電子商務(wù)視角下團(tuán)購銷售影響因素分析

李 政

（武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，武漢430072）

0 引言

隨著IT技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)商業(yè)呈現(xiàn)出了蓬勃的生機(jī)，富有極其廣闊的發(fā)展前景，電子商務(wù)也嚴(yán)重影響著人們生活和國家經(jīng)濟(jì)運行。對于在線網(wǎng)絡(luò)營銷的研究中，Z.Chen和Lurie在2013年就對Yelp.com網(wǎng)站上的餐飲評論進(jìn)行了研究，發(fā)現(xiàn)評論的數(shù)量和評論的文本長度以及評分之間有著密不可分的關(guān)聯(lián)[1]。也有研究Amazon.com和Barnesandnoble.com上書評的文獻(xiàn)，檢驗了消費者在線評論對于書籍銷售量的影響[2]。對于TripAdvisor.com上酒店數(shù)據(jù)的研究表明，用戶的評價對于酒店的訂購率也有著極為重要的影響[3]。這些在線點評還可能會影響其他消費者的購買決定，促進(jìn)商品的銷售數(shù)量[4,5]。除此之外，對于在線評論的研究領(lǐng)域中還有諸如在企業(yè)決策制定方面[6]、信息系統(tǒng)建設(shè)(Dellarocas,2003)[7]以及經(jīng)濟(jì)發(fā)展、折扣的力度，等等。

為規(guī)避樣本問卷調(diào)查易出現(xiàn)的很多虛擬假設(shè)情況，文中直接從團(tuán)購網(wǎng)站上獲取數(shù)據(jù)，采用最真實、最貼切現(xiàn)實生活的研究樣本，運用模型分析影響武漢地區(qū)餐飲類團(tuán)購銷售量的因素，判斷一款團(tuán)購產(chǎn)品的打折力度、評分高低以及評論數(shù)量的多少是否會影響該產(chǎn)品的銷售情況，并將品牌的影響因素考慮在內(nèi)，判斷一款團(tuán)購產(chǎn)品的銷量是否會因為品牌的知名與否而不盡相同。

1 模型假設(shè)

正如之前的文獻(xiàn)中所提及的，一件商品的折扣力度會影響到顧客的購買行為。當(dāng)一件商品的價格下降時，對于該商品的需求就會加大，銷量也就同時開始上升。然而即便是同一種商品打了同樣的折扣，在不同的消費者看來，其意義是不一樣的。舉例來說，一件原價2元的商品，如果現(xiàn)在進(jìn)行促銷活動，只賣1元錢。那么對于一部分消費者來說，這個折扣力度非常之大，竟然打了對折，而對于另一部分消費者來說，僅僅是便宜了1元錢而已。兩者所帶來的心理感受是有著巨大的區(qū)別的，因而消費者們也會有著自己的偏好。所以對于餐飲類團(tuán)購的經(jīng)營者來說，團(tuán)購券的銷量是衡量團(tuán)購券是否成功發(fā)行的標(biāo)桿，因此設(shè)置一個合理的折扣力度就顯得尤為重要。曾經(jīng)有一個調(diào)查結(jié)果顯示，只有大約17%的消費者是只關(guān)注折扣的下降百分比的，也就是說無論商品原來的價位有多高，只要商品價格下降的百分比足夠高，這類用戶就會選擇購買。因而本文認(rèn)為絕大部分消費者還是比較理性的，會考慮商品價格下降的絕對量。因此，本文的第一個假設(shè)如下：

H1：團(tuán)購券價格下降的絕對量相對于團(tuán)購券價格下降的百分比更能提升其銷售數(shù)量。

消費者在選擇購買團(tuán)購券時，往往會瀏覽該項團(tuán)購獲得的來自于其他用戶的一個綜合評分，尤其是在此之前也沒有類似經(jīng)驗的消費者，通常會將他人的評分作為一個參考和借鑒，來進(jìn)一步做出自己是否參與團(tuán)購的決定。曾有調(diào)查結(jié)果顯示，綜合評分在4.1～5之間的團(tuán)購券最受消費者歡迎。這表明人們在做團(tuán)購決定的時候，更傾向于那些已經(jīng)獲得較高評分的團(tuán)購券，因而本文的第二個假設(shè)如下：

H2：評分越高的團(tuán)購券，其銷售量也就越高。

與之前一個假設(shè)相同，如果消費者在先前并沒有對一家商鋪的團(tuán)購券有過購買消費的經(jīng)驗，就需要借助參考已經(jīng)有過消費經(jīng)驗的消費者的評論來做出自己的購買決定。消費者會通過觀察該團(tuán)購所獲得綜合評分來進(jìn)行判斷，同樣也會瀏覽和閱讀他人做出的評論文本，如果一項團(tuán)購的評論量足夠多，就說明該團(tuán)購的消費群體就較大，也表明該團(tuán)購的質(zhì)量還是相對而言較高的。所以本文的第三個假設(shè)如下：

