在線評論對空調(diào)銷量的影響

張曉鋒

[摘 要]國內(nèi)外相關(guān)學(xué)者針對線上消費者購物行為做了大量的研究，但是針對白色家電家用空調(diào)領(lǐng)域的研究目前較少。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計，線上家用空調(diào)的零售額占比已經(jīng)從2012年的2%達到了2016年的20%，并逐步呈現(xiàn)上升的趨勢。家電制造企業(yè)、零售商開始重視線上渠道的作用，并不斷對企業(yè)的營銷戰(zhàn)略和策略做出調(diào)整。文章在結(jié)合國內(nèi)外相關(guān)學(xué)者理論研究的基礎(chǔ)上，以家用空調(diào)為研究對象，通過對天貓平臺在線評論信息的挖掘，運用多元回歸的方法，分析在線評論與空調(diào)銷量之間的相互關(guān)系。研究結(jié)果表明，評論時效性、追加評論、曬圖數(shù)量顯著影響空調(diào)銷售，好評、差評、客戶信用等、評論字數(shù)、商品價格等并不顯著影響空調(diào)銷售。

[關(guān)鍵詞]空調(diào)；在線評論；商品銷量；多元回歸

[DOI]10.13939/j.cnki.zgsc.2017.28.121

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心數(shù)據(jù)，截至2016年12月，中國網(wǎng)民規(guī)模達7.31億人，全年共計新增網(wǎng)民4299萬人。互聯(lián)網(wǎng)普及率為53.2%，較2015年底提升了2.9個百分點。另外，2001—2010年中國空調(diào)行業(yè)的銷量、銷售額呈現(xiàn)出了井噴式的增長。但是進入2011年以后，隨著空調(diào)市場產(chǎn)能的飽和，尤其是國家對房地產(chǎn)市場調(diào)控力度的加強，中國空調(diào)行業(yè)的銷售和銷量呈現(xiàn)出上漲緩慢的跡象，市場進入了相對成熟的階段。對于空調(diào)制造、零售企業(yè)而言，如何有效地提升企業(yè)的產(chǎn)品銷售，加快庫存消化顯得格外重要。同時，根據(jù)相關(guān)統(tǒng)計數(shù)據(jù)顯示，線上銷售在整體市場上漲乏力的情況下，呈現(xiàn)出了上升的趨勢。2016年，空調(diào)產(chǎn)品線上銷售占到了整體市場份額的20%左右，并有進一步上升的態(tài)勢。

在此背景下，網(wǎng)絡(luò)消費群體的挖掘顯得格外重要。根據(jù)國內(nèi)外相關(guān)學(xué)者的研究成果以及消費者購買空調(diào)的決策發(fā)現(xiàn)，通常消費者購買空調(diào)所考慮的要素通常包括產(chǎn)品品牌、物流、售后服務(wù)、價格、產(chǎn)品質(zhì)量、折扣信息等常見因素，而由于網(wǎng)絡(luò)產(chǎn)品無法直接感知，因此已購買者的在線評論信息會直接影響空調(diào)產(chǎn)品的銷售。就空調(diào)企業(yè)而言，分析、了解網(wǎng)絡(luò)購物消費群體的購買動機、購買行為是挖掘目標(biāo)客戶的有效舉措。

影響網(wǎng)絡(luò)消費者購物決策的因素有多種形式，目前國內(nèi)學(xué)者針對在線評論研究的要素主要包括評論內(nèi)容、評論的時效性、評論者類型、評論數(shù)量、商品價格、好評、差評方面展開。與已有研究不同的是，現(xiàn)有的研究大多以體驗型產(chǎn)品展開研究，搜索型產(chǎn)品研究的內(nèi)容相對較少。由于空調(diào)具有耐用性強、更新頻次慢，金額相對較強等特點，消費者購物會相對理性。同時，空調(diào)品牌已經(jīng)相對成熟，并在各自的細分市場取得了較好的業(yè)績。天貓作為國內(nèi)最大的B2C電商平臺，成為中國眾多消費者網(wǎng)絡(luò)購物首選平臺，因此基于天貓開展空調(diào)產(chǎn)品的在線評論影響因素研究具有較好的研究價值。

