网购平台中的消费者从众行为研究

朱意明

（东南大学经济管理学院，江苏 南京 210000）

在网络平台使用过程中，决策是一项复杂且反复的任务。目前各大B2C、C2C平台均已具备信用评价体系，目的在于让消费者能够有效的搜寻到与其需求匹配的优质产品。网络平台的设计初衷是为了降低交易成本和进入壁垒，以便促成更多交易，形成共赢局面。但由于互联网的虚拟属性，网络交易的非人格化特征、时空不一致性，放大了网络市场中的信息不对称问题，导致网络市场和传统市场存在较大差异。一方面，网络购物虽然快捷方便，但搜索成本较高，消费者网购时依赖搜索方式和商品排序；另一方面，对于网购平台来说，从众心理可以诱发消费者集中购买，突破平台销售极值。

一、文献综述

从众一词起源于心理学，在20世纪90年代延伸到金融和营销领域，现在普遍将从众定义为自身根据他人的行为而做出的行为或信念的改变。

已有文献对网络购物平台上的消费者行为进行相关实证研究。Kalyanam和McIntyre选择eBay平台上个人数字助理作为研究对象，发现卖家声誉对成交价有正向影响，且差评影响远大于好评影响；Huang通过研究Amazon网站上图书销售情况发现，销售量、评论量能够对消费者购买决定有显著影响，Chen研究图书的星级和销量，也得到类似结论。周黎安（2006）对易趣平台上的声誉机制进行研究，发现信用值高的卖家的成交价格也高。本文将通过爬虫软件抓取网购平台面板数据，并对国内网络购物平台中对从众行为的调节因素进行研究，对网络平台中消费者从众行为研究起到一定的补充作用。

二、研究方法与设计

根据对网购决策中从众行为理论基础和已有文献的结论梳理，在面临信息不对称、搜寻成本高等不确定情况下，消费者往往会将其他消费者在前期已做出的决定作为自己决策的依据，放弃私有信息，并通过模仿他人行为规避损失，从而产生从众行为，即羊群效应。鉴于此本文提出以下假设：

假设一：商品的当期新增评论数量与历史累计评论数量正相关。

假设二：商品的好评率、店铺的综合得分对消费者购买决策无显著影响。

假设三：输入商品名称后的默认排序与商品的当期新增评论数量负相关。

假设四：商品是否为国行版本可以调节累计评论数量对消费者购买行为的影响。

三、数据来源及变量选择

（一）数据来源及抓取

本文采用Python爬虫框架对目标网络平台中商品具体的HTML网页相关数据进行抓取，得到相关变量，并对数据进行筛选、清洗后建立面板回归模型并进行相应分析。

网络爬虫数据抓取的目标网站为苏宁易购（suning.com），选择原因有三：一、苏宁入驻商家须为正式注册企业，准入条件较高，一定程度上可避免山寨假货；二、苏宁易购的优势在于家电、3C产品，交易活跃。为了保证商品同质和数据的丰富性，本次研究的目标商品为苹果手机中的最新型号iPhone X。在苏宁易购搜索关键字“iPhone X＋256G”后，利用网络爬虫得到商品的详细信息，并通过清洗、筛选、标准化等手段对数据进行处理，再利用Stata软件进行相关分析。

具体的数据抓取过程分四次进行，为避开节日扰动，每次抓取时间相隔一周，且不包含国家法定假日、开学季或平台大促等特殊情况，具体的抓取时间分别为2018年3月10、17、24、31日。利用网络爬虫得到的数据中主要包含两类信息：商品信息、店铺信息。商品信息包括商品具体名称、页面网址、搜索界面的位置排序、价格、折扣（满减、云钻返还、大聚惠等等）、评论数量以及商品好评率。考虑到苹果手机虽然质量相同，但仍有国行港行等区别，故对商品名称进行关键字提取，确定版本（即是否国行）信息。店铺信息包括是否苏宁自营、店铺评分。

四次抓取分别获得92、114、146、191组数据，第四次抓取的数据用来计算商品在第三期的新增评论数量，如此便得到共计三期的增量数据。将抓取所获数据进行匹配，剔除在抓取过程中新上架的商品，以及存在商品下架、商品更换、无货等情况的数据，并删除在最后一次抓取时仍没有评论的商品数据，最终得到有效数据55组。

（二）描述性统计

本文的被解释变量为商品的当期新增评论数量（CA），解释变量包括累计评论数量(C)、商品特征(TP)、搜索排序(O)、价格因素(P)、店铺评分(S)、商品好评率(R)、折扣信息(DA)。作为被解释变量的新增评论（CA）差异较大，最大值为12866，最小值为0，呈现明显的长尾效应，初步验证消费者网购时的羊群效应假设。评价方面，好评率均值98%，店铺评分均值4.85，消费者总是倾向于给出好评，这与中国传统文化中的“和为贵”思想也有一定关系。

