云南鲜切花产品网络口碑影响因素研究

韩 晨,杨红娟

(1.成都大学 体育学院,四川 成都 610106；2.昆明理工大学 管理与经济学院,云南 昆明 650093)

一、问题缘起与文献综述

(一)问题缘起

2017年12月，国家发展改革委、农业部、国家林业局联合印发了《特色农产品优势区建设规划纲要》，鼓励地方做大做强优势特色产业，争创特色农产品优势区，把土特产和小品种做成带动农民增收的大产业[1]。云南开发商品花卉始于20世纪90年代初，到2018年，鲜切花产量已达到112.23亿枝，90%以上的产品销往全国37个大中城市，拥有全国40%左右的鲜切花市场，并开始规模化进入东南亚、东亚市场，形成以昆明为中心向各地扩散的发展态势[2]。2020年2月以来，云南鲜切花产品的生产及销售呈现出理性缓慢增长状态，原因是受全球新冠肺炎疫情影响，国内大多数终端花卉批发市场处于关闭或延期开业状态，云南鲜切花产品的销售已由大规模B2B模式向B2C模式转变。传统对手交易、拍卖、新型电商交易模式呈现三足鼎立的状态[3]。由于网络交易在云南鲜切花产品销售中发挥着越来越重要的作用，且作为特殊农产品，鲜切花具有季节性、易变质性和质量敏感性等特点[4]，因而鲜切花产品流通方式有别于大宗农产品，且更注重价格对价值的直接反映。

网络口碑指建立在产品相关信息上，通过互联网在消费者之间进行的物化可查的非正式沟通，并在商家引导下，消费者接收再传播过程中以文字或图片形式在互联网上对该商品进行非广告形式的沟通。随着信息传播路径逐渐由自上而下转变为自下而上的传播模式，信息的传播呈现多元化、社会化、网络化及平民化[5]。鲜切花产品借助互联网的影响力，线上消费逐渐走入大众视野，但互联网的无形性又使消费者难以通过商家的直接展示甄别产品的真实属性，因而鲜切花产品的网络消费行为表现出对网络口碑的强烈依赖。另外，云南特殊的交通环境及道路情况使鲜切花产品一旦售出难以退换，网络口碑的传播及影响对商家和消费者都起着至关重要的作用。

为增强农户与消费者之间的联系、获取鲜切花产品的网络销售业态、评估消费者网络消费时受网络口碑影响的因素及影响程度，本文对鲜切花产品网络销售平台、网络销售中的消费行为进行研究，明确影响网络口碑的因素，进而指导农户提高鲜切花产品的品质及销售量，实现鲜切花产品价格优势、区域优势，帮助农民致富。

(二)文献综述

杨浩雄等[6]采用实证研究法对生鲜产品网络购买决策的关键因素进行研究，发现配送条件和生鲜产品的质量是最具影响力的关键因素。朱静[7]通过对在线评论数据的结构化与非结构化划分，采用统计分析软件分析后获取了产品品质、包装物流、文本情感倾向等正向影响因素，从而提出生鲜产品店铺提升销量的优化策略。树玮[8]通过问卷调查与实证分析，发现生鲜电商平台的客户感知有用性与用户满意度、持续购买意愿等正相关，在此基础上提出保证产品质量、提升服务质量、加强配送人员素质与差异化定价等保持用户持续购买意愿的建议。赵文蕾[9]通过获取盒马生鲜的数据，采用随机森林预测模型，并引入LDA主体聚类模型后得到消费者网络购买生鲜产品的关键影响因素，即物流、价格、口感、新鲜度和外观等。由于我国生鲜电商整体服务水平较国外低，因此，分析生鲜电商网络口碑的影响因素能更好地指导商家提升服务水平及销量。胡雅淇等[10]通过对在线评论细致地研究，发现对生鲜电商而言，在线评论数量、图片数量等对销量均有正向作用。

综上，网络口碑是消费行为产生后形成的具有针对性的产品评价，其中提及的产品属性除了能指引消费者的消费行为外，还能指导商家对产品属性进行改良及增强，提升产品品质以获取更多的消费者。根据精细加工可能性模型(ELM理论),网络口碑影响消费者购买决策有中枢和边缘两条路径，具体通过哪条路径取决于信息接收者的涉入程度，中枢路径对应“高涉入”状态，边缘路径对应“低涉入”状态。Cacioppo J T等[11]认为中枢路径的消费者更多关注口碑的属性，而边缘路径的消费者更多关注口碑的数量及效价。边缘路径的消费者会表现出强烈的跟随效应与从众效应，而中枢路径的消费者则更多表现出渗透效应，即通过产品属性所产生的口碑逐步渗透，进而形成消费决策。由此，网络消费行为便围绕网络口碑形成了边缘路径消费者跟随中枢路径消费者的消费模式，而中枢路径消费者则更关注商品网络口碑中的相关属性。

