孫克琳 張心悅 林浡夏 李梅芳

摘要：本文采用實(shí)證分析法，從B2C代表網(wǎng)站——當(dāng)當(dāng)網(wǎng)，選取不同種類圖書，進(jìn)行數(shù)據(jù)收集；分析新增銷量率與在線評論的好評率、差評率，在同一類型、不同種類商品間的關(guān)系；并針對影響因素較多的種類，進(jìn)行問卷調(diào)查。通過研究我們發(fā)現(xiàn)：好評率對新增銷量率有正向影響，差評率無顯著影響，并且不同種類影響程度不同；在眾多影響消費(fèi)者購買的因素中，在線評論起到重要作用，消費(fèi)者除了在銷售頁面瀏覽評論外，還會通過第三方平臺收集信息。

關(guān)鍵詞：在線評論；電子商務(wù)；商品銷售

引言

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，網(wǎng)購消費(fèi)額占日常支出比例顯著增加。中國網(wǎng)絡(luò)購物市場研究報告發(fā)布的數(shù)據(jù)顯示，購買前會參考這些評論的用戶則占到80%[1]，預(yù)計中國網(wǎng)絡(luò)購物B2C交易額到2017年將超過C2C[2]。本次研究選擇B2C網(wǎng)站的代表當(dāng)當(dāng)網(wǎng)，基于其占據(jù)了線上市場份額的50%以上的圖書業(yè)務(wù)，進(jìn)行數(shù)據(jù)采集與研究分析。

圖書作為體驗(yàn)型商品，商品屬性在購買前通過商家介紹等信息不能夠準(zhǔn)確獲知[3]，主要影響因素有評論數(shù)量、評論效價和評論差異。評論數(shù)量對銷售具有顯著的正向影響[4、6]；評論效價在用評論得分代表的情況下，有較為顯著的正向影響[4]；而評論差異因其研究類別不同結(jié)果不同，圖書等有顯著的負(fù)向影響[6]，護(hù)膚品、MP3等影響不顯著[4]?？偨Y(jié)以上文獻(xiàn)，我們發(fā)現(xiàn)學(xué)者對在線評論的研究已十分豐富，但對于同種體驗(yàn)型商品各個種類之間影響是否存在差異的研究較少。因此，我們將采用實(shí)證分析法，從當(dāng)當(dāng)網(wǎng)選取五類代表圖書收集數(shù)據(jù)，分析并建立線性回歸模型；針對影響因素較多，無法建立模型的種類，進(jìn)行問卷調(diào)查，探尋消費(fèi)者所關(guān)注的內(nèi)容；最后，對研究內(nèi)容總結(jié)，并提出相對應(yīng)的管理啟示。

1、研究數(shù)據(jù)及方法

1.1 記錄的相關(guān)數(shù)據(jù)

因當(dāng)當(dāng)網(wǎng)不對外公布銷售情況，所以不能直接得到銷售數(shù)量。但有對注冊且購買收到圖書的用戶，在收貨交易成功后15天日內(nèi)自主評論，否則15天后默認(rèn)好評的要求。因此，當(dāng)記錄數(shù)據(jù)間隔時間較長時，評論數(shù)量可以反映商品銷售的實(shí)際情況，以總評論數(shù)代表“總銷量”。評價機(jī)制為好評、中評和差評，由消費(fèi)者根據(jù)情況進(jìn)行選擇。中差評，尤其是差評審核時間較長，需要買方充分說明情況，這也就減少了虛假差評的存在，保證數(shù)據(jù)的質(zhì)量。

1.2 數(shù)據(jù)的收集

本次研究選擇圖書這一類別，挑選當(dāng)當(dāng)網(wǎng)自營店中總銷量較多、彼此特點(diǎn)差異較大、具有代表性的經(jīng)濟(jì)類、科普讀物、成功勵志類、童書、小說五大種類的紙質(zhì)版圖書。

為避免開學(xué)季、年中大促等的影響，在3月第三周采用等距抽樣法，從“7日銷量排行榜”中，每類選擇50本圖書，分別記錄評論數(shù)量、榜單排名、好評數(shù)量、差評數(shù)量和促銷活動。兩個月后即5月第三周，再次采集選擇圖書的數(shù)據(jù)。剔除其中在2個月的時間內(nèi)已下架、改版或者改套餐銷售的樣本，得到了246個樣本的研究數(shù)據(jù)。

1.3 研究方法

采用線性回歸分析法與問卷調(diào)查法，分別研究五類不同圖書之間的差異與其中一類影響因素較多的圖書情況。在做相關(guān)性及回歸分析時，為確保因變量、自變量都為數(shù)值型變量，故采用新增銷量率、好評率、差評率來進(jìn)行研究，并將其引入模型：新增銷量率=新增評論數(shù)÷總評論數(shù)；好評率=好評數(shù)÷總評論數(shù)；差評率=差評數(shù)÷總評論數(shù)；新增銷量率=b1×好評率+b2×差評率。

