外部環(huán)境變化對(duì)平臺(tái)型電子商務(wù)生態(tài)系統(tǒng)的影響——基于面板數(shù)據(jù)的實(shí)證研

劉愛琴，胡麗麗，許秀紅 LIU Ai-qin, HU Li-li, XU Xiu-hong

（1. 山西大學(xué) 經(jīng)濟(jì)與管理學(xué)院，山西 太原030006；2. 山西國際商務(wù)職業(yè)學(xué)院，山西 太原030031）

(1. School of Economics and Management, Shanxi University, Taiyuan 030006, China； 2. Shanxi International Business Vocational College, Taiyuan 030031, China)

0 引 言

伴隨著電子商務(wù)時(shí)代的到來，阿里巴巴旗下的淘寶網(wǎng)搶占了大量的市場份額。2008 年，宋斐和盛振中指出，經(jīng)過自然生長階段、有生態(tài)意識(shí)階段、有意識(shí)的生態(tài)建設(shè)階段，淘寶網(wǎng)的生態(tài)系統(tǒng)已經(jīng)初步形成[1]。Peltoniemi 和Vuori 認(rèn)為商務(wù)生態(tài)系統(tǒng)由占據(jù)不同“生態(tài)位”的企業(yè)組成，這些企業(yè)的生態(tài)位相互關(guān)聯(lián)，一旦其中的一個(gè)發(fā)生變化，其他相關(guān)者包括競爭者、合作者和補(bǔ)充者均發(fā)生變化[2]。Marco Iansiti 和Ray Levien 構(gòu)建了商務(wù)生態(tài)系統(tǒng)理論的框架，并將商務(wù)生態(tài)系統(tǒng)中的“企業(yè)”按生物學(xué)物種的概念分為了三類：領(lǐng)導(dǎo)種群、關(guān)鍵種群、寄生種群[3]。參照種群生態(tài)學(xué)對(duì)企業(yè)生態(tài)系統(tǒng)定義，淘寶網(wǎng)生態(tài)系統(tǒng)中種群包括電子商務(wù)平臺(tái)種群、買家種群、賣家種群、供應(yīng)商種群、物流服務(wù)種群、軟件服務(wù)商種群、金融機(jī)構(gòu)種群等；非生物生態(tài)環(huán)境包括政策、法律、經(jīng)濟(jì)、社會(huì)、技術(shù)等。盛振中認(rèn)為，目前淘寶網(wǎng)生態(tài)系統(tǒng)非生物生態(tài)環(huán)境處于不斷變化之中，各種群面對(duì)的非生物生態(tài)環(huán)境充滿了不確定性，因此只有具備較強(qiáng)的適應(yīng)能力的種群才能在優(yōu)勝劣汰中存活下來[4]。

2011 年10 月10 日，淘寶商城發(fā)布了“提高技術(shù)服務(wù)年費(fèi)”和“商鋪違約金全線提高”的調(diào)整，金額漲幅之大導(dǎo)致了眾多中小商家不滿，2011 年10 月11 日，近5 萬多名網(wǎng)友有組織性的對(duì)部分淘寶商城大賣家實(shí)施了“拍商品、給差評(píng)、拒付款”的惡意操作行為，嚴(yán)重破壞了淘寶網(wǎng)生態(tài)系統(tǒng)的平衡。為了分析淘寶網(wǎng)生態(tài)系統(tǒng)對(duì)于這一事件所引起的環(huán)境變化的適應(yīng)能力，本文以專營3C 數(shù)碼產(chǎn)品的TOP20 位網(wǎng)商為調(diào)查對(duì)象，在惡性攻擊事件發(fā)生后的一個(gè)月內(nèi)分3 次收集網(wǎng)商的好評(píng)率、退貨率、投訴率等數(shù)據(jù)指標(biāo)。隨后，用SPSS 軟件進(jìn)行基于Pearson 簡單相關(guān)系數(shù)的相關(guān)性分析，找出在此次攻擊事件中受到影響的指標(biāo)中與網(wǎng)商績效存在強(qiáng)相關(guān)性的指標(biāo)。最后，應(yīng)用SPSS 繪出相應(yīng)指標(biāo)變化的線形圖，證實(shí)淘寶生態(tài)系統(tǒng)內(nèi)各種群對(duì)非生物生態(tài)環(huán)境變化具有適應(yīng)性。

事件發(fā)生之后，阿里集團(tuán)從宣傳、倉儲(chǔ)、物流、網(wǎng)上銀行等各個(gè)方面做出努力，迎來了2012 年和2013 年淘寶網(wǎng)雙十一銷售額的新輝煌。本文統(tǒng)計(jì)了2012 年和2013 年的淘寶網(wǎng)雙十一期間所有天貓賣家的銷售額，并將之與2011 年雙十一進(jìn)行比較，從而驗(yàn)證了環(huán)境變化對(duì)電子商務(wù)生態(tài)系統(tǒng)具有積極影響。

