生鮮農產品評論對在線銷量影響的研究
——基于京東商城陜西獼猴桃在線評論數據的分析

喬曉娟

（陜西郵電職業技術學院，陜西 咸陽 712000）

“十三五”時期，政府、企業等多方參與下沉市場數字化基礎設施建設，優化傳統的農產品供應鏈模式，助力農產品向外地銷售，如京東、阿里巴巴、蘇寧等將供應鏈、物流等零售新基建不斷向下延伸，通過溯源體系、技術輸出、品牌賦能、渠道拓展等措施促進農產品上行。農村電商迎來高速發展，已成為引領鄉村數字經濟發展的重要新動能，有力促進了鄉村振興。2020年全國農村網絡零售額達1.79萬億元，是2015 年的5.1 倍，遠高于全國電子商務整體增速；農產品網絡零售額達4158.9 億元，已占到農產品零售總額的10%。

隨著消費層次的升級，消費群體逐步轉向以80后、90后為主的消費大軍，生鮮產品消費人群年輕化趨勢越來越明顯，消費者對生鮮農產品的消費習慣逐步由線下轉向線上。但因為生鮮農產品對保質期、時效性要求較高，消費者對產品感知風險較大，使得消費者在下單前更關注在線評論，便于消費者做出有利于自己的購買決策，所以研究在線評論對生鮮農產品在線銷售有極其重要的意義[1-2]。

文中采用文獻研究法、數理統計分析法和實證研究法，使用網絡爬蟲工具獲取京東商城（www.jd.com）的產品評論數據，分析產品評論對在線銷量影響的具體因素。文中引入在線評論的數量、效價、評論的點贊、評論的回復作為自變量，消費者特征及價格作為調節變量，探索上述變量與在線銷量的影響，分析調節變量是否能在生鮮農產品在線評論與在線銷量之間產生影響，最終為生鮮農產品電商企業提出相關的建議，從而豐富在線評論的研究內容。

一、文獻綜述

（一）在線評論相關研究

目前，國內外學者研究在線評論主要集中在以下3 個維度：評論的特征、參與評論的消費者及參考評論的消費者，評論特征主要包括質量、數量、效價、時效性、強度、長度、形式等方面；參與評論的消費者主要包括資信度、專業能力等方面；參考評論的消費者主要包括消費者的專業能力、產品涉入度、感知風險等方面[3]。Anu 等采用線性回歸模型對亞馬遜評論數據進行分析發現：產品價格、評論長度、評論量和情緒（正面或負面詞匯）作為自變量，分析產品銷售的影響，最終得出除了價格之外，用戶還受到評論數量、評論長度、明星評級和評論文本情感的影響[4]。劉小嬌的研究發現：產品評論數量會直接影響消費者的購買意愿[5]。

（二）生鮮農產品的在線評論相關研究

生鮮農產品的在線評論研究主要包括在線評論對其銷量影響的研究及在線評論特征對消費者滿意度的研究［3］。胡雅淇，林海對淘寶羊肉大數據進行分析發現：在線評論數量、圖片數量對生鮮農產品銷量有積極的正向作用，差評數量則有顯著的負面影響，評論長度對其銷量的影響不顯著[2]。張紅霞運用回歸分析的方法分析天貓生鮮頻道數據，采用四分圖模型分析影響生鮮農產品電子商務消費者滿意度的關鍵因素[6]。

（三）研究現狀綜述

通過梳理前面學者的研究發現：在線評論研究內容非常豐富，但不同學者得出的結論差異較大。分析上述結論原因，發現主要為：有些學者采用問卷調研的方式開展研究，有些學者采用實驗數據開展研究，樣本數據不同，導致不同學者研究得出的結論差距較大；同時有些學者分析手機、空調等搜索型產品，有些學者分析電影等體驗型產品，產品的類型也對分析結果有較大影響。因此研究在線評論對在線銷量的影響需要結合產品類型，才能為企業提供針對性建議。

生鮮農產品一方面屬于體驗型產品，另一方面對時效性等有較高要求，所以其研究又不同于一般的體驗型產品，研究這一特殊品類對理論有很好的補充作用。同時采用網絡爬蟲工具獲取京東商城（www.jd.com）的大量真實有效的產品評論數據，也可以給企業生鮮農產品項目運營帶來很好的指導意義。

二、研究假設及模型

（一）研究假設

Chen的研究表明在線評論總數量對產品的銷量有顯著的影響，評論數量越多，產品銷售越多[7]。Zhang等學者通過實驗室實驗和實際在線零售商的數據表明，消費者認為正面評論比負面評論更具說服力[8]。張艷輝等研究認為，評論回復可以使得該評論更加深入，引起更多消費者的關注[9]。蔡莉梅等研究發現，評論回復數量對評論有用性有顯著正向影響[10]。劉杰等研究發現，消費者特征會影響評論的有用性[11]。王濤等研究發現價格通過消費者滿意度對消費者購買產品有直接影響[12]。因而，文中提出以下研究假設，如表1所示。

