認證這兩種質量保證機制可以視為電商平臺通過多元化質量信號呈現，進而實現質量披露的一種平臺質量治理。以往多數研究是以圖書和數碼相機為例，實證檢驗了基于UGC的質量保證機制對在線銷量的影響，并計算了口碑評分以及評論量的邊際彈性[10-12]。在旅游服務研究領域，質量保證機制的研究主要集中于酒店客房在線銷售[13-14]。有學者研究了網絡口碑，特別是評分和評論量對在線銷售的線性關系以及對客戶滿意度形成的影響[13，15]。例如，高寶俊等利用TripAdvisor數據，研究了消費者推薦和口碑評分對不同檔次酒店訂滿率的影響，證實了消費者推薦和口碑評分對高端酒店產品的影響更大[16]。由于旅游線路產品的服務質量不確定性，特別是包價旅游線路的質量識別難度大[2]，多種來源的平臺質量披露有助于傳遞多維度的質量信號，也是激發(fā)消費者做出購買決策的重要依據。但在先前的文獻中還未發(fā)現質量保證機制與旅游線路在線銷售關系的論述，也缺乏相關的實證證據。本文第一個研究問題是：基于UGC和基于平臺認證兩種質量保證機制如何影響旅游線路在線銷售？

質量保證機制作用的發(fā)揮不僅依賴于質量信號本身，還取決于平臺治理的透明度。平臺治理是指平臺制定的協(xié)調多方參與行為的一系列政策的集合，致力于營造健康的商業(yè)生態(tài)，以增強市場的網絡效應[17]。更加透明的平臺治理有助于提高質量信號傳遞的效率，進而減少消費者的認知成本并提高識別效率。例如，攜程在產品搜索欄增加平臺認證鉆級的說明，將鉆級標注在產品標題頁。這些舉措有助于消費者更精準地識別包價游產品的質量信號。先前文獻證實了平臺透明度策略對酒店和機票定價的作用[18-19]，對在線銷售業(yè)績影響還缺乏相關研究。第二個研究問題是：平臺治理透明度如何提升質量保證機制對旅游線路在線銷售的效應？

為了填補上述兩個研究缺口，本文利用攜程網2017年6月調整平臺治理透明度作為準自然實驗的機會，以出境包價游產品這一典型的高風險體驗品為例開展實證研究。通過構建6個月的非平衡面板進行計量模型檢驗，發(fā)現了基于UGC和基于平臺認證兩種質量保證機制對在線銷量的差異化影響。研究還分析平臺質量監(jiān)管和治理透明度的作用，為揭示不同質量保證機制對旅游電商平臺產品治理效果提供了新的管理啟示。

1 理論基礎與文獻進展

1.1 質量保證機制

由于信號來源不同，基于UGC和基于平臺認證兩種質量保證機制的作用效應存在很大差異。在電商平臺中，前者主要通過網絡口碑等形式向消費者傳遞產品質量信息[20]，可用于修正廠商或者賣方產品質量自述所造成的信息不對稱?；诜疹愺w驗品（如餐飲、電影以及在線游戲）研究表明，網絡口碑對銷量具有積極影響[7，21]。但對于細分市場領域質量信息較少或者產品質量較難衡量的產品（如新上線產品、旅游線路）而言，網絡口碑對產品質量的反映可能存在不均衡性[22-23]。先前在餐飲和酒店的在線口碑研究中發(fā)現，區(qū)分積極評價（高評分）與消極評價（低評分）有助于更好地識別用戶對何種質量信號更值得信賴。例如，Park和Nicolau的研究發(fā)現，在TripAdvisor酒店市場中，消費者認為消極評價（低評分）比積極（高評分）評論的有用性更高[14]。作為旅游服務領域重要的產品類型，旅游線路產品，特別是跟團游的服務質量難以提前識別。這也決定了旅游者在線購買面臨的感知風險很高，網絡口碑對于有效顯示產品質量顯得尤為重要。但是先前文獻中還未探討這一類產品網絡口碑與在線銷售之間的關系。

作為第二種質量保證機制，平臺認證是一種質量背書，是以平臺信譽為擔保，為產品進行系統(tǒng)檢測，并報告其質量的一種保證策略[9]。在傳統(tǒng)市場中，質量背書有很多形式，如政府推進的行業(yè)準入（如食品藥品準入資格），認證機構的評估背書（如穆迪、標準普爾的證券評級）。質量背書有利于高質量的服務提供商進入市場，能夠有效避免聲譽機制和擔保機制失靈導致的市場需求萎靡。例如在P2P（peer-to-peer）網貸平臺上，平臺對借貸人的信用評級是一個重要的規(guī)避風險的質量信號[24]。在電商平臺中，Ozpolat等運用實驗數據證實，健康醫(yī)療產品零售網站的平臺質量標識可以大大提高交易可能性[25]。陳艷瑩和李鵬升利用淘寶引入金牌賣家認證構成的準實驗研究機會，發(fā)現店鋪獲得平臺認證后銷量會增加，而且增加的銷量并非僅來源于對競爭對手的擠出，還包括新創(chuàng)造的市場需求[26]。但以往的研究主要聚焦于商家層面，忽略了對產品質量認證的關注。要完成電商平臺上海量產品一對一的質量認證，無論是平臺技術架構，還是認證專業(yè)能力，都面臨巨大的挑戰(zhàn)。

1.2 平臺治理透明度

平臺治理以平臺與多邊參與對象的關系作為治理對象[27]。為了讓消費者意識和感知各種質量信號，平臺需要不斷優(yōu)化和提升治理的透明度。更透明的平臺治理有助于提高質量信號傳遞的效率，進而減少消費者認知成本。在本研究中，平臺治理透明度是指電商平臺利用非價值機制完善交易雙方關系的信息可見性和可用性程度。

