價值相同產(chǎn)品的電子商務(wù)市場集中度成因研究

摘要：文章通過對淘寶網(wǎng)上銷售“金士頓 DT101 4G”的各個網(wǎng)店2010年8月份的銷售信息的收集、處理，發(fā)現(xiàn)電子商務(wù)市場微觀結(jié)構(gòu)表現(xiàn)出高度集中的特點。采用相關(guān)分析的方法，對這種現(xiàn)象形成的原因進一步分析發(fā)現(xiàn)：銷量和價格、賣家的信譽具有相關(guān)關(guān)系，尤其與賣家的信譽具有強相關(guān)性。說明電子商務(wù)市場銷量不均衡的原因是信譽反饋機制建立起來的壁壘。銷量和信譽的累積形成規(guī)模經(jīng)濟，對新進入的賣家形成壁壘，不利于電子商務(wù)市場的發(fā)展。

關(guān)鍵詞：市場集中度；電子商務(wù)市場；淘寶網(wǎng)；相關(guān)分析

一、 引言

近幾年來，電子商務(wù)市場發(fā)展迅速，以淘寶為首的電子商務(wù)網(wǎng)站迅速崛起，電子商務(wù)交易總額逐年增長。根據(jù)中國互聯(lián)網(wǎng)絡(luò)研究中心（China Internet Network Information Center，CNNIC）《2009年中國網(wǎng)絡(luò)購物市場研究報告》，截至2010年6月，總體網(wǎng)民規(guī)模達到4.2億，互聯(lián)網(wǎng)普及率攀升至31.8%，網(wǎng)絡(luò)購物用戶規(guī)模達到1.42億，滲透率高達33.8%。潛在網(wǎng)購用戶群體龐大，目前有85.7%的網(wǎng)民半年內(nèi)在網(wǎng)上查詢過商品信息，但只有26%的網(wǎng)民實現(xiàn)了網(wǎng)絡(luò)購物，說明電子商務(wù)還有巨大的發(fā)展空間。電子商務(wù)市場是個值得關(guān)注的研究領(lǐng)域。

研究市場結(jié)構(gòu)的一個重要的指標(biāo)是市場集中度。市場集中度是對整個行業(yè)的市場結(jié)構(gòu)集中程度的測量指標(biāo)，它用來衡量企業(yè)的數(shù)目和相對規(guī)模的差異，是衡量市場力量 （Market Power）最常用的指標(biāo)，它表示單個企業(yè)或少數(shù)企業(yè)控制某一產(chǎn)業(yè)價格和生產(chǎn)決策的能力（Samuelson， P.A.， Nordhaus，W.D，2005）。市場集中度包括買方集中度和賣方集中度。由于買方集中僅限于某些特殊產(chǎn)業(yè)，因此，產(chǎn)業(yè)組織理論對市場集中度的研究主要集中于賣方集中度，描述特定市場中賣者或買者的規(guī)模結(jié)構(gòu)。該問題國內(nèi)外學(xué)者進行了廣泛深入的研究，如寡頭模型（Cournot，1927）、行業(yè)集中度與贏利能力關(guān)系模型（Bain，1951； Scherer，1970）。在寡頭模型中，寡頭之間通過策略互動 （Strategic Interaction）相互勾結(jié)起來，使他們的共同利潤達到最大時，考慮到他們之間的相互依賴性，他們就會以壟斷的價格和產(chǎn)量，來贏得壟斷者的利潤。Brozen（1970）卻認為超競爭利潤（Supracompetitive Profits）不是由于壟斷造成的；集中度不是自變量而是因變量。相比于低效率的企業(yè)，高效率的企業(yè)在市場上占據(jù)較大的市場份額，贏得較高利潤的同時提高了市場集中度。

本文使用四企業(yè)集中率和八企業(yè)集中率①兩個絕對集中度指標(biāo)和基尼系數(shù)相對市場集中度指標(biāo)。絕對集中度指標(biāo)是通常用在規(guī)模上處于前幾位企業(yè)的生產(chǎn)、銷售、資產(chǎn)或職工的累計數(shù)量（或數(shù)額）占整個市場的生產(chǎn)、銷售、資產(chǎn)、職工總量的比重來表示。基尼系數(shù)是用根據(jù)洛侖茲曲線②求得的。

