生鮮農(nóng)產(chǎn)品評論對在線銷量影響的研究
——基于京東商城陜西獼猴桃在線評論數(shù)據(jù)的分析

喬曉娟

（陜西郵電職業(yè)技術(shù)學院，陜西 咸陽 712000）

“十三五”時期，政府、企業(yè)等多方參與下沉市場數(shù)字化基礎(chǔ)設(shè)施建設(shè)，優(yōu)化傳統(tǒng)的農(nóng)產(chǎn)品供應鏈模式，助力農(nóng)產(chǎn)品向外地銷售，如京東、阿里巴巴、蘇寧等將供應鏈、物流等零售新基建不斷向下延伸，通過溯源體系、技術(shù)輸出、品牌賦能、渠道拓展等措施促進農(nóng)產(chǎn)品上行。農(nóng)村電商迎來高速發(fā)展，已成為引領(lǐng)鄉(xiāng)村數(shù)字經(jīng)濟發(fā)展的重要新動能，有力促進了鄉(xiāng)村振興。2020年全國農(nóng)村網(wǎng)絡零售額達1.79萬億元，是2015 年的5.1 倍，遠高于全國電子商務整體增速；農(nóng)產(chǎn)品網(wǎng)絡零售額達4158.9 億元，已占到農(nóng)產(chǎn)品零售總額的10%。

隨著消費層次的升級，消費群體逐步轉(zhuǎn)向以80后、90后為主的消費大軍，生鮮產(chǎn)品消費人群年輕化趨勢越來越明顯，消費者對生鮮農(nóng)產(chǎn)品的消費習慣逐步由線下轉(zhuǎn)向線上。但因為生鮮農(nóng)產(chǎn)品對保質(zhì)期、時效性要求較高，消費者對產(chǎn)品感知風險較大，使得消費者在下單前更關(guān)注在線評論，便于消費者做出有利于自己的購買決策，所以研究在線評論對生鮮農(nóng)產(chǎn)品在線銷售有極其重要的意義[1-2]。

文中采用文獻研究法、數(shù)理統(tǒng)計分析法和實證研究法，使用網(wǎng)絡爬蟲工具獲取京東商城（www.jd.com）的產(chǎn)品評論數(shù)據(jù)，分析產(chǎn)品評論對在線銷量影響的具體因素。文中引入在線評論的數(shù)量、效價、評論的點贊、評論的回復作為自變量，消費者特征及價格作為調(diào)節(jié)變量，探索上述變量與在線銷量的影響，分析調(diào)節(jié)變量是否能在生鮮農(nóng)產(chǎn)品在線評論與在線銷量之間產(chǎn)生影響，最終為生鮮農(nóng)產(chǎn)品電商企業(yè)提出相關(guān)的建議，從而豐富在線評論的研究內(nèi)容。

一、文獻綜述

（一）在線評論相關(guān)研究

目前，國內(nèi)外學者研究在線評論主要集中在以下3 個維度：評論的特征、參與評論的消費者及參考評論的消費者，評論特征主要包括質(zhì)量、數(shù)量、效價、時效性、強度、長度、形式等方面；參與評論的消費者主要包括資信度、專業(yè)能力等方面；參考評論的消費者主要包括消費者的專業(yè)能力、產(chǎn)品涉入度、感知風險等方面[3]。Anu 等采用線性回歸模型對亞馬遜評論數(shù)據(jù)進行分析發(fā)現(xiàn)：產(chǎn)品價格、評論長度、評論量和情緒（正面或負面詞匯）作為自變量，分析產(chǎn)品銷售的影響，最終得出除了價格之外，用戶還受到評論數(shù)量、評論長度、明星評級和評論文本情感的影響[4]。劉小嬌的研究發(fā)現(xiàn)：產(chǎn)品評論數(shù)量會直接影響消費者的購買意愿[5]。

（二）生鮮農(nóng)產(chǎn)品的在線評論相關(guān)研究

生鮮農(nóng)產(chǎn)品的在線評論研究主要包括在線評論對其銷量影響的研究及在線評論特征對消費者滿意度的研究［3］。胡雅淇，林海對淘寶羊肉大數(shù)據(jù)進行分析發(fā)現(xiàn)：在線評論數(shù)量、圖片數(shù)量對生鮮農(nóng)產(chǎn)品銷量有積極的正向作用，差評數(shù)量則有顯著的負面影響，評論長度對其銷量的影響不顯著[2]。張紅霞運用回歸分析的方法分析天貓生鮮頻道數(shù)據(jù)，采用四分圖模型分析影響生鮮農(nóng)產(chǎn)品電子商務消費者滿意度的關(guān)鍵因素[6]。

