搜寻成本、网络外部性与价格离散：来自淘宝服装和电脑配件市场的经验

姜永玲，徐智博，胥 莉

（上海交通大学 安泰经济与管理学院，上海 200052）

价格离散现象一直以来都受到经济学家的关注，理论界对传统市场中的价格离散现象展开了大量的理论与实证研究，然而对网上市场的价格离散现象的研究上还有待推进。研究网络市场的价格离散问题，是检验新兴市场效率、分析厂商和消费者行为的前提，对理解当今的经济形势和未来发展具有重要意义。与传统购物的模式相比，网络技术为信息扩散提供了一个更为有效的渠道，使得消费者信息搜索的能力大大提高[1]，网络市场的进入比传统市场进入门槛更低[2]，网络购物使购买者的信息搜寻成本、销售者的市场进入成本以及菜单成本变得更低，为提高市场透明度和降低价格离散度创造了条件[3-4]。但是，大量实证研究清楚地表明，网上市场价格离散仍然显著存在，网络交易的价格离散度和价格并未因消费者搜寻活动更加方便快捷而绝对降低[5]，例如网上销售的书籍、CD、软件、药物、机票等的价格离散度并不比传统市场小[6]；在同一情形下不同方法的测度也存在差异，Ancarani等[7]指出线上和线下商品的价格离散度高低主要取决于价格离散的衡量方法。究其原因，网上交易信息的不对称，网上交易市场中存在的搜寻成本不容忽视[8-9]；其次，高声誉卖家的广告推广活动通过提高买家的搜寻效率，使得买家愿意为高声誉卖家支付较高的价格，从而导致市场价格离散加剧[10]；最后，主体的有限理性也会导致价格离散现象的出现[11-12]。

在价格离散的经典理论模型中，均衡时的价格离散和价格分布随着商家数量的变化而改变，检验价格离散与商家数量之间的关系不仅可以检验信息要素对价格离散的作用，还可以证明理论模型中结论差异的原因。随着网络购物市场的不断发展，对于网络市场的价格离散与商家数量之间的关系不同的学者提出了不同的观点。Baye等[12]从理论和实证检验了网上价格离散与商家数量的关系；在Varian模型中，信息传递成本不会导致价格离散，则价格离散与市场上商家数量初始时呈正相关，而当商家数量超过一个数值时，价格离散与商家数量呈负相关；在Baye&Morgan模型中，信息传递成本是价格离散的主要因素，价格离散与市场上商家数量呈负相关。还有其他实证研究也表明，市场上零售商数量越多，价格离散度越低[13]。

综上所述，网络交易市场中卖方数量的增加给市场带来两种效应：一方面，大量卖家的存在使得产品多样化增强，并吸引更多的买家，使得卖家的期望收益增加，更多的卖家进入淘宝交易平台，即产生网络外部性；另一方面，随着同类商品的卖家的加入，卖家之间的竞争也逐渐增强，从而有可能降低单个卖家的成交量，预期利润降低，即产生竞争效应。而对于买家而言，一方面，大量的卖家的加入使得产品种类多样化，买家多样化的偏好得到满足；另一方面，产品种类的增多也导致了消费者搜寻成本的增大。国内学者对网上价格离散的研究尚处于起步阶段，韩民春等[14]最早对中国网上市场的价格离散现象进行了实证研究；黄敏学等[15]探索了不同类型产品影响价格离散的因素；邵兵家等[16]研究了网站的购物便利性、合约执行可靠性，以及购物参考信息、定价策略与网站可信度、竞争对手数量等特征对价格离散的影响；李原[17]实证研究表明，竞争者数量与价格离散负相关；李庆梅等[18]研究了网络零售商的声誉对网上市场价格离散的影响。但总体而言，关于网上价格离散的研究文献还不多见。以往大多数研究利用国外网上交易市场数据进行实证分析，区别于以往的研究，本文基于国内淘宝服装和电脑配件市场的经验数据，实证检验淘宝C2C网络交易市场中，网络外部性和竞争效应以及消费者的搜寻成本对价格离散度的影响。

1 研究假设

一般低质量产品的价格相对较低，产品的利润空间也相对较低，所以卖方定价的区间也被锁定在一定范围内，因此使得低质量产品的价格离散度会相对较低[19]。本文在不考虑品牌认知及价格真实反映产品质量信息的情况下，针对产品质量与价格离散的关系，首先提出以下验证性假设：

