在线流量对跨境电商企业溢价...来自企业微观数据的经验证据_马晓君.pdf

中国流通经济（2023年4月，第37卷第4期）China Business And Market（April 2023，Vol.37，No.4）收稿日期：2023-02-27基金项目：国家社会科学基金重大项目“数字赋能中国全球价值链攀升的路径与测度研究”（21&ZD148）作者简介：马晓君（1978），女，辽宁省抚顺市人，东北财经大学统计学院教授，博士研究生导师，博士，主要研究方向为跨境电子商务、国际供应链管理、全球价值链；徐晓晴（1996），女，山东省威海市人，东北财经大学统计学院博士研究生，主要研究方向为电子商务统计、跨境电子商务、数字经济；范祎洁（1999），女，河北省邢台市人，东北财经大学统计学院硕士研究生，主要研究方向为跨境电子商务、全球价值链。在线流量对跨境电商企业溢价能力的双重效应来自企业微观数据的经验证据一、引言数字经济已成为助推世界经济循环、实现世界经济高质量发展的新引擎，其蓬勃发展催生着跨境电商等新业态的涌现与演进。在当前充满不确定性的国际贸易形势下，我国跨境电商在2022年仍实现 1.55 万亿元的出口总额，同比增速达11.7%1，成为全球数字化时代我国扩大外贸规模、提高全球价值链嵌入程度、提升价值链嵌入地位的稳定力量，有助于打破当今逆全球化、去中国化等国际贸易格局的演进可能。高速发展的跨境电商激励了众多国内本土电商参与其中，助力企马 晓 君，徐 晓 晴，范 祎 洁（东北财经大学统计学院，辽宁 大连 116025）摘 要：在全球数字化背景下，我国出口跨境电商企业力图以营销策略获取在线流量，扩张海外市场，获得企业溢价这一关键竞争力。以跨境电商企业的微观数据为分析样本，从理论与实证两个维度评估在线流量对跨境电商企业溢价能力的影响效应。研究发现，在线流量规模具有双重影响效应，其作用方向及大小均取决于企业对营销承诺的兑现程度；当营销承诺兑现程度低时，溢价能力随在线流量规模的增长而降低，低价营销型企业属于此类典型，即企业凭借低价营销承诺所吸引的流量规模越大，提价时流量损失越严重，企业为此付出的定价折扣就越多，且定价抑制效应随规模扩大呈扩张趋势；当营销承诺的兑现程度高时，跨境电商企业溢价能力随在线流量规模的增长而提升，直播带货型企业属于此类典型，即企业依靠兑现差异化营销承诺的方式提升产品信用度，逐步掌握定价权；消费者特征、企业特征变量在流量规模对企业溢价发挥作用的过程中具有调节效应。因此，跨境电商企业应坚持营销差异化与产品差异化的发展方向，充分利用互联网公域流量，通过直播带货等方式，逐步将在线流量转换为精准流量和复购流量，实现跨境电商企业的长期稳健发展；关注口碑营销，完善负面口碑管理机制，洞悉海外市场需求，捕捉不同文化背景下的市场痛点，鼓励海外消费者积极反馈，发挥跨境在线流量的积极效应；依据海外消费者的购买偏好、浏览记录等一手交易数据进行挖掘分析，促进企业有针对性地改进营销策略，突出产品特色，宣传经营理念与创新发展战略，逐步增强顾客对产品与企业的认同感，树立跨境品牌形象。关键词：跨境电商；在线流量；营销承诺；低价营销；直播带货中图分类号：F713.36文献标识码：A文章编号：1007-8266（2023）04-0060-12doi：10.14089/11-3664/f.2023.04.006引用格式：马晓君，徐晓晴，范祎洁.在线流量对跨境电商企业溢价能力的双重效应J.中国流通经济，2023（4）：60-71.60业拓展更广袤的全球消费市场，挖掘更大的在线流量价值。例如，2022年9月拼多多推出的海外平台Temu登陆北美市场，延续国内“拼团优惠”的营销方式，当年“黑五”购物节单日销售额即超4 800万元，2023年1月软件下载量达1 900万次 2；我国跨境电商快时尚品牌Shein在2021年实现157亿美元的营业收益，应用程序下载量超过 TikTok、Twitter、Amazon等国际商业巨头，同时将销售品类扩展至其他领域以持续获取在线流量，促进企业快速增长 3。大量商业实践证明，流量数据是跨境电商企业价值创造的基本生产要素。中小企业与第三方平台的交互网络效应促使海量消费者关注与访问，形成巨大的在线流量资源 4。由于在线流量在短期内具有较高的销量转化率，多数跨境电商企业将在线流量规模作为监测经营过程与成果的重要指标，并探索其提升路径。