通過對模型進(jìn)行線性回歸，來探索好評率、差評率對產(chǎn)品銷售的影響。

2、相關(guān)性及回歸分析

2.1 相關(guān)性分析

當(dāng)回歸模型中有兩個或兩個以上的自變量彼此相關(guān)時，回歸模型將出現(xiàn)多重共線性，得出錯誤結(jié)論，影響研究結(jié)果，因此，先進(jìn)行相關(guān)性檢驗(yàn)。

由檢驗(yàn)數(shù)據(jù)可知：成功勵志類圖書與小說，新增銷量與好評率、差評率之間存在多重共線性，無法建立線性回歸模型；經(jīng)濟(jì)類圖書的新增銷量與好評率之間相關(guān)系數(shù)為0.461，兩者之間不相關(guān)概率小于1%，好評率與差評率之間相關(guān)系數(shù)為-0.363，有輕微多重共線性，可建立模型；科普讀物的新增銷量與好評率間相關(guān)系數(shù)為0.394，兩者之間不相關(guān)概率小于1%，而好評率與差評率的相關(guān)系數(shù)為-0.451，存在多重共線性，可嘗試建立模型；童書的好評率與差評率的相關(guān)系數(shù)為-0.616，有較強(qiáng)多重共線性，不適合建立模型。

2.2 回歸分析

針對經(jīng)濟(jì)類圖書和科普讀物，運(yùn)用SPSS Statistics 17.0軟件，以新增銷量率為因變量，好評率、差評率為自變量，采用逐步回歸的方法，建立線性回歸方程。輸出結(jié)果與模型如下：

經(jīng)濟(jì)類圖書估計的線性回歸方程：

新增銷量率= -26.792+27.196*好評率

判定系數(shù)R2為0.213，說明新增銷量率取值的變差中，能被估計的回歸方程所解釋的比例為21.3%，擬合程度一般；檢驗(yàn)線性關(guān)系的F檢驗(yàn)觀察值12.707、回歸系數(shù)的t檢驗(yàn)觀察值3.565都小于臨界值，表明自變量好評率是影響因變量新增銷量率的一個顯著因素；D.W檢驗(yàn)值為2.064，不存在殘差自相關(guān)。綜上，經(jīng)濟(jì)類圖書好評率是正向影響新增銷量率的一個關(guān)鍵因素。

科普讀物估計的線性回歸方程：

新增銷量率= -19.551+19.908*好評率

雖然，經(jīng)過F檢驗(yàn)、t檢驗(yàn)，證明新增銷量率與好評率之間存在顯著的線性關(guān)系；D.W值為2.362，不存在殘差自相關(guān)；但是，判定系數(shù)R2為0.155，說明新增銷量率取值的變差中，能被估計的回歸方程所解釋的比例為15.5%，擬合程度較差。所以，只能說明好評率是正向影響科普讀物新增銷量率的一個因素。

由以上數(shù)據(jù)可知，體驗(yàn)型商品圖書的好評率對新增銷量率有正向影響，但不同種類影響程度不同，影響程度從強(qiáng)到弱為經(jīng)濟(jì)類圖書、科普讀物、童書、成功勵志類圖書、小說。這個發(fā)現(xiàn)對以后研究電子商務(wù)中，在線評論對某類商品銷售影響的樣本選取，有重要意義。

3、小說種類的問卷調(diào)查

選擇本次研究，受好評率影響程度最小的種類——小說，進(jìn)行更深一步的研究，采用問卷調(diào)查法，探尋影響商品銷售的因素。

本次研究在線上問卷星、線下人流量較大的地方發(fā)放自行設(shè)計的問卷，共收回有效問卷83份。其中，網(wǎng)購紙質(zhì)版小說的人數(shù)有71人，占總?cè)藬?shù)的85.54%，購買前參考他人評價的調(diào)查者占78.69%。

評價的最主要來源為網(wǎng)店已購者的評論或提問，說明在線評論對商品銷售有很大影響；其他來源為第三方的評價或推薦，如：微信公眾號、微博、知乎等。通過對6個影響購買決策的因素進(jìn)行排序，運(yùn)用選項(xiàng)評價綜合得分的方法得出排名：評論內(nèi)容（4.48分）、好評率差評率（4.25分）、在線評論數(shù)（3.32分）、圖書榜單排名（2.90分）、折扣等活動（2.83分）、其他（0.44分）。計算公式為：

選項(xiàng)平均綜合得分=（∑頻數(shù)*權(quán)數(shù)）?本題填寫人次

說明評論內(nèi)容與好評率差評率影響較大，其中在意的評論內(nèi)容包括：小說情節(jié)內(nèi)容占85.42%，印刷、紙質(zhì)占66.67%，物流、配送占58.33%，客服、售后僅占16.67%。說明與輔助服務(wù)相比，消費(fèi)者看重的更多還是小說文章本身。而對在線評論有很大需求的消費(fèi)者，在購買收貨后全面詳細(xì)評價或看書后追評的只占9.84%，簡單評價圖書紙質(zhì)、印刷、物流等的占70.49%，還有19.67%的不評價。

