【統(tǒng)計學論文：在線評論對網(wǎng)上書店銷量影響實證探究4000字】

《統(tǒng)計學》論文：在線評論對網(wǎng)上書店銷量影響實證研究中文摘要隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)上購物也得到了迅速的發(fā)展，網(wǎng)上書店應(yīng)運而生。網(wǎng)上書店的圖書種類不僅豐富，同時也包含了大量的在線評論數(shù)據(jù)。由于互聯(lián)網(wǎng)沒有時空限制，使得網(wǎng)絡(luò)口碑能夠長期保存，并廣泛傳播。在線評論作為網(wǎng)絡(luò)口碑最重要的形式，能幫助購買者更好地對產(chǎn)品或服務(wù)進行了解，對消費者的購買決策有重要的影響作用。本文選取網(wǎng)上書店作為研究對象，通過收集亞馬遜中國網(wǎng)站上圖書的產(chǎn)品信息以及4萬多條評論信息，對網(wǎng)上書店產(chǎn)品銷量的影響因素進行研究。在總結(jié)前人研究的基礎(chǔ)上，構(gòu)建商品評論特征和在線評論特征對產(chǎn)品銷量的影響模型最后，根據(jù)數(shù)據(jù)分析結(jié)果得出本文的研究結(jié)論，對網(wǎng)上書店的口碑營銷提出相應(yīng)的意見與建議。關(guān)鍵詞：在線評論；網(wǎng)上書店；銷量；回歸目錄TOC\o"1-2"\h\z\u265231引言 151272相關(guān)統(tǒng)計分析方法簡介 1277852.1描述性分析 129162.2相關(guān)回歸分析 2124453樣本選取及數(shù)據(jù)來源 227563.1樣本選取 2290033.2數(shù)據(jù)來源 2101014運用統(tǒng)計軟件對樣本數(shù)據(jù)進行分析 3116854.1描述性分析 3120914.2相關(guān)回歸分析 3316174.3分析結(jié)論 5302364.4相關(guān)建議 523363結(jié)束語 730040參考文獻 81引言消費者在購買產(chǎn)品時，總是希望借鑒他人對產(chǎn)品的評價。而消費者購買產(chǎn)品后，也會將自己的實際體驗與他人分享。這種消費者之間關(guān)于產(chǎn)品或服務(wù)的、非正式的信息溝通就是口碑傳播。傳統(tǒng)意義上的口碑往往發(fā)生在日常的人際交往中，其作用在很大程度上受到社交網(wǎng)絡(luò)范圍的限制。并且，隨著時間的推移和距離的增加，口碑傳播的影響會迅速遞減。隨著互聯(lián)網(wǎng)與信息技術(shù)的發(fā)展以及消息平臺和社交網(wǎng)絡(luò)的普及，口碑的傳播模式發(fā)生了極大的變化，口碑傳播不再僅僅局限于實體網(wǎng)絡(luò)之間，而是通過互聯(lián)網(wǎng)與其他消費者相聯(lián)（見圖1.1）。家人和朋友不再是口碑信息主要的傳播者和接收者，網(wǎng)絡(luò)口碑更多地來自于陌生的網(wǎng)絡(luò)購物者。因此，網(wǎng)絡(luò)口碑的發(fā)展對企業(yè)和消費者都有深遠的意義。圖1.1傳統(tǒng)口碑到網(wǎng)絡(luò)口碑的變遷2相關(guān)統(tǒng)計分析方法簡介2.1描述性分析描述性分析是社會調(diào)查統(tǒng)計分析的第一個步驟，對調(diào)查所得的大量數(shù)據(jù)資料進行初步的整理和歸納，以找出這些資料的內(nèi)在規(guī)律——集中趨勢和分散趨勢。主要借助各種數(shù)據(jù)所表示的統(tǒng)計量，如均數(shù)、百分比等，進行單因素分析。統(tǒng)計分析的目的是研究數(shù)據(jù)的總體特征，而描述性統(tǒng)計分析也是統(tǒng)計分析學中的基礎(chǔ)，是對分析數(shù)據(jù)進行正確統(tǒng)計推斷的先決條件.通過描述性統(tǒng)計分析，可以使雜亂無章的數(shù)據(jù)呈現(xiàn)出規(guī)律性，為數(shù)據(jù)建模提供依據(jù).2.2相關(guān)回歸分析相關(guān)分析就是對總體中確實具有聯(lián)系的標志進行分析，其主體是對總體中具有因果關(guān)系標志的分析。它是描述客觀事物相互間關(guān)系的密切程度并用適當?shù)慕y(tǒng)計指標表示出來的過程。