基于在线评论的网络零售定价模型研究

基于在线评论的网络零售定价模型研究
郭恺强;王洪伟;郑晗
【摘要】在线评论的出现深刻改变着消费者的经济行为模式、企业的赢利性及其定价策略.文章以消费者效用理论为理论基础,以网络零售两阶段销售为背景,建立了一个与在线评论相关的产品定价模型.通过数值模拟发现,在线评论数量越大,则第一阶段产品最优价格越低,第二阶段产品最优价格越高,网络零售商的总利润也越大;第一阶段消费者对产品价值的预期越高,则第一阶段产品最优价格越高,第二阶段产品最优价格越低,而只有当在线评论数量较小时,网络零售商的总利润才随第一阶段消费者对产品价值的预期增加而增加,否则,网络零售商的总利润将随第一阶段消费者对产品价值的预期增加而减少.
【期刊名称】《商业经济与管理》
【年(卷),期】2014(000)004
【总页数】8页(P59-66)
【关键词】在线评论;网络口碑;网络零售;定价
【作者】郭恺强;王洪伟;郑晗
【作者单位】同济大学经济与管理学院,上海200092;井冈山大学商学院,江西吉安343009;同济大学经济与管理学院,上海200092;北京师范大学珠海分校物流学院,广东珠海519087
【正文语种】中文
【中图分类】F713.50
一、引言
随着电子商务的发展，产品定价策略也在不断改进。

尤其是在线评论这种网络口碑的出现，深刻改变着消费者的购买行为，引起了市场营销领域的关注。

作为一种单向与双向，广播与窄播，同步与异步并行的交流媒介，网络提供了虚拟社区式的远程的群体交流[1]。

在线评论是网民之间通过网络渠道所传播的有关产品、服务、
企业品牌等个人体验、评价、讨论和推介信息。

以往的消费者在初次购买商品时倾向于向亲友征询建议，并作为其购买与否的重要依据。

但随着商品种类的日益丰富，传统的口碑传播方式已经不能满足消费决策的信息需求，越来越多的消费者把在线评论作为重要的信息参考[2]。

根据Deloitte’s Consumer Products Group的
调查显示，有67%的网民会浏览在线评论，其中82%认为在线评论直接影响了他们的购买决策。

与传统的线下口碑相比,在线评论具有范围广、速度快、信息量大、可存储、匿名性和可测量性等特点，对消费者购买决策的影响也更为显著，如何管理在线评论、利用在线评论服务于商家，已经成为一个不能忽视的问题[3]。

孙春
华和刘业政(2009)认为网络口碑已经成为消费者了解产品质量的一个主要信息来源，网络口碑的信息可信度对购买意图有正向作用[4]。

尽管传统商业模式中也一
直试图实现根据口碑信息及时修改商品定价，但由于传统口碑以口口相传为主，口碑信息难以及时获取和提炼，导致这一愿望的操作性不强。

但是，现如今在线评论已经成为最主要的口碑形式，并且由于在线评论的可存储和可测量性等特点，实时监控口碑、提炼口碑已经成为电子商务网站普遍技术手段，使得网络零售商参考口碑信息制定商品价格从而获得更高收益成为可能。

二、文献综述
对于网络环境下的商品价格问题，目前已有不少的研究，李振华等(2004)[5]对
B2C电子商务产品质量不确定性定价进行了理论分析，结果表明当市场低估了企
业的表现时,对于企业的最优方案是:对不良表现提供完全价格折扣,而对合格表现相应地给予更高的价格。

Yao等(2005)[6]分别用Bertrand和Stackelberg模型研
究了线上渠道和线下渠道的价格竞争，给出了两种博弈情形下的定价策略和比较了二者的收益。

并根据该结果提出了制造商增加线上渠道的恰当策略。

Venkatesan 等(2006)[7]通过引入产品、零售商和市场特征的相互作用来研究线上零售商差异
定价的能力，并采用多层线性模型和网上零售商的价格数据验证得出，对于提供了质量服务的网络零售商，其最优产品价格随市场竞争激烈程度增加而提高。

陈云等(2008)[8]34考虑电子商务实施程度这一因素，采用两阶段博弈模型，对双渠道零售商的定价行为进行研究，分析指出，当电子商务购买商品的消费者临界价值评价大于传统消费者临界价值评价时,通常随着电子商务的不断普及和深化,电子商务零
售商和传统零售商的最优定价会不断降低,而且传统零售商为了与电子商务零售商
竞争,必须采用两倍于电子商务零售商最优价格降低速度的策略。