然而，在企业长期经营目标下，溢价已取代销量成为企业核心竞争力，企业通过赋予顾客群体高价值感知、创新迭代产品与完善服务质量，提升产品价值增值与跨境电商企业附加值，获得相较于其竞争对手更高的定价权与利润率 5，形成跨境电商“品牌”优势，并为跨境电商行业高质量发展贡献力量。已有学术观点认为，营销策略、品牌认知显著提升消费者溢价支付意愿 6，最终可提升企业溢价能力，产品定价则是溢价能力与支付意愿达成均衡时的表现形式和度量方式。因此，对企业溢价的量化研究主要集中于产品定价的前置影响因素和作用机制，多以微观经济学理论为基础，通过在定价模型中引入不同变量或参数如产品返利 7、低价促销 8、退货服务 9、制造商渠道 10、市场垄断、寡头 11 或竞争 12 等展开数理推导。亦有学者从博弈论的角度分析电商企业的定价策略。如叶欣等 13 建立制造商和零售商的双渠道动态均衡模型，发现受商誉影响的产品在生命周期内存在动态定价分界点；陈朝晖等 14 利用博弈模型对企业低价营销策略展开分析，认为决定企业是否具有竞争优势的关键因素在于创新效率而非价格。而关于跨境电商领域企业溢价的研究较少，相关文献主要围绕跨境电商国内出口供给与国外消费需求两个层面展开。一方面，学者们基于国内出口视角下的总量指标，论证跨境电商可克服跨境生产、国际交易的固定与可变成本 15、贸易摩擦 16 等跨境贸易壁垒，而信用风险 17、制度创新 18 等因素能够显著影响跨境电商出口规模。另一方面，基于国外需求视角探讨消费者偏好，如以问卷调查的方式了解海外顾客的消费感知与行为特征，通过问卷数据检验消费者通过企业价值共创对跨境电商品牌偏好的影响机制 19。为克服调查数据客观性、代表性不足等缺陷，马述忠等 20 基于出口运单数据实证检验了消费者在跨境物流方面的偏好及其影响因素，张夏恒等 21 在微观企业视角下剖析了跨境电商在推动我国传统产业转型过程中存在的瓶颈。此外，亦有学者从目标国进口偏好差异化 22、跨境物流与电商的协同性 23、国内国外双循环 24 等视角，围绕跨境电商的影响效应及其机制进行探讨。综合来看，现有文献大多基于跨境电商经营、电商企业溢价能力进行，主要存在以下两点不足：一是创造和维持溢价是企业经营的重要能力之一，企业可通过管理策略形成具有持久溢价的产品定价组合，然而鲜有文献探讨我国出口跨境电商企业定价行为、溢价能力以及低价营销的动因和结果。二是当前电商企业竞争属于流量需求竞争，众多企业通过高质量直播带货、开展个性化定制服务等吸引在线流量、提升企业关注度，优化在线流量转化率 4。现有研究忽略了流量对电商企业溢价能力的影响效应。基于此，本文围绕在线流量与跨境电商企业溢价能力展开研究，试图为以下问题找到合理有效的解释：在线流量能否对跨境电商企业溢价能力带来稳健的积极效应，企业为获取在线流量而进行的各类营销行为（如低价营销与直播带货营销）是否存在效应异质性，在线流量作用于企业溢价能力的过程中受哪些因素影响等。本文的边际贡献如下：第一，提出了跨境电商企业营销领域的新研究视角，即在不同营销手段下在线流量如何影响企业溢价能力，从理论与实证两方面展开分析。第二，理论层面上，为研究流量规模与溢价能力的关系提供了一个分析框架，即提出跨境电商平台生态下产品信用度的概念并进行量化，论证了产品线性需求情形下在线流量双重效应的方向、大小均与营销承诺的兑现程度有关。第三，实证层面上，以跨境电商企业微观数据为样本，利用工具变量-赫克曼（IV-Heckit）模型61检验了低价营销型企业由于营销承诺兑现程度低而使在线流量发挥负面效应；而直播带货型企业的情绪传播可提高营销承诺兑现程度，使在线流量发挥积极效应；同时以消费者特征、企业特征为调节变量，验证在线流量规模对企业溢价能力影响效应的边界，为跨境电商企业探索差异化营销路径提供稳健可靠的实证依据。二、理论基础与研究假设（一）理论基础在线流量是电子商务时代企业持续创造价值的基础，其产生及演化过程与企业营销、消费者感知、消费者行为等密不可分。一方面，企业在线流量产生于无效流量 25。对跨境中小企业而言，互联网平台的公域流量多为无效流量，企业营销目的在于使无效流量的有效转换率最大化。当企业做出营销承诺时，公域流量群体中的消费者被吸引并产生一定的购买意愿，此时形成企业的在线流量起点潜在流量。另一方面，在线流量可演化为精准流量、复购流量及消极流量 25。