透明度是平臺戰(zhàn)略文獻中一個重要的概念，起步于Zhu對互聯網的企業(yè)間交易中的信息效應的研究[28]。市場競爭中的整體信息透明度策略可分為披露、扭曲、偏見和隱藏[29-30]，當前的研究主要集中在信息透明選擇和價格設計對銷售的影響。很多實證研究發(fā)現，合理利用不同的信息透明度可以撬動在線銷售[19，31]。例如，Hotwire和Priceline.com兩個旅游平臺通過屏蔽酒店的部分信息（如隱藏酒店名字僅告知大致地域），降低價格進行銷售，特別是不暢銷或淡季的酒店客房得益于這種隱藏策略而獲得更好的銷量[32]。Granados等通過理論建模和實證研究發(fā)現，航空公司也可以通過設計特定的信息透明度策略（如線下代理商與線上平臺），減少透明和不透明機票產品之間的價格差異來增加利潤[18]。

一些研究也指出，平臺透明度策略并非經濟效益獲取的直接因素，取決于披露信息的特征，如質量、身份、產品特性以及信息集合效率等因素[33-34]。旅游電商平臺治理的透明度對于消費者的決策顯得額外重要。一方面，買賣雙方在電商平臺交易的時空分離，產生了質量信息不對稱;另一方面，旅游線路產品本身具有體驗品特征，產品設計與交付的服務質量本身就存在一定偏差[2]。因此，平臺需要不斷發(fā)起針對產品質量的治理，不斷提高平臺治理透明度，增加消費者識別產品質量的能力。然而，當前關于平臺治理的研究中主要集中在技術接入控制、創(chuàng)新激勵以及伙伴合作協(xié)調等領域[17，27]，還未對平臺治理透明度的影響開展深入分析。

在旅游電商平臺上，消費者的購買決策不僅取決于平臺釋放的多種質量信號，還取決于他們對這些質量信號的有效識別。因此，質量保證機制為識別基于UGC和基于平臺認證的質量信號提供了理論基礎，而針對質量信號的平臺治理透明度則進一步為追蹤質量保證機制如何激發(fā)消費者的購買決策提供了環(huán)境條件。本文目的是從上述兩個理論視角整合解釋旅游線路在線銷售的驅動機制。

2 研究假設

2.1 平臺認證對在線銷量的影響

平臺認證通常是電商平臺基于產品質量的綜合屬性，通過發(fā)布的具體的評價詳細展現產品質量信號。由于該評價方式通常對外公開（也可能對消費者不公開具體的認證過程）且融入了平臺的信譽和背書，平臺認證成為旅游電商平臺傳遞給消費者的重要質量保證機制。例如，攜程使用鉆級認證評價旅游線路產品的質量等級，小豬短租使用優(yōu)品認證表征比其他房源房間設施、衛(wèi)生等表現更優(yōu)。

平臺認證對在線銷量的影響主要包括以下3個方面：第一，通過認證標識向消費者傳遞平臺對旅游線路產品質量的信譽背書，降低賣方在售前為銷售最大化而故意隱瞞真實質量信息所導致的產品質量信號偏差[35]。例如，Wang等認為第三方認證是在線市場的一種保障機制，能夠降低交易風險[3]。第二，除了降低決策不確定性外，平臺認證也有助于消費者區(qū)分旅游線路產品的質量，從而引導消費者合理篩選產品并做出購買決策。質量認證等級標準化了這些產品質量等級，且簡單歸一，便于不同體驗品之間的質量比較。最后，作為一種第三方、更具權威的官方質量信號，具有更高認證等級的產品表征了平臺對其產品質量的認可程度越高，消費者購買可能性越高。因此，本文假設：

H1：平臺認證等級越高，旅游線路產品的在線銷量越高

2.2 口碑評分對在線銷量的影響

作為一種基于UGC的質量保證機制，口碑評分對在線銷售作用已經在酒店、餐飲等在線服務平臺中得到證實[7，13]?？诒u分蘊含了先前產品的質量信號，所具有的說服效應將影響消費者購買決策。說服效應本質上是利用口碑評論的效用特征強化消費者對質量信號的識別能力[11]。例如，Mudambi和Schuff的研究首先發(fā)現了體驗品的極端評分蘊含的說服效應并非直線，而是倒U形曲線。他們的研究指出，體驗品的極端評分通常所蘊含的口碑價值低于中部區(qū)間評分[36]。Cui等進一步區(qū)分了極端評分的正面說明效應與負面說服效應的差別[37]。首先，當評分較低時，口碑評分存在較高的負面說服效應[37]促使負面質量信號產生不購買的消費決策。接著，隨著評分增大，評分負面說服效應降低，正面說服效應開始增強。在這種情形中，消費者可以感知到更多的正面質量信號，因此購買意愿得到增強，產品銷量會增加。

最后隨著評分的進一步提高（如極端高評分），盡管負面說服效應較小，但旅游線路口碑評分的正面說服效應識別難度也隨之增加。這是由體驗品的質量感知基于主觀認知決定的。極端高評分反映了統(tǒng)一的優(yōu)質產品指向，是以隱藏消費者多元化的主觀偏好為前提的[36]。這對于搜索品而言是有利的，但對于體驗品而言則降低了口碑的價值性。例如，旅游線路產品包含食、住、行、游、購、娛6個方面，其口碑評分是眾多服務維度的綜合集成。極端高分指示了該產品沒有任何缺陷，導致有效口碑信息減少，削弱了評分的正面說服效應，進而降低了消費者對優(yōu)質產品質量的識別。在實踐中，這種正面說服效應的減弱表現為消費者對極端高分的懷疑和憂慮，進而減少了購買決策。

基于此，本文認為相較于中等區(qū)間評分，體驗品低口碑評分區(qū)間較高的負面說服效應以及高評分區(qū)間較低的正面說服效應均帶來了降低口碑評分所蘊含的質量信號，進而阻礙了消費者的購買決策。因此提出倒U形假設：

H2：口碑評分對旅游線路產品在線銷量的影響呈倒U形關系

2.3 平臺治理透明度的調節(jié)效應

在電商平臺中，由于在線環(huán)境的虛擬性和跨地域性阻斷了消費者與產品直接聯系[38]，使得消費者不得不依賴平臺公開的產品質量信號作為購買決策的依據。平臺可以通過質量治理手段，釋放更容易識別、更明確的質量信號，為提高消費者對平臺產品質量的信賴提供保障。很多旅游電商平臺不斷發(fā)起質量治理行動，提高治理透明度，便于消費者更易識別產品質量信息。例如，途牛推出牛人專線產品的行程100%透明的承諾，就是一個典型平臺治理例子。

