電商品牌營銷與消費者在線體驗的關系

導語：電商品牌營銷與消費者在線體驗的關系一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

內容摘要：在線評論是電商消費中非專業性和低涉入度消費者的重要信息來源。本文構建電商品牌營銷效益、成本與在線評論的互動關系理論分析框架，并以京東商城某品牌家電廚衛產品的消費者在線評論數據為研究對象，實證分析電商品牌營銷與消費者在線體驗互動關系。基于實證結論，本文提出相關對策建議。

關鍵詞：品牌營銷；在線評論；有用性；互動關系

相關文獻綜述

目前圍繞消費者在線評論影響電商品牌營銷的相關研究主要集中在網絡評論對消費者福利的影響，以及電商品牌營銷中的非真實消費者在線評論識別等方面。孟美任和丁晟春（2013）基于電商品牌營銷中的消費者匿名在線評論進行了研究，認為關于品牌效應的真實消費者互動反饋能夠產生顯著的品牌差別效應，并提升忠誠消費者對負面在線評論內容的耐受度。鄭春東等（2015）通過構建中介效應模型，實證檢驗了網絡水軍在線評論對電商營銷中的消費者購買行為的影響，研究發現網絡水軍的在線評論在數量上能夠對電商品牌效應產生顯著影響，這也是眾多電商在品牌推廣初期雇傭網絡水軍進行評論宣傳的主要動因。韓心瑜和張向達（2018）重點研究了電商品牌營銷與消費者在線體驗的互動關系，通過對電商品牌營銷中的消費情感互動分析發現，消費者的品牌信任度是基于其感知的易用性，同時易用性與有用性增強了消費者與品牌營銷的重復互動關系，最終形成忠實的消費者購物行為。可以看出，消費者在線評論影響電商品牌營銷已經成為廣大學者研究的共識，但目前鮮有文獻通過實證方法檢驗電商品牌營銷中在線評論信息的感知有用性問題。有鑒于此，本文以京東商城家電產品的在線評論數據為研究對象，實證分析電商品牌營銷與消費者的在線體驗互動關系。

模型構建與變量選擇

（一）理論分析框架

Zhang等（2006）基于在線消費行為以及網絡反饋機制構建了消費者在線評價影響消費行為的異質性理論分析框架；Sun（2012）在此基礎上完善了網絡評論方差較大產品的品牌營銷中介模型。本文沿用該思路并對我國電商交易市場規模較大的京東商城家電產品消費者在線評論內容進行數理化處理，深入考察消費者在線評論感知有用性因素。具體理論分析框架如下：假設消費者在線消費的同質品牌產品只有兩種，分別是x和y，并由廠商X和Y進行供貨。其中，x產品在生產中存在一定的非合意產出z，而Y廠商在生產y產品上不存在非合意產出。消費者的消費價格以y產品為基準計價物，則消費價格為：Py=1，Px=P。在x和y產品的在線評價中存在G的好評反饋和B的差評反饋，設定廠商X和Y在生產同質產品中存在的市場報酬分別為r和w，存在的要素報酬分別為G_和B_，則消費者在線評價對品牌營銷產生的技術影響為：F(g,b)=gδχbχ1-δ，z=x=F(gχ，bχ)，y=H(gy，by)=gβyby1-β在消費市場規模報酬不變的條件下，X和Y廠商的品牌營銷是投入要素的單調遞增凹函數。基于非合意產出在不同廠商間存在差異，因此X廠商在品牌營銷的非合意產出方案應控制技術影響中θ的比例，即增加x產品的在線好評，據此可以推斷出X廠商的合意營銷與非合意營銷中的綜合性技術影響框架模型為：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)為消費者在線好評G轉換成的品牌營銷效果，φ(θ)=(1-θ)1/α，0<α<1。與此同時，X廠商在生產中的非合意產出z存在的非在線評論品牌營銷影響為：z=φ(θ)F(gχ,bχ)=(1-θ)1/αF(gχ,bχ)=(1-θ)1/αgδχbχ1-δ電商X對產品x的凈營銷函數為：χ=zαF1-α=zα[gδχbχ1-δ]1-α根據企業生產成本最小化和利益最大化原則，在消費者在線評價約束下的X和Y需要控制θ中g和b投入產出的最優，即在消費者在線評論g和b中滿足以下約束條件：電商X在實際營銷中的非期望產出z必然面對消費者在線評論中一定比例的差評內容，消費者在線差評與品牌營銷成本存在正比例關系，即電商X在產品x的凈營銷函數中需要投入更多的要素來彌補營銷效果的下滑。假設λ為非合意產出z在線差評的單位糾正成本，則x產品的新成本函數為：在滿足電商交易市場自由進出的零利潤條件下，通過求導成本函數可以得出x產品的消費者在線差評糾正密度函數為：e=z/χ=αp/γ≤1。

