服饰类网上店铺新产品预告对首周销量的影响关系研究

李亚东，李 静，张炎亮

(郑州大学 管理工程学院，郑州 450001)

当前，互联网技术的高速发展与普及，信息传播的速度与范围得到空前扩张，为网络购物融入国民生活奠定了基础。纯网上店铺不像传统实体服饰类企业拥有各种营销渠道发布新产品预告[1]。新产品预告(new product preannouncement, NPP)作为一种有效的营销手段，可以提前知晓消费者对产品的接受程度及购买意愿，降低店铺新产品开发失败的风险[2]。现下淘宝网客户端设置微淘版块，网上店铺可在其上发布新产品预告信息，在上架之前进行预热。

产品上架首周消费者获取的新产品信息有限，消费者会尽可能依据现有信息做出购物决策，所以新产品预告在产品研发中占据重要作用。基于此，本文构建新产品预告数据挖掘框架，利用从网上收集的2018年7—10月服饰类新产品预告数据训练神经网络模型，研究店铺发布的新产品预告相关信息对产品上架首周销量的影响路径，可以帮助店铺调整新产品发布策略，增加新产品首周销量。

1 文献回顾与研究假设

1.1 新产品预告浏览数量

网上店铺发布新产品预告的目的是让消费者提前知晓新产品的信息，抢占消费者的购买选择集[3]。知晓效应是指传递产品信息使更多的潜在消费者知晓，吸引消费者的兴趣，进而提升产品的销量[4]。新产品预告浏览量越多代表越多的消费者对新产品感兴趣。在Meng Su等[1]的研究中，发布新产品预告可以提前了解客户、竞争对手、投资者和分销商的态度，新产品预告关注数量越多代表产品相关利益者对其兴趣越大。发布新产品虽然可以赢得消费者的关注，但是也存在一些弊端，Thorbjørnsen等[5]在研究中发现消费者过多地关注新产品会影响企业现有产品的销售。据此本文提出以下假设：

H1：新产品预告浏览数量可以显著影响产品上架首周销量。

1.2 店铺优惠活动

随着网络系统和技术的进步，消费者更多地依赖网络渠道来获取信息[6]。消费者容易获取更多的产品信息，则消费者制定购买决策时的影响因素也会增多[7]。特别是在电子商务平台上同类店铺之间的竞争加剧，当店铺发布产品预告时辅助以价格折扣，免费配送及幸运抽奖等方式来吸引更多的消费者了解新产品[8]。根据Lichtenstein等[9]的交易效用理论，折扣越高的商品越能引起消费者的购买兴趣。Gendall等[10]的一项研究显示，商品利用价格折扣进行促销能够普及的原因是其能够在短期内迅速提升商品销量。Yip等[11]认为提供免费配送及降价促销的网上店铺可以吸引更多的潜在消费者。Doern等[12]在对俄罗斯电子商务进行的一项研究中发现，免费配送服务与客户的忠诚度呈现正相关关系。由此提出假设：

H2：店铺优惠可以显著影响产品上架首周销量。

1.3 线上评论

随着网络媒体的不断发展，用户更加乐意通过互联网平台分享自己对于服务和产品的看法[13]。Bakos等[14]在研究中指出，由于许多电子商务网站支持消费者上传视频和图片，消费者更容易获得消费者评论相关信息，所以潜在消费者可了解更多详细的产品信息。在电子商务网站上，店铺发布的新产品预告下用户也可公开发布关于商品的评论。

Cui等[15]研究发现，在线评论数量预测体验型产品销量的效果较搜索型产品更好，因为对于体验型产品商品在线评论数量可以侧面反映其受欢迎程度。积极的线上评论可以推动消费者的购买行为，而负面的评价可以减弱消费者的购买积极性[16]。Lu等[17]对负面评价进一步研究发现，与积极评价相比，负面评价传播速度更快，对消费者购买决策的影响更显著，因为积极的评论可以侧面反映产品的品质和品牌形象等积极的一面，而负面评论可以看出消费者对产品的信心不足。所以，应该研究商品预告下评论对于商品正式上架后销量的影响。由此可以提出以下假设：

