公開(kāi)商品評(píng)價(jià)對(duì)銷售的影響研究
——產(chǎn)品評(píng)價(jià)的策略性展示

孫佳圣

(中央財(cái)經(jīng)大學(xué) 中國(guó)金融發(fā)展研究院 北京 100081)

公開(kāi)商品評(píng)價(jià)對(duì)銷售的影響研究
——產(chǎn)品評(píng)價(jià)的策略性展示

孫佳圣

(中央財(cái)經(jīng)大學(xué) 中國(guó)金融發(fā)展研究院 北京 100081)

如今，很多互聯(lián)網(wǎng)零售商允許消費(fèi)者在其網(wǎng)站上作出產(chǎn)品評(píng)分。一些賣方只公布平均評(píng)分，而其他一些賣方則選擇同時(shí)公布平均評(píng)分和評(píng)分分布。在本文中，我們通過(guò)博弈論模型框架來(lái)探討這些賣方的動(dòng)機(jī)策略。通過(guò)分析評(píng)分分布對(duì)產(chǎn)品售價(jià)和銷售額的影響，我們著力刻畫公布評(píng)分分布使賣方獲利的條件。結(jié)果表明，價(jià)格隨著評(píng)分方差的上升而上升，而需求則可能上升也可能下降。因此，隨著方差的變動(dòng)，利潤(rùn)呈U型變化。然后，我們從固定價(jià)格市場(chǎng)(電影市場(chǎng))收集數(shù)據(jù)，并找出實(shí)證證據(jù)來(lái)支持我們的理論預(yù)測(cè)。

消費(fèi)決策；方差分析；產(chǎn)品評(píng)分；網(wǎng)絡(luò)零售

一、引言

網(wǎng)絡(luò)上的產(chǎn)品評(píng)分和評(píng)論已經(jīng)成為影響消費(fèi)者購(gòu)買決策的一個(gè)決定性因素。學(xué)者們已經(jīng)證明產(chǎn)品評(píng)分對(duì)線上產(chǎn)品銷售[1-2]和線下產(chǎn)品銷售[3-5]都有巨大的影響。

雖然產(chǎn)品評(píng)分的戰(zhàn)略重要性已得到廣泛認(rèn)可，但是人們對(duì)賣方應(yīng)該如何很好地組織產(chǎn)品評(píng)分卻知之甚少。特別是一些互聯(lián)網(wǎng)零售商選擇公開(kāi)評(píng)分分布而其他賣方則選擇只公開(kāi)平均評(píng)分。以美國(guó)10大互聯(lián)網(wǎng)零售商為例，其中5家賣方(Staples, Dell, Apple, Office Depot和 OfficeMax)只公開(kāi)了每項(xiàng)產(chǎn)品的平均評(píng)分。而其他4家賣方(Amazon, Walmart, Sears 和Best Buy)公布了每項(xiàng)產(chǎn)品的評(píng)分摘要柱形圖，每個(gè)柱形圖顯示消費(fèi)者評(píng)分的數(shù)量或百分比數(shù)，顯示為1、2、3、4、5星，柱形圖通常會(huì)被張貼在產(chǎn)品主頁(yè)的顯著位置[6]。

當(dāng)不提供這樣的柱形圖時(shí)，消費(fèi)者很難得到產(chǎn)品評(píng)分的具體分布。鑒于摘要柱形圖使消費(fèi)者的購(gòu)買決定更加有據(jù)可依且不會(huì)花費(fèi)消費(fèi)者什么成本，它看起來(lái)是賣方一個(gè)非常有吸引力的選擇。然而，正如我們上面提到的，許多大型賣方選擇不對(duì)外公布。賣方不公布評(píng)分分布可能有兩種原因：他們可能只是沒(méi)有認(rèn)真考慮過(guò)公開(kāi)評(píng)分分布的具體好處，或者他們認(rèn)真做過(guò)策略分析并且相信不公布評(píng)分分布能夠幫助他們?cè)黾永麧?rùn)。

在本文中，我們通過(guò)博弈論模型框架來(lái)探討這些賣方的動(dòng)機(jī)策略。通過(guò)分析評(píng)分分布對(duì)產(chǎn)品售價(jià)和銷售額的影響，我們著力刻畫公布評(píng)分分布使賣方獲利的條件。

