C2C電子商務賣家及其產品成交量的多層線性影響分析

甘 平 莫玲娜

一、引 言

網上購物的便利性和低成本等優點，促使網上購物的網民越來越多，網購已成為人們一種新的生活方式。影響產品成交量的因素不僅是多方面的而且是多層次的，如果我們能清晰地了解到哪些因素對產品的成交量是重要的，哪些是次要的，商家就可以采取相應措施，制定相應策略，提高產品的產品成交量。

二、模型選取與假設

1.模型構建

影響成交量的因素有很多，本文認為成交量的重要影響因素有產品水平上的價格，信息描述，默認排名，以及商家水平上的賣家信用度和賣家好評率。據此本文選取了四種多層線性模型對影響成交量的因素進行分析，這四種研究模型是零模型，隨機系數模型，截距預測模型和斜率預測模型。

（1）零模型

在多層線性模型的研究分析中，本研究推論產品水平和商家水平的變量會對產品的成交量產生直接效果的影響。為了驗證本研究假說，研究將變量的變異成分分為組內變異和組間變異兩部分，且組間變異必須不為0。用來確認各產品的成交量是否會因為總體層次的不同而有所差異。

零模型的估計具有以下目的：考驗各組之間是否有差異，估計總變異中有多少變異是由組間的變異所造成、以及提供初步信息，以作為進一步分析其他模型時的比較基礎。在本模型研究，主要弄清以下問題：

①不同商家在成交量上是否有顯著差異？

②成交量的總變異中有多少的百分比是由于商家間的變異所造成的？

（2）隨機系數模型

各個商家的因素對成交量的影響力是不同的，故定義隨機系數模型，以確定水平1的那些回歸系數在水平2上是隨機變異的。用產品價格、信息描述和默認排名作為自變量，產品成交量作為因變量建立的不包括第二層預測變量的二層線性隨機系數回歸模型。主要弄清一下問題：

①54個商家所形成的54條回歸方程式的平均截距（各商家平均成交量的平均值）以及平均斜率（價格，信息描述和默認排名對成交量影響的平均值）為多少。

②上述54條回歸方程式中，彼此的截距（各商家平均成交量）和斜率（價格，信息描述，默認排名對成交量的影響）是否有差異。

（3）截距預測模型

該模型檢測截距項的存在是否可由第二層次上的變量（即賣家信用度和賣家好評率）加以解釋，希望弄清下面的問題：

①賣家信用度和賣家好評率是否會影響產品成交量？

②除去賣家信用度和賣家好評率所能解釋的變異量之后，成交量是否仍然會有顯著的差異?

（4）斜率預測模型

由以上建立的隨機系數回歸模型，可知道不同商家的斜率是否存在顯著差異。本研究進一步分析斜率的變異成分是否可由第二層（商家水平）的變量所解釋。希望弄清的問題：

①賣家信用和賣家好評率是否可以解釋第一層次斜率的變異成分？

②如果問題（1）成立，則解釋量有多少？

3.研究假設

本文提出如下假設：

（1）不同商家之間的成交量具有明顯的差異。

（2）價格與成交量成負相關，價格越低，成交量越大。

（3）信息描述與成交量的關系式正相關，信息描述越詳細，成交量越大。

（4）默認排名與成交量成正相關的關系，默認排名得分越高，成交量越大。

（5）賣家信用度影響產品成交量。加強信息描述與成交量的正向關系，對價格和成交量的關系也產生影響。

（6）賣家好評率對產品的成交量產生正向影響，加強價格和成交量的負相關系，加強產品信息和成交量的正向關系。

三、數據與數據處理

1.數據收集

（1）樣本

本研究的研究對象是淘寶網上加入消費者保障計劃的商家與其產品。產品和商家的相關屬性有很多，譬如產品價格，產品收藏人氣，產品瀏覽量，產品默認排名，產品信息描述，產品數量，賣家信用度，賣家好評率，買家信用度，買家好評率等。本研究探討的是成交量的影響因素，收集數據的時候挑選了消費者購物最可能考慮的產品價格，產品信息描述，產品默認排名，賣家信用度和賣家好評率五個因素。收集數據時，商家選取按商家等級進行。淘寶網商家等級分為紅心，鉆石，皇冠，金冠四種等級，其中每個等級又分為5個小等級，金冠等級比皇冠高，皇冠等級比鉆石高，鉆石等級比紅心高，而同一等級（譬如同為金冠等級），5級又比1級高。等級越高，賣家信用度越高。等級劃分參考表1：

