電子商務視角下團購銷售影響因素分析

李 政

（武漢大學 經濟與管理學院，武漢430072）

0 引言

隨著IT技術的飛速發(fā)展，互聯網商業(yè)呈現出了蓬勃的生機，富有極其廣闊的發(fā)展前景，電子商務也嚴重影響著人們生活和國家經濟運行。對于在線網絡營銷的研究中，Z.Chen和Lurie在2013年就對Yelp.com網站上的餐飲評論進行了研究，發(fā)現評論的數量和評論的文本長度以及評分之間有著密不可分的關聯[1]。也有研究Amazon.com和Barnesandnoble.com上書評的文獻，檢驗了消費者在線評論對于書籍銷售量的影響[2]。對于TripAdvisor.com上酒店數據的研究表明，用戶的評價對于酒店的訂購率也有著極為重要的影響[3]。這些在線點評還可能會影響其他消費者的購買決定，促進商品的銷售數量[4,5]。除此之外，對于在線評論的研究領域中還有諸如在企業(yè)決策制定方面[6]、信息系統建設(Dellarocas,2003)[7]以及經濟發(fā)展、折扣的力度，等等。

為規(guī)避樣本問卷調查易出現的很多虛擬假設情況，文中直接從團購網站上獲取數據，采用最真實、最貼切現實生活的研究樣本，運用模型分析影響武漢地區(qū)餐飲類團購銷售量的因素，判斷一款團購產品的打折力度、評分高低以及評論數量的多少是否會影響該產品的銷售情況，并將品牌的影響因素考慮在內，判斷一款團購產品的銷量是否會因為品牌的知名與否而不盡相同。

1 模型假設

正如之前的文獻中所提及的，一件商品的折扣力度會影響到顧客的購買行為。當一件商品的價格下降時，對于該商品的需求就會加大，銷量也就同時開始上升。然而即便是同一種商品打了同樣的折扣，在不同的消費者看來，其意義是不一樣的。舉例來說，一件原價2元的商品，如果現在進行促銷活動，只賣1元錢。那么對于一部分消費者來說，這個折扣力度非常之大，竟然打了對折，而對于另一部分消費者來說，僅僅是便宜了1元錢而已。兩者所帶來的心理感受是有著巨大的區(qū)別的，因而消費者們也會有著自己的偏好。所以對于餐飲類團購的經營者來說，團購券的銷量是衡量團購券是否成功發(fā)行的標桿，因此設置一個合理的折扣力度就顯得尤為重要。曾經有一個調查結果顯示，只有大約17%的消費者是只關注折扣的下降百分比的，也就是說無論商品原來的價位有多高，只要商品價格下降的百分比足夠高，這類用戶就會選擇購買。因而本文認為絕大部分消費者還是比較理性的，會考慮商品價格下降的絕對量。因此，本文的第一個假設如下：

H1：團購券價格下降的絕對量相對于團購券價格下降的百分比更能提升其銷售數量。

消費者在選擇購買團購券時，往往會瀏覽該項團購獲得的來自于其他用戶的一個綜合評分，尤其是在此之前也沒有類似經驗的消費者，通常會將他人的評分作為一個參考和借鑒，來進一步做出自己是否參與團購的決定。曾有調查結果顯示，綜合評分在4.1～5之間的團購券最受消費者歡迎。這表明人們在做團購決定的時候，更傾向于那些已經獲得較高評分的團購券，因而本文的第二個假設如下：

H2：評分越高的團購券，其銷售量也就越高。

與之前一個假設相同，如果消費者在先前并沒有對一家商鋪的團購券有過購買消費的經驗，就需要借助參考已經有過消費經驗的消費者的評論來做出自己的購買決定。消費者會通過觀察該團購所獲得綜合評分來進行判斷，同樣也會瀏覽和閱讀他人做出的評論文本，如果一項團購的評論量足夠多，就說明該團購的消費群體就較大，也表明該團購的質量還是相對而言較高的。所以本文的第三個假設如下：