在一段時期內(nèi)出生率隨經(jīng)濟水平上升而上升，這說明兩指標間是正相關(guān)關(guān)系；而在另一時期，隨著經(jīng)濟水平進一步發(fā)展，出現(xiàn)出生率下降的現(xiàn)象，兩指標間就是負相關(guān)關(guān)系。回歸分析[1]是通過試驗和觀測來推斷變量之間關(guān)系的一種統(tǒng)計分析方法，主要用于了解自變量和因變量之間的數(shù)量關(guān)系，并使用數(shù)學公式的方法來表達變量之間的關(guān)系.由于不了解變量之間是線性關(guān)系還是非線性關(guān)系，所以用兩種模型做比較，最后選擇較為合適的模型[3]。3樣本選取及數(shù)據(jù)來源3.1樣本選取亞馬遜網(wǎng)上書店創(chuàng)立于1995年，是世界第一家網(wǎng)上書店，在2011年中國B2C在線零售商交易額榜單中僅次于淘寶天貓和京東商城排名第三，交易額達到60億，年增長達到100%。早在1995年，亞馬遜就建立了在線評論系統(tǒng)，它采取了獨特的評論管理措施，相比其他B2C網(wǎng)站，它的在線評論體系更加的完善。2011年亞馬遜網(wǎng)站在中國B2C網(wǎng)站中用戶量和用戶月均瀏覽時間都排名在前四位，其信用等級高于大部分B2C購物網(wǎng)站。到目前為止，亞馬遜積累了大量的購物評論，這些商品評論被認為是亞馬遜網(wǎng)站上的重要特色。因此，本文研究通過亞馬遜中國來搜集研究數(shù)據(jù)。3.2數(shù)據(jù)來源本文隨機選取2022年2月份亞馬遜中國網(wǎng)站銷售排名前100名的圖書作為研究樣本，總共搜集了100本圖書總共4萬多條評論信息。為了保證研究的有效性，本文剔除了評論數(shù)量小于等于10的樣本和平均星級為0的樣本，最后進行數(shù)據(jù)分析的樣本為85。4運用統(tǒng)計軟件對樣本數(shù)據(jù)進行分析4.1描述性分析本文主要調(diào)查的是亞馬遜中國網(wǎng)站2022年2月銷售排名前100位的圖書，并根據(jù)亞馬遜對圖書的分類方式將圖書分為八大類別，圖書的基本信息統(tǒng)計如表4.1所示，從統(tǒng)計結(jié)果可以看出，銷售排名靠前的圖書主要是文學、少兒和勵志圖書，這三個類別分別占到了總數(shù)的32%、28%和15%。表4.1亞馬遜中國網(wǎng)站圖書信息統(tǒng)計結(jié)果數(shù)據(jù)來源：EXCEL分析結(jié)果整理4.2相關(guān)回歸分析4.2.1商品特征變量對產(chǎn)品銷量影響模型在研究的四個模型中，模型0為研究的基準模型，主要引入商品特征變量作為控制變量。模型0主要是對比加入在線評論變量之后模型的擬合優(yōu)度是否有明顯提高，以此來說明在線評論是否對圖書銷量有重要的影響。從表4.2中可以看出多元可判決系數(shù)R2為0.035，即回歸平方和占總離差平方和的3.5%，說明模型1的解釋能力不太好。在模型0中，F(xiàn)值為0.718，模型的相伴概率值為0.582，大于顯著性水平0.01，說明估計的回歸模型不顯著。表4.2商品特征變量對產(chǎn)品銷量影響模型假設(shè)檢驗結(jié)果4.2.2累計評論特征變量對產(chǎn)品銷量影響模型在模型1中，在基準模型的基礎(chǔ)上引入Valence評論平均星級、LnT-volume累計評論總數(shù)作為自變量，研究其對產(chǎn)品銷量排名的影響。從表4.3中可以看出R2為0.23，即回歸平方和占總離差平方和的23%，調(diào)整后的R2為0.171，說明模型2對圖書的銷售排行變化的解釋程度不錯。并且從數(shù)據(jù)結(jié)果可知F值為3.894，模型的相伴概率值為0.002，小于顯著性水平0.01，說明估計的回歸模型顯著，所有的自變量同時與零有顯著差異。和模型0相比，加入評論平均星級和累計評論總數(shù)兩個變量后模型2的擬合程度和顯著性都得到很大提高。表4.3累計評論特征變量對產(chǎn)品銷量影響模型檢驗結(jié)果4.2.3上月評論特征變量對產(chǎn)品銷量影響模型在模型2中，在基準模型的基礎(chǔ)上引入Valence評論平均星級、LnL-volume上月評論總數(shù)作為自變量，研究其對產(chǎn)品銷量排名的影響。從表4.4中可以看出R2為0.393，即回歸平方和占總離差平方和的39.3%，調(diào)整后的R2為0.347。