《（消费者行为）基于淘宝网的消费者网络购物口碑的研究》由会员分享，可在线阅读，更多相关《（消费者行为）基于淘宝网的消费者网络购物口碑的研究（14页珍藏版）》请在金锄头文库上搜索。
1、基于淘宝网的消费者网络购物口碑的研究北京师范大学 施昀 包钰摘 要 随着网络消费的兴起，网络口碑对人们的影响也日益显著。本文先比较了网络口碑与传统口碑的异同。然后针对淘宝网买家对商铺的评分系统进行评价和分析，指出其合理性，分析消费者的网络口碑与时间变化的相关性，对消费者基于口碑选择商品和商铺的改进给出合理意见与建议，为后续的更深入更广泛的量化研究做准备。关键字词：网络口碑；淘宝网商铺；相关性分析；回归分析一、 研究背景和目的 进入21世纪，互联网已然成为人们生活的必需品，根据中国互联网络信息中心（CNNIC）的统计，截至2008 年6 月底中国网民人数已经达到2.53亿人，首次大幅度超过美国，
2、跃居世界第一位，其中有25% 的网民青睐网络购物，电子商务以其价格低廉、产品丰富、方便灵活逐步得到网民的接受，跻身十大网络应用之列 7 。网络口碑传播呈现出波及范围大、 传播速度快、 匿名性 非面对面接触等新的特点,消费者的口碑将比以往更具有影响力 (Chatterjee, 2001; Hennig2 Thurau, et al, 2004; Hoffman, et al, 1996)8。1. 网络口碑的概念和要素口碑是消费者与消费者之间关于产品或服务的特性、使用经验及提供商等的信息的交换和沟通。传统口碑是通过口耳相传的方式进行沟通的。因特网的出现，使顾客可以通过浏览网页收集其他消费者提供的产
3、品信息以及与此产品有关的讨论，并且顾客可以通过互联网针对特定产品进行自身经验、意见与相关知识的分享，这就形成了网络口碑。2. 网络口碑与传统口碑的区别表 1 网络口碑与传统口碑传播特征的比较比较项目传统口碑网络口碑传播媒介主要是人际间的面对面接触电子邮件、 新闻组、 在线论坛、 产业入口网站讨论区、 电子布告栏、 聊天室等传播形式语言、 声音和表情数字化的多媒体信息 ,包括文字、图片、 声音、 音乐等传播速度人际之间一对一的沟通 ,传播速度慢一对多甚至多对多的传播、 病毒式的速度传播传播环境人际沟通的社会环境中 ,受到时空限制 ,传播范围有限开放的虚拟社会环境中没有时空限制 ,传播范围广传播信
4、息量和结构信息数量有限 ,网络结构简单信息数量庞大 ,网络结构复杂传播双方的关系传播双方身份公开 ,强联结关系为主传播双方匿名 ,身份隐藏 ,弱联结关系为主 淘宝网作为目前国内最大的网上购物网站，其商品种类、数目和客服保障系统最能体现国内网络购物的水平与状况。本文基于淘宝网的大量数据，旨在分析淘宝网买家对于商铺的评分系统，指出其合理性，分析消费者的网络口碑与时间变化的相关性，对消费者基于口碑选择商品和商铺的改进给出合理意见与建议，为后续的更深入更广泛的量化研究做准备。二、 相关研究文献回顾传统口碑对顾客态度、购买行为的说服效果已被证实，口碑传播双方多属强联结关系，对于口碑接收者而言，口碑传者的
5、信息可信度高，说服力强。大部分研究认为网络口碑较传统口碑具有较高的说服效果。Gelb等(2002)认为网络虚拟空间里，提供意见的人基本上是匿名的，信息传播者非常愿意提供真实的意见或分享第一手经验，无论是正面或负面的评论。网络口碑与传统的口碑传播相比，具有波及范围大、传播速度快等特点，因此对消费者信息搜寻购买决策、态度的形成和变化都具有更强的影响力 (Hoffman, et al, 1996; Hel m, 2000)。Tanimoto等(2003)认为，网络不受时空地理位置的限制，加上信息的易复制性，网络口碑的能见度与传播效果远远超过传统口碑。学者对传统口碑传播机制的研究较多，关注的焦点主要是
