电子商务论文中国互联网用户团购行为的实证研究

从美国著名团购网站Groupon以超高的增长率发展开始,互联网电子商务平台重新引起了投资人的兴趣.
2010年,Groupon以每月50%的增幅在发展,每年营收运转率为20亿美元,预计2011年会达到40亿.
6年前,Google的营收在3年内从2亿增长至16亿,而Groupon在1年内完成了快速的增长.
[摘要]基于互联网的团购成为了中国电子商务新的增长点.
传统的团购研究多关注成交机制的差异,而新的互联网团购限定了成交价格、谈判区间和边际效应,形成了具有广告效益、利润收益和客户信任为一体的中介平台.
通过搜集20家中国主要的团购网站在一年中的销售数据,研究发现品牌因素、折扣大小、累积效应都对参与团购人数产生显著影响.
[关键词]团购,用户数量,用户行为,折扣,网站价值一、引言互联网团购最早出现于20世纪90年代末期,第一个B2C团购网站是美国的Mobshop,用户通过互联网联合有意愿的消费者,形成议价能力从而以较低的价格获得商品.
[1]而这一时期团购网站的主要特点是根据用户数量的动态议价机制,针对不同用户数量形成不同的价格.
[2]根据Kauffman提出的网络团购的三个要素:价格、周期、需求外部效应,由此判断用户的议价行为.
[3]而相应的研究也主要关注在动态议价机制中,用户的议价和共谋行为对销售的影响以及消费者受益的角度.
[4]早期团购的主要流程分为买家发起和卖家发起两种,而通常团购的物品也是多种多样的,根据不同的人数,买家多数情况下具有议价能力,同时买家会设定自己愿意承受的最高价格,根据这些特点,Lai设定了团购活动的一般模型.
[5]随着互联网进一步发展,以Groupon为代表的新型团购模式逐步发展起来.
这种新型的团购网站逐步形成了由第三方发起、单次议价的团购模型.
2010年,中国互联网用户超过4亿人,普及率攀升至30%以上.
仅2010年上半年网上支付、网络购物和网上银行用户增长率均在30%左右.
①根据最大的中文搜索引擎Baidu的数据显示,2010年上半年"团购"一词的日均检索量在88150次,而下半年达到911005次,增长9.
3倍.
一年当中出现的团购类网站超过1000余家,这些网站大部分都采用了第三方发起、单次议价模式.
同时在营销手段方面,利用倒计时时钟进行饥渴营销.
[6]根据独立团购导航网站"团800"公布的《2010年团购市场统计报告》显示,2010年中国团购网站全年销售收入总计约20亿元,截至①《中国互联网络发展状况统计报告》,2011年1月,CNNIC.
2010年12月,我国团购用户数已达到1875万人.
《中国互联网络发展状况统计报告》,2011年1月,CNNIC.

二、文献回顾Kauffman将团购定义为通过聚集有相同购买意愿的消费者,形成议价能力,通过跟卖方的谈判而以较低的价格获得商品.
[3]随着互联网技术的发展,聚集相同意愿的购买者的成本逐渐减低,基于互联网技术的团购成为重要的电子商务模式.
[2,7,8]早期的学者认为团购是群体拍卖的议价行为,Myerson根据经典的四种基本拍卖模型,构建了群体拍卖最优模型.
[9]Raiffa首先提出议价空间理论,认为成交价格位于买卖双方保留价格之间.
[10]许多研究都是基于议价空间理论,研究买卖双方在互联网上的拍卖行为.
[3,11]一些学者关注了消费者参加团购的动机,发现除了取得较低价格之外,"羊群效应"也是消费者参加团购的重要影响因素.
[12,13]根据发起团购的主体不同,有学者发现消费者对发起者的信任程度也影响着团购的成败.
[14]依据人数进行拍卖的团购模式具有全体性和折扣递增的特性,先出价享有低折扣.
[15]基于满足不同消费者的不同需求的算法[16],Tokuro给出一个能够满足消费者不同偏好的团购支持系统.
[17]有学者提出了团购除了具有上述博弈特性外,还有很重要的社会网络性质.
[18]三、研究方法1.
与传统的团购模式不同,Groupon具有新的模式Groupon模式是基于互联网的B2C团购模式,一般是在24小时的时间内,发出关于某一商品或者服务的团购信息,消费者根据自己所在地点和喜好进行选择:参与或者不参与.
Groupon通过自身的营销人员,在各个城市与商家进行议价,达成团购意向并在网站上发布.
相比于传统的随时间优惠递增的模式,理论上Groupon模式并非能够达到最优[16],然而这种新的团购模式似乎获得了巨大的成功.
通过对比传统团购模式与Groupon模式的不同,我们能够发现两者在价值创造和价值转移层面上存在巨大的不同.
E3价值图通过以模型图的方式描述两种不同团购模式的网站价值创造、贡献、消费品经济价值等因素,以模型化的方式展现出价值的流向.
[19]1/3图1传统团购模式E3value模型图1展示了传统的团购模型的价值流向图,当团购发起者发起团购之后,向卖家要求一个折扣价格,之后向广告商(通常借助BBS等互联网平台)发出商家打折团购的信息,消费者通过广告商获得打折信息,形成相同购买意愿的消费者聚集,最终形成对卖方的实际议价能力,双方在卖方保留价之上达成交易,商品(服务)的价值流向消费者,现金流通过发起者流向卖方,而消费者获得了商品(服务)的折扣优惠;发起者通过自身的信用保证折扣信息的真实性,并将这一信用通过广告商放大并传递给消费者,消费者受到发起者和广告商信用叠加的影响而接受信息的真实性;而广告商除了持续获得消费者的关注,还将获得其广告价值的现金收入.
在这一过程中,发起者的角色不同,将会影响到团购的现金流向和消费者的信任[3,14,15,18].
大部分关于团购的研究都聚焦在消费者、卖家和发起者之间的博弈关系[3,9,11],而还有一些学者关注到了发起者角色影响和广告商的平台作用[14,18].
通过上图很容易发现,当发起者流向卖方的现金流减去消费者流向发起者的现金流,大于发起者付出的信用、广告支付时,发起者在团购中的价值收益才会为正,即愿意发起团购.