H3：評價數量越多的團購券，其銷售數量也就越多。

參與團購的商家的品牌也是一個重要的影響因素，一些知名的強勢品牌，由于已經聲名在外，有著忠誠度較高的固定消費者群體，因而如果他們的團購折扣力度較大，雖然在短期內會起到提升團購券數量的效果，但是從長期來看，反而會使得自身的品牌受到損害，同時也降低了消費者的忠誠度。而那些不知名的小品牌，為了打開市場，不得不通過讓利促銷等方式來搶占市場份額。因此本文的第四個假設如下：

H4：知名品牌不需要通過加大折扣程度的方式來提升團購券的銷售數量。

2 數據選取及模型的統計分析

2.1 數據收集及變量設定

數據取自武漢地區(qū)的大眾點評網餐飲類團購券，據有關統計數據顯示，截止到2014年第四季度為止，大眾點評網上每個月的活躍用戶數約為1.9億，每月的綜合瀏覽量，包括網站及各類移動設備，超過120億，發(fā)出的點評數量超過6000萬條，商家的登記數量超過1200萬。這就提供了一個極為豐富的數據資料庫，如此大量而又完整的信息，為研究提供了切實的保證。使用的數據包括每項團購券的店名名稱、商品原價、商品團購價格、銷售數量、評論數量以及評分。并將團購券的銷售數量用Sales表示，團購券的評論數量則用ReviewNum表示，團購券獲得的評分用Rating表示。將商品的原價減去團購價格作為團購券價格下降的絕對量，用PriceChange(absolute)來表示，將商品原價減去團購券價格之差再除以商品原價作為團購券價格下降的百分比，用PriceChange（%）表示。將知名的強勢品牌賦值為1，不知名的品牌賦值為0，用Brand表示，見表1所示。

表1 變量說明表

2.2 數據統計及回歸分析

研究的樣本來源自大眾點評網上武漢地區(qū)的餐飲類團購數據，共有2000余條數據，具體的統計量表如表2所示。

表2 變量統計表

由表2我們可以發(fā)現，各變量的最大值和最小值之間的差值是非常驚人的。

使用R軟件做各變量之間的相關性分析，結果如表3所示。

表3 相關系數表

由表3可知，各變量間的相關系數值都沒有超過0.75，所以它們之間并沒有很明顯的線性相關，因而可以繼續(xù)做下一步的回歸分析。

根據上文的H1、H2以及H3，建立如下方程：

Sales=α0+α1ReviewNum+α2Rating+α3priceChange(absolute)+α4PriceChange(%)

使用R軟件來計算方程結果如表4所示。

表4 運行結果一

由表4可知，除了PriceChange（%）這個變量是不顯著的，其余各變量對于團購券的銷量都呈現出顯著正相關，這個結果驗證了H1、H2以及H3。說明如果一款團購所獲得的評分越高，那么消費者對與該團購也就更信賴，購買的傾向也就相對較高。同樣，如果一款團購券的評論數量越高，那么說明已經有數量可觀的消費者對于該商品有過了體驗，也從另一個角度說明了該商品為大多數人所接受，因而值得購買，從而提升了該團購券的銷售數量。團購券價格下降的百分比對銷售量并沒有影響，這說明大部分的消費者還是偏向于理性的，并不會因為價格大跳水而進行不理性消費。

使用Step{}命令對上述方程進行分布回歸，在剔除變量PriceChange（%）后，整個方程的AIC值得到了改善，由-85.37變成了-87.96。進一步把品牌因素放入到模型中，將那些知名的強勢品牌設定為1，不知名品牌設定為0作為基準組，把品牌因素作為調節(jié)變量放入到方程中進行計算，具體結果如表5所示。

