论文部分内容阅读
摘 要:基于淘宝购物平台,通过建立Probit模型对女性消费者购买决策进行实证分析。研究发现:商品价格对女性消费者购买决策存在显著负向作用;是否是天猫商城对购买决策有显著的正向影响;而网购页面中呈现的描述评价、服务评价、发货速度信息虽然对购买决策产生正向作用,但是影响不显著。此外发现女性消费者在购买商品时避免最低价格这一特性。
关键词:网购决策;女性;商品价格;在线评价
一、引言
伴随着网民规模的持续增长,近年来我国网络购物市场呈现爆炸增长之势。全国网络购物销售总额从2005年的150多亿元增长到2014年的2.7万亿元,10年增长近180倍,占社会销售总额的10%,网络购物已然成为促进销售增长的重要推动器。
与传统购物不同,网购时可同时进入不同的购物平台及不同的购物商家选购商品,能够很直观对比购物信息后做出购买决策。在网购的浪潮中,我们不难发现女性消费者占据了非常重要的地位,因此,研究和了解消费者,尤其是女性消费者的网络购物行为具有十分重要的意义。以淘宝购物平台为例,我们不难发现平台上有许多同款商品,其功能、图片等信息几乎一模一样,但是销售量却是千差万别。本文建立了计量模型对商品销售量与网购平台呈现的主要信息进行了实证分析,探讨商品的哪些信息会对消费者,尤其是女性消费者在网购过程中的购买决策产生影响,不仅是对女性消费者自身选择的一个认知,也可以帮助商家通过更好的了解女性消费者来制定营销策略。
二、数据的描述与变量的选取
1.研究对象选取
本文以女性服饰为研究对象,针对淘宝购物平台中的女性服饰的爆款,随机选取5件。所谓爆款就是很多商家同时销售的同一款服饰,同一款服饰介绍的图片信息等几乎是一样的,不同点在于不同商家的特点及销售价格不同。对象选取原因主要是:(1)女性爆款服饰是一种针对女性的一般商品,避免了消费者出于炫耀、收藏等情感因素进行购买而产生的购买决策的偏差;(2)爆款的功能、款式、材质等在信息平台上介绍几乎一致的。正因为商品的高度一致性使得商品本身的因素对消费者购买决策的影响较小。排除了消费者个人情感和商品本身可能对消费者决策产生的影响,这就为本研究更加准确地分析网购页面上呈现出来的信息对消费者购买决定的影响提供了条件。
2.数据描述与整理
在淘宝购物平台中搜索女性服饰,从中随机抽取出5件爆款,我们将其编号为爆款①—⑤。针对每一款,我们点击“找同款”,会发现每一款服饰都有几百个商家同时销售,因此我们选取这些商家的销售信息作为数据采集来源,并对一些异常值(如价格异常、系统显示异常)进行剔除,爆款①-⑤分别获得200个、119个、69个、55个、54个卖家平台信息,我们将这些作为变量的数据来源。
3.变量选取
在购物平台上的商品信息页面上,呈现出来的信息既有关于商品本身的,也有商品销售的。我们将商品锁定为同一款商品,控制了关于商品本身的信息,主要集中研究关于商品销售方面的主要信息。
(1)因变量
本文以月销售量为基础,构建一个虚拟变量d1作为研究模型的被解释变量,以月销售量100为界限来衡量消费者是否购买商品。
(2)自变量
在合理排除以上信息的基础上,本文初步选取了商品价格(P);描述评价(M);服务评价(FW);发货速度(FH);是否为天猫商城(T):天猫商城在一定程度上代表着商家的信誉保障与知名度。若商家为天猫商城,则取值为“1”,若不是天猫商城,则取值为“0”。
三、模型及结果
1.模型
以d1这一虚拟变量作为因变量,本文采用Probit模型对这种二元离散现象的数量分析,以求更客观地分析购物平台信息影响女性消费者购买决策的作用方向,更准确地测定其影响程度。
Probit概率模型的数学表述如下:
Y=β0+β1X1+…+βKXK+ε,Y=1,if y*i>=a0,if y*i 假设ε~N(0,1),故Y服从标准正态分布。
应用于本文,
d1=β0+β1P+β2M+β3FW+β4FH+β5T+ε,(1)
d1=1,if Q>=1000,if Q<100
其中,d1在这里表示消费者的购买决策,P代表商品价格,M代表商品描述评价,FW代表商品服务评价,FH代表商品发货速度,T代表商家是否是天猫商城,Q代表月销售量,ε为误差项。当Q>=100时,可观测变量d1即等于1(大部分人选择购买);当Q<100,则d1=0(大部分人不选择购买)。在此,假设ε独立于解释变量,且呈标准正太分布,从而影响女性消费者决策的Probit模型可表示为:
Prob(d1=1|P,M,FW,FH,T)=prob(Q>100|P,M,FW,FH,T)=Φ(β0+β1P+β2M+β3FW+β4FH+β5T)(2)
2.回归结果
将数据输入STATA/SE12.0统计软件,使用Probit模型进行robust回归得到结果,如表1所示。
四、结论与启示
1.研究结论
首先,利用Probit模型回归,从结果表1中我们可以发现这5组的回归结果中关于商品的价格都是呈现显著的负相关,表明随着商品价格的上升,消费者越倾向于不购买这个商品,尤其是对女性服饰这种替代性特别大的商品,消费者在网购时对价格是较敏感的,价格上升会抑制消费者的购买行为。对于商家是否是天猫商城,我们发现大部分系数呈现显著的正相关,这表明如果商家属于天猫商城,则女性消费者更容易购买商品,这也与我们平时的购买习惯相符,原因在于我们一般会认为天猫商城上的商品更值得信赖。而对于其他三个影响因素都是关于平台上关于商品的评价的信息(描述,服务,发货),我们不难看出,大部分系数是呈现正相关,很容易理解,消费者肯定是会倾向于购买评价好的商品。但是我们也发现一个问题,就是这些系数大部分都不显著,在这里笔者认为原因在于,现在由于各个商家在销售上施行好评返现等策略,使得在商品评价这一方面的信息上存在严重的信息不对称,评价不具有广泛的可信赖度,因此广大的消费者在购买商品时商品评价可以成为购买决策的影响因素之一,但不是首要考虑的因素。
其次,从月销售量与价格的数据关系中,我们可以大体看出,大的销售量主要集中在低价格区,以图1中爆款①与爆款的价格与数理的相关关系为例:
图1
这一结论与我们前面得到的结论一致;但是另一方面,我们可以发现大销量虽然集中于低价格区域,但不是最低价格,消费者往往避免选择最低价格。
2.营销启示
针对女性消费者这一巨大消费领域,面对令人眼花缭乱的网络商品信息,如何吸引更多的消费者,更加准确地捕捉消费者购买心理、引导消费者的购买决策,将是电商网站、购物平台和网络商店在网络经济浪潮中取胜的关键。
由于商品描述评价、服务评价、发货速度与销售量存在着正关系,因此卖家在网络页面中呈现商品信息时应该重点关注这几个因素,进一步增加消费者在这方面的参与度。但是另一方面由于现在的购物平台评价信息存在严重的信息不对称,需要购物平台、卖家与买家三方不断完善这一市场,尽量克服虚假信息与道德风险等问题。另外是否为天猫商城与销售量之前呈现正相关,商家应该在此受益与成本之间进行合理的权衡。同时也应对定价这个负面影响销售量的因素予以重视,尽量在同类商品中突出价格优势,但是女性消费者在购买商品时有避免最低价格的特征,商家也要在定价中考虑这一因素。(作者单位:中央财经大学)
参考文献:
[1] 秦军昌.消费者网购决策行为分析[J].商业物流,2014,3(2):1-2
[2] 周彦莉.网络消费者购买决策的信息结构研究[J].经济管理,2007.
[3] 郑昱.基于Probit模型的个人信用风险实证研究[J].上海金融,2009,10.