由此可以得出，影響銷售的原因較多，但在線評論無疑是一重要因素。網(wǎng)購紙質(zhì)版小說的消費(fèi)者，依靠第三方平臺的推薦，會在銷售網(wǎng)站上查找圖書，參考網(wǎng)店已購者的評價或提問的內(nèi)容，進(jìn)行最后的購買決策，但完成交易后詳細(xì)評論者較少，無法提供更多有效的在線評論。

4、結(jié)論與啟示

本文使用當(dāng)當(dāng)網(wǎng)數(shù)據(jù)，采用實(shí)證分析法，檢查新增銷量率與好評率、差評率之間的相關(guān)性，適當(dāng)建立線性回歸模型；并對相關(guān)性最小的種類，通過問卷調(diào)查，尋找在線評論的影響因素。豐富了電子商務(wù)中，在線評論對商品銷售影響領(lǐng)域的相關(guān)論述。

當(dāng)當(dāng)網(wǎng)作為一家國內(nèi)較早自營銷售圖書的網(wǎng)站，現(xiàn)在銷售、評論、物流系統(tǒng)較為成熟，其提供的信息較為有效可靠。通過本次研究可以看出，圖書作為一種體驗(yàn)型商品，不同種類的銷售量，受在線評論的影響程度不同。因此，在研究相關(guān)問題時，應(yīng)注意樣本的選取，以獲得更有效的結(jié)論。

結(jié)合本次的數(shù)據(jù)分析與調(diào)查問卷，我們可以為當(dāng)當(dāng)網(wǎng)及其他銷售平臺提出以下可行性建議：

（1）好評率是在線評論影響產(chǎn)品銷售的重要因素。因此，應(yīng)在銷售頁面，讓消費(fèi)者較容易發(fā)現(xiàn)并參考質(zhì)量較高、內(nèi)容有效的好評，如：默認(rèn)評論以評論質(zhì)量排序、消費(fèi)者優(yōu)先看到精彩評論、設(shè)置詳細(xì)評論分區(qū)等。

（2）現(xiàn)階段消費(fèi)者們詳細(xì)評價或用后追評人數(shù)較少。因此，采取措施提高好評率的同時，要增加高質(zhì)量的好評數(shù)，可采用一些激勵政策，如：超過要求字?jǐn)?shù)上傳圖片或詳細(xì)追評者贈送可兌換購物券的積分、舉辦活動給予優(yōu)秀評論者獎勵等。

（3）第三方評論也成為影響銷售的重要因素。消費(fèi)者會從微信公眾號、微博、知乎等能獲取商品信息的網(wǎng)站，搜索產(chǎn)品評論，查找適合自己的商品，產(chǎn)生購買欲望，尋找渠道進(jìn)行購買。因此在一些介紹或推薦商品的評論中，適度植入銷售鏈接，方便消費(fèi)者購買，控制宣傳成本，將能在一定程度上提高銷量獲得收益。

參考文獻(xiàn)

[1] CNNI C.2012年中國網(wǎng)絡(luò)購物市場研究報告[EB/OL]2012.

http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/dzswbg/

201304/t20130417_39290.htm

[2] 中國電子商務(wù)研究中心.2017年中國網(wǎng)絡(luò)零售B2C交易額預(yù)計

超過C2C[EB/OL]，2014.http：//b2b.toocle.com/detail-- 6215101.html

[3] Nelson P. Information and consumer behavior[J]. Journal of Political Economy，1970，78（2）：311-329

[4] 胡志海.在線評論對商品銷售影響的實(shí)證研究[J].重慶工商大學(xué)學(xué)報（自然科學(xué)版），2015，32（12）：52-55

[5] 陳在飛. 不同來源在線評論對網(wǎng)絡(luò)零售商產(chǎn)品銷量的影響研究[D].南開大學(xué)：管理科學(xué)與工程，2014.49-50

[6] 龔詩陽，劉霞，趙平.線上消費(fèi)者評論如何影響產(chǎn)品銷量？——基于在線圖書評論的實(shí)證研究[J].中國軟科學(xué)，2013，6：171-183

作者簡介：

孫克琳，中國農(nóng)業(yè)大學(xué)煙臺研究院，在校生，市場營銷專業(yè)；

張心悅，中國農(nóng)業(yè)大學(xué)煙臺研究院，在校生，市場營銷專業(yè)；

林浡夏，中國農(nóng)業(yè)大學(xué)煙臺研究院，在校生，市場營銷專業(yè)；

導(dǎo)師簡介：

李梅芳，中國農(nóng)業(yè)大學(xué)煙臺研究院，副教授，研究方向：公司理財。