表5 運行結果二

由表5可知，一款團購所獲得的評分和評論數依舊與其的銷售量成正相關關系，這與之前的運算結果相一致。以非知名品牌作為基準組，知名品牌與降價絕對量的交叉項與銷售量為顯著負相關，也就是對于知名品牌來說，降價還會減少其團購券的銷售數量。因而H4也成立。再運行R軟件中的glmrob{}命令來做魯棒性檢驗，計算結果表明該模型是穩(wěn)定的，見表6所示。

表6 魯棒性檢驗

3 結論與建議

依據研究結論，銷售團購券的商家可以通過折扣促銷的手段提高團購券的銷售數量，但是折扣的力度最好不要過大，而且最好在團購券上標明具體的降價金額，這比標明降價的百分比更有效。

用戶評論的數量以及消費者給出的評分也會給團購券的銷售量帶來極大的影響，由于是顯著的正相關關系，這表明消費者對于這兩者是非常關注的，因而用戶評論數量的上升以及評分的提高都會給商家?guī)砬袑嵉睦?。因此武漢地區(qū)的餐飲類網絡團購商家應當設置一定的激勵措施，使得用戶在消費完團購券后積極發(fā)表評論，這一點可以向京東網上商城學習，在京東商城上發(fā)表一條商品評論可以獲得20個京東豆，京東豆又可以直接抵現消費，這就大大提升了用戶發(fā)表評論的可能性。同樣，武漢地區(qū)的餐飲類網絡團購商家也需要通過一定的方式引導消費者在打出評分的時候給出一個盡可能高的分數，讓消費者盡量給出正面的評價。而對于那些有著給出負面評價的消費者，則應當采取措施進行安撫，以此來提升商家的信譽和口碑。而這一點的話，可以向淘寶網上的店家學習，有不少的店家會在顧客給出5分好評后進行適當的獎勵，例如返現或者贈送小禮品。這些都是值得大眾點評網上餐飲類網絡團購商家思考和借鑒的。

對于比較知名的強勢品牌，降價雖然可以提升團購券的銷售量，但是也會由于損害了品牌價值而帶來負效應，所以這些知名的強勢品牌就需要設置一個合理的降價幅度，既可以最大限度的增加團購券銷量，又不至于嚴重損害品牌榮譽。而對于那些不知名的小品牌，則可以通過大打價格戰(zhàn)來促進團購券的銷售數量，并進一步搶占市場份額。

作為一家致力于從事本地餐飲類網絡團購的網站來說，大眾點評網有著比那些全國性團購網站更高的可信度和影響力，本文的研究結果顯示，餐飲類團購的用戶評論以及營銷策略的制定仍然有著巨大的提升空間。大眾點評網武漢地區(qū)的餐飲類團購商家應該發(fā)揮更大的主觀能動性，充分挖掘潛在的巨大的消費者群體，開拓市場，借鑒其他網站已有的經驗，豐富自身的網絡營銷手段，達到消費者、團購網站以及團購券商家三方共贏的最佳局面。

[1]Chen Z,Lurie N H.Temporal Contiguity and Negativity Bias in the Impact of Online Word of Mouth[J].Journal of Marketing Research,2013,50(4).

[2]Chevalier J A.Mayzlin D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research,2006,43(3).

[3]Sia C L,Lim K H,Leung K,et al.Web Strategies to Promote Internet Shopping:Is Cultural-Customization Needed?[J].MIS Quarterly,2009,33(3).

[4]Clemons E K,Gao G G,Hitt L M.When Online Reviews Meet Hyper Differentiation:A Study of The Craft Beer Industry[J].Journal of Management Information Systems,2006,23(2).

[5]Zhu F,and Zhang X.Impact of Online Consumer Reviews on Sales:The Moderating Role of Product and Consumer Characteristics[J].Journal of Marketing,2010,74(2).

[6]Chen Y,Xie J.Online Consumer Review:Word-of-Mouth As A New Element of Marketing Communication Mix[J].Management Science,2008,54(3).

[7]Dellarocas C.The Digitization of Word of Mouth:Promise and Challenges of Online Feedback Mechanisms[J].Management Science,2003,49(10).