（三）研究現(xiàn)狀綜述

通過梳理前面學者的研究發(fā)現(xiàn)：在線評論研究內(nèi)容非常豐富，但不同學者得出的結(jié)論差異較大。分析上述結(jié)論原因，發(fā)現(xiàn)主要為：有些學者采用問卷調(diào)研的方式開展研究，有些學者采用實驗數(shù)據(jù)開展研究，樣本數(shù)據(jù)不同，導致不同學者研究得出的結(jié)論差距較大；同時有些學者分析手機、空調(diào)等搜索型產(chǎn)品，有些學者分析電影等體驗型產(chǎn)品，產(chǎn)品的類型也對分析結(jié)果有較大影響。因此研究在線評論對在線銷量的影響需要結(jié)合產(chǎn)品類型，才能為企業(yè)提供針對性建議。

生鮮農(nóng)產(chǎn)品一方面屬于體驗型產(chǎn)品，另一方面對時效性等有較高要求，所以其研究又不同于一般的體驗型產(chǎn)品，研究這一特殊品類對理論有很好的補充作用。同時采用網(wǎng)絡爬蟲工具獲取京東商城（www.jd.com）的大量真實有效的產(chǎn)品評論數(shù)據(jù)，也可以給企業(yè)生鮮農(nóng)產(chǎn)品項目運營帶來很好的指導意義。

二、研究假設(shè)及模型

（一）研究假設(shè)

Chen的研究表明在線評論總數(shù)量對產(chǎn)品的銷量有顯著的影響，評論數(shù)量越多，產(chǎn)品銷售越多[7]。Zhang等學者通過實驗室實驗和實際在線零售商的數(shù)據(jù)表明，消費者認為正面評論比負面評論更具說服力[8]。張艷輝等研究認為，評論回復可以使得該評論更加深入，引起更多消費者的關(guān)注[9]。蔡莉梅等研究發(fā)現(xiàn)，評論回復數(shù)量對評論有用性有顯著正向影響[10]。劉杰等研究發(fā)現(xiàn)，消費者特征會影響評論的有用性[11]。王濤等研究發(fā)現(xiàn)價格通過消費者滿意度對消費者購買產(chǎn)品有直接影響[12]。因而，文中提出以下研究假設(shè)，如表1所示。

表1 在線評論研究假設(shè)

images/BZ_72_1273_393_2290_452.png假設(shè)H5假設(shè)H6消費者特征顯著調(diào)節(jié)了在線評論對生鮮農(nóng)產(chǎn)品在線銷量的影響。產(chǎn)品價格顯著調(diào)節(jié)了在線評論對生鮮農(nóng)產(chǎn)品在線銷量的影響。

（二）模型變量選擇

1.自變量及維度的選取

通過前文的分析及假設(shè)，文中選擇了有效評論數(shù)量、評論效價、評論的點贊、評論的回復作為影響在線銷量的自變量。有效評論數(shù)量是指消費者發(fā)布的真實評論數(shù)量的總和的統(tǒng)計，因為購物平臺存在系統(tǒng)默認評論的現(xiàn)狀，文中選擇有效評論數(shù)量。有效評論數(shù)量=（評論總數(shù)-系統(tǒng)默認評論）。評論效價的典型表現(xiàn)形式是產(chǎn)品評分，反映了消費者對產(chǎn)品的情感傾向。在實證研究中，通常采用消費者評分的平均值表示評論效價，文中選用了京東商城產(chǎn)品的好評度作為評論效價。評論的點贊和評論回復是京東商城在評論中設(shè)置的，主要通過此方式選出高質(zhì)量評論，有利于消費者評估評論質(zhì)量。

2.控制變量的選取

通過前文的分析及假設(shè)，文中選擇了消費者特征及價格作為控制變量。

購物平臺為了刺激消費者購買產(chǎn)品，一般都會推出自身的會員體系。京東商城的會員按照是否付費可以分為：京東會員和京東plus 會員兩種。因為京東plus 會員是為其核心客戶提供更優(yōu)質(zhì)的購物體驗而推出的會員，京東plus 會員在線消費經(jīng)驗豐富、活躍程度較高，所以京東plus 會員的評論更容易被消費者接受，所以此處將消費者特征引入作為控制變量。

價格作為產(chǎn)品的重要屬性之一，也是在線銷量的重要影響因素。對于同類產(chǎn)品來說，價格的高低會改變消費者的購買決定。所以文中將價格作為控制變量，來研究在線評論與在線銷量之間的關(guān)系。

3.因變量及維度的選取

文中研究的是評論與在線銷量的關(guān)系，但因企業(yè)的在線銷量數(shù)據(jù)較難獲取，為本文研究帶來一定困難，所以用銷量排名代替在線銷量。銷量排名是按照產(chǎn)品銷售數(shù)量排名后的結(jié)果，能夠如實反映該產(chǎn)品的真實在線銷量。

