網(wǎng)絡(luò)購(gòu)物的信譽(yù)和銷售量關(guān)系研究

摘要：網(wǎng)絡(luò)購(gòu)物存在信息的不對(duì)稱性，買(mǎi)家越來(lái)越關(guān)心信譽(yù)。文章本文采用Tobit回歸模型，對(duì)淘寶網(wǎng)上銷售66種商品的2010年8月份的銷售信息研究發(fā)現(xiàn)：銷量和賣家的信譽(yù)等級(jí)或信譽(yù)積分、好評(píng)率和加入消保等信譽(yù)具有強(qiáng)相關(guān)關(guān)系，并且，在電子商務(wù)市場(chǎng)上，價(jià)格機(jī)制仍然有效。因此，提出發(fā)展電子商務(wù)的三點(diǎn)建議：（1）電子商務(wù)網(wǎng)站采取技術(shù)措施，完善管控措施，控制偽造信譽(yù)的現(xiàn)象；（2）新進(jìn)入市場(chǎng)的賣家，應(yīng)該選擇合適的商品——低價(jià)的經(jīng)驗(yàn)品進(jìn)入市場(chǎng)，并加入銷保和商盟；（3）已有的賣家應(yīng)該選擇加入消?；蛏堂耍越档拖M(fèi)者的感知風(fēng)險(xiǎn)。

關(guān)鍵詞：網(wǎng)絡(luò)購(gòu)物；電子商務(wù)市場(chǎng)；淘寶網(wǎng)；回歸分析

一、 引言

我國(guó)電子商務(wù)市場(chǎng)發(fā)展十分迅速，網(wǎng)上提供的商品品種越來(lái)越多，越來(lái)越多的人依賴網(wǎng)上購(gòu)物。截至2010年6月，我國(guó)網(wǎng)絡(luò)購(gòu)物用戶已經(jīng)達(dá)到1.42億，提升至33.8%。但是，網(wǎng)上購(gòu)物糾紛也比較多，由于很多商品質(zhì)量和網(wǎng)店的信譽(yù)招到質(zhì)疑。根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中2009年的研究報(bào)告，49.1%的網(wǎng)民對(duì)網(wǎng)購(gòu)商品質(zhì)量擔(dān)憂，這對(duì)電子商務(wù)市場(chǎng)的健康發(fā)展是十分不利的，因此，該問(wèn)題的研究是具有十分重要的意義的。

由于電子商務(wù)市場(chǎng)上的賣家和買(mǎi)家處于時(shí)空隔絕狀態(tài)，不能實(shí)現(xiàn)面對(duì)面的了解，相對(duì)于傳統(tǒng)的交易形式，買(mǎi)方能夠感知到交易風(fēng)險(xiǎn)。因此，網(wǎng)絡(luò)購(gòu)物需要購(gòu)買(mǎi)者花費(fèi)很多比較和甄別的時(shí)間盡管電子商務(wù)市場(chǎng)上。但是，網(wǎng)店頁(yè)面上提供給買(mǎi)家關(guān)于商品的圖片和文字關(guān)于商品質(zhì)量的信息表述是十分有限的，商品的非數(shù)字化屬性，如材料、做工和賣方可靠度等信息賣家往往會(huì)有意美化，甚至欺騙，買(mǎi)家需要關(guān)注多方面信譽(yù)信息，綜合做出購(gòu)買(mǎi)決策；如果買(mǎi)家購(gòu)買(mǎi)受到欺騙或不滿意，會(huì)進(jìn)一步影響下一次的購(gòu)買(mǎi)決策。因此，基于買(mǎi)家的安全保障的信息需求，許多電子商務(wù)網(wǎng)站建立了信譽(yù)反饋機(jī)制來(lái)提升買(mǎi)家的信任，即在賣家的網(wǎng)店頁(yè)面上提供賣家積累的交易信息，幫助買(mǎi)家決策，從而建立起網(wǎng)絡(luò)購(gòu)物環(huán)境下的信任。淘寶網(wǎng)站買(mǎi)家頁(yè)面上提供了買(mǎi)家對(duì)賣家服務(wù)的文字評(píng)價(jià)、信用積分、信譽(yù)等級(jí)圖標(biāo)、好評(píng)率、加入商盟（行業(yè)商盟和區(qū)域商盟）、加入“消費(fèi)者保障計(jì)劃”等信譽(yù)信息。

