口碑对销售的影响：在线书评外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

附录B 译文

口碑对销售的影响：在线书评

在线用户评论已成为消费者重要的信息来源，替代并补充了其他有关产品质量的企业对消费者和离线口碑交流形式。因此，许多管理者认为网站必须提供社区内容以建立品牌忠诚度（例如，参见Fingar，Kumar和Sharma，2000； McWilliam，2000）。尽管有这种广泛的信念，据我们所知，没有文献记录社区内容在消费者决策中起任何作用。看来，这一发现是内容提供成为可行策略的必要先决条件。

事前有很多理由怀疑建立一个社区内容论坛可能是一个糟糕的策略。首先，不清楚为什么用户会花时间提供他们没有得到任何补偿的评论。其次，竞争的零售商可以免费使用推荐系统；没有什么可以阻止消费者使用一个网站提供的信息来通知在其他地方进行的购买。第三，通过提供用户评论，站点可以控制所显示的信息。不利的评论可能会抑制销售。对于销售许多不同品牌的零售商而言，对制造商的威胁可能较小。同样，由于感兴趣的各方可以自由地增加对其产品的好评，积极的好评可能并不可信，也可能无法刺激销售。最后，由于样本的原因，在线用户评论可能没有用，也不能刺激销售业余审查过程中固有的选择偏见。也就是说，消费者只有在相信有很大的享受乐趣的机会时才选择看书或看电影。在存在消费者异质性的情况下，这意味着与普通人群相比，评论者群体的评价将具有积极的偏见。因此，潜在买家可能会简单地打消正面评论。

在这项研究中，我们表征了评论者行为的模式，并研究了消费者评论对公司销售模式的影响。尤其是，我们使用来自两家领先的在线书商Amazon.com和Barnesandnoble.com（bn.com）的公开数据来构建对每个公司单本书销量的衡量指标。 bn.com和Amazon.com都允许客户在网站上发布评论。我们的计量经济学分析旨在回答以下问题：如果一个狂妄的消费者在bn.com上发布了对某本书的否定评论，但在Amazon.com上却对该书的否定评论，则该书在bn.com上的销量相对于销量会下降吗？在Amazon.com上买到的那本书？为了隔离对这个问题的答案，我们提出了“差异中的差异”方法。对于书籍样本，我们在三个时间点评估评论以及Amazon.com和bn.com上的销售代理。我们检查某个站点相对于另一个站点的特定书籍的评论数量和价位随时间的变化是否可以预测该书在一个站点相对于另一个站点的后续销售中的变化。通过关注两个站点上书籍的相对销售之间的差异，我们能够控制未观察到的书籍特征对书评和销售的可能影响。通过关注不同时间点之间的差异，我们控制了两个位置的顾客群体之间的口味差异可能会同时影响评论和销量的可能性。

我们的发现表明，平均而言，评论倾向于积极，尤其是在bn.com上。我们表明，在一个站点上添加新的，有利的评论会导致该站点上的图书的销售量相对于另一站点增加。 我们发现一些证据表明，与否定正面评论相比，渐进负面评论在增加图书销量方面更有效。我们关于评论时长的结果表明，消费者实际上阅读并回应了书面评论，而不仅仅是网站提供的平均星级排名摘要统计信息。

我们将本文的其余部分组织如下：首先，我们描述数据。其次，我们描述方法。第三，我们介绍了对销售的影响的横截面和差异分析结果。最后，我们得出结论。

数据

我们的数据包括个人书籍特征和从Amazon.com和bn.com的公共网站收集的用户评论数据。我们的目标是生成代表性的销售样本。由于我们无法访问公司的专有销售数据，因此对销售的随机样本进行了近似估算，如下所示：首先，我们从《环球图书》（请参阅www.GlobalBooksinPrint.com）中收集了随机发行的3587本书的样本在1998-2002年期间。但是，随机选择的书名销量可能很低，因为大部分销量集中在一小部分书籍中。口耳相传可能会对这些书的销售产生特别的影响，因为关于这些书名的信息很少。因此，我们还收集了1991年1月14日至2002年11月11日（参见www.publishersweekly.com）上出现在Publishers Weekly畅销书列表中的所有2818种出版物的数据，该时期大约在六个月前结束我们的数据收集。

我们分三个阶段收集数据：2003年5月为期两天，2003年8月为期两天，2004年5月为期两天。我们每次收集样本中的每一本书，书的价格，寄出书的承诺时间，评论数量以及评论者指定的平均星数（以1到5颗星为标准，最好是5颗星）。 大部分图书承诺24小时交付（Amazon.com上96％，bn.com上88％）。 但是，Amazon.com和bn.com使用其他送货类别，例如“通常在2-3天内寄出”或“特殊订单：通常在1-2周内寄出”。

在所有期间，我们提取了网站上最近发布的500本书评论的详细特征，包括分配的星级数和评论发布的日期。我们还提取了每本书每本书的“销售等级” 现场。在每个站点上，该站点上最畅销的书的销售排名为1，而较低的卖方则被分配为较高的连续排名。我们仅在Amazon.com和bn.com上将列为“可用”的书纳入我们的数据中。毫不奇怪，许多从“全球印刷书籍”样本中随机抽取的书籍都无法在网站上出售。在第一阶段，我们发现了1909年的“全球印刷书籍”样本以及过去十年中最畅销的2261个样本的基本数据。

