消费者网上购物决策实证分析.docVIP

消费者网上购物决策实证分析 　　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 Q100 　　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Q100，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（Q100|P，M，FW，FH，T）=Φ（β0+β1P+β2M+β3