当企业兑现营销承诺时，产品实物符合消费者心理预期，从而产生满意感知或实际购买行为，此时在线流量转变为精准流量，并可进一步转换为复购流量；若企业由于虚假宣传、过度营销等原因 26 而未兑现承诺，已购消费者便产生感知不满或感知欺骗，精准流量、复购流量可能转变为消极流量，而长期动态视角下，感知欺骗的消费者生成负面口碑，使具有购买意愿的消费者同样产生不满意感知，并降低其购买概率，此时潜在流量可能转变为消极流量。由此来看，消费感知与行为变化受企业对营销承诺兑现程度的影响，而在线流量的动态变化则反映了消费者感知与行为的转变，其对应关系如图1所示。传统品牌经济学认为，企业若具有较高品牌信用度，可有效降低消费者的选择成本，从而扩大品牌产品的市场需求。信用度由品牌承诺的“营销范围”与“兑现程度”两个因素构成，以二者的乘积来衡量 27。其中，品牌承诺的营销范围是企业通过各类策略做出排他性品牌承诺以达到的品牌影响范围。该范围越广，表现为被吸引的在线流量规模越大 28，从而增强品牌的不可替代性；品牌承诺的兑现程度是企业的实际产品或服务对营销承诺的实现水平，该水平越高，表现为品牌品类度越高，即消费者认为品牌产品对该产品种类的代表性越强，从而减少对品类下其他产品的购买行为 29。品牌信用度的衡量公式如下：品牌信用度=品牌承诺的营销范围品牌承诺的兑现程度（1）然而，跨境电商平台是以产品而非品牌为基本单位推动企业的差异化竞争并维持市场生态的 27。具体而言，跨境电商平台整合众多中小型跨境企业，在企业与消费者之间发挥中介作用，通常不具有非利益性的品牌偏好，平台生态中的电商产品趋近于完全竞争状态 30，企业几乎无法凭借品牌在市场中占据垄断地位。同时，数智技术使跨境电商平台具有产品搜索与推荐两大显著功能，可以预测消费者的购买偏好，并为其提供符合偏好的目标产品。因此，电商企业通常围绕产品确定营销承诺，或以企业集群的方式打造共同产品特色（如助农电商“脐橙”），或通过推出典型产品打响知名度（如花西子“空气蜜粉”），从而体现其产品优势与差异性 31。因此，本文借鉴品牌信用度的核心思想，对跨境电商产品信用度加以推导，借鉴的依据在于：第一，指标内涵基本一致。产品信用度是针对“产品特征”营销承诺的兑现程度，与品牌信用度针对“品牌特征”承诺兑现程度的概念具有相似性，二者仅在研究主题上有所区分。第二，构成要素的内涵基本一致。产品信用度由产品承诺的营销范围及兑现程度构成，与品牌信用度基于品牌承诺营销范围与兑现程度的内消极流量精准流量未兑现不满意消极流量复购流量未兑现不满意消费者满意并复购企业兑现承诺消极流量潜在流量消费者满意并购买企业兑现承诺消费者不满意生成负面口碑无效流量消费者被吸引并产生购买意愿企业做出承诺满意图1 流量分类及其对应关系62涵具有衔接性。产品信用度测算公式如下：产品信用度（H）=产品承诺的营销范围（i）产品承诺的兑现程度（a）（2）其中，产品承诺的营销范围（i）以被吸引的在线流量规模归一化来度量，是0，1的连续型变量，i取值越大，意味着被营销承诺吸引并可能产生购买意愿的消费群体越多 29，由于此阶段未发生实际购买行为，在线流量规模以潜在流量规模来衡量；产品承诺的兑现程度（a）是-1，1的连续型变量，当a0时，营销承诺的兑现程度较高，对产品信用度具有积极影响；当a0时，营销承诺的兑现程度较低，对产品信用度具有负面影响。因此，产品信用度（H）及其导数的正负均取决于变量a是否大于0。本文为简化分析，仅针对a取值为1和-1的情况进行探讨。本文构造需求函数如下：Q=fP，Cc（3）其中，Q指产品需求；P指产品价格；Cc指选择成本，是产品信用度H的函数；Q是P、Cc的函数。基于消费者趋利避害的心理，产品价格与选择成本的上升可使需求减少。该函数满足：Q/P0；Q/Cc0。对式（3）全微分如下：dQ=QPdP+QCcdCcdHadi（4）令dQ=0，dPdi=-QCcdCcdHQPa（5）由于dCcdH0，QP0，QCc0，a=1dPdi0，a=-1（6）其他条件不变的情况下，在营销承诺的兑现程度较高（a=1）时，在线流量规模越大，企业越可能索取高价，其溢价能力也就越高；在营销承诺的兑现程度较低（a=-1）时，在线流量规模越大，企业定价反而越低，会限制企业的溢价能力。具体地，构建如下线性需求函数：Q=b-kP（7）其中，b和k均为大于0的常数。由于选择成本Cc也是产品信用度H的函数，且满足dCcdH0。基于此，本文构建包括在线流量规模的简单线性函数，同时满足上述条件以及Q对P、Cc的导数关系，表达式如下：Q=fP，Cc(H)=b(1+H)-k(1-H)P=b(1+ai)-k(1-ai)P（8）式（8）函数曲线关系如图2所示。