首页 > 论文范文 > 社会科学论文 > 经济学论文 > 电商经济论文 > 小红书平台消费者信用评价指标体系分析

小红书平台消费者信用评价指标体系分析

2021-01-18 711 上传者：管理员

摘要：作为一种全新的跨境C2B模式，小红书这款备受3亿多人青睐的软件在其高速发展的同时也产生了无法进入商业化正轨的问题，这与其用户的信用度密切相关，为了探讨小红书平台的信用问题，本文在研究国内外文献的基础上，对小红书的消费者进行了问卷调查，对收集到的数据进行因子分析，得到影响消费者信用的主要因素，并建立小红书平台消费者信用评价指标体系模型，并为小红书的进一步商业化提供建议。

关键词：
小红书
消费者信用评价指标体系
电商模式
电子商务
跨境C2B模式
加入收藏

一、研究背景与文献综述

在互联网技术的推动下,商家与消费者之间的信息不对称性问题逐步减少,这种主导权和主动权体现在电子商务上就成了C2B电子商务。作为典型的C2B型电子商务平台,小红书于2013年6月在上海成立,并在同年12月份推出了“海外购物分享社区”,经过多年的发展,逐步引入了线上电商业务,形成了“社区”+“C2B电商模式”,在其发展的过程中,遇到了一定的信用问题。文章从小红书平台消费者信用评价指标体系出发,利用调查问卷收集相关问题,并对收集的数据进行分析,为小红书和跟多的C2B电商平台的发展提供建议。

电子商务信用评价指标体系是完整的信用评价体系中不可或缺的重要部分。已有研究主要从理论研究和实证研究两个方面展开:理论研究方面,国内学者主要研究指标的产生和指标体系的内容:关于产生指标的方法,最初的学者主要以传统企业评价指标为基础,再结合不同的电子商务模式的特点进行分类,另外,还有部分学者通过案例分析法、扎根理论等方法对相关电子商务企业的评价指标进行提炼分析;关于信用评价指标内容的研究方面,学者从的不同的角度出发,构建了不同的电子商务评价指标体系。实证研究方面,霍红(2017)等利用直觉模糊层次分析法构建零售电子商务商家信用评价模型进行评价;李怀栋(2019)运用主成分分析法对B2C农产品电子商务信用评价指标体系进行了客观调整。

已有研究主要从B2C和B2B等电子商务模式进行实证研究,对于C2B这一新的电子商务模式的信用评价指标体系的实证研究较少,因此,本文以小红书为例,运用因子分析法对调查问卷的数据进行分析,得到关于小红书消费者信用评价指标的模型。

二、影响因素分析

与传统电子商务模式不同的是,在C2B电子商务模式中,消费者的需求在产品的设计和生产中占主导地位,因此在C2B模式中,对消费者的信用评价更加重要。要对消费者的信用做出精确评价,就要了解销售过程中对消费者的信用造成影响的因素:

(一)实名制情况下,消费者的毁约、退货、虚假差评的可能性会大大降低。

(二)网购年限越长,消费者对于产品的了解会越高,毁约、差评的可能性越低。

(三)退货、换货的频率越高,消费者毁约、差评的可能性就越大。

(四)消费者将预定商品转为购买商品的频率越高,其信用程度也就越高。

基于以上分析与已有研究基础,从账号信息、退货次数、购买频率与物流等因素出发设计包含11条基本信息以及6条量表问题(量表问题从12题开始到17题结束)的信用度调查问卷,量表问题是本文研究的主要影响因素,概括为:

12.退货频率;13.预定购买频率;14.产品描述满意度;15.物流服务满意度;16.退货处理满意度;17.搜索与推荐功能满意度

(下文以12.、13.、14.、15.、16.、17.分别对应上述影响因素)

通过问卷星发放,共获得有效问卷340份。

三、实证分析

(一)信度与效度分析

收集整理好问卷的数据后,首先利用克朗巴哈系数(Cronbach‘sAlpha)对其信度进行检验,经过SPSS22.0计算,调查问卷数据的克朗巴哈系数为0.716,大于0.7,说明问卷信度良好。

通过KMO和Bartlett的检验可知,KMO的值为0.793>0.7,Bartlett的球形度检验近似卡方值为622.445,自由度df为15,显著性Sig为0.000<0.05,说明本次调查问卷获得的数据适合用因子分析法分析。

(二)因子分析法

在问卷数据信度与效度较好的情况下,利用SPSS22.0对回收的有效问卷进行因子分析,得到如下结果:

1.方差解释表

下表1为方差解释表,根据总方差结果显示,问卷包括了两个维度,共解释了68.317%的方差。表中的第一列为因子编号代表问卷中12-17量表中所代表的影响因子,由表可知第一个因子的特征值为2.911,方差贡献率为48.524,表示可以解释所有6个变量的48.524%,是方差贡献最大的一个主成分,前两个以因子解释了所有变量的68.317%,且它们的特征值都是大于1的,因此在指标体系中,提取退款次数和预定商品购买频率两个因子就可以。

表1方差解释表

2.旋转后的成分矩阵

通过因子旋转,能够让因子载荷分别向两个相反的方向分化,让载荷高的因子的载荷趋于更高,载荷低的因子趋向更低,从而更有利于因子分析。表2为旋转后的因子载荷矩阵表:

表2旋转后的成分矩阵表

3.因子得分系数

确定2个公因子后,计算6个指标在2个公因子上的因子载荷矩阵(成分得分系数矩阵),根据矩阵所得的各因子的系数,可得两个公共因子的因子得分公式如下:

F1=-.156*a12+.092*a13+0.317*a14+0.311*a15+0.266*a16+0.272*a17

F2=0.752*a12+0.480*a13-0.061*a14-0.065*a15+0.035*a16-0.066*a17

通过得分系数矩阵可以计算如表3所示的公因子权重表:退货频率所占权重最大,为65.04%,说明退货频率在消费者信用评价指标体系中是最重要的。预定商品购买率所占权重为34.96%,说明该项指标在消费者信用评价指标体系中比较重要。

表3公因子权重表

根据上文分析,小红书平台消费者信用评价指标体系模型的一级指标由退货频率及预定商品购买率两个因子构成构成,退货频率对应的二级指标为:网购后的退货次数;预定商品购买率对应的二级指标为:购物频率、产品满意度、物流满意度、退货服务满意度以及搜索与推荐功能满意度。具体如下图三所示

四、结论与启示

本文主利用文献资料、问卷调查、因子分析等方法,对C2B电子商务消费者信用评价指标体系进行分析,并构建消费者信用评价指标体系模型。本文在收集、归纳了国内外关于信用评价指标体系相关的文献资料后,总结了6个影响消费者信用的因素,经过因子分析后,最终确定了2个一级指标,即退货频率和预定商品购买率。经过权重分析,得到两个一级指标的权重分别为65.04%和34.96%。由此可见,目前小红书平台上的消费者的退货频率较高、购买率较低,为提高消费者的信用度,小红书平台需要对用户发布的信息进行严格筛查,确保用户在平台上发布信息的可靠性,降低其他消费者的退货频率、增加预定商品的购买率,最终提升消费者的整体消费信用,为小红书平台上的健康有序发展提供支持。

马德清,赵芹.“小红书”平台消费者信用评价指标体系研究[J].今日财富,2021(02):71-72.

基金:江苏高校哲学社会科学研究项目“电子商务环境下信用体系建设与演进研究”(2019SJA2235)