提高平臺治理透明度是為了完善質量信號的公開程度以及可獲得性，對于電商平臺的質量保證機制發(fā)揮對銷售的刺激效應具有重要的調節(jié)作用。其影響作用通過以下兩個方面實現：第一，通過平臺治理手段調整產品質量信息的披露方式，降低消費者對產品質量感知的不確定性[39]，提高消費者購買意愿。第二，提高平臺治理透明度有助于消費者區(qū)分體驗品質量，從而引導消費者做出合理的購物決策。例如，攜程網在產品搜索欄增加平臺認證鉆級的說明，該舉措有助于消費者更直接地關注該質量信號的含義，便于對不同產品進行質量比較。

在較低的平臺治理透明度環(huán)境中，平臺認證的質量信號傳遞較弱，消費者無法識別平臺認證“質量背書”的含義，從而導致平臺認證固有的質量信號無法產生足夠的決策購買刺激作用。從消費者角度看，由于無法識別來自平臺發(fā)起的質量信號，容易產生一種平臺對旅游線路產品的質量“不管不問”的怠責感受。而隨著平臺治理透明度的提高，消費者可以更為直接地感知到平臺為產品質量監(jiān)控所做的監(jiān)控職責[5]，平臺的質量背書作用才能得以充分發(fā)揮。因此，提出以下假設：

H3：相比于低平臺治理透明度，高透明度環(huán)境增強了平臺認證對旅游線路產品在線銷量的影響

相似地，在較低的平臺治理透明度環(huán)境中，消費者難以在電商平臺上獲得透明的產品信息，例如產品服務信息不全面、導游服務時間不詳細等。在這種情境中，來自消費者的口碑評分作為判斷旅游線路質量的主要依據。但由于低透明度導致的產品信息不全面，使得口碑評分所蘊含的質量信號無法形成信息聚合效應[33]，導致基于口碑評分的質量保證機制無法發(fā)揮應有的區(qū)分產品質量的功效。隨著平臺治理透明度的提高，消費者可以識別更多的產品屬性和特征，口碑評分所蘊含的產品質量可以與公開的產品信息進行校對，從而減少消費者質量認知的成本，增加了對口碑評分的信任，因此將會提高在線銷量。因此，提出以下假設：

H4：相比于低平臺治理透明度，高透明度環(huán)境增強了口碑評分對旅游線路產品在線銷量的影響

根據上述假設，假設模型見圖1。

3 研究設計

3.1 數據來源

攜程網的出境包價游產品為本研究提供了絕佳的研究情景。第一，消費者無法在購買前就識別旅游線路質量，需要多渠道的質量信號支持其決策;第二，出境游產品的購買者通常具有更豐富的旅游經驗，具備較高的產品質量識別能力;第三，出境包價游產品價格較高，消費者對質量更為敏感，做出購買決策更為謹慎。根據原國家旅游局發(fā)布的出境游市場份額數據，選取前15個主要出境口岸城市以及15個主要出境目的地構成旅游線路網絡（即15×15=225個出境游細分市場。根據中國旅游研究院和攜程旅行網聯合發(fā)布的《2017中國出境旅游者大數據》，上述區(qū)域出境游線路涵蓋近90%的出境游市場。

本文利用攜程網的一項準自然實驗開展研究。準自然實驗是一種以處理組和控制組的近似隨機選擇為前提，精確估計政策效應的研究方法，可避免內生性以及選擇性偏差對政策效應的估計。

2017年6月底，攜程網發(fā)起了一項平臺治理行動，在以下幾個方面改變了質量信號傳遞的透明度：第一，產品搜索欄增加平臺認證的說明;第二，將認證鉆級標注在產品標題頁;第三，將包價游產品導游服務和交通行程細節(jié)細化到按小時節(jié)點公布。這些舉措有助于消費者更精準地識別包價游產品的質量信號。例如，消費者可以很容易發(fā)現平臺認證的質量信息，也可以將口碑評分與產品服務細節(jié)進行對比，從而提升口碑說服效應的識別能力。

此外，同期自由行產品由于不被平臺認證，且無導游服務細節(jié)，因此，天然形成了一個準自然實驗機會。包價游產品視為處理組，而同期不受影響的自由行產品視為控制組。雙重差分（differences-in-differences，DID）可估計治理透明度政策對包價游銷量的影響。本研究將在雙重差分基礎上，進一步估計兩種質量保證機制在不同治理透明度的情況下對在線銷量的影響。

由于旅游線路屬于低頻消費產品，但更新速率比書籍、計算機等搜索品頻繁，合適的數據采集周期可降低測量偏差。旅行社業(yè)界通常將出境包價游產品更新周期固定為半月，因此，以此為周期構建面板數據。以攜程變更治理透明度這一事件為基準，前后各選擇3個月作為數據窗口期，形成從2017年3月至9月的12期面板數據。研究基于以下標準清洗數據：（1）根據離群點算法，刪除明顯的離群數據;（2）刪除多地銷售又采用不同口徑合并銷量的樣本;（3）剔除信息缺失、無銷量新產品的線路;（4）根據攜程認證鉆級的標準，低于3鉆統(tǒng)一不標識，為減少不同類產品認證的差異化影響，刪除無產品鉆級的產品。作為處理組，包含1255條線路共3960個觀察值構成的非平衡面板數據，合計銷量為8.47億元。此外，獲取同時期內的所有自由行產品，根據上述3條標準清洗數據，共獲得1120個數據作為對照組。

3.2 變量與測量

3.2.1? ? 因變量、自變量與調節(jié)變量

因變量為旅游線路在線銷量（Sales），用相鄰兩期的累計銷量之差計算當期的銷量，即產品i在t期的銷量。自變量平臺認證（Grade）由攜程公布的線路鉆級表示，即產品i在t期時的產品鉆級，產品鉆級取值在3～5之間。自變量口碑評分（Valence）使用出境包價游產品i截止到t期的平均評分衡量。

