《在线口碑、服务水平与网商绩效--基于交易量和交易额的比较研究-疏卉.pdf》由会员分享，可在线阅读，更多相关《在线口碑、服务水平与网商绩效--基于交易量和交易额的比较研究-疏卉.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、营销与服务M arketing and Service78 管理现代化DOI: 10. 3969/ j. issn. 1003- 1154. 2016. 05. 024在线口碑、服务水平与网商绩效 基于交易量和交易额的比较研究曱 疏 卉 尤薇佳 樊 坤(北京林业大学 经济管理学院, 北京 100083)摘要基于淘宝网母婴产品网商的月度销售数据,构建面板数据回归模型,验证了C2C市场中在线口碑、服务水平与网商绩效之间关系的理论模型。研究表明,在线口碑、服务水平对于网商绩效有着重要的影响,但对交易额和交易量的影响不同。关键词网商绩效;在线口碑;服务水平;面板数据模型中图分类号F713. 365.
2、2 文献标识码A 文章编号1003- 1154(2016)05- 0078- 04基金项目国家自然科学基金项目( 71402006) ;北京高等学校“青年英才计划”项目( YETP0776, YETP0777) 。一、引言互联网的发展提高了社会生产效率,也影响了人们的生活理念和方式,网络现如今已成为人们生活、娱乐和购物的重要工具。根据中国互联网络信息中心发布的调查报告,截止到2014年12月底,中国网民的整体规模达6. 49亿,互联网普及率达47. 9% ,中国网民使用网络购物的比例从48. 9%提高到55. 7% ,网络购物用户规模达到3. 61亿 1 。随着我国互联网规模与普及率的持续增长
3、,基础物流设施和在线支付工具的日渐成熟,我国电子商务市场持续迅猛发展。截止到2014年底,中国网络零售市场的交易规模已达28 211亿元,占到社会消费品零售总额的10. 6% 2 。在网购已成为一种时尚和趋势的当下, C2C电子商务平台在为商家提供更大众化、自由度高、门槛低且公平的创业机会的同时,也为大众创造了大量的就业机会 3 。如何经营网店以实现最优的绩效,对于促进网商快速健康成长、促进新型就业,从而进一步推动中国经济新的增长,有着十分重要的意义。随着社交网络和服务经济的快速升温,针对在线口碑和服务水平方面的研究逐渐成为网商绩效研究中的热点。本文主要探讨C2C市场中在线口碑、服务水平与网商
4、绩效的关系,利用淘宝网商的销售数据等指标来测度相关构念,在绩效度量方面,创新性地构建分别以交易额和交易量为被解释变量的面板数据分析模型,验证了研究假设,并基于研究结果为C2C市场网商的生存和发展提供重要的启示。二、理论基础与文献综述(一)在线口碑网络口碑是一种在互联网上以文本为媒介进行的于紧密联系的消费者之间双向互动的、非商业性的沟通,其内容是产品(或服务)等与消费者行为相关的且具有一定效价的评价 4 。网络口碑的传播具有高效率和全民可参与性,良好的口碑可能会给网商带来更多的经营利润。由于在线口碑可以长时间存储,使网络口碑的准确测量成为可能。怎样从线上海量的口碑数据中获取其中最有价值的口碑信息
5、,从而进一步研究这些信息,使如何影响消费者的消费行为及网商绩效成为热点问题。 Li和Hitt 5基于亚马逊的销售数据的研究发现,商品的评分对销售正向影响显著,潜在消费者的购买意愿受前期购买者网上评论偏好的影响。 Chen 6的研究得出,图书产品的星级(前人的打分)对销量有显著影响的结论。王有为等 7在研究社会资本、网络口碑和网商绩效的关系时,曾用劝说效应和知悉效应这两个维度来反映网络口碑,其中劝说效应用收藏人气度量,因为收藏人气体现了消费者对网商的一个积极且正面的态度。(二)服务水平服务水平是决定消费者购物体验的重要方面,和M arketing and Service营销与服务201 6年第5