本文首先對(duì)基于風(fēng)險(xiǎn)中性消費(fèi)者的基準(zhǔn)模型[7]進(jìn)行闡述。并在此基礎(chǔ)上創(chuàng)新的引入一個(gè)不可觀測(cè)的方差來(lái)拓展基準(zhǔn)模型，并將該模型得到的結(jié)果與基準(zhǔn)模型進(jìn)行比較。比較的結(jié)果表明，一個(gè)電子零售商在隱藏評(píng)分柱形圖時(shí)，就應(yīng)該降低小眾產(chǎn)品的價(jià)格或者提高主流產(chǎn)品的價(jià)格。邏輯如下：當(dāng)消費(fèi)者沒(méi)有觀察到小眾產(chǎn)品的高方差時(shí)，他們可能根本不會(huì)將其認(rèn)作小眾產(chǎn)品，賣方不能再對(duì)潛在消費(fèi)者實(shí)施市場(chǎng)撇脂定價(jià)策略，因此最好降低價(jià)格。另一方面，當(dāng)消費(fèi)者沒(méi)有觀察到主流產(chǎn)品的低方差時(shí)，他們可能不再確信這是一個(gè)好的選擇。賣方將不能大范圍出售產(chǎn)品，只能通過(guò)提高售價(jià)來(lái)鎖定一個(gè)較小范圍的消費(fèi)者群體。

極端方差幫助賣方對(duì)市場(chǎng)上的產(chǎn)品建立清晰的產(chǎn)品形象。若平均評(píng)分相同，相比被我們稱作“普通”產(chǎn)品、具有中等水平方差的產(chǎn)品，具有極低方差或極高方差的產(chǎn)品獲得的利潤(rùn)更高。因此，當(dāng)一個(gè)電子零售商預(yù)期其產(chǎn)品大多數(shù)為小眾產(chǎn)品或主流產(chǎn)品而不是普通產(chǎn)品時(shí)，應(yīng)盡量提高產(chǎn)品方差。

我們選擇電影行業(yè)作為實(shí)證數(shù)據(jù)來(lái)源主要有以下幾個(gè)原因：首先，就我們研究的同一種類產(chǎn)品來(lái)講，電影作為一種商品，其多樣性可以滿足樣本容量；其次，電影的銷售容易被明顯的分為包括第一階段影評(píng)家進(jìn)行評(píng)分，第二階段消費(fèi)者購(gòu)買的兩個(gè)階段；最后，在跨5年的樣本中，電影票售價(jià)基本保持系統(tǒng)性穩(wěn)定，便于分析。通過(guò)以下實(shí)證檢驗(yàn)，我們找到了與關(guān)于需求會(huì)如何根據(jù)評(píng)分方差作出變動(dòng)的模型預(yù)測(cè)相互一致的實(shí)證證據(jù)。首先，我們采用基準(zhǔn)模型，引入一個(gè)固定價(jià)格，用電影行業(yè)來(lái)檢驗(yàn)預(yù)測(cè)效果。特別是，我們研究放映前影評(píng)家評(píng)分對(duì)影片首日票房收入的影響。實(shí)證結(jié)果表明，第一影評(píng)家評(píng)分均值和標(biāo)準(zhǔn)差的交叉項(xiàng)具有極強(qiáng)的解釋力，第二引入交叉項(xiàng)使得評(píng)分均值和標(biāo)準(zhǔn)差更加顯著。根據(jù)我們的估計(jì)，當(dāng)平均評(píng)分低于100分制中的57分時(shí)，更高的標(biāo)準(zhǔn)差會(huì)增加首日票房收入，這對(duì)于樣本集中57%的電影來(lái)說(shuō)都是正確的。

綜上所述，本文創(chuàng)新地研究了商品評(píng)價(jià)方差與價(jià)格的關(guān)系，并認(rèn)為評(píng)分分布可以幫助塑造品牌形象并影響消費(fèi)者的購(gòu)買決策。還為銷售者得出了幾條新的規(guī)律法則：第一，當(dāng)產(chǎn)品評(píng)分方差較高時(shí)，就收取更高的價(jià)格。第二，設(shè)計(jì)開(kāi)發(fā)能夠得到極端方差的新產(chǎn)品，方差或極高或極低。第三，如果一個(gè)產(chǎn)品更可能成為小眾產(chǎn)品或者主流產(chǎn)品，那么就公開(kāi)產(chǎn)品評(píng)分分布，如果更可能成為普通產(chǎn)品，那么就隱藏產(chǎn)品評(píng)分分布。因此，本文的研究結(jié)論不僅可為電影業(yè)評(píng)分公布決策提供依據(jù)，而且可為大眾商品評(píng)分公布決策提供參考。

