石秋鳳

(廣西師范大學(xué)政治與公共管理學(xué)院 廣西桂林 541006)

國務(wù)院關(guān)于“十四五”數(shù)據(jù)經(jīng)濟(jì)發(fā)展規(guī)劃(國發(fā)〔2021〕29號)中強(qiáng)調(diào)了發(fā)展數(shù)字經(jīng)濟(jì)的重要性，同時(shí)也提到了在2025年要實(shí)現(xiàn)電子商務(wù)平臺交易規(guī)模預(yù)期性達(dá)46萬億元的重要指標(biāo)，可見電子商務(wù)的發(fā)展對于國家的經(jīng)濟(jì)發(fā)展的重要性[1]。天貓是一個(gè)重要的電商平臺，而考量某個(gè)店鋪的重要指標(biāo)為“商品體驗(yàn)”“物流體驗(yàn)”“售后體驗(yàn)”“咨詢體驗(yàn)”四個(gè)維度。這些指標(biāo)由買家對賣家評出，每項(xiàng)網(wǎng)店評分均為動態(tài)指標(biāo)，系此前連續(xù)6個(gè)月內(nèi)所有評分的平均值，可見每個(gè)數(shù)據(jù)對于店鋪發(fā)展的重要性[2]。

Peiwen Yu等(2022)[3]研究了庫存對于轉(zhuǎn)化和流量的影響進(jìn)行模型的建立，強(qiáng)調(diào)了轉(zhuǎn)化率在流量引導(dǎo)中的重要作用，當(dāng)商家的產(chǎn)品具有適度的可替代性，而且平臺更新轉(zhuǎn)化率的能力很高時(shí)，商家就會產(chǎn)生更高的庫存成本，并且無法從流量引導(dǎo)中獲益，說明擁有高轉(zhuǎn)化率的商家在接受流量時(shí)會獲得更高的優(yōu)先權(quán)，不確定轉(zhuǎn)化率相當(dāng)于需求的不確定；董京京(2018)的模型建立中，也將客服響應(yīng)時(shí)間納入其中，以響應(yīng)性為在線互動的維度參照；戴韜等(2017)[4]對于客服的響應(yīng)時(shí)間對于轉(zhuǎn)化率的影響做了定量性研究，得出了“客服響應(yīng)時(shí)間和轉(zhuǎn)化率沒有明顯的相關(guān)性”的結(jié)論；左文明等(2010)[4]B2C商務(wù)網(wǎng)站服務(wù)質(zhì)量指標(biāo)體系的建立中，在有行性、可靠性、響應(yīng)性、保證性、移情性5個(gè)維度的響應(yīng)性維度明確提到了及時(shí)回復(fù)客戶提出的問題，說明了響應(yīng)性在顧客咨詢中的重要性。葉飛等(2021)[5]研究了電商環(huán)境下折扣對于銷量的影響，研究發(fā)現(xiàn)，隨著評分和折扣的增加，銷量并不總是增加的，說明影響銷售的因素是多種多樣的。

在電商平臺網(wǎng)店的運(yùn)營中，拿天貓平臺來說，流量是店鋪的基礎(chǔ)，而實(shí)現(xiàn)流量的轉(zhuǎn)化才是根本。而作為消費(fèi)者，在網(wǎng)購過程中，選擇購買商品最基礎(chǔ)看的因素，就是粉絲數(shù)、銷量、評價(jià)，剩下的才會是其他因素。轉(zhuǎn)化率在店鋪運(yùn)營中，可以說得上是決定一家店鋪是否能夠正常運(yùn)行的關(guān)鍵。目前電商平臺的競爭非常激烈，已經(jīng)不像之前的市場那么的容易從中獲利，所以各運(yùn)營商也是把經(jīng)營的重點(diǎn)放在店鋪的轉(zhuǎn)化率上。不管是產(chǎn)品的定價(jià)、圖片的設(shè)計(jì)與擺放、物流的選擇、客服響應(yīng)的快慢……幾乎可以說都是要實(shí)現(xiàn)店鋪的這個(gè)最終的目的，那就是轉(zhuǎn)化率。