6、期 79 传统服务领域一样,在C2C市场中服务水平也会对消费者的消费行为产生重要影响,很多学者的研究都证明了这点。如周涛和鲁耀斌 8在研究消费者网购行为时发现,网商的服务质量对消费者的重复购物行为有重要影响,且可靠的服务、退换货政策的公平合理等,是高质量的服务的一部分。杨栩和廖姗 9结合淘宝、拍拍、 eBay三大电子商务交易平台的在线信誉等反馈机制的研究表明,夯实消费者服务保障体系的重要意义。同时,网商产品数和是否加入消费者保障计划(简称消保)也是王有为等 7在研究网商绩效时考虑的影响因素之一。(三)网商绩效网商是指持续使用互联网从事商业活动的中小企业,以及企业负责人、个体经营者和业务操作者
7、10 。绩效在管理学中指的是组织在一定时期内投入产出的多少 11 。对于网商等企业规模较小的组织来说,绩效往往指的是企业经营效益,即在经营周期中企业的财务盈利能力,如某一经营周期中企业的销售额、利润、销量等 12 。自2003年起,中国个人C2C模式作为个人创业的一种重要途径开始逐步发展起来,在2008年金融危机出现以后,中国的网商更是大量兴起并逐步走向兴盛。到今天,网商如何健康、持久地管理好自己的店铺并实现较高的网商绩效,已经成为社会热点关注问题。关于网商绩效及其影响因素的相关研究,国外大多是基于eBay和Amazon的数据进行的,国内主要以淘宝网的数据为研究基础。由于学者们无法观察到网店的
8、具体成交额、利润或实际费用,所以并没有一个统一完备的指标来衡量网商绩效,大多数学者是将交易量作为网商绩效的衡量指标,如王有为等 7将网店总的交易量作为网商绩效的指标;吴德胜和任星耀 13采用产品的成交量和成交笔数来定义网商绩效的高低。由于单一的网商绩效指标可能使研究结果有所偏差。因此,考虑到交易额也是衡量经营绩效的重要指标,本研究同时采用交易额和交易量衡量网商绩效,构建分别以交易额和交易量为被解释变量的面板数据方程进行实证比较分析,并验证相关研究假设,提高研究结果的可靠性。三、理论模型与方法(一)理论假设1.在线口碑与网商绩效基于现有的文献和本研究的数据支持,本文采用好评率、信用星级和收藏人气
9、来测度网商的在线口碑水平。好评率是指网商收到的好评数占所有评价数的比例。好评率在很多研究中都曾作为影响因素来分析其对网商绩效的影响,如吴德胜和任星耀 13就通过对淘宝网数据的分析,得出好评率对于网上销售情况有正向作用的结论。因此本文假设:H1. 1 网商的好评率越高,该网商的销售绩效越好。信用星级即淘宝网商的信用等级,代表该网商的信誉水平。当消费者做出在线评价时,评价结果系统会自动转换成具体分数,所有评分分数相加即为网商的信用度,而信用度得分最终将转化成网商的信用星级。陈学旺和樊丹 12曾通过实证研究发现网商信用对网商绩效有显著的正向影响。因此本文假设:H1. 2 网商的信用星级越高,该网商的
10、销售绩效越好。店铺收藏行为体现了消费者对商家店铺的信任,可以在一定条件下转化成购买行为,与此同时也会形成一种口碑效应。王有为等 7用收藏人气来测量口碑中的劝说效应,得出收藏人气与网商交易量之间的显著关系。本文假设:H1. 3 网商的收藏人气越高,该网商的销售绩效越好。2.服务水平与网商绩效结合前人的研究成果和本研究设计,本文采用在线产品数和是否加入消保来测度网商的服务水平情况。在线产品数是网商在特定时间跨度内网店内的产品数量。在线产品数越多,供消费者选择的范围越大,能够满足消费者个性化需求的可能越大,如王有为等 7认为网商销售的产品越多,这些产品被消费者搜索和发现的机会更大。因此,本文假设:H
