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

喬曉娟

（陜西郵電職業(yè)技術(shù)學(xué)院，陜西 咸陽(yáng) 712000）

“十三五”時(shí)期，政府、企業(yè)等多方參與下沉市場(chǎng)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(yīng)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(yīng)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(jìn)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(jì)發(fā)展的重要新動(dòng)能，有力促進(jìn)了鄉(xiāng)村振興。2020年全國(guó)農(nóng)村網(wǎng)絡(luò)零售額達(dá)1.79萬(wàn)億元，是2015 年的5.1 倍，遠(yuǎn)高于全國(guó)電子商務(wù)整體增速；農(nóng)產(chǎn)品網(wǎng)絡(luò)零售額達(dá)4158.9 億元，已占到農(nóng)產(chǎn)品零售總額的10%。

隨著消費(fèi)層次的升級(jí)，消費(fèi)群體逐步轉(zhuǎn)向以80后、90后為主的消費(fèi)大軍，生鮮產(chǎn)品消費(fèi)人群年輕化趨勢(shì)越來越明顯，消費(fèi)者對(duì)生鮮農(nóng)產(chǎn)品的消費(fèi)習(xí)慣逐步由線下轉(zhuǎn)向線上。但因?yàn)樯r農(nóng)產(chǎn)品對(duì)保質(zhì)期、時(shí)效性要求較高，消費(fèi)者對(duì)產(chǎn)品感知風(fēng)險(xiǎn)較大，使得消費(fèi)者在下單前更關(guān)注在線評(píng)論，便于消費(fèi)者做出有利于自己的購(gòu)買決策，所以研究在線評(píng)論對(duì)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(xiàn)研究法、數(shù)理統(tǒng)計(jì)分析法和實(shí)證研究法，使用網(wǎng)絡(luò)爬蟲工具獲取京東商城（www.jd.com）的產(chǎn)品評(píng)論數(shù)據(jù)，分析產(chǎn)品評(píng)論對(duì)在線銷量影響的具體因素。文中引入在線評(píng)論的數(shù)量、效價(jià)、評(píng)論的點(diǎn)贊、評(píng)論的回復(fù)作為自變量，消費(fèi)者特征及價(jià)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(píng)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(píng)論的研究?jī)?nèi)容。

一、文獻(xiàn)綜述

（一）在線評(píng)論相關(guān)研究

目前，國(guó)內(nèi)外學(xué)者研究在線評(píng)論主要集中在以下3 個(gè)維度：評(píng)論的特征、參與評(píng)論的消費(fèi)者及參考評(píng)論的消費(fèi)者，評(píng)論特征主要包括質(zhì)量、數(shù)量、效價(jià)、時(shí)效性、強(qiáng)度、長(zhǎng)度、形式等方面；參與評(píng)論的消費(fèi)者主要包括資信度、專業(yè)能力等方面；參考評(píng)論的消費(fèi)者主要包括消費(fèi)者的專業(yè)能力、產(chǎn)品涉入度、感知風(fēng)險(xiǎn)等方面[3]。Anu 等采用線性回歸模型對(duì)亞馬遜評(píng)論數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)：產(chǎn)品價(jià)格、評(píng)論長(zhǎng)度、評(píng)論量和情緒（正面或負(fù)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(jià)格之外，用戶還受到評(píng)論數(shù)量、評(píng)論長(zhǎng)度、明星評(píng)級(jí)和評(píng)論文本情感的影響[4]。劉小嬌的研究發(fā)現(xiàn)：產(chǎn)品評(píng)論數(shù)量會(huì)直接影響消費(fèi)者的購(gòu)買意愿[5]。

