周 耿

(南京大學(xué)商學(xué)院,江蘇 南京 210093)

在傳統(tǒng)市場(chǎng)中,由于商店的貨架有限,零售商為了追求最大利潤(rùn),通常將銷(xiāo)售資源用在小部分可能的明日之星上。只要他們準(zhǔn)確地預(yù)測(cè)到幾種熱門(mén)商品,就可以彌補(bǔ)其他的虧損,并得到比例很高的收入和利潤(rùn)[1]。Anderson(2006)將上述傳統(tǒng)渠道的戰(zhàn)略稱(chēng)為 “大熱門(mén)”戰(zhàn)略,并提出了在互聯(lián)網(wǎng)環(huán)境下與之不同的 “長(zhǎng)尾”理論[2]。該理論認(rèn)為,網(wǎng)上零售市場(chǎng)最大的特點(diǎn)是非熱門(mén)產(chǎn)品供給與消費(fèi)者需求的匹配實(shí)現(xiàn)了傳統(tǒng)零售中難以達(dá)到的高度,互聯(lián)網(wǎng)上熱門(mén)產(chǎn)品銷(xiāo)售所占的比例將會(huì)越來(lái)越低。根據(jù)該理論,在線企業(yè)應(yīng)該實(shí)施 “長(zhǎng)尾戰(zhàn)略”,即盡可能地發(fā)展非熱門(mén)產(chǎn)品,擴(kuò)大產(chǎn)品種類(lèi),從而在總體上獲得更大的收益。

然而,在網(wǎng)上銷(xiāo)售的實(shí)踐中,單品 “日銷(xiāo)百件”甚至 “日銷(xiāo)千件”的案例層出不窮,熱門(mén)產(chǎn)品似乎變得更加暢銷(xiāo)。對(duì)此,Elberse(2008)和Tan、Netessine(2009)通過(guò)對(duì)部分互聯(lián)網(wǎng)企業(yè)的銷(xiāo)售數(shù)據(jù)進(jìn)行分析后,得到了與長(zhǎng)尾理論相反的結(jié)論:在互聯(lián)網(wǎng)上,消費(fèi)者對(duì)熱門(mén)產(chǎn)品的消費(fèi)有增無(wú)減,網(wǎng)上銷(xiāo)售越來(lái)越向少數(shù)熱門(mén)商品集中[1][3]。但在他們的研究中,并沒(méi)有揭示出少數(shù)網(wǎng)上商品熱銷(xiāo)的原因所在。本研究試圖從網(wǎng)上銷(xiāo)售的影響因素出發(fā),通過(guò)實(shí)證研究來(lái)揭示這種現(xiàn)象背后深層次的原因,這不僅為少部分網(wǎng)上商品熱銷(xiāo)的現(xiàn)象找到理論上的解釋,還能為在線商家的戰(zhàn)略選擇提供更好的建議。

一、網(wǎng)上交易影響因素回顧與評(píng)述

(一)價(jià)格。需求定律表明,在其他條件相同的情況下,產(chǎn)品 (炫耀性商品和吉芬商品等除外)價(jià)格上升時(shí),需求會(huì)減少。但在互聯(lián)網(wǎng)上,學(xué)者們對(duì)價(jià)格與需求 (銷(xiāo)售)關(guān)系的看法出現(xiàn)了較大的分歧。一方面,互聯(lián)網(wǎng)使人們低成本地獲得了產(chǎn)品價(jià)格信息,消費(fèi)者能更容易地進(jìn)行比價(jià)。從這一點(diǎn)來(lái)看,需求定律不僅在互聯(lián)網(wǎng)上繼續(xù)適用,而且價(jià)格需求彈性比傳統(tǒng)渠道更大[4]。另一方面,人們不僅能較容易地獲得產(chǎn)品價(jià)格的信息,還能識(shí)別出更多產(chǎn)品品質(zhì)的信息。根據(jù)信息整合理論,這些品質(zhì)信息的豐富導(dǎo)致價(jià)格在消費(fèi)者決策過(guò)程中的權(quán)重變得更小,消費(fèi)者對(duì)價(jià)格更加不敏感。

