论文部分内容阅读
关键词：图文呈现;在线评论;不一致;销量;农产品消费者;购买决策;初次评价;追加评价;外在;口感;整体;离散度
近年来，电子商务一直在不断地迅速发展，中国互联网络信息中心（CNNIC）最新发布的第43次《中国互联网络发展状况统计报告》显示，截至2018年12月，我国网民规模达到了8.29亿人，全年新增网民5 653万人，互联网普及率为59.6%，较2017年年底提升3.8百分点[1]，农产品的网络交易量也随之增加，庞大的网民群体为网络购物行为的研究提供了坚实的基础。
网络购物过程中的图文呈现与在线评论信息是影响消费者购买决策的重要因素。消费者在作出购买决策前，不仅会关注已购买者给出的在线评论，而且会参考商家给出的商品介绍详情页的图文呈现信息[2]。目前国内外学者在图文呈现、在线评论、在线评论不一致性与商品销量关系的实证研究方面做了很多有益尝试，在图文呈现方面，分析了图片数量和文本长度对销量的影响;在在线评论方面，探讨了在线评论之间的不一致性、在线评论与评分之间的不一致性对销量的影响，但目前尚未有学者针对图文呈现与在线评论不一致性对销量的影响进行研究。因此，本研究以淘宝网中的农产品（以苹果为例）为研究对象，挖掘影响消费者购买决策的图文呈现与在线评论的具体内容，分析图文呈现与在线评论的不一致性和不一致性离散度，构建图文呈现与在线评论不一致性对销量的影响模型，对影响农产品销量的因素进行分析，并向商家提出合理的建议。
1 研究变量与假设
喻亦爽将负面在线评论内容分为客服、物流、质量、色差和尺码等5类[3]。本研究基于其分类方法将图文呈现与在线评论的具体内容分为外在、口感、整体等3类。
1.1 图文呈现与在线评论不一致性
潜在消费者在作出购买决策前一般会浏览商品的产品呈现信息和在线评论内容，本研究所探讨的图文呈现与在线评论不一致性是指商家的图文呈现信息与消费者在线评论内容之间的差异。前人一般是针对在线评论与评分之间的不一致性进行研究，但在实际购物过程中，用户一般会同时参考图文呈现与在线评论，而图文呈现和在线评论之间的不一致性对销量产生怎样的影响，目前针对这方面的研究较少。Tsang等研究发现，当评论文本和星级存在不一致性时，用户会对评论者和商家的信誉等产生质疑[4];张艳芳研究发现，在线评论文本和评级的不一致性会降低产品销量[5]。基于以上分析，提出以下假设：图文呈现与初次评价外在（口感/整体）不一致性对销量产生负向影响（H1）;图文呈现与追加评价外在（口感/整体）不一致性对销量产生负向影响（H2）。
1.2 图文呈现与在線评论不一致性离散度
图文呈现与在线评论不一致性离散度指的是商家的图文呈现与用户文本评论之间差异的离散度，学者们常用标准差或方差来表示离散度[6]，离散度越大，说明不同消费者对商品持有的观点差别越大。在在线评论领域，关于评论离散度的研究尚未得到统一结论。Tang等认为，不一致的评论意味着产品在质量上的不稳定，不利于产品销售[7];而Sun认为，评论越不一致，产品越好，销量越高[8];Kim等研究发现，评论的不一致性对产品销量没有显著影响[9];黄敏学等通过引入产品属性及消费者调节意向解释了在线评论不一致性对消费者带来的双面影响[10];张艳芳研究发现，在线评论的离散度与商品销量呈倒“U”型相关关系，实际上，图文呈现与在线评论不一致性的离散度可能提高或降低产品销量[5]。基于以上分析，提出以下假设：图文呈现与初次评价外在（口感/整体）不一致性离散度呈倒“U”型相关关系，即当不一致性离散度处于较低水平时，商品销量随着离散度的增大而增大，而当不一致性离散度处于较高水平时，商品销量随着离散度的增大而降低（H3）;图文呈现与追加评价外在（口感/整体）不一致性离散度呈倒“U”型相关关系，即当不一致性离散度处于较低水平时，商品销量随着离散度的增大而增大，而当不一致性离散度处于较高水平时，商品销量随着离散度的增大而降低（H4）。
