電子商務(wù)市場(chǎng)中的逆向選擇與在線披露

張蓉

摘 要：本文對(duì)于淘寶網(wǎng)上的數(shù)據(jù)進(jìn)行實(shí)證分析，檢驗(yàn)在線披露的信息變量月銷售量、價(jià)格、口碑?dāng)?shù)量、買家信用分?jǐn)?shù)等對(duì)消費(fèi)者的購買行為產(chǎn)生影響，并對(duì)消弱電子商務(wù)市場(chǎng)中的逆向選擇問題提出相應(yīng)的建議。

關(guān)鍵詞：電子商務(wù)；逆向選擇；在線披露

一、引言

1970年，阿克洛夫在其文章《“檸檬”市場(chǎng)：質(zhì)量不確定性與市場(chǎng)機(jī)制》中提出了逆向選擇理論。逆向選擇指的是當(dāng)市場(chǎng)參與者處于信息劣勢(shì)時(shí)所做出的選擇。

由于電子商務(wù)市場(chǎng)中，買者與賣者之間時(shí)間和空間的相分離，賣買雙方不能面對(duì)面的進(jìn)行交流，買賣雙方存在著嚴(yán)重的信息不對(duì)稱性。大量研究表明，與傳統(tǒng)市場(chǎng)相比，電子商務(wù)市場(chǎng)的逆向選擇問題更加嚴(yán)重。本文將利用淘寶網(wǎng)上的數(shù)據(jù)分析賣家披露的信息對(duì)消費(fèi)者行為的影響。

二、基于淘寶網(wǎng)數(shù)據(jù)的在線披露變量的實(shí)證分析

（一）樣本的選擇與數(shù)據(jù)的收集

淘寶網(wǎng)的交易商品種類繁多，本文選取淘寶網(wǎng)中某品牌男士襯衫冬季款交易市場(chǎng)為研究對(duì)象。針對(duì)淘寶網(wǎng)某品牌冬季款男士襯衫進(jìn)行數(shù)據(jù)搜集，共搜集了368件商品的相關(guān)數(shù)據(jù)，全部作為本次研究的數(shù)據(jù)，所收集的數(shù)據(jù)中不包括天貓商城賣家的數(shù)據(jù)。

（二）變量的選取

分析所涉及到的變量主要包括月銷售量、商品價(jià)格、口碑?dāng)?shù)量、金牌賣家、好評(píng)率、賣家信用積分、賣家信用等級(jí)等。

1、月銷售量（Sales）：在商品的詳細(xì)頁面上，會(huì)看到商品的30天成交記錄的數(shù)量和交易成功的數(shù)量。

2、商品價(jià)格（Price）：在這里，商品價(jià)格指的是商品在網(wǎng)頁上的掛牌價(jià)格，不包括商品的運(yùn)費(fèi)等。

3、口碑?dāng)?shù)量（Word-of-Mouth，WOM）：系統(tǒng)顯示出來的對(duì)該商品文字評(píng)價(jià)的數(shù)量。

4、金牌賣家（GoldSeller）：2014年7月1日淘寶金牌賣家正式運(yùn)營(yíng)。金牌賣家是淘寶網(wǎng)對(duì)一定時(shí)期內(nèi)成交量好、服務(wù)好、口碑好的賣家的一種激勵(lì)手段。設(shè)置金牌賣家虛擬變量，賣家如果是金牌賣家記為1，不是金牌賣家記為0。

5、賣方好評(píng)率（PositiveRate）：買家對(duì)于賣家的評(píng)價(jià)可分為三類：好評(píng)、中評(píng)和差評(píng)。賣家好評(píng)率=所有計(jì)分的賣家收到的好評(píng)數(shù)/所有計(jì)分的賣家收到的評(píng)價(jià)總數(shù)。

6、賣家信用分?jǐn)?shù)（CreditScore）和賣家信用等級(jí)（CreditRating）：在淘寶網(wǎng)，買家每交易成功一次，就可以對(duì)賣家作一次信用評(píng)價(jià)，評(píng)價(jià)分為“好評(píng)”、“中評(píng)”、“差評(píng)”三類，每種評(píng)價(jià)對(duì)應(yīng)一個(gè)信用積分。根據(jù)對(duì)賣家的信用積分，賣家的信用度分為20個(gè)級(jí)別。