從各研究文獻(xiàn)中發(fā)現(xiàn)，不管是天貓平臺還是跨境電商，都非常重視店鋪轉(zhuǎn)化率，而轉(zhuǎn)化率比較低的店鋪，最終將會被市場所淘汰。而在不時(shí)代的不同階段，經(jīng)營者也將面臨著各式各樣的問題，就像天貓平臺中的天貓規(guī)則一樣，時(shí)代在進(jìn)步，規(guī)則也在不斷發(fā)生變化，規(guī)則的變化就意味著新問題的產(chǎn)生，以及新的問題需要被解決，由此，轉(zhuǎn)化率的這個(gè)問題便成為一直在被研究的話題。

綜上所述，當(dāng)然對于研究電子商務(wù)的文獻(xiàn)還有一些，有從不同角度研究的。雖然電子商務(wù)在經(jīng)濟(jì)中的重要性日益增加，但通過搜集相關(guān)數(shù)據(jù)和研究文獻(xiàn)所知，還沒有單獨(dú)寫接待人數(shù)、響應(yīng)時(shí)間對于轉(zhuǎn)化率影響的量化研究的文章，因此本研究重點(diǎn)剖析客服接待人數(shù)、客服響應(yīng)時(shí)間對于轉(zhuǎn)化率的影響。本研究對商業(yè)和電子商務(wù)研究都有貢獻(xiàn)，為公司管理層理解電子商務(wù)建立了一個(gè)綜合基礎(chǔ)，同時(shí)對于管理層如何考核客服、如何在對應(yīng)的時(shí)間合理的安排客服的工作、如何提升店鋪的轉(zhuǎn)化率、如何減少公司勞動成本的同時(shí)還提升了店鋪的營業(yè)額均有一定的借鑒意義。

1 理論基礎(chǔ)和研究假設(shè)

1.1 客服接待人數(shù)對于轉(zhuǎn)化率的影響

隨著我國迎來數(shù)字經(jīng)濟(jì)時(shí)代，電商一直處于一個(gè)不斷進(jìn)步改革創(chuàng)新發(fā)展的趨勢。B2C作為電商的一個(gè)重要交易平臺，給消費(fèi)者帶來了很多便利，但在給消費(fèi)者帶來便利的同時(shí)，也給消費(fèi)者帶來了很多的不便。葉明(2014)研究互聯(lián)網(wǎng)相關(guān)產(chǎn)品市場界定時(shí)提到了傳統(tǒng)產(chǎn)業(yè)，對于產(chǎn)品的界定相對比較明確的，產(chǎn)品之間的邊界感也是相對清晰的，但現(xiàn)在互聯(lián)網(wǎng)平臺不光是產(chǎn)品的替代性難以把握，而且產(chǎn)品之間的邊界感也是比較模糊的。尤其像現(xiàn)在的服裝行業(yè)，同一件衣服在B2C平臺可以說幾乎很多同款，而且都是以相同的圖片進(jìn)行展示，在沒有看到實(shí)物的基礎(chǔ)上，很難辨別其中的差異性，這個(gè)不確定性讓這個(gè)銷售漏斗最后漏出來的轉(zhuǎn)化顧客較少；高建華(2006)研究銷售漏斗，認(rèn)為處于漏斗最上方的潛在客戶越多，從漏斗漏出的客戶才可能越多。

營銷不僅僅是向客戶轉(zhuǎn)遞信息，同時(shí)也是向公司全體成員及其他媒體傳遞信息，而傳遞信息一個(gè)比較科學(xué)的方式就是使用銷售漏斗。銷售漏斗最初是在1924年《債券銷售技巧》中William W.townsend首次提出，后來1975年世界銷售大師Miller和Heiman進(jìn)行再一次的補(bǔ)充升級為銷售漏斗模型，被人們稱為最成功的銷售模型。銷售漏斗可以將客戶分成不同的等級，然后管理著可以通過不同的方法來吸引客戶，這種方法適用于B2B的同時(shí)也適用于B2C，而且是非常之有效的。菲利普·科特勒稱銷售漏斗讓銷售成為科學(xué)，它將銷售管理的作用量化分析促使銷售管理化，同時(shí)也讓市場、銷售、交付圍繞成為一個(gè)供應(yīng)鏈。從銷量公式上分析銷售漏斗模型，銷量=流量*轉(zhuǎn)化率*客單價(jià)*復(fù)購率，拿天貓平臺來說，店鋪的流量就是指訪問量和瀏覽量，而轉(zhuǎn)化就是最終下單成交的人數(shù)，客單件就是商品的價(jià)格，復(fù)購的話，就是顧客第二次或第二次之后下單成交的訂單。本次研究將“客單價(jià)”“復(fù)購率”“流量”幾個(gè)因素及其他影響因素，如圖片、關(guān)鍵詞、物流等作為控制變量，研究其“轉(zhuǎn)化率”和咨詢?nèi)藬?shù)及其客服接待響應(yīng)的時(shí)間三者的相互關(guān)系。