(二)信譽(yù)。當(dāng)買(mǎi)賣(mài)雙方信息不對(duì)稱(chēng)時(shí),消費(fèi)者無(wú)法辨別產(chǎn)品的好壞,存在 “逆向選擇”的問(wèn)題。信譽(yù)能夠改善這種信息不對(duì)稱(chēng)的情況,讓買(mǎi)方接收到賣(mài)方 “能提供某種品質(zhì)產(chǎn)品”的信號(hào)?；ヂ?lián)網(wǎng)市場(chǎng)能使信息傳遞以較低的成本運(yùn)行,具有建立信譽(yù)的顯著優(yōu)勢(shì)。周黎安等 (2006)認(rèn)為,好的信譽(yù)能夠打消消費(fèi)者購(gòu)物決策前的疑慮,從而提高消費(fèi)者的購(gòu)買(mǎi)意愿和商品成交概率[5]。李維安等 (2007)的研究也發(fā)現(xiàn),商家的信譽(yù)對(duì)銷(xiāo)售有著顯著的正向影響[6]。

(三)保障標(biāo)記。網(wǎng)上商店僅僅是利用網(wǎng)上渠道進(jìn)行銷(xiāo)售,而支付、物流、售后服務(wù)等環(huán)節(jié)都有可能出現(xiàn)問(wèn)題。保障標(biāo)記 (Assurance Seal)就是針對(duì)上述問(wèn)題設(shè)計(jì)出的一種保證賣(mài)方能按照他的承諾履約的制度安排。類(lèi)似于傳統(tǒng)交易中的財(cái)務(wù)審計(jì),保障標(biāo)記能讓消費(fèi)者只要觀察幾個(gè)關(guān)鍵的結(jié)果,就能迅速地做出商家是否值得信任的判斷。周耿等 (2010)的實(shí)證研究表明,保障標(biāo)記對(duì)于產(chǎn)品的銷(xiāo)售有著明顯的促進(jìn)作用[7]。

(四)口碑的評(píng)分與數(shù)量?；ヂ?lián)網(wǎng)的發(fā)展使口碑傳播具有了可存儲(chǔ)和穿越時(shí)空的性質(zhì),這使消費(fèi)者在決策過(guò)程中能更多地考慮其他消費(fèi)者的意見(jiàn)[8]。盡管口碑機(jī)制與信譽(yù)機(jī)制都反映了其他消費(fèi)者的反饋信息,但它們的區(qū)別是明顯的:(1)口碑信息一般針對(duì)的是某種具體的產(chǎn)品,而信譽(yù)所指向的對(duì)象則為商家;(2)口碑信息是多項(xiàng)具體的流量信息,而信譽(yù)則是一項(xiàng)簡(jiǎn)單而抽象的存量信息。鑒于口碑信息的這種復(fù)雜性,學(xué)者們經(jīng)常采用口碑的數(shù)量和口碑的評(píng)分來(lái)對(duì)口碑進(jìn)行度量。Chevalier和Mayzlin(2006)認(rèn)為,口碑的量和評(píng)分的增長(zhǎng)都能引起銷(xiāo)售的增長(zhǎng),但口碑的量對(duì)銷(xiāo)售的影響要大得多[9]。

在長(zhǎng)尾理論相關(guān)的研究中,學(xué)者們過(guò)于糾纏熱門(mén)產(chǎn)品與非熱門(mén)產(chǎn)品銷(xiāo)售比例的變化是否符合長(zhǎng)尾理論,而對(duì)導(dǎo)致這種變化微觀基礎(chǔ)的討論略顯不足[1][2][3][8]。另外,網(wǎng)上銷(xiāo)售的影響因素得到了較多學(xué)者的關(guān)注[4][5][6][7][9]。但這些因素對(duì)熱門(mén)和非熱門(mén)產(chǎn)品影響的差異并未得到足夠重視,而熱門(mén)產(chǎn)品銷(xiāo)售比例的變化很有可能是這些差異所導(dǎo)致的。本研究引入分位數(shù)回歸方法,將上述兩方面的研究結(jié)合起來(lái),為揭示 “銷(xiāo)售向少數(shù)熱門(mén)產(chǎn)品集中”這一反長(zhǎng)尾現(xiàn)象背后所蘊(yùn)含更深層次的原因提供一定的實(shí)證支持。