2 数据搜集与处理
由于本研究所探讨的农产品图文呈现信息与在线评论不一致性对销量的影响须要控制产品自带属性的差别，因此选取淘宝中“苹果”这类农产品作为研究样本。于2018年12月24—26日在淘宝网对苹果进行搜索，按销量排名爬取150个苹果商品的介绍详情页图片、在线评论、销量作为本研究的样本数据。
2.1 数据预处理
对产品呈现信息进行文字识别与分词处理，对在线评论文本进行分词处理。通过对处理之后的数据进行分析发现，卖家一般会从酸、甜、脆、粉面、多汁、酥、涩、丑、香、新鲜、皮厚、皮薄、核小、冰糖心、青、红和黄等17个方面来介绍自己的商品，卖家对每个商品的介绍和买家的评价通常会涉及其中几个方面，另外多数消费者还会根据这次的购物体验给出是否建议购买的整体评价。因此，本研究选择从这17个方面以及整体评价方面入手研究图文呈现与在线评论不一致性对商品销量的影响。
通过对上述17个方面进行分析发现，可以将其分为3类，即外在（丑、香、新鲜、皮厚、皮薄、核小、冰糖心、青、红、黄）、口感（酸、甜、脆、粉面、多汁、酥、涩）和整体等，因此本研究选择从外在、口感、整体等方面着手研究图文呈现与在线评论不一致性对商品销量的影响。
2.2 指标量化
不同的消费者在进行商品评论时，会采用不一样的词语描述产品相同特点，因此本研究人为地对描述产品相同特点的词语进行合并，将与图文呈现信息一致的在线评论中提及的词语赋值为1，不一致的词语赋值为-1，得到图文呈现与在线评论的不一致性赋值表（表1）。
运用Excel软件判断在线评论中是否含有表1中的字符串并对其进行赋值，对于不含表1中字符串的在线评论，赋值为0，否则赋值为1，得到在线评论特征值表（表2）。
式中：d（a，b）表示图文呈现与每条在线评论关于外在、口感、整体的不一致值;a表示消费者对产品外在、口感、整体中某一产品属性的评价分值;ai表示消费者对产品属性某一具体内容如甜、脆、多汁评价的分值; b表示商家图文呈现中某一产品属性的评价分值;bi表示商家图文呈现中某一产品属性具体内容如甜、脆、多汁的评价分值，bi=1;l表示产品属性所涉及的内容个数;d表示图文呈现与在线评论关于某一产品属性不一致性的平均值;dh表示第h条在线评论关于某一产品属性的不一致值;n表示每个商品对应的在线评论数，个;σ表示图文呈现与在线评论关于某一产品属性不一致性的标准差。 通过公式（1）计算得到每个在线评论与图文呈现在外在、口感、整体等方面的不一致值（表3）。
运用公式（2）和公式（3）计算每个商品对应的不一致值平均值与标准差，得到每个商品对应的图文呈现与在线评论不一致值的平均值和标准差（表4），其中平均值反映了在线评论与图文呈现的不一致程度，标准差反映了一组数据的离散程度。标准差越大，表示评论之间的不一致性越强;标准差越小，表示评论之间的一致性越强。由表5可以看出，销量标准差为3.330 675，数值较大，说明抓取数据合理。
3 图文呈现与在线评论不一致性对销量影响的实证分析基于上述理论与假设，建立图文呈现信息与在线评论内容不一致性对销量的影响模型[公式（4）]，为了体现图文呈现与在线评论不一致性离散度与销量之间呈现的倒“U”形相关关系，在模型中加入不一致性离散度的二次项。模型以图文呈现与在线评论不一致性和图文呈现与在线评论不一致性离散度为自变量，对销量进行回归，其中m表示第m个商品，各变量符号的含义如表6所示。
由表7可知，在建立的回归模型1～7中，拟合度逐渐升高，拟合度较高的回归模型7所采纳的变量为P232、ZP232、P32、P31、ZP22、ZP21、ZP32。