綜上，針對B2C平臺，處于漏斗最上方的客服就是店鋪所存在的流量，而最后流出來的就是店鋪的轉(zhuǎn)化。由此假設(shè)：“客服接待人數(shù)越多，轉(zhuǎn)化率越高”。

1.2 客服響應(yīng)時(shí)間對轉(zhuǎn)化率的影響

新時(shí)代購物方式更傾向于考慮成本、便捷性、服務(wù)態(tài)度。1990年，美國北卡羅納大學(xué)學(xué)者羅伯特·勞特朋(Robert·Lauter born)教授提出了4C營銷理論，4C即消費(fèi)者(Customer)、成本(Cost)、便利(Convenience)、溝通(Communication)。其中，顧客指消費(fèi)者的需求和內(nèi)心的期望；成本指消費(fèi)者為獲得內(nèi)心的滿足感而付出的代價(jià)；便利指消費(fèi)者在消費(fèi)過程中所省出的時(shí)間；溝通指消費(fèi)者和商家之間建立起的這種情感交流。同時(shí)羅伯特·勞特朋(Robert·Lauter born)教授也認(rèn)為，在新時(shí)代的營銷理念中，不應(yīng)僅僅考慮商家利益，也不能只站在商家的立場，而是更應(yīng)該站在消費(fèi)者的立場去考慮和分析問題。雷良(2022)基于4C理論的跨界營銷分析，也提到了這里的成本，已經(jīng)不單單指的是產(chǎn)品成本本生，同時(shí)也包括時(shí)間成本和精力等隱性成本。

在整個(gè)電商平臺中，消費(fèi)者(Customer)決定著在互聯(lián)網(wǎng)中的傳播動力和目的，成本(Cost)決定著轉(zhuǎn)播的方向和內(nèi)容，便利(Convenience)決定著傳播的方式和速度，溝通(Communication)決定著傳播的廣度和深度，由此可見，4C理論非常適用于分析電商平臺中的客服響應(yīng)時(shí)間對于轉(zhuǎn)化率的影響。排除響應(yīng)內(nèi)容對于消費(fèi)者的影響力，針對響應(yīng)時(shí)間來說，響應(yīng)時(shí)間越短，對于消費(fèi)者來說就是提供了便利，同時(shí)高效快捷的溝通能夠?yàn)橄M(fèi)者節(jié)省消費(fèi)過程時(shí)間成本。在電商平臺中，要很好地融合4C原則，發(fā)揮好4C原則的合力，做到靈活的利用而不是拘泥于固定的框架。以天貓平臺為例來說，商家應(yīng)根據(jù)不同消費(fèi)者的不同咨詢場景，在合適的場景下，找到客服應(yīng)如何在最短的時(shí)間內(nèi)回復(fù)消費(fèi)者的話語和方法，根據(jù)不同的場景來總結(jié)出回應(yīng)的內(nèi)容，將消費(fèi)者和商家很好的連接起來，最終促成交易，接待的最終目標(biāo)就是完成轉(zhuǎn)化。

新時(shí)代的消費(fèi)理念，更加注重個(gè)人情感的輸出，消費(fèi)者更傾向于選擇在體驗(yàn)感比較好的商家進(jìn)行購物，反之，將不會在同一家商家繼續(xù)購買。在天貓平臺中想提升轉(zhuǎn)化率，利用好4C理論，用4C理論去分析顧客的真實(shí)需求和真實(shí)體驗(yàn)，也將能從根本上去解決問題，所以本次研究選擇以4C理論作為理論基礎(chǔ)是最為合適的。