其中，D1是未纳入在线流量规模的需求曲线，D2、D3分别表示a=1和a=-1情况下的产品需求曲线。（二）研究假设由图2可知，在价格既定（Pm）的条件下，跨境电商各产品需求曲线的位置决定其市场份额，同一种类产品面向的消费群体组成了市场容量（Qm），该容量包括类型中所有产品。当营销承诺的兑现程度较高（a=1）时，产品信用度提升，消费者选择成本下降，任意价格水平下的需求D2均比D1更大。原因在于：较高的产品信用度降低了消费者由于比较产品而造成的认知资源消耗，从而降低购买过程中的选择成本、提升购买意愿；同时，已购消费者对产品的满意感知随承诺兑现程度的提升而提高，并通过在线反馈对潜在流量产生积极影响，促进潜在消费者产生购买意愿，此时流量规模具有强化跨境电商企业营销效果的积极作用，使需求曲线右移。跨境电商企业可通过提升产品信用度使需求曲线由D1向右变动至D2，市场份额由Q1增加至Q2，且产品定价更高、企业具有更高的溢价能力。图2 引入承诺兑现程度变量后的产品需求曲线PmQ3Q1Q2QmQPD1DD3D2063当营销承诺的兑现程度较低（a=-1）时，在线流量在营销的负面效应作用下转变为消极流量，产品需求曲线从D1向左移动至D3，在线流量规模对营销效果具有消极强化作用。本文针对实践中企业低价营销的典型案例展开具体分析。顾名思义，低价营销企业以“价低”的承诺获取在线流量，但任何以成本控制而降低定价的策略均会被竞争者效仿，从而将原属于该产品的市场份额被其他同类竞争产品瓜分，因此该类企业通常选择在流量稳定后的某一时点进行提价转型。然而，以低价营销吸引的流量通常由对价格特征敏感的消费者组成，低价营销的承诺对其更具锚定效应，直接提价更易给消费者留下未兑现承诺的失信印象。此时，企业吸引流量的规模越大，负面消息传播得越广，消费需求下降得越明显，进一步抑制企业定价能力。综合以上双重效应分析，提出假设H1、H1a、H1b如下：H1：在线流量规模对跨境电商企业溢价能力具有双重效应，该效应取决于营销承诺的兑现程度。H1a：当营销承诺的兑现程度高时，跨境电商企业溢价能力随在线流量规模的增大而提升。H1b：当营销承诺的兑现程度低时，跨境电商企业溢价能力随在线流量规模的增大而降低。需求曲线的变动与企业溢价能力的变化情况一一对应，影响方向以曲线左右位置变动来衡量，效应大小以曲线斜率变动来体现。进一步比较图2中需求曲线变化前后的斜率发现，相较于a=0情形，a=1时需求曲线更缺乏弹性，a=-1时曲线更富有弹性，需求曲线的右移使跨境电商企业具有更高的溢价能力。因此，提出假设H2、H2a、H2b如下：H2：在线流量规模对企业溢价能力的影响效应并非线性，其强弱取决于流量规模大小。H2a：当营销承诺的兑现程度高时，在线流量对企业溢价能力的提升作用随规模增大而减弱。H2b：当营销承诺的兑现程度低时，在线流量对企业溢价能力的降低作用随规模的增大而加强。此外，由于流量规模是通过影响需求曲线的左移或右移而发挥作用的，因此有理由认为，当其他控制变量（如消费者特征、企业特征）作用于消费需求并进一步影响企业产品定价时，可能与流量规模存在交互影响，从而发挥调节作用。因此，提出假设H3如下：H3：在线流量规模影响跨境电商企业溢价能力的过程中，其他变量具有调节效应。三、数据说明与实证方法（一）数据及变量说明1.数据来源及清洗本文的分析数据来自上海市罗布长风供应链管理有限公司，具体包括报关数据、货物清单数据，以及基于成交订单的Shopee、Lazada等平台爬取数据等。通过整理该公司从2020年4月至2021年3月的清单数据（共计9 677 175条包裹记录），发现跨境电商发货地集中于广东、江苏、浙江等省份，其中广东省又以深圳市居多，这与我国跨境电商出口企业的地域分布特征基本一致，说明数据具有较强的代表性。同时，运单与货物清单记录了一年中每日包裹运输的实际情况，每日更新、月度汇总，完备性较好。1）进行数据库匹配合并。即按唯一索引条件将货物清单、平台信息两大数据库进行匹配，以获得更多有效信息。货物清单数据包括商品标题、商品最小存货单位（Stock Keeping Unit，SKU）值、发货信息、收货信息、产品名称及类别、支付方式、商品单价、购买数量、是否为赠品、包裹重量、物流费用、货到付款（Cash on Delivery，COD）价格等字段。平台信息数据包含商品标题、商品SKU值、产品月销量、产品收藏量、产品评论量、店铺粉丝、店铺年限、店铺铺货量等字段。