二、變量與模型的設(shè)定

表1 主要變量的說(shuō)明 (N=4059)

(一)變量的設(shè)定。淘寶網(wǎng)是中國(guó)最大的網(wǎng)上零售交易的平臺(tái),2010年的交易總額達(dá)到4000億元人民幣,占我國(guó)網(wǎng)上零售總額的81.2%,是開(kāi)展用戶(hù)網(wǎng)上交易行為研究的理想對(duì)象。本研究在淘寶網(wǎng)上選取的變量見(jiàn)表1所示。

(二)計(jì)量模型的設(shè)定。由于產(chǎn)品的熱門(mén)程度體現(xiàn)在產(chǎn)品銷(xiāo)售量上,銷(xiāo)售量的不同分位數(shù)即可較好地體現(xiàn)出產(chǎn)品熱門(mén)程度的差異。因此,我們選擇由Koenker和Bassett提出分位數(shù)回歸模型來(lái)對(duì)以上變量進(jìn)行分析。參考李維安等 (2007)的研究,我們對(duì)上述變量進(jìn)行對(duì)數(shù)處理后 (在變量名前加上前綴L表示),將分位數(shù)模型設(shè)定為[6]:

三、數(shù)據(jù)的獲取

我們自行開(kāi)發(fā)了網(wǎng)絡(luò)搜索程序,于2011年1月2日以 “毛衣”為關(guān)鍵字搜索出4077個(gè)貨架。然后在1月3日到10日的1周時(shí)間內(nèi)對(duì)這4077個(gè)貨架進(jìn)行了跟蹤,并獲取了這些商品的價(jià)格、信譽(yù)、保障標(biāo)記、口碑記錄、銷(xiāo)售記錄以及貨架點(diǎn)擊次數(shù)等數(shù)據(jù)。在此期間,有18件商品下架或受到了處罰,最終得到有效樣本4059個(gè)。隨后,我們對(duì)這些貨架的口碑記錄進(jìn)行了人工編碼 (好評(píng)為1,差評(píng)為-1,其他為0),并按貨架匯總得到各貨架口碑的評(píng)分 (wom1)和口碑的數(shù)量(wom2)。對(duì)銷(xiāo)售記錄按照貨架進(jìn)行了匯總處理,從而得到各貨架1周的銷(xiāo)量 (sales)。最終得到各變量的統(tǒng)計(jì)性描述見(jiàn)表2所示。

表2 主要變量統(tǒng)計(jì)性描述 (N=4059)

表3列出了各變量之間的相關(guān)系數(shù),從中可以看出各自變量之間的相關(guān)系數(shù)都在0.5以下。我們對(duì)變量OLS回歸分析的VIF值介于1.08-1.69之間,該值遠(yuǎn)遠(yuǎn)低于判別值10。這樣我們就基本排除了模型的多重共線性。

