电商品牌营销与消费者在线体验的关系

内容摘要：在线评论是电商消费中非专业性和低涉入度消费者的重要信息来源。本文构建电商品牌营销效益、成本与在线评论的互动关系理论分析框架，并以京东商城某品牌家电厨卫产品的消费者在线评论数据为研究对象，实证分析电商品牌营销与消费者在线体验互动关系。基于实证结论，本文提出相关对策建议。

关键词：品牌营销；在线评论；有用性；互动关系

相关文献综述

目前围绕消费者在线评论影响电商品牌营销的相关研究主要集中在网络评论对消费者福利的影响，以及电商品牌营销中的非真实消费者在线评论识别等方面。孟美任和丁晟春（2013）基于电商品牌营销中的消费者匿名在线评论进行了研究，认为关于品牌效应的真实消费者互动反馈能够产生显著的品牌差别效应，并提升忠诚消费者对负面在线评论内容的耐受度。郑春东等（2015）通过构建中介效应模型，实证检验了网络水军在线评论对电商营销中的消费者购买行为的影响，研究发现网络水军的在线评论在数量上能够对电商品牌效应产生显著影响，这也是众多电商在品牌推广初期雇佣网络水军进行评论宣传的主要动因。韩心瑜和张向达（2018）重点研究了电商品牌营销与消费者在线体验的互动关系，通过对电商品牌营销中的消费情感互动分析发现，消费者的品牌信任度是基于其感知的易用性，同时易用性与有用性增强了消费者与品牌营销的重复互动关系，最终形成忠实的消费者购物行为。可以看出，消费者在线评论影响电商品牌营销已经成为广大学者研究的共识，但目前鲜有文献通过实证方法检验电商品牌营销中在线评论信息的感知有用性问题。有鉴于此，本文以京东商城家电产品的在线评论数据为研究对象，实证分析电商品牌营销与消费者的在线体验互动关系。

模型构建与变量选择

（一）理论分析框架

Zhang等（2006）基于在线消费行为以及网络反馈机制构建了消费者在线评价影响消费行为的异质性理论分析框架；Sun（2012）在此基础上完善了网络评论方差较大产品的品牌营销中介模型。本文沿用该思路并对我国电商交易市场规模较大的京东商城家电产品消费者在线评论内容进行数理化处理，深入考察消费者在线评论感知有用性因素。具体理论分析框架如下：假设消费者在线消费的同质品牌产品只有两种，分别是x和y，并由厂商X和Y进行供货。其中，x产品在生产中存在一定的非合意产出z，而Y厂商在生产y产品上不存在非合意产出。消费者的消费价格以y产品为基准计价物，则消费价格为：Py=1，Px=P。在x和y产品的在线评价中存在G的好评反馈和B的差评反馈，设定厂商X和Y在生产同质产品中存在的市场报酬分别为r和w，存在的要素报酬分别为G_和B_，则消费者在线评价对品牌营销产生的技术影响为：F(g,b)=gδχbχ1-δ，z=x=F(gχ，bχ)，y=H(gy，by)=gβyby1-β在消费市场规模报酬不变的条件下，X和Y厂商的品牌营销是投入要素的单调递增凹函数。基于非合意产出在不同厂商间存在差异，因此X厂商在品牌营销的非合意产出方案应控制技术影响中θ的比例，即增加x产品的在线好评，据此可以推断出X厂商的合意营销与非合意营销中的综合性技术影响框架模型为：x(gx,bx)=F((1-θ)gχ，(1-θ)bχ)=(1-θ)F(gχ,bχ)=(1-θ)gδχbχ1-δ，z=φ(θ)F(gχ,bχ)上式中，φ(θ)为消费者在线好评G转换成的品牌营销效果，φ(θ)=(1-θ)1/α，0<α<1。与此同时，X厂商在生产中的非合意产出z存在的非在线评论品牌营销影响为：z=φ(θ)F(gχ,bχ)=(1-θ)1/αF(gχ,bχ)=(1-θ)1/αgδχbχ1-δ电商X对产品x的净营销函数为：χ=zαF1-α=zα[gδχbχ1-δ]1-α根据企业生产成本最小化和利益最大化原则，在消费者在线评价约束下的X和Y需要控制θ中g和b投入产出的最优，即在消费者在线评论g和b中满足以下约束条件：电商X在实际营销中的非期望产出z必然面对消费者在线评论中一定比例的差评内容，消费者在线差评与品牌营销成本存在正比例关系，即电商X在产品x的净营销函数中需要投入更多的要素来弥补营销效果的下滑。假设λ为非合意产出z在线差评的单位纠正成本，则x产品的新成本函数为：在满足电商交易市场自由进出的零利润条件下，通过求导成本函数可以得出x产品的消费者在线差评纠正密度函数为：e=z/χ=αp/γ≤1。