本文将“商品 SKU值”设置为货物清单的主键与平台信息数据的外键，并作为索引条件进行数据库的匹配合并，最终匹配5 452 051条样本数据。2）进行数据清洗。剔除重要信息损失样本，即缺失在线流量规模这一核心自变量与产品定价因变量的样本。剔除由于人工输入导致误差的样本，如店铺回复率高于100%、包裹净重为0、店铺商品件数为0、产品销量为0的样本。剔除无法跟踪商品所在店铺具体信息的样本。剔除在回归过程中影响结果稳健性的离群值，按照商品定价的上下1%进行截尾处理。经处理，最终得到分析样本5 147 562个。2.变量说明1）因变量64设置产品定价、COD 价格、COD 交易是否折价、COD折价金额4个因变量。产品定价指除货到付款外其他一般方式确定的产品价格，以跨境电商企业网页的显示价格（以下简称为“产品定价”）为主要数据源；COD价格指货到付款价格，在货到付款的交易模式中，消费者凭买家积累的信用即可下单，并在收货后将费用支付给快递公司。由于在产品远距离运输的过程中企业承担着更多风险，消费者实际支付的COD价格一般较产品定价略高，超出部分是对企业承担不确定性风险的补偿，但实践中存在COD价格等于或小于产品定价的情况，该情况视为交易折价，COD折价金额是两种价格之差。2）核心自变量将在线流量规模视为核心自变量，具体以店铺粉丝数来测量。一方面，企业的营销承诺吸引了在线流量，构成该流量的消费群体一般会密切关注企业的信息，且有一定的购买意愿。另一方面，实际购买行为通常需消耗认知资源对同类产品进行比较，而不仅仅依赖企业营销的效果。因此被承诺吸引的消费者并不一定产生购买行为，在线流量也并非一定能转变为精准购买流量。店铺粉丝恰好符合“被吸引产生关注行为”但“未必具有购买行为”两个特征。此外，企业的营销承诺能够产生“广而告之”的影响力，其所吸引的流量范围越广，影响范围则越广，高粉丝店铺代表企业于第三方购物平台中具备较高的影响力 32。3）控制变量本文从跨境电商产品、企业和交易的时空特征方面设计控制变量。产品维度：按照产品生产、销售、反馈的顺序，设置产品成本、销量及评价三个变量。产品成本直接决定产品定价高低，但由于跨境电商企业采用的原材料、人力等成本不对外公开，故本文基于商品类别决定商品的生产成本与销售价格（如智能设备类和女士服装类的成本与价格存在显著不同）这一基本事实，依据商品所属类别粗略对成本价格进行分类逆推，共将样本划分为2 470个小类（包括音乐书籍类、箱包旅行类、户外运动类等），认为类内的产品成本差异较小，类间的产品成本差异显著。产品销量指消费群体与企业真实交易而形成的销售数量。产品评价指消费者购买后针对购物体验、产品反馈等内容形成的在线评价，包括产品评论数与产品评分两个指标。企业维度：除产品特征外，电商企业差异主要体现在服务质量和品牌形象两方面，因此本文设计了企业服务、企业资质两方面变量。企业服务维度包括商家回复率、商家物流服务、支付方式变量；企业资质维度包括店铺年限、店铺铺货量变量。时空特征：以产品成交时间、发货地点及其他特征为变量，具体包括时间（12个月）、地点（307个地级市和自治州）、城市人均GDP、城市人口、城市是否为跨境电商综合试验区。变量的描述性统计如表1所示。2020年4月2021年3月的产品定价均值为20.732元，COD实际支付价格均值为24.092元，可见跨境电商企业溢价能力普遍较低。在线流量规模均值为16 645、标准差为25 243，说明企业流量规模平均较小但分布差异较大。部分控制变量的标准差大于或接近于均值，说明指标变动幅度较大。另外，由于支付方式、商家回复率变量在各产品间无明显差异，不将其纳入回归模型。（二）实证模型设计1.基础回归基于混合截面数据的样本特征，最小二乘（OLS）基准回归模型设定如下：yik=+1xik+2x2ik+controls+c+t+（9）其中，i代表产品类别，k代表产品类别中的不同产品；因变量yik为产品所属企业的溢价能力，以产品定价、COD价格、COD交易是否折价、COD折价金额来测度。xik为在线流量规模，同时考虑到流量规模对溢价能力的作用效果并非线性，故将xik的平方项也引入模型。controls为控制变量；c为城市的空间特征，包括城市人均GDP、城市人口、城市是否为跨境电商综合试验区变量；t代表时间特征；=vi+ik，vi代表不同产品类别的扰动效应，ik为随机扰动项。为截距项，1、2、分别为回归系数，、分别代表空间效应和时间效应。2.