國(guó)內(nèi)許多學(xué)者曾經(jīng)研究過(guò)電子商務(wù)市場(chǎng)銷售量的影響因素，得出不盡相同的結(jié)論。如李維安等（2007）研究魔獸世界300點(diǎn)充值卡影響銷量的顯著因素是信用積分，加入商盟和價(jià)格，其中價(jià)格對(duì)銷售量有顯著負(fù)影響，其他因素對(duì)銷售量有顯著正影響；潘勇和廖陽(yáng)（2009）研究淘寶網(wǎng)上的“西湖龍井”商品，影響銷量的因素是賣家信用、賣家好評(píng)率、商品好評(píng)數(shù)和價(jià)格等，其中價(jià)格有負(fù)的影響，其他因素為正的影響；崔香梅和黃京華（2010）研究2G的金士頓牌SD卡，影響銷量的因素包括好評(píng)數(shù)、中評(píng)數(shù)、差評(píng)數(shù)和加入“消保”等，并且都有顯著正影響，這和李維安等（2007）的結(jié)論不一致，值得深入研究。

二、 研究設(shè)計(jì)

1. 研究對(duì)象確定與數(shù)據(jù)收集。

（1）本文選擇淘寶網(wǎng)為電子商務(wù)市場(chǎng)的研究對(duì)象。原因如下：第一，淘寶是亞洲最大的網(wǎng)絡(luò)零售商圈，淘寶網(wǎng)的市場(chǎng)份額75.6，79.3的用戶只在淘寶網(wǎng)上購(gòu)物。第二，淘寶建立了及時(shí)的、健全的信譽(yù)反饋體系，具備本文研究的數(shù)據(jù)集基礎(chǔ)。淘寶網(wǎng)的信譽(yù)信息包括包括信譽(yù)等級(jí)、信譽(yù)積分、好評(píng)率以及是否加入商盟和消保等。大量的信譽(yù)指標(biāo)直觀的顯示在網(wǎng)頁(yè)上，信譽(yù)信息更新及時(shí)。

（2）論文中采用趙瑞濤（2011）碩士論文中采集的數(shù)據(jù)，數(shù)據(jù)采集時(shí)間從2010年8月17日到2010年8月24日的淘寶網(wǎng)上的交易記錄，共收集到100842條記錄，本文抽取部分部分商品記錄，并剔除無(wú)效數(shù)據(jù)有效數(shù)據(jù)57378條。獲取信息包括產(chǎn)品名稱、銷量、價(jià)格、信譽(yù)積分、信譽(yù)等級(jí)、是否加入商盟和銷保等。

（3）本文采用了Tobit回歸模型（Tobin，1958）。趙瑞濤（2011）研究發(fā)現(xiàn)，在數(shù)據(jù)收集的時(shí)間段內(nèi)，沒(méi)有賣出任何商品，大約66.2%的商品銷售量為0。本文抽取部分商品，也具有同樣特點(diǎn)。在比較采用普通最小二乘法（OLS）和Tobit回歸模型分析結(jié)果之后，筆者認(rèn)為認(rèn)為采用Tobit回歸模型更合適。