（二）生鮮農(nóng)產(chǎn)品的在線評(píng)論相關(guān)研究

生鮮農(nóng)產(chǎn)品的在線評(píng)論研究主要包括在線評(píng)論對(duì)其銷量影響的研究及在線評(píng)論特征對(duì)消費(fèi)者滿意度的研究［3］。胡雅淇，林海對(duì)淘寶羊肉大數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)：在線評(píng)論數(shù)量、圖片數(shù)量對(duì)生鮮農(nóng)產(chǎn)品銷量有積極的正向作用，差評(píng)數(shù)量則有顯著的負(fù)面影響，評(píng)論長(zhǎng)度對(duì)其銷量的影響不顯著[2]。張紅霞運(yùn)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(wù)消費(fèi)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(xué)者的研究發(fā)現(xiàn)：在線評(píng)論研究?jī)?nèi)容非常豐富，但不同學(xué)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(xué)者采用問卷調(diào)研的方式開展研究，有些學(xué)者采用實(shí)驗(yàn)數(shù)據(jù)開展研究，樣本數(shù)據(jù)不同，導(dǎo)致不同學(xué)者研究得出的結(jié)論差距較大；同時(shí)有些學(xué)者分析手機(jī)、空調(diào)等搜索型產(chǎn)品，有些學(xué)者分析電影等體驗(yàn)型產(chǎn)品，產(chǎn)品的類型也對(duì)分析結(jié)果有較大影響。因此研究在線評(píng)論對(duì)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(duì)性建議。

生鮮農(nóng)產(chǎn)品一方面屬于體驗(yàn)型產(chǎn)品，另一方面對(duì)時(shí)效性等有較高要求，所以其研究又不同于一般的體驗(yàn)型產(chǎn)品，研究這一特殊品類對(duì)理論有很好的補(bǔ)充作用。同時(shí)采用網(wǎng)絡(luò)爬蟲工具獲取京東商城（www.jd.com）的大量真實(shí)有效的產(chǎn)品評(píng)論數(shù)據(jù)，也可以給企業(yè)生鮮農(nóng)產(chǎn)品項(xiàng)目運(yùn)營(yíng)帶來很好的指導(dǎo)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(píng)論總數(shù)量對(duì)產(chǎn)品的銷量有顯著的影響，評(píng)論數(shù)量越多，產(chǎn)品銷售越多[7]。Zhang等學(xué)者通過實(shí)驗(yàn)室實(shí)驗(yàn)和實(shí)際在線零售商的數(shù)據(jù)表明，消費(fèi)者認(rèn)為正面評(píng)論比負(fù)面評(píng)論更具說服力[8]。張艷輝等研究認(rèn)為，評(píng)論回復(fù)可以使得該評(píng)論更加深入，引起更多消費(fèi)者的關(guān)注[9]。蔡莉梅等研究發(fā)現(xiàn)，評(píng)論回復(fù)數(shù)量對(duì)評(píng)論有用性有顯著正向影響[10]。劉杰等研究發(fā)現(xiàn)，消費(fèi)者特征會(huì)影響評(píng)論的有用性[11]。王濤等研究發(fā)現(xiàn)價(jià)格通過消費(fèi)者滿意度對(duì)消費(fèi)者購(gòu)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(píng)論研究假設(shè)

images/BZ_72_1273_393_2290_452.png假設(shè)H5假設(shè)H6消費(fèi)者特征顯著調(diào)節(jié)了在線評(píng)論對(duì)生鮮農(nóng)產(chǎn)品在線銷量的影響。產(chǎn)品價(jià)格顯著調(diào)節(jié)了在線評(píng)論對(duì)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(píng)論數(shù)量、評(píng)論效價(jià)、評(píng)論的點(diǎn)贊、評(píng)論的回復(fù)作為影響在線銷量的自變量。有效評(píng)論數(shù)量是指消費(fèi)者發(fā)布的真實(shí)評(píng)論數(shù)量的總和的統(tǒng)計(jì)，因?yàn)橘?gòu)物平臺(tái)存在系統(tǒng)默認(rèn)評(píng)論的現(xiàn)狀，文中選擇有效評(píng)論數(shù)量。有效評(píng)論數(shù)量=（評(píng)論總數(shù)-系統(tǒng)默認(rèn)評(píng)論）。評(píng)論效價(jià)的典型表現(xiàn)形式是產(chǎn)品評(píng)分，反映了消費(fèi)者對(duì)產(chǎn)品的情感傾向。在實(shí)證研究中，通常采用消費(fèi)者評(píng)分的平均值表示評(píng)論效價(jià)，文中選用了京東商城產(chǎn)品的好評(píng)度作為評(píng)論效價(jià)。評(píng)論的點(diǎn)贊和評(píng)論回復(fù)是京東商城在評(píng)論中設(shè)置的，主要通過此方式選出高質(zhì)量評(píng)論，有利于消費(fèi)者評(píng)估評(píng)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(fèi)者特征及價(jià)格作為控制變量。

