手机B2C市场中价格离散影响因素实证研究

朱小雁, 田 剑

(江苏科技大学 经济管理学院,江苏 镇江 212003)

近年来，随着互联网在零售领域的应用,在线购物网站不断涌现,对消费者传统购物方式形成冲击的同时,也引发了大量有关在线零售的议题,其中就包括价格离散问题。所谓价格离散指的是在同一时间,不同销售者以不同价格出售同种产品的现象。继Stigler[1]对价格离散问题进行开创性研究之后,国内外许多学者从经济学、信息系统和市场营销等不同角度对价格离散现象进行解释,并开展了大量的理论与实证研究,学者们一致认为电子商务市场中价格离散现象是普遍存在且受不同因素影响。回顾已有文献,电子商务市场中价格离散的影响因素可归结为宏观和微观两个方面,宏观因素主要包括因特网市场的成熟性[2]、市场特征[3],而微观因素具体又分为3类:与卖家相关因素,包括网站页面呈现的购物环境、销售商销售成本[4]、网站信任度、购物参考信息、购物便利性、竞争对手数量[5]、电子零售商信誉和品牌[6]、厂商成本差异、信誉[7]、搜索便利程度、卖方态度和购物渠道[8];与买家相关因素,包括消费者评价[9]、消费者议价能力[6]、消费者意识、消费者转换成本[6]、消费者忠诚度[8];与产品相关因素,包括产品价格、产品类型和运费[9]、产品异质性、品牌知名度[6]。本文以B2C市场中的手机为研究对象,选取天猫商城2013年3月1日至10日间1 663组在线交易数据,运用多元统计分析方法,以期寻求不同手机细分市场价格离散现象的影响因素,从而为商家制定有效的网络营销策略提供决策依据。

一、研究设计

(一)研究假设

商品评价是买家针对具体商品而进行的评价行为,属于产品信息的一种具体表现形式。Pan和Shankar[10]的研究表明:网商特征和市场特征导致92%的价格离散,作为网商特征重要组成部分的产品信息,其对价格离散的影响不容小觑。另外,淘宝网等B2C购物网站在买家确认收货后,都有对购买的商品进行评价环节。结合实际现状与理论分析,本文提出如下假设:

H1:在其他条件相同的前提下,商品评价分值离散与价格离散正相关,即商品评价分值分布越分散,价格离散越大。

消费者基于对商品的质量、服务和价值等因素的反复比较做出购买决策,消费者愿意为具有较好品牌和信誉的卖家支付更高的价格。长期发展会使得卖家信任度两级分化,即卖家信任度的离散加大,从而导致市场价格离散增大。Kim[11]认为,卖家的信誉度能积极影响消费者的购买决定,从而导致不同信誉度间卖家的价格离散。基于上述认识,本文提出如下假设:

H2:在其他条件相同的前提下,卖家信任度离散与价格离散正相关,即卖家信任度离散越大,价格离散越大。

商品交易量是商家综合水平的体现,也是消费者网购过程中重要的参考指标,如天猫商城等B2C购物网站在商品详情页面显示月交易量,交易量越高越容易被买家搜索,而且能增加其好感度,影响其购买决策。Ghose和Yao[12]用交易价格对电子商务市场的价格离散进行重新的检验,结论表明:无论在电子商务市场,还是传统市场,产品交易量与其价格离散呈正相关。分析前人的研究,提出如下假设:

H3:在其他条件相同的前提下,商品交易量离散与价格离散正相关,即商品交易量离散越大,价格离散越大。

竞争者数目可直观反映市场竞争程度,随着电子商务的发展,网店数量与日俱增,竞争也随之加剧。Carlson和McAfee[13]基于搜寻模型,通过对价格离散和竞争者数量进行理论分析得出:竞争者数量越多,价格离散越小。Cohen[14]认为,市场中替代者的出现犹如一把“双刃剑”,竞争者的数量增加使得市场同质产品的数量增加,价格离散度将降低,但同时因为信息量繁多,消费者难以判定信息的真实性,从而导致价格离散增加。因此提出如下假设:

H4:在其他条件相同的前提下,竞争者数量与价格离散正相关,即竞争者数量越多,价格离散越大。

手机产品更新换代速度快,定价目标会随着其生命周期的变化而调整,从而导致各阶段价格离散情况各异。在商品上市初期,购买者由于缺乏对高新技术产品价值的认知,通常把价格作为衡量产品质量的标志,由于可替代品很少或者不存在,此时厂商成为定价的主导者,形成较小的价格离散。在商品上市一段时间后,购买者掌握了大量信息,不再只关心产品效用,而更加关注价格与替代产品所带来的价值,此时竞争者也逐渐增多,价格离散增大。分析天猫商城的手机市场,对于即将进入市场的手机提供预定服务,对于即将退出市场的手机有特价促销活动,也同样反映出产品生命周期对价格的影响。总结上述分析,将产品上市时间作为一个影响因素。因此提出如下假设:

H5:在其他条件相同的前提下,产品生命周期阶段与价格离散正相关,即越处于后期的商品,其价格离散越大。

根据以上分析,建立多元回归分析模型,因变量为价格离散指数DPrice,考虑到不同价格水平的商品,价格离散程度不一致,平均价格相对较高,竞争较少的商品,价格离散通常都很高,产品价格对于价格离散影响很大,故分为所有商品、高价商品、低价商品3大类。自变量包括商品评价分值(ProductE)、卖家信任度(SellerC)、月成交量(SaleV)、竞争者数量(CompetitorN)和商品上市时间(TimeM)5个方面。

DPricei=β0+β1ProductE+β2SellerC+β3SaleV+β4ComptetitorN+β5TimeM+u

式中,i=1为所有商品的价格离散；i=2为低价商品的价格离散；i=3为高价商品的价格离散。

(二)样本来源

本文选择手机作为研究对象,主要基于以下几点的考虑:首先,在我国电子商务市场,手机被许多消费者选择为最常购买的商品之一;其次,手机价格区间范围大,品牌众多,更新速度快,标准化程度高,且属于较成熟的电子商务产品;最后,作为全球范围内的手机消费大国,我国的手机市场竞争激烈。研究在符合网络购物真实性的要求下,采取随机采样。为了避免网络购物环境、支付方式、物流服务等的影响,本文选择国内具有代表性的天猫商城(http://www.tmall.com/)来收集数据验证假设。为避免时间因素的影响,数据收集主要集中在2013年3月1日至10日之间,选取50个型号的手机,共1 894个数据,剔除信息不完整及异常数据231条,最终有1 663个有效数据用于假设检验。

(三)变量测量

在研究变量测量方面,通过分析国内外相关文献的处理方法,结合本文的研究内容,进行具有针对性的设计。本文的因变量为价格离散,用“标准差/均值”来衡量,采集的数据均为成交价格。自变量包括:① 商品评价分值离散:商品评价分值即各购买者在确认收货后对该商品进行综合评价后的累计分值,以商品评价分值标准差除以其均值来衡量;② 卖家信任度离散:卖家信任度是“描述相符”、“服务态度”、“发货速度”这3方面的综合得分,以卖家信任度分值标准差除以其均值来衡量;③ 月成交量离散:截止收集数据时,以各型号手机的月销售量标准差除以其均值来衡量;④ 上市时间:每款手机上市至收集数据月份的间隔时间(按月计算);⑤ 竞争者数量:即天猫商城目前销售该型号手机的商家数目。为了考察上市时间和竞争者数量对价格离散的影响,并缩小数量级之间的差异,因此对其求对数。

二、假设检验与结果分析

表1是描述性统计结果,列出了变量的相关系数。在检验假设之前,本文通过多重共线性诊断发现各模型自变量的方差扩大化因子(Variance Inflating Factor,VIF)的数值都接近于1,说明不存在多重共线性问题。P值(Pvalue)就是当原假设为真所得到的样本观察结果或更极端结果出现的概率。P值越小，表明结果越显著。模型的显著性(F值)、拟合优度(R2)具体值表2。

表1 变量的均值、标准差和相关系数

注：*** 表示P<0.001 水平下显著,** 表示P<0.01 水平下显著,* 表示P<0.05 水平下显著。

表2 回归分析结果

注：*** 表示P<0.001 水平下显著,** 表示P<0.01 水平下显著,* 表示P<0.05 水平下显著。所有模型都进行了加权处理,权重为残差序列绝对值的倒数。

从回归分析结果(表2)可看出,商品评价分值离散与价格离散显著正相关(0.042***),即当同一商品在不同卖家间评价分值的差异越大,价格离散越明显,这反映出买家对于商品评价的重视及卖家的定价策略;月成交量离散与价格离散显著负相关(-0.020***),即当成交量差异越大,价格离散越小,当成交量都集中在某几家店铺时,其他销量滞后的卖家会采取积极的价格策略,将价格向某个更低的方向发展,使价格趋于同一水平,导致价格离散的缩小;商品上市时间与价格离散显著正相关(0.022***),即越处于后期的商品,其价格离散越大。上市初期,由于市场上缺少质量高、性能独特、让买家满意的替代产品,且竞争者数目不多,此时价格离散较小。随着产品上市时间的增进,一段时间后有大量的追随者进入市场,即进入成熟期,此时价格离散逐步增大。进入衰退期时,市场的基本特征是供过于求,下一代的创新产品将上市。此时,由于卖家采取各种不同的价格策略,如维持定价策略和驱逐定价策略,保本定价策略等,导致价格离散增大。另外,全新机和翻新机混杂于市场中,也是导致后期价格离散增大的原因之一。然而,在模型2的分析结果显示,在低价商品中,仅有商品上市时间能影响价格离散(0.024**),可以这样解释:对于低价商品,买家对于价格的敏感性高于其他,而不同上市时间的商品,价格存在一定的差异。手机更新换代速度快,部分卖家未能及时根据手机所处生命周期阶段的不同，作出价格调整，从而导致价格离散增大。模型3的分析结果表明:商品评价分值离散与价格离散正相关(0.054**),月成交量离散与价格离散负相关(-0.021*)。由于高价商品往往都是上市时间较短的新产品,买家比较欠缺产品信息,往往会依赖商品的评价来辅助自己的判断。另外,购买高价商品的买家,通常更在乎商品的性能,而不是价格,所以在一定区间范围的价格均可接受。经过一段时间的删选,分值高的卖家就能把价格定得相对较高,从而形成较大的价格离散。