（4）本文采取了Girard（2002）等的分類方法，將商品分為四種：搜索品、經(jīng)驗(yàn)品Ⅰ型（非耐用品）、經(jīng)驗(yàn)品Ⅱ型（耐用品）、信任品，但是，分析中后發(fā)現(xiàn)，由于趙瑞濤（2011）的搜索品的數(shù)據(jù)收集不全面，包括大量的充值卡，這種虛擬商品具有和其他商品不同的特殊性，放在一起分析不合適。因此，本文只研究經(jīng)驗(yàn)品Ⅰ型（非耐用品）、經(jīng)驗(yàn)品Ⅱ型（耐用品）、信任品三種類型的產(chǎn)品，確定66種商品為本文研究對(duì)象。其中經(jīng)驗(yàn)品Ⅰ型（非耐用品）21種，包括服裝和化妝品；經(jīng)驗(yàn)品Ⅱ型（耐用品）36種，包括電子產(chǎn)品和家用電器；信任品9中，包括奶粉和維生素。

2. 研究假設(shè)。

在淘寶網(wǎng)站上，每次交易結(jié)束后買(mǎi)家可以對(duì)賣家所提供的服務(wù)進(jìn)行評(píng)價(jià)，網(wǎng)站根據(jù)評(píng)價(jià)計(jì)算賣家的信用積分，并采用信譽(yù)等級(jí)圖標(biāo)在商品頁(yè)面上顯示，表示不同的信譽(yù)等級(jí)，信譽(yù)積分不在頁(yè)面上顯示。根據(jù)以往的研究，筆者假設(shè)賣家的信用積分（或信譽(yù)等級(jí)）對(duì)銷售量有正影響；好評(píng)率是賣家受到的“好評(píng)”數(shù)除以總的評(píng)價(jià)數(shù)量，好評(píng)率通常比較高，接近于100%，本文假設(shè)好評(píng)率對(duì)銷售量有正影響；淘寶網(wǎng)上有兩類商盟：行業(yè)商盟和區(qū)域商盟。商盟以集體聲譽(yù)作為抵押，向買(mǎi)家承諾商盟成員不會(huì)有欺騙行為，可以有效地提升了買(mǎi)家的網(wǎng)購(gòu)信心，本文假設(shè)加入商盟對(duì)銷售量有正影響；“消費(fèi)者保障計(jì)劃”是淘寶推出的買(mǎi)家購(gòu)物安全套餐服務(wù)的一種形式，若賣家對(duì)自己的服務(wù)承諾不能履行，則買(mǎi)家可以依據(jù)相關(guān)規(guī)則向淘寶發(fā)起投訴；淘寶依據(jù)相關(guān)規(guī)則處理，進(jìn)行“先行賠付”。本文假設(shè)加入“消?！睂?duì)銷售量有正影響；根據(jù)替代效應(yīng)（Substitution effect）和收入效應(yīng)（Income effect）理論，需求隨著價(jià)格的上升而下降，價(jià)格機(jī)制同樣適合于電子商務(wù)市場(chǎng)，因此，假設(shè)價(jià)格對(duì)銷售量有負(fù)影響。

三、 變量描述

本文用IconRank來(lái)表示賣家的信譽(yù)等級(jí)。當(dāng)賣家的信譽(yù)積分小于3時(shí)，沒(méi)有信譽(yù)等級(jí)顯示，將其設(shè)定為0；信譽(yù)等級(jí)為1到18；用PosRatio來(lái)表示好評(píng)率，大多數(shù)賣家的好評(píng)率非常高，mean=99.61%，沒(méi)有商品銷售的賣家好評(píng)率淘寶默認(rèn)為是0，回歸分析中會(huì)帶來(lái)結(jié)果偏差，因此，本文剔除這部分紀(jì)錄；加入商盟和消保用虛擬變量BAP和CPP描述，賣家加入商盟或消保時(shí)，BAP和CPP等于1，否則等于0。據(jù)統(tǒng)計(jì)：大約有一半的賣家加入了消保；大約有4%的賣家是商盟的成員；價(jià)格變量TotalPrice包含商品價(jià)格和運(yùn)費(fèi)。