当电子商务购买
商品的消费者临界价值评价小于传统消费者临界价值评价且当电子商务实施程度达到一临界值时,随着电子商务的不断普及和深化,电子商务零售商获取的利润将高于
传统零售商获取的利润。

曹俊浩等(2008)[9]通过建立一个纵向差异的数学模型分
析了垄断性质的电子商务企业的最优定价策略，研究表明，在选择最优定价策略时，网络外部性并非一定能够给企业带来更多的利润，这要取决于平台网络外部性的强度以及平台所提供服务的价格质量比。

Kauffman等(2009)[10]分线上渠道和线下渠道不相互影响，渠道切换成本和对公司的忠诚度影响消费者向线上渠道转移这两种情况考虑公司的定价策略，结果表明线上渠道需求水平对拥有混合渠道公司的定价策略具有决定性的影响作用。

潘伟等(2010)[11]以实体店和网上商店两种销售模式共用渠道来满足顾客需求为背景，把产品的市场需求划分为即期市场需求和远期市场需求，同时加入了订单取消率和订单取消惩罚收入，分析了同时拥有实体店和网上商店的公司的最优订货策略、最优的价格调整次数问题，并给出了不同时期的
最优定价策略。

Li等(2010)[12]811提出在线评论所反映的产品价值和产品的性价比呈正相关，在此基础上建立两阶段销售模型，分析消费者受在线评论影响下的最优定价策略以及消费者福利变化，最终通过实证分析，证明了价格对在线评论的影响。

孔庆山等(2012)[13]研究了零售商提供服务的双渠道供应链，分析了零售商在不同的服务成本下提供服务对于供应商和零售商定价策略的影响。

研究发现提供服务对于零售商不仅可以扩大利润，还可应对来自电子商务渠道的利润吞噬，通过利润分享从而延缓渠道之间的冲突;只有服务系数小于一个临界值时，提供服务才能
使零售商和供应商同时得到帕累托改进。

Liu等(2012)[14]提出在B2B和B2C两
种渠道存在且渠道上下游可以进行实物或电子交易的情况下，制造商、零售商和消费者在多个决策标准下的多期决策的供应链均衡模型，研究了三个决策主题的相互作用、决策行为和相应的决策条件。

Wang等(2013)[15]916以消费者在网络零售渠道和传统零售渠道购物时商品本身、购物过程和购物成本的价值感知不同为基础，建模分析了在线评论对网络零售商商品最优定价的影响，并结合算例进行了定量分析。

分析结果表明，网络零售商可通过增加在线评论中商品的信息量来提高商品定价而获得更高收益。

Wang等(2013)[16]270以商品效用理论为理论基础，分析了消费者价格敏感度，潜在消费者组成，在线评论数量对销售收入的影响。

研究发现，当第一阶段销售中公司为新产品的定价低于其公平价格，那么两组消费者在价格敏感度上的差异越大，评论数量越多，第二阶段产品能够为公司创造的收入越大；否则反之。

周耿(2011)[17]从网上销售的影响因素出发，采用搜索程序获取了淘宝网的4059个货架1周的数据，通过分析数回归等对不同热门程度产品的价格、信誉、保降标记以及口碑的需求弹性进行了实证分析。

研究结果表明，随着产品热门程度的提高，信誉的需求弹性不断增强，而价格保降标记以及口碑的需求弹性却不断减弱。

虽然上述研究已取得了较为丰富的成果，但仍然带有一定的局限性，主要表现在以
下几个方面：(1)尽管大量的研究已经证明，在线评论对消费者的购买决策有重要
影响，但纵观已有关于网络零售商的定价研究大多从渠道竞争、物流、商品属性等因素进行考虑，把在线评论作为产品定价主要影响因素的研究很少。

(2)大部分研
究把网络零售的定价作为静态行为进行研究，未考虑定价策略随市场口碑变化而调整的可能性。

本文将把产品销售阶段分成两阶段，商家可根据在线评论信息，在第二阶段对产品进行二次定价。

(3)少有的几篇将在线评论引入定价模型的研究，也
仅仅考虑了在线评论口碑诱导作用(一般用好评率测量)对定价的影响，而未考虑在线评论提高市场认知这一作用(一般用评论数量测量)对网络零售定价的影响。

已有大量文献证明，在线评论数量正向影响市场对产品的认知度，并进一步影响潜在消费者规模[18-19]。

(5)现有文献大多在研究定价时，把在线评论好评率当做外生变量，而本文认为在线评论好评率是内生变量，其由产品价格和市场公平价格的差价所决定，近年来，此观点得到实证研究的支持[20]。