二、產(chǎn)品評(píng)分展示理論模型

我們建立一個(gè)理論模型來(lái)理解消費(fèi)者如何通過(guò)產(chǎn)品評(píng)分分布來(lái)感知產(chǎn)品的不同方面。在第一節(jié)中我們首先建立一個(gè)基準(zhǔn)模型，在該模型中消費(fèi)者看到評(píng)分的分布后可以獲得產(chǎn)品的完整信息。第二節(jié)通過(guò)引入一個(gè)不可觀測(cè)方差來(lái)擴(kuò)展基準(zhǔn)模型。

(一)產(chǎn)品評(píng)分基準(zhǔn)模型

基準(zhǔn)模型定義一個(gè)沒(méi)有特殊偏好的賣方和風(fēng)險(xiǎn)中性的消費(fèi)者。當(dāng)一個(gè)產(chǎn)品首次投入市場(chǎng)時(shí)，沒(méi)有關(guān)于該產(chǎn)品特點(diǎn)的可得信息。賣方選擇一個(gè)價(jià)格，最初的消費(fèi)者基于此前預(yù)期作出購(gòu)買決定。對(duì)于最初作出購(gòu)買決定的消費(fèi)者，他們通過(guò)消費(fèi)來(lái)知曉產(chǎn)品的特性，并且提交能夠反映其真實(shí)功效的評(píng)分。后面的消費(fèi)者，觀察所有的評(píng)分分布，并且更新他們對(duì)產(chǎn)品特性的認(rèn)知。然后賣方修正產(chǎn)品的價(jià)格。

基準(zhǔn)模型的特點(diǎn)是一個(gè)壟斷銷售方和一定量具有不同偏好且風(fēng)險(xiǎn)中性的消費(fèi)者。銷售方的產(chǎn)品有兩個(gè)屬性：恒定的質(zhì)量和不匹配成本。質(zhì)量通常解釋為“越高越好”，而不匹配成本則體現(xiàn)了產(chǎn)品受消費(fèi)者歡迎程度：當(dāng)產(chǎn)品很難匹配且只能迎合較小群體的消費(fèi)者喜好時(shí)不匹配成本就會(huì)很高。

假設(shè)消費(fèi)者的偏好空間為一條長(zhǎng)度為2的直線。產(chǎn)品位于中點(diǎn)，消費(fèi)者們均勻分布在該直線上。每個(gè)消費(fèi)者的位置代表了她在偏好空間中的理想產(chǎn)品。如果一個(gè)距離產(chǎn)品為x的消費(fèi)者在價(jià)格P上購(gòu)買了產(chǎn)品，那么她的效用為：v-t·x-P。

其中v> 0是產(chǎn)品的質(zhì)量，t> 0 是不匹配的成本。消費(fèi)者最多購(gòu)買一個(gè)單位的產(chǎn)品。如果她決定不買這個(gè)產(chǎn)品，她的效用是零。

雖然不同消費(fèi)者的偏好參數(shù)x各不相同，質(zhì)量和不匹配成本是產(chǎn)品所固有的。當(dāng)面對(duì)一個(gè)新產(chǎn)品時(shí)，消費(fèi)者知道她自己的偏好(她與產(chǎn)品的距離)，但她可能不知道產(chǎn)品的質(zhì)量或不匹配的成本。

第1期：一個(gè)單位數(shù)量的早期消費(fèi)者進(jìn)入市場(chǎng)。他們與產(chǎn)品x的距離均勻分布在 [0,1]。賣方選擇價(jià)格P1，每個(gè)消費(fèi)者決定是否購(gòu)買一個(gè)單位的該產(chǎn)品。每一個(gè)購(gòu)買該產(chǎn)品的消費(fèi)者都會(huì)公布一個(gè)評(píng)分s(x)=v-t·x

第2期：一個(gè)單位數(shù)量的后期消費(fèi)者進(jìn)入市場(chǎng)。他們與產(chǎn)品x的距離也均勻分布在 [0,1]。后期消費(fèi)者和賣方觀察第1期的需求*給定方程(1)，觀測(cè)第一期的需求D1等同于觀測(cè)第一期的價(jià)格P1。、評(píng)分均值和評(píng)分方差。賣方選擇價(jià)格P2，每個(gè)消費(fèi)者決定是否購(gòu)買一個(gè)單位的該產(chǎn)品。

雖然我們假設(shè)所有第1期消費(fèi)者都提交了評(píng)分，但正如[12]所發(fā)現(xiàn)的，即使我們假設(shè)只有大多數(shù)不太滿意的消費(fèi)者提交評(píng)分，模型的解釋力也不會(huì)改變。

