李 清，张 波，段习贤

（天津职业技术师范大学经济与管理学院，天津 300222）

网购中，影响商品销量的因素是商家和平台都很关注的内容。从销量的影响因素的分析结论看，赵占波等[1]通过贝叶斯泊松回归模型，得到了产品负向影响销量的结论。徐敏[2]将地理位置因素引入模型，对比了地理因素和信誉因素对卖家销量的影响作用，采用泊松回归、负二项回归和零膨胀负二项回归这3 类计数数据分析模型，分析了信誉对销量的作用。郭功星[3]分析了商品的收藏量、评分次数和好评数对消费者的购买决策存在显著的正向作用；商品的定价和分享量对销售量存在显著的负向影响；而网购页面中呈现的浏览量、评价分数、中评数、差评数和优惠情况方面的信息并不会对消费者的购买决策产生显著影响。许启发等[4]采用门限分位数回归的方法，建立了门限分位数回归模型，揭示商品价格、商家信誉评分、商家信誉等级、保障标记数量、商品收藏人气、口碑数量和口碑分数等对销量的非线性异质影响，得出了商家的信誉等级、口碑数量、收藏人气和一定价格范围内的提价对低销量商家的销量有促进作用的结论。胡林枫等[5]用眼动实验的方法，得出了综合排序减弱了由历史销量所引起的羊群行为的产生，描述了综合排序的重要性，但并未对销量和位置间的关系做进一步的定量分析。外文文献中，Ren 等[6]采用格兰杰因果检验方法，跟踪研究亚马逊网站的商品销售数据，得到了在线消费者评论量与销售额之间存在因果关系的结论。Aidilia等[7]采用多元线性回归的方法，研究了印度尼西亚的消费者在线购物行为，得到了网络营销和价格感知共同影响购买决策的结论。

综上所述，现有文献中，学者的研究大多集中在销量与商品的价格、店铺的信用、收藏、口碑以及以往的销量与现有销量的关系上，有关价格与销量关系的研究中，得到的结论都是价格和销量负相关的结论，缺乏网站综合排序对销量影响的定量研究。本文把综合排序纳入研究，并重点考察价格对销量的影响，以及同页商品的上下位置对销量的影响。

1 研究方法及变量选取

研究采用了加权线性回归的方法。作为应变量的当月销量数据变动范围较大，全距892 个，因此将其作为连续变量，用多元线性回归比较合适。把价格、商品排序、价格乘以商品排序、商品外观描述、商品所处页数、商品在本页中的位置等变量纳入其中，得出回归模型并做初步线性回归，拟合度较好；计算残差，做残差和应变量的散点图为漏斗形，测定为非定方差。因此，采用加权线性回归消除非定方差的影响，得到最终回归方程。

对于网购中价格是否是最重要的因素，本文持怀疑态度，在研究中有必要做重点考察。因为电子商务中的销量受到诸多因素的影响，如商家综合运用宣传促销等手段，可以诱导消费者购买商品，价格只是众多因素之一。从常识可知，即便价格更低，但考虑到极端情况，排序过于靠后，可能没有展示的机会，价格也就失去了对消费者有效的购买激励，销量也不会乐观。

1.1 选取的变量

综合考察了文献[1-14]中所选取的变量，结合主要研究的主题，本研究选取如下变量作为模型的解释变量。

（1）商品的综合排序。商品的综合排序即购物网站默认的商品排序序号，也是用户进入搜索到的商品页面后，第一次看到的页面里的商品，好比商店中摆在最显要位置上的商品。虽然没有学者对该变量进行推断统计研究，但根据直觉判断，猜测对商品的销量应该会有影响，于是选取这个指标，以考察其和应变量的关系以及其和价格的交互作用。

（2）商品价格。经济学认为，在完全竞争市场中，商品的价格和商品的销量是反向的关系。因为信息的透明性，电子商务比以往任何经济形态更接近于完全竞争状态，理论分析中，价格应该比较明显地和销量存在负相关，因此纳入模型中。