因此本文将以消费者效用理论为基础，采用网络零售两阶段销售为背景，引入在线评论因素，分别将在线评论好评率和在线评论数量作为内生变量和外生变量，最终构建关于在线评论的网络零售定价模型。

三、基于在线评论的商品定价模型
(一) 消费者需求函数
根据消费者效用理论[21]，以及借鉴陈云等(2008)[8]35的研究，本文将消费者购买产品的效用定义为：
U(x,q,p)=q-p-tx
(1)
其中，p为产品价格，q为产品的真实价值，对于所有消费者，q值相同。

实际上，消费者只有在购买使用后才能感知q值大小。

x为真实产品和消费者理想产品的距离，x因人而异，设x为[0,1]区间上的均匀分布，也就是说消费者根据x的不同在
[0,1]区间上的均匀分布。

当x=0，真实产品和理想产品无差别；当x=1，消费者
净效用减去t。

t为每单位真实产品和消费者理想产品的距离而导致消费者净效用
减少的值[18]。

消费者效用理论提出，只有U>0的消费者才会购买商品，根据公
式(1)可知，U>0即q-p-tx>0，因此只有x小于(q-p)/t的消费者才会购买产品，由于x为[0,1]区间上的均匀分布，这表示只有(q-p)/t比例的消费者会购买产品，
假设消费者总规模为1，此时消费者的需求函数可表示为：
(2)
由于单一的零售商不可能占据所有市场，因此有t>q-p。

(二) 基于两阶段的定价模型
本文认为，消费者购买行为发生在两个阶段。

第一阶段，商家将商品定价为p1，
消费者自身对产品价值进行估计，并与价格p1比较，然后做出购买决策。

第二阶段，商家根据第一阶段反馈的销售情况，将商品价格调整为p2。

消费者则根据第
一阶段已购买该产品的消费者的评论以及新价格p2进行购买决策。

为了建模方便，不失一般性地假设，第一阶段的市场容量为1，第二阶段的市场容量是第一阶段的N倍，N≤0，并且两个阶段中的产品生产单位成本均为c。

第一阶段，因为产品全新上市，消费者只能根据商家发布的产品信息，对产品的真实价值进行估计。

第一阶段消费者对产品价值的预期为Q1，为外生变量，此阶段市场容量为1。

因此，第一阶段的消费者需求D1为：
(3)
第一阶段商家利润π1为：
(4)
第二阶段，网络上已经有大量在线评论，此阶段的消费者不再单纯地受商家发布的产品信息影响，可通过阅读在线评论初步掌握产品的真实价值，但难以避免会受到在线评论的情感极性的影响，从而导致消费者对产品价值的预期仍然和产品真实价值有少量的偏差。

影响在线评论情感极性的因素主要有两个方面：首先，前期的消费者已经掌握产品的真实价值，并与购买前的预期进行比较。

若产品的真实价值高于消费者的预期，消费者趋于发表正面评论，阅读者(潜在消费者)通过此评论所感知的产品价值也会有所提高。

反之，若产品的真实价值低于消费者的预期，消费者会认为受到产品信息的误导，趋于发表负面评论，阅读者通过此评论所感知的产品价值也会有所降低。

其次，第一阶段产品的定价水平会直接影响在线评论的情感极性，进一步影响阅读者对产品价值的预期[12]812。

也就是说，如果产品的价格低于市场公平价格(即消费者通过比较市场上同类竞争产品后，对该产品所感知的合理价格)，在线评论所反映的产品价值会较第一阶段呈现出一定比例的提高，否则会出现相应的下降。

因此根据以上描述，本文将第二阶段消费者对产品价值的预期用公式表述为：
Q2=q-β(Q1-q)-θ(p1-pr)
(5)
图1 公式(6)的函数图
其中Q2代表第二阶段潜在消费者在阅读商品评论后，对产品价值的预期，pr表示市场上默认的“公平价格”，θ用于描述消费者对产品信息真实性以及价格公平性的敏感度。

设定其范围为θ∈[0,1]。

尽管好评率会影响消费者对产品价值的预期，但公式(5)并未包含好评率，这是因为在线评论的好评率是由Q1和p1决定的，它只是在Q1和p1对Q2影响路径中起到中介作用。

