在線評論的量化指標對產品銷量的影響研究

李玉玉+廖成林+王曉歡

摘要：以搜尋品為主要研究對象，具體通過京東商城洗衣機產品兩個時點評論數據的一階差分分析，對B2C網站在線評論中商品評分和評論數量對搜尋品銷量的影響進行了實證研究。本文發現商品評論數量對于搜尋品銷量影響顯著，而商品評分不顯著。并進一步分析了原因，給出了B2C企業在線評論機制的設計方向。

關鍵詞：商品評論數量；商品評分；評論機制；搜尋品

0引言

隨著網絡購物功能的不斷完善，在線評論不僅成為各類B2C網站不可或缺的組成部分，也逐漸成為消費者獲取產品與服務信息的一個重要來源。縱觀不同類型的B2C企業的在線評論，主要包括評論的量化指標，以及購買者的經驗型評價的文字信息兩部分。因此，對這兩部分的合理設計與激勵，從部分程度上決定了B2C企業的商品銷量與客戶體驗價值。本文通過京東商城洗衣機產品的實證分析，對B2C網站評論機制中搜尋品的商品評分和評論數量對商品銷量的影Ⅱ向進行了實證研究。

1理論背景與研究假設

1.1搜尋品

根據消費者在購買前是否能夠獲得品牌質量信息，將產品分為搜尋品和經驗品兩種類型。目前學術界關于經驗品影Ⅱ向產品銷量的研究較多，包括電影、圖書、電視節目等。而就搜尋品而言，其產品標準化程度較高，易于購前比較和判別，是B2C企業在線平臺商品的主要類型之一。本文重點關注搜尋品的評論機制設計。

1.2在線評論

自電子商務興起以來，在線評論就成為研究的焦點。盡管在線評論對企業績效的影響作用得到普遍認同，但關于商品評論數量與評分對于商品銷售的作用大小卻存在爭議。關于商品評分對銷售貢獻的效果，Dellarocas發現，電影評分對票房的收入有正向影響。但Duan關于類似產品的研究卻得出了相反的結論，認為商品評分對于銷量的影響不大。出現分歧的原因可能是由于研究者選擇的量化指標和產品的差異。關于商品評論數量對銷售貢獻的效果，Godes發現在線電視節目的評論數量與節目排行呈正相關。其他學者的相關研究都得到了類似的結論?？紤]到搜尋品的特征，本文在此基礎上，提出如下假設：

H1：商品評分正向影響搜尋品銷量。

H2：商品評論數量正向影響搜尋品銷量。

2變量與數據

2.1因變量

本文關注搜尋品銷量的變化，研究對象選擇為京東商城的洗衣機產品。由于京東商城并未公開給出商品的具體銷售量，所以本文在不考慮供應商競價排名行為的前提下，用洗衣機產品的銷量排名（Rank）替代，該做法在研究中已得到認可與普遍應用。

2.2自變量

商品評論數量與評分是B2C網站評論體系的核心構成部分，也是本文的主要研究變量。商品評論數量（Volume）為已購消費者對商品評價的數量和，越多評論數量表示越多人知曉并體驗過該產品。商品評分（Rating）是已購消費者對商品的整體評級。本文采用京東商城的5級評分標準，評分越高，消費者對該商品的肯定程度越高。

2.3控制變量

本文的研究涉及到不同洗衣機類型，為控制異質性，引入7個相關控制變量。具體包括商品價格（Price）、折扣比例（Discount）、上架時間（Age），以及3個虛擬變量——洗滌容量（Loading Capacity，LC）、產品類型（Product Type，PT）和品牌差異（Brand Different，BD），并置入控制時間趨勢的啞變量T。

2.4數據來源

本文收集了京東商城兩個時間點的實時數據，分別為2014年3月26日（661臺洗衣機，共299972條評論）和2014年4月28日（773臺洗衣機，共447840條評論），間隔32天。通過數據預處理發現，在兩個時間點同時存在的洗衣機有210臺，以此構成本文研究樣本。

3統計方法與分析

3.1截面分析

為避免多重共線性，本文首先對主要變量進行中心化處理。再將兩個時間點采集的截面數據進行混合，構成包含全部420個樣本的混合截面數據樣本。通過模型（0）和模型（1）的對比分析，判斷商品評論數量與商品評分對洗衣機銷量是否具有解釋效力。

模型（0）與模型（1）分別刻畫了包含和不包含自變量的情況下，銷量排名與各個變量之間的相關關系。其中i_1，2，…，N表示洗衣機。t=1，2，分別表示3月26日和4月8日兩次數據抓取節點。u表示影響ln Rank但不隨時間變化的不可觀測因素（如，洗衣機質量等），其代表固定效應。則表示隨時間變動且對ln Rank有影響的不可觀測因素。

本文采用Stata 13.1軟件分別對模型（0）與模型（1）進行估計，分析結果如表1。

表1給出了截面分析的結果。兩個模型主要變量的方差膨脹因子都在5以下，模型的多重共線性控制在可接收范圍內。其中模型（0）為基準模型，可以看出加入自變量后，模型（1）R2由0.253增加到了0.582，并且顯著性水平也明顯提升。這說明洗衣機產品的評論數量與評分對銷量有很好的解釋效力。因此，自變量是影響銷量排名的重要因素。

3.2內生性分析

進一步分析發現，由于只有購買了商品的消費者才有資格發表評論，所以評論數量會受到銷量的影響，因此本文可能存在內生性問題。對模型（1）進行Huasman檢驗，結果顯示存在內生性。因此，本文將通過一階差分，消除樣本中的個體效應，進而獲得評論數量與評分對于商品銷量的真實作用。

3.3一階差分分析

在確定自變量具有解釋效力下，一階差分模型設置如下：

模型（2）刻畫了洗衣機商品銷量排名變化與對應變量變化之間的具體關系。模型（1）中不隨時間變化的三個控制變量（LC、PT、BD）在模型（2）中都被“差分”掉了。在對模型（2）的變量進行相關關系分析后發現，價格與折扣比例之間的相關系數達到0.98，高度相關。因此，為避免多重共線性，本文剔除折扣比例變量，直接用其京東商城的銷售價格（折扣后的價格）來控制。進而將模型（2）修正為：

在模型（3）中，本文主要關注系數Y1和Y2，即商品評論數量和商品評分變量的估計結果。實證結果顯示商品評分對銷量并沒有顯著性影響（p=0.706>0.05），HI被推翻。商品評論數量對銷量排名具有顯著負向影響（p=0.001<0.05），即商品評論數量越多，其銷量排名越靠前，H2得證。

此外，回歸結果顯示Y2>0，即評分越高，排名越靠后，銷量越低。這與我們的直觀認識相悖。進一步分析發現，這可能是京東商城評分機制設計的影Ⅱ向。京東商城新上架商品的初始評分默認為5分，即銷量很低的商品獲得了最高的得分。

4結論與探討

本文的研究結論指出，與商品評分相比，搜尋品的評論數量對銷量的影響更大。究其原因有兩點：一是從眾效應的影響，評論數量對消費者的決策制定影響更大：二是商品評論本身承載了購買者對產品知識的描述，為消費者提供了良好的信息獲取渠道，評分的影Ⅱ向被削弱。本文補充了在線評論有用性和網絡評論設計相關領域的研究。從B2C企業的角度來看，對于搜尋品應設計合適的商品評論激勵機制，鼓勵消費者評論，而非推動消費者打高商品的評分。endprint