筆者對(duì)變量做如下處理：第一，采取了雙對(duì)數(shù)模型（log—log model），即自變量和因變量都采用自然對(duì)數(shù)變換，可以有效解決異方差問(wèn)題。第二，對(duì)信譽(yù)積分（RatingScore）做LN（RatingScore+1）變換。信譽(yù)積分加1，避免0的出現(xiàn)。第三，由于研究樣本涉及80種商品，商品價(jià)格從13元（魔獸世界15元點(diǎn)卡）到4 600元（Wi—Fi版iPad 16G）不等，為了使不同商品的價(jià)格具有可比性，把變量TotalPrice標(biāo)準(zhǔn)化，即價(jià)格減去該種商品的平均價(jià)格，然后除以該種商品價(jià)格的標(biāo)準(zhǔn)差，計(jì)算出不同商品的相對(duì)價(jià)格Value，即商品的價(jià)值。

四、 回歸分析

論文采用Tobit模型進(jìn)行回歸分析，以銷量為因變量，其他變量（見(jiàn)表2）為自變量。由于信譽(yù)等級(jí)是信譽(yù)積分的另外一種表示方式，因此，兩個(gè)變量不能同時(shí)參與回歸，本文選擇信譽(yù)積分LN（RatingScore+1）和信譽(yù)等級(jí)IconRank分別參與回歸分析，建立了兩個(gè)回歸模型?；貧w結(jié)果顯示R—squared的數(shù)值比較低（0. 344和0.284），但是這比以往的研究數(shù)據(jù)（李維安，等2007；崔香梅等，2010）高，可見(jiàn)，采用數(shù)字評(píng)價(jià)對(duì)銷售量的解釋是不夠的，根據(jù)Pavlou和Dimoka（2006）的研究，大約只有20%～30%。說(shuō)明影響銷量的主要因素是非數(shù)字評(píng)價(jià)。由于本文采用大容量樣本數(shù)據(jù)，相比于其他研究，R—squared的數(shù)值大了很多，研究結(jié)論基本可信。

本文采用信譽(yù)積分（或信譽(yù)等級(jí)）、好評(píng)率、加入商盟和消保來(lái)表示賣家的信譽(yù)。在兩個(gè)模型中，好評(píng)率的回歸系數(shù)都為正，而且都非常顯著，回歸系數(shù)較大，但那不足以說(shuō)明好評(píng)率對(duì)銷量有很高的正的影響。實(shí)際上，不同賣家好評(píng)率的差距是非常小，消費(fèi)者很難發(fā)現(xiàn)其間的差異。有不愉快網(wǎng)購(gòu)經(jīng)歷的買(mǎi)家很可能在給予差評(píng)的同時(shí)，留下文字評(píng)論，而這些評(píng)論對(duì)于未來(lái)的買(mǎi)家來(lái)說(shuō)非常重要（Pavlou Dimoka，2006），但是，我們卻無(wú)法收集到文字信息，這就可以解釋為什么好評(píng)率差異非常小，卻依然對(duì)銷售量有影響的原因。

信譽(yù)積分（或信譽(yù)等級(jí)）在兩個(gè)回歸模型中，回歸系數(shù)都為正，并非常顯著，回歸系數(shù)較大兩個(gè)變量在兩個(gè)模型中的回歸系數(shù)顯著性程度差異很小，是因?yàn)樾抛u(yù)等級(jí)是信譽(yù)積分的另一種表達(dá)方式。