7、消費(fèi)者保障服務(wù)（Service）：賣家簽署了淘寶網(wǎng)消費(fèi)者保障服務(wù)協(xié)議，承諾為消費(fèi)者提供交易保障服務(wù)。設(shè)置消費(fèi)者保障服務(wù)虛擬變量，買家如果加入消費(fèi)者保障服務(wù)為1，未加入消費(fèi)者保障服務(wù)為0。

（三）計(jì)量模型的選擇

本文針對(duì)某品牌冬季款男士襯衫進(jìn)行數(shù)據(jù)搜集，共搜集了368件商品的相關(guān)數(shù)據(jù)。在368個(gè)男士襯衫月銷售量方面的數(shù)據(jù)中，有261個(gè)賣家在三十天內(nèi)有銷售商品，另外107個(gè)賣家的月銷售量為0。而對(duì)于那些月銷售量為正的賣家而言，銷售量的范圍也相當(dāng)寬，從3576件到1件。由于買家的優(yōu)化行為常常導(dǎo)致總體中不可忽略的一部分角點(diǎn)解響應(yīng)。因此賣家的月銷售量很適合用托賓模型。

（四）數(shù)據(jù)的處理

考慮到回歸分析中易出現(xiàn)的一些問題，以及有利于考察自變量與因變量關(guān)系的經(jīng)濟(jì)現(xiàn)象的處理，本文中將對(duì)變量月銷售量、價(jià)格、口碑?dāng)?shù)量、買家信用分?jǐn)?shù)進(jìn)行處理。

（1）對(duì)賣家的月銷售量，商品價(jià)格、賣家信譽(yù)分?jǐn)?shù)和口碑?dāng)?shù)量都進(jìn)行了對(duì)數(shù)變換。一是因?yàn)橘u家信譽(yù)分?jǐn)?shù)和口碑?dāng)?shù)量差異很大，使用對(duì)數(shù)形式通常能夠消除回歸分析中存在的異方差性。二是有利于考察自變量與因變量關(guān)系的經(jīng)濟(jì)現(xiàn)象解釋。

（2）月銷售量（sales）和口碑?dāng)?shù)量（wom）存在為零的值，取對(duì)數(shù)時(shí)為了避免log（0）情況的出現(xiàn)，對(duì)這兩個(gè)變量采用log（sales+1）和log（wom+1）的形式，這樣原來為零的觀測(cè)值對(duì)數(shù)變換后還為零，數(shù)據(jù)存在角點(diǎn)解的現(xiàn)象不會(huì)改變。

（五）計(jì)量結(jié)果和分析

本文利用Eviews6進(jìn)行回歸分析，表1同時(shí)給出了利用OLS估計(jì)的線性回歸模型和托賓模型的回歸結(jié)果。從表中可以看出，在線披露的信息變量的估計(jì)值的符號(hào)在兩個(gè)回歸模型中是相同的，而且統(tǒng)計(jì)顯著性也類似。

結(jié)果一：商品價(jià)格對(duì)商品月銷售量的影響。

在表中，無論是OLS估計(jì)的模型還是托賓估計(jì)模型中都顯示商品價(jià)格對(duì)商品月銷售量的負(fù)的顯著影響。托賓模型一中，在1%的顯著水平上，商品價(jià)格對(duì)月銷售量顯著的負(fù)向影響。這說明在電子商務(wù)市場(chǎng)中商品價(jià)格是影響商品銷售量的一個(gè)重要的因素。消費(fèi)者在購買商品時(shí)，價(jià)格是消費(fèi)者主要關(guān)注的信息之一。價(jià)格作為反映質(zhì)量信息的重要信號(hào)，為什么高價(jià)格的商品銷售量反而低呢？由于電子商務(wù)市場(chǎng)中信息不對(duì)稱現(xiàn)象更加嚴(yán)重，網(wǎng)絡(luò)消費(fèi)者對(duì)于商品的質(zhì)量信息不能面對(duì)面的進(jìn)行識(shí)別，購買價(jià)格高的商品的風(fēng)險(xiǎn)較大，因此，造成商品的價(jià)格越高越難以出售。實(shí)證結(jié)果表明，在淘寶網(wǎng)上逆向選擇問題依然存在。