提炼上述分析结果,将3个模型中显著影响因素用图表进行比较(图1),商品评价分值离散这个方面,高价商品的影响程度大于所有商品,当月成交量离散较小的时候,高价商品的价格离散大于所有商品,当月成交量离散达到一定值的时候,两者离散程度相同,继而呈相反的趋势发展。低价商品的价格离散在上市时间这方面的敏感性大于所有商品。

图1 回归系数显著的商品价格离散影响因素比较分析结果

三、结论与展望

(1)高价和低价的价格离散影响因素不同,应制定不同的价格策略。高价商品的商品评价分值离散对于价格离散的敏感度较高,买家更看重商品评价分值,在合理的价格范围内,会选择评价好的卖家。所以卖家可以在商品上市前期提供优质的服务和品质保障,当商品分值较高时可以将价格适度上调,增加利润。对于低价商品,消费者出于搜寻成本的考虑,会降低搜寻成本的投入,信息获得不全面,因此卖家可以采取价格歧视的定价策略,制定不同的价格,比如对于不同批次的产品制定不同价格。

(2)对于更新换代快的商品,卖家应把握商品的上市时间,采取分阶段的营销策略。导入期,各类宣传渠道共同发布新品消息,不断推出产品的非价格卖点以吸引消费者的眼球,降低消费者的价格敏感度,企业采取较高的价格是切实可行的。对于一些知名大企业推出的新产品可采取声望定价,即利用消费者崇尚名牌的心理来制定产品的价格,把价格定成整数或高价。因为消费者有崇尚名牌的心理,往往以价格判断质量,认为高价代表高质量和高性能。当产品知名度到一定程度的时候开始大规模上市,由于新品初期可观的销售利润,各卖家争相进入该产品市场,到达产品成熟期,这时商品评价分值和卖家信任度会影响消费者的决策,所以应注意前期信誉的积累。为了进一步吸引消费者,竞争者会采取一系列的价格、非价格策略进行促销,价格逐渐下降,此时如果情况允许,可以选择适时地退出竞争,准备下一轮新产品的上市;到了衰退期,非价格策略已不能吸引消费者的眼球,网络销售商更多的采取降低价格的促销手段,清空库存,利润达到最低。

由于人工采集数据的工作量比较大,而且价格离散的影响因素众多,未能全面地进行分析,时间序列数据的不足使得未能对文章中的价格影响因素进行追踪研究,在未来的研究中,希望能加强与企业的合作,获得更高质量的市场数据,价格离散影响因素间的相互作用机理也是一个非常值得关注的研究方向。

参考文献:

[1] STIGLER G.The economics of information[J].Journal of Political Economy, 1961,69(31):213-225.

[2] BAILEY J P.Electronic consumer:prices and consumer issues for three products:books, compact discs and software[R].Organization for Economic Cooperation and Development, 1998.

[3] ALESSANDRIA G.Consumers search, price dispersion international relative price fluctuations[J].International Economic Review, 2009,50(3):803-829.

[4] BELLMAN S,JOHNSON E J,LOHSE G L,et al.Designing marketplaces of the artificial with consumers in mind:four approaches to understanding consumer behavior in electronic environments[J].Journal of Interactive Marketing, 2006,20(1):21-33.

[5] 邵兵家,罗玲丽.中国在线商品价格离散影响因素的实证检验[J].统计与决策,2007(16):45-50.

[6] SMITH M,BRYJOLFSSON E.Customer decision making at an internet shopbot:brand still matters[J].Journal of Industrial Economics,2001,49(4):541-558.

[7] BAYE M R,MORGAN J.Price dispersion in the lab and on the internet:theory and evidence[J].The RAND Journal of Economics,2004,35(3):448-466.

[8] 曹磊,张子刚.消费者感知搜索成本降低的影响因素及其结果[J].工业工程与管理,2011(3):93-105.

[9] PETRESCU M.Online price dispersion:more than imperfect information[J].Journal of Product & Brand Management,2011,20(7):541-548.

[10] PAN X,RATCHFORD B T,SHANKER V.Can price dispersion in online markets be explained by differences in e -tailer service quality?[J].Journal of Academy of Marketing Science,2002(4):443-456.

[11] KIM D J,FERRIN D L,RAO H R.A trust-based consumer decision-making model in electronic commerce:the role of trust,perceived risk and their antecedents[J].Decision Support Systems,2008(2):544-564.

[12] GHOSE A,YAO Y.Using transaction prices to reexamine price dispersion in electronic markets[J].Information Systems Research,2011(2):269-288.

[13] CARLSON J A,MCAFEE R P.Discrete equilibrium price dispersion[J].Journal of Political Economy,1983(3):480-493.

[14] COHEN M.Linking price dispersion to product differentiation:incorporate aspects of customer involvement[J].Applied Economics,1998(6):829-835.