調節(jié)變量為治理透明度（Transparency），使用一個虛擬變量測量。將政策調整前記為0，調整之后記為1。為了識別處理組和控制組，將包價游產品記為1，自由行產品記為0。

3.2.2? ? 控制變量

為了精確估計計量模型，本文首先控制了網絡口碑的其他因素機制。作為網絡口碑的重要指標，評論量是一種基于銷售基數的網絡口碑。較多的評論量預示著該產品更受歡迎，而并不能直接表示產品品質更高。因此，一些研究將評論量作為前期銷量的指示變量[40]，可用于控制消費者因“羊群效應”[41]跟風而形成的偏差?？刂圃u論量，不僅可以控制“羊群效應”帶來的在線銷量，還可以在一定程度上剝離前期銷量對當前的內生性影響。在本研究中，評論量使用t期評論增量數表示（t期累計評論量與t-1期累計評論量之差）。

研究還控制了其他可能影響銷量的因素，包括季節(jié)（Season）、銷售城市（City）、促銷（Promotion）、行程時長（Day）和產品價格（Price）。受季節(jié)影響，旅游產品銷售存在明顯的淡旺季特征。本研究采用節(jié)氣劃分法，使用虛擬變量表示3個不同的季節(jié)。3月、4月屬于春季（Season_1），5月、6月、7月屬于夏季（Season_2），8月、9月屬于秋季（Season_3）。由于季節(jié)是典型的外生因素，可以很好地控制旅游產品銷售的淡旺季特征。銷售城市和促銷都是虛擬變量。由于一線和非一線城市的可支配收入存在差異，可能導致潛在的銷量差異，因此把一線城市記為1，非一線城市記為0。促銷作為一種常見的營銷手段，對產品銷量有積極影響[42]。若產品i在第t期參與促銷活動記為1，不參與記為0。出國旅游也需要較長的假期，存在時間成本。出游天數是消費者購買的重要考慮因素，通過產品標題的關鍵詞提取時間信息。產品價格對銷量有負向影響[43]，本文用產品i在t期的銷售價格作為控制變量。

為減少數據分布范圍差異對回歸結果的影響，對評論量、銷量和價格取自然對數，使得模型系數可以解釋為彈性（取值為0的變量對其加1再取對數，誤差可忽略不計）。所有變量的測量匯總如表1所示。

3.2.3? ? 描述性統(tǒng)計

表2顯示了包價游各變量的描述性統(tǒng)計和相關矩陣。從表中可看出，產品平均行程天數為8天，出境游多為中長線旅游;產品價格均值為8559元;評分均值大于4，所有旅游線路產品總體評價偏正面;每條產品平均半月評論量為7條。相關分析結果表明，各自變量與銷量具有顯著相關關系。

4 假設檢驗與結果

4.1 DID計量模型

DID的基本假設是，在處理效應前，處理組和控制組因變量的時間趨勢是相同的。如圖2顯示，處理效應前兩組之間總體上呈現較為穩(wěn)定的差異。進一步估計平行趨勢的顯著性，參照Song等[44]的方法，采用相對時間模型（模型1）去檢驗處理效應前（圖2的豎虛線左側）是否存在平行趨勢。

式（1）中，[Diτ]為反映時間的虛擬變量，[δτ]用于識別處理效應前的平行趨勢平穩(wěn)顯著性。模型1結果顯示，前6期中，有5期在0.05顯著性水平下不顯著，說明處理效應前兩組差異基本保持平行趨勢。

鑒于處理效應前顯著的平行趨勢，可以利用DID模型（模型2）估計治理透明度（Transparency）的作用。

式（2）中，[Transparencyt]是政策虛擬變量，[Typei]是處理組和控制組分組虛擬變量，[ui]代表產品i的個體固定效應，[vi]是產品i的時間固定效應。[? β1]系數反映了治理透明度的處理效應，[βψ]為控制變量的回歸系數。

4.2 面板模型

在明確治理透明度的政策效應基礎上，可以進一步估計兩種質量保證機制的直接作用以及與政策效應的交互作用。口碑評分的假設為倒U形，引入二次項。計量模型如下：

[βs]為回歸系數和截距項，[ui]代表產品i的個體固定效應，[vi]是產品i的時間固定效應。模型3中的[β1、β2和β3]反映了兩種質量保證機制的直接作用系數，[β4、β5和β6]反映了兩種質量保證機制與治理透明度政策的交互作用系數。

4.3 假設檢驗

表3報告了模型2雙重差分的主要結果。結果顯示，處理效應-0.121在0.05顯著性水平下通過檢驗，證實治理透明度對改變包價游的在線銷量具有明顯的作用。為檢驗政策干預的隨機性（即安慰劑檢驗），將調整時間提前2期重新計算處理效應。結果顯示，提前2期的DID作用不顯著（β=-0.102，p>0.05），說明治理透明度作為自然實驗估計處理效應具有穩(wěn)健性。

為了分析治理透明度政策效應是如何改變質量保證機制的作用，接著使用非平衡面板對4個假設進行檢驗。包價游產品樣本的Wald檢驗顯示，強烈拒絕原同方差假設（p=0.00），說明存在異方差。當異方差時，Hausman檢驗無效，可使用Sargan-Hansen統(tǒng)計量對固定和隨機效應的選擇進行檢驗。結果顯示，Sargan-Hansen統(tǒng)計量在0.05顯著性水平下拒絕原假設（p=0.00），說明選擇固定效應檢驗更合適。因此，本文采用“普通最小二乘+穩(wěn)健標準誤”來估計計量模型參數，采用逐步回歸法估計直接效應以及交互效應。為避免多重共線性，交互項由中心化的自變量和調節(jié)變量相乘得到。方差膨脹系數均小于5，說明變量之間不存在顯著的多重共線性。

模型3的估計結果見表4。M1模型僅考慮控制變量和治理透明度的影響，結果證實治理透明度對于銷量的彈性達到0.246，即治理透明化平均增加24.6%在線銷量。研究也證實評論量對銷量的影響是顯著正向影響（β=0.421，p<0.001），這與圖書和酒店的研究結論基本一致[11，13]。

