在线评论的量化指标对产品销量的影响研究

李玉玉+廖成林+王晓欢

摘要：以搜寻品为主要研究对象，具体通过京东商城洗衣机产品两个时点评论数据的一阶差分分析，对B2C网站在线评论中商品评分和评论数量对搜寻品销量的影响进行了实证研究。本文发现商品评论数量对于搜寻品销量影响显著，而商品评分不显著。并进一步分析了原因，给出了B2C企业在线评论机制的设计方向。

关键词：商品评论数量；商品评分；评论机制；搜寻品

0引言

随着网络购物功能的不断完善，在线评论不仅成为各类B2C网站不可或缺的组成部分，也逐渐成为消费者获取产品与服务信息的一个重要来源。纵观不同类型的B2C企业的在线评论，主要包括评论的量化指标，以及购买者的经验型评价的文字信息两部分。因此，对这两部分的合理设计与激励，从部分程度上决定了B2C企业的商品销量与客户体验价值。本文通过京东商城洗衣机产品的实证分析，对B2C网站评论机制中搜寻品的商品评分和评论数量对商品销量的影Ⅱ向进行了实证研究。

1理论背景与研究假设

1.1搜寻品

根据消费者在购买前是否能够获得品牌质量信息，将产品分为搜寻品和经验品两种类型。目前学术界关于经验品影Ⅱ向产品销量的研究较多，包括电影、图书、电视节目等。而就搜尋品而言，其产品标准化程度较高，易于购前比较和判别，是B2C企业在线平台商品的主要类型之一。本文重点关注搜寻品的评论机制设计。

1.2在线评论

自电子商务兴起以来，在线评论就成为研究的焦点。尽管在线评论对企业绩效的影响作用得到普遍认同，但关于商品评论数量与评分对于商品销售的作用大小却存在争议。关于商品评分对销售贡献的效果，Dellarocas发现，电影评分对票房的收入有正向影响。但Duan关于类似产品的研究却得出了相反的结论，认为商品评分对于销量的影响不大。出现分歧的原因可能是由于研究者选择的量化指标和产品的差异。关于商品评论数量对销售贡献的效果，Godes发现在线电视节目的评论数量与节目排行呈正相关。其他学者的相关研究都得到了类似的结论。考虑到搜寻品的特征，本文在此基础上，提出如下假设：

H1：商品评分正向影响搜寻品销量。

H2：商品评论数量正向影响搜寻品销量。

2变量与数据

2.1因变量

本文关注搜寻品销量的变化，研究对象选择为京东商城的洗衣机产品。由于京东商城并未公开给出商品的具体销售量，所以本文在不考虑供应商竞价排名行为的前提下，用洗衣机产品的销量排名（Rank）替代，该做法在研究中已得到认可与普遍应用。

2.2自变量

商品评论数量与评分是B2C网站评论体系的核心构成部分，也是本文的主要研究变量。商品评论数量（Volume）为已购消费者对商品评价的数量和，越多评论数量表示越多人知晓并体验过该产品。商品评分（Rating）是已购消费者对商品的整体评级。本文采用京东商城的5级评分标准，评分越高，消费者对该商品的肯定程度越高。

2.3控制变量

本文的研究涉及到不同洗衣机类型，为控制异质性，引入7个相关控制变量。具体包括商品价格（Price）、折扣比例（Discount）、上架时间（Age），以及3个虚拟变量——洗涤容量（Loading Capacity，LC）、产品类型（Product Type，PT）和品牌差异（Brand Different，BD），并置入控制时间趋势的哑变量T。

2.4数据来源

本文收集了京东商城两个时间点的实时数据，分别为2014年3月26日（661台洗衣机，共299972条评论）和2014年4月28日（773台洗衣机，共447840条评论），间隔32天。通过数据预处理发现，在两个时间点同时存在的洗衣机有210台，以此构成本文研究样本。

3统计方法与分析

3.1截面分析

为避免多重共线性，本文首先对主要变量进行中心化处理。再将两个时间点采集的截面数据进行混合，构成包含全部420个样本的混合截面数据样本。通过模型（0）和模型（1）的对比分析，判断商品评论数量与商品评分对洗衣机销量是否具有解释效力。

模型（0）与模型（1）分别刻画了包含和不包含自变量的情况下，销量排名与各个变量之间的相关关系。其中i_1，2，…，N表示洗衣机。t=1，2，分别表示3月26日和4月8日两次数据抓取节点。u表示影响ln Rank但不随时间变化的不可观测因素（如，洗衣机质量等），其代表固定效应。则表示随时间变动且对ln Rank有影响的不可观测因素。

本文采用Stata 13.1软件分别对模型（0）与模型（1）进行估计，分析结果如表1。

表1给出了截面分析的结果。两个模型主要变量的方差膨胀因子都在5以下，模型的多重共线性控制在可接收范围内。其中模型（0）为基准模型，可以看出加入自变量后，模型（1）R2由0.253增加到了0.582，并且显著性水平也明显提升。这说明洗衣机产品的评论数量与评分对销量有很好的解释效力。因此，自变量是影响销量排名的重要因素。

3.2内生性分析

进一步分析发现，由于只有购买了商品的消费者才有资格发表评论，所以评论数量会受到销量的影响，因此本文可能存在内生性问题。对模型（1）进行Huasman检验，结果显示存在内生性。因此，本文将通过一阶差分，消除样本中的个体效应，进而获得评论数量与评分对于商品销量的真实作用。

3.3一阶差分分析

在确定自变量具有解释效力下，一阶差分模型设置如下：

模型（2）刻画了洗衣机商品销量排名变化与对应变量变化之间的具体关系。模型（1）中不随时间变化的三个控制变量（LC、PT、BD）在模型（2）中都被“差分”掉了。在对模型（2）的变量进行相关关系分析后发现，价格与折扣比例之间的相关系数达到0.98，高度相关。因此，为避免多重共线性，本文剔除折扣比例变量，直接用其京东商城的销售价格（折扣后的价格）来控制。进而将模型（2）修正为：

在模型（3）中，本文主要关注系数Y1和Y2，即商品评论数量和商品评分变量的估计结果。实证结果显示商品评分对销量并没有显著性影响（p=0.706>0.05），HI被推翻。商品评论数量对销量排名具有显著负向影响（p=0.001<0.05），即商品评论数量越多，其销量排名越靠前，H2得证。

此外，回归结果显示Y2>0，即评分越高，排名越靠后，销量越低。这与我们的直观认识相悖。进一步分析发现，这可能是京东商城评分机制设计的影Ⅱ向。京东商城新上架商品的初始评分默认为5分，即销量很低的商品获得了最高的得分。

4结论与探讨

本文的研究结论指出，与商品评分相比，搜寻品的评论数量对销量的影响更大。究其原因有两点：一是从众效应的影响，评论数量对消费者的决策制定影响更大：二是商品评论本身承载了购买者对产品知识的描述，为消费者提供了良好的信息获取渠道，评分的影Ⅱ向被削弱。本文补充了在线评论有用性和网络评论设计相关领域的研究。从B2C企业的角度来看，对于搜寻品应设计合适的商品评论激励机制，鼓励消费者评论，而非推动消费者打高商品的评分。endprint