从现有的对生鲜农产品网络消费行为影响因素的研究来看，主要采用获取数据—实证分析—提出结论的方法，但由于所获取的数据通常来源单一、加之不同网络交易平台中枢路径消费者差异明显，就造成了各平台的网络口碑影响因素呈现差异化特征，商家无法根据平台的不同而提供过于差异化的商品，因此，获取各类平台鲜切花网络销售具有普适性的关键影响因素需要进行数据融合。DS/AHP是由Beynon提出的一种主要用于群体决策过程的决策方法，较AHP方法更为有效。DS/AHP主要用于评估体系的设计、确定概率值或评价服务质量[12-14]，在群体决策与数据融合方面较为有效。但当专家意见分歧过大时，DS/AHP方法也会出现失效问题[15]，因此，构建基于模糊理论的三端点区间数判断矩阵可以在一定程度上弥补这一缺陷。

二、因素分析与模型构建

本研究首先以网络调查的方式确定网络口碑的评价指标，考察几个具有代表性的云南农产品交易网站，进行鲜切花网络口碑数据收集与分析，找出影响因素。之后在DS/AHP方法的基础上，引入模糊理论中的三端点区间数矩阵构造法，对各影响因素赋予权重，寻找网络口碑中影响消费者决策的主要因素，并提出鲜切花产品品质提升及网络销售对策建议。

(一)因素分析

1. 云南鲜切花产品交易网站分析。基于对生鲜农产品移动APP的消费行为及选择习惯，依据感知风险、感知有用性及感知易用性发现可用于生鲜农产品消费的网络交易平台有淘宝网、拼多多、京东商城、橙心优选、美团网等代表性网站。考虑口碑信息采集的可操作性，本研究选取成交量最大、口碑数量最多、交易区域覆盖面更广、代表了不同交易方式的网络交易平台淘宝网、京东商城、拼多多进行数据采集，且搜集的网络口碑代表了不同网络平台、不同商品性质及销售策略。淘宝网是国内最为成熟的C2C交易网站，卖家主要是个体经销商或小型批发商。拼多多是C2B的销售方式，主要以拼团方式进行农产品销售，卖家一般都是农户。京东商城主打B2C的经营方式，很多商品都是当地知名品牌。在三个网站上，首先检索关键字“鲜花”，然后按照销量进行排序，最后筛选产地“云南”，从而得到网络交易平台的口碑信息。

2. 云南鲜切花产品网络口碑影响因素数据抓取。主要选择淘宝网、拼多多、京东商城的数据进行分析。

(1)淘宝网数据抓取。在淘宝网锁定销量排名前20的云南鲜切花产品进行网络口碑数据抓取。在单品页面所有口碑信息中，筛选出有评价内容的口碑信息，应用网络爬虫软件获取口碑内容并对这些信息进行分析与比对。经过对鲜切花20件商品平均上万条口碑数据进行统计分析，共截取13 487条口碑信息，初步发现淘宝网中最常提到鲜切花产品网络口碑的因素为“新鲜”“外观”“包装”。

对搜集到的共13 487条网络口碑数据进行统计分析。首先，认定当某一口碑信息重点提及“新鲜”时，则 “新鲜度”相关口碑增加一条记录。然后，以网络口碑的数量代替专家评价，对各项指标进行权重赋值，即将各项指标的百分比作为其权重。最后，得到淘宝网的口碑影响因素排序为：新鲜度0.35，外观0.20，包装0.16，价格0.12，服务0.10，物流0.07(见表1)。

表1 淘宝网云南鲜切花产品网络口碑数据汇总

(2)拼多多数据抓取。与淘宝网检索方式相同，在拼多多搜索关键字“鲜花”，然后以销量从高到低的方式排序，采集排名前20的云南鲜切花农产品进行网络口碑数据抓取，应用网络爬虫软件共截取口碑信息17 613条，以每条口碑主要提及的重点信息作为该条口碑代表的影响因素，进行数据统计分析后得到拼多多的口碑影响因素为：新鲜度0.43，包装0.20，外观0.14，物流0.14，价格0.09(见表2)。

