李 励,朱孔来
( 济南大学管理学院,山东 济南 250002 )
网络购物评价对消费者购买决策影响研究
李 励,朱孔来
( 济南大学管理学院,山东 济南 250002 )
在总结和吸取以往消费者购买行为研究成果的基础上,结合当前电子商务的发展、网络评价体系现状,进行数据建模和实证研究。通过分析淘宝网的店铺评论数据,研究正面评论与负面评论对销量的影响,并以100名济南大学生为调查对象,获得样本数据,从产品内部、产品经济、产品外部、产品纠纷处理这四个因素来研究对消费者购买行为的影响。提出七个假设,并对假设进行一一验证,最终得出网络评论内容和质量与消费者网购行为之间的关系。
网络评价;购买决策;在线评论
(一)研究背景
网络购物的发展使得人们更加方便地传递和交流信息。电子商务环境下网络购物,既可以节省人们的时间,同时也方便了人们的生活。
消费者利用门户网站以及各大论坛来发表对具体形式的产品或服务的评价和自己的消费体验,企业通过分析消费评价中包含的消费者倾向来分析消费者的购买需求,从而提高消费者满意度。[1]依据CNNIC近期进行的一项网络消费者购买行为与网络评价关系的问卷调查发现,有超过40%的人认为前消费者的网络在线评论是其进行购买决策前最优先考虑的因素之一。
(二)文献综述
国外口碑研究理论由Britt率先运用到消费者购买决策行为研究中。Kim则提出在线口碑是经验丰富的网络购买者向经验相对较少的网络购物者传播正面或者负面的购物体验信息。[1]Stephen则认为在线评价是消费者利用网络技术来对产品和服务的具体特性进行的购物主观感受的交流[2]。PeiyuChen提出有效的在线评论不仅有利于产品信息的传播,而且有助于消费者利用信息进行产品质量评价,帮助消费者解除购买之前的产品顾虑,从而建立对消费过程的信任。[3]Park认为借互联网平台将正负面评论传播给消费者形成了在线评论[4]。在研究中也提出了在线评论对消费者购买决策能产生很强的引导作用。[5]
(三)消费者网络购物决策流程分析
在传统的消费者购物流程中,只有在购买决策产生之后,消费者才有可能进行购物评价,属于购后评价,而在购物之前并没有提供格式化的网络购物评价给消费者进行参考,如图1.2:
网络购物风靡全球,人们在网络平台上进行购物的同时,又可以在交流平台上记录下自己的购物体验、对产品的评价、服务的评价以及售后的评价等信息,人们可以依据这些评价信息来对尚未购买的产品产生一些主观和客观的评价,从而影响人们的购买,如图1.3:
(一)格式化评价分析
1.数据收集
格式化评价包括总评论、好评、中评、差评的数量,研究这些数据对商品销量的影响。为了使统计数据便于分析,更加有代表性,选择按照销量排名,随机点开淘宝网的50家店铺,再选取其中评论量丰富的来抽取评论信息,记录下各个店铺的信用、总评论数量、销量、好评、中评、差评数量、发货速度、服务态度、描述相符度的信息,然后绘制图2.2。
2.提出假设
假设一H1:淘宝网的差评数量与销量呈现负相关,且满足J型分布。
假设二H2:淘宝网的网络评价中差评是影响消费者购买决策的关键因素。
3.“假设一”验证
根据国外的研究可知差评数量与店铺的销量两者应该近似服从正态分布,[8]经对淘宝网的店铺实证数据进行研究分析,发现我国在线商品评论的分布并不是非正态的,但是呈现出较为明显的正向偏移,近似服从“L”形的分布。
由图可知,差评量与淘宝网店铺销量之间的确是存在着负相关关系,验证“假设一”提出的淘宝网的差评数量与销量呈现出负相关,且关系较为密切,但是却并不是呈现“J”型分布,而是近似“L”型分布。导致国内外实证结果差异出现的原因主要有以下几个方面:
第一,淘宝网存在“默认好评”机制,在实际购买过程中,所有的消费者并不都会在购买商品流程完成之后主动在好评、中评、差评中选择一种进行评价。而相当大的一部分消费者更倾向于不给出评价,默认好评填补了这一块,拉动了好评率。
第二,在研究中可以看到,消费者自身评价标准的不同。对一般的消费者而言,他们如果对店铺有不满,只需要对店铺评价中评就足以表达不满了,而某些消费者对于很小的不满就觉得有必要给差评。
第三,通过研究可以发现,如果购买商品之后假设所有的消费者都主动去发表商品的评论,也就是商品的在线评论不存在缺失,忽略默认好评机制,那么在线商品评论就会服从正态分布,这个假设已被前人利用实验研究获得证明。
4.“假设二”验证
在济南大学东校区发放100份调查问卷,随机选取管理学院、酒店管理学院的100名在校学生进行随机调查,调查内容主要涉及淘宝网购物的消费者关注因素以及最终影响消费者购物决策的因素,并根据调查问卷的统计结果得出结论。
(1)样本的组成结构情况
被调查人群年龄主要分布在19-25岁,学历为大学本科,这一部分群体具有熟悉网络购物环境,网购经验丰富的特点,所得的调查结果更具有说服力。