表1 描述性统计

四、实证分析及结论

（一）相关性分析

由于变量中包含分类变量，所以对数据进行Spearman相关性分析，限于篇幅限制详细结果略。

因变量与主要自变量都是显著相关的，其中新增评论数量（CA）与累计评论数量（C）相关性高达0.79，且在1%水平上显著，初步验证从众行为的存在；新增评论数量（CA）与在售价格（P）、搜索后排序（O）的相关性分别为0.19、0.20，且在1%水平上显著，表明价格和商品排序也显著影响消费者选择，这与iPhone X的高价商品较大价格弹性特征符合；评论数量（C）?与搜索排序（O）的相关性说明消费者在决策时比较依赖平台显示规则，侧面印证从众行为的存在。

（二）Tobit模型分析

单次数据抓取得到的截面数据往往无法体现出个体效应，也无法分析变量之间的动态关系。由于手机属于耐用消费品，日成交数量较少，有些店铺可能存在某一期新增成交数量为0的情况，固定效应模型或随机效应模型的参数估计可能会出现一些误差，故本文将采用随机效应的Tobit模型进行分析。

在对网络爬虫抓取到的数据进行处理后，本文利用Tobit随机效应模型对第三节中提出的研究假设进行实证研究。模型以累计评论价格为因变量，对影响消费者在网络购物时的从众行为的变量进行验证。在分析过程中，对部分变量进行取对数、标准化处理，并建立以下Tobit模型:

其中Si,t代表因变量，Xi,t为解释变量，Ci代表第i个个体的影响因素，ui,t为扰动项。

表2 Tobit模型回归结果

Tobit模型的回归结果如表中所示，累计销量对消费者当期购买决策在0.001水平下显著，这表明消费者的购买行为受到之前其他消费者购买行为的影响，也就是对商品有从众行为。累计评论数量越多，越能激发消费者的购买欲望，同时我们的分析对象iPhone X属于价格较高的耐用消费品，消费者在选择商品时往往会将他人的行为纳入考虑因素中，以防止信息不对称带来的损失，这一结果与直观感受和已有文献结论一致，假设1成立。

商品好评率、店铺综合评分对当期新增评论数量影响为正，前者影响不显著，后者则在1%水平上有显著影响，假设2部分成立。消费者对商品好评率不敏感，但对店铺评分重视，一方面，四次数据抓取中持续在售的链接仅55组，说明商品更迭、下架再上架的情况较多，商品更替频繁、累计评论少时好评率可供参考意义不大；另一方面，根据苏宁易购平台规则，店铺综合评分则是从店铺成立算起，所有成交过的客户（平台累计成交5次以下者暂不计入）打分综合评价而成，商家私自操作的可能性小，数据更真实。

搜索默认排序对消费者购买行为影响不显著，相关系数为负，这与之前的假设3恰好相反。根据苏宁的搜索排序规则，默认排序综合评价并对新上架产品有扶持政策，但消费者可能由于“广告位”现象对默认排序产生抵触情绪，假设3不成立。

是否国行版本对消费者行为无显著影响，但TP与C交互项对当期新增评论量有显著的正向影响，且在0.001水平上显著，并且在加入交互项后模型中原有系数和显著性没有变化，这表明当手机非国行版本，即不享受全国联保时，消费者需要额外花费时间精力来筛选、辨别商品信息，处于降低搜寻成本考虑，消费者在购买海外版iPhone X时的从众行为更明显。假设4得到验证。

除此之外，价格对当期新增评论数量有一定的负向影响，“大聚惠”、“定金团”等标签对消费者行为则无明显影响，原因在于这类标志往往只起到提示作用，消费者更看重的是当期绝对价格。是否苏宁自营也对消费者行为有显著影响，这与苏宁线上线下双布局模式有关，实体店自提服务、苏宁售后保障也对消费者有较强吸引力。

五、结论及意义

本文通过实证研究消费者网购时的从众行为，得出以下主要结论：消费者存在明显的从众行为，即当期新增评论数量显著受累计评论数量影响；手机版本对消费者的从众行为有显著影响，当手机为海外版本时，从众行为更明显；商品好评率对消费者购买影响不显著，店铺评分对消费者影响显著，商品热度比口碑对消费者行为的影响更强；商品价格、是否苏宁自营也对消费者的购买行为有显著影响。

对于商家来说，一方面，应该在商品上架早期推出具有吸引力的优惠促销活动，以早期积累的人气吸引后期的消费者进行跟随购买，如此商品将持续保持热度，并形成良性循环，从众行为的存在使商品销售有可能突破极值。另一方面，消费者的从众行为带来的马太效应可能会使一些前期销量、评论较少的优质商家热度越来越低。虽然商品好评率对消费者影响不显著，但店铺综合评分的影响较显著，且平台中商家评分会同时显示店铺评分高于或低于同行，商家也可以通过店铺评分吸引客户。

由于时间、精力有限，本文样本量较小且未能对目标商品进行持续高频抓取，每次抓取时间间隔较长导致商品下架、失效、新上架情况较多，样本量规模不大，精确度不够高。未来可以对平台进行每日抓取，以获得更精准的结论。