表2 拼多多云南鲜切花产品网络口碑数据汇总

(3)京东商城数据抓取。通过在京东商城搜索“鲜花”关键字，采集排名前5的鲜切花农产品进行网络口碑数据抓取，对截取的3 739条网络口碑数据统计分析后得到京东商城网络口碑影响因素为：物流0.34，包装0.24，价格0.21，外观0.10，服务0.08，新鲜0.03(见表3)。

表3 京东商城云南鲜切花产品网络口碑数据汇总

(二)模型构建

如前文所述，DS/AHP方法是Beynon M于2001年将AHP与D-S证据理论相结合后提出的一种处理不确定性决策问题的信息融合方法，该方法通过综合集成推理判断信息从而处理不确定性决策问题[16]。但DS/AHP的决策结果易受决策者偏好的影响，尤其当决策者意见冲突较大时，该方法甚至无法得到决策结果。因此，引入模糊集理论中的三端点区间数(Three-Point Internal Number，以下简称TIN)修正DS/AHP在群体决策过程中的失灵现象，由此形成针对意见分歧的客观性决策融合方法TIN-DS/AHP[17-19]。网络口碑信息反映的是消费者在消费行为发生后对消费体验的一种文字性表达，由于消费者存在心理差异，口碑信息中反映出的影响因素也千差万别。本研究中3个网络交易平台获取的鲜切花产品网络口碑影响因素的数据信息由于冲突较大、数据不集中，因而无法作为云南鲜切花产品最终的网络口碑影响因素数据。由此，下文通过应用TIN-DS/AHP法修正主观意识偏差，并定量识别网络口碑的影响因素，从而得出更具普适性的云南鲜切花产品网络口碑影响因素。TIN-DS/AHP模型构建过程如下：

1. 构造DS/AHP识别框架。对于任意一个决策问题，有{A,B,…,N}等N个备选决策，则DS/AHP识别框架为Θ={A,B,…,N}。

2. 建立层次结构模型。设影响决策的因素有i个(i=1,2,…,m)，可得一个DS/AHP层次结构模型(见图1)。若层次结构模型层级较多，还可以构建指标层等一系列中间层。

3. 构造比较矩阵及标准优先级值。构建i(i=1,2,…,m)的两两比较矩阵，对判断矩阵计算最大特征根和特征向量并进行层次单排序，求得特征向量v=(v1,v2,…,vm)即为这i个准则的标准优先级值(CPV)。如有多个中间层，则逐级计算，直到算出方案层上一层特征向量作为CPV。

前三个步骤与传统DS/AHP方法并无不同之处，接下来结合传统DS/AHP方法步骤介绍基于三端点区间数的改进DS/AHP方法。

4. 备用决策适合度比较。备用决策的适合程度评价标准以表1为准，用2～6分别表示从一般适合到极端适合的各项适合程度。在传统的DS/AHP方法中，通常是决策者一个人进行比较，从而得出一个备用决策相较于识别框架的适合程度(见表4)。

表4 决策的适合程度

c, a1 a2 Θ a1 a2 a3 10(rL1Θp,rM1Θp,rU1Θp)01(rL2Θp,rM2Θp,rU2Θp)(1rL1Θp,1rM1Θp,1rU1Θp)(1rL2Θp,1rM2Θp,1rU2Θp)1

其中，c,为准则层价格，a1={A,D}，a2={B}，r1，r2分别表示备用决策，a1，a2相较于识别框架Θ而言的适合程度，p表示被评价准则在所有准则中该CPV所占的权重。

6. 确定BPA函数。确定BPA函数后可为下一步Dempster规则融合提供基础。由此，我们用三端点区间数及其线性规划问题解决BPA的求解，从而取代传统DS/AHP的BPA求解方法。相比传统方法而言，这种方法更加简便，准确性也大大提升。BPA函数的求解方法如下：

Minc=∑iΘs(cpoiΘ+cdoiΘ)+t(cpiΘ+cdiΘ)

(1)

式(1)中：目标函数表示寻求与最可能值、判断上下限的偏离值之和最小的一组权重；约束条件1表示权重与最可能值的偏差关系；约束条件2、3表示权重与判断上下限偏离值的偏差关系；约束条件4表示权重满足归一化条件；约束条件5表示权重非负，偏差变量非负。

记式(1)的最优值为c*，则有下述性质：当c*=0时，所求结果达到最优解，此时将m(·)定义为一个BPA，则有：m(sj)=wj及m(Θ)=wΘ。

7. Dempster融合。求得各备用决策的BPA后，应用Dempster规则进行多次数据融合，得到每一备选项的BPA{m(A),m(B),…,m(N)}并进行排序，如果此时已有最优方案，则算法终止；如还未得到最优方案，则通过计算每一方案的信度函数(Bel)和似真度函数(Pls)来进行最终决策。