H3：評價數(shù)量越多的團(tuán)購券，其銷售數(shù)量也就越多。

參與團(tuán)購的商家的品牌也是一個重要的影響因素，一些知名的強(qiáng)勢品牌，由于已經(jīng)聲名在外，有著忠誠度較高的固定消費者群體，因而如果他們的團(tuán)購折扣力度較大，雖然在短期內(nèi)會起到提升團(tuán)購券數(shù)量的效果，但是從長期來看，反而會使得自身的品牌受到損害，同時也降低了消費者的忠誠度。而那些不知名的小品牌，為了打開市場，不得不通過讓利促銷等方式來搶占市場份額。因此本文的第四個假設(shè)如下：

H4：知名品牌不需要通過加大折扣程度的方式來提升團(tuán)購券的銷售數(shù)量。

2 數(shù)據(jù)選取及模型的統(tǒng)計分析

2.1 數(shù)據(jù)收集及變量設(shè)定

數(shù)據(jù)取自武漢地區(qū)的大眾點評網(wǎng)餐飲類團(tuán)購券，據(jù)有關(guān)統(tǒng)計數(shù)據(jù)顯示，截止到2014年第四季度為止，大眾點評網(wǎng)上每個月的活躍用戶數(shù)約為1.9億，每月的綜合瀏覽量，包括網(wǎng)站及各類移動設(shè)備，超過120億，發(fā)出的點評數(shù)量超過6000萬條，商家的登記數(shù)量超過1200萬。這就提供了一個極為豐富的數(shù)據(jù)資料庫，如此大量而又完整的信息，為研究提供了切實的保證。使用的數(shù)據(jù)包括每項團(tuán)購券的店名名稱、商品原價、商品團(tuán)購價格、銷售數(shù)量、評論數(shù)量以及評分。并將團(tuán)購券的銷售數(shù)量用Sales表示，團(tuán)購券的評論數(shù)量則用ReviewNum表示，團(tuán)購券獲得的評分用Rating表示。將商品的原價減去團(tuán)購價格作為團(tuán)購券價格下降的絕對量，用PriceChange(absolute)來表示，將商品原價減去團(tuán)購券價格之差再除以商品原價作為團(tuán)購券價格下降的百分比，用PriceChange（%）表示。將知名的強(qiáng)勢品牌賦值為1，不知名的品牌賦值為0，用Brand表示，見表1所示。

表1 變量說明表

2.2 數(shù)據(jù)統(tǒng)計及回歸分析

研究的樣本來源自大眾點評網(wǎng)上武漢地區(qū)的餐飲類團(tuán)購數(shù)據(jù)，共有2000余條數(shù)據(jù)，具體的統(tǒng)計量表如表2所示。

表2 變量統(tǒng)計表

由表2我們可以發(fā)現(xiàn)，各變量的最大值和最小值之間的差值是非常驚人的。

使用R軟件做各變量之間的相關(guān)性分析，結(jié)果如表3所示。

表3 相關(guān)系數(shù)表

由表3可知，各變量間的相關(guān)系數(shù)值都沒有超過0.75，所以它們之間并沒有很明顯的線性相關(guān)，因而可以繼續(xù)做下一步的回歸分析。

根據(jù)上文的H1、H2以及H3，建立如下方程：

Sales=α0+α1ReviewNum+α2Rating+α3priceChange(absolute)+α4PriceChange(%)

使用R軟件來計算方程結(jié)果如表4所示。

表4 運行結(jié)果一

由表4可知，除了PriceChange（%）這個變量是不顯著的，其余各變量對于團(tuán)購券的銷量都呈現(xiàn)出顯著正相關(guān)，這個結(jié)果驗證了H1、H2以及H3。說明如果一款團(tuán)購所獲得的評分越高，那么消費者對與該團(tuán)購也就更信賴，購買的傾向也就相對較高。同樣，如果一款團(tuán)購券的評論數(shù)量越高，那么說明已經(jīng)有數(shù)量可觀的消費者對于該商品有過了體驗，也從另一個角度說明了該商品為大多數(shù)人所接受，因而值得購買，從而提升了該團(tuán)購券的銷售數(shù)量。團(tuán)購券價格下降的百分比對銷售量并沒有影響，這說明大部分的消費者還是偏向于理性的，并不會因為價格大跳水而進(jìn)行不理性消費。

使用Step{}命令對上述方程進(jìn)行分布回歸，在剔除變量PriceChange（%）后，整個方程的AIC值得到了改善，由-85.37變成了-87.96。進(jìn)一步把品牌因素放入到模型中，將那些知名的強(qiáng)勢品牌設(shè)定為1，不知名品牌設(shè)定為0作為基準(zhǔn)組，把品牌因素作為調(diào)節(jié)變量放入到方程中進(jìn)行計算，具體結(jié)果如表5所示。

