外部環境變化對平臺型電子商務生態系統的影響——基于面板數據的實證研

劉愛琴，胡麗麗，許秀紅 LIU Ai-qin, HU Li-li, XU Xiu-hong

（1. 山西大學 經濟與管理學院，山西 太原030006；2. 山西國際商務職業學院，山西 太原030031）

(1. School of Economics and Management, Shanxi University, Taiyuan 030006, China； 2. Shanxi International Business Vocational College, Taiyuan 030031, China)

0 引 言

伴隨著電子商務時代的到來，阿里巴巴旗下的淘寶網搶占了大量的市場份額。2008 年，宋斐和盛振中指出，經過自然生長階段、有生態意識階段、有意識的生態建設階段，淘寶網的生態系統已經初步形成[1]。Peltoniemi 和Vuori 認為商務生態系統由占據不同“生態位”的企業組成，這些企業的生態位相互關聯，一旦其中的一個發生變化，其他相關者包括競爭者、合作者和補充者均發生變化[2]。Marco Iansiti 和Ray Levien 構建了商務生態系統理論的框架，并將商務生態系統中的“企業”按生物學物種的概念分為了三類：領導種群、關鍵種群、寄生種群[3]。參照種群生態學對企業生態系統定義，淘寶網生態系統中種群包括電子商務平臺種群、買家種群、賣家種群、供應商種群、物流服務種群、軟件服務商種群、金融機構種群等；非生物生態環境包括政策、法律、經濟、社會、技術等。盛振中認為，目前淘寶網生態系統非生物生態環境處于不斷變化之中，各種群面對的非生物生態環境充滿了不確定性，因此只有具備較強的適應能力的種群才能在優勝劣汰中存活下來[4]。

2011 年10 月10 日，淘寶商城發布了“提高技術服務年費”和“商鋪違約金全線提高”的調整，金額漲幅之大導致了眾多中小商家不滿，2011 年10 月11 日，近5 萬多名網友有組織性的對部分淘寶商城大賣家實施了“拍商品、給差評、拒付款”的惡意操作行為，嚴重破壞了淘寶網生態系統的平衡。為了分析淘寶網生態系統對于這一事件所引起的環境變化的適應能力，本文以專營3C 數碼產品的TOP20 位網商為調查對象，在惡性攻擊事件發生后的一個月內分3 次收集網商的好評率、退貨率、投訴率等數據指標。隨后，用SPSS 軟件進行基于Pearson 簡單相關系數的相關性分析，找出在此次攻擊事件中受到影響的指標中與網商績效存在強相關性的指標。最后，應用SPSS 繪出相應指標變化的線形圖，證實淘寶生態系統內各種群對非生物生態環境變化具有適應性。

事件發生之后，阿里集團從宣傳、倉儲、物流、網上銀行等各個方面做出努力，迎來了2012 年和2013 年淘寶網雙十一銷售額的新輝煌。本文統計了2012 年和2013 年的淘寶網雙十一期間所有天貓賣家的銷售額，并將之與2011 年雙十一進行比較，從而驗證了環境變化對電子商務生態系統具有積極影響。

1 數據統計與分析

1.1 理論假設。當環境變化時，商務生態系統通過其自組織，協同和自我修復能力來適應新環境。本文以淘寶網生態系統中中小型賣家惡性攻擊淘寶商城大賣家事件所引起的環境變化為契機，以月好評率、月退款率等指標的變化作為測試性計劃，來衡量淘寶網生態系統中各網商種群在受到環境威脅后的表現。各網商種群在環境變化后生態位的調整過程見圖1。

本文選取了兩次典型數據進行處理。分別是淘寶攻擊事件后的數據和2013 年雙十一的數據。為了保證數據的科學性，分別于2011 年、2012 年、2013 年的相同日期，針對淘寶網專營3C 數碼TOP20 的網店的網商績效、30 天退款率、質量問題退款次、未收到貨退款次、無理由退款次、30 天投訴率、30 天處罰數和一個月的好評、中評、差評總數等面板數據進行收集。通過相關性分析找出此次攻擊事件中受到影響同時會影響網商績效的指標，并應用SPSS 繪出線形圖，從而直觀地了解各指標在環境變化下的變化情況。