1 文獻綜述

閆強等[1]通過對易迅網(wǎng)手機商品的實證研究證明在線評論與商品銷售間具有明顯的相關(guān)性，研究結(jié)果表明已有評論數(shù)量越多、銷量排名越高越會增進產(chǎn)品的銷量。李健[2]通過對亞馬遜手機商品為研究對象，認為品牌得分、評論有用率、商品的關(guān)注度對產(chǎn)品的銷售具有較為明顯的正相關(guān)關(guān)系，而產(chǎn)品價格、評論者等級對產(chǎn)品的銷售相關(guān)性較低。郭功星[3]通過對淘寶網(wǎng)銷售排名前50的電熱水壺產(chǎn)品開展了研究，研究結(jié)果表明商品的瀏覽量、評分等相關(guān)信息不會顯著提升商品的銷售，而評分次數(shù)、好評度會顯著提升商品的銷量。郝媛媛等[4]相關(guān)學(xué)者通過對電影評論的研究發(fā)現(xiàn)，在線影評中正向情感、較高正負情感混雜度、較長句子對評論的有用性具有顯著的正面影響。

現(xiàn)有的研究更多地以體驗型產(chǎn)品或更新速度較快的3C產(chǎn)品、小家電為研究對象，而針對白色家電的研究比較少。由于空調(diào)產(chǎn)品具有重復(fù)購買頻次低、更新?lián)Q代周期長的特點，消費者在購買前，會對產(chǎn)品的功能、規(guī)格等相關(guān)信息進行收集，屬于典型的搜索型產(chǎn)品。消費者在網(wǎng)絡(luò)購物決策過程中，會對已購買者給出的評論進行甄別、分析，進而重新審視或堅定自己的購買決策。因此，以家用空調(diào)產(chǎn)品的線評論作為研究對象，具有較好的研究價值。

2 研究假設(shè)

本文以天貓在售的家用空調(diào)為研究對象，結(jié)合國內(nèi)外學(xué)者研究的成果，從客戶的信用等級、在線評論數(shù)量、評論效用（正面評價、負面評價兩個方面）、評論字數(shù)、在線商品、評論時效性、商品價格、收藏數(shù)量8個維度展開研究，分析在線評論對商品銷售的影響。

2.1 客戶信用等級

1902年穆迪開始將信用等級評定進行應(yīng)用，經(jīng)過100多年的發(fā)展，當(dāng)今信用等級已經(jīng)延伸到各種金融產(chǎn)品及各種評估對象。尤其是隨著網(wǎng)絡(luò)銷售的發(fā)展，互聯(lián)網(wǎng)的虛擬、無法感知的特征，政府、企業(yè)網(wǎng)絡(luò)日益重視網(wǎng)絡(luò)信用問題。孫俊學(xué)[5]認為其信用體系會影響消費者的購物興趣，郭國慶等[6]學(xué)者通過研究證明，評論者資信度越高，在線評論內(nèi)容越可信。因此，本文提出假設(shè)H1。

假設(shè)H1：客戶信用等級越高，越會顯著提高商品銷量。

2.2 評論數(shù)量

累計評論數(shù)量是購物者完成購物行為后給出評論信息的累加，一般而言，針對商品的評論數(shù)量越多，越能夠加強潛在購買者對商品的深入感知。尤其是天貓取消累計銷量顯示后，累計評論數(shù)量成為消費者感知商品實際銷量的重要因素，一般認為，評論數(shù)量越多，空調(diào)的實際銷量越大。閆強、Chen等 [1，7]學(xué)者的研究表明在線評論總的數(shù)量對產(chǎn)量的銷量有顯著的影響，評論數(shù)量越多，商品銷售越多，本文提出假設(shè)H2a。同時，基于對天貓空調(diào)商品評論的觀察，評論首頁顯示置頂?shù)幕貜?fù)主要以追回評論和曬圖為主，這一類評論更容易影響消費者的購買決策。據(jù)此本文提出H2b、H2c。