H3：线上评论数量可以有效正向调节产品首周销量。

H3a：积极评论比例对产品首周销量影响不显著。

H3b：消极评论比例显著影响产品首周销量。

1.4 新产品预告发布时机

公司使用新产品预告向目标群体发送新产品信息[18]，时间间隔会因产品类型不同从几天到几个月不等。服装类产品受季节差异影响较大，店铺在产品上架前几天进行预告，而电子产品、汽车类商品因研发周期较长会较早发布新产品预告[19]。

有研究发现，新产品预告发布时机不同对产品销量产生不同的影响。例如，Su等[20]在研究中发现，当企业规模和市场份额较大时，过早发布新产品预告会影响企业现有产品销售，相比之下市场份额占有较少的企业发布新产品预告，会抑制竞争对手产品销售为其本身带来收益。企业早于竞争对手发布新产品预告可以抢占消费者得到一部分潜在收益，但是可能导致提前泄露较多产品信息，给竞争对手可乘之机。张琴等[21]在研究中发现，时间间隔长短会影响消费者对产品的感知，时间较长时消费者更多关注已上架产品质量，时间较短时消费者关注新旧产品之间的联系。新产品预告发布时机对消费者及企业都有一定的影响，这些最终都会以产品销量的形式展现出来。据此提出以下假设：

H4：新产品发布时机可以显著影响产品首周销量。

基于以上假设，本文构建如图1所示模型。

图1 新产品预告与产品首周销量研究逻辑模型Fig.1 Logic diagram of new product preannouncement and first week sales volume

2 研究设计

2.1 数据来源

本文从淘宝客户端的微淘版块抽取2018年7—10月网上店铺新产品预告信息。服装作为体验型产品生命周期较短，消费者购买不确定性较大，适合作为大样本研究网上店铺新产品预告投放策略对首周销量的影响。信息内容包括预告片浏览数量、点赞数量、文本内容是否包含优惠及消费者评论相关信息，这些信息代表消费者对产品预告的关注程度及对新产品的态度可以间接影响产品销量。本文从淘宝网站众多原创品牌店中根据热度大小选择70家店铺作为研究样本，共搜集新产品预告信息792条，其中产品预告评论8 427条。样本店铺新产品预告数量及预告评论规模利用SPSS19.0做描述性统计，如表1所示。

表1 样本描述Tab.1 Description of samples

2.2 评论文本情感分析

评论文本情感分析即通过对带有感情色彩的消费者评论进行分词、归纳，以及情感词分析的过程中确定发布评论的消费者对上架的新产品的态度。文本情感分析的步骤如下：

1)评论文本分词。本文对从淘宝网收集到的8 427条评论文本信息进行初步处理，人工去除无效评论、表情评论及数字评论，然后使用NLPIR-ICTCLAS汉语分词系统对每条消费者评论进行分词和词性标注。然后根据词性标注结果，提取评论中可表示情感的形容词、名词和动词，并人工剔除不符合情感逻辑的词语。同时对于形容词前带有表示否定意义的副词同时提取，作为一个表感情的短语。

2)情感词分类。本文参考大连理工大学的情感词汇本体研究中对情感的分类情况，结合评论文本实际选择适合本文的情感词分类方式。大连理工大学的研究中情感词一共分为“乐”“好”“怒”“哀”“俱”“恶”和“惊”7大类，每个大类下又包含若干小类，总计20类情感词[22]。本文对评论情感词归纳总结中发现，表示“乐”“哀”和“恶”三类的情感词占比显著，所以本文根据上述三类对评论文本中的感情词进行分类统计。商品预告下评论文本情感词分类结果及词汇示例如表2所示。

表2 评论情感词示例Tab.2 Examples of emotional comments

3)情感值计算。消费者评论中可能包含多个情感词，表达的消极或者积极的态度也不一样，所以本文对每一条评论进行分词处理，并统计属于每个情感大类的词频数。本文把每条评论属于“乐”“哀”“恶”大类的词频数计为a、b、c，把每一条评论的总情感分数记为TotalVal，则有公式TotalVal=a-b-c。当评论计算结果TotalVal大于0时，情感值为正，把此条评论记为积极评论，情感值计为1；当评论计算值TotalVal小于0时，情感值为负，把此条评论记为负面评论，情感值计为-1；当评论计算结果TotalVal等于0时，此评论记为中性评论，情感值计为0。本文计算商品预告下消费者评论中积极评论和负面评论的占比，研究其对产品上架首周销量的影响。

