用户直连制造电商平台产品销量影响因素研究——以必要商城为例.pdf

第 25 卷 第 4 期2023 年 7 月首都经济贸易大学学报(双月刊)Journal of Capital University of Economics and BusinessVol.25,No.4Jul.2023DOI:10.13504/ki.issn1008-2700.2023.04.006用户直连制造电商平台产品销量影响因素研究 以必要商城为例华 迎,郭可欣,杨 科(对外经济贸易大学 信息学院,北京 100029)收稿日期:2022-10-30;修回日期:2022-12-28基金项目:国家社会科学基金重点项目“数字可供性视角下电商直播赋能中小微企业数字化转型研究”(21AJL013);惠园杰出青年学者项目“缺乏名人效应的直播电商中,场域因素对消费者冲动性购买行为的影响研究 基于中小微企业的混合式研究”(20JQ09)作者简介:华迎(1976),女,对外经济贸易大学信息学院教授、博士生导师,通信作者;郭可欣(1999),女,对外经济贸易大学信息学院博士研究生;杨科(1998),男,对外经济贸易大学信息学院硕士研究生。摘 要:聚焦用户直连制造与传统电商模式的差异,从自我呈现视角出发挖掘用户直连制造电商平台产品销量的影响因素。以必要商城为研究对象,运用隐含狄利克雷分布主题模型与文本分析法对工厂呈现的研发能力、制造能力、自主品牌亲和力进行测量,通过 21 930 条必要商城面板数据进行实证检验,研究结果显示制造能力、研发能力、服务态度得分、代工品牌影响力、自主品牌亲和力显著正向影响产品销量,产品类型调节代工品牌影响力对产品销量的影响。与搜索型产品相比,代工品牌影响力对体验型产品销量的影响更强。关键词:用户直连制造;自我呈现理论;工厂能力;产品销量;代工品牌中图分类号:F274 文献标识码:A 文章编号:1008-2700(2023)04-0082-17一、问题提出用户直连制造(customer-to-manufacturer,C2M)是数字经济时代的创新商业模式,通过电子商务平台用户和制造商直接连接,跨越传统供应链的中间商,实现短路经济。该模式通过以销定产的模式实现供应链资源的优化配置,一方面为制造商解决库存积压难题,另一方面为用户提供高性价比的产品。艾瑞咨询数据显示,2018 年中国 C2M 市场交易规模约为 175.2 亿元,在整体市场中的渗透率仅为 4.1%,2021 年中国 C2M 行业市场规模增长至 468.8 亿元,未来仍有较大增长空间1。C2M 主打高性价比模式,其未来增量将主要来自用户规模的增长,因此,探究 C2M 模式下哪些因素影响消费者的购买行为具有重要的实践意义。C2M 领域现有研究主要聚焦于行业发展2以及供给端变革3,仅有少量文献从需求端出发对消费者行为进行研究4,并且现有文献中缺乏对 C2M 电商平台产品销量影响因素的研究。首先,C2M 模式中,工厂作为产品的直接制造商,其制造能力高低直接决定了产品质量,影响消费者的购买行为。已有研究发现产品的制作工艺与企业研发投入会影响消费者的购买决策5,但尚未有文献从工厂能力视角出发研究制造能力、研发能力等因素对产品销量的影响。其次,C2M 以销定产的经营模式客观上拉长了用户从28首都经济贸易大学学报(双月刊)2023 年第 4 期下单到收货的等待时间,作为服务质量的潜在评价维度,产品生产周期对销量的影响作用尚未得到充分讨论。最后,已有研究发现搜索型和体验型的产品类型能够调节在线评论6、产品排名7和卖家生成内容8对产品销量的影响,在电商平台产品销量的影响因素中起到了关键的调节作用,但产品类型对品牌属性和产品销量关系的调节作用还未得到充分讨论。在 C2M 电商情境下,产品往往对应两种品牌,一是工厂曾经代工过的一线大牌,二是工厂目前正在孵化的自主品牌,这两种品牌属性对产品销量的影响机制还需进一步探索。因此,本文聚焦 C2M 电商与传统电商模式的差异,从工厂能力、服务质量、品牌属性三方面出发,研究 C2M 电商平台产品销量影响因素,并讨论了产品类型的调节作用。必要商城(http:/ C2M 电商平台。本文以必要商城为研究对象,基于自我呈现理论,通过分析工厂的在线自我呈现行为,着重分析 C2M 电商平台产品销量的六大影响因素,分别为制造能力、研发能力、生产周期、服务态度得分、代工品牌影响力、自主品牌亲和力。进一步分析聚焦于搜索型产品与体验型产品,探究代工品牌影响力、自主品牌亲和力两种品牌属性与产品销量之间的关系。