图2Groupon团购模式E3value价值模型图2展示了Groupon团购模式,对比传统的团购模型,Groupon主要针对的是中小企业.
中小企业在广告的投入上一般都捉襟见肘,因此希望通过更低的折扣吸引消费者的注意,而Groupon正是通过自身的广告平台作用,将这部分广告费让利于消费者,以使消费者获得更多的团购折扣,从而聚集更多关注度,反而提升了自身的关注价值.
同时Groupon收取高额的交易佣金,团购结束2月内即可收到全部回款.
不难看出,Groupon的模式替代了最早的企业大黄页和Google.
这种新的团购模式将广告商和第三方发起者的角色集为一身,将广告价值让利于消费者,使得Groupon的议价能力非常强,同时团购能够成功的最低要求人数也非常低.
通过超低的折扣价,Groupon吸引到了极大的关注,巨大的成交人数使得Groupon赢得了极高的现金收益,同时也使得中小企业获得了极高的关注.
2.
中国的B2C团购网站Groupon的成功在全球范围内掀起了拷贝这种商业模式的风潮,中国的B2C团购网站大都拷贝了Groupon的模式.
由于中国互联网的特殊性,我们着重针对中国团购网站进行研究.
我们选择了20家主要的中国B2C团购网站.
这20家网站成立时间相对较长,同时具有较强的品牌效应,其团购的成交人数总体上呈现增长趋势;同时,根据《互联网周刊》的排名,均位于中国团购网站的前30名,其市场份额占据了团购网站的70%以上.
如表1所示,中国的B2C团购网站主要由专业的团购类网站(美团)、综合网站的团购频道(新浪团)、社交网站的团购频道三大类别组成(开心团).
从2010年1月30日尚品团购发起第一次B2C团购,大部分网站均采用每天团购一款精品服务或者商品的销售形式.
而Groupon在中国开通的团宝网区别于其在美国"一天一团"的运营模式,实行每天团购多款商品的商业模式.
自团购网站开始运营至我们调研时,团宝网开团时间最短,但依靠"一日多团"模式迅速扩张市场,平均每天团购人数已达4258人,居所调研网站的第八位.
而从平均团购人数和平均每天为消费者节省钱数而论,拉手团购和美团网都稳居前两名.
满座网平均团购人数居第三位,但由于其团购商品(服务)原价较低,同时有大量抽奖性质的商品,其平均省钱数量排位较低.
综合而言,中国B2C团购网站主要的团购商品集中在体验式消费服务、餐饮、代金券、美容用品及生活必需品几大类别.
团购的商家也主要集中在中小企业(商户)和新开店铺商户.
四、数据分析1.
数据模型首先,商品的价格是影响消费者购买决策的重要因素[19],中国消费者更多的是价格敏感型消费,看重价格的高低和卖方让利的多少[20].
随着市场竞争的日益激烈,更多的企业选择了以价格促销作为吸引顾客的重要营销手段,导致促销经费成为企业营销主要费用.
[21]因此,价格是数据收集中非常重要的因素.

其次,根据国外多位学者的研究,折扣对于消费者的购买意愿会产生显著的影响[22,23],在广告中陈述折扣的高低,将显著影响消费者的购买意愿.
同时,由于B2C的团购模式在中国还处于发展阶段,自2010年1月30日起,团购这种模式才逐渐被人们认可和接受,因此,团购活动的组织时间可能会对团购的人数产生影响,后期的团购有可能因为对这种模式接受程度的提高,而更容易形成较多的消费群体.
此外,由于团购网站的品牌效应影响,也有可能对消费者的购买产生影响.

基于上面的分析,我们将主要收集20家中国B2C网站的近8000组数据,包括了团购的折扣价格、团购时间、团购人数、网站品牌.
由于一些团购设置了团购人数的上限,我们还将是否有上限作为考察的对象.

2/32.
数据处理由于团购人数数据方差较大,我们将人数取对数值.
将"团购是否有上限"和网站品牌作为虚拟变量处理.
此外,将时间变量作为连续变量,处理为"团购距2010年1月30日的时间差".
之后,将人数的对数值作为因变量,将折扣作为自变量进行回归分析,同时考虑团购发生之前,曾经团购的人数对当次团购产生的印象.
回归结果如表2所示:表2数据分析结果模型汇总模型RR2调整R2标准估计的误差10.
561a0.
3140.
3121.
379565729a.
预测变量(常量):易团网、星800、团宝、拉手、新浪、尚品、好特会、大众点评团、QQ团、饭团、满座、折扣、爱帮团、是否上限、糯米、开心团、美团、时间、58团、一起呀、搜狐、香蕉团、之前人数.
Anovab模型平方和df均方FSig.
回归6404.
40023278.
452146.
3070.
000a残差13973.
30673421.
903总计20377.
7067365a.
预测变量(常量):易团网、星800、团宝、拉手、新浪、尚品、好特会、大众点评团、QQ团、饭团、满座、折扣、爱帮团、是否上限、糯米、开心团、美团、时间、58团、一起呀、搜狐、香蕉团、之前人数.