我們對(duì)上面博弈模型的子博弈精煉均衡求解*注意如果評(píng)分分?jǐn)?shù)也反映了價(jià)格，那么所有分析保持不變，或者說(shuō)s(x)=v-t·x-P。在第1期，沒(méi)有關(guān)于產(chǎn)品質(zhì)量或不匹配成本的信息。消費(fèi)者根據(jù)他們對(duì)v和t的期望(表示為E(v) 和E(t))，來(lái)作出購(gòu)買決定。由于聯(lián)合分布f(v,t) 是共同認(rèn)知，E(v) 和E(t)也是共同認(rèn)知。當(dāng)賣方選擇價(jià)格P1時(shí)，具有不同距離D1的不同消費(fèi)者得到：

E(v)-E(t)·D1-P1=0

(1)

擁有x∈[0,D1]的消費(fèi)者購(gòu)買該產(chǎn)品。由于消費(fèi)者均勻分布在密度為0.5的產(chǎn)品周圍，第1期的需求是D1。

由于x是均勻分布的，那么評(píng)分為[v-t·D1,v]上的均勻分布。評(píng)分的均值和方差為：

(2)

例如，當(dāng)消費(fèi)者看到一個(gè)相對(duì)較低的評(píng)分均值時(shí)，他們會(huì)自己思考：低均值可能來(lái)自較低的質(zhì)量或較高的不匹配成本。在這種情況下，一個(gè)較高的方差能夠使他們計(jì)算出該產(chǎn)品實(shí)際上具有高質(zhì)量，較好匹配的消費(fèi)者會(huì)喜歡它。也就是說(shuō)，后來(lái)的消費(fèi)者可以通過(guò)求解(2)來(lái)推斷v和t的值：

(3)

(4)

因此，正如以下命題所述，評(píng)分方差對(duì)于決定第2期的市場(chǎng)結(jié)果起著至關(guān)重要的作用。

(二)在基礎(chǔ)模型中引入不可觀測(cè)方差

在這一部分中，我們創(chuàng)新地對(duì)基準(zhǔn)模型進(jìn)行拓展研究，在該模型中，第2期的方差不可觀測(cè)。我們對(duì)基準(zhǔn)模型唯一的改變是假設(shè)無(wú)論消費(fèi)者還是賣方，第2期都不能觀測(cè)到評(píng)分的方差。相反，他們只能觀察到第1期的需求和評(píng)分均值。我們用上標(biāo)＇來(lái)標(biāo)注不可觀測(cè)方差情形下的均衡結(jié)果，

用上標(biāo)*來(lái)標(biāo)注基準(zhǔn)模型下的均衡結(jié)果。讓我們首先看第2期來(lái)進(jìn)行回推。后來(lái)的消費(fèi)者和賣方現(xiàn)在只能觀測(cè)到評(píng)分的均值和第1期的需求：

(5)

根據(jù)貝葉斯①法則來(lái)形成關(guān)于質(zhì)量和不匹配成本的條件期望:

按照評(píng)分均值和第1期需求對(duì)方程(5)的左右兩邊取條件的期望，我們得出

(6)

給定(5)和(6)，我們得出

(7)

方程(7)表明，如果后期的消費(fèi)者和賣方都高估了不匹配成本，他們也高估了產(chǎn)品的質(zhì)量。直觀地說(shuō)，如果他們高估了不匹配成本，他們會(huì)因?yàn)檩^高的不匹配成本而不是較低的質(zhì)量認(rèn)為平均評(píng)分較低。在這種情況下，對(duì)平均評(píng)分更有利，他們對(duì)產(chǎn)品質(zhì)量的估計(jì)存在向上的偏誤。

在基準(zhǔn)模型中，通過(guò)評(píng)分可以完全獲得質(zhì)量和不匹配成本的準(zhǔn)確認(rèn)知，而當(dāng)方差變得不可觀測(cè)時(shí)，獲得的則是對(duì)產(chǎn)品屬性的不精確推斷。基于這一觀察，我們將該模型與基準(zhǔn)模型下的均衡結(jié)果進(jìn)行比較。比較結(jié)果可以幫助揭示在這兩種情況下，什么時(shí)候賣方應(yīng)該披露方差以及價(jià)格和利潤(rùn)將會(huì)如何變化。

因此賣方計(jì)算得到：

從而最優(yōu)價(jià)格為

(8)