(2)样本信度分析
对样本的信度进行分析,采用SPSS 16.0统计分析软件,输入样本数据,检测其 Alpha值也称同质性系数,得到下表2.2。
通常情况下,认为α≥0.7属于高信度,0.35<α<0.7属于信度尚可,由上表可知值为0.504,属于一般,可以用该样本进行检验。
(3)回归分析
通过回归分析对淘宝网涉及的诸多因素与消费者购买行为决策的关系进行分析,采用多次分步回归来研究产品销量受多个自变量的影响程度,最终总结出结果。Sig代表显著性,它的值实际就是t统计量对应的概率值,所以t和Sig两者可以等价,Sig值越接近于0显著性越好,而它表示的值就是统计出的概论P值,如果0.01
(二)非格式化评价分析
因变量定义为Y,代表消费者购买态度,包含三个网络评论对消费者购买态度的影响结果:缩短产品认知时间、影响最终决策、提高满意度,在调查问卷的最终统计结果中分别求取平均值,得到最终的网络购买行为Y的基础数据。
对于商家的正面评论量、负面评论量、褒贬都有的评论数量、一致好评的评论数量对消费者购买行为的影响提出以下假设:
假设三H3:在一定范围内,正面评论量和负面评论量对消费者的购买决策同时存在正向影响。
主要基于C2C网络评论进行研究,通过对淘宝网上的50条评论进行对比,结合一些文献参考,将评论涉及的内容范围细分为以下四个方面的因素:一是产品内部因素(产品质量,产品外观);二是产品经济因素(产品价格,支付便捷性,支付安全性,物流费用);三是产品外部因素(物流周期,产品包装完整性);四是产品纠纷处理因素(退换货效率,售后服务)。
依次针对这四方面内容,及其可能对消费者网络购买行为产生的影响,提出以下几个假设:
假设四H4:对产品内部因素的相关评论影响消费者购买行为;
假设五H5:对产品经济因素的相关评论影响消费者购买行为;
假设六H6:对产品外部因素的相关评论影响消费者的购买行为;
假设七H7:对产品纠纷处理因素的相关评论影响消费者的购买行为。
1.“假设三”验证
消费者网络购物行为Y与各类型的评论数量要素(X31,X32,X33,X34,X35)之间的关系的分析验证假设三H3。输入自变量X31,X32,X33,X34,X35输出因变量为Y。
Y=α3+β31X31+β32X32+β33X33+β34X34+β35X35+ε3
(2.1)
其中X31表示总评论量;X32表示正面评论量;X33表示负面评论量;X34表示一致好评的评论量;X35表示正负都有的评论量;ε3残差,代表其他因素的影响。
得到回归方程(2.1)的回归分析结果,总评论量的显著程度极高(标准化回归系数β=0.412,显著性Sig=0.000);正面评价量显著程度极高(β=0.284,显著性Sig=0.000);负面评价量显著性极高(β=0.459,Sig=0.000);一致好评量的显著程度不满足(β=-0.038, Sig=0.428);正负都有的评论量的显著性程度较高(β=0.177, Sig=0.0015)。采用F检验得到F=58.639。直线拟合优度值=0.982,反映出该方程的诠释能力很好,去除显著程度不满足的一致好评量这一自变量。
Y=α3+β31X31+β32X32+β33X33+β34X34+β35X35+ε3
(2.1)
可以写成:
网购行为=0.431×总评论量+0.238×正面评论量+0.436×负面评论量+0.142×正负都有的评论+(-2.968)。
根据回归方程所得的现实意义,总评论、正面评论、负面评论、正负都有的评价数量在一定范围内对消费者网购行为有影响。
2. 评价内容与网购行为回归分析
将在线评论对消费者网购行为的影响的相关理论和研究进行了理论分析,在此分析的基础上建立了本文的模型、提出了假设。
从表2.3中可以看出,所有变量的均值集中在3.51~4.36之间,标准差在0.89~1.24之间,样本数据的分布比较均匀,适合进行建模和回归统计分析。
(1)产品内部因素回归分析
消费者购买态度Y与产品内部性因素(X41,X42)之间的关系的回归方程式(2.2)的分析是对假设H4的验证。输入变量为X41,X42,输出变量为Y,回归方程(2.2)。
Y=α4+β41X41+β42X42+ε4
(2.2)
其中X41表示产品质量;X42表示产品性能;ε4残差,代表其他因素的影响。
得到回归方程(2.2)的回归分析结果,产品性能关注要素的显著程度不满足(β=0.062, Sig=0.542);产品质量要素的显著程度高(β=0.211,Sig=0.031)。拟合优度检验值R2=0.748,R取值为[0,1],其中的R值反映了该方程的诠释水平,该模型的直线拟合程度一般,而产品性能的显著程度不满足,因此去除产品性能要素的影响。F=5.891,一般选择α=0.05,由F=5.787>F0.05=5.32则接受假设H4,假设H4的回归方程:
Y=α4+β41X41+β42X42+ε4
(2.2)
可以写成:
Y=0.174×产品质量因素+(-0.824)
根据回归方程所得的现实意义,关于产品质量的评论语对消费者网购行为有影响。
(2)产品经济因素回归分析
消费者的网络购买行为Y与产品经济要素(X51,X52,X53,X54)之间的关系的回归方程式(2.3)的分析验证假设H5。输入变量为X51,X52,X53,X54,输出变量为Y。
Y=α5+β51X51+β52X52+β53X53+β54X54+ε4
(2.3)
其中X51表示产品价格;X52表示交易支付便捷性;X53表示交易支付安全;X54表示物流费用;ε5残差,代表其他要素对Y的影响。
得到式(2.3)的回归分析结果,产品价格要素的显著程度高(β=0.201,Sig =0.008);支付便捷性的显著程度极高(β=0.324,Sig =0.000);支付安全显著程度较高(β=0.291,Sig=0.023);物流费用要素的显著程度很高(β=0.172,Sig =0.001),F=14.562,R2=0.779,说明该模型的拟合水平较高,假设H5的回归方程:
Y=α5+β51X51+β52X52+β53X53+β54X54+ε5
(2.3)
可以写成:
Y=0.211×价格+0.275×支付快捷性+0.198×支付安全性+0.172×物流费用(-1.562)
根据回归方程得到,产品经济因素中关于产品价格的评价、关于支付快捷性的评论、关于支付安全性的评论、关于物流费用的评论语都对消费者网购行为有影响。
(3)产品外部性要素回归分析
消费者网络购买行为Y与产品外部性因素(X61,X62)之间的关系的回归方程式(2.4)的分析验证假设H6。输入变量为X61X62,输出变量为Y。
Y=α4+β61X61+β62X62+ε6
(2.4)
其中X61表示物流周期;X62表示包装完整性;ε6为残差,代表其他要素对Y的影响。
得到式(2.4)的回归分析结果,物流周期要素的显著程度一般(β=0.113,sig=0.034);包装完整性要素的显著程度一般(β=0.124, Sig.=0.012);F=5.972。R2=0.841,该模型的拟合水平较好,物流周期和包装完整性要素的显著程度一般。假设H6的回归方程:
Y=α6+β61X61+β62X62+ε6
(2.4)
可以写成:
Y=0.211×物流周期+0.198×包装完整性+(-1.132)
根据回归方程,外部性要素中关于物流周期和包装完整性的评论对消费者网购行为有影响。
(4)纠纷处理因素回归分析
消费者网络购物行为Y与纠纷处理因素(X71,X72)之间的关系的回归方程式(2.5)的分析验证假设H7。输入变量为方程X71,X72,输出变量为Y。
Y=α7+β71X71+β72X72+ε7
(2.5)
其中X71表示产品退换货处理;X72表示产品售后服务;ε7为残差,代表其他要素对Y的影响。
同上运用SPSS16.0,输入数据,得到式(2.5)的回归分析结果,退换货要素显著性不合格(β=0.008,sig=0.734);售后服务要素显著性强(β=0.492,sig=0.001),F=48.972, 0.615,该模型拟合性一般。消去显著性不合格自变量,假设H7的回归方程:
Y=α7+β71X71+β72X72+ε7
(2.5)
可以写成:
Y=0.561×售后服务+(-2.412)
根据实证研究所得回归方程具有现实意义,纠纷处理因素中产品售后服务的评论语对消费者网购行为有影响。
由以上数据调查与分析结果可知:网络购物评价对消费者购买决策具有引导作用,根据淘宝网购物评价数据分析所得,由于存在默认好评的原因,差评量与购买量之间存在负相关的关系,且近似为L型曲线,如果除去默认好评机制,所得的曲线符合正态分布,与前人研究成果相符。好评率高的商品不一定卖的就好,适量的差评有时还有利于提高商品评价的可信度,同时有助于引导消费者的购物决策。对企业而言,消费评价有助于其改善服务质量和提高产品的顾客满意度,同时也有助于企业建立网络口碑,这比广告更加直接有效。
(一)本研究的局限性和展望
一是本次研究的数据样本选取范围较小,代表性不够强,调查问卷虽然选取了代表性较强的购物群体,但是忽视了其他相近群体的地域和年龄差别,后续研究可以扩展研究的范围和变量的数量,继续发掘对购物行为有影响力的因素。
二是研究时的数据分析只是进行了自变量整体与因变量之间的信度检测,可以分别通过删减某一个变量,得出不同的α值,来判断在研究过程中单一变量研究的重要性,也可以选择去掉不明显的影响因素,提高样本的可用性,这样得出的结果应该更加接近实际。
(二)研究结论可以提供的建议和对策