内生性处理1）变量的双向因果关系模型中的产品销量（salesik）与溢价能力（yik）理论上存在双向因果关系。本文使用消费偏好（商65品收藏量likesik）为工具变量，一方面，由于消费者收藏行为与实际支付无关，因此相较于产品购买行为而言，产品收藏行为受价格因素的影响作用显著降低。另一方面，消费偏好与消费决策之间存在明显的正相关关系，对产品产生购买偏好的消费者越多，形成购买行为的消费者就越多，并积极作用于产品定价、企业溢价能力。因此，两阶段最小二乘回归（2SLS）第一阶段模型设定如下：salesik=a+b1xik+b2x2ik+clikesik+dcontrols+1c+1t+1（10）其中，a为回归模型的截距项，b1、b2分别为因变量对自变量、自变量平方项的回归系数，c为工具变量消费偏好的回归系数，d为控制变量的回归系数，1为随机扰动效应，1、1分别代表空间效应和时间效应。将salesik的估计值salesik纳入2SLS的第二阶段模型，具体如下：yik=+1xik+2x2ik+salesik+controls+c+t+（11）其中，为因变量对产品销量的回归系数，反映了引入工具变量剔除反向因果关系之后的作用效应大小。其他变量及系数的含义同上。2）样本选择偏误交易数据是观测数据，而非实验数据，其中无法完全控制的众多因素使样本存在自选择问题，影响样本的代表性。本文使用赫克曼（Heckman）模型加以修正，模型中的逆米尔斯比率（IMR）是自变量和排他性约束变量的非线性函数，能够有效识别偏误。具体地，将影响在线流量规模的外生变量（店铺年限、经营类型、产品收藏量）作为基本条件，对高粉丝量的企业样本进行Heckman回归，同时把IMR加入2SLS的第二阶段回归，生成如下工具变量-赫克曼（IV-Heckit）模型：yik=+dummy+1xik+2x2ik+salesik+IMR+controls+c+t+2（12）其中，dummy 是产品是否为直播带货的虚拟自变量，为虚拟变量的回归系数，为截距项，1为控制反向因果关系和样本选择偏误后因变量对自变量的回归系数，2为因变量对自变量平方项的回归系数，为工具变量消费偏好的回归系数，为逆米尔斯比率的回归系数，为其他控制变量的回归系数，2为随机扰动效应，、分别代表空间效应和时间效应。四、实证检验与结果分析（一）回归结果及分析为避免变量间存在的异方差问题，在建模过程中均对变量进行取对数处理，也因此使回归系数具有弹性的经济学含义。其中，产品销量的回归系数代表销量每提升1%，产品定价将平均提升%，即yik/yik=salesik/sales，可 转 换 为salesik/sales=(1/)yik/yik，表明产品需求价格弹性近似为-1/。因此产品销量的回归系数从-1.206变化至-0.437 意味着产品需求弹性从0.829变化至2.288。由于需求价格弹性随商品替代品的增多而增大，相较于传统企业而言，跨境电商平台企业面临着更多来自线上、全球的竞争替代品，其产品的需求曲线应是富有弹性的（-1/应大于 1）。因此，产品销量的回归系数取值变量产品定价实际支付价格在线流量规模物流服务商家回复率是否直播带货店铺年限店铺铺货量产品销量产品收藏量产品评论数产品评分城市人均GDP城市人口城市是否为跨境电商综合试验区发货城市成交时间支付方式产品类别观测值5 147 5625 111 6845 147 5625 143 5325 147 5625 147 5625 147 5625 147 5625 147 5625 147 5625 147 5625 147 5625 071 2725 071 2725 071 2725 071 2725 147 5625 147 5625 147 562最大值82.887165.366168 764.00040.1201.0001.00060.0007 962.000112 581.00017 947.0008 087.0005.000322 000.0003 124.0001.000最小值1.3230.8170.0000.0000.3500.0001.00013.0001.0000.0000.0003.60012 480.00025.0000.000均值或类别数20.73224.09216 645.2310.7330.9510.00315.842754.4232 581.2311 270.756535.6354.874138 967.1291 014.1420.83630712152 470标准差17.74018.10225 243.3271.0420.1020.0037.244521.6543 240.3451 154.478498.8340.58639 867.067347.7100.475表1 变量的描述性统计66-0.437比-1.206更具说服力，本文认为引入消费偏好工具变量后的模型解释效力有所提升。