《在线评论对空调销量的影响——基于天猫平台数据的实证研究》由会员分享，可在线阅读，更多相关《在线评论对空调销量的影响——基于天猫平台数据的实证研究（8页珍藏版）》请在金锄头文库上搜索。
1、在线评论对空调销量的影响基于天猫平台数据的实证研究 张晓锋 三江学院 摘 要： 国内外相关学者针对线上消费者购物行为做了大量的研究, 但是针对白色家电家用空调领域的研究目前较少。根据相关数据统计, 线上家用空调的零售额占比已经从 2012 年的 2%达到了 2016 年的 20%, 并逐步呈现上升的趋势。家电制造企业、零售商开始重视线上渠道的作用, 并不断对企业的营销战略和策略做出调整。文章在结合国内外相关学者理论研究的基础上, 以家用空调为研究对象, 通过对天猫平台在线评论信息的挖掘, 运用多元回归的方法, 分析在线评论与空调销量之间的相互关系。研究结果表明, 评论时效性、追加评论、晒图数量
2、显著影响空调销售, 好评、差评、客户信用等、评论字数、商品价格等并不显著影响空调销售。关键词： 空调; 在线评论; 商品销量; 多元回归; 作者简介：张晓锋 (1977) , 男, 三江学院商学院, 讲师, 研究方向:市场营销。根据中国互联网络信息中心数据, 截至 2016 年 12 月, 中国网民规模达 7.31 亿人, 全年共计新增网民 4299 万人。互联网普及率为 53.2%, 较 2015 年底提升了 2.9 个百分点。另外, 20012010 年中国空调行业的销量、销售额呈现出了井喷式的增长。但是进入 2011 年以后, 随着空调市场产能的饱和, 尤其是国家对房地产市场调控力度的加
3、强, 中国空调行业的销售和销量呈现出上涨缓慢的迹象, 市场进入了相对成熟的阶段。对于空调制造、零售企业而言, 如何有效地提升企业的产品销售, 加快库存消化显得格外重要。同时, 根据相关统计数据显示, 线上销售在整体市场上涨乏力的情况下, 呈现出了上升的趋势。2016年, 空调产品线上销售占到了整体市场份额的 20%左右, 并有进一步上升的态势。在此背景下, 网络消费群体的挖掘显得格外重要。根据国内外相关学者的研究成果以及消费者购买空调的决策发现, 通常消费者购买空调所考虑的要素通常包括产品品牌、物流、售后服务、价格、产品质量、折扣信息等常见因素, 而由于网络产品无法直接感知, 因此已购买者的在
4、线评论信息会直接影响空调产品的销售。就空调企业而言, 分析、了解网络购物消费群体的购买动机、购买行为是挖掘目标客户的有效举措。影响网络消费者购物决策的因素有多种形式, 目前国内学者针对在线评论研究的要素主要包括评论内容、评论的时效性、评论者类型、评论数量、商品价格、好评、差评方面展开。与已有研究不同的是, 现有的研究大多以体验型产品展开研究, 搜索型产品研究的内容相对较少。由于空调具有耐用性强、更新频次慢, 金额相对较强等特点, 消费者购物会相对理性。同时, 空调品牌已经相对成熟, 并在各自的细分市场取得了较好的业绩。天猫作为国内最大的 B2C 电商平台, 成为中国众多消费者网络购物首选平台,
5、 因此基于天猫开展空调产品的在线评论影响因素研究具有较好的研究价值。1 文献综述闫强等1通过对易迅网手机商品的实证研究证明在线评论与商品销售间具有明显的相关性, 研究结果表明已有评论数量越多、销量排名越高越会增进产品的销量。李健2通过对亚马逊手机商品为研究对象, 认为品牌得分、评论有用率、商品的关注度对产品的销售具有较为明显的正相关关系, 而产品价格、评论者等级对产品的销售相关性较低。郭功星3通过对淘宝网销售排名前 50 的电热水壶产品开展了研究, 研究结果表明商品的浏览量、评分等相关信息不会显著提升商品的销售, 而评分次数、好评度会显著提升商品的销量。郝媛媛等4相关学者通过对电影评论的研究发