一是电子商务网站要重视在线评论的价值。在线评论具有网络口碑的优势,其传播速度快,影响范围广,影响程度深,电商企业管理好在线评论系统有助于实施互联网营销策略,提高电商企业的知名度和信誉度。
二是关注在线评论的相关属性,建立模块化的在线评论体系。在线客户评论本身的属性包括:评论内容的质量、评论内容所反映的相关因素、评论的数量、评论的客观性等。这些相关因素都极大地影响在线评论对消费者网购态度的影响。淘宝网之所以差评影响大就在于整个信用评价标准和算法并不完全科学,可以通过研究将单个商品的评价指标与店铺的评价指标之间做出区分,这样就可以避免恶意差评的影响。同时客户在评价时,可以提供明确的评价内容分类,而不是单纯的“好、中、差”,应该具体到内容上,如:物流、质量、服务态度,这样人们可以通过比较自己最关注和最不关注的因素权重,做出利于自己的选择,而不是盲目地排斥别人给出差评的商品。
三是企业要对在线评论进行有效管理,建立在线评论质量评估体系。在线评论的信息有正面的,也有负面的,对企业来说是一把双刃剑,企业不但要重视正面信息所产生的积极效应,同时要及时处理负面评论,因为负面评论对企业的信誉将会产生很大的损害。如果企业能够积极处理负面评论,对消费者关注的方面有良好的解决方式,这也从另一方面为企业塑造了良好售后形象。
[1]姚天,程希文.文本意见挖掘综述[J] .中文信息学报,2008,(3):71- 80.
[2]张玉芳.中国C2C在线客户评论对消费者购买决策影响的实证研究[D].暨南大学,2011.
[3] 张紫琼,叶强,李一军.互联网商品评论情感分析研究综述[J] .管理科学学报, 2010,(6):84-96.
[4] 黄孝俊,徐伟青.口碑沟通的基本研究取向[J] .浙江大学学报,2004,(1):125.
[5] 阙克儒.网络匿名性、企业形象与关系品质对网络口碑影响之研究——以线上游戏为例[D] .国立中兴大学,2004.
[6] 刘旭. B2C平台在线评论与网购行为的关系研究[D].国立中兴大学,2012.
[7] 郑小平.在线评论对网络消费者购买决策影响的实证研究[D] .中国人民大学, 2008.
[8] 李琪.电子商务概论[M] .北京:高等教育出版社,2009:42-68.
(责任编辑:张东生)
Research on the Impact of Evaluation of Online Shopping on Consumer Purchasing Decisions
LI Li,ZHU Kong-lai
( University of Jinan of Management, Jinan, Shandong 250002, China )
On the basis of summarizing and learning from past consumer behavior research results, and combined with the current development of e-commerce, this thesis carries out network status evaluation system for data modeling and empirical research. By analyzing the data of Taobao shops' comment, it studies the effects of positive reviews and negative reviews sales, and has surveyed 100 college students in Jinan. The sample data obtained from the inside of the product, product economy, external to the product, the product, study the factors affecting consumer buying behavior. This paper presents seven hypothesis, and one hypothesis verification, and ultimately come to review content and quality of networks and consumer online shopping behavior.
online evaluation; purchasing decisions; online reviews
2014-10-31
李励(1992-),女,湖北孝感人,2014级管理科学与工程专业研究生,研究方向为管理决策与系统评价。
F713.36
A
1671-4385(2015)01-0010-06