表5 運行結(jié)果二

由表5可知，一款團(tuán)購所獲得的評分和評論數(shù)依舊與其的銷售量成正相關(guān)關(guān)系，這與之前的運算結(jié)果相一致。以非知名品牌作為基準(zhǔn)組，知名品牌與降價絕對量的交叉項與銷售量為顯著負(fù)相關(guān)，也就是對于知名品牌來說，降價還會減少其團(tuán)購券的銷售數(shù)量。因而H4也成立。再運行R軟件中的glmrob{}命令來做魯棒性檢驗，計算結(jié)果表明該模型是穩(wěn)定的，見表6所示。

表6 魯棒性檢驗

3 結(jié)論與建議

依據(jù)研究結(jié)論，銷售團(tuán)購券的商家可以通過折扣促銷的手段提高團(tuán)購券的銷售數(shù)量，但是折扣的力度最好不要過大，而且最好在團(tuán)購券上標(biāo)明具體的降價金額，這比標(biāo)明降價的百分比更有效。

用戶評論的數(shù)量以及消費者給出的評分也會給團(tuán)購券的銷售量帶來極大的影響，由于是顯著的正相關(guān)關(guān)系，這表明消費者對于這兩者是非常關(guān)注的，因而用戶評論數(shù)量的上升以及評分的提高都會給商家?guī)砬袑嵉睦妗Ｒ虼宋錆h地區(qū)的餐飲類網(wǎng)絡(luò)團(tuán)購商家應(yīng)當(dāng)設(shè)置一定的激勵措施，使得用戶在消費完團(tuán)購券后積極發(fā)表評論，這一點可以向京東網(wǎng)上商城學(xué)習(xí)，在京東商城上發(fā)表一條商品評論可以獲得20個京東豆，京東豆又可以直接抵現(xiàn)消費，這就大大提升了用戶發(fā)表評論的可能性。同樣，武漢地區(qū)的餐飲類網(wǎng)絡(luò)團(tuán)購商家也需要通過一定的方式引導(dǎo)消費者在打出評分的時候給出一個盡可能高的分?jǐn)?shù)，讓消費者盡量給出正面的評價。而對于那些有著給出負(fù)面評價的消費者，則應(yīng)當(dāng)采取措施進(jìn)行安撫，以此來提升商家的信譽(yù)和口碑。而這一點的話，可以向淘寶網(wǎng)上的店家學(xué)習(xí)，有不少的店家會在顧客給出5分好評后進(jìn)行適當(dāng)?shù)莫剟睿绶惮F(xiàn)或者贈送小禮品。這些都是值得大眾點評網(wǎng)上餐飲類網(wǎng)絡(luò)團(tuán)購商家思考和借鑒的。

對于比較知名的強(qiáng)勢品牌，降價雖然可以提升團(tuán)購券的銷售量，但是也會由于損害了品牌價值而帶來負(fù)效應(yīng)，所以這些知名的強(qiáng)勢品牌就需要設(shè)置一個合理的降價幅度，既可以最大限度的增加團(tuán)購券銷量，又不至于嚴(yán)重?fù)p害品牌榮譽(yù)。而對于那些不知名的小品牌，則可以通過大打價格戰(zhàn)來促進(jìn)團(tuán)購券的銷售數(shù)量，并進(jìn)一步搶占市場份額。

作為一家致力于從事本地餐飲類網(wǎng)絡(luò)團(tuán)購的網(wǎng)站來說，大眾點評網(wǎng)有著比那些全國性團(tuán)購網(wǎng)站更高的可信度和影響力，本文的研究結(jié)果顯示，餐飲類團(tuán)購的用戶評論以及營銷策略的制定仍然有著巨大的提升空間。大眾點評網(wǎng)武漢地區(qū)的餐飲類團(tuán)購商家應(yīng)該發(fā)揮更大的主觀能動性，充分挖掘潛在的巨大的消費者群體，開拓市場，借鑒其他網(wǎng)站已有的經(jīng)驗，豐富自身的網(wǎng)絡(luò)營銷手段，達(dá)到消費者、團(tuán)購網(wǎng)站以及團(tuán)購券商家三方共贏的最佳局面。

[1]Chen Z,Lurie N H.Temporal Contiguity and Negativity Bias in the Impact of Online Word of Mouth[J].Journal of Marketing Research,2013,50(4).

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

[3]Sia C L,Lim K H,Leung K,et al.Web Strategies to Promote Internet Shopping:Is Cultural-Customization Needed?[J].MIS Quarterly,2009,33(3).

[4]Clemons E K,Gao G G,Hitt L M.When Online Reviews Meet Hyper Differentiation:A Study of The Craft Beer Industry[J].Journal of Management Information Systems,2006,23(2).

[5]Zhu F,and Zhang X.Impact of Online Consumer Reviews on Sales:The Moderating Role of Product and Consumer Characteristics[J].Journal of Marketing,2010,74(2).

[6]Chen Y,Xie J.Online Consumer Review:Word-of-Mouth As A New Element of Marketing Communication Mix[J].Management Science,2008,54(3).

[7]Dellarocas C.The Digitization of Word of Mouth:Promise and Challenges of Online Feedback Mechanisms[J].Management Science,2003,49(10).