結(jié)果二：口碑?dāng)?shù)量對(duì)商品月銷售量的影響。

從托賓模型一可以看出，在1%的顯著水平上，在線披露的口碑?dāng)?shù)量對(duì)商品的月銷售量有顯著的正向影響。說明由于網(wǎng)絡(luò)的虛擬性，消費(fèi)者的購買行為有從眾的傾向。消費(fèi)者在收到商品后，還愿意花費(fèi)時(shí)間成本對(duì)于商品作出評(píng)價(jià)。評(píng)價(jià)數(shù)量比較多的話，會(huì)在一定程度上像消費(fèi)者傳遞該商品值得購買的信號(hào)。

結(jié)果三：金牌賣家對(duì)商品月銷售量的影響。

金牌賣家方面，托賓模型一回歸結(jié)果表明，在10%的顯著水平上，淘寶金牌賣家對(duì)于月銷售量有顯著的正向影響。說明金牌賣家標(biāo)記作為淘寶網(wǎng)的一個(gè)新的舉措，已經(jīng)顯示其對(duì)消費(fèi)者購買行為的影響。因?yàn)榻鹋瀑u家標(biāo)記在搜索頁面和商品詳細(xì)頁面等多個(gè)場(chǎng)景都有顯示，且是根據(jù)綜合評(píng)估來決定的，因此會(huì)引起消費(fèi)者的極大關(guān)注。在淘寶網(wǎng)金牌賣家對(duì)于減少買賣雙方的信息不對(duì)稱，減少逆向選擇具有重要的意義。

結(jié)果四：賣家好評(píng)率對(duì)月銷售量的影響。

表1中，在線性模型二、三和托賓模型三中均顯示出賣家好評(píng)率與商品月銷售量的顯著的負(fù)相關(guān)關(guān)系。原因可能如下，一方面是賣家的好評(píng)率作為賣家歷史信譽(yù)指標(biāo)，它是在賣家信譽(yù)頁面上呈現(xiàn)的。由于位置比較隱蔽，很難引起消費(fèi)者的注意。另一方面，在男士襯衫的樣本中，賣家好評(píng)率的最小值是93.1%，最大值是1，而且賣家好評(píng)率集中在99%左右。為了保持較高的好評(píng)率，很多賣家會(huì)采取一些激勵(lì)措施，比如好評(píng)送購物劵等。因此，賣家的好評(píng)率普遍較高，差異很小，不能造成消費(fèi)者對(duì)購買行為的影響。另外，實(shí)證結(jié)果中賣家好評(píng)率對(duì)回歸系數(shù)為負(fù)，這可能是由于好評(píng)率的計(jì)算方法造成，若賣家的銷售量過少，可能造成賣家沒有評(píng)價(jià)的現(xiàn)象，但此時(shí)賣家的好評(píng)率卻默認(rèn)為100%。

結(jié)果五：賣家信用積分和賣家信用等級(jí)對(duì)商品月銷售量的影響。

對(duì)于賣家信用積分對(duì)于商品月銷售量的影響，OLS估計(jì)模型二顯示沒有顯著的影響；托賓估計(jì)模型結(jié)果顯示在10%的顯著水平上，賣家信用積分對(duì)商品的月銷售量有顯著的影響。因此對(duì)于賣家信用積分對(duì)于商品月銷售量的影響并不十分顯著。信用分?jǐn)?shù)是根據(jù)評(píng)價(jià)的來計(jì)算的，信用積分的多少反映了賣家的信譽(yù)，買家往往喜歡購買信用積分比較高的賣家的商品，但是隨著信用積分重要性得到重視，一些不良賣家開始利用信用積分評(píng)價(jià)機(jī)制的漏洞，利用各種不正當(dāng)?shù)氖侄蝸硖岣咝庞梅e分，因此長(zhǎng)期以來，造成買家對(duì)于賣家信用積分的不信任。此外，信用積分并不直接的顯示在商品的頁面，而是顯示在商品的信用界面上，由于其隱蔽性，不易引起消費(fèi)者的注意。

