網上商品熱銷的影響因素探析——基于分位數回歸的實證研究

周 耿

(南京大學商學院,江蘇 南京 210093)

在傳統市場中,由于商店的貨架有限,零售商為了追求最大利潤,通常將銷售資源用在小部分可能的明日之星上。只要他們準確地預測到幾種熱門商品,就可以彌補其他的虧損,并得到比例很高的收入和利潤[1]。Anderson(2006)將上述傳統渠道的戰略稱為 “大熱門”戰略,并提出了在互聯網環境下與之不同的 “長尾”理論[2]。該理論認為,網上零售市場最大的特點是非熱門產品供給與消費者需求的匹配實現了傳統零售中難以達到的高度,互聯網上熱門產品銷售所占的比例將會越來越低。根據該理論,在線企業應該實施 “長尾戰略”,即盡可能地發展非熱門產品,擴大產品種類,從而在總體上獲得更大的收益。

然而,在網上銷售的實踐中,單品 “日銷百件”甚至 “日銷千件”的案例層出不窮,熱門產品似乎變得更加暢銷。對此,Elberse(2008)和Tan、Netessine(2009)通過對部分互聯網企業的銷售數據進行分析后,得到了與長尾理論相反的結論:在互聯網上,消費者對熱門產品的消費有增無減,網上銷售越來越向少數熱門商品集中[1][3]。但在他們的研究中,并沒有揭示出少數網上商品熱銷的原因所在。本研究試圖從網上銷售的影響因素出發,通過實證研究來揭示這種現象背后深層次的原因,這不僅為少部分網上商品熱銷的現象找到理論上的解釋,還能為在線商家的戰略選擇提供更好的建議。

一、網上交易影響因素回顧與評述

(一)價格。需求定律表明,在其他條件相同的情況下,產品 (炫耀性商品和吉芬商品等除外)價格上升時,需求會減少。但在互聯網上,學者們對價格與需求 (銷售)關系的看法出現了較大的分歧。一方面,互聯網使人們低成本地獲得了產品價格信息,消費者能更容易地進行比價。從這一點來看,需求定律不僅在互聯網上繼續適用,而且價格需求彈性比傳統渠道更大[4]。另一方面,人們不僅能較容易地獲得產品價格的信息,還能識別出更多產品品質的信息。根據信息整合理論,這些品質信息的豐富導致價格在消費者決策過程中的權重變得更小,消費者對價格更加不敏感。

(二)信譽。當買賣雙方信息不對稱時,消費者無法辨別產品的好壞,存在 “逆向選擇”的問題。信譽能夠改善這種信息不對稱的情況,讓買方接收到賣方 “能提供某種品質產品”的信號?；ヂ摼W市場能使信息傳遞以較低的成本運行,具有建立信譽的顯著優勢。周黎安等 (2006)認為,好的信譽能夠打消消費者購物決策前的疑慮,從而提高消費者的購買意愿和商品成交概率[5]。李維安等 (2007)的研究也發現,商家的信譽對銷售有著顯著的正向影響[6]。

(三)保障標記。網上商店僅僅是利用網上渠道進行銷售,而支付、物流、售后服務等環節都有可能出現問題。保障標記 (Assurance Seal)就是針對上述問題設計出的一種保證賣方能按照他的承諾履約的制度安排。類似于傳統交易中的財務審計,保障標記能讓消費者只要觀察幾個關鍵的結果,就能迅速地做出商家是否值得信任的判斷。周耿等 (2010)的實證研究表明,保障標記對于產品的銷售有著明顯的促進作用[7]。

(四)口碑的評分與數量?；ヂ摼W的發展使口碑傳播具有了可存儲和穿越時空的性質,這使消費者在決策過程中能更多地考慮其他消費者的意見[8]。盡管口碑機制與信譽機制都反映了其他消費者的反饋信息,但它們的區別是明顯的:(1)口碑信息一般針對的是某種具體的產品,而信譽所指向的對象則為商家;(2)口碑信息是多項具體的流量信息,而信譽則是一項簡單而抽象的存量信息。鑒于口碑信息的這種復雜性,學者們經常采用口碑的數量和口碑的評分來對口碑進行度量。Chevalier和Mayzlin(2006)認為,口碑的量和評分的增長都能引起銷售的增長,但口碑的量對銷售的影響要大得多[9]。

在長尾理論相關的研究中,學者們過于糾纏熱門產品與非熱門產品銷售比例的變化是否符合長尾理論,而對導致這種變化微觀基礎的討論略顯不足[1][2][3][8]。另外,網上銷售的影響因素得到了較多學者的關注[4][5][6][7][9]。但這些因素對熱門和非熱門產品影響的差異并未得到足夠重視,而熱門產品銷售比例的變化很有可能是這些差異所導致的。本研究引入分位數回歸方法,將上述兩方面的研究結合起來,為揭示 “銷售向少數熱門產品集中”這一反長尾現象背后所蘊含更深層次的原因提供一定的實證支持。