淘寶網(wǎng)是亞洲最大的零售網(wǎng)站，根據(jù)《2009年中國網(wǎng)絡(luò)購物市場研究報告》截止2009年底，注冊用戶1.7億，交易總額2 083億元。2009年上半年C2C網(wǎng)站上的購物支出占網(wǎng)購金額的89%，其中淘寶市場份額達76.5%，其次是拍拍網(wǎng)，占6.1%。當(dāng)當(dāng)、卓越、京東商城三個主要B2C網(wǎng)站分別以5.8%，2.2%和2.2%名列其后。淘寶網(wǎng)上集中了大量的賣家和買家，許多不同的賣家提供同樣的商品，他們之間處于競爭關(guān)系。因此，本文收集了淘寶網(wǎng)上的數(shù)據(jù)，用以研究微觀市場的結(jié)構(gòu)。

為了使不同的賣家具有可比性，選擇他們提供具有同質(zhì)性的商品為研究對象。淘寶網(wǎng)中有眾多的賣家提供同一類產(chǎn)品，本文主要研究提供同一種產(chǎn)品的不同賣家在淘寶網(wǎng)站上的市場占有率分布情況。本文定義的同一商品就是買家認為功能相同，購買前無法區(qū)別的商品。本文選擇“金士頓 DT101 4G”作為研究對象。既然是同一種商品，在買家看來，任何一個網(wǎng)店，提供的“金士頓 DT101 4G”具有相同的價值，因此，價值相同是本文研究的前提。

本文首先分析了“金士頓 DT101 4G”商品的電子商務(wù)市場結(jié)構(gòu)的特點；然后，進一步分析該商品電子商務(wù)市場結(jié)構(gòu)形成的原因；最后得出本文的研究結(jié)論。

二、 價值相同產(chǎn)品電子商務(wù)市場集中度分析

1. 數(shù)據(jù)來源③說明。筆者設(shè)計了網(wǎng)頁爬蟲收集數(shù)據(jù)，它是筆者設(shè)計的一個從網(wǎng)上獲取數(shù)據(jù)的軟件。設(shè)計思想是從一個或若干初始網(wǎng)頁的URL開始，獲得初始網(wǎng)頁上的URL，在抓取網(wǎng)頁的過程中，不斷從當(dāng)前頁面上抽取新的URL放入隊列，直到滿足系統(tǒng)的一定停止條件。使用過程是：在淘寶網(wǎng)提供的搜索引擎中，輸入搜索的關(guān)鍵詞，并設(shè)定搜索條件，搜索引擎自動生成搜索頁面的URL，這便是網(wǎng)頁爬蟲的種子。在爬蟲中輸入種子URL后，爬蟲分兩步收集數(shù)據(jù)。首先，從搜索頁面的商品列表中自動抓取各個商品頁面的地址，并保存在數(shù)據(jù)庫中。然后，從數(shù)據(jù)庫中，讀取商品頁面的地址，爬蟲自動訪問該頁面，抓取過去30天的銷售量，并保存在數(shù)據(jù)庫中。相對于手工收集數(shù)據(jù)費時費力，錯誤率高的特點，筆者設(shè)計的爬蟲收集數(shù)據(jù)具有不可比擬的優(yōu)勢。

截至2010年8月25日，共收集數(shù)據(jù)3 561條數(shù)據(jù)，手工剔除不同質(zhì)或者搭配銷售的數(shù)據(jù)66條，獲得有效數(shù)據(jù)3 495條。其中84%的賣家在30天中沒有賣出任何東西。3 495條記錄中，只有557條記錄有銷量。表1為銷售量的描述統(tǒng)計量，可以看出，銷量分布十分不均勻。

2. 市場集中度計算。根據(jù)淘寶網(wǎng)上收集的記錄，“金士頓 DT101 4G”產(chǎn)品市場中銷售量最大的四大賣家的集中度CR4=36.01%，他們分別是歡樂數(shù)碼旗艦店、飛毛腿直銷店、火盟通信和金士頓專業(yè)U盤批發(fā)零售；最大的八大賣家的集中度CR8=48.90%。見表2。

相對集中指標(biāo)基尼系數(shù)也許可以反映淘寶網(wǎng)中關(guān)于市場集中度的更多信息。基尼系數(shù)可以用來測定市場的相對集中程度。賣家按銷售量從小到大排列，計算得出基尼系數(shù)為0.969 8，說明淘寶網(wǎng)“貧富差異”巨大，市場的集中度非常高，去掉沒有賣出商品的網(wǎng)店，按557家計算，13.6%的賣家就賣出了80%的銷售額；要是按全部收索的3 495家網(wǎng)店計算，就是2.2%的賣家賣出了80%的銷售額。從圖1中可以看出，洛倫茲曲線和完全均等線所圍成的面積幾乎占據(jù)了半個正方形，可見，淘寶網(wǎng)中的市場集中度非常高。