本文的主要创新之处在于:第一,从自我呈现视角出发,通过分析工厂自我呈现行为来挖掘产品销量的影响因素,拓展了自我呈现理论的应用情境;第二,探析 C2M 电商与传统电商模式的差异,探讨C2M 电商平台产品销量的影响因素,拓展了 C2M 领域的研究,为 C2M 平台及代工厂产品销量的提升提供实践启示;第三,基于 C2M 模式的独特性,使用隐含狄利克雷分布(latent Dirichlet allocation,LDA)主题模型与基于词典的文本分析法测量工厂呈现出的研发能力、制造能力、自主品牌亲和力,拓展了产品销量影响因素的选取与测量,验证工厂营销方式的有效性,为平台管理工厂自我呈现信息提供了实践参考;第四,探讨搜索型产品和体验型产品,这两类不同类型产品的品牌属性与产品销量之间关系的调节机制,一方面丰富了产品类型的相关研究,另一方面为经营不同类型产品的工厂如何进行有效营销提供了策略建议。二、文献综述(一)电商平台产品销量的影响因素学术界对电商平台产品销量的影响因素进行了深入探讨。现有研究主要分析各类电商平台呈现的产品和店铺信息对销量的影响、品牌和服务等因素对销量的影响,以及产品类型在各类信息对销量的影响中的调节机制,使得产品销量的影响因素和影响机制逐步清晰9。基于产品信息视角,现有文献探讨了价格、评论、收藏数量等因素对产品销量的影响。赵占波等(2013)10、蔡舜等(2019)11针对 C2C 平台和知识付费产品进行研究,发现了价格对销量的负向影响。林海和胡雅淇(2021)对生鲜电商平台进行研究,发现评论特征显著影响产品销量12。评论数量、评论分数、评论好评率以及评论可读性均正向影响产品销量13-15,而评论离散程度对产品销量的影响具有动态变化性16。社交电商领域的研究发现产品点赞量、社区收藏量和朋友喜爱量均会正向影响产品销量17-18。此外,齐托托等(2020)研究发现产品描述的语言风格正向影响产品销量19。从品牌视角出发,良好的品牌形象积极影响感知质量和感知价值,进而提高消费者的购买意愿20,品牌作为自身产品质量信号的作用十分突出,能够直接影响产品销售21。现有研究从品牌影响力、品牌亲和力两方面研究了品牌属性对产品销量的影响。品牌竞争力也是影响商品销量的重要因素22。品牌知名度及其客观权威排名正向影响消费者的购买意愿和购买决策23-24。品牌亲和力对于消费者购买决策意见的形成具有相当大的影响25,在品牌广告中融入情感化设计,可以增加消费者对于品牌的亲近感与信赖感,从而激发购买欲望26,品牌亲和力会对产品销量产生正向影响27。在 C2M 电商情境中,工厂一方面展示其代工经验,利用一线大牌的品牌影响力吸引消费者,另一方面传递品牌理念增加用户粘性,打造自主品牌,实现自身转型升级。因此,C2M 模式下代工品牌影响力与自主品牌亲和力对产品销量的影响有待进一步探讨。382023 年第 4 期华迎,郭可欣,杨科:用户直连制造电商平台产品销量影响因素研究基于店铺信息视角,已有研究发现平台认证、店铺声誉等因素积极影响产品销量。陈艳莹和李鹏升(2019)发现店铺获得金牌卖家认证有助于提升产品销量28,平台认证等级越高,产品销量越高29,因此,提高商家的信誉等级能使商家的销量更高30。也有研究探索了店铺声誉对销售情况的影响31,声誉值影响网上交易的信任和购买行为32,线上和线下的高声誉均能够增加产品销量33。卖家的个人声誉也会对产品销售量产生正面影响34,例如,知识生产者声誉会显著正向影响知识付费产品的销量11。C2M电商情境下,消费者面对的店铺不再是传统电商情境中的品牌方或分销商,而是产品的直接制造商,即工厂。工厂能力的高低直接决定了产品质量的好坏,影响消费者的购买行为。已有研究发现产品的制作工艺与企业研发投入会影响消费者的购买决策5,但尚未有文献从工厂能力视角出发研究制造能力、研发能力等因素对产品销量的影响。基于服务视角,现有研究探究了卖家服务水平、物流服务、保障服务等因素对产品销量的影响。袁海霞等(2019)发现文本评论中的售前与售后服务情感倾向能有效推进电商平台的在线销售转化35。物流服务水平12,36和消费者保障服务37等服务特征都会影响产品销量。于兆吉等(2021)研究发现当在线旅游产品可以同时提供无购物保障和成团保障服务时,产品销量有显著提升38。店铺动态评分、卖家服务质量以及各种消保服务等都对卖家销量有一定的促进作用39。