從數(shù)據(jù)結(jié)果可知F值為8.433，模型的相伴概率值為0.00，遠小于顯著性水平0.01，說明估計的回歸模型顯著，所有的自變量同時與零有顯著差異。和模型1相比，模型2的擬合程度得到了較大的提升，說明和累計評論總數(shù)相比，產(chǎn)品的上月評論總數(shù)對產(chǎn)品銷量的解釋程度越高。表4.4上月評論特征變量對產(chǎn)品銷量影響模型檢驗結(jié)果4.2.4各星級評論數(shù)量對產(chǎn)品銷量影響模型通過模型3可以看出，圖書上月評論數(shù)量對產(chǎn)品銷量影響顯著，模型3主要是探究不同評論星級對產(chǎn)品銷量影響是否存在差異。模型3中，分別引入圖書上月各星級評論數(shù)量作為自變量，從表4.5中可以看出R2為0.533，即回歸平方和占總離差平方和53.3%，這說明圖書的銷售排行53.3%的變化可以由模型3解釋，調(diào)整后的R2為0.476，說明模型3的解釋能力不錯。從表中可知F值為9.493，模型的相伴概率值為0.000，遠小于顯著性水平0.01，說明該回歸模型顯著，所有的自變量同時與零有顯著差異。模型3的擬合程度在所有模型中是最高的，F(xiàn)值也是最大的，說明模型3是最優(yōu)模型。表4.5各星級評論數(shù)量對產(chǎn)品銷量影響模型假設(shè)檢驗結(jié)果4.3分析結(jié)論（1）評論平均星級對圖書銷量影響不顯著。雖然評論的平均星級代表了消費者對產(chǎn)品的平均評價，但是消費者在瀏覽評論信息時，主要是看評論的具體內(nèi)容而不是評論的平均星級，因此評論的平均星級對消費者的購買決策影響不顯著。（2）同一時期發(fā)布的不同星級的在線評論，對產(chǎn)品銷量的影響不同。不同星級的在線評論代表了消費者對產(chǎn)品的不同評價，極端正面評論往往代表著消費者對產(chǎn)品的主觀性評價，同時有不少的商家通過制造虛假評論來提高自身產(chǎn)品的評價，因此極端正面的5星級評論的評論可信度會降低，進而對產(chǎn)品銷量的影響不顯著。但是4星級評論、2星級評論和1星級評論數(shù)量均對產(chǎn)品銷售有促進作用。（3）正面評論對產(chǎn)品的銷量的影響大于負面評論對產(chǎn)品銷量的影響。雖然負面評論的傳播效應(yīng)比正面口碑的傳播效應(yīng)更強，但是消費者在網(wǎng)上發(fā)布的在線評論多以正面評價為主，無論是從評論數(shù)量還是評論對產(chǎn)品銷量影響作用大小來看，正面評論的對產(chǎn)品銷量的影響作用會大于負面評論的影響作用。4.4相關(guān)建議從研究結(jié)論可以看出，消費者更注重具體的各星級評論的數(shù)量，而不是評論的平均星級，因此作為商家和出版社要積極鼓勵消費者對產(chǎn)品進行評價，這樣能更好地促進產(chǎn)品銷售。同時，在線評論發(fā)布的時間越長其對產(chǎn)品銷量的影響會會逐漸減弱，因此商家如果想保持產(chǎn)品銷售維持或增長，需要持續(xù)鼓勵消費者對產(chǎn)品進行評價。雖然一定比例的負面評論也能促進產(chǎn)品銷售，但是如果負面評價過多也會對產(chǎn)品銷售產(chǎn)生負面影響，所以作為零售商需要多鼓勵消費者對產(chǎn)品進行正面評價。因為極端負面或正面的評價反而不會對產(chǎn)品銷售產(chǎn)生影響，因此也要引導(dǎo)消費者進行對產(chǎn)品進行客觀評價，這樣既能夠保證評論質(zhì)量讓消費者更好地了解產(chǎn)品，也能更進一步促進產(chǎn)品的銷售。結(jié)束語本文的研究結(jié)論為管理實踐提供了重要的啟示。首先，作為一種重要的社會互動信息，網(wǎng)絡(luò)口碑值得網(wǎng)絡(luò)零售商和企業(yè)管理者的足夠重視。企業(yè)管理者需要主動地對在線評論進行有效的引導(dǎo)和管理，從而能夠促進產(chǎn)品的銷售。網(wǎng)絡(luò)零售商可以通過在網(wǎng)站上來建立消費者評論信息系統(tǒng)，激勵消費者分享和發(fā)布產(chǎn)品信息，借此來獲取市場份額和提高產(chǎn)品銷量，在競爭中占據(jù)優(yōu)勢地位。其次，在產(chǎn)品質(zhì)量相差不多的情況下，評論數(shù)量比評論星級評分對銷量的影響作用更大，且消費者最近發(fā)布的評論對產(chǎn)品銷量的影響作用更大。圖書出版商在引導(dǎo)和管理在線評論的時，應(yīng)該主要集中于增加在線評論數(shù)量和加強在線評論傳播的廣度，同時要激勵消費者在