6、现, 在线影评中正向情感、较高正负情感混杂度、较长句子对评论的有用性具有显著的正面影响。现有的研究更多地以体验型产品或更新速度较快的 3C 产品、小家电为研究对象, 而针对白色家电的研究比较少。由于空调产品具有重复购买频次低、更新换代周期长的特点, 消费者在购买前, 会对产品的功能、规格等相关信息进行收集, 属于典型的搜索型产品。消费者在网络购物决策过程中, 会对已购买者给出的评论进行甄别、分析, 进而重新审视或坚定自己的购买决策。因此, 以家用空调产品的线评论作为研究对象, 具有较好的研究价值。2 研究假设本文以天猫在售的家用空调为研究对象, 结合国内外学者研究的成果, 从客户的信用等级、在
7、线评论数量、评论效用 (正面评价、负面评价两个方面) 、评论字数、在线商品、评论时效性、商品价格、收藏数量 8 个维度展开研究, 分析在线评论对商品销售的影响。2.1 客户信用等级1902 年穆迪开始将信用等级评定进行应用, 经过 100 多年的发展, 当今信用等级已经延伸到各种金融产品及各种评估对象。尤其是随着网络销售的发展, 互联网的虚拟、无法感知的特征, 政府、企业网络日益重视网络信用问题。孙俊学5认为其信用体系会影响消费者的购物兴趣, 郭国庆等6学者通过研究证明, 评论者资信度越高, 在线评论内容越可信。因此, 本文提出假设 H1。假设 H1:客户信用等级越高, 越会显著提高商品销量。
8、2.2 评论数量累计评论数量是购物者完成购物行为后给出评论信息的累加, 一般而言, 针对商品的评论数量越多, 越能够加强潜在购买者对商品的深入感知。尤其是天猫取消累计销量显示后, 累计评论数量成为消费者感知商品实际销量的重要因素, 一般认为, 评论数量越多, 空调的实际销量越大。闫强、Chen 等1,7学者的研究表明在线评论总的数量对产量的销量有显著的影响, 评论数量越多, 商品销售越多, 本文提出假设 H2a。同时, 基于对天猫空调商品评论的观察, 评论首页显示置顶的回复主要以追回评论和晒图为主, 这一类评论更容易影响消费者的购买决策。据此本文提出 H2b、H2c。假设 H2a:累计评论数量
9、越多, 越会显著提高商品销量。假设 H2b:追加评论数量越多, 越会显著提高商品销量。假设 H2c:晒图数量越多, 越会显著提高商品销量。2.3 评论效用在购物决策过程中, 评论内容的好坏会显著影响消费者的购物决策。根据对 15名经常有网络购物行为的消费者调研, 商品的好评、差评会对其购物决策产生重要影响。郝媛媛等4学者认为客户的在线评论情感对产品销量有着显著的影响, 消费者购物时会参考先前已购买商品的评论, 尤其是负面评论会更加影响消费者的决策, 张耕等8学者通过对淘宝网的实证研究认为负面的在线评论对产品的网络销售量有显著的负面影响。本文在总结现有研究成果的基础上, 认为评论的好坏与否会显著
10、影响消费者的购物决策。因此本文提出假设 H3。假设 H3a:正面评论比例越高, 越会显著提高商品销量。假设 H3b:负面评论比例越高, 越会显著降低商品销量。2.4 评论字数评论字数是对消费者发表评论的字数统计。在去除无效评价信息后, 信息的长度会显著影响消费者的购物决策。Chevalier Ja 等9学者认为, 网络评论中字数较长的评论更易受到消费者的关注, 通过阅读较长的评论会加深对不确定事物的感知, 减少心理决策的不确定性要素。因此本文提出假设 H4。假设 H4:评论字数越长, 越会显著提高商品销量。2.5 商品价格根据国内外学者研究的结果发现, 商品价格不会显著影响销售。同时, 考虑到
11、空调耐用性较长, 更新换代的频次低等特点。尤其是国内空调行业处于成熟的市场, 消费者购买空调的过程中会更注重商品的品牌、功能、质量、售后等要素, 价格不会对消费者的购物行为产生决定性的影响作用。因此本文提出假设H5。假设 H5:空调价格与销量间没有显著关系。2.6 评论时效性评论的时效性反映的是评论的时间跨度, 根据对研究产品上市时间的分析, 部分产品上市销售超过两年, 部分商品上市仅 3 个月, 新上市产品的任意增加的一条评论都有可能会对消费者购物决策带来深刻的影响。李健、王文君2,10分别以亚马逊和京东商城手机产品为研究对象, 李健研究结论认为评论的时效性会显著影响产品的销量, 王文君研究