对于样本中的每本书，我们都确定了该书的所有格式（音频，平装本，精装本，大字体等）。我们排除了有声读物。Amazon.com和bn.com对给定标题的所有不同格式提供相同的评论。通常，有一种格式非常占优势。 因为我们不希望数据集包含重复信息，所以我们仅检查销售和评论中标题中最流行的格式。然后，我们从分析书中排除了标题中最受欢迎的格式在Amazon.com和bn.com上有所不同的分析书。例如，如果精装本是Amazon.com上的畅销书，而平装本是bn.com上的畅销书，则我们将该书从样本中排除了。

Chevalier and Goolsbee（2003a）报告说，Amazon.com声称，对于排名前10,000的图书，排名基于最近24小时，并且每小时更新一次。对于排名在10,001–100,000之间的图书，排名每天更新一次。对于排名大于100,000的图书，销售排名每月更新一次（Amazon.com 2000）。基于此系统，将不会对上个月未购买的书籍进行排名。但是，成千上万的书籍具有一定的排名，但几乎可以肯定每个月的销量少于一本书。Italie（2001）声称，对于这些鲜有购买的图书，Amazon.com根据自亚马逊成立以来的总销量排名。Barnesandnoble.com声称每天都会更新其所有排名（bn.com 2000）。因此，除了在Amazon.com上具有很高排名（低销量）的图书以外，该排名代表了当前销售快照。但是，bn.com仅提供约650,000本书的销售排名。bn.com上有一些书籍可以购买，但其等级“太高”（销售太低）而无法公开。Amazon.com并未审查其销售排名，它们的排名似乎超过一百万。如果我们使用两个站点上所有价格和排名的图书作为样本，我们的样本将包含大量在bn.com上相对流行而在Amazon.com上相对不受欢迎的图书。但是，在样本中不会出现在Amazon.com上相对流行但在bn.com上相对不受欢迎的书籍，因为这些书籍已被bn.com的排名报告策略所审查。为了解决这种不对称问题，我们从Amazon.com上排名超过650,000的样本书中删除了该书。更重要的是，删除这些书是为了删除Amazon.com排名不经常更新的书。最终样本包含2387个观测值，其中有1087个评价是在第一个时间点（2003年5月）在两个站点上发布的。

我们研究了2003年5月至2003年8月以及2003年5月至2004年5月的销售差异。正如我们之前所解释的，在特定时间的销售排名代表了长达一个月的销售快照。因此，我们决定采用保守的方法来衡量等级与销售的关系。我们还研究了2003年5月至2003年8月期间的销售变化与2003年5月至2003年7月期间的评论变化之间的关系。我们研究了2003年5月至2004年5月期间的销售变化与2003年5月至2004年4月期间的评论变化之间的关系。 由于评论是过时的，因此我们可以从2003年8月和2004年5月期间收集的数据中提取适当的评论样本。

因此，我们依靠销售排名数据，而不是更多常规的销售数据。对于我们的大多数分析，我们仅在分析中直接使用销售排名，并讨论评论对销售排名而非销售的影响。但是，Schnapp和Allwine（2001），Chevalier和Goolsbee（2003a）和Rosenthal（2005）都发现ln（sales）和ln（rank）之间的关系是近似线性的。 使用Schnapp和Allwine的方法，我们可以将销售排名转换为销售近似值，从而校准评论和销售之间的关系。

表1列出了我们数据中感兴趣的主要变量的摘要统计量。观察次数随时间而减少，因为在第一时期的样本中必须包括第一时期在Amazon.com和bn.com上的书籍，但第一时期和随后时期的两个站点都必须对于其他两个样本中的每个样本有书籍。表1中最引人注目的发现是在两个地点以及任何时候的评论都非常积极。在我们所有的时间点以及在两个站点上，模态评价都是五颗星，而任何一本书（带有评价）的平均星数都大于四颗星。

但是，表1中显示的站点之间存在一些显着差异。我们着重强调以下三点：（1）对于我们样本中的图书，bn.com价格明显更高（如成对t检验所示）（2）Amazon.com的评论量高于bn.com，而在我们的样本中，bn.com的书籍完全没有评论的比例要高得多（bn.com为54％，而亚马逊为13％）（3）在bn.com上，平均而言，评论的积极性略高一些，尽管它们在这两个网站上的总体评价都非常高。

表1

摘要数据

您可能感兴趣的文章

• 智能手机的饥饿营销外文翻译资料
• 定量分析企业营销活动的价值外文翻译资料
• 欧洲网络小额贷款网站的分析外文翻译资料
• 服务故障影响客户忠诚度？外文翻译资料
• 互动或被动?与Twitter营销外文翻译资料
• 电子商务发展中的信用问题及信用体系的构建外文翻译资料
• 网络广告探讨外文翻译资料
• 探索在移动社交网络: ——Dodgeball作为一个例子外文翻译资料
• 在校大学生网购消费热点研究外文翻译资料
• 促销在品牌晋升中的影响：一项荟萃分析外文翻译资料