（3）商品所在页的序号。因为并不是每个浏览者都会点击下一页，因此猜测前页的商品比后页的商品有更多的曝光率，进而猜测商品所在页越靠前，销量也会越好，因此纳入模型中。

（4）商品外观的图片展示效果。网购商品的外观以及图片展示的效果，对商品的销量应该有促进作用，因此纳入模型。操作上，通过从事电子商务10 年以上的3名专家对商品图片打分，取平均值后并取整，取值为1～3分。分数越高，代表商品外观的图片展示越好。

（5）商品在本页中的位置。胡林枫等[5]通过眼动实验的结果，证明了浏览者综合排序下，消费者在处理产品搜索结果页面时，主要采取自上而下的浏览方式。把商品在本页中的位置纳入模型，能以不同的方法验证这一结论。操作上，把每页的商品分成上、下两部分，上部分取值为0，下部分取值为1。

1.2 未选取的变量

（1）好评率。好评率有2 种体系，一类是对于淘宝的一般店铺，可以通过计算得到客户给出的好评数量占所有顾客评论总数的百分比；另一类是针对天猫店铺的商品，考核商品描述相符的程度，5 分为满分。这2 种体系都存在一个共同的弊端，只有购买成功的客户，才有权对商品做出评价。这样把对商品最不满意，而选择退货的客户拒之门外，他们没权限对商品做出评价。使得好评率难以反映商品的真实得分，这从调研的数据中也可以看到，大多数的商品得分在4.8～4.9，数据分析很难显著。于是没有采纳好评率的数据。

（2）店铺信用。店铺信用是淘宝平台为第三方销售者建立的一个信用体系。本质上，是店铺从开店以来，所有出售商品的累计销量减去所有差评的数量。这个指标可以反映店铺的销售能力。理论上，因为商品默认好评等规则的影响，只要销售数量足够多，店铺的信用值就会越来越大，这样就难以反映店铺在消费者心中的真实信用。

2 数据采集与数据清洗

研究以淘宝网为数据采集来源，选取淘宝网上截止到2020 年12 月31 日的古琴乐器的销量、交易等相关数据。选择古琴的原因有：①古琴是近几年来兴起的乐器，各品牌在购买者中没有形成有效的品牌和口碑影响力，这也导致了古琴品牌数量众多，截止到2020 年12 月31 日，注册的商标有104 个[15]，各品牌之间还处在无序竞争中。②古琴本身差异化很小，琴体只有桐木或杉木2 种，产品本身差异能够较好地控制。

为了避免材质的不同而产生的差异化，数据的采集是在淘宝网上搜索杉木古琴。当前的爬虫程序只能获得网页上展示的数据，无法自动计算商品的排序值，所以采用人工搜索的方式进行数据采集，且人工搜索的好处是可以把展示页中不准确的商品剔除，以免影响数据分析。

采集的内容为5 个变量：30 d 的销量数据、过去180 d 的历史销量、商品的价格、排序以及商品的描述与外观（古琴是个性化的商品，个人的喜好差异较大，外观的评分仅代表专家组的评分，从统计学上讲，不显著不能证明外观对商品的销量无影响）。

共收集了前5 页共223 份数据。这是由于：①后面页的古琴销售数量较小。②223 份的数据量已经在变量个数10 倍以上，符合统计学的要求。在收集数据中，排除了自然排序不准确的商品。此外，对奇异值做了剔除处理。共收集数据223 份，搜索的结果中，有6份数据不是古琴，而是做琴的材料，因此被排除在外。淘宝店铺为了销售，存在刷信用的现象，必须把这些非真实的交易尽量剔除。对于历史销量较少，而本月销量突然增大的数据，视为奇异值。同时，本月销量明显低于累计平均销量的个案，可能是由于商家自身供货不足等原因导致，也一并剔除，共剩余有效数据137份，描述统计如表1 所示。