[4] 刘枚莲.电子商务环境下的消费者行为研究[J].2005.
[5] 张盼.网购用户在线行为分析-基于淘宝网的实证研究[J].2014.
关键词:网购决策;女性;商品价格;在线评价
一、引言
伴随着网民规模的持续增长,近年来我国网络购物市场呈现爆炸增长之势。全国网络购物销售总额从2005年的150多亿元增长到2014年的2.7万亿元,10年增长近180倍,占社会销售总额的10%,网络购物已然成为促进销售增长的重要推动器。
与传统购物不同,网购时可同时进入不同的购物平台及不同的购物商家选购商品,能够很直观对比购物信息后做出购买决策。在网购的浪潮中,我们不难发现女性消费者占据了非常重要的地位,因此,研究和了解消费者,尤其是女性消费者的网络购物行为具有十分重要的意义。以淘宝购物平台为例,我们不难发现平台上有许多同款商品,其功能、图片等信息几乎一模一样,但是销售量却是千差万别。本文建立了计量模型对商品销售量与网购平台呈现的主要信息进行了实证分析,探讨商品的哪些信息会对消费者,尤其是女性消费者在网购过程中的购买决策产生影响,不仅是对女性消费者自身选择的一个认知,也可以帮助商家通过更好的了解女性消费者来制定营销策略。
二、数据的描述与变量的选取
1.研究对象选取
本文以女性服饰为研究对象,针对淘宝购物平台中的女性服饰的爆款,随机选取5件。所谓爆款就是很多商家同时销售的同一款服饰,同一款服饰介绍的图片信息等几乎是一样的,不同点在于不同商家的特点及销售价格不同。对象选取原因主要是:(1)女性爆款服饰是一种针对女性的一般商品,避免了消费者出于炫耀、收藏等情感因素进行购买而产生的购买决策的偏差;(2)爆款的功能、款式、材质等在信息平台上介绍几乎一致的。正因为商品的高度一致性使得商品本身的因素对消费者购买决策的影响较小。排除了消费者个人情感和商品本身可能对消费者决策产生的影响,这就为本研究更加准确地分析网购页面上呈现出来的信息对消费者购买决定的影响提供了条件。
2.数据描述与整理
在淘宝购物平台中搜索女性服饰,从中随机抽取出5件爆款,我们将其编号为爆款①—⑤。针对每一款,我们点击“找同款”,会发现每一款服饰都有几百个商家同时销售,因此我们选取这些商家的销售信息作为数据采集来源,并对一些异常值(如价格异常、系统显示异常)进行剔除,爆款①-⑤分别获得200个、119个、69个、55个、54个卖家平台信息,我们将这些作为变量的数据来源。
3.变量选取
在购物平台上的商品信息页面上,呈现出来的信息既有关于商品本身的,也有商品销售的。我们将商品锁定为同一款商品,控制了关于商品本身的信息,主要集中研究关于商品销售方面的主要信息。
(1)因变量
本文以月销售量为基础,构建一个虚拟变量d1作为研究模型的被解释变量,以月销售量100为界限来衡量消费者是否购买商品。
(2)自变量
在合理排除以上信息的基础上,本文初步选取了商品价格(P);描述评价(M);服务评价(FW);发货速度(FH);是否为天猫商城(T):天猫商城在一定程度上代表着商家的信誉保障与知名度。若商家为天猫商城,则取值为“1”,若不是天猫商城,则取值为“0”。
三、模型及结果
1.模型
以d1这一虚拟变量作为因变量,本文采用Probit模型对这种二元离散现象的数量分析,以求更客观地分析购物平台信息影响女性消费者购买决策的作用方向,更准确地测定其影响程度。
Probit概率模型的数学表述如下:
Y=β0+β1X1+…+βKXK+ε,Y=1,if y*i>=a0,if y*i 假设ε~N(0,1),故Y服从标准正态分布。
应用于本文,
d1=β0+β1P+β2M+β3FW+β4FH+β5T+ε,(1)