（三）模型構(gòu)建

結(jié)合文獻研究及相關(guān)理論學習，建立了如圖1 所示的研究模型，文中以消費者購買行為理論為基礎(chǔ)，以評論數(shù)量、評論效價、評論點贊和評論回復為模型的自變量，價格和消費者特征為控制變量，生鮮農(nóng)產(chǎn)品在線銷量排名為因變量。

圖1 論文研究模型

基于圖1 中的論文研究模型，根據(jù)前文多位學者的研究，采用回歸分析的方式來驗證在線評論對生鮮農(nóng)產(chǎn)品銷量排名的影響力。因變量為銷量排名（Y），自變量包括評論數(shù)量（A1）、評論效價（A2）、評論的點贊（A3）、評論的回復（A4）、消費者特征（A5）、價格（A6）。設(shè)μi 為隨機變量，基于以上變量建立以下回歸模型方程（1），來驗證各自變量對因變量的影響情況。

由于影響生鮮農(nóng)產(chǎn)品銷量排名的因素較多，為了深入對比研究，在模型方程（1）中，增加了控制變量A5和A6，并驗證控制變量在自變量對因變量影響的調(diào)節(jié)作用，建立回歸模型方程（2）

三、數(shù)據(jù)采集及處理

（一）數(shù)據(jù)采集方法及對象選擇

按照銷量排名，人工篩選出排行榜前25 的產(chǎn)品，再使用八爪魚采集器，選取的平臺為京東商城，產(chǎn)品為近30 天銷量排行榜前25 名的陜西獼猴桃，抓取目標產(chǎn)品的評論信息。數(shù)據(jù)采集的時間為2022 年5 月1日-2022 年5 月5 日，一共抓取了25 個產(chǎn)品，共有14733條有效評論（不包含默認好評）。

（二）數(shù)據(jù)采集內(nèi)容

結(jié)合本次研究指標，主要收集的數(shù)據(jù)包括：評論數(shù)量、評論的點贊數(shù)量及評論的回復數(shù)量、價格、好評度、消費者特征等，如圖2所示。

圖2 數(shù)據(jù)采集內(nèi)容

（三）數(shù)據(jù)處理

考慮到電商購物平臺評論中存在系統(tǒng)默認好評，文中在計算評論數(shù)量時剔除了系統(tǒng)默認好評，使用了產(chǎn)品有效的評論數(shù)量。同時為了消除因產(chǎn)品上架時間不一導致的評論數(shù)據(jù)差異較大的現(xiàn)象，對消費者特征、評論的點贊及評論的回復采用了占有效評論比例的方式來展開分析。

四、實證分析及結(jié)論

（一）描述性統(tǒng)計分析

文中使用Excel2016 對整理后的數(shù)據(jù)進行描述性統(tǒng)計分析，具體的分析結(jié)果如表2所示。

表2 在線評論數(shù)據(jù)描述性統(tǒng)計分析

從描述性統(tǒng)計分析結(jié)果來看，產(chǎn)品價格、評論數(shù)量方差較大，這說明文中選擇的樣本的評論數(shù)量及產(chǎn)品價格跨度較大，具有研究價值。

（二）相關(guān)分析

相關(guān)分析主要用于判斷變量之間是否存在相關(guān)關(guān)系，文中使用Excel2016對數(shù)據(jù)進行皮爾森（Pearson）相關(guān)性分析，主要分析因變量與自變量間有無相關(guān)關(guān)系、相關(guān)的方向以及關(guān)系的密切程度，分析結(jié)果如表3所示。

表3 因變量與自變量的相關(guān)性系數(shù)

從表3 可以看出，銷量排名與有效評論數(shù)量之間存在負向中度相關(guān)，銷量排名與評分之間存在正向中度相關(guān)，銷量排名與價格之間存在負向中度相關(guān)。

（三）回歸分析

本節(jié)通過對前文的樣本數(shù)據(jù)進行多元線性回歸分析，采用的工具為Excel2016，選擇數(shù)據(jù)-數(shù)據(jù)分析-回歸，置信度為95%，得到表4 回歸統(tǒng)計、表5 方差分析、表6回歸系數(shù)檢驗。

表4 回歸統(tǒng)計

表5 方差分析

模型方程（2）回歸分析殘差總計df SS MS F Significance F 6 22.220044852.09147E-07 19 25 4835.827111 689.1728895 5525 805.9711851 36.27225734

表6 回歸系數(shù)檢驗

模型方程（1）中的自變量為銷量排名、有效評論數(shù)量、評分、評論的點贊比例、評論的回復比例，模型方程（2）在模型方程（1）的基礎(chǔ)上，增加了價格和消費者特征。從表4中可以看出來，Multiple R及R Square均大于0.8，表示強相關(guān)且模型的擬合度非常高；Adjusted R Square 均大于0.7，表示多元線性回歸模型的擬合度也非常高。