同時(shí)在互聯(lián)網(wǎng)時(shí)代，買賣雙方都是通過網(wǎng)絡(luò)溝通形式來完成交易的。在B2C平臺的服裝類目中，其實(shí)很少有消費(fèi)者在乎這個(gè)產(chǎn)品本身的成本，因?yàn)橄M(fèi)者進(jìn)店鋪?zhàn)稍儾豢赡軉枴斑@件衣服的成本是多少？”消費(fèi)者更在乎的是在購買意向中，以最短的時(shí)間去回答她想了解的關(guān)于產(chǎn)品的問題。如適合什么身高體重、產(chǎn)品是否有色差、為什么和別家的一樣等問題。而接待的客服在回答這些問題時(shí)，回復(fù)消費(fèi)者咨詢問題響應(yīng)時(shí)間的長短就決定了消費(fèi)者進(jìn)店購買的時(shí)間成本。因此，從消費(fèi)者的角度出發(fā)，縮短響應(yīng)時(shí)間，能夠更加高效地幫助消費(fèi)者做出購物決策，加大促成交易的概率。所以本研究假設(shè)：“客服旺旺響應(yīng)的時(shí)間越短，轉(zhuǎn)化率就越高?！?/p>

2 研究假設(shè)與模型

2.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)獲取主要源于某電商公司旗下15個(gè)天貓店其中的一個(gè)M店，該店鋪是該電商公司15個(gè)天貓店中效益最好的店鋪，粉絲量達(dá)56萬，屬于天貓店鋪經(jīng)營中比較居中和具有普遍性的代表。本次樣本選取2022年7月—2023年6月的旺旺接待記錄為分析對象，從快麥績效中提取相關(guān)數(shù)據(jù)，因?yàn)榭禧溈冃е兄荒芴崛〉揭荒陜?nèi)的完整數(shù)據(jù)信息，所以這次數(shù)據(jù)的提取以年為單位，提取了近一年里最新的數(shù)據(jù)作為分析資料，一來具有時(shí)效性，在排除其他因素的干擾外，相對還是更加的真實(shí)和數(shù)據(jù)精確，也更能反映出處于穩(wěn)定成長中的公司的一個(gè)發(fā)展的現(xiàn)狀。同時(shí)也涵蓋了天貓一整年的店鋪運(yùn)轉(zhuǎn)形勢，其中包括大型活動，如618和雙十一，同時(shí)也包含了每個(gè)月店鋪參與的小活動，再次說明了本次所選的樣本在具有真實(shí)性的同時(shí)也更具有代表性。

2.2 研究假設(shè)

基于4C理論和銷售漏斗理論分析，提出相關(guān)性假設(shè)：“客服接待人數(shù)越多，轉(zhuǎn)化率越高”“客服旺旺響應(yīng)的時(shí)間越短，轉(zhuǎn)化率就越高”。

待驗(yàn)證假設(shè)(1)：不同客服年接待人數(shù)和平均轉(zhuǎn)化率是否呈正相關(guān)

待驗(yàn)證假設(shè)(2)：不同客服年平均響應(yīng)時(shí)間和平均轉(zhuǎn)化率是否呈負(fù)相關(guān)

待驗(yàn)證假設(shè)(3)：同一客服年接待人數(shù)和轉(zhuǎn)化率是否呈正相關(guān)

待驗(yàn)證假設(shè)(4)：同一客服年平均響應(yīng)時(shí)間和轉(zhuǎn)化率是否呈負(fù)相關(guān)

2.3 研究模型

本次選擇的模型為相關(guān)性模型：

式(1)(2)中：x和y是本次所選的樣本客服接待人數(shù)和客服接旺旺平均響應(yīng)時(shí)間，r表示樣本的相關(guān)系為X與Y的協(xié)方差，Var[X]為X的方差，Var[Y]為Y的方差。r2的取值范圍為0～1，越接近1，表示X，Y的相關(guān)性越強(qiáng)，當(dāng)r2等于0的時(shí)候，說明兩者沒有任何相關(guān)性。P為總體相關(guān)系數(shù)，比較X和Y的差別。統(tǒng)計(jì)量絕對值越大，概率P越小，反之越大。本次測試的取值門檻選擇取值為0.05，當(dāng)數(shù)據(jù)P =0.05時(shí)，置信度為95%。P＜0.05為“顯著”，以*標(biāo)記，P＜0.01為“極顯著”，以**標(biāo)記。

