服裝網購消費者銷售評價比的影響因素

劉小紅

(惠州學院服裝系，廣東 惠州 516007)

隨著網絡科技迅速應用于傳統零售領域，網絡營銷正在改變人們的生活方式。董濤［1］在分析網絡購物對消費行為5個階段的影響時發現，網購正在潛移默化地影響著顧客的消費習慣、消費觀念以及生活模式。根據中國電子商務研究中心發布的《2013年度中國服裝電子商務運行報告》，2013年中國服裝網購市場交易規模達4349億元，增長了42.6%，占整個網購市場的23.1%。服裝鞋帽市場因其網購需求量大，復購率高，成為電商企業爭奪最為激烈的品類市場。在激烈的市場競爭中大型服裝品牌公司憑借其已建立的品牌優勢成為發展最快的贏家，如七匹狼、美特斯邦威、海瀾之家、雅戈爾、九牧王、真維斯等品牌進入網購市場后迅速成為銷量排名前列的強勢服裝品牌，而在淘寶平臺上一些中小網店卻很難成為網購市場快速發展的受益者。為消除消費者對網絡交易安全性、商品質量風險、售后服務水平等方面的疑慮，天貓、淘寶、京東等大型網購平臺通過在線評價機制，為服裝網店不斷積累商業興譽，凈化網購生態環境，因此網購消費者的在線評價正在成為網絡營銷的重要變量，受到研究人員的關注。Godes等［2］認為顧客在線評論作為一種新的口碑方式，對輔助顧客做出有效決策具有重要作用，但Trusov［3］認為相對傳統口碑，在線評論因其商業利益關系使其可信度大大降低。張輝等［4］的研究結論支持用戶評價對其他消費者的購買決策產生重要影響。管榮偉［5］認為在網絡環境下，消費者的決策更多的是依賴信息交互或者從第三方獲得對網店、賣家以及交易環境等信息。賀和平等［6］將消費者購物前瀏覽其他消費者購物評價稱為關系體驗，而且這種關系體驗顯著正向影響消費者對經濟性價值、社會性價值及利他性價值的在線體驗。宋光興等［7］應用交易時間、價值因素改進了在線信用分的集結方法。楊波威等［8］提出了基于用戶投票質量的用戶投票激勵算法。George［9］提出了使用負分的評價尺度來懲罰聲譽不高的商家和提高買家滿意度。蔣艷梅［10］提出顧客首次網購時參照群體傳達的購物經歷及價值表達對消費者的網站選擇、產品選擇、購買意向和實際購買行為有著顯著地正向影響。張耕等［11］研究在線評論時提出負面在線評論數量、評論者專業度以及產品價格3方面對產品銷售量有顯著的負面影響。江文鈺等［12］認為，在線評論是消費者從其他消費者的購買經歷中了解商品信息及購物風險程度的重要途徑，因此激勵消費者積極地參與購買評價是商家營銷的重要手段。從以上文獻分析可發現，對網購在線評價的研究主要集中在對消費者決策的正面影響、負面影響、數據采集與評價方法、評價監督、提高好評率等方面，但網購企業面臨的實際問題是如何提高網購消費者參與在線評價的比例，以此吸引更多的流量來提升業績。本文針對這一問題，結合網購企業案例，研究影響在線評價比例的因素。

1 理論模型及分析變量

在電子商務實踐中，大多數商家更加關注好評率，并通過一些技術手段來提高好評率，營銷行為過于短期化。事實上，電商的好評率與傳統渠道的商譽或口碑的形成與作用機制是相同的，是企業可持續發展之本，也是企業重要的無形資產。要提高好評率，關鍵是通過可持續的營銷策略來提高消費者參與網購在線評價的比例，從而將消費者的正面或負面的購物體驗顯示出來，既可引導消費者購物，也可指導企業改善營銷策略。為此，本文建立了用來評估網購消費者參與在線評價程度的評估模型。該模型的因變量為服裝銷售評價比，指服裝網店消費者在線評價數量與商家要求的在線評價數量的比值，用來測量網購在線評價的參與比例。該值越高，表明消費者參與在線評價的積極性越高，對網店商譽的積累具有重要意義。該模型的解釋變量(自變量)以營銷4Ps(指營銷組合中的產品、價格、渠道、促銷四大要素)理論為依據，選擇了產品庫存量(stock keeping unit，SKU)深度、產品暢銷程度、產品價格3個變量;另外，依據產品屬性與消費者屬性，選擇了服裝檔次、產品性別屬性2個調節變量，以觀察調節變量是否會加強或減弱產品SKU深度、產品暢銷程度對銷售評價比的影響程度。