許多研究發(fā)現(xiàn)信譽(yù)積分和銷量之間的關(guān)系不是線性的，信譽(yù)積分的邊際作用越來(lái)越?。↙ivingston，2005）。李維安等（2007）發(fā)現(xiàn)，銷售量不是隨這信譽(yù)積分的增加顯著提高。根據(jù)趙瑞濤（2011）的研究，不同信譽(yù)的賣家的銷售量差異并不顯著，一直到Blue_5；在此之后銷售量對(duì)著信譽(yù)等級(jí)的上升迅速上升，可是到達(dá)Crown_2后，銷售量的上升趨勢(shì)停止，信譽(yù)等級(jí)和銷售量之間的關(guān)系接近于S曲線，而非直線。但是，兩個(gè)個(gè)臨界點(diǎn)都高于李維安（2007）研究的數(shù)值。這可能使電子商務(wù)市場(chǎng)發(fā)展各個(gè)階段的差異。

Tobit模型回歸分析結(jié)果顯示：商盟對(duì)銷售量竟然有負(fù)影響，這不支持前文的假設(shè)。但是回歸系數(shù)很?。ā?.133和—0.055），可能是由于商盟和其他的信譽(yù)指標(biāo)存在一定的相關(guān)關(guān)系，或者是許多買(mǎi)家并不熟悉商盟這種制度造成的，這和崔香梅和黃京華（2010）得出的“商盟對(duì)銷售量的作用是非常有限的”的結(jié)論是一致的。

消保對(duì)銷售量的影響非常的顯著，回歸系數(shù)較大。在信譽(yù)等級(jí)（IconRank）參與回歸的模型中，銷保對(duì)銷量的貢獻(xiàn)最大，回歸系數(shù)0.432。

通過(guò)標(biāo)準(zhǔn)化，使得不同商品的價(jià)格具有可比性。Ln（Value）的回歸系數(shù)為負(fù)，而且非常顯著，說(shuō)明價(jià)格機(jī)制在電子商務(wù)網(wǎng)站中依然適用。

五、 結(jié)論與建議

電子商務(wù)的迅速發(fā)展，很大范圍地改變了我們長(zhǎng)期的商業(yè)模式。賣家的信譽(yù)除了可以通過(guò)商業(yè)活動(dòng)本身建立外，還需要通過(guò)信息技術(shù)傳遞信譽(yù)，增加買(mǎi)賣雙方的信息對(duì)稱，實(shí)踐證明，信譽(yù)反饋機(jī)制是電子商務(wù)市場(chǎng)環(huán)境下的一種有效的信任機(jī)制。本文通過(guò)對(duì)淘寶網(wǎng)一段時(shí)間交易記錄的研究發(fā)現(xiàn)：所有信譽(yù)指標(biāo)對(duì)銷售量都有顯著的正的影響，遠(yuǎn)遠(yuǎn)大于價(jià)格對(duì)銷量的影響，證明了信譽(yù)反饋機(jī)制是建立網(wǎng)絡(luò)購(gòu)物市場(chǎng)環(huán)境信任的有效機(jī)制。說(shuō)明信譽(yù)反饋機(jī)制是對(duì)賣家誠(chéng)實(shí)經(jīng)營(yíng)的一種有效的激勵(lì)機(jī)制，可以極大的減少逆向選擇（隱藏信息）和道德風(fēng)險(xiǎn)（隱藏行動(dòng)）。

但是，同時(shí)我們也看到，這種信譽(yù)反饋機(jī)制也不利于對(duì)新賣家計(jì)入市場(chǎng)，不利于電子商務(wù)市場(chǎng)的發(fā)展壯大。由于買(mǎi)家關(guān)注信譽(yù)，新賣家采取低價(jià)策略進(jìn)入電子商務(wù)市場(chǎng)已經(jīng)不可能，信譽(yù)反饋體系會(huì)逐漸演化為進(jìn)入壁壘（Entry Barriers）。另外，淘寶提供的“按銷量排序”和“按信譽(yù)排序”功能，也給新進(jìn)入市場(chǎng)的賣家?guī)?lái)困難，從而導(dǎo)致許多新進(jìn)入賣家靠偽造信譽(yù)的方式進(jìn)入市場(chǎng)，長(zhǎng)期下去，將會(huì)影響買(mǎi)家對(duì)網(wǎng)頁(yè)上信譽(yù)信息的信任，不利于市場(chǎng)的發(fā)展。