服务质量是影响产品销量的重要因素,在线购物情境下,消费者可以通过平台展示商家的服务态度得分了解商家服务质量。此外,产品交付的及时性是评价商家物流服务质量的重要指标,王夏阳等(2020)认为较快的交货时间能够降低网购的交易成本乃至消费者对风险的感知,促成消费者的购买决策40。而 C2M 平台先下单后生产的经营模式导致商品交货周期长,影响服务的及时性。因此,C2M 模式下生产周期对产品销量的影响作用还需进一步探讨。产品类型在电商平台产品销量的影响因素中起到了关键的调节作用。对于不同类型的产品,在线评论会对产品销量产生不同的影响6。与实用型产品相比,享乐型产品的评论数量、评论好评率和评论可读性对知识付费产品销量的正向影响更加明显14。丘凌云等(2019)发现,与搜索型产品相比,个体评论与总体评分的一致性对评论有用性的影响在体验型产品中更为显著41。汪旭晖和王东明(2021)发现购买搜索型产品时,信息型生成内容更能提升消费者的能力信任,购买体验型产品时,互动型生成内容更能提升消费者的善意信任42。刘启华等(2021)发现,与搜索型产品相比,消费者在购买体验品时产品排名的影响更大7。潘莉等(2020)认为,相较于搜索型产品,体验型产品需要消费者对产品质量进行主观判断,因此,品牌广告的作用尤其关键43。在 C2M 电商情境下,产品往往对应两种品牌,一是工厂曾经代工过的一线大牌,二是工厂目前正在孵化的自主品牌,不同产品类型对这两种品牌属性与产品销量间关系的调节作用有待进一步探索。(二)工厂能力评价已有文献对工厂能力的评价研究主要集中在两方面,一是工厂能力评价指标体系的设计与构建,二是工厂能力评价方法的研究。指标体系构建方面,德国机械设备制造业联合会于 2015 年提出了工业 4.0 就绪度模型,包含战略组织、智能工厂、智能运营、智能产品、数据驱动服务、雇员;舒马赫等(Schumacher et al.,2016)在指标体系中进一步加入了文化、客户、领导力、技术44。索尼和艾塔尔(Sony&Aithal,2020)针对印度工程行业改进指标体系,认为组织与供应链的数字化能力是评价工厂能力的重要指标45。2020 年,中国国家标准 智能制造能力成熟度模型(GB/T 391162020)由国家市场监督管理总局、国家标准化管理委员会发布,从人员、技术、资源、制造四个方面评价工厂能力,其中制造维度包括设计、生产、物流、销售、服务46。其他研究表明,采购47、设备48是评价企业制造能力的重要维度,人员49、技术创新50是评价企业研发能力的重要维度。评价方法研究与设计方面,阿泽维多和圣地亚哥(Azevedo&Santiago,2019)提出了一套企业能力水平量化方法,包括问卷调研、差异分数(deviation score,d-score)符合指数评价法进行评分、专家访谈48首都经济贸易大学学报(双月刊)2023 年第 4 期法进行赋权三个环节51。2020 年,中国国家标准 智能制造能力成熟度评估方法(GB/T 391172020)由国家市场监督管理总局、国家标准化管理委员会发布,要求通过访谈、现场巡视、信息系统演示等方法收集数据,采用专家打分法评价工厂智能制造能力成熟度52。可见,现有研究已从制造、研发、组织、战略等维度构建了较为完备的工厂能力评价指标体系,并提出了基于企业级问卷调研、访谈与现场走访、专家打分法等来对工厂能力进行科学的评价。然而,由于中小代工厂信息披露机制不完善,消费者难以获取工厂能力的科学评价。消费者在进行网络购物的过程中,需要通过阅读工厂的自我描述文本来形成对其能力的认知,由此作出购买决策。因此,有必要基于工厂在 C2M 平台发布的自我呈现内容,通过文本分析的方法刻画消费者对工厂能力的实际感知。(三)研究缺口学者们基于传统电商模式探讨了产品信息、品牌、店铺信息、服务质量以及产品类型等因素对产品销量的影响,而鲜有对 C2M 电商平台产品销量的相关研究。在 C2M 模式下,从消费者角度出发刻画其对工厂能力的实际感知,以及研究工厂能力对产品销量的影响具有重要的理论与实践意义。C2M 模式下,生产周期对产品销量的影响尚未得到充分讨论。此外,C2M 模式下代工品牌影响力与自主品牌亲和力对产品销量的影响有待进一步研究,产品类型对品牌属性与产品销量间关系的调节作用也尚未得到充分讨论。因此,本文聚焦 C2M 电商与传统电商模式的差异,从自我呈现视角出发,通过分析工厂自我呈现行为,从工厂能力、服务质量、品牌属性三方面出发挖掘产品销量的影响因素,研究 C2M 电商平台产品类型的调节作用。