12、结论表明评论时效性与销量不存在显著的影响。因此本文提出假设 H6。假设 H6:评论的时效性对商品销量有显著影响。2.7 宝贝收藏宝贝收藏用户对所浏览商品感兴趣而收藏宝贝的一个功能, 有助于增加单个宝贝的人气, 给店铺带来流量。天猫提供了宝贝收藏的功能, 并且对收藏数做了结果显示。本文认为收藏商品的数量越多, 越会显著提高商品的销量。据此, 本文提出假设 H7。假设 H7:宝贝收藏数量越多, 越会显著提高商品销量。3 研究对象及数据采集3.1 数据采集本文以天猫空调产品为研究对象, 天猫针对每款空调商品做了详细介绍, 包括产品型号、款式、颜色、重量等特征的描述, 运输、库存、价格、服务等营销手段
13、的描述, 以及评论内容、晒图、评等购买者发表评论的相关信息的描述。研究数据采集分为两个时间节点开展, 第一时间节点是 2017 年 2 月 8 日, 通过对天猫呈现的信息分析, 入驻天猫的空调品牌共计 35 个品牌, 在售空调型号数量 3138 款。本文以“空调”为关键词对搜索结果页默认排名前 10 页的商品进行抓取, 删除掉评论信息为 0 以及重复数据, 共抓取到 37 个天猫店铺, 88 款在售空调信息。通过对采集数据的分析, 品牌包括 TCL、奥克斯、格兰仕、格力、海尔、海信、科龙、美的、松下、志高 10 个空调品牌。1.5 匹功率空调样本 34 个, 1 匹功率空调样本 24 个, 2
14、 匹和 3 匹空调样本各 15 个。抓取空调品牌样本分布如表 1 所示。表 1 抓取空调品牌型号数量 下载原表 运用八爪鱼数据采集工具分别针对抽样的 88 款空调的在线评论信息进行采集, 共采集到 189754 条用户在线评论信息。然后以 3 月 10 日第二时间节点, 抓取每个样月销量数据, 并再次采集所有的在线评论数据。3.2 变量选取本文研究的主要内容在线评论信息与商品销售之间的关系。结合上述国内外学者研究的文献和提出的假设检验, 本文通过客户信用等级、评论数量、晒图数、追加评论、好评率、差评率、评论字数、商品价格、评论的时效性和宝贝收藏数等变量进行分析, 研究空调销量与 10 个变量之
15、间的相互关系。结合实际采集的数据, 本文首先将 2017 年 2 月 8 日的采集数据进行处理加工。首先, 根据型号进行分类, 运用 Excel 表 Len 函数得到每位评论者具体给出的评论字数, 通过算术平均得到评论字数对应的数据。使用相同的原理得到信用等级、商品价格对应数据。根据天猫的评价体系, 评分给出 5 星和 4 星是好评, 1 星和 2 星是消费者对购买过程不满意, 因此本文基于消费者给出的评论星级作为评判好评、差评的指标。通过对第二次数据采集的处理, 将 2 月 8 日3月 10 日时间周期内的评论数据予以保留, 作为评论时效性参数指标。变量具体指标说明如表 2 所示。表 2 观
16、察变量描述 下载原表 3.3 结果分析相关性分析是检验变量是否存在相关性的有效方法。本文运用 SPSS 21 对 88 款空调产品的相关数据进行相关性检验, 各变量的相关性结果如表 3 所示。表 3 相关性分析结果 下载原表 从表 3 相关性分析的结果可以发现, 在显著性水平为 0.05 时, 月销量与评论数量、商品价格、宝贝收藏、追加评论、晒图数量、评论时效性、好评率、差评率存在着相关性。进一步观察发现, 评论数量、宝贝收藏、追加评论、晒图数量的相关性特别高。可能存在多重共线性问题, 通过共线性检验发现评论数量、追加评论的 VIF 大于 10, 达到 73.504 和 75.118, 容差小于 0.1, 晒图数量的容差为 0.1, VIF 为 10.011, 三个变量极有可能存在共线性问题。为进一步研究变量间的相互关系, 同时考虑到可能存在的共线性问题。本文采取逐步多元回归的方法来研究变量间的线性关系, 回归模型如下:其中 X1代表评论数量, X 2代表商品