1 數(shù)據(jù)統(tǒng)計(jì)與分析

1.1 理論假設(shè)。當(dāng)環(huán)境變化時(shí)，商務(wù)生態(tài)系統(tǒng)通過其自組織，協(xié)同和自我修復(fù)能力來適應(yīng)新環(huán)境。本文以淘寶網(wǎng)生態(tài)系統(tǒng)中中小型賣家惡性攻擊淘寶商城大賣家事件所引起的環(huán)境變化為契機(jī)，以月好評(píng)率、月退款率等指標(biāo)的變化作為測試性計(jì)劃，來衡量淘寶網(wǎng)生態(tài)系統(tǒng)中各網(wǎng)商種群在受到環(huán)境威脅后的表現(xiàn)。各網(wǎng)商種群在環(huán)境變化后生態(tài)位的調(diào)整過程見圖1。

本文選取了兩次典型數(shù)據(jù)進(jìn)行處理。分別是淘寶攻擊事件后的數(shù)據(jù)和2013 年雙十一的數(shù)據(jù)。為了保證數(shù)據(jù)的科學(xué)性，分別于2011 年、2012 年、2013 年的相同日期，針對(duì)淘寶網(wǎng)專營3C 數(shù)碼TOP20 的網(wǎng)店的網(wǎng)商績效、30 天退款率、質(zhì)量問題退款次、未收到貨退款次、無理由退款次、30 天投訴率、30 天處罰數(shù)和一個(gè)月的好評(píng)、中評(píng)、差評(píng)總數(shù)等面板數(shù)據(jù)進(jìn)行收集。通過相關(guān)性分析找出此次攻擊事件中受到影響同時(shí)會(huì)影響網(wǎng)商績效的指標(biāo)，并應(yīng)用SPSS 繪出線形圖，從而直觀地了解各指標(biāo)在環(huán)境變化下的變化情況。

圖1 網(wǎng)商生態(tài)位調(diào)整過程

1.2 抽樣方法。以淘寶網(wǎng)上一類銷售3C 數(shù)碼產(chǎn)品的網(wǎng)商作為研究樣本。

時(shí)間方面，收集三個(gè)時(shí)段的相同店鋪的面板數(shù)據(jù)，方便進(jìn)行縱向分析。銷售3C 數(shù)碼產(chǎn)品的淘寶網(wǎng)商數(shù)量很多，本文抽取了20 個(gè)銷售業(yè)績靠前的網(wǎng)商，但銷售業(yè)績占淘寶的50%左右，且這些網(wǎng)商在此次攻擊事件后均有不同程度的損失。第一次數(shù)據(jù)收集在2011 年10 月24 日（T1），隨后分別在2011 年11 月8 日（T2） 和2011 年11 月15 日（T3） 收集了兩次數(shù)據(jù)，數(shù)據(jù)通過人工采集完成。

對(duì)2012 年11 月11 日所有天貓商鋪的銷售額進(jìn)行統(tǒng)計(jì)分析。

同樣，對(duì)2013 年11 月11 日所有天貓商鋪的銷售額進(jìn)行統(tǒng)計(jì)分析。

1.3 變量間的相關(guān)性分析。2011 年，變量間的相關(guān)性分析結(jié)果見表1。同一變量的重復(fù)測量是顯著相關(guān)的，月好評(píng)次數(shù)與網(wǎng)商績效呈正相關(guān)關(guān)系，差評(píng)次數(shù)與因質(zhì)量問題退款次數(shù)、未收到貨退款次數(shù)以及無理由退款次數(shù)均有較強(qiáng)的相關(guān)性，其相關(guān)系數(shù)都超過0.8，分別為0.843、0.894、0.807。因此可知，由于中小買家的“拍商品、給差評(píng)、拒付款”惡性攻擊行為會(huì)導(dǎo)致受攻擊賣家績效的降低，具體可表現(xiàn)為因無理由退款與差評(píng)次成正相關(guān)，因此惡意拒付款行為可導(dǎo)致一個(gè)月內(nèi)差評(píng)次數(shù)升高，同時(shí)好評(píng)次數(shù)降低，而月好評(píng)次數(shù)與網(wǎng)商績效是呈正相關(guān)關(guān)系，所以網(wǎng)商績效會(huì)受很大影響。