表1中，OLS估計(jì)的模型和托賓估計(jì)模型都顯示賣家信用等級(jí)對(duì)商品月銷售量的顯著影響。賣家信用等級(jí)是根據(jù)賣家信用分?jǐn)?shù)來劃分的，賣家信用等級(jí)由于其顯示在商品的頁面，更能夠引起消費(fèi)者的注意。

結(jié)果六：是否加入消費(fèi)者保障服務(wù)對(duì)商品月銷售量的影響。

在表1中，無論是OLS估計(jì)的模型還是托賓估計(jì)模型中結(jié)果都表明，賣家加入消費(fèi)者保障服務(wù)對(duì)商品的銷售量有正向影響，但是并不顯著。從獲取的數(shù)據(jù)樣本可以看出，在368位賣家中有357位賣家都選擇了加入消費(fèi)者保障服務(wù)。因此，在淘寶網(wǎng)中是選擇加入消費(fèi)者保障服務(wù)不會(huì)有明顯的優(yōu)勢(shì)。造成這種現(xiàn)象的原因可能是：淘寶賣家加入消費(fèi)者保障服務(wù)的成本低，只需交納1000元左右的保證金；消費(fèi)者雖然認(rèn)識(shí)到加入消費(fèi)者保障服務(wù)是好賣家的信號(hào)，但是當(dāng)賣家觸犯消費(fèi)者保障計(jì)劃條款，買家不懂得利用此條款維護(hù)自身利益，進(jìn)而造成賣家違規(guī)行為的成本較低；當(dāng)賣家出現(xiàn)違約行為時(shí)，消費(fèi)者維權(quán)困難。

三、政策建議

淘寶網(wǎng)上已經(jīng)建立了強(qiáng)制性披露賣家信譽(yù)的機(jī)制，賣家信譽(yù)機(jī)制披露的賣家信譽(yù)積分和賣家好評(píng)率信息并沒有對(duì)消費(fèi)者的購買行為產(chǎn)生有效的影響。說明淘寶網(wǎng)的信用評(píng)價(jià)系統(tǒng)并沒有發(fā)揮有效的作用，消費(fèi)者對(duì)于該信譽(yù)機(jī)制不夠信任。針對(duì)淘寶網(wǎng)的信用評(píng)價(jià)存在的問題，提出以下建議：一方面，構(gòu)建一個(gè)真正地能夠把虛假交易和真實(shí)交易區(qū)分開的信用評(píng)價(jià)系統(tǒng)。近年來，部分賣家利用信用評(píng)價(jià)系統(tǒng)的漏洞，采用信用互刷平臺(tái)等偽造虛假信用，使消費(fèi)者逐漸對(duì)于信用評(píng)價(jià)可靠性產(chǎn)生懷疑，因此，必須完善信用評(píng)價(jià)系統(tǒng)，不給炒作偽造信用行為留下空隙。另一方面，增加評(píng)分累計(jì)值參考因素。目前淘寶網(wǎng)上的信用評(píng)分僅是根據(jù)好評(píng)、中評(píng)、差評(píng)的相應(yīng)分值累計(jì)所所得到的，沒有把賣家受到的消費(fèi)者投訴情況以及遭受的行政處罰等情況涵蓋在內(nèi)。其他購物網(wǎng)站信用評(píng)價(jià)系統(tǒng)也存在類似的問題，應(yīng)該完善信用評(píng)價(jià)系統(tǒng)，建立消費(fèi)者對(duì)于信用評(píng)價(jià)系統(tǒng)的信任，使信譽(yù)機(jī)制發(fā)揮有效的作用。

參考文獻(xiàn)：

[1] 潘勇.逆向選擇視角下電子商務(wù)市場(chǎng)與傳統(tǒng)市場(chǎng)間關(guān)系研究.商業(yè)經(jīng)濟(jì)與管理[J]，2011（1）：5-10.

[2] 潘勇，廖陽.中國(guó)電子商務(wù)市場(chǎng)“檸檬”問題與抵消機(jī)制—基于淘寶網(wǎng)的數(shù)據(jù)[J].商業(yè)經(jīng)濟(jì)與管理，2009，208（2）：11-15.