在线流量规模对企业溢价能力的效应检验结果如表2所示。列（2）显示，企业溢价能力与在线流量规模间存在二次函数关系，溢价能力随流量规模的增加而下降，且该影响效应随规模递增（斜率k=-0.016x-0.068），印证了跨境电商低价企业提价转型时消费者认为其低价营销承诺的兑现程度较低，在线流量有更大概率转变为消极流量。具体为，企业低价承诺的营销范围越广、被吸引的在线流量规模越大，提价过程中损失的需求规模也越大，同时在线负面反馈等消极因素加速需求下降，产品需求曲线左移的同时曲线斜率增大。企业依据市场需求下降的情况而付出更多的价格折扣，从而使企业溢价能力受损。H1b与H2b得到验证。表2列（4）显示，COD价格同样随在线流量规模的增大呈加速下降态势。通过比较二次项系数发现，相较于产品定价，COD价格对流量规模的变动影响更敏感（斜率绝对值增加更快），说明我国跨境电商企业对COD市场的抢夺更激烈。面对COD市场的在线流量流失，企业愿意提供更多的折扣以使其留存。列（5）、列（6）结果同样显示，跨境电商企业低价营销所获取的流量规模越大，转型时企业溢价能力就越低。此外，控制变量系数方向与大小均不违背经济学定律且具有解释力。直播带货型企业能够通过实时互动塑造与消费者的虚拟亲密关系，过程中的情绪传播易使消费者对收到的产品产生满意感知，从而巩固企业的用户黏性。加之直播带货时通常将营销产品与赠品组合售卖，故即使将营销产品设定为较高价位，消费者也易接受。因此，本文进一步以直播带货电商企业为典型样本，验证营销承诺兑现程度较高（a=1）情形下的 H1a、H2a 假设。通过对产品标题进行“直播”属性检索，确定共计17 594个样本，并在回归模型中引入是否直播、是否直播与在线流量交互项、是否直播与在线流量平方项的交互项，以Heckman模型展开分析。表2列（3）显示，当产品为非直播带货产品时，因变量对在线流量的回归系数为-0.072，对在线流量平方项的回归系数为-0.011；当产品是直播带货产品时，两系数分别为0.709和0.260，说明此时流量规模发挥积极效应。原因在于，相较于一般企业基于产品低价的营销承诺，直播带货型企业往往围绕除价格外的产品特征做出营销承诺，其营销范围相对更广，所吸引的在线流量规模更大。同时直播型产品对营销承诺的兑现程度更高，增加了已购消费者对产品的满意认知，使其通过积极反馈促进潜在购买意愿的形成，将更多的在线流量转变为精准购买流量，从而右移产品的需求曲线，进一步为跨境电商企业带来溢价能力。以变量ln在线流量ln在线流量的平方项是否直播是否直播ln在线流量是否直播ln在线流量的平方项ln物流服务费用ln店铺铺货量ln产品销量ln产品评论数ln发货城市人均GDPln发货城市人口城市是否为跨境电商综合试验区调整的R2产品定价（1）最小二乘回归-0.087*（0.034）-0.007*（0.002）0.564*（0.028）0.038*（0.011）-1.206*（0.056）-1.049*（0.052）0.013*（0.007）0.021*（0.012）-0.005*（0.003）0.412（2）两阶段最小二乘-0.068*（0.025）-0.008*（0.002）0.725*（0.021）0.077*（0.007）-0.437*（0.113）-0.168*（0.018）0.041*（0.021）0.064*（0.017）-0.092*（0.030）0.439（3）工具变量-赫克曼模型-0.072*（0.035）-0.011*（0.009）0.135*（0.017）0.781*（0.057）0.271*（0.140）0.661*（0.254）0.068*（0.027）-0.444*（0.242）0.022*（0.012）0.056*（0.026）-0.094*（0.029）0.367COD价格（4）两阶段最小二乘-0.052*（0.005）-0.016*（0.008）0.463*（0.021）0.048*（0.007）-0.432*（0.012）-0