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**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］

　　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.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。

　　b.因变量:ln人数

　　系数a

　　模型非标准化系数标准系数B标准误差试用版TSig.(常量)5.8670.17433.6720.000折扣-0.1080.009-0.125-12.5930.000是否上限0.2060.0480.0494.3090.000时间0.0070.0010.36110.1720.000之前人数