假設(shè)H2a：累計評論數(shù)量越多，越會顯著提高商品銷量。

假設(shè)H2b：追加評論數(shù)量越多，越會顯著提高商品銷量。

假設(shè)H2c：曬圖數(shù)量越多，越會顯著提高商品銷量。

2.3 評論效用endprint

在購物決策過程中，評論內(nèi)容的好壞會顯著影響消費者的購物決策。根據(jù)對15名經(jīng)常有網(wǎng)絡(luò)購物行為的消費者調(diào)研，商品的好評、差評會對其購物決策產(chǎn)生重要影響。郝媛媛等[4]學(xué)者認為客戶的在線評論情感對產(chǎn)品銷量有著顯著的影響，消費者購物時會參考先前已購買商品的評論，尤其是負面評論會更加影響消費者的決策，張耕等[8]學(xué)者通過對淘寶網(wǎng)的實證研究認為負面的在線評論對產(chǎn)品的網(wǎng)絡(luò)銷售量有顯著的負面影響。本文在總結(jié)現(xiàn)有研究成果的基礎(chǔ)上，認為評論的好壞與否會顯著影響消費者的購物決策。因此本文提出假設(shè)H3。

假設(shè)H3a：正面評論比例越高，越會顯著提高商品銷量。

假設(shè)H3b：負面評論比例越高，越會顯著降低商品銷量。

2.4 評論字數(shù)

評論字數(shù)是對消費者發(fā)表評論的字數(shù)統(tǒng)計。在去除無效評價信息后，信息的長度會顯著影響消費者的購物決策。Chevalier Ja等[9]學(xué)者認為，網(wǎng)絡(luò)評論中字數(shù)較長的評論更易受到消費者的關(guān)注，通過閱讀較長的評論會加深對不確定事物的感知，減少心理決策的不確定性要素。因此本文提出假設(shè)H4。

假設(shè)H4：評論字數(shù)越長，越會顯著提高商品銷量。

2.5 商品價格

根據(jù)國內(nèi)外學(xué)者研究的結(jié)果發(fā)現(xiàn)，商品價格不會顯著影響銷售。同時，考慮到空調(diào)耐用性較長，更新?lián)Q代的頻次低等特點。尤其是國內(nèi)空調(diào)行業(yè)處于成熟的市場，消費者購買空調(diào)的過程中會更注重商品的品牌、功能、質(zhì)量、售后等要素，價格不會對消費者的購物行為產(chǎn)生決定性的影響作用。因此本文提出假設(shè)H5。

假設(shè)H5：空調(diào)價格與銷量間沒有顯著關(guān)系。

2.6 評論時效性

評論的時效性反映的是評論的時間跨度，根據(jù)對研究產(chǎn)品上市時間的分析，部分產(chǎn)品上市銷售超過兩年，部分商品上市僅3個月，新上市產(chǎn)品的任意增加的一條評論都有可能會對消費者購物決策帶來深刻的影響。李健、王文君[2，10]分別以亞馬遜和京東商城手機產(chǎn)品為研究對象，李健研究結(jié)論認為評論的時效性會顯著影響產(chǎn)品的銷量，王文君研究結(jié)論表明評論時效性與銷量不存在顯著的影響。因此本文提出假設(shè)H6。

假設(shè)H6：評論的時效性對商品銷量有顯著影響。

2.7 寶貝收藏

寶貝收藏用戶對所瀏覽商品感興趣而收藏寶貝的一個功能，有助于增加單個寶貝的人氣，給店鋪帶來流量。天貓?zhí)峁┝藢氊愂詹氐墓δ埽⑶覍κ詹財?shù)做了結(jié)果顯示。本文認為收藏商品的數(shù)量越多，越會顯著提高商品的銷量。據(jù)此，本文提出假設(shè)H7。