.119*（0.017）0.047*（0.020）0.041*（0.018）-0.109*（0.029）0.394COD交易是否折价（5）工具变量-逻辑回归0.059*（0.025）-1.833*（0.094）0.210*（0.060）0.188*（0.085）0.089COD折价金额（6）两阶段最小二乘0.131*（0.043）-1.809*（0.183）0.264*（0.105）0.194*（0.108）0.457*（0.250）0.164注：*、*、*分别代表在10%、5%和1%的水平上显著；表中空白处代表该变量未纳入模型，代表该变量在模型中结果不显著；括号内的数值为标准误。表2 在线流量对跨境电商溢价能力的效应检验结果67上结论验证了H1a。另外，在线流量规模对企业溢价能力的促进作用是逐步提升的，直播营销的范围越广、在线流量规模越大，促进效果就越明显，H2a没有得到验证。可能的原因是，直播带货在跨境电商领域尚处于起步阶段，迎合市场需求的营销模式具有对企业绩效的暴发式促进效应，因此在线流量的增长效应在短期内呈递增趋势。但从长期来看，市场上通常会出现更新颖的营销手段（如新零售模式），跨境电商生态下的产品与服务也将逐步臻于完善，直播带货并不一定能够在长期内保持流量红利，其在线流量的增长效应大概率会逐渐下降，最终维持在某一稳定的水平。（二）进一步检验结果及分析1.调节机制检验本文进一步验证在线流量规模与其他变量存在的交互影响，以揭示调节机制，检验结果如表3所示。1）消费者特征通过对服装类跨境电商企业的男、女装划分确定消费者性别。引入“消费者性别”虚拟变量，男性取值为0，女性取值为1。结果显示，跨境电商女装产品定价普遍低于男装，这与国内电商市场情况基本吻合。原因在于女性消费者网购服装频率更高，对产品特征的敏感性更强，更习惯于进行产品的横向比对，从而使女装类企业的竞争更激烈，促使价格维持在低位。值得注意的是，在线流量规模和消费者性别的交互项系数显示为负，说明性别变量在流量规模发挥作用过程中具有调节作用，即女性消费者对企业营销承诺及兑现程度更敏感，在以低价营销获得流量的企业对产品提价时，由其构成的在线流量也更易转换为消极流量，因此交互项系数为负。2）企业经营特征跨境电商企业门槛较低，绝大多数中小企业并未形成完整的供应链体系，经营方式以铺货为主，即通过赚取产品定价与批发价的差额而获取利润。本文将店铺产品种类高于5 000种的情况视为铺货经营模式。研究结果表明，该经营模式下的产品定价普遍较高，但销量较少，通过在线流量规模的调节作用后，产品定价大多有一定的提升。原因在于，采取铺货模式的店铺本身可视作流量平台，在兑现营销承诺的前提下，企业为在线流量提供了更多的产品选择，从而提升其购买需求与产品定价。这验证了H3假设。进一步发现，店铺年限变量在任何一个模型中均不显著。一般而言，传统企业在经营的过程中积累企业信用，消费者在面临众多选择时更偏好于选择声誉较好的“老牌”企业，但该定律在全球数字化过程中并非一直成立。对跨境电商企业而言，资历不代表市场地位，经营多年但利润甚微的企业、起步之初就迎来高流量增长点的企业均不在少数。跨境电商企业利润、溢价能力并非以时间积累，而应遵循满足市场需求的差异化营销路径，同时提升产品质量与企业服务使其符合营销预期，才能获取真正的流量红利。此外，在时间效应对企业溢价影响方面，回归结果显示，我国跨境电商的产品定价水平随时间推移而逐渐下降，尤其 2021 年较 2020 年明显偏低。原因在于，一方面，2020年年初，我国从全球范围内的新冠肺炎疫情中迅速恢复，但同期海外供应链形势仍然严峻，导致专职人员稀缺、当地物流配送延时，产品均摊的物流成本提高促使产品定价抬高。另一方面，源于我国出口跨境电商企业并未规划清晰的差异化发展路径，以低价营销的方式出海所带来的负面效应正逐步显现，使企业定价水平呈现下滑趋势，从而抑制了企业溢价能力。2.稳健性检验1）倾向得分匹配倾向得分匹配（PSM）是一种反事实推断模型，指通过设定匹配条件，将干预组观测数据与控制特征消费者特征企业经营特征时间趋势变量或时间消费者性别消费者性别ln在线流量店铺年限店铺年限ln在线流量店铺铺货量店铺铺货量ln在线流量2020年4月至6月2020年7月至12月2021年1月至3月2020年4月至2021年3月产品定价-0.161*（0.031）-0.007*（0.004）不显著不显著0.065*（0.031）0.008*（0.005）0.