H1高质量产品的价格离散度高于低质量产品的价格离散度。

消费者搜寻成本越高，即购买商品前所花费的搜寻时间越长，则消费者的机会成本也越高，因此，在消费者高机会成本的情况下，卖方就存在足够的利润空间进行差异化定价，即卖方定价比其他卖方高也有机会得到消费者。因此，提出如下研究假设：

H2消费者的搜寻成本越大，产品的价格离散度越高。

交易平台上卖方商户平均被搜到的次数越多，表示消费者搜寻成本的提高，因为它使得消费者又占用一定的时间来观察并对比产品，所以会使价格离散度变高。因此，提出如下假设：

H3交易平台上卖方商户平均被搜寻到的次数与价格离散度正相关。

本文假设在淘宝网络交易平台上，消费的搜寻成本并非由于种类的增加而提高，而是消费者在搜寻某种特定产品时，特定产品的商家数量越多，由于时间成本带来的搜寻成本上升，故在网络交易平台上，卖方数量与产品价格离散度的影响，一方面，卖方数量增加，使得消费者的搜寻成本上升，卖方就可以提高产品定价，以获得更高的利润[20]；另一方面，卖方数量的增加，使得卖方之间的竞争变得越来越激烈，卖方为获取潜在客户，就会降低价格以争夺市场份额。因此，在不同的情况下，卖方数量与产品价格离散度之间呈现不同的相关性。在某个拐点之前，间接网络外部性起主导作用，使得卖方数量越多，价格离散度越高；在拐点之后，竞争效应将起决定性作用，即卖方数量越多，就会回到传统的伯川德竞争模型的假设中，价格会趋于边际成本，卖方数量越多，价格离散度会不断减小，最后趋近于0。因此，提出如下研究假设：

H4价格离散度与卖方数量的影响关系存在拐点。

2 研究设计

2.1 基本模型

产品的价格离散度受卖方数量的影响来自两方面。首先，就消费者角度而言，一方面，卖方数量的增加，导致消费者搜寻成本的提高，从而使得消费者的效用下降[21]；另一方面，卖方数量的增加满足了消费者的多样性需求，从而增加了消费者效用。就卖方角度而言，一方面，卖方数量的增加导致消费者的搜寻成本增加，使得卖方有动机提高产品定价，从而导致产品价格离散度的增加[21]，卖方有增加消费者搜寻成本的动机，从而提高销售利润[20]；另一方面，在网络外部性的作用下，卖方数量的增加，使得卖方之间的竞争变得越来越激烈，导致消费者需求的增加，卖方有降低价格获取潜在客户和争夺市场份额的动机，因此，卖方数量的增加使得产品价格离散度下降。所以，在现实的网络交易市场中，卖方商户的最终产品定价受到以上两种效应的共同作用。在此，以产品价格离散度作为因变量，分析消费者搜寻成本对网络交易市场上产品价格离散度的影响。

基于以往关于厂商数量与价格离散关系的研究，存在两种相反的相关关系，如在汽油市场上，价格离散随着厂商数量的增加而减少[13]；在网络购物平台上，随着商家数量的增加，产品的价格离散度会增加[22]。因此，本文针对厂商数量和价格离散之间的非线性关系，设置参数n和n2，以便发现其相关关系的拐点。

基于上述理论分析，建立如下计量模型：

本文模型涉及的主要变量有价格离散度、卖方数量、产品质量、消费者的搜寻成本。具体参数及其含义如下：

Dispersion—价格离散度，变异系数=价格标准差/官方价格[23-24]。本文采用服装和电脑产品全国统一的官方价格取代期望价格，以期通过更准确的价格信息，反映消费者在淘宝购物的一般动机行为。其中，所选取的商品均存在官方价格且价格全国统一，来源于各实体店的报价。因此，有利于产品价格离散度的测量。

Product—产品的高质量和低质量。将所有产品的价格用中位数来区分，产品价格小于产品价格中位数的产品是低质量产品，其值为0；产品价格大于产品价格中位数的产品为高质量产品，其值为1。