假設(shè)H7：寶貝收藏數(shù)量越多，越會顯著提高商品銷量。

3 研究對象及數(shù)據(jù)采集

3.1 數(shù)據(jù)采集

本文以天貓空調(diào)產(chǎn)品為研究對象，天貓針對每款空調(diào)商品做了詳細介紹，包括產(chǎn)品型號、款式、顏色、重量等特征的描述，運輸、庫存、價格、服務(wù)等營銷手段的描述，以及評論內(nèi)容、曬圖、評等購買者發(fā)表評論的相關(guān)信息的描述。研究數(shù)據(jù)采集分為兩個時間節(jié)點開展，第一時間節(jié)點是2017年2月8日，通過對天貓呈現(xiàn)的信息分析，入駐天貓的空調(diào)品牌共計35個品牌，在售空調(diào)型號數(shù)量3138款。本文以“空調(diào)”為關(guān)鍵詞對搜索結(jié)果頁默認排名前10頁的商品進行抓取，刪除掉評論信息為0以及重復(fù)數(shù)據(jù)，共抓取到37個天貓店鋪，88款在售空調(diào)信息。通過對采集數(shù)據(jù)的分析，品牌包括TCL、奧克斯、格蘭仕、格力、海爾、海信、科龍、美的、松下、志高10個空調(diào)品牌。1.5匹功率空調(diào)樣本34個，1匹功率空調(diào)樣本24個，2匹和3匹空調(diào)樣本各15個。抓取空調(diào)品牌樣本分布如表1所示。

運用八爪魚數(shù)據(jù)采集工具分別針對抽樣的88款空調(diào)的在線評論信息進行采集，共采集到189754條用戶在線評論信息。然后以3月10日第二時間節(jié)點，抓取每個樣月銷量數(shù)據(jù)，并再次采集所有的在線評論數(shù)據(jù)。

3.2 變量選取

本文研究的主要內(nèi)容在線評論信息與商品銷售之間的關(guān)系。結(jié)合上述國內(nèi)外學(xué)者研究的文獻和提出的假設(shè)檢驗，本文通過客戶信用等級、評論數(shù)量、曬圖數(shù)、追加評論、好評率、差評率、評論字數(shù)、商品價格、評論的時效性和寶貝收藏數(shù)等變量進行分析，研究空調(diào)銷量與10個變量之間的相互關(guān)系。

結(jié)合實際采集的數(shù)據(jù)，本文首先將2017年2月8日的采集數(shù)據(jù)進行處理加工。首先，根據(jù)型號進行分類，運用Excel表Len函數(shù)得到每位評論者具體給出的評論字數(shù)，通過算術(shù)平均得到評論字數(shù)對應(yīng)的數(shù)據(jù)。使用相同的原理得到信用等級、商品價格對應(yīng)數(shù)據(jù)。根據(jù)天貓的評價體系，評分給出5星和4星是好評，1星和2星是消費者對購買過程不滿意，因此本文基于消費者給出的評論星級作為評判好評、差評的指標(biāo)。通過對第二次數(shù)據(jù)采集的處理，將2月8日—3月10日時間周期內(nèi)的評論數(shù)據(jù)予以保留，作為評論時效性參數(shù)指標(biāo)。變量具體指標(biāo)說明如表2所示。

3.3 結(jié)果分析

相關(guān)性分析是檢驗變量是否存在相關(guān)性的有效方法。本文運用SPSS 21對88款空調(diào)產(chǎn)品的相關(guān)數(shù)據(jù)進行相關(guān)性檢驗，各變量的相關(guān)性結(jié)果如表3所示。

從表3相關(guān)性分析的結(jié)果可以發(fā)現(xiàn)，在顯著性水平為0.05時，月銷量與評論數(shù)量、商品價格、寶貝收藏、追加評論、曬圖數(shù)量、評論時效性、好評率、差評率存在著相關(guān)性。進一步觀察發(fā)現(xiàn)，評論數(shù)量、寶貝收藏、追加評論、曬圖數(shù)量的相關(guān)性特別高。可能存在多重共線性問題，通過共線性檢驗發(fā)現(xiàn)評論數(shù)量、追加評論的VIF大于10，達到73.504和75.118，容差小于0.1，曬圖數(shù)量的容差為0.1，VIF為10.011，三個變量極有可能存在共線性問題。