2.3 变量描述及统计分析

2.3.1 新产品预告投放相关变量

网上店铺前期新产品宣传渠道有限，店铺在网上平台上发布产品预告信息可有效解决宣传问题，并且增加新产品曝光度影响产品销量。新产品预告投放形式相关变量描述如下：1)新产品预告投放时机。本文以天为计量单位，搜集发布新产品预告与产品上架之间的时间间隔信息。2)图片数量。3)产品优惠。店铺在发布新产品预告时加入产品优惠相关信息，如价格折扣、优惠券、包邮等。设优惠值基础值为0，每增加一种优惠形式优惠值加1。

2.3.2 消费者反应相关变量

网上店铺发布新产品预告为了引起潜在消费者的关注，消费者的积极参与可增加新产品的热度。消费者反应相关变量描述如下：1)新产品预告浏览数量。2)点赞数量。3)评论数量。4)评论情绪比例。

2.3.3 产品首周销量

在电子商务网站上显示产品销量数据信息。服饰类产品由于受季节限制，其生命周期在两个月左右，前期宣传方式较少，所以商品在上架首周可供消费者参考的信息有限，因此多数顾客依靠产品预告相关信息预估产品的价值。鉴于网上店铺进行营销策划的最终目的是提升产品的销量，因而本文选取新产品首周销量研究商品预告在新产品生命周期中的作用。

2.3.4 其他相关变量

消费者购买决策的影响因素有多种，除与新产品预告投放相关信息外与一些产品的外在环境密切相关，具体变量描述如下：1)店铺关注数量。2)模特关注数量。本文用模特微博粉丝数量来替代模特关注数量。

本文利用SPSS19.0对上述研究变量进行描述性统计，如表3所示。

表3 研究变量描述性统计Tab.3 Descriptive statistics of variables

3 实验验证

3.1 神经网络设计

如前文所述，新产品预告信息、消费者反应等变量都可能与商品上架首周销量有线性或者非线性的复杂关系，针对数据及变量较多的特点，本文使用统计回归方法研究输入与输出变量之间的关系。传统统计回归方法如逻辑回归、多元回归和判别回归分析等，虽然可以解决线性与非线性问题，但缺乏灵活性。Chong等[23]在研究消费者网上购物影响因素的实验中发现，神经网络技术不仅可以代替传统回归分析方法，而且具有更低的标准误差。所以本文借助多层感知器BP神经网络模型，研究产品预告、消费者反应变量与商品上架首周销量之间的影响关系。

BP神经网络在对数据进行训练前需要初始化，根据本文变量设置，首先确定输出节点数为10，输出节点数为1；其次利用试凑法确定隐含层节点数量，利用公式m=log2n(m为隐含层节点初始值，n为输入层节点数)得初始节点数为3；然后逐渐增加1个节点，用同一组数据进行训练，结果表明当隐含层节点数为4时神经网络足够复杂，且实验数据集不会对网络模型造成额外的误差；最后本文初始权值设为(0,1)之间的随机非0值，使用δ学习规则调整节点连接权值并逐渐减少误差，同时选取Log-Sigmoid传输函数作为隐含层和输出层的激活函数。

本文构建的BP神经网络模型如图2所示。

图2 多层感知器的BP神经网络结构示意Fig.2 BP neural network structure of multilayer perceptron

3.2 神经网络分析

为了避免模型过度拟合，本文利用90%的数据训练神经网络，剩下10%的数据用来验证训练完成的神经网络的预测精度，分别对两组数据进行10次交叉验证，每次交叉实验神经网络设置训练500次。神经网络仿真误差统计结果如表4所示。

表4 神经网络训练误差统计Tab.4 Statistical table of training errors for neural networks

由表4可以看出，仿真训练组平均仿真误差为0.805 6，精度验证组平均仿真误差为0.816 0，实验组和验证组平均误差相差较小。针对两组的仿真误差进行t检验发现两组实验的仿真误差之间没有影响，因此本文确定建立的神经网络模型预测输入变量与输出变量之间的关系是可靠的。