圖1 網商生態位調整過程

1.2 抽樣方法。以淘寶網上一類銷售3C 數碼產品的網商作為研究樣本。

時間方面，收集三個時段的相同店鋪的面板數據，方便進行縱向分析。銷售3C 數碼產品的淘寶網商數量很多，本文抽取了20 個銷售業績靠前的網商，但銷售業績占淘寶的50%左右，且這些網商在此次攻擊事件后均有不同程度的損失。第一次數據收集在2011 年10 月24 日（T1），隨后分別在2011 年11 月8 日（T2） 和2011 年11 月15 日（T3） 收集了兩次數據，數據通過人工采集完成。

對2012 年11 月11 日所有天貓商鋪的銷售額進行統計分析。

同樣，對2013 年11 月11 日所有天貓商鋪的銷售額進行統計分析。

1.3 變量間的相關性分析。2011 年，變量間的相關性分析結果見表1。同一變量的重復測量是顯著相關的，月好評次數與網商績效呈正相關關系，差評次數與因質量問題退款次數、未收到貨退款次數以及無理由退款次數均有較強的相關性，其相關系數都超過0.8，分別為0.843、0.894、0.807。因此可知，由于中小買家的“拍商品、給差評、拒付款”惡性攻擊行為會導致受攻擊賣家績效的降低，具體可表現為因無理由退款與差評次成正相關，因此惡意拒付款行為可導致一個月內差評次數升高，同時好評次數降低，而月好評次數與網商績效是呈正相關關系，所以網商績效會受很大影響。

表1 2011 相關性分析結果

由于2012 年沒有較大的生態系統環境的變化，其具體數據只做對比應用，不討論其相關性分析。

2013 年，變量間的相關性分析結果見表2。同一變量的重復測量是顯著相關的，月好評次數以及月中評次數的顯著性概率為0.000 和0.014，故二者與網商績效有顯著的相關關系，差評次數與因質量問題退款次數，未收到貨退款次數以及無理由退款次數均有較強的相關性，其相關系數都超過0.8，分別為0.897、0.875、0.832。（可以適當修改） 因此可知，用戶越來越重視商品質量以及物流等帶來的商品體驗，如果商品的質量有問題，多數會導致差評，同時好評次數降低，而月好評次數與網商績效是呈正相關關系，所以網商績效會受很大影響。

表2 2013 相關性分析結果

1.4 分析方法。選用SPSS 軟件對數據進行相關性及描述性統計分析，先分析出在此次惡性攻擊事件中受到影響的指標有好評率、30 天退款率、質量問題退款次、未收到貨退款次、無理由退款次和一個月的好評、中評、差評總數，通過隨后的相關性分析可知一個月的好評數、差評數以及因各種原因引起的退款都會影響網商的績效。最后通過對T1、T2、T3 時期的數據分別進行描述性統計分析，并對比了T1、T2、T3 時期月退款率和投訴率，一個月好評總數，從而驗證網商在經受惡性攻擊后，各指標漸漸趨于穩定，并向有益于整個淘寶網生態系統的方向發展。

2 研究發現

2.1 描述性統計分析。2011 年各指標在不同時間段收集數據時對應的描述性統計分析參見表3。其中，網商績效、因質量退款、未到貨退款和無理由退款的標準差都比較大，說明網商之間在這幾個指標上分布的范圍較廣。另外，好評率平均值達到99%以上，標準差最大（T3） 僅為0.00369，說明各個網商的好評率不但很高，而且差異性很小。

2013 年各指標在不同時間段收集數據時對應的描述性統計分析參見表4。其中，網商績效、因質量退款、未到貨退款和無理由退款的標準差都比較大，說明網商之間在這幾個指標上分布的范圍較廣。此外，好評率平均值達到99% 以上，標準差最大較小，說明各個網商的好評率高而且差異性小。