表1 去除奇异值后的描述统计

3 多元线性回归分析

3.1 建立回归模型

采用SPSS 软件，把1 个月内的销量sales_now 作为因变量，选取逐步的方法做线性回归，共得到3 个模型。各模型的相关参数、方差分析表、模型的R2汇总分别如表2、表3、表4 所示。

表2 各模型的相关参数

表3 方差分析表

表4 模型的R2 汇总

第3 个模型调整R2值最大，选第3 个模型。其R2为0.793，说明模型有较好的解释度。在第3 个模型中，常量、前180 d 销量、综合排序以及本页位置4 个系数在0.05 显著水平下的显著性分别为0.001、0.000、0.000、0.001，均小于0.05，系数有统计学意义。3个变量的共线性指标VIF 分别为1.226、1.143、1.085，均小于10，变量间的共线性程度在可接受范围内。

3.2 方差齐性检验

做残差分析图，考察方差齐性。残差分析图如图1所示。由图1 可知，残差呈现漏斗形，说明方差是非齐性的，不符合线性回归的前提假设，需要对模型进行修正。

图1 残差分析图

3.3 模型的修正

采用加权最小二乘法，经过多次迭代，得到较为稳定的模型。R2值为0.756，自变量对因变量有较高的解释程度，模型有较好的效果。加权后模型3 的R2值、方差分析表、系数及共线性分别如表5、表6 和表7所示。

表5 加权后模型3 的R2 值

表6 加权后模型3 的方差分析表

表7 加权后模型三的系数及共线性

得到最终模型表示为

式中：Y 为当月销量；X1为前180 d 的销量；X2为综合排序；X3为商品在本页中的位置。

从解释程度上看，对当月销量影响最大的是X1，即前180 d 的销量，这可以用消费者的从众心理解释。个体在群体的影响或压力下，放弃自己的意见或违背自己的观点，使自己的言论、行为与群体保持一致的现象，即通常所说的“随大流”。而从众行为，一般指群体成员的跟从群体的倾向行为。当网购者发现自己的意见与大多数人不一致时，会怀疑自己的判断，促使其采取与其他网购者一致的行为。但这并不能解释网购者所有的购买行为，购买行为还受到综合排序的影响，因为人的惰性，当网购者看到网站推荐给自己的商品满足其意愿时，不愿意再点击按销量排序，从而抵消了销量排序的影响力。

值得注意的是，综合排序和商品的销量呈负相关的关系，即综合排序越靠后，销量越低，该结论与常识一致。在综合排序的同样页面中，对于同一个页面的众多商品，下面的商品比上面的商品更能吸引消费者采取购买行为。而在同样页面中，页面上半部分的商品比下半部分的销量更高。此外，商品的展示图外观对商品销量影响不显著，商品的价格对销量的影响不显著。

4 结论及建议

本文采用回归分析方法，证明了综合排序对购物者的购买行为有正向的影响，而在同样页面中，页面上半部分的商品比下半部分的销量更高。学者胡林枫等在眼动实验中得到的结论：在同页的商品中，消费者是自上而下浏览的，主要把注意力集中在位置靠前的高销量产品上，而对排序靠后的低销量产品的关注显著减少。导致这个现象的原因是：淘宝平台商品搜索得到的页面第一排是广告位，由于对网络广告的排斥，导致部分消费者养成了更喜好跳过顶部的广告商品，而直接看中下部商品的习惯，从而页面下半部分的商品销量反而高于页面上半部分的销量。

对于价格影响不显著的原因的理论解释为：虽然电子商务中，消费者可以利用互联网充分了解商品的价格等信息，但由于搜索成本的制约，消费者不会为买一个商品而搜尽所有的商品信息，因此导致排序靠后的商品很难被搜索到，即便降价也很难被消费者关注，这是导致在小样本中，价格对销量影响不显著的一个重要因素。

研究表明，商品的历史销量对本月销量起到了最主要的作用，网购中商品的价格对销量的影响不显著。因此，作为淘宝类平台的网上店铺，应该把网络营销的重点放在综合排序、历史销量以及在页面中的位置上。