产品图文信息呈现与线上图书销量*

□文│刘 蕾 吴少辉

（作者单位：中央财经大学文化与传媒学院 清华大学经济与管理学院）

自2015年国家提出“互联网+”战略以来，我国电子商务再次取得飞速发展。据中国互联网络信息中心（CNNIC）数据显示，2016年中国电子商务交易额为22.97万亿元人民币，同比增长25.5%。其中，网络零售市场交易规模5.3万亿元，在社会消费品零售总额中的渗透率达到14.9%。一方面，中央通过加快供给侧改革促进传统企业向互联网转型升级；另一方面，在传统零售业绩持续下滑背景下，互联网零售转型成为所有零售企业未来最重要的增长点。然而，企业界和学术界对于在网络环境下，企业究竟该如何呈现产品信息以更好地激发消费者的购买行为、提升产品销量却缺乏足够的理解。

从消费者角度而言，电子商务规模的持续增长伴随着网络购物用户数量的不断扩大。截至2016年，我国网络购物用户规模达到4.67亿，用户网络购物的消费习惯已经形成。消费者在网上购买产品时，主要通过浏览产品呈现信息和消费者评论信息做出决策。产品呈现信息由企业编辑和发布，消费者通过浏览产品呈现信息获得对产品属性及品牌方面的初步认知和评价。消费者评论信息即网络口碑，企业基本无法干预和控制，这部分信息通过影响消费者对产品的知晓（知晓效应）以及塑造和改变消费者对产品的态度（说服效应）来影响消费者购买决策。消费者评论信息究竟如何影响消费者购买决策已经得到广泛而深刻的研究，而产品呈现信息对消费者购买决策的影响研究却非常有限，对销量影响的实证研究更加缺乏。

在网络环境下，由于消费者无法真正看到和摸到产品，相比在线下环境下购买产品，他们尤其需要获取足够的信息以做出购买决策，因此产品呈现信息对消费者购买决策具有重要的影响。图文信息作为最基本、最重要的产品信息呈现方式，本研究试图探讨产品图文信息如何影响产品销量。具体而言，本研究将回答如下两方面问题：①产品文本信息数量与销量之间是什么关系？产品文本信息是否越多越好？②产品图片信息数量与销量之间是什么关系？图片是否越多越好？

图书、音像类产品作为我国网上销售商品的重要组成部分，近年来发展迅速。2016年，中国图书零售市场中网上销售渠道销售额达到365亿元，首次超过实体渠道销售额（336亿元）。当前，全民阅读推广活动更将进一步促进线上图书销售。因此，本研究将以图书销售为例，探讨线上产品图文信息呈现如何影响产品销量，从而为企业开展电子商务运营提供策略建议。

一、理论背景与研究假设

信息呈现包括言语和视觉两种基本形式，言语形式即文本信息，视觉形式则是生动化呈现信息的方式，包括图片、视频、动画等多种方式。当前关于产品呈现信息对消费者决策影响的研究主要关注信息生动化呈现方式对消费者态度和产品评价的影响。在网络购物环境中，图文信息作为最主要的产品呈现方式，学者对其关注却极其有限。根据我们的了解，仅有两篇研究探讨了线上产品图文信息呈现对消费者决策的影响。金（Kim）和列侬（Lennon）通过实验的方法比较了文本信息和图片信息两种方式对消费者认知态度的影响，结果发现相比图片信息，文本信息对消费者态度的影响更具有优越性；刘（Yoo）和Kim则对产品使用场景的图片呈现方式（具体的消费背景VS纯色背景）对消费者情感与购买行为意向的影响进行了实验研究，结果发现采用与产品使用或消费场景相关的图片更能激发消费者的购买意向。综上可见，现有研究忽略了一个最基本而重要的问题，那就是图文信息数量对产品销量的影响。文本和图片作为线上产品呈现最重要、最普遍的形式，企业到底应该使用多少文字阐述产品属性及品牌保障等信息，文字信息是否越多越好呢？又该使用多少张图片展示产品呢？图片数量是否越多越好呢？这正是本研究试图回答的问题。

1.产品文本信息呈现对销量的影响

一方面，如前所述，在网络购物环境下，消费者无法真正看到和触摸到产品，他们对产品评价的不确定性随即增加，这使得消费者网络购物时的感知风险大大增加。这时消费者通常会采取一些措施来降低感知风险，例如更多地、更仔细地搜集和阅读产品信息。如果消费者无法获得足够的产品信息，他们倾向于放弃购物。因此，我们预期企业更多呈现产品文本信息有助于消费者更多地了解产品，降低购买时的不确定性和感知风险，产品销售由此增加。