三、理论分析与研究假设(一)理论分析自我呈现理论起源于社会学领域,描述了人们控制他人对自己印象形成的过程,进而影响个体后续决策行为53-56。随着信息技术的发展,人们开始在虚拟社交网络中进行自我呈现,通过文本形式的自我描述以及图片形式的形象展示,向他人呈现个人信息,增强他人对自己的了解,促进双方关系的形成57。该理论的应用已拓展至电子商务领域,商家通过文字、图片、视频等不同形式的自我呈现行为向消费者传递产品信息,降低消费者的风险感知,与消费者建立起信任关系,促进产品销量32,58。线索效用理论认为,消费者用来判断产品质量的线索可以分为反映产品物理特征的内部线索和反映产品外在属性的外部线索59。由于个体所拥有的时间、知识、注意力和认知资源是十分有限的,消费者在决策时会产生认知吝啬,并且倾向于采用快速的、不需要耗费大量资源的认知方式形成判断60。在 C2M 模式中,消费者对工厂提供的产品不熟悉,内部线索无法被立即获得,需要一个相对复杂的确认过程,而外部线索更容易获得和接近,认知过程也更加简单。工厂在 C2M 电商平台的自我呈现行为是产品外部线索的重要来源,能够帮助消费者了解工厂,降低不确定性,促使消费者购买产品。C2M 电商情境下,工厂的自我呈现行为体现在以下三个方面:在工厂能力方面,工厂通过文本内容描述其制造能力与研发能力,增加消费者对其能力的认知;在服务质量方面,工厂标明产品的生产周期,展示商家的服务态度得分,以此帮助消费者了解商家服务质量;在品牌属性方面,工厂展示其代工经验,利用一线大牌的影响力吸引消费者,宣传品牌理念与产品宗旨,获得消费者的亲近感,同时附上车间真实生产状况等图片,以增进消费者信任。基于此,本文选取制造能力、研发能力、生产周期、服务态度得分、代工品牌影响力、自主品牌亲和力作为解释变量,检验工厂能力、服务质量、品牌属性对 C2M 电商平台产品销量的直接作用。将产品类型作为调节变量,探讨不同产品类型对品牌属性与产品销量间关系的调节作用。本文的研究模型如图 1所示。582023 年第 4 期华迎,郭可欣,杨科:用户直连制造电商平台产品销量影响因素研究6BFE6-6*71U2WTOUJF)B)C)B)C)B)C)B)C图 1 研究模型(二)研究假设1.工厂能力与产品销量在电商平台交易中,文字、图片、视频等不同形式的自我呈现行为能够使消费者最大化地获得产品信息,从而提升消费者对于卖家的能力信任42。已有研究表明商家在电商平台中呈现的店铺信息能够显著影响产品销量。在 C2M 电商情境下,消费者面对的不再是传统电商情境下的品牌方或分销商,而是直面工厂。工厂作为产品的直接制造商,其能力的高低决定了产品质量的好坏。制造能力和研发能力是评价工厂能力的重要指标,产品的制造工艺显著影响消费者对产品质量的感知20,研发投入决定了产品或服务质量的好坏5。工厂在 C2M 平台中通过自我描述的文本内容进行自我呈现,向消费者展示其制造能力与研发能力,以此获得消费者对工厂的能力信任和对产品质量的感知,促使消费者购买产品,从而提高产品销量。因此,本文提出以下假设:H1a:制造能力对产品销量有显著正向影响。H1b:研发能力对产品销量有显著正向影响。2.服务质量与产品销量服务质量是影响消费者在线购买决策的重要因素12。工厂在 C2M 平台通过标明产品的生产周期并展示商家的服务态度得分进行自我呈现,向消费者传递商家的服务质量信息。在线购物情境下,货物送达的及时性、人员沟通质量等是评价商家物流服务质量的重要指标。其中及时性指订单能否在承诺时间内送达客户,也可将及时性定义为消费者从下单到收货的时间跨度61。物流服务越及时,消费者预期的等待时间跨度越短,其购买意愿越强62。较快的交货时间能够降低网购的交易成本乃至消费者对风险的感知,促成消费者的购买决策40。在 C2M 模式下,工厂遵循以销定产的经营方式,消费者下单后需要等待产品生产完成后才会进入配送环节。产品的生产周期会拉长消费者等待的时间跨度,影响服务的及时性和消费的时效性,影响消费者的购物体验,从而对销量产生负向影响。因此,本文提出以下假设:H2a:生产周期对产品销量有显著负向影响。电商平台通常会将商家的在线口碑以分数形式量化和展示,商家动态评分在消费者的购买决策中起到了重要作用60,63。消费者在 C2M 电商平台购物的过程中,通常使用商家服务态度得分形成对服务质量的判断。