6、口碑产生动机和口碑影响力而对网络口碑传播机制的研究非常有限，多集中于再传播意愿，其中着眼于网络购物评分系统的口碑传播研究在国内尚未发现。对于网络购物的口碑传播机制和影响，国外已经有人研究。Chevalier 和 Mayzlin(2004)就不同网上购书网站的口碑对其图书排名和销量的影响做出了讨论。Mayzlin(2004)和Yong Liu(2006)就电视和电影观众在网络上的评价进行了动态模型分析。除此以外，也有对美国著名网上购物网站eBay的详细分析和讨论。三、 研究思路淘宝网商铺评分系统商品数量收藏人气宝贝与描述相符，卖家的服务态度，卖家发货的速度最近1周，1个月，6个月，6个月前，全部
7、时期的评分回归相关性回归模型四、 网络消费者口碑的影响因素1. 考察变量我们利用程序，可以从淘宝网上得到20个左右的变量。最终根据文献和实际情况，我们选取了如下与商铺评分相关的变量：商品数量收藏人气最近6个月宝贝与描述相符评分最近6个月卖家的服务态度评分最近6个月卖家发货的速度评分卖家最近1周，1个月，6个月，6个月前的好评数卖家总计好评数卖家最近1周，1个月，6个月，6个月前的中评数卖家总计中评数卖家最近1周，1个月，6个月，6个月前的差评数卖家总计差评数卖家最近1周，1个月，6个月，6个月前的总得分卖家总计总得分2. 变量分析经过网上查找，我们得知淘宝网把店铺分为了服饰、手机/数码/办公/
8、家电、家居/母婴/食品美容护肤/个人护理、文体/汽车、珠宝/首饰、收藏/爱好、游戏/花费、生活服务，这其中共有约50类商品，各类商品的店铺数如下图所示：图1 淘宝网各类商品店铺数 由上图知，店铺数大于3%的商品种类有12类，其中女装所占比例最大，为约为10%，符合大众消费者的需求。在众多类别中，我们先选择了两类进行研究，它们分别是珠宝类和数码相机类。原因有三：一是这两类商品的店铺数都超过了2%；二是这两类商品的店铺数量比较合适，挖掘数据的消耗的时间相对较少而且较准确。三是这两类商品在性质上完全不同，有比较的价值。从挖掘得到的数据得知，淘宝网站的上给出的对商家评分项有：宝贝与描述相符评分，卖家的
9、服务态度评分，卖家发货的速度评分（简称三项评分），不同时间好评数。在分析评分的关系前，我们从这两类商品中筛选出有代表性和有意义的数据，并剔除错误数据，即商品数大于50个，总评数大于200次。(1) 三项评分之间的关系首先得到两类商品三项评分的分布：图2 珠宝类店铺三项评分的分布图3 数码相机类店铺三项评分的分布由上图知，各项评分的分布近似于正态分布。表2 三项得分的关系Kruskal-Wallis testP Value珠宝2.2e-16数码相机2.2e-16利用Kruskal-Wallis test进行相关性检验。P Value0.05.结论：两类商品中宝贝与描述相符评分，卖家的服务态度评分
10、，卖家发货的速度评分这三项都没有关系。说明这三项评分的设置合理，有参考价值。其次，两类品的三项评分的分别进行比较。由于各项评分接近正太分布，我们采取t检验来比较两类商铺的评分。表3 两类商铺三项评分分别比较珠宝t test 数码相机宝贝与描述相符评分卖家的服务态度评分卖家发货的速度评分宝贝与描述相符评分0.000140800卖家的服务态度评分03.306e-060卖家发货的速度评分000.3734结论：两类商铺宝贝与描述相符评分不同，珠宝小于相机；卖家的服务态度评分不同，珠宝大于相机；卖家发货的速度评分相同。用类似的方法可以比较其他不同类别的商铺。(2) 三项评分与总评分的关系表4 两类商铺三