11、2. 1 网商的在线产品数越多,该网商的销售绩效越好。消保是淘宝网为众多消费者提供的基础权益保护体系。对于加入消保的卖家,如果消费者在购物过程中出现消费者保障服务内的情形,可以向淘宝平台发起申请,维护自身的权益,这在一定程度上降低了消费者的网购风险,能够对消费者的购物行为产生正向积极的影响 14 。因此,本文假设:H2. 2 加入消保的网商,销售绩效更好。因此,本文的理论模型主要有2组假设(见图1) 。图1 理论模型 营销与服务M arketing and Service80 管理现代化(二)数据与变量淘宝网是中国消费者C2C网购的最主要网站,因此以淘宝网的卖家数据来研究C2C平台的网商绩效具
12、有较好的代表性。本文以销售同质化明显的纸尿裤产品的网商为研究对象,随机选取淘宝网上547个网商连续7个月的月销售记录作为研究对象。基于现有的网商面板数据,本文分别选择网商的交易额和交易量作为计量模型的被解释变量, y1表示网商的交易额, y2表示网商的交易量。本模型的解释变量的指标有:好评率x1、信用星级x2、收藏人气x3、在线产品数x4、是否加入消保x5。综上,本文构建的基本面板数据模型是:yit = 0 + 1x1it + 2x2it + 3x3it + 4x4it + 5x5it + 模型中的各变量含义如上所述,其中下标的i表示对应的网商, t表示月份;表示误差项。四、实证分析(一)描述
13、性统计分析本文研究变量的描述性统计情况见表1。表1 各变量的描述性统计变量均值标准差最小值最大值样本数好评率0. 997 5 0. 003 5 0. 951 5 1 3 829信用星级3. 364 1 2. 029 5 - 1 8 3 829收藏人气15. 212 3 17. 285 7 1 227 3 829在线产品数482. 411 3 415. 389 9 2 2 936 3 829是否加入消保0. 757 9 0. 428 4 0 1 3 829交易额65 296. 27 155 150. 01 12. 30 2 558 396. 09 3 829交易量2 790. 47 19 149
14、. 70 1. 00 746 606 3 829由表1可以看出,网商的好评率很高,均值达到0. 9975,且极小的标准差也说明了差异性很小;另外,网商的信用星级最大值为8,最小值是- 1,这里出现负值是因为如果淘宝网商刷信誉被平台发现,会直接将网商的信誉减为负值;网商店铺的被收藏数量平均在15左右,收藏人气的极值差异较大;近四分之三的网商加入了消保;同时,网商的在线产品数、交易额和交易量的标准差比较大,即网商在这几个指标上分布的范围比较广。(二)多重共线性诊断多重共线性是回归分析中一个非常棘手的问题,自变量间较高的共线性可能使模型估计的不准确 15 。因此,在模型分析之前,本文先用相关系数矩阵
15、R诊断法和方差膨胀因子( VIF)诊断法来研究变量之间的相关关系,并进行多重共线性的诊断。结果显示各自变量之间的相关系数均小于0. 2,且所有变量中VIF值最大的为5. 784,大大低于Hair所建议的判别值10 16 ,所以基本排除数据多重共线性的可能。(三)模型设定检验由于不平稳的时间序列可能会造成“伪回归”的问题,因此在对面板数据建模之前,需要对其进行平稳性检验,即单位根检验 17 。面板数据的单位根检验方法有很多种,本文选择了ADF- Fisher检验和PP-Fisher检验这两种通用的方法。两种检验结果结论一致,表明上述变量为平稳变量。平稳变量的面板数据模型在进行回归分析之前不需要进
16、行协整检验。针对面板数据,本文首先通过pFtest检验来确定选用混合估计模型还是固定效应模型,然后采用Hausman检验确定是采用随机效应模型还是固定效应模型进行估计。表2 面板数据F检验和Hausman检验结果检验方法F检验Hausman检验检验结果统计量P值卡方统计量P值模型I 62. 811 3 0. 000 92. 315 5 0. 000模型II 8. 353 2 0. 000 1. 508 4 0. 912 1表2中,模型I的pFtest检验和Hausman检验的p值均小于0. 05,因此对于模型I,本文选择固定效应模型来回归面板数据。模型II的pFtest检验的p值小于0. 05