较高的商家动态评分能够对产品销量产生显著的正向影响,例如,在线旅游商家的动态评分越高,其在线旅游产品的销量越高38;在线短租商家的总体评分越高,消费者的购买意愿越强64。工厂通过提升自身的服务态度得分进行自我呈现,向消费者传递服务质量信号,提高消费者对服务质68首都经济贸易大学学报(双月刊)2023 年第 4 期量的感知,从而提高产品销量。因此,本文提出以下假设:H2b:服务态度得分对产品销量有显著正向影响。3.品牌属性与产品销量品牌作为产品价值的无形担保,能够向消费者传达企业的声誉、形象、经营理念等信息,降低消费者在购买决策过程中的风险感知65。品牌能够显著影响消费者的购买意愿及产品的销量66。C2M 电商模式的特点在于工厂通常存在两种品牌:一是工厂曾经代工过的产品的品牌,二是工厂目前致力于打造的自主品牌。工厂对其品牌属性的自我呈现行为包括两个方面:一是展示工厂代工经验,利用代工品牌的影响力为其产品提供背书,以此吸引新客户;二是通过关于品牌理念与产品宗旨的自我描述文本,展现自主品牌亲和力,维系客户关系,提升用户粘性,转型升级为原始品牌制造商,逐步走出传统代工模式的困境。消费者在 C2M 电商平台购物的过程中,会根据工厂的代工经验以及代工品牌的影响力形成对产品质量的判断。权威排名等彰显品牌影响力的品牌线索显著影响消费者对产品的购买决策24。品牌竞争力也显著影响产品的在线销量22。因此,本文提出以下假设:H3a:代工品牌影响力对产品销量有显著正向影响。自主品牌亲和力体现为工厂自我描述文本的情感倾向,是影响消费者购买决策的重要情感线索。情感相关线索有助于创造愉悦的在线购物氛围,在提升消费者在线购物体验过程中起重要作用67。情感相关线索可以作为任务相关线索的表现形式或重要补充,间接影响消费者的购买决策68。音乐节奏、页面色调、图像、视觉呈现等都是独特的情感线索69-70。商家自我描述文本的情感倾向也能够影响产品的销量58,71-72。在 C2M 电商情境下,工厂通过在产品图文详情页面陈述其品牌理念与产品宗旨进行自我呈现,通过自我描述文本向消费者传达积极情绪,展现品牌亲和力,拉近品牌与消费者之间的距离。消费者通过阅读关于品牌理念与产品宗旨的自我描述文本,对品牌产生亲近感和信任,作出购买决策26。因此,本文提出以下假设:H3b:自主品牌亲和力对产品销量有显著正向影响。4.产品类型的调节作用消费品可以分为搜索型产品、体验型产品以及信任型产品三大类73。搜索型产品指消费者在购买或消费前就很容易观测其特征的产品,如电器、电子产品等74;体验型产品指消费者在购买或消费后才可以观测其特征的产品,如美妆护肤品、度假村等75;信任型产品指消费者在购买或消费后也难以观测其特征的产品,如维生素、消毒剂等。消费者购买搜索型产品时,会通过产品参数等产品属性的客观描述观测产品特征41。在线购物情境下的信息过载会导致认知吝啬现象,当消费者能够依赖产品内部线索作出购买决策时,产品外部线索对购买决策的影响就会被削弱;消费者购买体验型产品时,通常难以通过内部线索观测产品特征,会面临更高的风险与不确定性60。因此,消费者可能有更强烈的动机去寻找产品外部线索43,对线索进行加工,从而支撑其购买决策。在 C2M 电商情境下,消费者在购买体验型产品时,需要一个更加复杂的确认过程,外显、易得的品牌线索成为促进购买行为的关键线索。具体而言,代工品牌影响力这一重要外部线索能够通过工厂展示的代工经验直接获取,自主品牌亲和力通过影响消费者情感促进其决策行为,因此,消费者在购买体验型产品时,会对这两类线索保持更高程度的关注。因此,本文提出以下假设:H4a:与搜索型产品相比,代工品牌影响力对体验型产品销量的影响更强。H4b:与搜索型产品相比,自主品牌亲和力对体验型产品销量的影响更强。四、研究设计(一)数据收集本文的研究数据来源于必要商城。必要商城是 C2M 电子商务平台,于 2015 年上线,已经与超过 200 家782023 年第 4 期华迎,郭可欣,杨科:用户直连制造电商平台产品销量影响因素研究优质工厂签订专属合约,并积累了一大批粘性强、复购率高的忠实客户,发展前景良好。本文使用 Python 网络爬虫技术采集数据,爬虫程序每周日运行一次,数据采集周期为 2021 年 8 月 29 日至 2021 年 10 月 10 日,获得共计 7 期数据。本文收集了 684 个工厂的 2 052 条自我描述文本用于衡量工厂能力。为了验证研究假设,本文选取了其中 116 个工厂的 3 655 件产品,包含个护、美妆、电器、家装、厨卫共 5 个类目,形成 21 930条面板数据。