同時對比模型方程（1）、（2）回歸統(tǒng)計分析發(fā)現(xiàn)：ΔMultiple R 有3.98%的增加，ΔR Square有7.28%的增加，ΔAdjusted R Square有6.32%的增加，說明模型方程（2）的解釋力在增強，也說明了價格和消費者特征作為控制變量對消費者購買行為影響有實際意義。

從表5 中可以看出來，Significance F 均明顯異于0（小于0.001），說明模型方程（1）與模型方程（2）整體的線性關(guān)系非常顯著。

（1）兩個模型均引入了有效評論數(shù)量，且系數(shù)均為負，說明有效評論數(shù)量越高，銷量排名越靠前，產(chǎn)品銷量越好。但模型方程（1）P=0.05、模型方程（2）P＜0.05，這是因為模型方程（2）引入了控制變量，也就是說控制變量會調(diào)整產(chǎn)品評論與銷量排名的影響。同時也驗證了假設(shè)H1是成立的。

（2）兩個模型均引入了評分作為自變量，且回歸結(jié)果中兩個模型方程中P值均明顯小于0.01，且系數(shù)均為正值，可以看出評分越低，產(chǎn)品銷量排名越靠前，銷量越高。這與大眾認知相反，通過分析京東商城的評價體系，發(fā)現(xiàn)京東商城的評分初始默認值為100%，也就是說該產(chǎn)品沒有銷量時，評分為100%；而有了銷量之后，因為中差評的產(chǎn)生，評分會降低，所以也就解釋了評分會隨著銷量的增加而降低。這也驗證了假設(shè)H2的成立。

（3）模型方程（2）中引入評論的點贊和評論的回復作為自變量，0.01＜P＜0.05，且系數(shù)為正，說明評論的點贊和評論回復比例越低，產(chǎn)品銷量排名越靠前，銷量越高，驗證了假設(shè)H3、H4是成立的。

（4）模型方程（2）中引入消費者特征作為控制變量，P=0.7898＞0.05，說明消費者特征與銷量排名之間關(guān)系不顯著，同時驗證H5是不成立的。

（5）模型方程（2）中引入價格作為控制變量，P＜0.01 說明價格顯著調(diào)節(jié)了產(chǎn)品評論與銷量排名的影響，同時也驗證了假設(shè)H6 是成立的。消費者購買生鮮農(nóng)產(chǎn)品會考慮價格因素，這也與真實市場的狀況相符。

五、總結(jié)

文中以京東商城陜西獼猴桃銷售數(shù)據(jù)為例，分析生鮮農(nóng)產(chǎn)品在線評論對銷量的影響，采用描述性統(tǒng)計分析、相關(guān)分析和回歸分析，具體研究在線評論對生鮮農(nóng)產(chǎn)品在線銷量的影響程度。基于上述分析得出企業(yè)生鮮農(nóng)產(chǎn)品項目運營建議如下：

（一）生鮮農(nóng)產(chǎn)品企業(yè)應重視在線評論，誠信經(jīng)營。

有效評論數(shù)量可以降低消費者購買生鮮農(nóng)產(chǎn)品的不確定性，從而促進在線銷售。一方面企業(yè)可以通過好評返現(xiàn)和贈品等方式，激發(fā)已購消費者評論的積極性。另一方面，可以借助客服發(fā)送評論模板，引導已購消費者從獼猴桃口感、大小、新鮮度等多個維度評論，發(fā)布形式多樣、內(nèi)容詳實、有用可靠的高質(zhì)量評論，豐富評論內(nèi)容深度。同時企業(yè)也要做到誠信經(jīng)營，杜絕刷單、刷好評、刪差評等虛假行為。

（二）企業(yè)需要嚴把產(chǎn)品質(zhì)量，優(yōu)化服務質(zhì)量。

企業(yè)可以借助評論標簽、差評等內(nèi)容，了解消費者關(guān)注的產(chǎn)品質(zhì)量、物流、客服等，做好產(chǎn)品品控管理，嚴把產(chǎn)品質(zhì)量關(guān)，同時優(yōu)化生鮮農(nóng)產(chǎn)品的物流及客服，優(yōu)化服務質(zhì)量。

（三）基于平臺用戶群體，優(yōu)化產(chǎn)品價格，促進消費者購買。

不同電商平臺用戶群體不同，能接受的價格也不同，可以將價格調(diào)整至盡量覆蓋更大的消費群體，從而促進產(chǎn)品銷售。

鑒于文中只采集了京東商城的數(shù)據(jù)，導致研究存在一定的局限性，同時也未考慮運營店鋪的評分等變量，因而存在遺漏變量的問題。未來研究可繼續(xù)擴展多個平臺，來豐富研究對象，同時納入企業(yè)店鋪評分及物流選擇等指標，深化研究內(nèi)容。