17、,而Hausman检验的p值远大于0. 05,因此可认为对模型II来说,随机效应模型拟合效果优于固定效应模型,本文选择随机效应模型来回归面板数据。(四)模型估计根据pFtest检验和Hausman检验结果,对模型I进行固定效应模型估计,对模型II进行随机效应模型估计的结果如下:表3 面板数据回归结果模型模型I模型II结果估计值P值估计值P值好评率19 078. 164 0. 934 04 2. 230 1e+ 04 0. 734 846信用星级- 1 052. 705 0. 015 27* - 4. 000 6e+ 01 0. 744 292收藏人气976. 931 0. 000* * * 5
18、. 773 9e+ 01 0. 004 352* *在线产品数4. 352 0. 025 85* 1. 037 5e- 01 0. 852 452是否加入消保2 061. 151 0. 288 70 1. 585 8e+ 02 0. 774 758注: * * *表示P 0. 001, * *表示P 0. 01, *表示P 0. 05。从回归分析结果可以看出,在0. 05的水平下,模型I中信用星级、收藏人气、在线产品数对交易额的影响是显著的,模型II只有收藏人气对交易量的影响是显著的。五、结 语本文基于现有在线口碑、服务水平和网商绩效的相关文献研究,提出了各影响因素对网商绩效影响的研究假设,和
19、以往研究对网商绩效仅考虑交易量这一单一指标不同的是,本研究同时采用交易额和交易量两个绩效指标来建立对应的面板数据分析模型并进行实证检验,从而为C2C市场网商实现较高的经营绩M arketing and Service营销与服务201 6年第5期 81 效提供更全面的参考建议。根据本文的研究结果,主要得出以下几个结论。第一,网商的信用星级和在线产品数对网商交易量的影响不显著,但是对网商交易额的影响却是显著的。一般交易额是交易量和产品价格的乘积,因此可以理解为在大部分网商的好评率和是否加入消保等情况相一致时,网商的信用星级和在线产品数更多的是影响了产品的价格。这表明在交易量不变的情况下,高信用星级
20、的网商获取了溢价,从而提高了以交易额为评价指标的网商绩效。而在线产品数越多,消费者可选的范围越大,越有可能找到自己最需求的产品,消费者在该网商处购买的意愿越强烈,从而更愿意用较高的价格来购买该网商的相关产品,提高网商的交易额。第二,网商的收藏人气对网商交易额和交易量的影响均显著,这与现有的相关研究结论一致。消费者对某特定产品感兴趣,但又不能立即购买,通常会加入收藏夹 12 。收藏人数高说明了店铺/商品的被关注度较高,其潜在的交易数量高。第三,好评率和是否加入消保对网商绩效的影响不显著,这是由于样本数据中网商好评率的平均值达到0. 9975,这说明淘宝网上绝大部分网商的好评率都非常高,而消费者很
21、难在这么微小的差异中感知到显著的差别。加入消保对网商交易额和交易量的影响都不显著,可能原因是( 1)数据显示, 75. 8%即大部分网商都加入了这个消费者保障服务体系,使得消费者不再特别关注这一指标。 ( 2)由于支付宝信用中介、信誉评价体系中给予好评/差评/追评的权力的存在,对于不满意/出现质量问题的商品,消费者能够通过消保以外的积极有效的手段来维护自身的合法权益,因此是否加入消保在影响消费者的购买决策方面并没有特别显著的作用。由实证研究的结果可知,提高网商绩效的有效途径包括:一是提升网店的信誉。研究表明信用是在线口碑的一个重要方面,良好的口碑可以对商家店铺形成正面的宣传。因此,网商在经营网