M2模型加入平臺認證，結果顯示具有顯著正向影響（β=0.303，p<0.01），即認證的鉆級每提高一鉆可增加30.3%的銷量，因此H1成立。M3模型進一步加入平臺認證與治理透明度的交互項，結果顯示交互項在0.05水平下不具有顯著性。因此，H3沒有得到驗證，說明治理透明度政策在短期內沒有改變平臺認證對在線銷量的影響?？赡艿脑蚴?，治理透明度調整雖然提高了質量認證等級的認定標準，其蘊含的新質量信號還未在消費者中得到重視，可能存在滯后效應，在后文附加分析中做進一步檢驗。

接著檢驗口碑評分的曲線假設。M4模型中繼續(xù)增加口碑評分一次項和二次項，結果顯示，二次項（β=-0.528，p<0.1）和一次項（β=-0.466，p<0.05）均為負向顯著，說明口碑評分與產品銷量之間存在倒U形關系。銷量隨著口碑評分的增大，呈現先增長后減少的趨勢，二次曲線的對稱軸為4.62。為了進一步驗證曲線的顯著性，采用Lind和Mehlum的步驟[45]，借助于Fieller統(tǒng)計量計算得到對稱軸的95%置信區(qū)間。結果顯示，曲線擬合的對稱軸置信區(qū)間為[4.58， 4.66]，對稱軸落在數據區(qū)間內，且在0.01顯著性水平通過檢驗（t=8.92，p<0.001）。說明這是一個具有極值點的二次曲線。因此，H2得到驗證。網絡口碑的曲線擬合圖如圖3所示。

在M4模型基礎上，繼續(xù)納入口碑評分與治理透明度的交互項。結果顯示，無論是二次項（β= 1.073，p<0.05）還是一次項（β=0.501，p<0.05）均具有顯著的調節(jié)效應。為了進一步勾勒治理透明度的調節(jié)效應，以2倍標準差區(qū)別高低透明度的差別，并繪制了如圖4的調節(jié)作用圖。圖4表明，當質量披露透明度由低變高時，口碑評分對在線銷量的影響作用發(fā)生改變。由原來倒U形曲線變?yōu)槠骄彽腢形曲線，特別是在高口碑評分的彈性由負轉為正，且整個曲線上移。因此，H4得到證實，即相比于低治理透明度，在高透明度治理環(huán)境中口碑評分將產生更多的銷量，且口碑評分越高銷量越高。

4.4 穩(wěn)健性檢驗

為了檢驗模型的穩(wěn)健性，在調整估計方法和比較其他產品質量信號干擾效應兩個方面進行穩(wěn)健性檢驗，主要結果見表5。

由于數據存在異方差，也可使用DK標準誤（Driscoll和Kraay）進行非參數協(xié)方差矩陣估計[46]，排除異方差的影響重新估計模型，結果見M9模型。與基準模型（M5）相比，各項系數以及顯著性基本相同，計算結果穩(wěn)健。

考慮到評論量也是網絡口碑的重要組成。對于評論量較少的產品而言，用戶難以獲得足夠的源于用戶生成內容的質量信號，用戶面臨的決策不確定性更高。在治理透明度提高后，仍然可能存在評論量少的產品比評論量多的產品受益更多的情況。因此，以累計評論量均值（Volume=125）為基準，把樣本拆分為兩個子樣本，分別進行計量分析，結果見M7和M8。兩模型比較結果顯示，兩類質量保證機制的直接效應無差別。主要差別集中在少評論量樣本的治理透明度與口碑評分二次項交互項正向顯著（β=1.139，p<0.01），而較多評論量樣本不顯著（β=1.928，p>0.05）。這說明，面對評論量少的產品，用戶難以獲得足夠的用戶生成內容（UGC）的質量信號，而治理透明度提高明顯減少了口碑評分所蘊含的質量不確定性。

最后，由于價格也是一種質量信號[47]。盡管本研究已將其納入控制變量，但是仍然可能對基于UGC和基于平臺認證的兩類質量信號產生干擾。例如，旅行社采用不同的定價策略，高于市場平均價格表征其高端產品，抑或低于平均價格表示低端產品，進而影響消費者產品的選擇模式。為了檢驗定價策略這一潛在的質量信號影響，本文依據“金棕櫚旅游看板”微信小程序（金棕櫚集團針對大型出境游公司價格監(jiān)控平臺）上定期更新的中端產品價格作為基準，把樣本拆分為高定價策略與低定價策略兩個質量信號樣本。計量結果（如模型M9和M10）顯示，低價產品模型基本與基準模型一致，而高價產品主要依賴于平臺認證的質量信號，且治理透明度的調節(jié)效應不顯著。因此，該結果進一步證實低價產品需要更多的質量信號才能驅動消費者購買決策。

4.5 附加分析

由于H3沒有得到驗證，說明治理透明度調整在短期內沒有顯著改變平臺認證對在線銷量的影響。根據信號理論的傳播階段特性，新的質量信號需要一定時間傳播并建立信號識別體系。在更為透明的平臺產品治理場景中，平臺認證對在線銷量刺激作用的提升效應可能需要更長周期的時間去檢測。參照前文研究設計，選擇2017年10—12月的6期數據估計基于UGC和基于平臺認證兩種不同的質量保證機制對在線銷量的影響。通過與表4的M5結果比較，平臺認證對在線銷量的彈性由30.3%提升到38.2%，彈性提升了26%。據此，可推斷在更加透明的環(huán)境中，平臺認證發(fā)揮了更為顯著的刺激效應。因此，平臺治理透明度對平臺認證質量信號的改進不是短期的政策沖擊，而是一種長期治理，證實了平臺治理透明度對電商平臺產品質量生態(tài)建設具有戰(zhàn)略指導意義。