購(gòu)物平臺(tái)為了刺激消費(fèi)者購(gòu)買產(chǎn)品，一般都會(huì)推出自身的會(huì)員體系。京東商城的會(huì)員按照是否付費(fèi)可以分為：京東會(huì)員和京東plus 會(huì)員兩種。因?yàn)榫〇|plus 會(huì)員是為其核心客戶提供更優(yōu)質(zhì)的購(gòu)物體驗(yàn)而推出的會(huì)員，京東plus 會(huì)員在線消費(fèi)經(jīng)驗(yàn)豐富、活躍程度較高，所以京東plus 會(huì)員的評(píng)論更容易被消費(fèi)者接受，所以此處將消費(fèi)者特征引入作為控制變量。

價(jià)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(duì)于同類產(chǎn)品來說，價(jià)格的高低會(huì)改變消費(fèi)者的購(gòu)買決定。所以文中將價(jià)格作為控制變量，來研究在線評(píng)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(píng)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(shí)反映該產(chǎn)品的真實(shí)在線銷量。

（三）模型構(gòu)建

結(jié)合文獻(xiàn)研究及相關(guān)理論學(xué)習(xí)，建立了如圖1 所示的研究模型，文中以消費(fèi)者購(gòu)買行為理論為基礎(chǔ)，以評(píng)論數(shù)量、評(píng)論效價(jià)、評(píng)論點(diǎn)贊和評(píng)論回復(fù)為模型的自變量，價(jià)格和消費(fèi)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(xué)者的研究，采用回歸分析的方式來驗(yàn)證在線評(píng)論對(duì)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(píng)論數(shù)量（A1）、評(píng)論效價(jià)（A2）、評(píng)論的點(diǎn)贊（A3）、評(píng)論的回復(fù)（A4）、消費(fèi)者特征（A5）、價(jià)格（A6）。設(shè)μi 為隨機(jī)變量，基于以上變量建立以下回歸模型方程（1），來驗(yàn)證各自變量對(duì)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(duì)比研究，在模型方程（1）中，增加了控制變量A5和A6，并驗(yàn)證控制變量在自變量對(duì)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(duì)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(tái)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(biāo)產(chǎn)品的評(píng)論信息。數(shù)據(jù)采集的時(shí)間為2022 年5 月1日-2022 年5 月5 日，一共抓取了25 個(gè)產(chǎn)品，共有14733條有效評(píng)論（不包含默認(rèn)好評(píng)）。

（二）數(shù)據(jù)采集內(nèi)容

結(jié)合本次研究指標(biāo)，主要收集的數(shù)據(jù)包括：評(píng)論數(shù)量、評(píng)論的點(diǎn)贊數(shù)量及評(píng)論的回復(fù)數(shù)量、價(jià)格、好評(píng)度、消費(fèi)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(gòu)物平臺(tái)評(píng)論中存在系統(tǒng)默認(rèn)好評(píng)，文中在計(jì)算評(píng)論數(shù)量時(shí)剔除了系統(tǒng)默認(rèn)好評(píng)，使用了產(chǎn)品有效的評(píng)論數(shù)量。同時(shí)為了消除因產(chǎn)品上架時(shí)間不一導(dǎo)致的評(píng)論數(shù)據(jù)差異較大的現(xiàn)象，對(duì)消費(fèi)者特征、評(píng)論的點(diǎn)贊及評(píng)論的回復(fù)采用了占有效評(píng)論比例的方式來展開分析。

四、實(shí)證分析及結(jié)論

（一）描述性統(tǒng)計(jì)分析

文中使用Excel2016 對(duì)整理后的數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，具體的分析結(jié)果如表2所示。

表2 在線評(píng)論數(shù)據(jù)描述性統(tǒng)計(jì)分析

從描述性統(tǒng)計(jì)分析結(jié)果來看，產(chǎn)品價(jià)格、評(píng)論數(shù)量方差較大，這說明文中選擇的樣本的評(píng)論數(shù)量及產(chǎn)品價(jià)格跨度較大，具有研究?jī)r(jià)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(duì)數(shù)據(jù)進(jìn)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(wú)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(píng)論數(shù)量之間存在負(fù)向中度相關(guān)，銷量排名與評(píng)分之間存在正向中度相關(guān)，銷量排名與價(jià)格之間存在負(fù)向中度相關(guān)。