表1 淘寶店鋪信用等級表

樣本1：為了減少分析時的誤差，數據收集時，選取的商家剔除了最低級別的“紅心”等級和最高級別的“金冠”等級，在“鉆石”和“皇冠”等級中選取。其中1鉆商家5個，2鉆1個，4鉆商家9個，1皇冠商家15個，3皇冠商家7個，4皇冠3個，5皇冠商家14個，合計商家54個。

樣本2：產品的選取按網上商品類型進行。網絡商品類型分為搜索型、體驗I型（非耐用品，如服飾等）、體驗II型（耐用品，如手機等）、信任型4大類。

在樣本1所選取的商家中，選取合適的商品。搜索型產品61條數據，體驗I型的產品171條數據，體驗II型的產品101條數據，信任型的產品138條數據。

手工收集的部分原始數據如下：

表2 搜索型產品部分原始數據

80 10 66642 99.94 2 5.00 80 10 70544 99.94 19 7.20 50 89 19672 100.0 2 8.00 50 66 19455 98.74 150 9.88 50 71 14623 99.84 6 9.90 80 98 325177 99.85 3 14.00 60 62 4698 99.87 2 5

表3 體驗I型產品原始數據

表4 體驗II型產品原始數據

表5 信任型產品原始數據

（2）變量的初步篩選

參考以往關于影響消費者網上購物因素的結論，初步確定了影響產品成交量的產品水平變量和商家水平變量，如下：

產品水平變量：產品價格，產品信息描述，產品默認排名

商家水平變量：賣家信用，賣家好評率

產品成交量、產品價格、產品瀏覽量、賣家信用、賣家好評率的數據可以通過軟件在淘寶網上直接抓取，但產品信息描述無法直接獲取數據，所以本研究設計了產品信息描述的評分標準，具體情況如下：

表6 產品信息描述評分標準

統計完后，將產品的功能說明，使用說明，常見問題處理，照片說明，其他信息的得分相加，就是該產品的信息描述得分。

產品的默認排名是按百分制根據每個產品的默認排名評分。默認排名第一，則該產品默認排名得分為100，默認排名第二，則該產品默認排名得分為99，如此類推，默認排名第100位則得分為0分。

（3）原始數據初步處理

本研究采用采用手工方式進行原始數據的收集，用excel表儲存數據，用SPSS對數據進行標準化。在本研究中，成交量，價格，好評率三個因素采用的是網站收集的原始數據，信息描述和默認排名是根據一定的評分指標收集的，賣家信用在進行分析前用SPSS進行了T分數處理。本研究運用SPSS16.0和HLM6軟件進行所有的統計分析。

2.數據處理及模型優化分析

（1）樣本描述性信息

表7 數據描述性信息

（2）零模型的數據處理

表8 零模型的結果摘要表

（3）隨機系數回歸模型數據處理

表9 隨機系數模型的結果摘要表

默認排名對成交量的影響，γ30 0.240224 0.165739 1.449 0.153隨機效果 方差分量 自由度 x2 P值成交量， μ0j 1182.92881 36 232.27924 0.000價格對成交量的效果， μ1j 0.02345 36 50.36596 0.056信息描述對成交量的效果，μ2j 10.20405 36 230.80740 0.000默認排名對成交量的效果，μ3j 1.17707 36 203.94381 0.000階層一效果， μij 2823.76038