另一方面，产品文本呈现信息是否越多越好呢？我们认为不尽然。学者通过实验研究发现，大量的信息会让消费者感觉到信息超载，而这种感知导致消费者做出的选择更差。例如，当产品属性数量过多或者每个产品属性有多种水平时，就可能导致信息超载，消费者对于做出的决策通常感到不满意、不自信甚至非常困惑。即使消费者面临的可选择的产品太多，也会导致消费者决策困难甚至放弃购买。由此，我们预期当产品文本信息过多时，容易造成消费者的认知超载感知，从而降低购买的可能性，产品销量随之减少。

综上所述，我们预期产品销量随产品文本呈现信息数量先增后减，呈现倒U型变化趋势。随着文本信息由少逐渐增多，产品销量首先会增加，即消费者通过了解和阅读更多产品信息而减少不确定性和感知风险；而当产品文本呈现信息数量由适中继续增多时，消费者会感知到信息超载，从而放弃购买，产品销量开始减少。

2.产品图片信息呈现对销量的影响

学者研究发现人们可以更快、更加无意识地处理图片信息，而且图片与其意义之间的联系相比文字更加直接，也比文字更加有吸引力。当人们处理图片信息时，采用格式塔处理方式，整体性地、一次性地处理全部信息，而处理文本信息时则采用碎片式处理方式，碎片化地依次处理信息。由于图片信息处理更快、更加容易，消费者更加偏好处理图片信息。相应地，在网络购物环境下，图片信息会减少消费者的认知负担，消费者处理起来更加容易和快速，看到图片也会降低消费者的不确定性，由此增加消费者购买的可能性，因此我们预期产品图片信息呈现数量与销量之间呈现正向相关关系。

二、数据和变量

本研究数据来源于当当网。当当网作为起步早、规模大的中文图书在线销售平台，在同类网站中拥有的用户数量很多，占据了超过50%的市场份额。同时，当当网提供的图书销售情况、商品详情、消费者评论等信息涵盖了本研究所需要的全部数据，避免了潜在的异方差问题，提高了研究的有效性。我们收集了2017年6月17日当当网24小时图书畅销榜的前300本图书信息。对于每一本图书，我们收集的数据包括如下内容。

产品图文信息呈现数据。每本图书的商品详情即是产品图文信息呈现内容，基本包括以下几个部分：编辑推荐、内容简介、作者简介、目录、前言、媒体评论、在线试读部分章节。我们收集了每一部分的字数并将其加总得到产品文本信息呈现的总字数，同时收集了产品图片信息的总数。

网络口碑数据。网络口碑数据对产品销量的影响已经得到广泛的验证，学者发现评论数量和评论分数会影响产品销量，因此我们收集了每本图书的评论数量和好评率两个数据。好评率是指五星评分占总评分的百分比，在本研究中以此代表评论分数。

销量数据。当当网没有公开产品的具体销量，因此我们无法直接获取每本图书的具体销量数据。然而，当当网公开了近24小时图书销量排行榜，列出了销量排名前500位的图书。学者发现销量和销量排名分别取自然对数之后呈线性相关关系，而且大部分相关研究都直接用销量排名的自然对数来替代销量的自然对数。因此本研究使用销量排名替代具体销量数据来研究企业发布内容与产品销量之间的关系。

其他控制变量。为排除其他可能潜在因素会影响图书的销量，我们加入了如下的一系列控制变量来排除这些可能的干扰因素。为了控制价格因素对图书销量的影响，我们收集了每本图书的销售价格。促销也可能会影响图书的销量，因此我们收集了每本图书的促销折扣。图书类型是基于图书内容对图书进行的分类，包括文艺、青春、少儿、生活、经济管理、科技教育、人文社科七种类型。不同类型图书在趣味性、可读性、实用性等方面均不同，面向的消费者群体不同，其购买行为也可能有很大差异，因此收集了图书类型作为控制变量。产品生命周期是影响产品销量的重要因素，图书的产品生命周期可以根据图书出版时间进行计算，因此我们收集了每本图书的出版时间来计算其产品年龄，以控制产品生命周期对图书销量的影响。

表1报告了图书类型的分布情况。在销售排名前300名的图书中，文艺类和少儿类图书较多，合计占总数的70%，其次是人文社科类图书，占总数的15%。青春、科教及生活类图书占比最少，合计占总数的15%。

表1 图书类别及占比

表2为本文主要变量的描述性统计。研究样本在价格、促销折扣、产品年龄上有较大差异，说明该样本具有较好的代表性。每一本图书平均获得103490条评论，与中位数53985有较大差异，说明有少数图书获得了大量的消费者评论。每本图书的好评率平均为99.70%，与中位数99.80%差距甚小，标准差只有0.24%，说明进入榜单的图书获得了消费者的一致好评。在产品图文信息呈现方面，产品文本信息数量的平均值为4977，中位数为3860，说明对于每本图书的介绍简繁有别；而产品图片信息数量的平均值为6，中位数为5，可见对于每本图书使用图片数量的差异并不是很大。