Searching—消费者在购买商品时，所耗费的搜寻成本。用VIEWn表示消费者搜寻成本，对于一个特定的产品，交易平台上卖方商户平均被搜到的次数，VIEWn=每件产品的总浏览量/该件产品的店家数量。

n，n2—卖方的数量及其平方，以讨论厂商数量与价格离散之间的非线性关系。

2.2 数据收集

选取淘宝网上服装和电脑配件两类199件不同的产品，共30 310个观察值进行实证分析。选择服装市场是因为每件服装都具有自己市场统一的货号，且当前普遍存在去商店看货号后再到网上购买的现象，因此相对大众化，而且每个不同货号的衣服都有全国统一标准的官方价格，便于分析时数据的统一。电脑配件市场是一个比较成熟且产品非常标准化的市场，且在淘宝网上商家的数量比较多。方便研究商家数量与价格离散之间的关系。另外，以往关于网络外部性及价格离散的研究，也同样选择了电脑配件市场作为研究对象[19]。

在淘宝网平台上，消费者可以比较不同卖方对同一商品的报价情况以及不同卖方的产品销售信息等。淘宝网每天都有大量的消费者进入并购买商品，同时也有大量的卖方进出平台，所以为了保证数据的同时性，本文采用PYTHON语言编写的数据搜集软件，下载淘宝网的产品交易数据。为保证搜集到的截面数据具有同时性，本文是在同一时点对每个不同的产品进行数据搜集，从而避免了产品的卖方数量和产品的价格等参数随着时间的变化而变化，同时也保证了数据的一致性。而针对每件产品，通过PYTHON语言编程，在淘宝网下载其有关价格、成交量、运费、浏览量以及每件商品的卖家数量的数据。本研究的199个数据样 本 中，包 括47件T恤，32件 外 套，43件 连 衣裙以及95个电脑配件产品。其中，在服装市场中，有常见的快速时尚服装品牌太平鸟、韩国SZ等，快速市场服装品牌依靠大规模的销量获取足够的利润，这种超市型服装市场的衣服价格比较低廉，其成本较低，利润空间较小。也有驰名品牌欧时力等，这种服装类型的价格相对较高，有一定的品牌知名度，因此，其单件服装商品的利润较大。样本特征如表1所示。

表1 样本特征描述

本文采用价格中位数区分某类产品的高低质量，在服装产品样本中，低质量产品的平均价格在149元左右，而低质量产品的52件服装中，产品的最高价格为262元，最低价格为48.75元。在低质量产品中，价格从40～260元，跨度仅为220元。高质量产品的价格从100～800元，跨度为700元。因而，在服装市场中，高质量产品的价格离散度更为明显，而低质量产品的市场价格分布更为集中。与服装市场的产品相似，电脑配件类高质量产品的价格离散度比低质量产品的价格离散度更为明显。低质量产品的平均价格也为140元。另外，在服装和电脑配件两类市场中，平均每个商品大概都有100多家卖方在销售。而不论在那个市场中，每件产品的卖方的数量都大于20家。

对于服装和电脑配件类产品，运费一般在5～20元，而相比其产品价格，运费所占比例极小，甚至部分产品由卖家主动提供运输服务，因此，本文未考虑产品运输费用的影响。在此，假设所购产品的运输费用并不在消费者购买时所考虑的范围之内。

3 结果与讨论

根据淘宝网上的服装商品销售量以及卖方数量，选取销量较大且卖方数量较多的服装品牌；以及有固定型号的组装完整的电脑产品，配置固定不会改变。运用PYTHON语言编程获取商品的价格、卖方数量与浏览量等数据，使用EVIEWS软件对数据进行回归分析。根据前文基本模型设计，分别针对淘宝服装市场、电脑配件市场，以及服装和电脑配件整合市场的价格离散度研究的数据分析结果如表2所示。

3.1 服装产品市场

根据淘宝网上的服装商品销售量以及卖方数量，选取销量较大且卖方数量较多的品牌如ONLY、VERO MODA、太平鸟、欧时力以及韩国SZ女装。分析如下：

表2 数据分析结果

（1）产品质量对价格离散度的影响。自变量产品质量的系数为正数并且数值较大，说明服装市场中，价格相对较高的服装的价格离散度会高于价格相对较低的商品。这与2.2数据搜集部分的介绍相符合。即快速时尚品牌利润空间相对于知名品牌较低。除此之外，淘宝网是一个卖家和买家免费进入的平台，因此，在产品的真伪程度上没有很严格的界定。而在国内，由于一些假货或者高仿品的存在，故在淘宝网上这些知名品牌的报价中也存在虚假产品。这些虚假产品一方面在定价上可以在很大范围上浮动来夺取消费者剩余，另一方面，对于卖真品的商家而言，也带了很大程度的竞争。因此，这也是使得知名品牌产品的价格离散度较高的一个原因。