因此，公式(5)中已经考虑到好评率对消费者预期价值的影响。

不同于好评率，在线评论数量则为外生变量，评论数量可作为市场对产品认知度的
一个重要线索，它主要受商家的推广力度影响。

评论数量越多，意味着此产品受到更多的关注，同时消费者可以参考的信息来源也越丰富，从而提高市场对产品的认知，减少消费的不确定性。

已有研究证明，在线评论数量和市场对产品的认知度正相关[18]80[19]。

因此，认为市场中对产品有所认知的消费者比例是关于在线评论数量的函数，令该比例为α，因此第二阶段真正的潜在消费者(即不仅对产品有需
求而且还对产品知晓的消费者)的规模为：N×α。

由于现实中，当评论数量很少时，少量的评论可以极大的帮助拓展市场，而随着评论数量的增多，每个评论在影响范围上的重叠越来越普遍。

另外，总是会存在小部分消费者虽然对产品有需求，但是却没有机会了解产品。

因此本文根据以上描述，设定α是在(0,1)之间，随在线评
论数量边际递减的函数，用公式可表示为：
α=1-e-λk
(6)
其中k代表评论数量，λ为确定的常数。

当λ=0.0005时，公式(6)变化趋势如图1所示。

由于第二阶段市场容量为N，根据公式(2)可得，第二阶段的市场需求为：
(7)
将公式(5)(6)代入公式(7)可得：
(8)
第二阶段商家利润为：
(9)
将公式(4)和公式(9)相加得到商家总利润为：
(10)
通过对公式(10)求导后可得，第一阶段最优价格为：
(11)
第二阶段最优价格为：
(12)
此情景下最大利润为：
(13)
四、数值模拟与结果分析
当网络零售商制定定价策略时，商家已经掌握了q与c，通过和竞争产品的比较以及长期对市场的分析也不难估计出pr和θ。

而Q1和k，则分别与网络零售商发布的产品信息和产品推广力度相关。

因此，商家的定价主要是根据自身对产品信息发布以及产品推广力度来进行动态调整。

为分析方便，本文固定q=1、pr=0.5、c=0.25、β=0.2、θ=0.2、N=10，变动Q1∈[0,2]、k∈[0,10000]，来分析p1、p2、π的变化。

图2-4分别展示了p1、p2、π随Q1和k的变化。

通过图2和公式(11)，可得出结论一和结论二。

结论一：产品第一阶段最优价格随在线评论数量的增加而降低。

归其原因，评论数量增加，表示第二阶段市场对产品的认知度的提高，也就意味着第二阶段产品潜在消费者规模的扩大，从而导致产品的主要需求来自第二阶段，因此商家有足够的动机牺牲第一阶段的利润，即降低第一阶段价格，来提高在线评论所反映的产品价值，使得第二阶段消费者对产品价值预期增加，从而扩大第二阶段的市场需求，最终提升总体利润。

结论二：产品第一
阶段最优价格随第一阶段消费者对产品价值的预期的增加而提升。

根据消费者效用理论的假设，只要消费者的效用大于零，消费者就愿意购买产品。

因此，消费者对产品价值的预期越高，意味着消费者愿意为此付出的价格也越高，商家从而可以设定更高的价格来谋取利润。

通过图3和公式(12)，可得出结论三和结论四。

结论三：产品第二阶段最优价格随在线评论数量的增加而增加。

根据结论一可知，在线评论数量越高则第一阶段最优价格越低，低价格促使更多的正面评论，使得第二阶段消费者对产品价值预期增加，从而导致第二阶段价格的提高。

结论四：产品第二阶段最优价格随第一阶段消费者对产品价值的预期的增加而降低。

归其原因，当消费者获得产品后，消费者会对产品的期望与实际感知绩效之间的差距进行评估，感知的效果“达到”或“超过”期望时,便会达到满意的状态,反之将导致消费者的不满，这就意味着，第一阶段消费
者对产品价值的预期越高，消费者对产品感知的满意度可能越低，这种不满的情绪将反映在在线评论中，从而降低第二阶段消费者对产品价值的预期，导致商家不得不通过降低价格，来争取更多的市场需求。