三、 微觀電子商務(wù)市場高度集中的原因分析

1. 變量描述。研究“金士頓 DT101 4G”電子商務(wù)市場集高度集中的原因，即研究該商品銷量集中和哪些因素相關(guān)。本文收集到了價格（售價加上運費）、客戶好評率、信譽等級、信譽積分、是否加入銷保和是否加入商盟等六個與銷量可能相關(guān)的指標(biāo)。見表1。由于信譽等級不是數(shù)值型的，不方便數(shù)據(jù)處理，本文把信譽等級（REPUTION）用數(shù)值型數(shù)據(jù)描述，分為1到18級，18級為最高級，對應(yīng)crown_3；其他四個自變量是客戶好評率、價格（PRICE)、是否加入銷保（SAFE)和是否加入商盟（COALITE)等。后兩個變量不是數(shù)值型的，因此，需要轉(zhuǎn)化為數(shù)值型，用1代表加入，0代表沒加入；銷量即是因變量。對采集到的數(shù)據(jù)觀察分析，客戶好評率為99到100之間，可以認為是常量，做相關(guān)分析的時候需要剔除。根據(jù)前文分析，銷量具有高度集中的特點，不符合正態(tài)分布，因此，本文對因變量銷售量（SALES）進行了對數(shù)變換。為了防止出現(xiàn)LN（0）的情況，去掉銷量為1以下的所有樣本。對數(shù)變換后，銷售量的對數(shù)比較接近于正態(tài)分布。信譽積分（TRUST）經(jīng)過對數(shù)變換后，仍然不符合正態(tài)分布，但是，數(shù)據(jù)規(guī)律變換后比較明顯。由于收集到的樣本一部分沒有信譽積分值，因此，去掉這些樣本。最后，參與分析的有效樣本為261個。6個變量的統(tǒng)計描述見表3。

2. 相關(guān)分析。用SPSS軟件進行相關(guān)分析，結(jié)果見表4。可見，銷售量和價格、信譽等級、信譽積分相關(guān)關(guān)系顯著，與是否加入銷保和商盟相關(guān)關(guān)系不顯著。但信譽積分與信譽等級之間的相關(guān)關(guān)系尤其顯著，相關(guān)系數(shù)為0.857，這也也可以解釋。由于信譽等級與信譽積分信息具有包含關(guān)系，信譽積分到一定值就會升級信譽等級。但是，買家關(guān)注的是信譽等級，因此，對銷量直接產(chǎn)生影響的是信譽等級，從相關(guān)系數(shù)也可以看出，銷量與信譽等級相關(guān)系數(shù)是0.21，與信譽積分的對數(shù)的相關(guān)系數(shù)是0.191。因此，接下來的進行回歸分析的時候，只保留價格、信譽等級兩個自變量，LN（銷量）為因變量。

3. 回歸分析。從表5可以看出，R-squared的數(shù)值比較低（0.16），但是這比相關(guān)研究的數(shù)據(jù)（李維安、吳德勝、徐皓，2007；崔香梅、黃京華，2010）高了。單純的數(shù)字評價對銷售量的解釋是有限的，大約為20%~30% （Pavlou，P. A.， Dimoka，A，2006）。由于大容量的樣本數(shù)據(jù)，本文相信相比于其他研究，R-squared的數(shù)值已經(jīng)足夠大。

采用多元線性回歸模型進行回歸分析，LN（銷量）作為因變量，價格和信譽等級作為自變量，兩個變量都參與回歸分析，表7為多元線性回歸模型的系數(shù)，回歸系數(shù)在95%的置信度下的t檢驗值分別為7.514、5.967和4.748，通過檢驗。回歸方程：LN（SALES）=4.07-0.051*Price+0.091*REPUTION。

4. 殘差分析。從殘差統(tǒng)計量表8可以看出，標(biāo)準(zhǔn)化殘差Std. Residual的絕對值是1.515.沒有超過3，不存在奇異值。從殘差的方差奇性檢驗看，在圖2中出現(xiàn)一個分界線，在線的右側(cè)沒有規(guī)律，恰好說明銷量的截斷現(xiàn)象的存在，不能認為通過檢驗，但是，可以接受。原因是銷量盡管做了對數(shù)變換，但是，仍然不符合正態(tài)分布，即高度集中的市場表現(xiàn)出的特點。