(二)变量定义与测量必要商城有默认评论机制,若用户收货一定天数后未对产品进行评论,则系统会帮助该用户进行默认评论,并将默认评论计入评论总数但不显示具体评论内容。因此,产品上架以来的总销量近似等于总评论量,该机制得到了平台客服的证实,多项研究已表明评论数量是在线购物情境下订单数量的有效代理变量。解释变量为制造能力、研发能力、生产周期、服务态度得分、代工品牌影响力以及自主品牌亲和力。其中,生产周期指产品从下单到发货的生产天数。服务态度得分指发生过消费行为的用户对商家服务态度的平均评分。本文采用 LDA 主题模型构建工厂能力评价指标体系,并基于文本分析方法测量工厂的制造能力与研发能力。首先,对工厂的自我描述文本进行分词,选用 Python 的 Gensim 库实现 LDA 主题建模。在构建文档词频矩阵时,选择词频大于 10 且长度大于 1 的词语作为特征词,实现特征降维,提高计算效率。设置主题数为 1 到 25,其余参数为默认值,依次进行实验,计算困惑度得分与一致性得分,取两者交集得到备选主题数。通过 pyLDAvis 工具对 LDA 主题模型进行可视化分析,确定最优主题数。在 LDA 模型中,参数 用于调节主题与词语的相关性,本文设定=0 以更好地提取主题内容。通过分析各个主题下最相关的 30 个关键词识别主题含义,各主题含义的分析结果如表1 所示。工厂在C2M 电商平台中进行自我描述时,主要聚焦于品牌、工厂、产品这三个方面。其次,结合文献研究,本文构建了 C2M 电商平台工厂制造研发能力评价指标体系,如表 2 所示。最后,本文使用主题关键词构成对应能力域的词典,将工厂自我描述文本分词结果与词典中的词语进行匹配,匹配成功则计 1 分,统计总分得到工厂的制造能力得分与研发能力得分。表 1 LDA 主题模型分析结果主体主题含义关键词示例品牌主题 1描述工厂的自主品牌理念倡导、热爱、环保、生活、天然、使命主题 2描述工厂的产品宗旨轻奢、优雅、经典、艺术、时尚、精致主题 14描述品牌方如何对待用户用户、好评、口碑、售后服务、真诚工厂主题 4描述工厂的 C2M 优势C2M、商业模式、柔性、高性价比主题 5描述与其他机构的合作关系合作、建立、关系、众多、合作伙伴主题 6描述工厂人员及管理状况人员、规模、高素质、管理模式、运营主题 7描述工厂荣誉及研发实力专利、高新技术、荣誉、发明专利主题 8描述工厂资质与合规性认证、国际标准化组织(ISO)、良好生产规范(GMP)、规范、标准、资质主题 9描述工厂综合实力实力、大型、坐落于、占地面积、集团主题 11描述工厂制造能力车间、检测、智能、自动化、仪器产品主题 3描述产品(服装)信息服装、面料、成衣、价位、织造、缝制主题 10描述产品(鞋履配饰)信息运动、制鞋、箱包、鞋履、生产工艺主题 12描述产品(美妆护肤)信息化妆品、肌肤、护肤品、科研、护理主题 13描述产品(生鲜食品)信息食品、种植、农产品、海鲜、产地88首都经济贸易大学学报(双月刊)2023 年第 4 期表 2 C2M 电商平台工厂制造研发能力评价指标体系能力要素能力域主题关键词示例指标来源制造能力设计产品设计、工艺设计、迭代、仿真、优化、外观国家市场监督管理总局,国家标准化管理委员会(2020)46采购原材料、原料、物料、供应商、进口、采购王玉梅和张晓炜(2021)47设备设备、仪器、智能、数字化、检测、精密孟凡生和赵刚(2018)48,张慧明等(2021)49生产工艺、流水线、生产线、车间、产能、年产量国家市场监督管理总局,国家标准化管理委员会(2020)46资质认证、国际标准化组织(ISO)、良好生产规范(GMP)、化妆品良好生产规范(GMPC)、标准、规范、验厂自拟(LDA-主题 8)研发能力人员工程师、团队、科学家、研发人员、技术人员杨瑛哲和黄光球(2017)50,王玉梅和张晓炜(2021)47创新知识产权、发明、专利、高新技术、专利技术王玉梅和张晓炜(2021)47,张慧明等(2021)49合作合作开发、研究院、实验室、大学、研究所自拟(LDA-主题 5)本文参考权威排行榜来测算工厂的代工品牌影响力。主要参考了以下榜单:2021 年世界品牌 500 强、2022 年全球品牌价值 500 强、2021 全球最有价值的 50 个化妆品和个人护理品牌。若代工品牌名称在以上榜单中出现,则视为知名品牌,将代工品牌影响力赋值为 1;若未出现,则视为一般品牌,将代工品牌影响力赋值为 0。