（二）研究变量设计

消费者的电商消费在线评论内容十分丰富，其中既包括了对产品使用的概括性差评与好评，也包括了评论长度、有用性投票等能够有效反映消费者感知与满意度的情感评论。本文借鉴赵锴等（2018）和杨东红等（2019）对消费者在线评论的量化研究方法，选择京东商城消费者在线评论中的评论长度、有用性投票及评论回复数为本文实证检验的三类消费者在线评论指标。具体如下：评论长度：主要指消费者在两个电商平台各品牌消费后在线评论内容的字数。唐晓波（2014）、朱娟（2017）和曲佳彬（2018）等众多学者的研究表明，电商消费的用户评论内容包含了对购买相关产品或服务的丰富程度，而评论字数的数量能够有效体现消费者对电商品牌营销的情感接受或反馈态度。因此，本文把消费者在线评论的评论长度作为实证检验的核心解释变量之一。有用性投票：主要指京东商城针对电商品牌营销设置的用户有用性投票数据。杨东红等（2019）研究消费者在线评论的有用性投票时发现，该指标能够让电商品牌营销商更好地对市场消费者进行忠诚度的筛选；Mudambi S.M.等（2014）研究也发现有用性投票对电商体验类产品的品牌营销能够提供客观有效的决策依据。基于此，本文把电商品牌营销有用性投票作为另一核心解释变量。评论回复数：主要指消费者在京东商城进行电商品牌产品消费发表评论后引发的其他同类产品消费者或潜在消费者的互动回应个数。李中梅等（2017）和曲佳彬（2018）等学者在研究消费者在线评论的评论回复有效性中发现，电商消费后产生的消费者在线好评对产品销售影响一般，而附带图片的中评或差评能够引起更多其他消费者的互动回复，并向潜在消费者传递明显的消费决策信号。因此，本文把电商品牌营销中消费者在线评论后的回复数作为又一核心解释变量。

（三）数据抓取与处理

在数据获取与处理方面：本文使用网络爬虫软件，以2018年京东商城中某品牌家庭厨卫类产品的消费者在线评论为研究对象，分别抓取平台品牌类家电消费评论内容中的好评、中评和差评。由于消费者在线评论中的形式和内容复杂多样，且存在大量的无效评论，为提高研究的准确性，本文采取的处理方法如下：删除操作：对评论内容毫无意义，如“无”等以及“此用户未进行评论”的在线评论进行删除；筛选操作：对评论内容多，且明显重复或者为广告的在线评论进行筛选；分箱处理：根据MDLP熵分组分箱法把消费者在线评论中的非连续自变量数据进行分类处理，进行MDLP 熵分组。其中，消费者在线评论的信息增益为前后的信息熵之差，且信息增益越大则分组更有效。实现分组有效的信息增益条件如下：Gains(X,T,S)>log2(N-1)/N+(X,T,S)/N经过数据爬虫的抓取和处理，最终得到本文实证检验的关于电商品牌营销产品消费者在线评论118842条，其中好评数量为87944条，中评数量为10695条，差评数量为20203条。