d1=1,if Q>=1000,if Q<100
其中,d1在这里表示消费者的购买决策,P代表商品价格,M代表商品描述评价,FW代表商品服务评价,FH代表商品发货速度,T代表商家是否是天猫商城,Q代表月销售量,ε为误差项。当Q>=100时,可观测变量d1即等于1(大部分人选择购买);当Q<100,则d1=0(大部分人不选择购买)。在此,假设ε独立于解释变量,且呈标准正太分布,从而影响女性消费者决策的Probit模型可表示为:
Prob(d1=1|P,M,FW,FH,T)=prob(Q>100|P,M,FW,FH,T)=Φ(β0+β1P+β2M+β3FW+β4FH+β5T)(2)
2.回归结果
将数据输入STATA/SE12.0统计软件,使用Probit模型进行robust回归得到结果,如表1所示。
四、结论与启示
1.研究结论
首先,利用Probit模型回归,从结果表1中我们可以发现这5组的回归结果中关于商品的价格都是呈现显著的负相关,表明随着商品价格的上升,消费者越倾向于不购买这个商品,尤其是对女性服饰这种替代性特别大的商品,消费者在网购时对价格是较敏感的,价格上升会抑制消费者的购买行为。对于商家是否是天猫商城,我们发现大部分系数呈现显著的正相关,这表明如果商家属于天猫商城,则女性消费者更容易购买商品,这也与我们平时的购买习惯相符,原因在于我们一般会认为天猫商城上的商品更值得信赖。而对于其他三个影响因素都是关于平台上关于商品的评价的信息(描述,服务,发货),我们不难看出,大部分系数是呈现正相关,很容易理解,消费者肯定是会倾向于购买评价好的商品。但是我们也发现一个问题,就是这些系数大部分都不显著,在这里笔者认为原因在于,现在由于各个商家在销售上施行好评返现等策略,使得在商品评价这一方面的信息上存在严重的信息不对称,评价不具有广泛的可信赖度,因此广大的消费者在购买商品时商品评价可以成为购买决策的影响因素之一,但不是首要考虑的因素。
其次,从月销售量与价格的数据关系中,我们可以大体看出,大的销售量主要集中在低价格区,以图1中爆款①与爆款的价格与数理的相关关系为例:
图1
这一结论与我们前面得到的结论一致;但是另一方面,我们可以发现大销量虽然集中于低价格区域,但不是最低价格,消费者往往避免选择最低价格。
2.营销启示
针对女性消费者这一巨大消费领域,面对令人眼花缭乱的网络商品信息,如何吸引更多的消费者,更加准确地捕捉消费者购买心理、引导消费者的购买决策,将是电商网站、购物平台和网络商店在网络经济浪潮中取胜的关键。
由于商品描述评价、服务评价、发货速度与销售量存在着正关系,因此卖家在网络页面中呈现商品信息时应该重点关注这几个因素,进一步增加消费者在这方面的参与度。但是另一方面由于现在的购物平台评价信息存在严重的信息不对称,需要购物平台、卖家与买家三方不断完善这一市场,尽量克服虚假信息与道德风险等问题。另外是否为天猫商城与销售量之前呈现正相关,商家应该在此受益与成本之间进行合理的权衡。同时也应对定价这个负面影响销售量的因素予以重视,尽量在同类商品中突出价格优势,但是女性消费者在购买商品时有避免最低价格的特征,商家也要在定价中考虑这一因素。(作者单位:中央财经大学)
参考文献:
[1] 秦军昌.消费者网购决策行为分析[J].商业物流,2014,3(2):1-2
[2] 周彦莉.网络消费者购买决策的信息结构研究[J].经济管理,2007.
[3] 郑昱.基于Probit模型的个人信用风险实证研究[J].上海金融,2009,10.
[4] 刘枚莲.电子商务环境下的消费者行为研究[J].2005.
[5] 张盼.网购用户在线行为分析-基于淘宝网的实证研究[J].2014.