引用
Dominik Gutt, Philipp Herrmann, and Mohammad S. Rahman. "Crowd-driven competitive intelligence: Understanding the relationship between local market competition and online rating distributions." Information Systems Research 30.3 (2019): 980-994.
摘要
在線眾包的發展使得對企業的評級越來越多地被用來推斷企業在當地的市場力量。如果兩家評級相同的企業(例如，均為 4 星)面臨截然不同的本地市場競爭，它們是否會遇到相同的本地競爭動態。這需要在一個競爭激烈的市場中調查，平均評級的關鍵分配特性是否會發生變化，即市場競爭與市場平均評級分佈特性之間有什麼關係。在本文中，我們結合了美國 372 個獨立市場的人口統計學、社會經濟學和 Yelp 網站上餐館的評論數據。我們的經驗估計表明，總體競爭（以市場中商業活動的總數量來衡量）的增加會導致市場範圍的擴大和平均評級分佈的下降。這意味著，市場越大，相應的低評級餐館就越多，而高評級餐館的同類替代品就越少，在這樣的市場中面臨的競爭也就越少。當分析僅限於垂直差異更自然的特定餐飲類型時，或者當我們控制城市特有的未觀察到的異質性時，這些影響特別明顯。研究結果強調，從業人員和學者使用來自不同市場的企業的在線評分時，應該考慮當地的市場結構，以明智地分析一個企業的相對市場力量。
關鍵詞：本地市場競爭 在線評級 線上線下互動 地理異質性 競爭市場情報
一、介紹
在數字化時代，在線眾包網站上對企業的平均評級是一種極有價值的數據，可以大規模、實時地捕捉當地的經濟活動，如 Yelp.com 上對各地餐館的評級，是與當地市場的企業相關的重要信息來源。但是，本地市場競爭對市場中可用業務的異質性有何影響？例如，在競爭更為激烈的市場中，是否有更多的企業擁有較高的平均評級？這需要探究當地市場競爭與市場平均評級分佈特性之間的關係。
通過研究本地市場競爭如何影響市場平均評級分佈的離散度，我們還可以研究服務質量分佈的動態，並評估其對平均分佈的影響。在未知的市場中，消費者可以結合這些額外的信息來更好地決定在哪裡消費以及如何滿足他們的需求。眾包平臺也可以在設計中利用這些特性來降低消費者的搜索成本。
因此，我們在餐飲行業的背景下研究當地市場競爭對市場平均評級分佈的關鍵屬性——範圍和平均值的影響，並分析來自 Yelp.com 的眾包信息，以孤立的市場為重點追蹤當地市場競爭能力的差異。結果顯示，本地市場競爭力驅動了市場中可用平均評級的異質性。隨著當地市場競爭的加劇，平均評分的範圍也隨之增大。與直覺相反的是，市場平均評級分佈的平均值隨著競爭的加劇而下降。其直接含義是，兩家平均評級相同的餐館受當地競爭影響的方式不同，取決於它們是位於大市場還是小市場。圖 1 用一個風格化的例子說明了這一點。
圖 1 描繪了一個具有較高的平均評級和較低的平均評級範圍的小市場(虛線)和一個具有較低的平均評級和較高的平均評級範圍的大市場(點線)。一家 4.5 星級的餐館在大市場中面臨的直接替代品相對較少，然而，一家平均評級為 2.5 星的餐廳在大市場中面臨著相對較多的直接替代品。另外，2.5 星和 4.5 星企業在兩個不同市場面臨的競爭，雖然 2.5 分的餐廳是小市場中最差的餐廳之一，但大市場中最差的餐廳平均評級更低，雖然一家 4.5 星的餐廳在小市場中屬於精英，但在大市場中卻不太可能是最好的選擇。從本質上說，這些餐廳將在每個市場獲得不同的定價權。在不瞭解當地市場競爭對平均評級分佈的影響的情況下，一個特定的餐館受競爭影響的方式將不會很明顯。
二、方法
2.1 數據
假設市場在 20 英里之內沒有重要的鄰近城市（超過 2,000 個居民），則該市場是孤立的，按照這一標準確定了樣本中的 372 個獨立城市。我們使用定製的網絡爬蟲在 2014 年 5 月從 www.city-data.com 的樣本中收集了各種市場信息。我們還收集了這些市場中所有餐廳的餐廳數量（NUMRES），餐廳級別平均評分（餐廳所有個人評分的平均值）以及在 Yelp.com 上發佈的評分總數（NUMRATE）。我們計算了每個市場的平均評級的平均值（AVG）以及這些平均評級的最小值（MINRATE），最大值（MAXRATE）和範圍（RANGE），選擇範圍和平均值作為我們市場平均評級分佈的重點。最後，我們計算了每 10,000 名居民中餐館的數量（RESPOP），作為對市場競爭力的附加控制。表 1 顯示了這些變量的彙總統計數據。 2016 年 9 月，我們複製了數據收集方案，併合並了來自 www.city -data.com 和 Yelp.com 的數據，以構建面板數據集。同時，我們檢查了市場結構分佈的一致性，結果在整個數據集中發現了箱內平均評級分佈的基本內部一致性，確保了平均評級分佈為具有特定餐廳數量的市場與地理位置無關。