由表7、表8可知，模型7的调整R2=0.335，说明模型拟合效果良好;F=11.734
近年来，电子商务一直在不断地迅速发展，中国互联网络信息中心（CNNIC）最新发布的第43次《中国互联网络发展状况统计报告》显示，截至2018年12月，我国网民规模达到了8.29亿人，全年新增网民5 653万人，互联网普及率为59.6%，较2017年年底提升3.8百分点[1]，农产品的网络交易量也随之增加，庞大的网民群体为网络购物行为的研究提供了坚实的基础。
网络购物过程中的图文呈现与在线评论信息是影响消费者购买决策的重要因素。消费者在作出购买决策前，不仅会关注已购买者给出的在线评论，而且会参考商家给出的商品介绍详情页的图文呈现信息[2]。目前国内外学者在图文呈现、在线评论、在线评论不一致性与商品销量关系的实证研究方面做了很多有益尝试，在图文呈现方面，分析了图片数量和文本长度对销量的影响;在在线评论方面，探讨了在线评论之间的不一致性、在线评论与评分之间的不一致性对销量的影响，但目前尚未有学者针对图文呈现与在线评论不一致性对销量的影响进行研究。因此，本研究以淘宝网中的农产品（以苹果为例）为研究对象，挖掘影响消费者购买决策的图文呈现与在线评论的具体内容，分析图文呈现与在线评论的不一致性和不一致性离散度，构建图文呈现与在线评论不一致性对销量的影响模型，对影响农产品销量的因素进行分析，并向商家提出合理的建议。
1 研究变量与假设
喻亦爽将负面在线评论内容分为客服、物流、质量、色差和尺码等5类[3]。本研究基于其分类方法将图文呈现与在线评论的具体内容分为外在、口感、整体等3类。
1.1 图文呈现与在线评论不一致性
潜在消费者在作出购买决策前一般会浏览商品的产品呈现信息和在线评论内容，本研究所探讨的图文呈现与在线评论不一致性是指商家的图文呈现信息与消费者在线评论内容之间的差异。前人一般是针对在线评论与评分之间的不一致性进行研究，但在实际购物过程中，用户一般会同时参考图文呈现与在线评论，而图文呈现和在线评论之间的不一致性对销量产生怎样的影响，目前针对这方面的研究较少。Tsang等研究发现，当评论文本和星级存在不一致性时，用户会对评论者和商家的信誉等产生质疑[4];张艳芳研究发现，在线评论文本和评级的不一致性会降低产品销量[5]。基于以上分析，提出以下假设：图文呈现与初次评价外在（口感/整体）不一致性对销量产生负向影响（H1）;图文呈现与追加评价外在（口感/整体）不一致性对销量产生负向影响（H2）。
1.2 图文呈现与在線评论不一致性离散度
图文呈现与在线评论不一致性离散度指的是商家的图文呈现与用户文本评论之间差异的离散度，学者们常用标准差或方差来表示离散度[6]，离散度越大，说明不同消费者对商品持有的观点差别越大。在在线评论领域，关于评论离散度的研究尚未得到统一结论。Tang等认为，不一致的评论意味着产品在质量上的不稳定，不利于产品销售[7];而Sun认为，评论越不一致，产品越好，销量越高[8];Kim等研究发现，评论的不一致性对产品销量没有显著影响[9];黄敏学等通过引入产品属性及消费者调节意向解释了在线评论不一致性对消费者带来的双面影响[10];张艳芳研究发现，在线评论的离散度与商品销量呈倒“U”型相关关系，实际上，图文呈现与在线评论不一致性的离散度可能提高或降低产品销量[5]。基于以上分析，提出以下假设：图文呈现与初次评价外在（口感/整体）不一致性离散度呈倒“U”型相关关系，即当不一致性离散度处于较低水平时，商品销量随着离散度的增大而增大，而当不一致性离散度处于较高水平时，商品销量随着离散度的增大而降低（H3）;图文呈现与追加评价外在（口感/整体）不一致性离散度呈倒“U”型相关关系，即当不一致性离散度处于较低水平时，商品销量随着离散度的增大而增大，而当不一致性离散度处于较高水平时，商品销量随着离散度的增大而降低（H4）。