四、 結(jié)論

淘寶市場中的“金士頓 DT101 4G”產(chǎn)品市場高度集中，銷售量最大的四大賣家的集中度CR4=36.01%，他們分別是歡樂數(shù)碼旗艦店、飛毛腿直銷店、火盟通信和金士頓專業(yè)U盤批發(fā)零售；最大的八大賣家的集中度CR8=48.90%。

“金士頓 DT101 4G”產(chǎn)品在淘寶網(wǎng)市場高度集中的原因比較簡單。研究表明：銷量和網(wǎng)店的信譽有強相關(guān)性。信譽對銷售量的解釋率遠遠高于價格對銷售量的解釋率，說明：信譽反饋體系已經(jīng)樹立起，并演化為壁壘，新的賣家想要通過以打“價格戰(zhàn)”的方式獲得市場占有率已不可能。所以高信譽的賣家會獲取巨大的市場占有率，低信譽賣家只有通過低價獲取非常小的市場占有率，甚至?xí)皇袌鰯D出。

另外，淘寶網(wǎng)搜索引擎所提供的“按銷量排序”的功能，更加強化了市場集中的趨勢。消費者會根據(jù)過去的銷量選擇買家，最后形成了“奉有余而損不足”的局面，即出現(xiàn)了銷量的“貧富分化”。盡管淘寶網(wǎng)給買家提供了信譽查詢和銷量等查詢功能，保證了消費者的利益，但是，由于早期進入者靠銷量積累、信譽積累形成規(guī)模經(jīng)濟，對新進入電子商務(wù)市場的賣家形成壁壘，不利于電子商務(wù)市場的發(fā)展。

注釋：

②洛侖茲曲線是指產(chǎn)業(yè)內(nèi)的企業(yè)規(guī)模從小到大排列后，企業(yè)數(shù)累計百分比與相應(yīng)的產(chǎn)業(yè)集中度累計百分之間關(guān)系的一條曲線。

③數(shù)據(jù)來源:http://www.taobao.com/about/intro.php。

參考文獻：

1. 中國互聯(lián)網(wǎng)絡(luò)信息中心.2009年中國網(wǎng)絡(luò)購物市場研究報告.2009.11.http://www.cnnic.net.cn/

2. Samuelson， P.A.， Nordhaus， W.D. Microeconomics (18th Edition). New York， NY: McGraw-Hill， 2005.

3. Cournot， A. A. [1838]. Recherches sur les principes mathematique de la theorie des Richesses. Translated as Researches into the Mathematical Principles of the Theory of Wealth. New York: Macmillan，1927.

4. Bain， J. S. Relationo f profitr ate to industryc on centration:A mericanm anufac-turing， 1936-1940.Quarterly Journal of Economics，1951，（65）:293-324.

5. Scherer， F. M. Industrial Market Structure and Economic Performance. Chicago: Rand McNally，1970.

6. Brozen， Y.The antitrustt ask force deconcentrationr ecommendation.J ournal of Law and Economics，1970，(13）:279-292.

7. Don E Waldman ， Elizaben J. Jensen著.李寶偉，武立冬，張云譯.產(chǎn)業(yè)組織理論與實踐.北京:機械工業(yè)出版社，2009：63-65.

8. 史忠良等.產(chǎn)業(yè)經(jīng)濟學(xué).北京：經(jīng)濟管理出版社，1998：146-147.

9. 李維安，吳德勝，徐皓.網(wǎng)上交易中的聲譽機制: 來自淘寶網(wǎng)的證據(jù).南開管理評論，2007，10（5）：36-46.

10. 崔香梅， 黃京華.信用評價體系以及相關(guān)因素對一口價網(wǎng)上交易影響的實證研究.管理學(xué)報，2010，7（1）： 50-116.

11. Pavlou， P. A.， Dimoka， A. The nature and role of feedback text comments in online market-places: Implications for trust building， price premiums， and seller differentiation. Information Systems Research，2006，17（4）：392-414.

重點項目：吉林大學(xué)“211工程”項目資助。

作者簡介：李松，管理學(xué)博士，吉林大學(xué)管理學(xué)院教授、碩士生導(dǎo)師。

收稿日期：2011-06-12。