5 結果與討論

5.1 主要結果

本研究基于出境包價游的電商平臺銷售場景，利用DID和固定效應面板回歸，發(fā)現用戶自發(fā)生成以及平臺主動構建形成的兩種質量保證機制對在線銷量具有差異化影響，并首次證實了平臺治理透明度對質量保證機制的調節(jié)作用。主要結論如下。

（1）證實了基于UGC和基于平臺認證兩種不同的質量保證機制對旅游線路在線銷售的刺激作用存在明顯差異。通過嚴謹的統(tǒng)計檢驗，發(fā)現了旅游線路產品的口碑評分與銷量呈倒U形曲線關系，此外，通過穩(wěn)健的計量模型精確地估計了平臺認證這一新質量信號的作用。研究結果證實了基于平臺認證的質量保證機制對在線銷量的具有顯著刺激效應。具體體現為，鉆級每提高一個等級，平均可增加30.3%的在線銷量。

（2）通過準自然實驗機會發(fā)現了平臺治理透明度的政策沖擊效應，為追蹤質量保證機制如何激發(fā)消費者的購買決策提供了環(huán)境條件。本文發(fā)現，治理透明度政策調整有助于理解口碑評分與在線銷量的調節(jié)效應。更加透明的治理環(huán)境增加了產品質量信息的披露可見性，抵消了質量認知風險，從而使口碑評分對銷量的曲線影響方向發(fā)生改變，成為平緩的U形曲線。特別是，高口碑評分對在線銷售的彈性由負轉為正，且整個曲線上移。此外，治理透明度的政策調整在短期內無助于提升平臺認證對在線銷量的刺激效應。附加分析證實了在高治理透明度環(huán)境中，平臺認證對產品銷量具有更為明顯的刺激作用，因此具有長期治理效應。

5.2 理論貢獻

如何有效利用質量保證機制，在線披露多維的產品質量信息是電商平臺生態(tài)治理的重要策略。有效的質量保證機制可以降低消費者在線購買決策的不確定性，推動在線銷售。本文在理論上闡述了用戶自發(fā)生成以及平臺主動構建形成的兩種質量保證機制。基于UGC和基于平臺認證兩種不同的質量保證機制為推動旅游電商平臺的產品質量治理提供了新的治理思路。理論貢獻主要包括以下3個方面。

（1）發(fā)現了旅游線路產品的口碑評分與銷量存在倒U形曲線關系。盡管先前口碑評分研究已經關注到極端評分的影響，并建議關注非直線的影響機制[48-49]，但旅游管理領域的研究主要是基于酒店在線銷售開展的[13-14]。旅游線路與酒店最大的差別在于，交付服務的復合化與復雜性導致的產品質量難以控制[2]，其口碑評分所蘊含的質量價值可能存在更大的感受偏差。本研究的證據證實，高度服務導向體驗品的口碑評分所蘊含著質量信號的非線性影響特征，極端高分和低分將導致質量認知風險的提高，進而降低了口碑評分所蘊含的質量信號，最終減弱了口碑評分的說服效應[11]。該結論擴展了網絡口碑在旅游線路產品的研究，也為網絡口碑研究補充了體驗品領域的實證證據。

（2）通過穩(wěn)健的計量模型證實并估計了平臺認證這一新質量信號的作用效應。電商平臺主動構建背書已經逐漸成為平臺治理的重要策略[9]。通過傳遞給消費者更為權威的質量信號，可以削弱質量信息不對稱問題。以前關于電商平臺質量認證的研究主要集中在商家層面[5，26]。例如，池毛毛等研究了平臺認證信號在共享住宿中房客可持續(xù)消費行為的影響機制[5]。本研究在產品層面擴展了平臺背書所蘊含的質量信號含義[9]，彌補了以往研究僅依靠網絡口碑檢驗產品質量信號的不足，為全面識別體驗品質量提供了新的理論視角。

（3）證實了平臺治理透明度的調節(jié)效應，據此可追蹤質量保證機制如何激發(fā)消費者的購買決策提供了環(huán)境條件。盡管信息透明度對在線銷售的影響在一些研究中得到證實[18-19]，但很少有人關注平臺治理透明度的作用。本文首次證實了治理透明度的提高有助于加強口碑評分與在線銷量的關系，揭示了體驗品電商平臺中網絡口碑對在線銷量影響的變化機理，為理解不同情境中口碑評分作用的不一致性提供了新的證據。

5.3 實踐啟示

本研究為構建品質驅動的旅游電商平臺生態(tài)系統(tǒng)提供了實踐啟示。對于平臺而言，加強產品質量治理必須從多角度入手。研究證實平臺認證傳遞的質量信號也是一種重要的質量治理手段。由于不斷透明的質量披露可以修正買賣雙方自發(fā)形成的質量信號所帶來的偏差，這也為旅游產品電商平臺合理利用多種質量保證機制，約束商家機會主義行為提供了新的手段。如基于平臺認證的質量保證機制為商家操作客戶評論和口碑提供了強有力的制衡手段。對消費者而言，口碑評分和平臺認證兩種治理機制為識別高質量旅游產品線路提供了多方面的信號指導。特別是，本研究發(fā)現的以平臺質量背書為核心的認證質量信號，增加了來自平臺的質量推薦。消費者可據此多方位地甄別高質量的旅游線路。據此，平臺認證和消費者口碑兩種質量信號可共同促進高質量產品生態(tài)的構建。

此外，平臺治理透明度的改變，勢必會打破平臺原有的產品競爭格局。本文發(fā)現，攜程網在提高平臺治理透明度后，平臺認證對在線銷量的影響并無明顯改善，而口碑評分的影響則大幅提高。這說明平臺在治理透明度的改善還需要兼顧產品質量披露的內容。本次準自然實驗涉及的治理主要集中于認證鉆級說明、標注位置以及線路產品信息的透明度改變?？诒u分影響的增大可能與旅游線路產品信息的透明度有關。借鑒TripAdvisor酒店銷售的經驗，增加口碑評分的維度（如根據旅游線路的質量內涵更多的如導游服務、行程安排、服務特色等更為細致的性能評價[2]）也為后續(xù)攜程推進產品質量治理提供了可實施手段1。