表3 取對(duì)數(shù)后各變量之間的相關(guān)系數(shù)矩陣

四、數(shù)據(jù)的分析

我們按照 (1)式的模型,采用Stata軟件對(duì)上述變量進(jìn)行了10分位 (再加上0.01和0.99這兩個(gè)分位數(shù))的分位數(shù)回歸分析,結(jié)果見(jiàn)表4和圖1。由于本研究模型為雙對(duì)數(shù)模型,自變量的系數(shù)就代表了需求彈性。從Lsales對(duì)Lp的系數(shù)可以看出,價(jià)格需求彈性在0.1-0.9的分位數(shù)上的系數(shù)不僅為負(fù)值,而且都表現(xiàn)出0.1%的統(tǒng)計(jì)顯著性水平,這支持了Smith(2002)的觀點(diǎn),需求定律在互聯(lián)網(wǎng)上仍然適用[4]。在0.1分位數(shù)時(shí),價(jià)格每增加1%,銷(xiāo)量下降37%。到了0.3-0.9分位數(shù)時(shí),價(jià)格對(duì)銷(xiāo)售的影響在-0.12和-0.20之間,其值相對(duì)穩(wěn)定。而到了0.99分位數(shù)時(shí),需求彈性系數(shù)不再顯著。該結(jié)果也支持了信息整合理論的推斷:對(duì)于非熱門(mén)商品,消費(fèi)者能搜索到商品品質(zhì)有關(guān)的信息是有限的,價(jià)格在他們的決策中具有更大的權(quán)重。相反地,對(duì)于熱門(mén)商品,由于存在足夠的品質(zhì)信息,價(jià)格在他們的決策中的權(quán)重較低,導(dǎo)致了價(jià)格需求彈性較低。

圖1 分位數(shù)回歸結(jié)果圖示 (陰影部分表示95%的置信區(qū)間)

信譽(yù)的需求彈性在各分位數(shù)的回歸模型中,均達(dá)到了1%以上的統(tǒng)計(jì)顯著性水平。在0.1-0.7分位數(shù)處,信譽(yù)需求彈性在0.61-0.69之間波動(dòng)。而在0.8分位數(shù)以上時(shí),系數(shù)表現(xiàn)出明顯的增長(zhǎng)趨勢(shì)。這說(shuō)明產(chǎn)品熱門(mén)程度越高,信譽(yù)對(duì)銷(xiāo)售的影響越大。信譽(yù)對(duì)銷(xiāo)售的影響可以采用Elberse(2008)對(duì)網(wǎng)上交易的消費(fèi)者構(gòu)成進(jìn)行解釋[1]。她將消費(fèi)者分為重度消費(fèi)者和輕度消費(fèi)者兩類(lèi)。與前者相比,輕度消費(fèi)者除了購(gòu)買(mǎi)次數(shù)不太頻繁外,其主要特點(diǎn)為沒(méi)有掌握與產(chǎn)品相關(guān)的知識(shí),對(duì)商家宣傳的產(chǎn)品是否匹配自己的需求缺乏準(zhǔn)確地評(píng)估。因此,輕度消費(fèi)者就更加依賴(lài)商家的宣傳以及商家宣傳的可信度 (信譽(yù))來(lái)進(jìn)行決策,信譽(yù)對(duì)銷(xiāo)售的影響就更大。而她調(diào)研的數(shù)據(jù)表明,互聯(lián)網(wǎng)上熱門(mén)產(chǎn)品的參與者主要是輕度消費(fèi)者,更加依賴(lài)信譽(yù)進(jìn)行決策。這就形成了銷(xiāo)售增長(zhǎng)→信譽(yù)對(duì)銷(xiāo)售的影響提升→銷(xiāo)售進(jìn)一步增長(zhǎng)的正反饋環(huán),使得熱門(mén)產(chǎn)品變得更加熱門(mén)。

保障標(biāo)記的需求彈性對(duì)于0.1-0.9分位數(shù)都表現(xiàn)出正向影響,而且在0.1%的統(tǒng)計(jì)水平上顯著。但與信譽(yù)的表現(xiàn)相反,隨著分位數(shù)的提高,其系數(shù)有著明顯下降的趨勢(shì)。從表1中可以看出,對(duì)最暢銷(xiāo)1%的商品 (分位數(shù)0.99),其影響力衰減到幾乎為零。這可能是由于非熱門(mén)產(chǎn)品的購(gòu)買(mǎi)者主要是經(jīng)常進(jìn)行網(wǎng)上購(gòu)物的重度消費(fèi)者,他們對(duì)退換貨等售后服務(wù)有著更多的真實(shí)經(jīng)歷,服務(wù)保障標(biāo)記在他們的決策過(guò)程中就表現(xiàn)出更大權(quán)重[1]。