（二）研究變量設計

消費者的電商消費在線評論內容十分豐富，其中既包括了對產品使用的概括性差評與好評，也包括了評論長度、有用性投票等能夠有效反映消費者感知與滿意度的情感評論。本文借鑒趙鍇等（2018）和楊東紅等（2019）對消費者在線評論的量化研究方法，選擇京東商城消費者在線評論中的評論長度、有用性投票及評論回復數為本文實證檢驗的三類消費者在線評論指標。具體如下：評論長度：主要指消費者在兩個電商平臺各品牌消費后在線評論內容的字數。唐曉波（2014）、朱娟（2017）和曲佳彬（2018）等眾多學者的研究表明，電商消費的用戶評論內容包含了對購買相關產品或服務的豐富程度，而評論字數的數量能夠有效體現消費者對電商品牌營銷的情感接受或反饋態度。因此，本文把消費者在線評論的評論長度作為實證檢驗的核心解釋變量之一。有用性投票：主要指京東商城針對電商品牌營銷設置的用戶有用性投票數據。楊東紅等（2019）研究消費者在線評論的有用性投票時發現，該指標能夠讓電商品牌營銷商更好地對市場消費者進行忠誠度的篩選；Mudambi S.M.等（2014）研究也發現有用性投票對電商體驗類產品的品牌營銷能夠提供客觀有效的決策依據。基于此，本文把電商品牌營銷有用性投票作為另一核心解釋變量。評論回復數：主要指消費者在京東商城進行電商品牌產品消費發表評論后引發的其他同類產品消費者或潛在消費者的互動回應個數。李中梅等（2017）和曲佳彬（2018）等學者在研究消費者在線評論的評論回復有效性中發現，電商消費后產生的消費者在線好評對產品銷售影響一般，而附帶圖片的中評或差評能夠引起更多其他消費者的互動回復，并向潛在消費者傳遞明顯的消費決策信號。因此，本文把電商品牌營銷中消費者在線評論后的回復數作為又一核心解釋變量。

（三）數據抓取與處理

在數據獲取與處理方面：本文使用網絡爬蟲軟件，以2018年京東商城中某品牌家庭廚衛類產品的消費者在線評論為研究對象，分別抓取平臺品牌類家電消費評論內容中的好評、中評和差評。由于消費者在線評論中的形式和內容復雜多樣，且存在大量的無效評論，為提高研究的準確性，本文采取的處理方法如下：刪除操作：對評論內容毫無意義，如“無”等以及“此用戶未進行評論”的在線評論進行刪除；篩選操作：對評論內容多，且明顯重復或者為廣告的在線評論進行篩選；分箱處理：根據MDLP熵分組分箱法把消費者在線評論中的非連續自變量數據進行分類處理，進行MDLP 熵分組。其中，消費者在線評論的信息增益為前后的信息熵之差，且信息增益越大則分組更有效。實現分組有效的信息增益條件如下：Gains(X,T,S)>log2(N-1)/N+(X,T,S)/N經過數據爬蟲的抓取和處理，最終得到本文實證檢驗的關于電商品牌營銷產品消費者在線評論118842條，其中好評數量為87944條，中評數量為10695條，差評數量為20203條。