表1 在線評論研究假設

images/BZ_72_1273_393_2290_452.png假設H5假設H6消費者特征顯著調節了在線評論對生鮮農產品在線銷量的影響。產品價格顯著調節了在線評論對生鮮農產品在線銷量的影響。

（二）模型變量選擇

1.自變量及維度的選取

通過前文的分析及假設，文中選擇了有效評論數量、評論效價、評論的點贊、評論的回復作為影響在線銷量的自變量。有效評論數量是指消費者發布的真實評論數量的總和的統計，因為購物平臺存在系統默認評論的現狀，文中選擇有效評論數量。有效評論數量=（評論總數-系統默認評論）。評論效價的典型表現形式是產品評分，反映了消費者對產品的情感傾向。在實證研究中，通常采用消費者評分的平均值表示評論效價，文中選用了京東商城產品的好評度作為評論效價。評論的點贊和評論回復是京東商城在評論中設置的，主要通過此方式選出高質量評論，有利于消費者評估評論質量。

2.控制變量的選取

通過前文的分析及假設，文中選擇了消費者特征及價格作為控制變量。

購物平臺為了刺激消費者購買產品，一般都會推出自身的會員體系。京東商城的會員按照是否付費可以分為：京東會員和京東plus 會員兩種。因為京東plus 會員是為其核心客戶提供更優質的購物體驗而推出的會員，京東plus 會員在線消費經驗豐富、活躍程度較高，所以京東plus 會員的評論更容易被消費者接受，所以此處將消費者特征引入作為控制變量。

價格作為產品的重要屬性之一，也是在線銷量的重要影響因素。對于同類產品來說，價格的高低會改變消費者的購買決定。所以文中將價格作為控制變量，來研究在線評論與在線銷量之間的關系。

3.因變量及維度的選取

文中研究的是評論與在線銷量的關系，但因企業的在線銷量數據較難獲取，為本文研究帶來一定困難，所以用銷量排名代替在線銷量。銷量排名是按照產品銷售數量排名后的結果，能夠如實反映該產品的真實在線銷量。

（三）模型構建

結合文獻研究及相關理論學習，建立了如圖1 所示的研究模型，文中以消費者購買行為理論為基礎，以評論數量、評論效價、評論點贊和評論回復為模型的自變量，價格和消費者特征為控制變量，生鮮農產品在線銷量排名為因變量。

圖1 論文研究模型

基于圖1 中的論文研究模型，根據前文多位學者的研究，采用回歸分析的方式來驗證在線評論對生鮮農產品銷量排名的影響力。因變量為銷量排名（Y），自變量包括評論數量（A1）、評論效價（A2）、評論的點贊（A3）、評論的回復（A4）、消費者特征（A5）、價格（A6）。設μi 為隨機變量，基于以上變量建立以下回歸模型方程（1），來驗證各自變量對因變量的影響情況。

由于影響生鮮農產品銷量排名的因素較多，為了深入對比研究，在模型方程（1）中，增加了控制變量A5和A6，并驗證控制變量在自變量對因變量影響的調節作用，建立回歸模型方程（2）

三、數據采集及處理

（一）數據采集方法及對象選擇

按照銷量排名，人工篩選出排行榜前25 的產品，再使用八爪魚采集器，選取的平臺為京東商城，產品為近30 天銷量排行榜前25 名的陜西獼猴桃，抓取目標產品的評論信息。數據采集的時間為2022 年5 月1日-2022 年5 月5 日，一共抓取了25 個產品，共有14733條有效評論（不包含默認好評）。

（二）數據采集內容

結合本次研究指標，主要收集的數據包括：評論數量、評論的點贊數量及評論的回復數量、價格、好評度、消費者特征等，如圖2所示。

圖2 數據采集內容

（三）數據處理

考慮到電商購物平臺評論中存在系統默認好評，文中在計算評論數量時剔除了系統默認好評，使用了產品有效的評論數量。同時為了消除因產品上架時間不一導致的評論數據差異較大的現象，對消費者特征、評論的點贊及評論的回復采用了占有效評論比例的方式來展開分析。

四、實證分析及結論

（一）描述性統計分析

文中使用Excel2016 對整理后的數據進行描述性統計分析，具體的分析結果如表2所示。

表2 在線評論數據描述性統計分析

從描述性統計分析結果來看，產品價格、評論數量方差較大，這說明文中選擇的樣本的評論數量及產品價格跨度較大，具有研究價值。

（二）相關分析

相關分析主要用于判斷變量之間是否存在相關關系，文中使用Excel2016對數據進行皮爾森（Pearson）相關性分析，主要分析因變量與自變量間有無相關關系、相關的方向以及關系的密切程度，分析結果如表3所示。