(三)云南鲜切花产品网络口碑影响因素分析

根据TIN-DS/AHP方法的操作步骤，对云南鲜切花产品的网络口碑属性进行识别如下：

1.对鲜切花产品的网络口碑影响因素：新鲜度A、外观B、包装C、价格D、服务E、物流F作为备选决策，构造DS/AHP识别框架为Θ={A,B,C,D,E,F}。

令准则层为淘宝网、拼多多及京东商城3个网络交易平台，方案层为3个平台消费者看重的不同农产品属性，并将权重比较接近的属性作为同一决策，即表示这些属性在相同平台对消费者的影响力基本相同，由此构建的DS/AHP层次结构模型如图1所示。

图1 云南鲜切花产品指标层次结构模型

令准则层淘宝网方案A为a1、方案B,C为a2、方案D,E为a3、方案F为a4，现有n=4位在不同的网络交易平台购买过鲜切花产品且发布过相关口碑信息并获得点赞数量最多的4位消费者作为专家组成员对淘宝网4个相关方案及识别框架Θ进行比较，得到专家指标为：a1: {5, 6, 6, 5};a2: {4, 6, 5, 5};a3: {2,3,3,2};a4: {3,5,3,4}。构建三端点区间数知识矩阵如下：

a1 a2 a3 a4 Θa1a2a3a4Θ1000(5p,5.5p,6p)0100(4p,5p,6p)0010(2p,2.5p,3p)0001(3p,3.75p,5p)(15p,15.5p,16p)(14p,15p,16p)(12p,12.5p,13p)(13p,13.75p,15p)1

接下来验证淘宝网三端点区间数知识矩阵的一致性，列出所求线性规划如下：

Minc=∑iΘs(cpoiΘ+cdoiΘ)+t(cpiΘ+cdiΘ)

(2)

得到线性规划结果cpoiΘ=0，cdoiΘ=0，cpiΘ=0，cdiΘ=0，s=0，t=0；w1=0.32，w2=0.29，w3=0.12，w4=0.22，wΘ=0.05。于是得到m(a1)=0.32，m(a2)=0.29，m(a3)=0.12，m(a4)=0.22，m(Θ1)=0.05。

由求得的准则层淘宝网BPA函数可知：对于淘宝网的用户而言 “新鲜度”“外观”“包装”是他们最看重的因素， “物流”次之，其余因素并不十分看重。

同理，令拼多多方案A为b1，方案C为b2，方案BF为b3，方案D为b4，4位专家消费者对其相关方案与识别框架Θ进行比较后得到专家指标为：b1:{5, 6, 6, 5};b2:{5, 5, 4, 6};b3: {3, 2, 3, 2};b4: {6, 5, 5, 5}。

构建三端点区间数知识矩阵如下：

b1 b2 b3 b4 Θb1b2b3b4Θ1000(5p,5.5p,6p)0100(4p,5p,6p)0010(2p,2.5p,3p)0001(5p,5p,6p)(15p,15.5p,16p)(14p,15p,16p)(12p,12.5p,13p)(15p,15p,16p)1

接下来验证拼多多三端点区间数知识矩阵的一致性，列出所求线性规划如下：

Minc=∑iΘs(cpoiΘ+cdoiΘ)+t(cpiΘ+cdiΘ)

(3)

得到线性规划结果cpoiΘ=0，cdoiΘ=0，cpiΘ=0，cdiΘ=0，s=0，t=0；w1=0.29，w2=0.26，w3=0.13，w4=0.26，wΘ=0.06。由此可知m(b1)=0.29，m(b2)=0.26，m(b3)=0.13，m(b4)=0.26，m(Θ2)=0.06。

由求得的准则层拼多多BPA函数可知：对于拼多多的用户而言 “新鲜度”是他们最看重的因素， “包装” “外观”及“价格”次之，对“物流”并不十分看重。

同理，令京东商城方案F为c1，方案C,D为c2，方案B,E为c3，方案A为c4， 4位专家消费者对其相关方案与识别框架Θ进行比较后得到专家指标为：c1: {6, 5, 6, 6};c2: {2, 5, 4, 4};c3: {4, 6, 4, 5};c4: {4, 6, 3, 6}。

构建三端点区间数知识矩阵如下：

c1 c2 c3 c4 Θc1c2c3c4Θ1000(5p,6p,6p)0100(2p,3.75p,5p)0010(4p,4.75p,6p)0001(3p,4.75p,6p)(15p,16p,16p)(12p,13.75p,15p)(14p,14.75p,16p)(13p,14.75p,16p)1