5.4 研究局限性與展望

本文局限主要存在兩個方面：第一，對口碑評分測量僅考察了評分一項，如能對評論內容進行情感分析或主題建模等數據挖掘分析[5]，形成更為微觀的口碑變量將能更精確地開展研究。第二，不同消費者接收、理解質量信號存在一定的差異，如能控制消費者特征影響，將得到更準確的估計結果。本研究關于質量保證機制的探索是基于旅游線路產品的電子商務實踐，如能針對不同類型的電商平臺識別獨特的多維度的質量信號，將有助于精細刻畫質量信號對電商平臺銷量的作用機制。此外，如能借助多階段時間周期檢驗平臺治理透明度的調節(jié)作用，可指導電商平臺科學評估其治理效果。

參考文獻（References）

[1] 李小玲， 任星耀， 鄭煦. 電子商務平臺企業(yè)的賣家競爭管理與平臺績效——基于VAR模型的動態(tài)分析[J]. 南開管理評論， 2014， 17（5）： 73-82. [LI Xiaoling， REN Xingyao， ZHENG Xu. Managerial tactics for sellers competition and performance of the e-commerce platform： Implication from the dynamic analysis of VAR model[J]. Nankai Business Review， 2014， 17（5）： 73-82.]

[2] 朱鎮(zhèn)， 黃秋云. 大尺度旅游線路的設計質量評價體系與檢驗： 以歐洲出境觀光游為例[J]. 旅游學刊， 2019， 34（1）： 23-33. [ZHU Zhen， HUANG Qiuyun. Performance evaluation system for large-scale tour routes and its empirical test on the sightseeing tour products in Europe[J]. Tourism Tribune， 2019， 34（1）： 23-33.]

[3] WANG Y， QU Z， TAN B. How do assurance mechanisms interact in online marketplaces？ A signaling perspective[J]. IEEE Transactions on Engineering Management， 2018， 65（2）： 239-251.

[4] DRANOVE D， JIN G Z. Quality disclosure and certification： Theory and practice[J]. Journal of Economic Literature， 2010， 48（4）： 935-963.

[5] 池毛毛， 潘美鈺， 晏婉暄. 共享住宿中房客可持續(xù)消費行為的形成機制研究： 用戶生成信號和平臺認證的交互效應[J]. 旅游學刊， 2020， 35（7）： 36-48. [CHI Maomao， PAN Meiyu， YAN Wanxuan. An empirical study of tenants sustainable consumptionbehavior in the sharing accommodation： Interaction effection of user-generated signal and the platform certification signal[J]. Tourism Tribune， 2020， 35（7）： 36-48.]

[6] ABBASI A， LI J J， ADJEROH D， et al. Dont mention it？ Analyzing user-generated content signals for early adverse event warnings[J]. Information Systems Research， 2019， 30（3）： 1007-1028.

[7] 盧向華， 馮越. 網絡口碑的價值——基于在線餐館點評的實證研究[J]. 管理世界， 2009（7）： 126-132. [LU Xianghua， FENG Yue. The value of electronic word-of-mouth： An empirical study based on online restaurant reviews[J]. Management World， 2009（7）： 126-132.]

[8] CHEN Y， WANG Q， XIE J. Online social interactions： A natural experiment on word of mouth versus observational learning[J]. Journal of Marketing Research， 2011， 48（2）： 238-254.

[9] RIETVELD J， SCHILLING M A， BELLAVITIS C. Platform strategy： Managing ecosystem value through selective promotion of complements[J]. Organization Science， 2019， 30（6）： 1232-1251.

[10] GU B， PARK J， KONANA P. The Impact of external word-of-mouth sources on retailer sales of high-involvement products[J]. Information Systems Research， 2012， 23（1）： 182-196.

[11] 龔詩陽， 劉霞， 劉洋， 等. 網絡口碑決定產品命運嗎——對線上圖書評論的實證分析[J]. 南開管理評論， 2012， 15（4）： 118-128. [GONG Shiyang， LIU Xia， LIU Yang， et al. Does online word-of-mouth determine products fate： An empirical analysis of online book reviews[J]. Nankai Business Review， 2012， 15（4）： 118-128.]

[12] LIN Z J. An empirical investigation of user and system recommendations in e-commerce[J]. Decision Support Systems， 2014， 68： 111-124.

[13] YANG Y， PARK S， HU X B. Electronic word of mouth and hotel performance： A meta-analysis[J]. Tourism Management， 2018， 67： 248-260.

[14] PARK S， NICOLAU J L. Effects of general and particular online hotel ratings[J]. Annals of Tourism Research， 2017， 62： 114-116.

[15] GEETHA M， SINGHA P， SINHA S. Relationship between customer sentiment and online customer ratings for hotels—An empirical analysis[J]. Tourism Management， 2017， 61： 43-54.

[16] 高寶俊， 孫含琳， 王寒凝. 在線評論對酒店訂滿率的影響研究[J]. 旅游學刊， 2016， 31（4）： 109-117. [GAO Baojun， SUN Hanlin， WANG Hanning. Influence of online reviews on hotelsfull-occupancy rates[J]. Tourism Tribune， 2016， 31（4）： 109-117.]

[17] SONG P， XUE L， RAI A， et al. The ecosystem of software platform： A study of asymmetric cross-side network effects and platform governance[J]. MIS Quarterly， 2018， 42（1）： 121-141.

[18] GRANADOS N， GUPTA A， KAUFFMAN R J. Designing online selling mechanisms： Transparency levels and prices[J]. Decision Support Systems， 2008， 45（4）： 729-745.

[19] TANFORD S， ERDEM M， BALOGLU S. Price transparency of bundled vacation packages[J]. Journal of Hospitality & Tourism Research， 2011， 35（2）： 213-234.

[20] HENNIG-THURAU T， WIERTZ C， FELDHAUS F. Does Twitter matter？ The impact of microblogging word of mouth on consumers adoption of new movies[J]. Journal of the Academy of Marketing Science， 2015， 43（3）： 375-394.