表2 数据的描述性统计

表3报告了本研究涉及的主要变量及其描述。如前所述，我们采用销量排名的自然对数作为因变量。同样的，对于自变量，我们也对其进行取自然对数的线性变换，包括图书价格（Lnprice），产品年龄（Lnage），消费者评论数（LnVolume），产品文本信息数量（Lnwords）。同时对因变量和自变量进行对数变换有两个好处：第一，可以压缩变量的量纲，从而消除变量数量级相差很大的情况。如不同图书的消费者评论数差异很大，多者高达10多万条，少的则仅有几百条，对变量进行对数变化就很必要。第二，双对数模型可以将潜在的非线性关系转变为线性关系，从而提高模型的稳健性。另外，对变量进行对数变换后，模型回归系数代表弹性水平，即自变量的百分比变化引起因变量变动的百分比，这对于系数的含义更加一目了然。对于其他自变量，促销折扣（Discount）、好评率（Valence）由于为百分比形式，所以不需要进行对数变换。图书类型为哑变量，也不需要进行对数变换。对于图书的产品图片信息数量，由于有54本图书使用图片数量为0，对数变换将损失这部分数据，所以也未对该变量进行对数变换。

表3 主要变量及其描述

表4展示了主要变量之间的相关关系。首先，消费者评论数量与销量排名之间具有显著的负相关关系。说明销量排名越靠前，即越畅销的图书，所拥有的网络口碑越多。图书好评率与销量排名之间没有显著相关关系。其次，产品文本信息呈现数量与销量排名之间不显著相关，我们将在计量模型中进一步检验二者的关系，而产品图片信息呈现数量与销量排名负相关，与我们的预期相符。

表4 主要变量的相关关系矩阵

表4中多个自变量之间具有较强的相关关系，揭示自变量之间可能存在多重共线性问题。为此，本文用VIF检验来考察自变量之间的共线性水平。结果显示VIF值在1.05～2.11之间（＜10），表明多重共线性均在可接受的范围内。

三、产品图文信息呈现对在线图书销量影响的实证分析

为了分析产品图文信息呈现数量对图书销量的影响，我们建立了如下模型来进行估计：

Lnranki= α0+ α1·Lnpricei + α2·Discounti+α3·Lnagei+ α4·Genrei+ α5·LnVolumei+ α6·Valencei+ α7·Lnwordsi+ α8·Lnwordsi2+ α9·Picturesi+ εi

我们用下标i=1,…, N来代表图书。模型的因变量为销量排名Lnrank。控制变量方面，Lnprice为价格，Discount为促销折扣，Lnage为产品年龄，Genre为图书类型，LnVolume和Valence为网络口碑变量，前者为消费者评论数量，后者为好评率。Lnwords和Pictures为我们所关注的产品图文信息呈现相关的解释变量。Lnwords为产品文本信息呈现数量，Pictures为产品图片信息呈现数量。如前所述，我们预期产品文本信息呈现数量与销量之间为倒U型关系，也就是与销量排名之间为U型关系，即当产品文本信息呈现数量由少增加到适中时，销量随之增加，销量排名数值变小；但是当产品文本信息呈现数量从适中继续增加时，销量开始减少，销量排名数值变大。因此我们在模型中加入产品文本信息呈现数量的一次项和二次项，以验证两者之间是否为U型关系。如果二次项系数α8大于0且显著，说明两者之间确为U型关系；如果二次项系数α8不显著，则我们的假设不成立。对于产品图片信息呈现数量，我们预期其与销量排名为线性关系，即图片数量越多，销量越高，销量排名数值越小。

回归结果如表5所示。对于控制变量，产品年龄正向显著（α3=0.311，p＜0.01），说明随着图书出版时间越长，销量排名越靠后，销量越少。消费者评论数量负向显著（α5=-0.431，p＜0.01），说明消费者评论数量越多，销量排名越靠前，销量越多，即图书销量随着消费者评论数量的增多而增加。这与大多数对网络口碑的研究结论相一致。好评率对销量排名的影响并不显著（α6=4.547，p＞0.01），这与黄可及龚诗阳等的实证研究结果相一致，造成该现象的原因或是由于样本中好评率极其接近所致。