自主品牌亲和力为工厂自我描述文本的情感倾向,采用基于情感词典的方法进行测量。品牌生成内容作为品牌方唤醒消费者亲近感的宣传手段,通常不会表现出负面的情感。因此,本文使用的情感词典中仅包含正面情感极性词。首先,将知网(HowNet)中文正面情感词语和简体中文情感极性词典的正面情感词语合并去重后加入情感词典。然后,对工厂自我描述文本的分词结果进行人工标注,选取高频的正面情感词加入词典,去重后一共得到 3 448 个正面情感词。最后,将品牌生成内容分词结果与情感词典中的词语进行匹配,匹配成功则计 1 分,统计总分得到工厂的自主品牌亲和力得分。调节变量为产品类型。本文选取个护、美妆两个类目的产品作为体验型产品,选取家装、电器、餐厨三个类目的产品作为搜索型产品。如表 3 所示,与经营搜索型产品的工厂相比,经营体验型产品的工厂更加注重自主品牌的打造,该类工厂在进行自我呈现时使用的文本长度更长,传达出的品牌亲和力也更强。表 3 自主品牌亲和力评分描述统计产品类型均值标准差最小值25%50%75%最大值体验型23.4317.0717214050搜索型7.869.6902.754.51049全样本20.329.92013192751本文的控制变量主要包括:产品价格、售卖时间、是否为爆品、是否为平台精选、是否可拼团、用户好评率、总评论量。本文涉及的相关变量说明如表 4 所示。982023 年第 4 期华迎,郭可欣,杨科:用户直连制造电商平台产品销量影响因素研究表 4 变量说明变量类别变量名称变量符号变量计算方法变量描述被解释变量产品销量Sales统计产品本期与上期总评论量之差解释变量制造能力Manufacture文本分析基于文本计算的制造能力得分研发能力R&D文本分析基于文本计算的研发能力得分生产周期Duration直接获取产品生产需要的天数服务态度得分Service直接获取工厂在平台上的服务态度评分代工品牌影响力Influence分类知名品牌为 1,一般品牌为 0自主品牌亲和力Affinity文本分析基于文本计算的品牌亲和力得分调节变量产品类型Type分类体验型产品为 1,搜索型产品为 0控制变量产品价格Price直接获取产品当前的售卖价格售卖时间Days统计产品截至当前的上架天数是否为爆品Hot分类0 代表否,1 代表是是否为平台精选Selected分类0 代表否,1 代表是是否可拼团Group分类0 代表否,1 代表是用户好评率Satisfaction直接获取产品截止到当前用户评论中好评的占比总评论量Review直接获取产品截止到当前的用户累计评论数五、实证分析(一)描述性统计表 5 报告了描述性统计与共线性检验结果。由表 5 可知,控制变量中,产品价格、售卖时间、总评论量的极差较大,且部分变量最小值为 0,因此对这三个变量加一后取自然对数再放入回归模型中。(二)多重共线性检验变量的斯皮尔曼相关系数分析结果显示,各变量之间相关系数的绝对值均小于 0.5,表明解释变量之间不存在高度的相关性,初步认为不存在明显的多重共线性问题。为了进一步检验多重共线性问题,本文对所有变量进行了方差膨胀因子检验。由表 5 可知,所有变量的方差膨胀系数均小于 3,进一步印证了不存在明显的多重共线性问题,从而能够保证后续回归分析的可靠性。表 5 变量的描述性统计与共线性检验序号变量均值标准差最小值中位数最大值方差膨胀系数1Sales23.3087.590.004.003394.002Manufacture11.684.691.0012.0035.001.293R&D5.003.280.005.0016.001.404Duration6.273.941.005.0030.001.135Service4.990.024.905.005.001.366Influence0.590.490.001.001.001.197Affinity20.0217.090.0015.0050.002.178Type0.610.490.001.001.002.259Price212.33482.8526.0099.009999.001.1209首都经济贸易大学学报(双月刊)2023 年第 4 期表5(续)序号变量均值标准差最小值中位数最大值方差膨胀系数10Days437.84386.070.00337.002103.001.7311Hot0.040.190.000.001.002.1312Selected0.300.460.000.001.001.2313Group1.000.040.001.001.001.0214Satisfaction0.990.000.931.001.001.1815Review2 