1.1 產品SKU深度

在網購業務中，SKU指在線服裝產品的銷售屬性集合，包括品種、顏色、尺碼等，是產品存貨計量的最小單位;產品SKU深度是指網店某個品種上架時全部可售件數，包括該品種的全部顏色、尺碼的上架陳列件數。該值越高，消費者選購的自由度越大，表明單一品種上架售賣的數量越多，潛在的顧客數量會越多，在線評論數量也會越多。而在線評價數量越多，又可能會引發更多的網購顧客購買或參與在線評價，進而影響銷售評價比。

1.2 產品價格

產品價格指網店銷售產品的吊牌價格。價格對消費者購買行為會產生雙重影響，一方面，價格高會在消費者心目中形成產品檔次高以及質量好的心理效應;另一方面，通過各種形式的優惠形成較低價格會令消費者感覺購買實惠，這也是電商平臺重要營銷手段，如天貓光棍節，要求所有商家在當天銷售的貨品必須是最近30 d的最低價(2013年光棍節將該期限延長到50 d)。此外價格的高低會影響消費者購物決策介入深度，價格越高，風險感知越高，購買決策介入程度也會越高，因此價格是影響消費者購物決策的一個重要變量。

1.3 產品暢銷程度

產品暢銷程度是一個相對指標，通常需要根據產品一定時期內(服裝零售企業通常會在產品上市后的半個月到1個月內進行評估)銷售數量或售罄率(指已銷售數量占全部可銷售數量的比值)進行主觀的評價，因此產品暢銷程度反映了消費者在產品上市特定時期內被消費者的接受程度，直接影響消費者參與在線評價的數量及比例。

1.4 產品性別屬性

產品性別屬性是指產品適用對象的性別，以此為依據，將服裝劃分為男裝、女裝。在消費者網購過程中，由于不能直接收集消費者的性別信息，而購買者與實際消費者也會出現分離，因此用產品性別屬性類型替代消費者性別類型，以此分析網購消費者在線評價的性別差異，但存在局限性。

1.5 產品價格檔次

價格檔次是一個主觀指標，通常與產品的類型、品牌、價格水平等有關。為便于分析產品價格檔次對銷售評價比的調節作用，本文將樣本按照價格高低分為高、中、低3檔，并用數字作代碼:1低檔、2中檔、3高檔。

2 數據采集與整理

本文研究的樣本取自于某大型休閑服裝品牌天貓網店銷售系統，從其營業數據中按性別進行分類隨機抽樣，抽取銷售周期在1個月以上服裝產品的銷售數據及在線評價數據，共有99個SKU值。依據模型分析需要，對所采集的數據進行相關計算整理，對因變量用減平均值法進行中心化處理。中心化處理的計算公式為

式中:Xi為原變量;X—為原變量的平均值;X'i為中心化處理后的新變量。

2.1 銷售評價比的計算

銷售評價比的計算公式為

式中:qi為網購消費者對i產品在線評價數量;Qi為商家要求對i產品在線評價數量;Ri為網購消費者對i產品銷售評價比。

在網購平臺上，商家要求網購者對每件產品都要給出在線評價，因此，理論上商家要求的在線評價數量就是在線銷售數量。實際上，在收集整理交易數據時需要考慮以下3個問題:一是消費者單品單件購買時，商家要求的在線評價數量與產品銷售數量、訂單數量是相同的;二是消費者多品單件購買時，商家要求的在線評價數量與產品銷售數量相同，但會大于訂單數量;三是單品多件購買時，商家要求的在線評價數量與訂單數量相同，但會小于銷售數量。根據交易情況分析，前2種情況的比例最高，達到80%左右，為簡化數據，用銷售數量代替商家要求的在線評價數量，計算銷售評價比，能較好反映消費者參與在線評價程度，但存在一定局限性。

2.2 產品SKU深度統計

在電商平臺上，消費者能看到的產品SKU深度是某一款式的可供銷售的數量，包括了該款式所有的尺碼及顏色的產品數量，因此，消費者進入購買平臺后，可能會因為斷色斷碼而放棄購買，影響消費者對其他產品的評價。