3.3 变量敏感度分析

基于多层感知器的BP神经网络的神经元之间的连接强度用权值大小表示，这种权值根据训练样本的学习过程不断变化。随着训练样本的增加和学习次数的增多，这些神经元之间的连接强度会不断增加，从而提升神经元对训练样本的灵敏程度。当神经网络训练完成时，输入变量节点对应的权值表现为输入变量相对于输出变量的敏感度，也可表示为重要性程度。预测变量的重要性可以衡量预测变量不同值时神经网络模型预测输出值的变化程度。

通过平均10组训练组神经网络训练完成时输出的预测变量权值，本文最终计算得到新产品预告相关变量对于首周销量的重要性程度，结果如表5所示。

表5 研究变量敏感度分析Tab.5 Sensitivity analysis of research variables

由表5可以看出，新产品预告相关变量相对于产品首周销量的重要性均大于0，但其值相差较大，说明各个变量数值变化对产品首周销量的影响各不相同。评论数量重要度为11.33%比重最大，对首周销量影响最显著，由此假设H3得以验证。浏览数量重要度为10.11%比重次之，但其也可以显著影响产品首周销量，由此H1得以验证。消极评论与积极评论比例虽然也可影响产品首周销量，但不是显著影响因素，所以H3b假设得到支持，而H3a假设不能得到充分支持。新产品预告投放时间的重要度为5.53%，比重较小，所以假设H4不能完全验证。产品优惠重要度为3.89%，对产品首周销量影响力偏小，所以H2假设不能得到验证。

4 结论与启示

4.1 研究结论

本文通过构建服饰类网上店铺新产品预告与产品上架首周销量影响关系理论框架，收集原创品牌网店新产品预告信息，进行实验验证，结果表明新产品预告相关变量与产品上架首周销量有不同程度的影响。具体如下：1)评论数量与浏览数量对首周销量有显著的正向调节效应，因为这些变量会加深消费者与新产品之间的联系，可以让消费者更了解产品内容；2)消极评论比例、投放时间、点赞数量、积极评论比例、产品优惠等变量对新产品商家首周销量有一般调节作用，因为新产品预告下评论并非消费者的体验评论，而消费者购买时更关注产品质量；3)模特关注数量与图片数量相对于其他变量对于首周销量的调节作用最小，因为消费者购买产品的动机是款式与质量符合自己的预期，而模特仅仅作为一个展示的载体不能改变消费者对于衣服基本质量的要求，同时原创店铺模特的知名度较低，不能产生“网红效应”。

4.2 管理启示

本文结论对于网上服饰类原创品牌店铺经营具有现实的指导意义：1)评论数量、浏览数量和店铺关注数量显著影响产品上架首周销量，因为消费者评论的前提是其仔细阅读了新产品预告信息，由于消费者惰性的存在，消费者发布评论意味着其与产品产生了共鸣，此时购买的几率是最大的。浏览数量越多意味着产品预告传播的范围越广，可以吸引更多的潜在消费者。所以店铺应该实施一些激励政策增加产品预告的阅读量、评论量和店铺关注数量。2)消费者评论中积极和消极评论的比例对首周销量的影响较小，因为大部分消费者是理性的，且评论中好评数量占绝对优势，消费者更关注的是产品本身的款式和质量，其他人的非体验性评价对潜在消费者的购买决策影响较小。虽然目前评价中差评比例较小对销量的影响不大，但是网上店铺也应注意控制评论中差评的数量。3)服饰类新产品预告发布时机不似电子、汽车类产品对产品上架前期销量影响显著，因为服饰类产品生命周期短，宣传时间跨度较小，所以宣传范围有限，最终导致产品预告预先发布时间的长短对销量的影响有限。但是店铺也应该重视发布产品预告的作用，在新产品上架前进行预热。4)产品优惠和图片数量对产品上架首周销量影响最小，因为产品优惠如包邮、优惠券等是店铺普遍的宣传手段，消费者已经默认店铺应该达到这些标准，所以这些变量仅作为激励消费购买的保健因素，不能真正快速提升首周销量，但是店主应该维持现有优惠政策，以保持现有顾客数量。

尽管本文取得了一些有价值的结论，但是也存在一些局限性。首先只研究了产品预告相关变量对商品上架首周销量的单独影响，没有考虑到变量之间的组合效应，如差评与数量的组合、店铺关注数量与浏览量的组合等。其次仅考虑产品预告对销量的影响，没有考虑其他附加因素，如季节变化对服饰购买的影响等。