2 数据搜集与处理
由于本研究所探讨的农产品图文呈现信息与在线评论不一致性对销量的影响须要控制产品自带属性的差别，因此选取淘宝中“苹果”这类农产品作为研究样本。于2018年12月24—26日在淘宝网对苹果进行搜索，按销量排名爬取150个苹果商品的介绍详情页图片、在线评论、销量作为本研究的样本数据。
2.1 数据预处理
对产品呈现信息进行文字识别与分词处理，对在线评论文本进行分词处理。通过对处理之后的数据进行分析发现，卖家一般会从酸、甜、脆、粉面、多汁、酥、涩、丑、香、新鲜、皮厚、皮薄、核小、冰糖心、青、红和黄等17个方面来介绍自己的商品，卖家对每个商品的介绍和买家的评价通常会涉及其中几个方面，另外多数消费者还会根据这次的购物体验给出是否建议购买的整体评价。因此，本研究选择从这17个方面以及整体评价方面入手研究图文呈现与在线评论不一致性对商品销量的影响。
通过对上述17个方面进行分析发现，可以将其分为3类，即外在（丑、香、新鲜、皮厚、皮薄、核小、冰糖心、青、红、黄）、口感（酸、甜、脆、粉面、多汁、酥、涩）和整体等，因此本研究选择从外在、口感、整体等方面着手研究图文呈现与在线评论不一致性对商品销量的影响。
2.2 指标量化
不同的消费者在进行商品评论时，会采用不一样的词语描述产品相同特点，因此本研究人为地对描述产品相同特点的词语进行合并，将与图文呈现信息一致的在线评论中提及的词语赋值为1，不一致的词语赋值为-1，得到图文呈现与在线评论的不一致性赋值表（表1）。
运用Excel软件判断在线评论中是否含有表1中的字符串并对其进行赋值，对于不含表1中字符串的在线评论，赋值为0，否则赋值为1，得到在线评论特征值表（表2）。
式中：d（a，b）表示图文呈现与每条在线评论关于外在、口感、整体的不一致值;a表示消费者对产品外在、口感、整体中某一产品属性的评价分值;ai表示消费者对产品属性某一具体内容如甜、脆、多汁评价的分值; b表示商家图文呈现中某一产品属性的评价分值;bi表示商家图文呈现中某一产品属性具体内容如甜、脆、多汁的评价分值，bi=1;l表示产品属性所涉及的内容个数;d表示图文呈现与在线评论关于某一产品属性不一致性的平均值;dh表示第h条在线评论关于某一产品属性的不一致值;n表示每个商品对应的在线评论数，个;σ表示图文呈现与在线评论关于某一产品属性不一致性的标准差。 通过公式（1）计算得到每个在线评论与图文呈现在外在、口感、整体等方面的不一致值（表3）。
运用公式（2）和公式（3）计算每个商品对应的不一致值平均值与标准差，得到每个商品对应的图文呈现与在线评论不一致值的平均值和标准差（表4），其中平均值反映了在线评论与图文呈现的不一致程度，标准差反映了一组数据的离散程度。标准差越大，表示评论之间的不一致性越强;标准差越小，表示评论之间的一致性越强。由表5可以看出，销量标准差为3.330 675，数值较大，说明抓取数据合理。
3 图文呈现与在线评论不一致性对销量影响的实证分析基于上述理论与假设，建立图文呈现信息与在线评论内容不一致性对销量的影响模型[公式（4）]，为了体现图文呈现与在线评论不一致性离散度与销量之间呈现的倒“U”形相关关系，在模型中加入不一致性离散度的二次项。模型以图文呈现与在线评论不一致性和图文呈现与在线评论不一致性离散度为自变量，对销量进行回归，其中m表示第m个商品，各变量符号的含义如表6所示。
由表7可知，在建立的回归模型1～7中，拟合度逐渐升高，拟合度较高的回归模型7所采纳的变量为P232、ZP232、P32、P31、ZP22、ZP21、ZP32。
由表7、表8可知，模型7的调整R2=0.335，说明模型拟合效果良好;F=11.734