（2）卖家数量对价格离散度的影响。数据结果显示，卖方数量的系数为正，说明卖方数量越多，商品的价格离散度越高，即存在间接网络外部性。卖方数量的平方n2的系数是负数，说明卖方的数量对于商品价格离散的影响是存在拐点，当卖方数量大于拐点时，卖方数量越多，商品的价格离散度将下降，即存在竞争效应。淘宝平台的服装和电脑配件市场，区别于以往国外研究图书类行业，由于网络售价一般低于线下价格，网络消费者选择在实体店选好之后，再去淘宝网上搜寻。而淘宝商户大部分是私人卖家，其注重商品的获利性。当有很多卖家竞争时，由于产品的同质性，卖家将利用价格竞争来获得消费者和利润。且不同卖家对商品的保留价值不同，由于更多卖家的进入，迫使原有淘宝卖家降价，因此，竞争效应使得最后的产品价格离散度降低。其次，回归表明，当商家数量大到一定数量时，价格离散度则会升高，因为每个卖家被搜到的可能性降低了，卖低价的卖家未必会被消费者搜索到，卖家保持定价差异化，产品价格并不等于边际成本，因此将导致商品价格离散度升高。

（3）搜寻成本对产品价格离散度的影响。数据结果显示，每家店被消费者平均搜寻的次数的系数为正，说明每家店被消费者平均搜寻的次数与价格离散度成正比。被搜寻的次数越高，价格离散度越高。举例说明，假设对于1件衣服来说，淘宝市场上共有20家商店。消费者有10人。如果VIEWn=10，说明所有消费者共浏览200次，则每个人平均浏览商品20次。如果VIEWn=20，说明每个消费者平均浏览产品40次。不论消费者是否购买产品，将导致消费者机会成本的增加。说明VIEWn越大，消费者的搜寻成本越大，最终导致产品的价格离散度越高。

3.2 电脑配件市场

对于电脑配件产品而言，商品的价格离散度与产品本身的性质有关；如果是高品质产品的价格离散度不高，可能卖家之间的价格不会相差很多；如果是低品质的产品，价格离散度则很高[19]。本文选取有固定型号的组装完整的电脑产品，配置固定，检验淘宝电脑市场的价格离散度影响因素，结果分析如下：

（1）产品质量对价格离散度的影响。与服装市场的结果类似，产品质量的系数为正数，说明电脑配件市场中，高端产品的价格离散相对于低端产品的价格离散度要高。但是，与服装市场相比，电脑配件市场产品价格离散度的高低却不如服装市场明显。这可能是因为电脑配件市场中，相对于销售价格或利润空间而言，电脑配件产品的成本相对于服装较高，并且在电脑配件产品市场中，市场标准化程度较高，其利润空间较小，定价灵活性较低。

（2）卖方数量对价格离散度的影响。数据结果显示，与服装市场类似，卖方数量n的系数为正，说明卖方数量与商品的价格离散度呈正相关；卖方数量的平方n2的系数是负数，说明卖方的数量对于商品价格离散的影响存在拐点，当卖方数量大于拐点时，卖方数量越多，商品的价格离散度将下降，竞争效应的作用将超过市场效应的影响；当卖方数量小于拐点时，市场作用对价格离散的影响更为明显。

（3）搜寻成本对产品价格离散度的影响。同服装市场的结果相同，电脑市场的数据结果的图表中也显示，每家店被消费者平均搜寻的次数的系数为正，说明每家店被消费者平均搜寻的次数与价格离散度成正比，即消费者的搜寻成本越高，商品的价格离散度越高。