2.3 產品價格統計

由于服裝具有時尚性和季節性，消費者需求變化快，為更好地體現供求關系，折扣成為電商營銷的普遍手段，而且折扣水平也會因為平臺促銷活動而發生變化，同一商品的實際銷售價格，從上市到退市，折扣水平從95%到50%，因存貨下降速度而有不同，實際銷售價格呈現下降趨勢，平均折扣水平在60%至70%之間，以保證貨品的最終盈利目標。某一商品在不同時段的實際交易價格會存在差異，但均以產品的吊牌價格為基礎。由于吊牌價格是企業營銷組合策略的重要因素之一，實際銷售價格是根據市場需求變化而做出的調整，因此在分析模型中，采用產品吊牌價格而不是實際交易價格。

2.4 暢銷程度劃分

本文根據產品累計銷售量的大小排序，將暢銷程度劃分為3個等級:銷量小于等于200件為滯銷;銷量大于200件小于等于1000件為平銷;銷量大于1000件為暢銷。代碼分別為1滯銷，2平銷，3暢銷。由于暢銷程度與銷售周期及售罄率有關，直接以累計銷售量進行評價有一定局限性。

2.5 產品檔次劃分及調節變量積計算

本文根據產品價格的高低排序，分為3個等級:小于等于50元為低檔;50～150元之間為中檔;價格大于150元為高檔。代碼分別為1低檔、2中檔、3高檔。產品檔次劃分完成后，計算與SKU深度、暢銷程度的積，以此做調節分析。

2.6 產品性別屬性數據提取及調節變量積

從銷售數據庫的款式代碼數據中提取性別屬性代碼數據，代碼分別為:1男裝、2女服裝。性別代碼提取完成后，計算與SKU深度、暢銷程度的積，以此做調節分析。

3 回歸模型結果分析

調用SPSS的Explore功能，計算出樣本庫中全部產品的銷售評價比平均值為55.6%。調用SPSS的Linear Regression功能，輸入因變量:銷售評價比;輸入第1組自變量:SKU深度、產品價格、暢銷程度，代表參加模型1的變量;輸入第2組調節變量的積變量:產品性別屬性×暢銷程度、產品性別屬性×SKU深度、產品檔次×SKU深度、產品檔次×暢銷程度，與第1組變量一起，代表參加模型2的變量。執行此命令獲得利用最小二乘法回歸分析的結果，如表1、2所示。

表1 模型方差檢驗Tab.1 Model test of variance

從表1回歸模型方差檢驗結果來看，模型2的R2較模型1有所提高，表明解釋能力有增加，2個模型的F檢驗顯著水平Sig.均小于0.05，通過了顯著性水平檢驗，表明模型1回歸分析結果具有顯著性，且模型2的2個調節變量的調節效應也具有顯著性。

從表2回歸系數來看，模型1中，SKU深度、價格、暢銷程度的系數值分別為0.004、0.065、3.386，均為正數，說明這3個變量與銷售評價比正相關，且顯著水平 Sig.均小于0.05，通過了顯著性水平檢驗。從影響程度來看，暢銷程度系數最大，其次是價格，SKU深度系數最小，表明越暢銷的產品，銷售評價比越高。這一結果表明暢銷程度與銷售評價比之間能形成良好的互動效應，而且較深的SKU深度與較高的價格對銷售評價比具有提升作用。對電商企業來講，通過定向促銷形成暢銷產品、提高產品SKU深度及制定合理的價格水平，能有效提升網購消費者在線評價的參與程度，從而提高在線流量及品牌商譽。

表2 回歸模型系數Tab.2 Regression model coefficients

模型2為加入了調節變量積的分析結果，其中，產品性別屬性×SKU深度、產品性別屬性×暢銷程度對應的顯著性檢驗水平Sig.小與0.05，表明產品×產品性別屬性對SKU深度和暢銷程度的調節效應通過了顯著性水平檢驗。其中，產品性別屬性對SKU深度系數為 －0.002，對暢銷程度系數為4.768，表明產品性別屬性對SKU深度的調節效應是負的，對暢銷程度的調節效應是正的，其統計意義為:女性產品受SKU深度的影響程度不如男性產品，但更容易受暢銷程度影響。

產品檔次×暢銷程度的顯著性檢驗水平Sig.為0.234，未通過顯著性檢驗。產品檔次×SKU深度的顯著性檢驗水平Sig.小于0.05，通過了顯著性水平檢驗。產品檔次對SKU深度系數為0.001，表明產品檔次對SKU深度具有正向調節效應，其統計意義為:高檔產品的在線評價較低檔產品對SKU深度的敏感性更強。