图随Q1和k的变化
图随Q1和k的变化
图4 t×π随Q1和k的变化
通过观察图4和公式(13)，可得出结论五、结论六和结论七。

结论五：网络零售商总利润随在线评论数量的增加而增加。

评论数量增加，表示市场对产品的认知度的提高，也就意味着产品潜在消费者规模的扩大，最终为商家获取更大利润提供了空间。

结论六：当在线评论数量很少时，网络零售商总利润随第一阶段消费者对产品价值的预期的增加而增加。

因为评论数量很少，意味这第二阶段潜在消费者的规模也很小，此时，产品的主要利润将来源自第一阶段，因此如何使第一阶段利润达到最大化，成为商家的主要目标。

通过消费者效用理论和公式(4)可知，第一阶段消
费者的预期和第一阶段利润正相关。

从而导致，在评论数量很小的前提下，利润随第一阶段消费者对产品价值的预期的增加而增加。

结论七：当在线评论数量较多时，网络零售商总利润随第一阶段消费者对产品价值的预期的增加而减少。

因为此时，产品的主要利润来源自第二阶段，第二阶段利润的最大化成为商家的主要目标。

根据上文对结论四的讨论可知，第一阶段消费者对产品价值的预期越高，其失望的可能性越高，这种失望的情绪将通过在线评论传导给第二阶段的消费者，使这些消费者降低对产品的预期，从而减少了第二阶段的利润，由于第二阶段的市场规模大，最终造成总利润的降低。

五、管理启示
由于在线评论数量取决于网络零售商的产品推广能力，第一阶段消费者对产品价值的预期则主要是通过参考网络零售商发布的产品信息获得，根据结论1-结论7，
提出以下管理启示：
首先，商家应该尽量增强产品推广能力，提高产品的认知度。

根据前面的模型与数值分析，可知评论数量的增加能带来商家利润的提升，而评论数量反映的正是市场对产品的认知度，认知度的提高意味着产品潜在消费者规模的扩张。

为此，商家应提高产品推广能力，扩大宣传力度，鼓励用户发表在线评论，因为在线评论数量的增加可以提高产品的认知度，甚至是负面评论[22]。

其次，商家应对自身推广能力以及产品第二阶段的需求有预判，并依据此预判，决定发布产品信息和制定定价策略，不可盲目夸大产品质量。

因为当商家产品推广能力强，产品第二阶段需求很大时，产品的总体利润随第一阶段消费对产品价值的预期的提升而减少，此时通过夸大产品质量来提高消费者的预期，虽然可以提高第一阶段产品价格和第一阶段利润，但却会损失更多的第二阶段利润。

因此，商家应对产品推广能力有合理的判断，准确掌握市场对产品的认知度，并据此合理地制定产品信息发布和定价策略。

最后，由于一般情况下，阶段二的时间跨度要远比第一阶段时间要长，市场对产品的认知度要远远大于第一阶段。

商家也往往把产品销售的第一阶段作为试验性销售，而更加看重第二阶段的产品销售。

在此情景下，评论数量越大，商家则应该更大力度地降低第一阶段的产品价格，来换取第二阶段更大的需求，并略微提高第二阶段的价格，最终可实现总体利润的增长。

在图2中，甚至发现当评论数量很高时，
第一阶段的最优价格可为负数。

因此商家可以根据自身产品和市场的情况，适当的策划些产品赠送活动，或提供一些产品的免费试用。

六、结语
本文以消费者效用理论为基础，采用网络零售两阶段销售为背景，引入在线评论因素，分别将在线评论好评率和在线评论数量作为内生变量和外生变量，建模分析了在线评论对网络零售商产品最优定价的影响，结合数值分析发现，在线评论数量越大，则第一阶段产品最优价格越低，第二阶段产品最优价格越高，网络零售商的总利润也越大；第一阶段消费者对产品价值的预期越高，则第一阶段产品最优价格越高，第二阶段产品最优价格越低，而只有当在线评论数量较小时，网络零售商的总利润才随第一阶段消费者对产品价值的预期增加而增加，否则，网络零售商的总利润将随第一阶段消费者对产品价值的预期增加而减少。

本文的研究是对相关领域研究文献的一个重要补充，研究结论具有较强的理论和现实意义。

首先，相比于现有文献，本文不仅考虑了在线评论的诱导效应，还考虑了在线评论的提高市场认知的作用，认为商家可以通过观察在线评论数量来预测潜在消费者规模，从而及时调整价格，所得结论可指导商家根据在线评论数量进行动态定价。

其次，本文结论也揭示了控制消费者对产品价值初始预期的重要性，指出夸大产品价值宣传手段的适用条件，使得商家在拿捏宣传力度上更加有章可循。

根据本文的研究结果，今后可以在以下方面展开后续研究。

(1)本文所讨论的模型
主要建立在消费者效用函数理论的基础上，对于如何在其它理论基础(如交易成本。