电商营销中消费者在线评论信息感知有用性实证检验

（一）基准回归

本文以处理后的在线评论数据为解释变量，以该品牌的销量为被解释变量，采用稳健的OLS 模型对消费者在线评论信息感知有用性进行分类基准回归，检验结果如表1所示。根据表1回归结果，模型（1）显示消费者总体的在线评论及方差对京东商城家电产品的品牌营销产生显著影响，说明了在线评论中的评论长度、有用性投票和评论回复数与电商品牌营销之间可能存在异质性影响，不能从整体层面进行消费者在线评论信息感知有用性对电商品牌营销影响的测度。根据模型（2）的检验结果，评论长度信息感知有用性系数为0.205，且通过了1%置信水平下的显著性检验，说明了有20.5%比例的消费者倾向于在线评论中的评论长度，即该比例的消费者对电商品牌营销中的在线评论字数表现为积极态度。根据模型（3）的检验结果，有用性投票信息感知有用性系数为0.114，但未通过显著性检验，说明了消费者对目前京东商城设置的品牌产品有用性投票尚未表现出明显的接受态度，其原因可能是电商平台的有效性投票大多是针对体验类产品进行的设置，而具体的搜索类产品很少发起该类模式的投票。根据模型（4）的检验结果，评论回复数信息感知有用性系数为0.392，且通过了5%置信水平下的显著性检验，有效说明了有39.2%比例的消费者倾向于在线评论中的回复数量，即该比例的消费者对电商品牌营销中的在线评论回复内容更表现为积极的接受态度，尤其是包含产品图片等信息的回复内容。

（二）双维固定效应检验

本文对电商品牌营销中的消费者在线评论信息感知有用性中介效应分析采取双维检验方法，并在检验中依据稳健Hausman检验结果确定为固定效应模型。具体检验结果如表2所示。根据表2可以看出：第一，第一列的估计系数反映了电商品牌营销中的消费者在线评论信息感知有用性总体中介效应呈“U”型，且估计结果通过了1%统计水平的显著性检验。消费者在线评论意味着消费者对电商品牌营销的感知和反馈程度，该结果说明了在线评论信息总量与电商品牌营销成正比关系。第二，根据第二列估计结果，消费者在线评论中的评论长度信息感知有用性对电商品牌营销的中介影响效果明显，且通过了5%统计水平的显著性检验，说明在其他因素不变的条件下，评论长度总量每增加1%，能够促进电商品牌营销提高0.26%。该结果说明电商品牌营销在与消费者“流量”互动中受消费者在线评论长度的影响明显。第三，根据第三列估计结果，消费者在线评论中的有用性投票信息感知有用性对电商品牌营销的中介影响微弱，且通过了5%统计水平的显著性检验，说明在其他因素不变的条件下，有用性投票总量每增加1%，能够促进电商品牌营销提高0.05%。该结果说明电商品牌营销在与消费者“流量”互动中受消费者在线评论有用性投票的影响不太明显。第四，根据第四列估计结果，消费者在线评论中的评论回复数信息感知有用性对电商品牌营销的中介影响效果明显，且通过了1%统计水平的显著性检验，说明在其他因素不变的条件下，评论回复总量每增加1%，能够促进电商品牌营销提高0.55%。该结果说明电商品牌营销在与消费者“流量”互动中受消费者在线评论回复的影响十分明显。对策建议一方面，电商企业在进行品牌营销中无须刻意通过额外的成本去消除中评和差评，应该将企业的营销注意力集中于消费者在线评论中的评论回复和评论内容上，并重视相关体验品的用户有效性投票数据，综合利用好品牌营销产生的好评、中评和差评，掌握消费者的产品态度，管理产品质量，与客户进行有效沟通。另一方面，电商企业在品牌营销推广中应采取一定的激励措施鼓励消费者增加评论内容和回复内容，并通过大数据甄别技术将评论长度较长和评论回复数量较多的评论进行智能前置排序，而并非一味地将点赞数高的评论放在前面，这样既能方便消费者更加客观和直接地获取品牌产品的消费信息，又能利于企业充分重视评论内容较多和评论回复较多的相关中评和差评信息，从而在与消费者“流量”互动中挖掘更多商业价值。

作者：袁丽红 单位：成都银杏酒店管理学院