接下来验证京东商城三端点区间数知识矩阵的一致性，列出所求线性规划如下：

Minc=∑iΘs(cpoiΘ+cdoiΘ)+t(cpiΘ+cdiΘ)

(4)

得到线性规划结果cpoiΘ=0，cdoiΘ=0，cpiΘ=0，cdiΘ=0，s=0，t=0；w1=0.30，w2=0.19，w3=0.23，w4=0.23，wΘ=0.05。于是可知m(c1)=0.30，m(c2)=0.19，m(c3)=0.23，m(c4)=0.23，m(Θ3)=0.05。

由求得的准则层京东商城BPA函数可知：对于京东商城的用户而言， “物流”是他们最看重的因素， “价格” “服务” “外观” “新鲜度”次之，对“包装”因素并不十分看重。

2.在获得各备用决策的BPA函数后，通过应用Dempster规则对各备选决策多次融合获得最终的决策结果。

首先，就指标A对淘宝网和拼多多进行融合如下：

求得：m1(B)=0.101，m1(C)=0.202，m1(D)=0.084，m1(D,E)=0.016,m1(F)=0.077。

然后，将此融合结果与京东商城进行Dempster融合如下：

求得：m(B)=0.049,m(C)=0.081，m(D)=0.034，m(E)=0.008，m(F)=0.049。

最后，进行归一化后得到：wA=0.354，wB=0.143，wC=0.237，wD=0.099，wE=0.024，wF=0.143。 从归一化的结果来看，综合3个网络平台上云南鲜切花产品的网络口碑信息可知：最受消费者重视的影响因素为“新鲜度”，其次为“包装” “外观”“物流”，其他因素的影响则不明显(见表5)。这充分突显了鲜切花产品的生鲜农产品属性，在销售中更应根据其生鲜特性进行销售策划。

表5 云南鲜切花产品网络口碑影响因素排序

三、结论

本文基于云南鲜切花销售在新兴电商交易过程中所面临的机遇与挑战，针对鲜切花产品所特有的季节性、易变质性、质量敏感性等特点，从网络口碑的视角分析了影响云南鲜切花销售的主要因素，得出研究结论如下：

1. 网络口碑对鲜切花产品的信息传播能起到积极作用。通过研究，证明了网络口碑的数量及相关属性能对鲜切花产品的销售产生正向影响，尤其是对大部分涉入度较低的边缘路径消费者。

2. 云南鲜切花产品目前比较集中的交易平台有淘宝网、拼多多、京东商城、橙心优选及美团网等，这些平台所集中的网络口碑对消费者的消费决策及商家的改进措施有一定程度的影响。

3.结合网络口碑信息的可得性，应用TIN-DS/AHP方法在淘宝网、拼多多、京东商城进行口碑数据获取与信息分析、融合后得到云南鲜切花产品网络口碑的重要影响因素为“新鲜度”“包装”“外观”和“物流”，由此，对云南鲜切花产品种植及销售提出如下建议：

第一， “新鲜度”和“物流”与卖家的订单响应速度相关。在鲜切花产品种植过程中需特别注意花卉的成熟期，消费者下达订单后采摘最新鲜的花卉并第一时间进行包装发货；对即将失去新鲜度的鲜切花卉可结合一定促销手段进行销售。另外，在鲜切花卉的网络销售中，由于物流时滞的存在，商品无法第一时间送至消费者手中，因此，除了高速高效的物流响应外，还需商家根据消费者的地理位置选择处于不同花期的鲜切花卉发货，以保证消费者收到的花卉新鲜度。

第二， 鲜切花产品的脆弱性决定了包装的重要性。包装除受商家的直接影响外，还受物流的间接影响。因此，商家同样需要根据订单距离及物流时效制定相应的包装策略，确保鲜切花卉在远距离物流过程中不会出现包装破损及商品折损，导致消费者满意度降低并给商家带来经济损失。

第三， 鲜切花属观赏性产品，主要满足消费者的愉悦需要。商家需确保鲜切花产品货版对应，避免出现实物商品与宣传广告差距太大的现象，引起负面网络口碑，影响后续销售效果。

第四， 第三方物流服务商的选择。我国目前物流行业从业人员资质良莠不齐，物流过程中易出现“暴力物流”等问题，导致商品破损。因此，商家需谨慎选择物流企业，不能一味追求低成本，应综合考虑价格、服务、速度等因素选择最适合的物流服务提供商。