本研究主要关注产品图文信息呈现变量对图书销量的影响。首先，结果显示产品文本信息呈现数量二次项系数正向显著（α8=0.137，p＜0.05），说明产品文本信息呈现数量与销量排名之间呈现U型关系，这与我们的预期一致，即当产品文本信息呈现数量从小增加到适中时，销量排名数值不断变小，意味着销量不断增加；但当产品文本信息呈现数量从适中继续增加时，销量排名数值随之变大，意味着销量反而不断减少。与此同时，产品文本信息呈现数量一次项系数负向显著（α7=-2.225，p＜0.05）。其次，产品图片信息呈现数量系数小于0且边际显著（α9=-0.018，p＜0.10），说明销量随着产品图片信息呈现数量的增加而增加，这也与我们的预期相一致。

表5 产品图文信息呈现变量对销量的影响结果

此外，为分析产品文本和图片信息呈现数量对图书销量排名的影响，我们通过将模型（1）与基准模型来进行对比验证。模型（0）为基准模型，我们在模型（0）中仅加入了控制变量及网络口碑变量，而没有加入产品图文信息呈现变量。模型（0）的主要作用在于对比加入产品图文信息呈现变量后模型的拟合优度是否有明显的提升，以此来说明产品图文信息呈现变量是否对图书销量有重要的影响。由表5可以看出，模型（1）在加入产品图文信息呈现变量后，R2由0.221增加到0.243，由此说明，加入产品图文信息呈现变量后，模型的拟合优度明显提升。为了进一步验证产品图文信息呈现变量的联合显著性，我们采用Wald test对三个变量进行联合检验。结果显示F值为2.59，P值为0.05，说明产品图文信息呈现变量确实对图书销量有重要影响。

四、结论与启示

本文基于在线图书销售数据对产品所呈现的线上图书图文信息与其销量之间的关系进行了实证分析，补充了网络购物环境下产品呈现领域的研究空白。首先，以往研究主要关注消费者生成的网络口碑变量对销量的影响，而忽视了企业主导的产品呈现变量对销量的潜在影响。本文通过实证研究验证了产品图文信息呈现变量对销量存在重要的影响。其次，产品文本与图片信息呈现数量与销量之间的关系不同，产品文本信息呈现数量与销量之间呈现倒U型关系。当产品文本信息呈现数量从少增加到适中时，销量随之增加；但当产品文本信息呈现数量从适中继续增加时，销量开始减少。而图片数量与销量之间则为正向相关关系，即销量随着图片数量增加而增加。

研究产品图文信息呈现对销量的影响具有重要的实践意义。第一，本研究结论同样适用于其他领域企业。它将指导网络零售商呈现给消费者最优的产品信息以最大化其收益。从产品文本信息呈现数量来说，如果企业不了解文本信息数量与销量之间的倒U型关系而盲目认为产品文本信息呈现数量越多越好，这将给产品销量带来负面影响。本文的研究结论提出销量随产品文本信息呈现数量增加而呈现倒U型变化，即存在某个适中值，在这个适中值点上，销量达到最大。因此网络零售商在对呈现产品时应注意控制总体文本数量，既不能过少造成无法完整准确地介绍产品的优势，也不能过多造成消费者的认知负担，从而降低了消费者深入了解产品的兴趣，也就降低了销量。第二，对图片数量而言，企业应在呈现产品时尽量增加对图片的使用。尤其对于图书行业而言，文化产业建设成为支柱产业，全民阅读活动使文化消费群体不断扩大，“一带一路”倡议的实施等无不为图书零售企业提供了巨大的机遇。根据本文计量模型的回归结果，可计算出图书文本信息呈现数量的适中值为3361。图片数量则与销量呈现正向相关关系。那么，对于在线图书零售商而言，要关注呈现图书时使用的文本与图片数量，以促进销量的最大化。第三，在政策制定领域，产品图文信息呈现数量效应仍然适用。如政府在公布政策或者政府动态时，也应注意对于文本数量的控制和图片的使用。然而对于不同的产品类型，适中的产品文本信息呈现数量或许有所不同。那么，找到产品文本信息呈现数量的适中值对网络零售商或者政府部门就具有重要的战略意义。

本文基于当当网的图书数据研究了产品图文信息对销量的影响。虽然本研究补充了产品图文信息呈现的研究空白，但仍存在一定的局限性，值得在未来研究中深入探讨。为了更加深刻地理解产品图文信息呈现变量与销量之间的关系，未来的研究还需要进一步探讨变量之间的因果关系。这需要研究人员采用更多不同的研究方法，如实验室方法、田野实验法等，以收集更多细化的个体数据。此外，本文考察了产品文本信息呈现数量和图片数量对销量的影响，而没有考察其他产品图文信息呈现变量如效价等的作用。未来可拓展研究其他产品图文信息呈现变量如效价等如何影响销量。

（作者单位：中央财经大学文化与传媒学院 清华大学经济与管理学院）