[21] 龔詩陽， 李倩， 趙平， 等. 數字化時代的營銷溝通： 網絡廣告、網絡口碑與手機游戲銷量[J]. 南開管理評論， 2018， 21（2）： 28-42. [GONG Shiyang， LI Qian， ZHAO Ping， et al. Marketing communication in the digital era： Online advertising， online word-of-mouth， and mobile game sales[J]. Nankai Business Review， 2018， 21（2）： 28-42.]

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

[23] ZHANG Z Q， ZHANG Z L， LAW R. Positive and negative word of mouth about restaurants： Exploring the asymmetric impact of the performance of attributes[J]. Asia Pacific Journal of Tourism Research， 2014， 19（2）： 162-180.

[24] 王會娟， 廖理. 中國P2P網絡借貸平臺信用認證機制研究： 來自“人人貸”的經驗證據[J]. 中國工業(yè)經濟， 2014（4）： 136-147. [WANG Huijuan， LIAO Li. Chinese P2P platforms credit authentication mechanism research： Evidence from Renrendai [J]. China Industrial Economics， 2014（4）： 136-147.]

[25] ?ZPOLAT K， GAO G G， JANK W， et al. The value of third-party assurance seals in online retailing： An empirical investigation[J]. Information Systems Research， 2013， 24（4）： 1100-1111.

[26] 陳艷瑩， 李鵬升. 認證機制的需求竊取和擴張效應——基于淘寶網金牌賣家認證的經驗研究[J]. 南開管理評論， 2019， 22（3）： 77-90. [CHEN Yanying， LI Pengsheng. Demand stealing and expansion effect of certification mechanism： An empirical research based on Taobao gold-medal-seller certification[J]. Nankai Business Review， 2019， 22（3）： 77-90.]

[27] HUBER T L， KUDE T， DIBBERN J. Governance practices in platform ecosystems： Navigating tensions between cocreated value and governance costs[J]. Information Systems Research， 2017， 28（3）： 563-584.

[28] ZHU K. Information transparency in electronic marketplaces： Why data transparency may hinder the adoption of b2b exchanges[J]. Electronic Markets， 2002， 12（2）： 92-99.

[29] GRANADOS N， GUPTA A， KAUFFMAN R J. Information transparency in business-to-consumer markets： Concepts， framework， and research agenda[J]. Information Systems Research， 2010， 21（2）： 207-226.

[30] GRANADOS N， GUPTA A. Transparency strategy： Competing with information in a digital world[J]. MIS Quarterly， 2013， 37（2）： 637-641.

[31] GRANADOS N F， KAUFFMAN R J， LAI H， et al. Decommoditization， resonance marketing， and information technology： An empirical study of air travel services amid channel conflict[J]. Journal of Management Information Systems， 2011， 28（2）： 39-74.

[32] FAY S. Selling an opaque product through an intermediary： The case of disguising ones product[J]. Journal of Retailing， 2008， 84（1）： 59-75.

[33] YANG S， LI T， VAN HECK E. Information transparency in prediction markets[J]. Decision Support Systems， 2015， 78： 67-79.

[34] LU Y X， GUPTA A， KETTER W， et al. Information transparency in business-to-business auction markets： The role of winner identity disclosure[J]. Management Science， 2019， 65（9）： 4261-4279.

[35] 劉漢民， 張曉慶. 網絡零售平臺治理機制對賣家機會主義行為的影響——以感知不確定性為調節(jié)變量[J]. 商業(yè)經濟與管理， 2017（4）： 16-27. [LIU Hanmin， ZHANG Xiaoqing. Influence of governance mechanisms of online retail platform on sellers opportunism with perceived uncertainty as moderator[J]. Journal of Business Economics， 2017（4）： 16-27.]

[36] MUDAMBI S M， SCHUFF D. What makes a helpful online review？ A study of customer reviews on Amazon.com[J]. MIS Quarterly， 2010， 34（1）： 185-200.

[37] CUI G， LUI H K， GUO X. The effect of online consumer reviews on new product sales[J]. International Journal of Electronic Commerce， 2012， 17（1）： 39-58.

[38] DIMOKA A， HONG Y， PAVLOU P A. On product uncertainty in online markets： Theory and evidence[J]. MIS Quarterly， 2012， 36（2）： 395-426.

[39] AKERLOF G A. The market for “Lemons”： Quality uncertainty and the market mechanism[J]. Quarterly Journal of Economics， 1970， 84（3）： 488-500.

[40] ROSARIO A B， SOTGIU F， DE VALCK K， et al. The effect of electronic word of mouth on sales： A meta-analytic review of platform， product， and metric factors[J]. Journal of Marketing Research， 2016， 53（3）： 297-318.

[41] CHEUNG C M K， XIAO B S， LIU I L B. Do actions speak louder than voices？ The signaling role of social information cues in influencing consumer purchase decisions[J]. Decision Support Systems， 2014， 65： 50-58.

[42] HOWELL J R， LEE S， ALLENBY G M. Price promotions in choice models[J]. Marketing Science， 2016， 35（2）： 319-334.

[43] KUBLER R， PAUWELS K， YILDIRIM G， et al. App popularity： Where in the world are consumers most sensitive to price and user ratings？[J]. Journal of Marketing， 2018， 82（5）： 20-44.

[44] SONG P， WANG Q， LIU H， et al. The value of buy-online-and-pickup-in-store in omni-channel： Evidence from customer usage data[J]. Production and Operations Management， 2020， 29（4）： 995-1010.

[45] LIND J T， MEHLUM H. With or without U？ The appropriate test for a u-shaped relationship[J]. Oxford Bulletin of Economics and Statistics， 2010， 72（1）： 109-118.

[46] HOECHLE D. Robust standard errors for panel regressions with cross-sectional dependence[J]. Stata Journal， 2007， 7（3）： 281-312.

[47] ERDEM T， KEANE M P， SUN B. A dynamic model of brand choice when price and advertising signal product quality[J]. Marketing Science， 2008， 27（6）： 1111-1125.

[48] DUAN W， GU B， WHINSTON A B. Do online reviews matter？ An empirical investigation of panel data[J]. Decision Support Systems， 2008， 45（4）： 1007-1016.

[49] CHEVALIER 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.