從表9可以看出，價格的相關系數為β=0.006732，P=0.816＞0.05，默認排名的相關系數 為β=0.240224，P=0.153＞0.05。

在該模型中，價格和默認排名對成交量的影響不顯著。在此基礎上調整隨機系數回歸模型，對隨機系數回歸模型進行優化，將默認排名的隨機部分固定為常數，優化后的模型如下：

該模型的最大特點是默認排名的隨機部分固定為定值，即是說默認排名在不同商家水平上沒有明顯的差異。

優化后的模型運行結果如表10：

表10 隨機系數模型的結果摘要表

（4）截距預測模型數據處理

截距預測模型研究的主要問題是賣家信用度和賣家好評率是否會影響產品成交量，除去賣家信用度和賣家好評率所能解釋的變異量之后，成交量是否仍然會有顯著的差異。該模型有模式1和模式2兩種模型，模式1先考慮賣家信用度是否會影響產品的成交量，模式2在模式1的基礎上加進變量賣家好評率，進行進一步的探討。模式1的處理結果如表11：

表11 截距預測模型模式1運行結果摘要表

表12 截距預測模型模式2運行結果摘要表

（5）斜率預測模型

斜率預測模型模式1的結果運行結果見表13：

表13 截距預測模型模式2運行結果摘要表

從表13可以看出，賣家信用度對價格和成交量的關系影響不顯著（β=0.000580，p=0.800），并減弱價格和成交量的負向關聯程度。即賣家好評率對價格和成交量的影響也不顯著（β=-0.044278，p=0.246）。這樣的結果顯然是不符合實際的，優化斜率預測模型模式1，得到優化后的模型。

優化后的斜率預測模型模式1：

優化后的斜率預測模型模式1的運行結果如表14：

表14 優化后的斜率預測模型模式1的結果摘要表

從表14可以看出，優化后的模型，賣家好評率對價格和成交量的負向相關關系產生顯著的影響（β=-0.038217，p=0.008）。賣家好評率系數的符號與價格系數的符號相同，表示賣家好評率加強價格和成交量的關聯程度。

在優化后斜率預測模型模式的基礎上，優化斜率預測模型模式2，得到以下模型。

優化后的斜率預測模型模式2：

優化后的斜率預測模型模式2的運行結果如表15。

表15 優化后的斜率預測模型模式2的結果摘要表

從表15，可以看出賣家信用度對信息描述和成交量的關系產生顯著影響（β=0.120227，p=0.023），加強信息描述和成交量的正向關聯程度。賣家好評率對信息描述和成交量的關系也產生顯著的影響（β=0.693421，p=0.015）。賣家好評率系數符號為正，與信息描述的系數符號相同，加強信息描述和成交量的正向關聯程度。

在優化后的斜率預測模型模式2的基礎上，優化斜率預測模型模式3。在第一層加入默認排名變量時，要注意優化后的隨機系數回歸模型中，驗證了默認排名在不同商家之間沒有顯著的差異。所以在優化后的斜率預測模型模式3將默認排名的系數設定為固定值。

優化后的斜率預測模型模式3：

優化后的斜率預測模型模式3的運行結果見表16。

表16 優化后的斜率預測模型模式3的結果摘要表

賣家好評率影響， γ11 -0.053333 0.017041 -3.130 0.003信息描述對成交量截距， γ20 1.234759 0.365825 3.375 0.002賣家信用度影響， γ21 0.109876 0.048911 2.246 0.029賣家好評率影響， γ22 0.599006 0.256154 2.338 0.023默認排名對成交量截距， γ30 0.289885 0.188359 1.539 0.124隨機效果 方差成分 自由度 x2 p值商家效果， μ0j 914.41831 41 124.20061 0.000價格對成交量的效果， μ1j 0.00147 42 15.02084 ＞.500信息描述對成交量的效果，μ2j 6.03405 41 86.06587 0.000層次一的效果， μij 4092.41114

四、結 論

1.零模型結論分析

從表8中可看出最大概似估計的結果中，各商家成交量平均數估計值是20.144199，估計標準誤是5.801820。商家間的方差分量達0.01的顯著水平，代表各商家在成交量上有顯著的差異。由商家間變異（τ00）與產品水平上的變異（σ2）可以算出內在組別相關系數