741.7610 206.680.00308.00194 513.001.84(三)回归模型本文建立面板数据回归模型来分析 C2M 电商平台产品销量的影响因素,如式(1)所示:Salesi,t=0+1Manufacturei,t-1+2R&Di,t-1+3Durationi,t-1+4Servicei,t-1+5Influencei,t-1+6Affinityi,t-1+7Typei,t-1+8ln(Price)i,t-1+9ln(Days)i,t-1+10Hoti,t-1+11Selectedi,t-1+12Groupi,t-1+13Satisfactioni,t-1+14ln(Review)i,t-1+15Typei,t-1Influencei,t-1+16Typei,t-1Affinityi,t-1+i+Tt+i,t(1)其中,i与 Tt分别用来控制产品类目与季节性因素的影响,i,t是随机扰动项。被解释变量产品销量为非负的计数变量,线性回归可能导致系数估计有偏或不一致,因此,采用泊松回归或负二项回归的方法更加有效。检验发现,过度分散参数 的 95%置信区间为 0.38,0.41,且被解释变量的标准差与均值之比为 3.7,数据过度分散,使用负二项回归比泊松回归的效率更高。基于此,本文选用固定效应的负二项面板回归模型进行实证分析。(四)回归结果本文使用软件 Stata/SE 15.1 实现回归模型的建模分析,结果如表 6 所示。模型 1 只加入了控制变量,模型2 在模型1 的基础上加入了固定效应,模型3模型5 依次引入三类解释变量用于检验主效应,模型6与模型 7 依次引入交互项来检验调节效应。表 6 回归分析结果效应变量模型 1模型 2模型 3模型 4模型 5模型 6模型 7主效应Manufacture0.009 0.008 0.008 0.008 0.008 (0.001)(0.001)(0.001)(0.001)(0.001)R&D0.006 0.006 0.006 0.006 0.006 (0.002)(0.002)(0.002)(0.002)(0.002)Duration-0.001-0.002-0.002-0.002(0.001)(0.001)(0.001)(0.002)Service1.439 1.509 1.475 1.460 (0.302)(0.302)(0.302)(0.303)Influence0.081 0.080 0.079 (0.013)(0.013)(0.013)192023 年第 4 期华迎,郭可欣,杨科:用户直连制造电商平台产品销量影响因素研究表6(续)效应变量模型 1模型 2模型 3模型 4模型 5模型 6模型 7Affinity0.0010.0010.001(0.000)(0.000)(0.001)调节效应InfluenceType0.091 0.093 (0.026)(0.027)AffinityType0.001(0.001)控制效应Type0.205 0.188 0.162 0.151 0.134 0.159 0.165 (0.013)(0.021)(0.021)(0.021)(0.022)(0.023)(0.025)lnPrice-0.113 -0.097 -0.093 -0.090 -0.087 -0.093 -0.094 (0.009)(0.010)(0.010)(0.010)(0.010)(0.010)(0.010)lnDays-0.746 -0.757 -0.753 -0.750 -0.743 -0.741 -0.741 (0.007)(0.007)(0.007)(0.008)(0.008)(0.008)(0.008)Hot0.861 0.865 0.857 0.854 0.859 0.869 0.869 (0.032)(0.031)(0.032)(0.032)(0.032)(0.032)(0.032)Selected0.785 0.785 0.780 0.782 0.777 0.777 0.778 (0.015)(0.015)(0.015)(0.015)(0.015)(0.015)(0.015)Group-0.119-0.117-0.