在2013 年11 月11 日，天貓商城的店鋪支付寶成交額突破千萬元的賣家數為504 家。其中單日單店銷量在1 億元以上的店鋪有18 家，店鋪銷量在5 000 萬元以上的43 家，成交在1 000～5 000 萬元以上的店鋪443 家。

在2012 年11 月11 日，天貓商城的店鋪支付寶成交額突破千萬的賣家數為217 家。其中單日單店銷量在1 億元以上的店鋪有3 家，店鋪銷量在5 000 萬元以上的14 家，成交在1 000～5 000 萬元以上的店鋪200 家。另外還有1 527 家店鋪的支付寶成交額在百萬元以上。

對比2011 年11 月11 日，也就是賣家受到攻擊一個月后，總共有497 家品牌店銷售突破百萬元，其中3 家品牌店銷售額破4 000 萬元。另有1 家超3 000 萬元、4 家超過2 000 萬元、38 家過1 000 萬元、75 家過500 萬元。與去年相比，銷量達千萬元以上的店鋪是去年的4.7 倍，百萬元以上銷量店是去年的3 倍。2011～2013 年銷售額對比如表5 所示。

表3 2011 描述性統計分析結果

2.2 驗證結果。通過對T1、T2、T3 時期的月投訴率、月退款率和好評率進行對比，并繪制線性圖可清楚的得出，受攻擊網商的月退款率在受攻擊后的達到一個頂點，隨后趨于下降，并在11 月份期間基本保持不變，而月投訴率由于不受惡性攻擊的影響，一直保持不變。對應的線形圖見圖2。同時，通過圖3，我們可以發現10 月24 日之后，網商的平均好評率一直處于上升階段，而且，10 月下旬的上升速度尤其驚人，這是由于生態環境受到破壞初期，網商種群體現出的強大自我修復能力。因此，我們可以得出，當環境變化時，淘寶網生態系統中的網商種群通過自組織、協同和自我修復能力來適應新環境而慢慢恢復正常，這反過來證明了生態系統內的種群具有自我修復能力。

3 結論及展望

基于電子商務生態系統和適應性相關理論，本文實證驗證了電子商務生態系統中的種群在面對非生物生態環境的變化時具有自適應性。

本文的研究結論仍然是非常局限的。比如，由于收集數據的時間、人力限制，沒有搜集所有在此次攻擊事件中受到攻擊的賣家的數據，而是選擇了主營3C 數碼的網店。本文的分析方法在文獻中未見類似報道，它將理論聯系實踐，驗證了自適應性的合理性，因此對于淘寶網生態系統的構建與發展具有重要的意義。

表4 2013 描述性統計分析結果

表5 2013 年、2012 年與2011 年銷售額對比

圖2 月退款率與投訴率線形圖

圖3 月好評率線形圖

[1] 宋斐，盛振中. 淘寶網電子商務生態分析[C]//第十三屆中國信息經濟學會學術年會論文集. 西安：陜西科學技術出版社，2008:348-356.

[2] Peltoniemi M, E Vuori. Business Ecosystem as the New Approach to Complex Adaptive Business Environments[J]. Frontiers of E-business Research, 2004(1):267-281.

[3] Marco Lansiti, Roy Levien. The Keystone Advantage[M]. Boston, Massachusetts, Harvard Business School Press, 2004.

[4] 盛振中. 淘寶網生態系統中種群成長研究[C]//第二屆網商及電子商務學術研討會論文集，2009.

[5] 劉志堅. 基于產業集群的企業生態網絡研究[J]. 經濟與管理研究，2006(1):61-64.

[6] 張真繼，張潤彤. 網絡社會生態學[M]. 北京：電子工業出版社，2008.

[7] 方薇，陳世平. 共同進化——當代企業竟爭新思維[J]. 福建論壇（經濟社會版），2000(3):22-24.

[8] 盧云. 新興電子商務生態系統及其共生模型研究[D]. 北京：北京郵電大學（碩士學位論文），2009.