代表成交量的總變異中，有14.9203%是由商家所造成的。另外，各個商家的樣本平均數的信度計算公式為：

整體信度指標，為各個商家樣本平均數的信度估計值的平均數：

本研究共有411個樣本，根據公式（5.2）和（5.3），計算出λ＾=0.332264，表示以各個商家的樣本平均數估計值作為真實商家平均數的指標時，可信度不高。

2.隨機系數模型結論分析

從表10可以看出成交量的總平均值為19.595359，標準誤為5.522514，與表 4.11中的20.144199相當接近。產品價格是一個顯著的負向因子，對成交量有顯著的負向影響（β=-0.044756，P=0.003）。在保持其他變量恒定的情況下，價格每增加一個單位，成交量就平均減少0.044756個單位。這意味著價格是有效預測成交量的變量。信息描述是一個顯著的正向預期因子，對成交量有正向影響（β=1.349501,P=0.04）,在其他變量恒定的情況下，信息描述每增加一個單位，成交量就平均增加1.349501個單位。從表中可以看出，默認排名對成交量的影響不顯著（β=0.301158，P=0.112＞0.05）。價格和信息描述能解釋成交量變異的百分比=（5588.36 120-4051.28044）/5588.36120=27.51%。

3.截距預測模型結論分析

從表11可以看出，賣家信用度對成交量有顯著的影響（T=2.239,P=0.029），賣家信用度所能解釋的成交量變異的百分比=

然而，當去掉賣家信用度所能解釋的變異量29.81%之后，各商家的成交量仍有顯著差異（τ00=687.86646，df=52,X2=95.74230,P＜0.01）。此表示成交量上的差異，尚待其他變量來解釋。此時=0.1096。即賣家信用度對成交量總體變異的解釋量為10.96%。

從表12可以看出，賣家好評率對成交量有顯著的影響（T=2.230,P=0.030），賣家好評率和賣家信用度所能解釋的成交量變異的百分比=

然而，當去掉賣家信用度和好評率所能解釋的變異量之后，各商家的成交量仍有顯著差異（τ00=690.94054，df=52，X2=93.57749,P＜0.01）。此表示成交量上的差異，尚待其他變量來解釋。此時1098。即賣家信用度和賣家好評率對成交量總體變異的解釋量為10.98%。

在這模型中，考慮了賣家好評率對成交量的影響，解釋量由原來的10.96%變成現在的10.98%，說明賣家好評率確實對成交量產生影響。

4.斜率預測模型

從表16可以看出賣家信用度會對信息描述與成交量的正向關系產生顯著的影響（β=0.109876，p=0.029）。在其他變量恒定的情況下，賣家信用度每增加一個單位，信息描述對成交量的影響（斜率）就增加0.109876個單位 。賣家好評率加強價格和成交量的關聯強度，在其他變量恒定的情況下，賣家信用度每減少一個單位，價格對成交量的影響（斜率）就減少0.053333個單位。賣家好評率加強信息描述與成交量的正向關聯，在其他變量恒定的情況下，賣家信用度每增加一個單位，信息描述對成交量的影響（斜率）就增加0.599006個單位。

從表10和表16中提取數據，可以計算出商家變量所解釋的方差成分和比例，詳細見表17。

表17 商家水平上的影響因素所解釋的方差成分和比例

表17顯示了商家水平上的變量對不同變異所解釋的方差比例，價格和成交量的關系在不同商家之間的變異有59.8361%被賣家信用度變量解釋；信息描述和成交量的關系在不同商家之間的變異有18.7268%被賣家信用度和賣家好評率解釋。

［1］中國網絡購物行業發展報告簡版 2008-2009.

［2］劉紅云，孟慶茂.教育和心理研究中的多層線性模型.心理科學進展.2002（10）2:213-219

［3］林豐勛.心理學縱向研究方法的新進展.濟南大學學報.2005，15（5）：492-431

［4］張雷，雷靂，郭伯良，多層線性模型的原理及應用，教育科學出版社，2003

［5］吳佩勛，黃永哲,電子商務網站客戶購買意愿影響因素研究——以中國電信電子商務網站為例，中山大學學報（社會科學版），NO.32oo6，Vo1.46，GeneralNo.201

［6］胡志明，以淘寶網為例分析國內C2C發展狀況及發展趨勢，中國新科技新產品，2008NO.07（下）