二、變量與模型的設定

表1 主要變量的說明 (N=4059)

(一)變量的設定。淘寶網是中國最大的網上零售交易的平臺,2010年的交易總額達到4000億元人民幣,占我國網上零售總額的81.2%,是開展用戶網上交易行為研究的理想對象。本研究在淘寶網上選取的變量見表1所示。

(二)計量模型的設定。由于產品的熱門程度體現在產品銷售量上,銷售量的不同分位數即可較好地體現出產品熱門程度的差異。因此,我們選擇由Koenker和Bassett提出分位數回歸模型來對以上變量進行分析。參考李維安等 (2007)的研究,我們對上述變量進行對數處理后 (在變量名前加上前綴L表示),將分位數模型設定為[6]:

三、數據的獲取

我們自行開發了網絡搜索程序,于2011年1月2日以 “毛衣”為關鍵字搜索出4077個貨架。然后在1月3日到10日的1周時間內對這4077個貨架進行了跟蹤,并獲取了這些商品的價格、信譽、保障標記、口碑記錄、銷售記錄以及貨架點擊次數等數據。在此期間,有18件商品下架或受到了處罰,最終得到有效樣本4059個。隨后,我們對這些貨架的口碑記錄進行了人工編碼 (好評為1,差評為-1,其他為0),并按貨架匯總得到各貨架口碑的評分 (wom1)和口碑的數量(wom2)。對銷售記錄按照貨架進行了匯總處理,從而得到各貨架1周的銷量 (sales)。最終得到各變量的統計性描述見表2所示。

表2 主要變量統計性描述 (N=4059)

表3列出了各變量之間的相關系數,從中可以看出各自變量之間的相關系數都在0.5以下。我們對變量OLS回歸分析的VIF值介于1.08-1.69之間,該值遠遠低于判別值10。這樣我們就基本排除了模型的多重共線性。

表3 取對數后各變量之間的相關系數矩陣

四、數據的分析

我們按照 (1)式的模型,采用Stata軟件對上述變量進行了10分位 (再加上0.01和0.99這兩個分位數)的分位數回歸分析,結果見表4和圖1。由于本研究模型為雙對數模型,自變量的系數就代表了需求彈性。從Lsales對Lp的系數可以看出,價格需求彈性在0.1-0.9的分位數上的系數不僅為負值,而且都表現出0.1%的統計顯著性水平,這支持了Smith(2002)的觀點,需求定律在互聯網上仍然適用[4]。在0.1分位數時,價格每增加1%,銷量下降37%。到了0.3-0.9分位數時,價格對銷售的影響在-0.12和-0.20之間,其值相對穩定。而到了0.99分位數時,需求彈性系數不再顯著。該結果也支持了信息整合理論的推斷:對于非熱門商品,消費者能搜索到商品品質有關的信息是有限的,價格在他們的決策中具有更大的權重。相反地,對于熱門商品,由于存在足夠的品質信息,價格在他們的決策中的權重較低,導致了價格需求彈性較低。

圖1 分位數回歸結果圖示 (陰影部分表示95%的置信區間)

信譽的需求彈性在各分位數的回歸模型中,均達到了1%以上的統計顯著性水平。在0.1-0.7分位數處,信譽需求彈性在0.61-0.69之間波動。而在0.8分位數以上時,系數表現出明顯的增長趨勢。這說明產品熱門程度越高,信譽對銷售的影響越大。信譽對銷售的影響可以采用Elberse(2008)對網上交易的消費者構成進行解釋[1]。她將消費者分為重度消費者和輕度消費者兩類。與前者相比,輕度消費者除了購買次數不太頻繁外,其主要特點為沒有掌握與產品相關的知識,對商家宣傳的產品是否匹配自己的需求缺乏準確地評估。因此,輕度消費者就更加依賴商家的宣傳以及商家宣傳的可信度 (信譽)來進行決策,信譽對銷售的影響就更大。而她調研的數據表明,互聯網上熱門產品的參與者主要是輕度消費者,更加依賴信譽進行決策。這就形成了銷售增長→信譽對銷售的影響提升→銷售進一步增長的正反饋環,使得熱門產品變得更加熱門。

保障標記的需求彈性對于0.1-0.9分位數都表現出正向影響,而且在0.1%的統計水平上顯著。但與信譽的表現相反,隨著分位數的提高,其系數有著明顯下降的趨勢。從表1中可以看出,對最暢銷1%的商品 (分位數0.99),其影響力衰減到幾乎為零。這可能是由于非熱門產品的購買者主要是經常進行網上購物的重度消費者,他們對退換貨等售后服務有著更多的真實經歷,服務保障標記在他們的決策過程中就表現出更大權重[1]。