最后，我們對(duì)兩種情形下第2期利潤(rùn)進(jìn)行比較。

綜上所述，我們得出如下結(jié)論：當(dāng)評(píng)分方差不可觀測(cè)時(shí)，具有較低不匹配成本的主流產(chǎn)品第2期價(jià)格更高，具有較高不匹配成本的小眾產(chǎn)品價(jià)格更高。對(duì)于主流產(chǎn)品，當(dāng)消費(fèi)者不能觀測(cè)到方差時(shí)，他們會(huì)高估不匹配成本和產(chǎn)品質(zhì)量。因此，當(dāng)匹配較好的消費(fèi)者對(duì)該產(chǎn)品過(guò)于樂(lè)觀時(shí)，邊際消費(fèi)者開(kāi)始懷疑他們是否與產(chǎn)品相匹配。因此，賣方提高產(chǎn)品價(jià)格，鎖定更多匹配較好的消費(fèi)者。對(duì)于小眾產(chǎn)品，消費(fèi)者低估了不匹配成本和產(chǎn)品質(zhì)量。在這種情況下，周邊消費(fèi)者不再確信他們會(huì)喜歡該產(chǎn)品，而邊際消費(fèi)者對(duì)于他們是否與產(chǎn)品不匹配則沒(méi)那么悲觀。在這種情況下，賣方降低產(chǎn)品價(jià)格以贏得邊際消費(fèi)者。當(dāng)方差不可觀測(cè)時(shí)，具有中等水平方差的產(chǎn)品的利潤(rùn)更高，具有極端水平方差的產(chǎn)品的利潤(rùn)更低。

二、實(shí)證分析—以電影行業(yè)為例

本節(jié)介紹的實(shí)證證據(jù)與基準(zhǔn)模型一致，使用的數(shù)據(jù)來(lái)自電影行業(yè)。

這里我們的關(guān)注點(diǎn)是探討評(píng)價(jià)方差的解釋力如何取決于平均評(píng)價(jià)。從概念上看，我們假定影評(píng)家是我們的第1期消費(fèi)者，電影上映首日觀眾是第2期消費(fèi)者。我們只考慮第一天的票房收入，以最大程度地減少電影上映后普通觀眾所作評(píng)價(jià)的干擾效應(yīng)。

考慮到不同電影的價(jià)格是固定的，而且影評(píng)家在電影上映之前觀看不需要付費(fèi)，我們對(duì)基準(zhǔn)模型進(jìn)行一定的調(diào)整，以包含這些特征。用C1表示影評(píng)家作出的評(píng)價(jià)數(shù)，其中C1∈(0, 1]。評(píng)價(jià)均勻分布于[v-t·C1,v]。評(píng)價(jià)的均值和方差如下：

第2期需求或者首日票房收入為：

(9)

該表達(dá)式可以形成兩個(gè)假設(shè)。

假設(shè)1：首日票房收入隨著電影上映前的評(píng)價(jià)均值而上升。

形式上，上面的第2期需求伴隨M增加。直觀地說(shuō)，更高的平均評(píng)價(jià)意味著更高的電影質(zhì)量，消費(fèi)者更可能去看電影。

假設(shè)2：當(dāng)且僅當(dāng)評(píng)價(jià)均值較低時(shí)，首日票房收入隨著電影上映前評(píng)價(jià)方差上升。

如方程(9)所示，當(dāng)且僅當(dāng)M

(一)數(shù)據(jù)描述

我們收集的數(shù)據(jù)包含2009年1月1日至2014年10月31日之間美國(guó)所有公開(kāi)上映的電影的特點(diǎn)、首日票房收入和上映前影評(píng)家評(píng)價(jià)。原始數(shù)據(jù)集包含2539部電影。電影特點(diǎn)和首日票房收入數(shù)據(jù)來(lái)自Boxofficemojo.com，影評(píng)家評(píng)價(jià)來(lái)自Metacritic.com。兩家最大的影評(píng)家影評(píng)網(wǎng)站是Metacritic.com和Rottentomatoes.com。對(duì)于樣本電影，我們跟蹤Metacritic上的每一條影評(píng)家評(píng)價(jià)并記錄評(píng)價(jià)數(shù)據(jù)，這可以使我們識(shí)別哪些是上映前的評(píng)價(jià)。上映當(dāng)天的評(píng)價(jià)包含在上映前的評(píng)價(jià)中。為了關(guān)注曾經(jīng)引發(fā)過(guò)較大話題而使觀眾愿意關(guān)注影評(píng)家評(píng)影評(píng)的電影，我們只研究那些上映量覆蓋2000家以上影院的影片。最后的數(shù)據(jù)序列包括403部電影。表1列出了匯總統(tǒng)計(jì)。