電商營銷中消費者在線評論信息感知有用性實證檢驗

（一）基準回歸

本文以處理后的在線評論數據為解釋變量，以該品牌的銷量為被解釋變量，采用穩健的OLS 模型對消費者在線評論信息感知有用性進行分類基準回歸，檢驗結果如表1所示。根據表1回歸結果，模型（1）顯示消費者總體的在線評論及方差對京東商城家電產品的品牌營銷產生顯著影響，說明了在線評論中的評論長度、有用性投票和評論回復數與電商品牌營銷之間可能存在異質性影響，不能從整體層面進行消費者在線評論信息感知有用性對電商品牌營銷影響的測度。根據模型（2）的檢驗結果，評論長度信息感知有用性系數為0.205，且通過了1%置信水平下的顯著性檢驗，說明了有20.5%比例的消費者傾向于在線評論中的評論長度，即該比例的消費者對電商品牌營銷中的在線評論字數表現為積極態度。根據模型（3）的檢驗結果，有用性投票信息感知有用性系數為0.114，但未通過顯著性檢驗，說明了消費者對目前京東商城設置的品牌產品有用性投票尚未表現出明顯的接受態度，其原因可能是電商平臺的有效性投票大多是針對體驗類產品進行的設置，而具體的搜索類產品很少發起該類模式的投票。根據模型（4）的檢驗結果，評論回復數信息感知有用性系數為0.392，且通過了5%置信水平下的顯著性檢驗，有效說明了有39.2%比例的消費者傾向于在線評論中的回復數量，即該比例的消費者對電商品牌營銷中的在線評論回復內容更表現為積極的接受態度，尤其是包含產品圖片等信息的回復內容。

（二）雙維固定效應檢驗

本文對電商品牌營銷中的消費者在線評論信息感知有用性中介效應分析采取雙維檢驗方法，并在檢驗中依據穩健Hausman檢驗結果確定為固定效應模型。具體檢驗結果如表2所示。根據表2可以看出：第一，第一列的估計系數反映了電商品牌營銷中的消費者在線評論信息感知有用性總體中介效應呈“U”型，且估計結果通過了1%統計水平的顯著性檢驗。消費者在線評論意味著消費者對電商品牌營銷的感知和反饋程度，該結果說明了在線評論信息總量與電商品牌營銷成正比關系。第二，根據第二列估計結果，消費者在線評論中的評論長度信息感知有用性對電商品牌營銷的中介影響效果明顯，且通過了5%統計水平的顯著性檢驗，說明在其他因素不變的條件下，評論長度總量每增加1%，能夠促進電商品牌營銷提高0.26%。該結果說明電商品牌營銷在與消費者“流量”互動中受消費者在線評論長度的影響明顯。第三，根據第三列估計結果，消費者在線評論中的有用性投票信息感知有用性對電商品牌營銷的中介影響微弱，且通過了5%統計水平的顯著性檢驗，說明在其他因素不變的條件下，有用性投票總量每增加1%，能夠促進電商品牌營銷提高0.05%。該結果說明電商品牌營銷在與消費者“流量”互動中受消費者在線評論有用性投票的影響不太明顯。第四，根據第四列估計結果，消費者在線評論中的評論回復數信息感知有用性對電商品牌營銷的中介影響效果明顯，且通過了1%統計水平的顯著性檢驗，說明在其他因素不變的條件下，評論回復總量每增加1%，能夠促進電商品牌營銷提高0.55%。該結果說明電商品牌營銷在與消費者“流量”互動中受消費者在線評論回復的影響十分明顯。對策建議一方面，電商企業在進行品牌營銷中無須刻意通過額外的成本去消除中評和差評，應該將企業的營銷注意力集中于消費者在線評論中的評論回復和評論內容上，并重視相關體驗品的用戶有效性投票數據，綜合利用好品牌營銷產生的好評、中評和差評，掌握消費者的產品態度，管理產品質量，與客戶進行有效溝通。另一方面，電商企業在品牌營銷推廣中應采取一定的激勵措施鼓勵消費者增加評論內容和回復內容，并通過大數據甄別技術將評論長度較長和評論回復數量較多的評論進行智能前置排序，而并非一味地將點贊數高的評論放在前面，這樣既能方便消費者更加客觀和直接地獲取品牌產品的消費信息，又能利于企業充分重視評論內容較多和評論回復較多的相關中評和差評信息，從而在與消費者“流量”互動中挖掘更多商業價值。

作者：袁麗紅 單位：成都銀杏酒店管理學院