（三）回歸分析

本節(jié)通過對(duì)前文的樣本數(shù)據(jù)進(jìn)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(jì)、表5 方差分析、表6回歸系數(shù)檢驗(yàn)。

表4 回歸統(tǒng)計(jì)

表5 方差分析

模型方程（2）回歸分析殘差總計(jì)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(yàn)

模型方程（1）中的自變量為銷量排名、有效評(píng)論數(shù)量、評(píng)分、評(píng)論的點(diǎn)贊比例、評(píng)論的回復(fù)比例，模型方程（2）在模型方程（1）的基礎(chǔ)上，增加了價(jià)格和消費(fèi)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(qiáng)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(shí)對(duì)比模型方程（1）、（2）回歸統(tǒng)計(jì)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(qiáng)，也說明了價(jià)格和消費(fèi)者特征作為控制變量對(duì)消費(fèi)者購(gòu)買行為影響有實(shí)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(gè)模型均引入了有效評(píng)論數(shù)量，且系數(shù)均為負(fù)，說明有效評(píng)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?yàn)槟Ｐ头匠蹋?）引入了控制變量，也就是說控制變量會(huì)調(diào)整產(chǎn)品評(píng)論與銷量排名的影響。同時(shí)也驗(yàn)證了假設(shè)H1是成立的。

（2）兩個(gè)模型均引入了評(píng)分作為自變量，且回歸結(jié)果中兩個(gè)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(píng)分越低，產(chǎn)品銷量排名越靠前，銷量越高。這與大眾認(rèn)知相反，通過分析京東商城的評(píng)價(jià)體系，發(fā)現(xiàn)京東商城的評(píng)分初始默認(rèn)值為100%，也就是說該產(chǎn)品沒有銷量時(shí)，評(píng)分為100%；而有了銷量之后，因?yàn)橹胁钤u(píng)的產(chǎn)生，評(píng)分會(huì)降低，所以也就解釋了評(píng)分會(huì)隨著銷量的增加而降低。這也驗(yàn)證了假設(shè)H2的成立。

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

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

（5）模型方程（2）中引入價(jià)格作為控制變量，P＜0.01 說明價(jià)格顯著調(diào)節(jié)了產(chǎn)品評(píng)論與銷量排名的影響，同時(shí)也驗(yàn)證了假設(shè)H6 是成立的。消費(fèi)者購(gòu)買生鮮農(nóng)產(chǎn)品會(huì)考慮價(jià)格因素，這也與真實(shí)市場(chǎng)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(píng)論對(duì)銷量的影響，采用描述性統(tǒng)計(jì)分析、相關(guān)分析和回歸分析，具體研究在線評(píng)論對(duì)生鮮農(nóng)產(chǎn)品在線銷量的影響程度?；谏鲜龇治龅贸銎髽I(yè)生鮮農(nóng)產(chǎn)品項(xiàng)目運(yùn)營(yíng)建議如下：

（一）生鮮農(nóng)產(chǎn)品企業(yè)應(yīng)重視在線評(píng)論，誠(chéng)信經(jīng)營(yíng)。

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

（二）企業(yè)需要嚴(yán)把產(chǎn)品質(zhì)量，優(yōu)化服務(wù)質(zhì)量。

企業(yè)可以借助評(píng)論標(biāo)簽、差評(píng)等內(nèi)容，了解消費(fèi)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(yán)把產(chǎn)品質(zhì)量關(guān)，同時(shí)優(yōu)化生鮮農(nóng)產(chǎn)品的物流及客服，優(yōu)化服務(wù)質(zhì)量。

（三）基于平臺(tái)用戶群體，優(yōu)化產(chǎn)品價(jià)格，促進(jìn)消費(fèi)者購(gòu)買。

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

鑒于文中只采集了京東商城的數(shù)據(jù)，導(dǎo)致研究存在一定的局限性，同時(shí)也未考慮運(yùn)營(yíng)店鋪的評(píng)分等變量，因而存在遺漏變量的問題。未來研究可繼續(xù)擴(kuò)展多個(gè)平臺(tái)，來豐富研究對(duì)象，同時(shí)納入企業(yè)店鋪評(píng)分及物流選擇等指標(biāo)，深化研究?jī)?nèi)容。