3 分析結(jié)果

本次研究以轉(zhuǎn)化率為因變量，自變量為客服接待人和平均響應(yīng)時(shí)間，同時(shí)控制相關(guān)性變量，如銷量因素、價(jià)格因素、季節(jié)因素、發(fā)貨時(shí)間、圖片因素、評價(jià)因素等對因變量的影響，相關(guān)性數(shù)據(jù)分析如表1所示。

表1 同一客服變量相關(guān)性數(shù)據(jù)

從表1可知，從同一個(gè)客服一年里不同天旺旺接待數(shù)據(jù)中，可分析出兩個(gè)結(jié)論，如下：

結(jié)論1：接待人數(shù)和轉(zhuǎn)化率樣本決定系數(shù)R2為0.024，顯著性P為0.678，因此模型不顯著，可認(rèn)為同一客服在同一年里不同天年平均每天接待人數(shù)和年平均轉(zhuǎn)化率沒有明顯的相關(guān)性。

結(jié)論2：平均響應(yīng)時(shí)間和轉(zhuǎn)化率樣本決定系數(shù)R2為0.224，顯著性P為0.000，因此模型極顯著，可認(rèn)為同一客服在同年里不同天年平均響應(yīng)時(shí)間和年平均轉(zhuǎn)化率顯著負(fù)相關(guān)。

由表2可知，從不同客服一年里同天時(shí)旺旺接待數(shù)據(jù)中可分析出兩個(gè)結(jié)論。

表2 不同客服變量相關(guān)性數(shù)據(jù)

結(jié)論1：接待人數(shù)和轉(zhuǎn)化率樣本決定系數(shù)R2為0.027，顯著性P為0.222，因此模型不顯著，可認(rèn)為不同客服一年同天時(shí)年接待人數(shù)和年平均轉(zhuǎn)化率沒有明顯相關(guān)性。

結(jié)論2：平均響應(yīng)時(shí)間和轉(zhuǎn)化率樣本決定系數(shù)R2為0.158，顯著性P為0.000，因此模型極顯著，可認(rèn)為不同客服一年同天時(shí)年平均響應(yīng)時(shí)間和年平均轉(zhuǎn)化率顯著負(fù)相關(guān)。

結(jié)合表1和表2，由表3可知，待驗(yàn)證(2)和(4)的顯著性P值為0.000，且均＞1，說明客服年平均響應(yīng)時(shí)間和年轉(zhuǎn)化率呈顯著負(fù)相關(guān)，客服年平均響應(yīng)時(shí)間越短，轉(zhuǎn)化率就越高。待驗(yàn)證(1)和(3)的顯著性P值＞0.05，且均＜1，說明客服年接待人數(shù)和轉(zhuǎn)化率不相關(guān)。

表3 驗(yàn)證假設(shè)(1)(2)(3)(4)結(jié)果統(tǒng)計(jì)表

4 進(jìn)一步研究

618和雙十一是天貓的主要大型活動，為進(jìn)一步證實(shí)和排除相關(guān)性干擾，本文將剔除大型活動，對一年里活動期外的數(shù)據(jù)進(jìn)行取值，以M店鋪剔除雙十一和618活動的數(shù)據(jù)取值進(jìn)行分析，本次進(jìn)一步研究將剔除M店2022年7月至2023年6月期間2022年11月和2023年6月的數(shù)據(jù)。然后對不同客服年接待量和平均響應(yīng)時(shí)間對轉(zhuǎn)化率的影響再一次進(jìn)行的相關(guān)性分析，進(jìn)一步驗(yàn)證“旺旺接待人數(shù)和轉(zhuǎn)化率是否呈正相關(guān)”“客服旺旺響應(yīng)時(shí)間和轉(zhuǎn)化率是否呈負(fù)相關(guān)”。