為進一步研究變量間的相互關(guān)系，同時考慮到可能存在的共線性問題。本文采取逐步多元回歸的方法來研究變量間的線性關(guān)系，回歸模型如下：

4 結(jié)論與建議

本文以家庭日用電器空調(diào)作為研究對象展開實證分析，通過對天貓88款空調(diào)產(chǎn)品的在線數(shù)據(jù)挖掘分析。得出商品的評論數(shù)量與追回評論數(shù)量、曬圖數(shù)、評論的時效性三個變量間存在著顯著的線性關(guān)系。而客戶信用等級、評論數(shù)量、好評率、差評率、評論字數(shù)、商品價格和寶貝收藏數(shù)不能顯著影響商品的銷量。據(jù)此，本文結(jié)論提出我國在線空調(diào)銷售商家改進在線評論管理的相關(guān)啟示。endprint

4.1 吸引用戶及時發(fā)表評論

由于消費者無法直接感知商品的性能、質(zhì)量，已有購買者的評論信息會對意向客戶的購買決策帶來極大的影響。通過實證研究發(fā)現(xiàn)，評論給出的時間越接近，越容易對消費者的購買決策產(chǎn)生重要影響。在線空調(diào)零售企業(yè)應(yīng)積極吸引用戶完成購買后及時地給出評價，然而現(xiàn)實問題是許多消費者不愿意或者忘記及時地評價。企業(yè)應(yīng)通過積極有效的激勵措施促使消費者愿意在線發(fā)表評論，企業(yè)可通過采取返券、返現(xiàn)金、送積分等舉措促使用戶參與針對在線購物體驗的評論。

4.2 多項舉措促使用戶追加評論

在注重用戶評論時效性的同時，要完善追加評論措施的構(gòu)建。用戶在收貨、安裝完成后，鼓勵用戶進行追評，對于給出二次以及多次評價的消費者推行終身免費移機一次，空調(diào)五年免費保養(yǎng)等舉措。鼓勵的方式多樣，這就要求空調(diào)企業(yè)能夠結(jié)合企業(yè)實際，有針對性地開展系統(tǒng)的鼓勵措施。

4.3 完善服務(wù)體系，提升消費者滿意

已有的研究表明，曬圖會顯著地降低商品的銷售，究其原因主要還是消費者購買體驗過程的不滿足。這就需要在線空調(diào)零售企業(yè)不能一味地重視廣告投放宣傳，還應(yīng)強化自身建設(shè)，貫徹以客戶為第一要素的理念。尤其是針對在線用戶給出的抱怨、投訴進行及時梳理，并予以有效解決。能夠定期針對用戶關(guān)注或投訴的核心問題，開展有效整改。進而提高用戶的滿意度，降低用戶曬出購物體驗不好的圖片評論信息。

參考文獻：

[1]閆強，孟躍.在線評論的感知有用性影響因素——基于在線影評的實證研究[J].中國管理科學(xué)，2013（S1）：126-131.

[2]李健.在線商品評論對產(chǎn)品銷量影響研究[J].現(xiàn)代情報，2012（1）：164-167.

[3]郭功星.消費者網(wǎng)購決策的影響因素分析——基于電熱水壺網(wǎng)絡(luò)銷售信息的實證研究[J].消費經(jīng)濟，2013（4）：52-57.

[4]郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報，2010，13（8）：78-89.

[5]孫俊學(xué).電子商務(wù)中信用炒作行為的法律規(guī)制研究[J].商業(yè)時代，2014（36）：114-116.

[6]郭國慶，陳凱，何飛.消費者在線評論可信度的影響因素研究[J].當(dāng)代經(jīng)濟管理，2010（10）：17-23.

[7]Yubo Chen，Jinhong Xie.Online Consumer Review ：Word-of-Mouth as a New Element of Marketing Communication Mix [J].management science，2008，54（3）：477-491.

[8]張耕，郭寧.負面在線評論對產(chǎn)品銷量的影響：基于淘寶網(wǎng)的實證研究[J].消費經(jīng)濟，2012（6）：86-89.endprint