表1 2011 相關(guān)性分析結(jié)果

由于2012 年沒有較大的生態(tài)系統(tǒng)環(huán)境的變化，其具體數(shù)據(jù)只做對(duì)比應(yīng)用，不討論其相關(guān)性分析。

2013 年，變量間的相關(guān)性分析結(jié)果見表2。同一變量的重復(fù)測量是顯著相關(guān)的，月好評(píng)次數(shù)以及月中評(píng)次數(shù)的顯著性概率為0.000 和0.014，故二者與網(wǎng)商績效有顯著的相關(guān)關(guān)系，差評(píng)次數(shù)與因質(zhì)量問題退款次數(shù)，未收到貨退款次數(shù)以及無理由退款次數(shù)均有較強(qiáng)的相關(guān)性，其相關(guān)系數(shù)都超過0.8，分別為0.897、0.875、0.832。（可以適當(dāng)修改） 因此可知，用戶越來越重視商品質(zhì)量以及物流等帶來的商品體驗(yàn)，如果商品的質(zhì)量有問題，多數(shù)會(huì)導(dǎo)致差評(píng)，同時(shí)好評(píng)次數(shù)降低，而月好評(píng)次數(shù)與網(wǎng)商績效是呈正相關(guān)關(guān)系，所以網(wǎng)商績效會(huì)受很大影響。

表2 2013 相關(guān)性分析結(jié)果

1.4 分析方法。選用SPSS 軟件對(duì)數(shù)據(jù)進(jìn)行相關(guān)性及描述性統(tǒng)計(jì)分析，先分析出在此次惡性攻擊事件中受到影響的指標(biāo)有好評(píng)率、30 天退款率、質(zhì)量問題退款次、未收到貨退款次、無理由退款次和一個(gè)月的好評(píng)、中評(píng)、差評(píng)總數(shù)，通過隨后的相關(guān)性分析可知一個(gè)月的好評(píng)數(shù)、差評(píng)數(shù)以及因各種原因引起的退款都會(huì)影響網(wǎng)商的績效。最后通過對(duì)T1、T2、T3 時(shí)期的數(shù)據(jù)分別進(jìn)行描述性統(tǒng)計(jì)分析，并對(duì)比了T1、T2、T3 時(shí)期月退款率和投訴率，一個(gè)月好評(píng)總數(shù)，從而驗(yàn)證網(wǎng)商在經(jīng)受惡性攻擊后，各指標(biāo)漸漸趨于穩(wěn)定，并向有益于整個(gè)淘寶網(wǎng)生態(tài)系統(tǒng)的方向發(fā)展。

2 研究發(fā)現(xiàn)

2.1 描述性統(tǒng)計(jì)分析。2011 年各指標(biāo)在不同時(shí)間段收集數(shù)據(jù)時(shí)對(duì)應(yīng)的描述性統(tǒng)計(jì)分析參見表3。其中，網(wǎng)商績效、因質(zhì)量退款、未到貨退款和無理由退款的標(biāo)準(zhǔn)差都比較大，說明網(wǎng)商之間在這幾個(gè)指標(biāo)上分布的范圍較廣。另外，好評(píng)率平均值達(dá)到99%以上，標(biāo)準(zhǔn)差最大（T3） 僅為0.00369，說明各個(gè)網(wǎng)商的好評(píng)率不但很高，而且差異性很小。

2013 年各指標(biāo)在不同時(shí)間段收集數(shù)據(jù)時(shí)對(duì)應(yīng)的描述性統(tǒng)計(jì)分析參見表4。其中，網(wǎng)商績效、因質(zhì)量退款、未到貨退款和無理由退款的標(biāo)準(zhǔn)差都比較大，說明網(wǎng)商之間在這幾個(gè)指標(biāo)上分布的范圍較廣。此外，好評(píng)率平均值達(dá)到99% 以上，標(biāo)準(zhǔn)差最大較小，說明各個(gè)網(wǎng)商的好評(píng)率高而且差異性小。

在2013 年11 月11 日，天貓商城的店鋪支付寶成交額突破千萬元的賣家數(shù)為504 家。其中單日單店銷量在1 億元以上的店鋪有18 家，店鋪銷量在5 000 萬元以上的43 家，成交在1 000～5 000 萬元以上的店鋪443 家。

在2012 年11 月11 日，天貓商城的店鋪支付寶成交額突破千萬的賣家數(shù)為217 家。其中單日單店銷量在1 億元以上的店鋪有3 家，店鋪銷量在5 000 萬元以上的14 家，成交在1 000～5 000 萬元以上的店鋪200 家。另外還有1 527 家店鋪的支付寶成交額在百萬元以上。