3.3 服装与电脑配件市场

以下对服装和电脑市场的混合数据进行分析，以便观察产品的价格离散度和产品的类别是否存在一定的差异。

（1）产品类别对价格离散度的影响。数据结果显示，在服装和电脑配件市场中，产品类别对价格离散度的影响显著，表明不同产品其价格离散度存在差异。

（2）卖方数量对价格离散度的影响。数据结果显示，与服装市场和电脑配件市场结论相同。卖方数量n的系数为正，说明卖方数量越多，商品的价格离散度越高，这就是本文在绪论中提到的市场效应。卖方数量的平方n2的系数是负数，说明卖方的数量对于商品价格离散的影响是存在一个拐点的，当数量大于这个拐点时，卖方数量越多，商品的价格离散度将下降，这就是传统伯川德模型中提起的竞争效应。3次结果不同的市场和商品都显示，卖方数量和价格离散度的关系存在一个拐点。因此，本文认为，在淘宝网中，对于同一类产品而言，确实存在一个卖方数量的拐点，使得在这个数量前后，卖方数量对价格离散度的影响效果有所不同。

（3）搜寻成本对产品价格离散度的影响。同服装市场和电脑配件市场的数据结果相同，服装与电脑配件整合市场的数据分析结果显示，每家店被消费者平均搜寻的次数的系数为正，说明每家店被消费者平均搜寻的次数与价格离散度成正比。即消费者的搜寻成本越高，商品的价格离散度越高。

综上所述，首先，对于同一类产品而言，高价商品的价格离散度比低价商品的价格离散度高，这可能是因为高价产品的利润空间比较大，给卖方制造了分散价格的条件；对于不同类产品而言，数据显示，服装这类相对于电脑配件低价的产品的价格离散度要高于电脑配件的价格离散度，这可能是因为电脑配件的价格高昂和使用年限有关。其次，对于卖方数量对价格离散度的影响。与预期相同，确实存在一个卖方数量的拐点，使得在这个卖方数量之前，卖方数量越多，产品的价格离散度越高；在这个卖方数量之后，卖方数量越多，产品的价格离散度越低。而对于不同类产品而言，这个拐点数量不同。最后，对于消费者的搜寻成本而言。消费者的搜寻成本越高，产品的价格离散度越高。

4 结语

本文通过来自淘宝的经验数据，以淘宝网络交易市场为例，研究在C2C网络交易市场中，卖方数量对产品价格离散度的影响。在搜集了大量的数据之后，对数据结果进行计量回归，检验发现，卖方数量对产品价格离散度的影响存在一个拐点。当卖方数量小于这个拐点数量时，卖方数量越多，产品的价格离散度越高；当卖方数量大于这个拐点数量时，卖方数量越多，产品的价格离散度越低。但是，对于不同的产品而言，这个临界值是不同的。本文的结论中显示，对于服装市场而言，数量在700家左右；而对于电脑配件产品而言，数量在1 300家左右。另外，本文还得出了有关产品质量对产品价格离散度影响的结论。数据结果显示，同一类商品的高质量产品的价格离散度要高于低质量产品的价格离散度；但是，服装类产品的价格离散度要高于电脑配件产品的价格离散度。而在服装市场中，低质量的服装销售的卖方数量越多，产品的价格离散度越高，即间接网络外部性在起主导作用。而高质量服装的数据结果中显示，起作用的不是间接网络作用。因此，可以预测，卖方数量之所以会出现拐点，可能与产品本身的质量有关。但是在电脑配件市场中，数据结果显示，不论是高质量还是低质量的产品，都是间接网络外部性再起主导作用，影响着网络产品的价格离散度。

但是，本文研究的2个市场的卖方数量均未超出市场的拐点卖方数量，因此，没有出现价格离散度随卖方数量的增加而下降的结果。所以，在后续研究中，应在淘宝网络交易市场中，寻找一些卖方数量足够大的产品进行分析，观察是否会出现这个拐点使得产品市场的价格离散度会下降。其次，对于价格离散度的衡量方法，本文只选择变异系数，没有选用更多的方法进行数据回归，因此，在后续研究中，可以借鉴更多有关衡量价格离散度的方法，多次回归，使得数据结果可以更具有说服力。最后，对于消费者的搜寻成本，虽然本文创新性的提出了用平均成交一件产品的浏览次数衡量消费者的搜寻成本，但是，所做出来的结果全部没有通过检验，说明它对价格离散度的影响不是很显著。这可能是本文选择的数据不够准确，因此，在后续研究中，可以寻找更适合的参数去衡量价格离散度。