根據(jù)以上分析，筆者提出如下建議：（1）電子商務(wù)網(wǎng)站采取技術(shù)措施，完善管控措施，控制偽造信譽(yù)的現(xiàn)象；（2）新進(jìn)入市場(chǎng)的賣家，應(yīng)該選擇合適的商品——低價(jià)的經(jīng)驗(yàn)品進(jìn)入市場(chǎng)，例如服裝、化妝品、電器等，并加入銷保和商盟；（3）已有的賣家應(yīng)該選擇加入消?；蛏堂?，以降低消費(fèi)者的感知風(fēng)險(xiǎn)。

本文研究主要側(cè)重于數(shù)字評(píng)價(jià)。實(shí)際上，網(wǎng)上交易過(guò)程中，銷售量會(huì)受多種因素的影響，包括商品描述、文字評(píng)論、圖片信息等和在線交流等。由于非數(shù)字?jǐn)?shù)據(jù)收集和描述的存在問(wèn)題，多數(shù)學(xué)者都沒(méi)有研究非數(shù)字評(píng)價(jià)對(duì)銷量的影響的問(wèn)題，這個(gè)問(wèn)題值得進(jìn)一步研究。

注釋：

①數(shù)據(jù)來(lái)源：中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）：《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》http：//research.cnnic.cn/img/h000/h12/attac：h201007151358080.pdf，2010年7月。

②數(shù)據(jù)來(lái)源：中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）：《2011年中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)研究報(bào)告》http：//www.doc88.com/p—333730032485.html，2011年11月。

③數(shù)據(jù)來(lái)源：趙瑞濤.網(wǎng)上交易中賣家信譽(yù)對(duì)銷售量影響的實(shí)證研究.碩士論文，2011年6月。

參考文獻(xiàn)：

1. Pavlou，P. A.， Dimoka，A. The nature and role of feedback text comments in online market—places： Implications for trust building，price premiums，and seller differentiation. Information Systems Research，2006，17（4），392—414.

2. Tobin J. ，Estimation of relationships for limited dependent vairiable，Econometrica，1958，26（1）：24—36.

3. Girard T.，Silverblatt R.，Korgaonkar P.，Influence of product class on preference for shopping on the internet.Journal of Computer Mediated Communications，2002，8（1）.http：//jcmc.Indiana.edu/vol8/issue1/girard.html.

4. Livingston，J. “How valuable is a good reputation？ A Sample Selection Model of Internet Auctions” .Review of Economics and Statistics，2005，87（3）：453—465.

5. 崔香梅，黃京華. 信用評(píng)價(jià)體系以及相關(guān)因素對(duì)一口價(jià)網(wǎng)上交易影響的實(shí)證研究. 管理學(xué)報(bào)，2010 ，7（1）：54—60，67.

6. 李維安，吳德勝，徐皓. 網(wǎng)上交易中的聲譽(yù)機(jī)制： 來(lái)自淘寶網(wǎng)的證據(jù).南開(kāi)管理評(píng)論，2007，10（5）：36—46.

7. 潘勇，廖陽(yáng). 中國(guó)電子商務(wù)市場(chǎng)“檸檬”問(wèn)題與抵消機(jī)制： 基于淘寶網(wǎng)的數(shù)據(jù).商業(yè)經(jīng)濟(jì)與管理，2009，108（2）：11—15.

8. 趙瑞濤.網(wǎng)上交易中賣家信譽(yù)對(duì)銷售量影響的實(shí)證研究.長(zhǎng)春：吉林大學(xué)，2011.

作者簡(jiǎn)介：李松，吉林大學(xué)管理學(xué)院教授，管理學(xué)博士；李鳳春，吉林大學(xué)畢業(yè)生就業(yè)指導(dǎo)中心副教授。

收稿日期：2012—09—30。