点 击上 方 蓝 字 可 关 注 我 们 研究显示,在淘宝网上,一个卖家在其早期同后期相比更愿意参加“评论有礼”以吸引用户和积累信誉。而在所有商家群体中,高质量商家更倾向于采用“点评有礼”方式去向消费者传递其产品质量信息。如果某商家的产品参加“评论有礼”,其月销售量同没参加前比较增加近30%。 文?李玲芳 有一则关于网购的故事广为流传,说的是某君在淘宝网上看到一卖家的耐克Air force鞋标价188元(同款鞋耐克官网上的卖价近千元),卖家说假一赔三。买家下单后,结果卖家直接给他寄了四双! 笔者无法确认该故事的真伪,但网上购物的确充满了风险。网购过的朋友恐怕对以下经历不陌生。在对多个网店的同类产品进行过眼花缭乱的筛选之后,最后选定一家看起来还算靠谱的店铺下单——可是,等等!怎么一个手动留言的评论都没有?历史销售量好像也不高,这个商家真的靠谱吗? 网购平台如淘宝,亚马逊和当当等在过去20年里增长速度惊人。买家们在享受网络购物给他们带来的多样性和便捷性等好处的同时,也时刻担心着是不是会掉入下一个“购物陷阱。”毕竟,买家购买的是不仅他们无法事先检查的商品,而且还是来自于一个遥远而又陌生的卖家。一个合乎情理是推论是,只有有效的买家评价反馈和商家真实信誉才能促进信任在陌生的买卖双方间建立起来,从而使潜在的交易成为现实。 然而,评价反馈往往是耗时的,除非买家认为她能从其反馈行为对后来购物者的帮助中获益,即所谓的享受亲社会行为(pro-social behavior),不然,购物评价作为一种公共物品往往很少有人会提供。 在淘宝上,我们常看到一些卖家为了提升好评,进行 “5星好评,5元返现”的“买好评”等活动。如果这些好评都是花钱买来的,那么消费者就不可避免的对这些买来的好评产生质疑,卖家是不是由于产品质量不好才需要“收买”消费者好评呢?从购物平台的角度来看,如果纵容这种卖家对买家好评的购买会不会劣质商家泛滥,为了平台的健康发展,平台管理方是不是需要遏制卖家的“买好评”活动? 从更深一个层次上讲还涉及到市场设计机制问题:如果任由卖家为评价提供奖励,会不会影响评论的真实性从而妨碍信誉机制的形成?如果商家激励评论不合适,是不是该由交易平台来奖励评论?还有,如果上述两方都无法有效的促进有效的信誉体系的形成,是不是需要作为监管方的政府部门的介入? 事实上,从经济理论上来讲,网络购物是一个典型的“经验性”产品(即消费者只有在经历消费后才能判断出产品质量的好坏。)当产品的质量信息是商家的私有信息时,经济学信号理论认为,在一定条件下,高质量的卖家能够通过给买家的评价(无论好评差评)奖励这一增加其成本的方式把自己同低质量的卖家区分开来,从而能够有效的向买家传递出其产品质量信息。换句话说,只有高质量的卖家才会奖励评论而此时消费者也认为只有奖励评论的商家才是高质量卖家 。 笔者(Li(2010))最早提出rebate-for-feedback (RFF)的机制设计并用信号理论证明其合理性。其中的经济学逻辑是,相对于低质量厂商而言,高质量的厂商有更多的回头客,从而能在的更多销售中获得更多的利润来补偿在评价奖励方面的开支。 此后,笔者在2011年底向阿里研究院建议这个RFF机制,淘宝于2012年3月1号推出了类似的所谓“评价有礼”机制。 在这一机制下,卖家可以为售出的商品设置一个返点数额(以现金返还或者店铺优惠券的形式)作为对买家购物评价的奖励。如果一个卖家选择返点评价那么淘宝就会保证返点会从卖家的账户转账到那些留下高质量评价的买家账户。需要指出的是,评价的质量不是取决于这个评价是否是好评而是取决于评价的信息量有多少,而这是由机器学习算法进行判断的(测算评价的内容、长度以及商品的关键特征等是否被提及。) 在淘宝推出“评论有礼”之前,笔者与合作者分别在实验室和eBay上进行了实验室实验和田野实验,然而测试的结果是实验室实验结果支持理论而田野实验结果不支持(Li and Xiao, 2014; Cabral and Li, 2015)。那么,这个信号机制是否在现实中可行呢?买家是否能通过这个信号识别卖家呢?
我们的研究主要围绕以下两个问题:第一,卖家是否选择“评价有礼”机制来传递自身作为“靠谱”卖家的信号,以此来建立良好的信誉?第二,卖家如何通过“评价有礼”机制来获得销量的提升和评价质量的提高?通过回归分析并且控制了价格和采取“评价有礼”机制行为的内生性问题后,我们有如下主要发现:
综上所述,在淘宝网上出现的新商家群体中,相对于没有采用“评价有礼”的商家而言,采用这一机制的商家销售量更大且产品质量更高。这一发现同信号理论的预测一致。因此,“买评价”这一由市场自发产生的信誉积累机制不仅没有被劣质商家所利用,而且还有力的促进了高质量新兴商家产品信誉的积累。市场本身的缺陷通过市场本身的发展从一定程度得以修复! 最后笔者想指出的是,虽然“评价有礼”机制减少了市场交易的风险,但交易风险并未因此而完全消失。因此,笔者想套用一句老话来结束本文“网购有风险,下单需谨慎,”并预祝大家双十一愉快的买!买!买! 参考文献:
Lingfang Li, Steve Tadelis, and Xiaolan Zhou, “Buying Reputation as a Signal of Quality: Evidence from an Online Marketplace “, NBER working paper # w22584. Li, Lingfang (Ivy). (2010). Reputation, trust, and rebates: How online auction markets can improve their feedback mechanisms. Journal of Economics & Management Strategy, 19(2):303–331. Li, Lingfang (Ivy) and Xiao, Erte. (2014). Money talks: Rebate mechanisms in reputation system design. Management Science, 60(8):2054–2072. Cabral, Luis. and Lingfang (Ivy) (2015). A dollar for your thoughts: Feedback-conditional rebates on ebay. Management Science, 61(9):2052–2063. 国外媒体报道 'Pay the Critics for Better Online Reviews' (http://www./news/sns-wp-blm-online-reviews-comment-83598fe6-802b-11e6-9578-558cc125c7ba-20160921-story.html) END
|
|