對(duì)比2011 年11 月11 日，也就是賣家受到攻擊一個(gè)月后，總共有497 家品牌店銷售突破百萬元，其中3 家品牌店銷售額破4 000 萬元。另有1 家超3 000 萬元、4 家超過2 000 萬元、38 家過1 000 萬元、75 家過500 萬元。與去年相比，銷量達(dá)千萬元以上的店鋪是去年的4.7 倍，百萬元以上銷量店是去年的3 倍。2011～2013 年銷售額對(duì)比如表5 所示。

表3 2011 描述性統(tǒng)計(jì)分析結(jié)果

2.2 驗(yàn)證結(jié)果。通過對(duì)T1、T2、T3 時(shí)期的月投訴率、月退款率和好評(píng)率進(jìn)行對(duì)比，并繪制線性圖可清楚的得出，受攻擊網(wǎng)商的月退款率在受攻擊后的達(dá)到一個(gè)頂點(diǎn)，隨后趨于下降，并在11 月份期間基本保持不變，而月投訴率由于不受惡性攻擊的影響，一直保持不變。對(duì)應(yīng)的線形圖見圖2。同時(shí)，通過圖3，我們可以發(fā)現(xiàn)10 月24 日之后，網(wǎng)商的平均好評(píng)率一直處于上升階段，而且，10 月下旬的上升速度尤其驚人，這是由于生態(tài)環(huán)境受到破壞初期，網(wǎng)商種群體現(xiàn)出的強(qiáng)大自我修復(fù)能力。因此，我們可以得出，當(dāng)環(huán)境變化時(shí)，淘寶網(wǎng)生態(tài)系統(tǒng)中的網(wǎng)商種群通過自組織、協(xié)同和自我修復(fù)能力來適應(yīng)新環(huán)境而慢慢恢復(fù)正常，這反過來證明了生態(tài)系統(tǒng)內(nèi)的種群具有自我修復(fù)能力。

3 結(jié)論及展望

基于電子商務(wù)生態(tài)系統(tǒng)和適應(yīng)性相關(guān)理論，本文實(shí)證驗(yàn)證了電子商務(wù)生態(tài)系統(tǒng)中的種群在面對(duì)非生物生態(tài)環(huán)境的變化時(shí)具有自適應(yīng)性。

本文的研究結(jié)論仍然是非常局限的。比如，由于收集數(shù)據(jù)的時(shí)間、人力限制，沒有搜集所有在此次攻擊事件中受到攻擊的賣家的數(shù)據(jù)，而是選擇了主營3C 數(shù)碼的網(wǎng)店。本文的分析方法在文獻(xiàn)中未見類似報(bào)道，它將理論聯(lián)系實(shí)踐，驗(yàn)證了自適應(yīng)性的合理性，因此對(duì)于淘寶網(wǎng)生態(tài)系統(tǒng)的構(gòu)建與發(fā)展具有重要的意義。

表4 2013 描述性統(tǒng)計(jì)分析結(jié)果

表5 2013 年、2012 年與2011 年銷售額對(duì)比

圖2 月退款率與投訴率線形圖

圖3 月好評(píng)率線形圖

[1] 宋斐，盛振中. 淘寶網(wǎng)電子商務(wù)生態(tài)分析[C]//第十三屆中國信息經(jīng)濟(jì)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集. 西安：陜西科學(xué)技術(shù)出版社，2008:348-356.

[2] Peltoniemi M, E Vuori. Business Ecosystem as the New Approach to Complex Adaptive Business Environments[J]. Frontiers of E-business Research, 2004(1):267-281.

[3] Marco Lansiti, Roy Levien. The Keystone Advantage[M]. Boston, Massachusetts, Harvard Business School Press, 2004.

[4] 盛振中. 淘寶網(wǎng)生態(tài)系統(tǒng)中種群成長研究[C]//第二屆網(wǎng)商及電子商務(wù)學(xué)術(shù)研討會(huì)論文集，2009.

[5] 劉志堅(jiān). 基于產(chǎn)業(yè)集群的企業(yè)生態(tài)網(wǎng)絡(luò)研究[J]. 經(jīng)濟(jì)與管理研究，2006(1):61-64.

[6] 張真繼，張潤彤. 網(wǎng)絡(luò)社會(huì)生態(tài)學(xué)[M]. 北京：電子工業(yè)出版社，2008.

[7] 方薇，陳世平. 共同進(jìn)化——當(dāng)代企業(yè)竟?fàn)幮滤季S[J]. 福建論壇（經(jīng)濟(jì)社會(huì)版），2000(3):22-24.

[8] 盧云. 新興電子商務(wù)生態(tài)系統(tǒng)及其共生模型研究[D]. 北京：北京郵電大學(xué)（碩士學(xué)位論文），2009.