4 結論

1)應用短期的促銷措施使產品迅速進入暢銷周期，提高產品的暢銷程度，有利于提高網購消費者在線評價的參與程度。由于暢銷程度不是企業可控制的，但企業可通過其營銷策略引導消費者定向購買，快速提高銷售量，從而縮短產品進入熱銷的周期。如天貓推出的定向單品促銷活動受到消費者與網購企業的大力追捧，形成良好的互動效率，與這一結論吻合。

2)適度提高網銷產品的SKU深度與價格水平，有利于提高網購消費者在線評價的參與程度，過低的產品SKU深度與價格水平會降低消費者網購決策的介入水平而影響在線評價的參與程度。理論上網購平臺可以無限制集成消費者網購商機，提高產品SKU深度，不僅產生了規模效應，也能提升消費者在線評價參與程度。

3)女裝的銷售評價比受SKU深度的影響程度不如男裝，但更易受暢銷程度影響;高檔產品的銷售評價比較低檔產品更易受SKU深度的影響，但受暢銷程度的影響不顯著。對于網購企業來講，在制定營銷組合策略時，女裝SKU深度可低于男裝，但要加強女裝導入期的促銷以盡快進入暢銷周期;高檔產品SKU深度要高于低檔產品，以增加消費者的選購自由度。

［1］董濤.網絡購物對主體消費行為影響研究［J］.廣西民族大學學報，2013，35(5):156 －159.DONG Tao.On influence of online shopping on subject's consumer behavior［J］.Journal of Guangxi University for Nationalities，2013，35(5):156－159.

［2］WU CH J，LIANG R D.Effect of experiential value on customer satisfaction with service encounters in luxuryhotel restaurants［J］.International Journal of Hospitality Management，2009，28:586 －593.

［3］GODES D，MAYZLIN D.Using online conversations to study word of mouth communication［J］.Marketing Science，2004，23:545－560.

［4］張輝，白長虹，李儲鳳.消費者網絡購物意向分析:理性行為理論與計劃行為理論的比較［J］.軟科學，2011，25(9):131－135.ZHANG Hui，BAI Changhong，LI Chufeng.Study on consumers'online purchasing intention:comparison between TRA and TPB［J］.Soft Science，2011，25(9):131－135.

［5］管榮偉.基于消費者感知的網店賣家信任影響因素分析［J］.企業經濟，2013(10):89－95.GUAN Rongwei.On impacts of online sellers trust based on consumer perception［J］. Enterprise Economy，2013(10):89－95.

［6］賀和平，周志民.基于消費者體驗的在線購物價值研究［J］.商業經濟與管理，2013(3):63－72.HE Heping，ZHOU Zhimin.A study of online shopping value based on consumer experiences［J］.Journal of Business Economics，2013(3):63 －72.

［7］宋光興，曹春方.電子商務中在線信用分的集結方法及個性化推薦研究［J］.預測，2009(5):55－64.SONG Guangxing，CAO Chunfang.Research on the online reputation aggregating approaches and the customized recommendation［J］.Forecasting，2009(5):55－64.

［8］楊波威，宋廣華，鄭耀.C2C電子商務平臺下的用戶投票激勵算法［J］.電信科學，2010(10):141－145.YANG Bowei， SONG Guanghua，ZHENG Yao.An incentive strategy of voting in the C2C ecommerce environment ［J］. Telecommunications Science，2010(10):141－145.

［9］GEORGE G Slack.Resources and the performance of pr-ivately held firms［J］.Academy of Management Journal，2005，48:661 －676.

［10］蔣艷梅，趙文平.基于參照群體影響的消費者首次網購決策模型分析［J］.統計與決策，2011，24:85－88.JIANG Yanmei，ZHAO Wenping.First decision-making model of consumer online shopping based on reference group influences［J］.Statistics and Decision，2011，24:85－88.

［11］張耕，郭寧.負面在線評論對產品銷量的影響:基于淘寶網的實證研究［J］.消費經濟，2012，12:86－89.ZHANG Geng，GUO Ning.Influences of negative online comments on product sales:an empirical research based on taobao［J］.Consumer Economics，2012，12:86 －89.

［12］江文鈺，糜仲春.電子商務信譽管理系統的多維評分模型［J］.管理學報，2007，4(3):302－305.JIANG Wenyu， MIZhongchun. Multi-dimensional graded model of reputation management system in ecommerc［J］.Chinese Journal of Management，2007，4(3):302－305.