22、店时应重视自身信誉的积累,从而提高网商绩效。二是提高网店的被收藏量。实证结果显示,网商的收藏人气不仅对交易额影响显著,也对交易量影响显著。收藏人气是网商热度的标准之一,一定程度上代表了消费者对该网商或产品的忠诚度。提高网店的收藏人气,首先可以采用一些激励措施,如赠送适额优惠券等方式;其次,增强产品的描述和图片效果,给浏览的消费者留下深刻的印象,促进消费者对该产品或该网店进行收藏操作;最后,网商还可以通过和其他网商相互添加收藏的方式增加自己店铺的被收藏量,以有效地提高网商的交易额和交易量。三是尽可能增加网店的在线产品数。网商在经营网店时要尽可能增加网店的在线产品数,为消费者提供更为丰富的产品选择
23、空间来赚取更多的产品溢价,同时全方位地满足不同消费者差异化的需求,增强消费者在该网店购物的意愿。由于数据限制,研究还存在一些不足之处,如在样本的选择方面,本文仅仅是以出售母婴类产品纸尿裤的网商为调查对象,没有涉及到其他类别的淘宝网商。因而本文中探明的在线口碑、服务水平维度的因素和网商绩效的关系在其他类目中的研究还有待验证。 曱参考文献 1中国互联网络信息中心.第35次中国互联网发展状况调查统计报告 R .北京:中国互联网络信息中心, 2015. 2曹磊,张周平,等. 2014年度中国电子商务市场数据监测报告 R .杭州:中国电子商务研究中心, 2015. 3梁春晓,宋斐.网商赢天下 M .北京
24、:中信出版社, 2008. 4董大海,刘琰.口碑、网络口碑与鼠碑辨析 J .管理学报, 2012, 9( 3) . 5 Li X, Hitt L M . Self- selection and InformationRole of Online Product Reviews J . InformationSystems Research, 2008, ( 4) . 6 Chen Y F. Herd Behavior in Purchasing Booksonline J . Computers in Human Behavior, 2008 24( 5) : 1977- 1992. 7王有为
25、,徐云杰,等.社会资本、网络口碑和网商绩效 基于面板资料的实证研究 J .研究与发展管理, 2010( 5) . 8周涛,鲁耀斌.基于SERVQUAL的消费者网上重复购物行为研究 J .管理科学, 2007( 3) . 9杨栩,廖姗. C2C电子商务交易平台在线信誉机制反馈比较研究 J .管理现代化, 2013( 5) . 10阿里巴巴研究中心.新商业文明浮现. 2009年网商发展报告 R .杭州:阿里巴巴研究中心, 2009. 11斯蒂芬P罗宾斯,玛丽库尔特.管理学 Z .北京:中国人民大学出版社, 2008. 12陈学旺,樊丹.淘宝网中店铺收藏量与网店绩效的关系研究 J .商场现代化, 2
26、014( 5) . 13吴德胜,任星耀.网上拍卖交易机制有效性研究 来自淘宝网面板数据的证据 J .南开管理评论, 2013( 1) . 14赵占波,孙鲁平,苏萌. C2C中产品浏览量和销量影响因素的对比研究 J .管理科学, 2013( 1) . 15鲁茂,贺昌政.对多重共线性问题的探讨 J .统计与决策, 2007( 8) . 16 Hair J F, Anderson R E, Tatham R L, et al.M ultivariate Data Analysis with Readings M .Prentice- Hall, Inc. , 1995. 17王素凤.中国省域能源价格与碳强度协整研究:基于1995 2009年的面板数据 J .长江流域资源与环境, 2011( 8) .