無(wú)論是口碑評(píng)分還是口碑?dāng)?shù)量,他們對(duì)銷(xiāo)售的影響均為正,而且在0.1-0.9的分位數(shù)上表現(xiàn)出0.1%的統(tǒng)計(jì)顯著性水平。從圖1中我們可以觀察出一個(gè)非常明顯的趨勢(shì):隨著分位數(shù)的提高,其口碑評(píng)分和口碑?dāng)?shù)量的需求彈性在逐漸下降。對(duì)于最不熱門(mén)的10%商品,口碑評(píng)分分?jǐn)?shù)和口碑?dāng)?shù)量提高1%時(shí),需求的數(shù)量則分別增加308%和69%。這證實(shí)了Bakos(1997)的觀點(diǎn),即基于網(wǎng)絡(luò)口碑的推薦能幫助消費(fèi)者找到符合他們偏好的非熱門(mén)產(chǎn)品[8]。

表4 Lsales對(duì)各影響因素的分位數(shù)回歸結(jié)果 (N=4059)

點(diǎn)擊量對(duì)銷(xiāo)售的影響均為正,而且在各分位數(shù)上都達(dá)到了0.1%的統(tǒng)計(jì)顯著性水平。在0.1-0.4的分位數(shù)上,點(diǎn)擊量提高1%時(shí),銷(xiāo)售數(shù)量由45%下降到了21%。而在0.5分位數(shù)以上時(shí),點(diǎn)擊量提高1%,銷(xiāo)售數(shù)量的提升率在14%-18%之間小幅波動(dòng)。這說(shuō)明互聯(lián)網(wǎng)特有的搜索引擎營(yíng)銷(xiāo)對(duì)非熱門(mén)產(chǎn)品的影響相對(duì)較大。

從各因素的系數(shù)值來(lái)看,口碑評(píng)分的需求彈性最大,而價(jià)格的需求彈性最小。在大部分分位數(shù)上,他們的差距達(dá)到了10倍以上。因此,商家更應(yīng)該關(guān)注提高客戶(hù)滿(mǎn)意度的方法,并采取一定的措施鼓勵(lì)用戶(hù)進(jìn)行文字評(píng)論,而不是盲目地采用價(jià)格戰(zhàn)來(lái)促進(jìn)銷(xiāo)售。

五、研究結(jié)論與局限性

本研究通過(guò)搜索程序獲取了淘寶網(wǎng)4059件貨架商品1周內(nèi)的銷(xiāo)售數(shù)據(jù),對(duì)不同熱門(mén)程度商品需求彈性的差異進(jìn)行了對(duì)比分析。我們的主要發(fā)現(xiàn)是:

(一)信譽(yù)對(duì)網(wǎng)上商品的熱銷(xiāo)具有加速作用。與周黎安和張維迎 (2006)提出信譽(yù)的價(jià)值在于提高成交概率不同,本研究從動(dòng)態(tài)的角度揭示了信譽(yù)進(jìn)一步的作用:信譽(yù)與銷(xiāo)售存在一個(gè)正反饋環(huán),能加速熱門(mén)產(chǎn)品的銷(xiāo)售,使得熱門(mén)商品更加暢銷(xiāo)[5]。因此,實(shí)施 “大熱門(mén)”戰(zhàn)略的商家應(yīng)該高度重視自身的信譽(yù)建設(shè)。否則,即使準(zhǔn)確地預(yù)測(cè)到幾種熱門(mén)商品,由于低信譽(yù)導(dǎo)致較銷(xiāo)量無(wú)法進(jìn)一步提升,就可能達(dá)不到潛在的銷(xiāo)量,甚至無(wú)法彌補(bǔ)其他的虧損。