11、项评分与总评分的关系Kruskal-Wallis testP Value珠宝2.2e-16数码相机2.2e-16利用Kruskal-Wallis test进行相关性检验。P Value0.05.结论:这两类商铺的三项评分与总评分关系不大。(3) 除了考虑这三项评分，我们发现收藏人气和商品数量会影响消费者初期选择店铺的判断，即收藏人气越高，进店浏览的可能性越大。在此我们讨论了收藏人气与总评分的关系，如下表：表5 两类商铺收藏人气，商品数目与总评分的关系Kruskal-Wallis testP Value珠宝2.2e-16数码相机2.2e-16利用Kruskal-Wallis test进行相关性检
12、验。P Value0.05.结论:这两类商铺的收藏人气，商品数目与总评分关系不大。3. 变量选取由前面的分析可知，商铺的宝贝与描述相符评分，卖家的服务态度评分，卖家发货的速度评分，收藏人气，商品数目与总评分关系不大，在考虑评分的时间关系时，可以先不作考虑，而作为参考变量。下面我们就总评分代表的消费者的综合评价进行模型建立。五、 模型建立与分析(一) 商铺的评分1. 淘宝的评分规则根据以上分析结果和实际经验可知，淘宝商铺的总评分值（y）与商铺的商品总数、收藏次数关联性不大，而与各种评价等级（好评（x1）、中评（x_2）、差评（x3）的数量息息相关。通过回归分析研究目前商铺的总评分与各种评价等级的
13、数量的定量关系，可以得到淘宝网对商铺的评价体系，进而方便下面考虑其他变量对消费者心理的影响，找到对店铺的合适的描述。以数码相机的商铺为例，建立的回归模型为：y=1x1+2x2+3x3+b用SAS对模型进行估计，结果为：y=0.99965x1+0.12184x2-1.14463x3 （5400.66） （1.67） （-8.63）R2=1 F=2.64107估计模型参数下括号中为该参数的t统计量检验值，文中以下相同。(1) 对模型以及参数的显著性检验结果如下：表6 模型及参数的显著性检验F值显著性模型2.64107.0001 显著参数T值显著性x10.99965.0001 显著x20.12184
14、0.0942 显著x3-1.14463.0001 显著 可知，淘宝评分模型是显著的，并且各个自变量参数的系数也是显著的。(2) 对模型进行异方差检验图4 残差图由多元线性回归理论可知，预测值的残差图中散点应随机地分布在-2到+2的带子里，这样的残差图成为正常的残差图。从上图可看出，本模型中的残差图只有少数点落在了（-2，2）之外，拥有很好的方差齐性，说明不存在异方差的情况。(3) 对模型的参数进行自相关检验求出各个参数的方差膨胀因子如下表所示：表7 方差膨胀因子参数 VIF12.7209829.1497536.08654每个参数的VIF值都小于10，说明模型的参数间并不存在自相关性，各个自变量都对总评分(y)值有很好的贡献。综上所述，我们通过好评、中评、差评数拟合出了淘宝网对商铺的评分体系。经过咨询，得知每个好评数为商铺的总评分加1，中评数加0，差评数减1，这与我们拟合出的系数十分相符。2. 建立商铺分数模型商铺的创建时间对淘宝网上的商铺评分有很大影响（创建时间越早可能得到的总评分越高），但是并不意味着创建时间越早商铺就越好。为了消除时间的影响，我们将商铺在不同时期的好评、中评、差评百分比例（px1、px2、px3）作为自变量，带入上步的线性回归模型，可以得到满分为1的评分标准下，不同时期商铺的得分，这样就把商铺的评分标准统一化了。模型的定义如下：std_y=p1px1+p2