表3 因變量與自變量的相關性系數

從表3 可以看出，銷量排名與有效評論數量之間存在負向中度相關，銷量排名與評分之間存在正向中度相關，銷量排名與價格之間存在負向中度相關。

（三）回歸分析

本節通過對前文的樣本數據進行多元線性回歸分析，采用的工具為Excel2016，選擇數據-數據分析-回歸，置信度為95%，得到表4 回歸統計、表5 方差分析、表6回歸系數檢驗。

表4 回歸統計

表5 方差分析

模型方程（2）回歸分析殘差總計df SS MS F Significance F 6 22.220044852.09147E-07 19 25 4835.827111 689.1728895 5525 805.9711851 36.27225734

表6 回歸系數檢驗

模型方程（1）中的自變量為銷量排名、有效評論數量、評分、評論的點贊比例、評論的回復比例，模型方程（2）在模型方程（1）的基礎上，增加了價格和消費者特征。從表4中可以看出來，Multiple R及R Square均大于0.8，表示強相關且模型的擬合度非常高；Adjusted R Square 均大于0.7，表示多元線性回歸模型的擬合度也非常高。

同時對比模型方程（1）、（2）回歸統計分析發現：ΔMultiple R 有3.98%的增加，ΔR Square有7.28%的增加，ΔAdjusted R Square有6.32%的增加，說明模型方程（2）的解釋力在增強，也說明了價格和消費者特征作為控制變量對消費者購買行為影響有實際意義。

從表5 中可以看出來，Significance F 均明顯異于0（小于0.001），說明模型方程（1）與模型方程（2）整體的線性關系非常顯著。

（1）兩個模型均引入了有效評論數量，且系數均為負，說明有效評論數量越高，銷量排名越靠前，產品銷量越好。但模型方程（1）P=0.05、模型方程（2）P＜0.05，這是因為模型方程（2）引入了控制變量，也就是說控制變量會調整產品評論與銷量排名的影響。同時也驗證了假設H1是成立的。

（2）兩個模型均引入了評分作為自變量，且回歸結果中兩個模型方程中P值均明顯小于0.01，且系數均為正值，可以看出評分越低，產品銷量排名越靠前，銷量越高。這與大眾認知相反，通過分析京東商城的評價體系，發現京東商城的評分初始默認值為100%，也就是說該產品沒有銷量時，評分為100%；而有了銷量之后，因為中差評的產生，評分會降低，所以也就解釋了評分會隨著銷量的增加而降低。這也驗證了假設H2的成立。

（3）模型方程（2）中引入評論的點贊和評論的回復作為自變量，0.01＜P＜0.05，且系數為正，說明評論的點贊和評論回復比例越低，產品銷量排名越靠前，銷量越高，驗證了假設H3、H4是成立的。

（4）模型方程（2）中引入消費者特征作為控制變量，P=0.7898＞0.05，說明消費者特征與銷量排名之間關系不顯著，同時驗證H5是不成立的。

（5）模型方程（2）中引入價格作為控制變量，P＜0.01 說明價格顯著調節了產品評論與銷量排名的影響，同時也驗證了假設H6 是成立的。消費者購買生鮮農產品會考慮價格因素，這也與真實市場的狀況相符。

五、總結

文中以京東商城陜西獼猴桃銷售數據為例，分析生鮮農產品在線評論對銷量的影響，采用描述性統計分析、相關分析和回歸分析，具體研究在線評論對生鮮農產品在線銷量的影響程度。基于上述分析得出企業生鮮農產品項目運營建議如下：

（一）生鮮農產品企業應重視在線評論，誠信經營。

有效評論數量可以降低消費者購買生鮮農產品的不確定性，從而促進在線銷售。一方面企業可以通過好評返現和贈品等方式，激發已購消費者評論的積極性。另一方面，可以借助客服發送評論模板，引導已購消費者從獼猴桃口感、大小、新鮮度等多個維度評論，發布形式多樣、內容詳實、有用可靠的高質量評論，豐富評論內容深度。同時企業也要做到誠信經營，杜絕刷單、刷好評、刪差評等虛假行為。

（二）企業需要嚴把產品質量，優化服務質量。

企業可以借助評論標簽、差評等內容，了解消費者關注的產品質量、物流、客服等，做好產品品控管理，嚴把產品質量關，同時優化生鮮農產品的物流及客服，優化服務質量。

（三）基于平臺用戶群體，優化產品價格，促進消費者購買。

不同電商平臺用戶群體不同，能接受的價格也不同，可以將價格調整至盡量覆蓋更大的消費群體，從而促進產品銷售。

鑒于文中只采集了京東商城的數據，導致研究存在一定的局限性，同時也未考慮運營店鋪的評分等變量，因而存在遺漏變量的問題。未來研究可繼續擴展多個平臺，來豐富研究對象，同時納入企業店鋪評分及物流選擇等指標，深化研究內容。