(二)在非熱門(mén)商品向暢銷(xiāo)品轉(zhuǎn)變的過(guò)程中,完善商品品質(zhì)信息的差異化策略比低價(jià)格競(jìng)爭(zhēng)策略更加有效。一方面,產(chǎn)品價(jià)格的需求彈性要低于其他因素的需求彈性,價(jià)格戰(zhàn)不是最有效的競(jìng)爭(zhēng)策略;另一方面,滯銷(xiāo)產(chǎn)品的價(jià)格需求彈性較暢銷(xiāo)品大,這可能是缺少價(jià)格以外的信息所導(dǎo)致的。因此,商家應(yīng)該優(yōu)先采取完善貨架上商品品質(zhì)相關(guān)的信息,采用更多的保障標(biāo)記,積極推動(dòng)消費(fèi)者的評(píng)論和搜索引擎推廣等競(jìng)爭(zhēng)策略,而將價(jià)格戰(zhàn)作為最后的、不得已而為之的競(jìng)爭(zhēng)手段。

(三)口碑補(bǔ)充的信息能幫助消費(fèi)者找到不太熱門(mén)的、但更符合他們偏好的商品[8]。由于口碑在所有影響因素中的需求彈性最大,實(shí)施長(zhǎng)尾戰(zhàn)略的商家要特別重視對(duì)口碑系統(tǒng)的投入,尤其鼓勵(lì)消費(fèi)者對(duì)非熱門(mén)產(chǎn)品進(jìn)行評(píng)論。例如,在我國(guó)最大的B2C網(wǎng)站——京東商城的口碑系統(tǒng)中,對(duì)每件商品的前5位評(píng)論者給予多倍積分的獎(jiǎng)勵(lì) (積分可用于下次購(gòu)買(mǎi)商品),就在很大程度上激勵(lì)了消費(fèi)者對(duì)非熱門(mén)產(chǎn)品的評(píng)論,從而促進(jìn)了非熱門(mén)商品的銷(xiāo)售。

由于人工處理的工作量太大,本研究對(duì)商品圖片的吸引力、服裝的款式、品牌等因素未進(jìn)行有效地控制,這有可能對(duì)分析結(jié)果帶來(lái)一定的偏差,而且時(shí)間序列數(shù)據(jù)的不足也會(huì)導(dǎo)致對(duì)信譽(yù)加速作用的持續(xù)性缺乏有效的驗(yàn)證。在未來(lái)的研究中,除了通過(guò)改進(jìn)搜索程序,加強(qiáng)與企業(yè)的合作,獲得更高質(zhì)量的數(shù)據(jù)外,揭示信譽(yù)加速作用的微觀機(jī)理也是一個(gè)非常值得關(guān)注的研究方向。

[1]Elberse A.Should You Invest in the Long Tail?[J].Harvard Business Review,2008,86(7/8),pp.88-96.

[2]Anderson C.The Long Tail:Why the Future of Business Is Selling Less of More[M].Hyperion Press,2006.

[3]Tan T.,Netessine S.Is Tom Cruise threatened?Using Netflix Prize data to Examine the Long Tail of Electronic Commerce[C].Wharton Working Paper,2009.

[4]Smith M.D.The Impact of Shopbots on Electronic Markets[J].Journal of the Academy of Marketing Science,2002,30(4),pp.446-454.

[5]周黎安,張維迎,顧全林.信譽(yù)的價(jià)值:以網(wǎng)上拍賣(mài)交易為例[J].經(jīng)濟(jì)研究,2006,(12):81-92.

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

[7]周耿,王全勝.網(wǎng)上交易的信譽(yù)與保障標(biāo)記機(jī)制[J].當(dāng)代財(cái)經(jīng),2010,(4):71-78.

[8]Bakos J.Reducing Buyer Search Costs:Implications for Electronic Marketplaces[J].Management Science,1997,43(12),pp.1676-1692.

[9]Chevalier J.A.,Mayzlin D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research,2006,43(3),pp.345-354.