表1 電影行業(yè)匯總統(tǒng)計(jì) 單位：百萬(wàn)美元

根據(jù)表1，數(shù)據(jù)集中平均一部電影擁有21條上映前影評(píng)家評(píng)價(jià)，不同電影之間評(píng)價(jià)的標(biāo)準(zhǔn)差相差巨大。圖2說(shuō)明了不同電影之間的分布變化情況，并且表明影評(píng)家評(píng)價(jià)通常會(huì)均勻圍繞中值分布，而不是聚集在0或100附近。

圖2 選定電影的評(píng)價(jià)分布

(二)實(shí)證分析

我們通過(guò)比較兩種設(shè)定來(lái)檢驗(yàn)上映前影評(píng)家評(píng)價(jià)的影響。在第一種設(shè)定S1中，我們用平均評(píng)價(jià)(Mi)、標(biāo)準(zhǔn)差(SDi)和上映前影評(píng)家評(píng)價(jià)的數(shù)量(Ni)對(duì)首日票房收入進(jìn)行回歸，得到：

S1:log(FirstDayBOi)=β0+β1·Mi+β2·SDi+β3·Ni+Ψi×Θ+εi

其中，i是電影指數(shù)，控制變量Ψi包括首映影院覆蓋率、制作預(yù)算、MAPP評(píng)價(jià)虛擬變量、影片題材虛擬變量，以及代表電影是六月或12月[14]周五上映的虛擬變量。回歸結(jié)果參見(jiàn)表格4的S1列。從表中我們可以看到，較高的平均評(píng)價(jià)導(dǎo)致更高的首日票房收入，評(píng)價(jià)的數(shù)量和評(píng)價(jià)的標(biāo)準(zhǔn)差影響并不顯著。

基于該設(shè)定，

表2 電影行業(yè)回歸結(jié)果

因變量=log(首日票房收入). 系數(shù)*在10%的顯著性;**在 5%的顯著性;***在 1%的顯著性。

括號(hào)內(nèi)穩(wěn)健標(biāo)準(zhǔn)誤差。包含常數(shù)但是沒(méi)有顯示。

有趣的是，在S2中，評(píng)價(jià)數(shù)量的系數(shù)也變得顯著了。正向符號(hào)表明，更多的影評(píng)家評(píng)價(jià)數(shù)量與更高的首日票房收入相關(guān)。這一結(jié)論與其他一些檢驗(yàn)產(chǎn)品評(píng)價(jià)數(shù)量和評(píng)價(jià)影響的實(shí)證研究一致[2-3]。

S2中，PG-13和R的MPAA 評(píng)價(jià)虛擬變量系數(shù)顯著為正。此外，科幻和恐怖片的題材虛擬變量系數(shù)也顯著為正。一個(gè)可能的解釋是，科幻和恐怖電影的觀眾更加忠實(shí)，往往早就決定去看電影了，而不會(huì)等待其他觀眾的評(píng)價(jià)。

(三)穩(wěn)健性檢驗(yàn)

針對(duì)為什么評(píng)價(jià)均值和評(píng)價(jià)標(biāo)準(zhǔn)差的交叉項(xiàng)會(huì)十分顯著，有人可能會(huì)想到另外一種理由。例如，觀眾可能會(huì)更加關(guān)注那些偏離平均值的極端評(píng)價(jià)。因此，我們對(duì)評(píng)價(jià)均值在25到75之間的電影進(jìn)行穩(wěn)健性檢驗(yàn)，因?yàn)樗鼈儾惶赡苡袠O端分?jǐn)?shù)。這個(gè)回歸結(jié)果展示在表2的R1列。我們感興趣的系數(shù)仍然與預(yù)期符號(hào)一致。事實(shí)上，它們甚至變得更加顯著了。

在其他兩個(gè)穩(wěn)健性檢驗(yàn)中(參見(jiàn)表2的R2列和R3列)，我們引入了上映前評(píng)價(jià)方差和均值的平方項(xiàng)，來(lái)控制那些評(píng)價(jià)的二次影響。然而方差和均值的平方項(xiàng)似乎帶走了標(biāo)準(zhǔn)差和評(píng)價(jià)均值的影響，不過(guò)均值和標(biāo)準(zhǔn)差的交叉項(xiàng)仍然顯著。最后，為了控制名人效應(yīng)，我們?cè)赟2的回歸模型中增加一個(gè)虛擬變量，以表示電影明星是否為按照平均票房收入排名前100的男演員或女演員。虛擬變量顯著為正，與此同時(shí)，評(píng)價(jià)均值、評(píng)價(jià)標(biāo)準(zhǔn)差及其交叉項(xiàng)的系數(shù)也都仍然顯著，而且大小幾乎保持不變。