從表4可知，在剔除大型活動后，從不同客服一年里同天時(shí)旺旺接待數(shù)據(jù)中，可分析出如下兩個(gè)結(jié)論：

表4 不同客服變量相關(guān)性數(shù)據(jù)

結(jié)論1：接待人數(shù)和轉(zhuǎn)化率樣本決定系數(shù)為0.054，顯著性P為0.032，因此模型顯著，可認(rèn)為不同客服一年同天時(shí)年接待人數(shù)和年平均轉(zhuǎn)化率顯著的正相關(guān)。

結(jié)論2：平均響應(yīng)時(shí)間和轉(zhuǎn)化率樣本決定系數(shù)為0.242，顯著性P為0.000，因此模型極顯著，可認(rèn)為不同客服一年同天時(shí)年平均響應(yīng)時(shí)間和年平均轉(zhuǎn)化率顯著負(fù)相關(guān)。

綜上可知，M天貓店在日?？头哟?，在控制相關(guān)因素(銷量因素、價(jià)格因素、季節(jié)因素、發(fā)貨時(shí)間、圖片因素、評價(jià)因素等)，對轉(zhuǎn)化率影響的情況下，“客服接待人數(shù)的多少對于轉(zhuǎn)化率影響不大”“客服旺旺響應(yīng)的時(shí)間越短，轉(zhuǎn)化率就越高”。而且活動期間對“客服旺旺響應(yīng)的時(shí)間越短，轉(zhuǎn)化率就越高”的結(jié)論沒有造成任何影響。但活動期間客服接待人數(shù)的多少對轉(zhuǎn)化率會造成一定的影響。天貓大型活動期間，接待人數(shù)會比非活動期間接待人數(shù)多，更加驗(yàn)證了銷售漏斗理論，說明活動期間接待人數(shù)越多，轉(zhuǎn)化率的確是越高的。

5 結(jié)語

本文通過對B2C平臺中某M服裝店鋪旺旺接待數(shù)據(jù)進(jìn)行實(shí)際性分析，分析了接待數(shù)據(jù)和轉(zhuǎn)化率的關(guān)系、響應(yīng)時(shí)間和轉(zhuǎn)化率的關(guān)系，得出如下結(jié)論：

第一，客服響應(yīng)時(shí)間和詢單轉(zhuǎn)化率之間顯著負(fù)相關(guān)。

第二，客服接待人數(shù)和詢單轉(zhuǎn)化率無相關(guān)性，天貓大型活動期間除外。

第三，天貓大型活動期間客服接待人數(shù)對詢單轉(zhuǎn)化率有顯著影響。

綜上所述，想要提升M店的詢單轉(zhuǎn)化率，除了調(diào)整價(jià)格因素、盡量優(yōu)化主圖、客服的服務(wù)態(tài)度和話術(shù)、注意季節(jié)的選品、及時(shí)發(fā)貨、精細(xì)化促銷策略外，也要同時(shí)兼顧客服崗位的人才招聘及其人才培養(yǎng)?？头荒苌米噪x崗，要非常熟練地打字，熟練的掌握天貓運(yùn)營的相關(guān)專業(yè)知識，這樣既可以提升響應(yīng)時(shí)間，也能直接性提升轉(zhuǎn)化率。只有在日常工作中做好了，才能在大型活動中接待大量線上消費(fèi)者時(shí)得心應(yīng)手，提升更高的轉(zhuǎn)化率。這對于M店的經(jīng)營管理者們有一定的參考意義，在實(shí)際管理過程中不要只關(guān)注轉(zhuǎn)化結(jié)果，而忽視了影響轉(zhuǎn)化的重要因素“響應(yīng)時(shí)間”和“接待人數(shù)”。新時(shí)代的消費(fèi)者越來越注重自己的時(shí)間成本，所以在一線服務(wù)的第一步，就應(yīng)該考慮到消費(fèi)者所考慮的隱性成本。

本研究是針對普遍性的服裝類目的天貓店鋪，目前幾乎很少有文獻(xiàn)是研究這個(gè)問題的，所以本研究對于其他研究者研究這個(gè)話題有一定的借鑒意義，同時(shí)對天貓店的經(jīng)營管理者在經(jīng)營過程中有很好的參考價(jià)值。