無論是口碑評分還是口碑數量,他們對銷售的影響均為正,而且在0.1-0.9的分位數上表現出0.1%的統計顯著性水平。從圖1中我們可以觀察出一個非常明顯的趨勢:隨著分位數的提高,其口碑評分和口碑數量的需求彈性在逐漸下降。對于最不熱門的10%商品,口碑評分分數和口碑數量提高1%時,需求的數量則分別增加308%和69%。這證實了Bakos(1997)的觀點,即基于網絡口碑的推薦能幫助消費者找到符合他們偏好的非熱門產品[8]。

表4 Lsales對各影響因素的分位數回歸結果 (N=4059)

點擊量對銷售的影響均為正,而且在各分位數上都達到了0.1%的統計顯著性水平。在0.1-0.4的分位數上,點擊量提高1%時,銷售數量由45%下降到了21%。而在0.5分位數以上時,點擊量提高1%,銷售數量的提升率在14%-18%之間小幅波動。這說明互聯網特有的搜索引擎營銷對非熱門產品的影響相對較大。

從各因素的系數值來看,口碑評分的需求彈性最大,而價格的需求彈性最小。在大部分分位數上,他們的差距達到了10倍以上。因此,商家更應該關注提高客戶滿意度的方法,并采取一定的措施鼓勵用戶進行文字評論,而不是盲目地采用價格戰來促進銷售。

五、研究結論與局限性

本研究通過搜索程序獲取了淘寶網4059件貨架商品1周內的銷售數據,對不同熱門程度商品需求彈性的差異進行了對比分析。我們的主要發現是:

(一)信譽對網上商品的熱銷具有加速作用。與周黎安和張維迎 (2006)提出信譽的價值在于提高成交概率不同,本研究從動態的角度揭示了信譽進一步的作用:信譽與銷售存在一個正反饋環,能加速熱門產品的銷售,使得熱門商品更加暢銷[5]。因此,實施 “大熱門”戰略的商家應該高度重視自身的信譽建設。否則,即使準確地預測到幾種熱門商品,由于低信譽導致較銷量無法進一步提升,就可能達不到潛在的銷量,甚至無法彌補其他的虧損。

(二)在非熱門商品向暢銷品轉變的過程中,完善商品品質信息的差異化策略比低價格競爭策略更加有效。一方面,產品價格的需求彈性要低于其他因素的需求彈性,價格戰不是最有效的競爭策略;另一方面,滯銷產品的價格需求彈性較暢銷品大,這可能是缺少價格以外的信息所導致的。因此,商家應該優先采取完善貨架上商品品質相關的信息,采用更多的保障標記,積極推動消費者的評論和搜索引擎推廣等競爭策略,而將價格戰作為最后的、不得已而為之的競爭手段。

(三)口碑補充的信息能幫助消費者找到不太熱門的、但更符合他們偏好的商品[8]。由于口碑在所有影響因素中的需求彈性最大,實施長尾戰略的商家要特別重視對口碑系統的投入,尤其鼓勵消費者對非熱門產品進行評論。例如,在我國最大的B2C網站——京東商城的口碑系統中,對每件商品的前5位評論者給予多倍積分的獎勵 (積分可用于下次購買商品),就在很大程度上激勵了消費者對非熱門產品的評論,從而促進了非熱門商品的銷售。

由于人工處理的工作量太大,本研究對商品圖片的吸引力、服裝的款式、品牌等因素未進行有效地控制,這有可能對分析結果帶來一定的偏差,而且時間序列數據的不足也會導致對信譽加速作用的持續性缺乏有效的驗證。在未來的研究中,除了通過改進搜索程序,加強與企業的合作,獲得更高質量的數據外,揭示信譽加速作用的微觀機理也是一個非常值得關注的研究方向。

[1]Elberse A.Should You Invest in the Long Tail?[J].Harvard Business Review,2008,86(7/8),pp.88-96.

[2]Anderson C.The Long Tail:Why the Future of Business Is Selling Less of More[M].Hyperion Press,2006.

[3]Tan T.,Netessine S.Is Tom Cruise threatened?Using Netflix Prize data to Examine the Long Tail of Electronic Commerce[C].Wharton Working Paper,2009.

[4]Smith M.D.The Impact of Shopbots on Electronic Markets[J].Journal of the Academy of Marketing Science,2002,30(4),pp.446-454.

[5]周黎安,張維迎,顧全林.信譽的價值:以網上拍賣交易為例[J].經濟研究,2006,(12):81-92.

[6]李維安,吳德勝,徐鋯.網上交易中的聲譽機制:來自淘寶網的證據 [J].南開管理評論,2007,(5):36-46.

[7]周耿,王全勝.網上交易的信譽與保障標記機制[J].當代財經,2010,(4):71-78.

[8]Bakos J.Reducing Buyer Search Costs:Implications for Electronic Marketplaces[J].Management Science,1997,43(12),pp.1676-1692.

[9]Chevalier J.A.,Mayzlin D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research,2006,43(3),pp.345-354.