四、結(jié)論

由于消費(fèi)者在作出他們的購(gòu)買決策時(shí)經(jīng)常要參考產(chǎn)品評(píng)價(jià)，重要的是，市場(chǎng)營(yíng)銷管理人員理解產(chǎn)品評(píng)價(jià)的信息作用是十分必要的。我們聚焦產(chǎn)品評(píng)價(jià)均值和方差，通過(guò)理論建模和實(shí)證分析研究了如何最佳地展示產(chǎn)品評(píng)價(jià)。本文提供了幾條管理經(jīng)驗(yàn)規(guī)則。首先，方差的影響取決于評(píng)價(jià)均值的水平：評(píng)價(jià)均值越高，高方差就越不利。第二，當(dāng)產(chǎn)品評(píng)價(jià)的分布變得更加突出時(shí)，管理者應(yīng)調(diào)整他的定價(jià)策略。特別是，他應(yīng)該提高小眾產(chǎn)品的價(jià)格，并降低主流產(chǎn)品的價(jià)格。第三，使評(píng)價(jià)分布變得更顯著可以增加或減少利潤(rùn)：管理者如果預(yù)計(jì)他的產(chǎn)品大部分是小眾產(chǎn)品(高方差)或主流產(chǎn)品(低方差)，而不是普通產(chǎn)品(中等方差)時(shí)，他應(yīng)該公開(kāi)評(píng)價(jià)圖。

總體而言，如果使用得當(dāng)，產(chǎn)品評(píng)價(jià)分布可以是營(yíng)銷決策的一個(gè)強(qiáng)有力的工具。文章中的分析框架對(duì)于網(wǎng)上評(píng)價(jià)不可得的情形也有意義。當(dāng)評(píng)價(jià)不可獲得時(shí)，消費(fèi)者仍然可以從家人和朋友的評(píng)論、網(wǎng)絡(luò)搜索結(jié)果，有時(shí)甚至是其銷售排名來(lái)獲得關(guān)于一個(gè)產(chǎn)品的總體印象。因此，沒(méi)有評(píng)價(jià)或評(píng)論的電子零售商在概念上會(huì)被認(rèn)為是只有平均評(píng)價(jià)的賣家，我們可以將其與具有類似模式但是公布評(píng)價(jià)柱狀圖的電子零售商進(jìn)行比較：當(dāng)從沒(méi)有評(píng)價(jià)向柱狀圖轉(zhuǎn)換時(shí)，管理者應(yīng)該考慮他們的產(chǎn)品群組特點(diǎn)，并采用他們相應(yīng)的定價(jià)策略。

未來(lái)有幾個(gè)研究方向是很有前途的。例如，當(dāng)企業(yè)擁有的信息比消費(fèi)者多時(shí)，人們可以研究企業(yè)使用價(jià)格作為質(zhì)量信號(hào)的動(dòng)機(jī)。當(dāng)我們模型中的賣方和后期消費(fèi)者一起研究前面消費(fèi)者的反饋信息時(shí)，信息對(duì)稱假定可以放松。另一個(gè)值得研究的方向是多產(chǎn)品公司如何優(yōu)化設(shè)計(jì)他們的消費(fèi)評(píng)價(jià)系統(tǒng)。電子零售商通常銷售多種產(chǎn)品然后轉(zhuǎn)化使用相同的系統(tǒng)。當(dāng)多種產(chǎn)品相互競(jìng)爭(zhēng)時(shí)，評(píng)價(jià)和評(píng)論可以作為一個(gè)“銷售助理”，因?yàn)樗鼈兲峁┝讼M(fèi)者與產(chǎn)品匹配情況的信息。設(shè)計(jì)問(wèn)題機(jī)制的完整分析應(yīng)該同時(shí)考慮公司內(nèi)部和公司之間的競(jìng)爭(zhēng)，并可以從目前的文獻(xiàn)中借鑒許多觀點(diǎn)。

[1]SENECAL, SYLVAIN, JACQUES NANTEL. The influence of online product recom-mendations on consumers [J]. Journal of Retailing, 2004, 80(2):159-169.

[2]CHEVALIER, JUDITH, DINA MAYZLIN. The effect of word of mouth online: Online book reviews [J]. Journal of Marketing Research, 2006, 43(3):345-354.

[3]LIU YONG. Word of mouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 70(3): 74-89.

[4]DELLAROCAS, CHRYSANTHOS, XIAOQUAN M. ZHANG And NEVEEN AWAD. Exploring the value of online product reviews in forecasting sales: The case of motion pictures[J]. Journal of Interactive Marketing, 2007, 21(4):23-45.

[5]CHINTAGUNTA, PRADEEP K, SHYAM GOPINATH And SRIRAM VENKATARAMAN. The effects of online user reviews on movie box-office performance: Accounting for sequential rollout and aggregation across local markets [J]. Marketing Science, 2010, 29(5):944-957 .

[6] http://www.internetretailer.com/top500/list.asp, 2016年5月訪問(wèn).

[7]SUN MONIC. How does the variance of product ratings matter? [J]. Management Science, 2012, 58(4): 696-707.

[8]SUN MONIC. Disclosing multiple product attributes [J]. Journal of Economics and Management Strategy, 2011, 20 (1): 195-224 .

[9]MEYER, ROBERT J. A model of multiattribute judgments under attribute uncer-tainty and informational constraint [J]. Journal of Marketing Research, 1981, 18(4):428-441.

[10]MARTIN, JOLIE, Gregory BARRON And MICHAEL I, NORTON. Choosing to be uncer-tain: Preferences for high variance experiences [J]. Working Paper, Harvard Business School. 2007.

[11]ZHANG, XIAOQUAN M. Tapping into the pulse of the market: Essays on marketing implications of information flows [J]. Ph.D. Dissertation, MIT. 2006.

[12]ANDERSON, EUGENE W. Customer satisfaction and word of mouth[J]. Journal of Service Research, 1998, 1(1):5-17.

[13]JOHNSON, JUSTIN P. And DAVID P, MYATT. On the simple economics of advertising, marketing, and product design [J]. American Economic Review, 2006, 96(3): 756-784.

[14]EINAV, LIRAN. Seasonality in the U.S. motion picture industry [J]. RAND Journal of Economics, 2007, 38(1): 127-145.

[15]趙占波,劉 博,范宇峰. 網(wǎng)購(gòu)消費(fèi)者參與在線交易評(píng)價(jià)影響因素分析[J]. 中國(guó)市場(chǎng), 2011(24).

[16]殷國(guó)鵬. 消費(fèi)者認(rèn)為怎樣的在線評(píng)論更有用?：社會(huì)性因素的影響效應(yīng)[J]. 管理世界, 2012(12).

[17]楊銘,祁 巍,閆相斌,李一軍. 在線商品評(píng)論的效用分析研究[J]. 管理科學(xué)學(xué)報(bào), 2012(05).

[18]林煜明,王曉玲,朱濤,周傲英. 用戶評(píng)論的質(zhì)量檢測(cè)與控制研究綜述[J]. 軟件學(xué)報(bào), 2014(03).

[19]曾 偉. 基于ELM的在線評(píng)論有用性研究：商品類型的調(diào)節(jié)影響[J]. 現(xiàn)代情報(bào), 2014(12).

[20]丁 東, 付曉東, 岳 昆. 基于貝葉斯網(wǎng)絡(luò)的在線商品評(píng)價(jià)質(zhì)量評(píng)估[J]. 計(jì)算機(jī)工程與應(yīng)用 , 2017(02).

(本文責(zé)編：海 洋)

Integrating Multiple Opinions: Strategic Display of Product Ratings

SUN Jia-sheng

(CentralUniversityofFinanceandEconomics,ChineseAcademyofFinanceandDevelopment,Beijing100081,China)

Many Internet retailers today allow consumers to post product ratings on their websites. While some sellers publish only the average rating, others choose to display both the average rating and the distribution of ratings. In this paper, we first provide a theoretical model to examine when it is optimal for sellers to disclose the distribution of ratings. In our model, we allow both the average rating and the distribution of the ratings—in particular, the variance—to reflect underlying product characteristics. Our findings suggest that price increases with the variance of ratings, while demand could either increase or decrease with the variance. As a result, profit is U-shaped in the variance. A seller therefore should publicize the distribution of ratings when expecting his product to obtain an extreme variance, either low or high, as opposed to an intermediate variance. We then gather data from a fixed-price market (the motion picture industry) and a flexible-price market (the computer product industry), and find empirical evidence that provides support for our theoretical predictions.

consumption decision；analysis of variance；product rating；internet retail

2017-02-14

2017-07-15

孫佳圣(1988-)，男，遼寧阜新人，中央財(cái)經(jīng)大學(xué)在讀博士生。

F270

A

1002-9753(2017)08-0184-09