2.2 假設
假設 1 “市場上可選擇的餐廳的平均評級的範圍隨著競爭的加劇而增加”
假設 2 “市場上可選擇的餐廳的平均評級的均值隨著競爭的加劇而下降”
假設 3 “水平差異下的競爭對現有餐廳平均等級的範圍和市場水平平均等級的影響小於垂直差異下的競爭”，這裡的“橫向”和“縱向”表示餐館可以橫向區分其餐飲類型，如中餐/泰式/法式等，還可以在同一個餐飲類型下縱向區分其服務產品。
2.3 模型
首先使用截面估計模型：
三、 實證結果
分別對我們的模型以 RANGE 和 AVG 作為因變量進行迴歸估計。我們發現 LNNUMRES 對支持假設 1 具有顯著的積極影響，市場上可選擇的餐廳的平均評級的範圍隨著競爭的加劇而增加。同時，LNNUMRES 對支持假設 2 具有顯著的負面影響，市場上可選擇的餐廳的平均評級的均值隨著競爭的加劇而下降。無論是以 RANGE 還是 AVG 作為因變量，LNNUMRES 的係數在固定影響模型的估計中比其他相對大得多。以 AVG 為因變量時，橫斷面與面板結果之間的 LNNUMRES 係數差異更大。
為了限制橫向差異的影響，我們根據原始數據集的子樣本重新評估了模型，這些子樣本僅包括我們定性為非快餐店的餐館，以及某一特定類別的餐館的子樣本：傳統美式餐館。對於非快餐店的餐館的截面估計中，LNNUMRES 對平均評級的 RANGE 的影響係數
為正，且比對所有餐廳進行估計的係數顯著增大 1.6 倍（OLS）至 2.2 倍（2SLS），而對平均評級分佈的 AVG 的影響是顯著為負的，也比對所有餐廳的係數估計大 1.3 到 2.3 倍，這表明市場中餐館數量對平均評級有不可忽視的影響。對於面板數據，我們發現非快餐店的定性結果不變，同樣，對於具有市場水平固定效應的模型，LNNUMRES 的係數顯著大於以 RANGE 和 AVG 為因變量的模型的 OLS 和 2SLS 估計。對於傳統美式餐廳的估計結果類似，然而，以 AVG 為因變量的 FE 模型的係數略低於統計意義，這可能是由於與其他兩類餐廳相比觀察數量要少得多。
為了研究橫向差異的影響，我們還限制了垂直差異的影響，子樣本僅包括民族餐廳（例如，中式/法式/泰式餐廳）來重新進行迴歸估計，不同類型的民族餐廳進行縱向競爭而非橫向競爭。為了將餐廳數量的純粹增加與菜餚類型的增加隔離開來，我們另外控制了不同種菜餚類型數量的自然對數（LNECT）。對於 AVG 作為因變量，在所有模型中 LNNUMRES 的影響均不顯著。橫截面模型的係數大小適中，而固定和隨機效益模型的係數估計較小。對於 RANGE 作為因變量，LNNUMRES 的影響在面板以及截面模型中是顯著的且為正的，但與之前所有報告的相應係數相比，大體上較小。這可以解釋為什麼某些民族餐館，無論本地市場競爭如何，都將恆星徘徊在 3 星的平均評分附近，而很少獲得高於 4 星的評分。儘管如此，我們仍然發現在水平差異下，LNNUMRES 對 RANGE 的影響是中等的。這可能是由於不同民族餐館類型的特質質量差異，以及兩家水平不同的餐館在垂直方向上也存在差異。綜上所述，將水平情況的係數與垂直情況的係數進行比較，假設 3 得到了支持，即水平差異下的競爭對現有餐廳平均等級的範圍和市場水平平均等級的影響小於垂直差異下的競爭。
四、 結論
通過分析本地市場競爭的變化如何影響平均評級的市場分佈，我們證明了本地市場競爭是市場中平均評級異質性的驅動因素。我們發現，競爭的加劇會導致平均評級範圍的擴大和市場平均評級的均值的下降。當我們將分析限制在沒有顯著水平差異機會的特定餐廳類型時，以及當我們控制未觀察到的市場異質性時，這些影響尤其明顯。與此類似，當沒有明顯的垂直分化機會時，這些影響會部分消失。
我們的結果具有不平凡的管理意義，尤其是對於收集競爭情報而言。如圖 1 所示，當增加餐館的數量時，對平均評級為 2.5 星級的餐館產生的影響與對平均評級為 4.5 星級的餐館產生的影響是不同的。在我們的數據樣本中，一家平均評級為 2.5 星的餐廳，在擁有 51-60 家餐廳((約為第 75 個百分點))的市場中面臨的競爭，比在擁有 21-30 家餐廳((約為第 25 個百分點))的市場中多出近 30%。而一家平均評級為 4.5 星的餐廳在擁有 51-60 家餐廳的市場中面臨的競爭比擁有 21-30 家餐廳的市場少 5%左右。因此，如果在競爭對手數量不同的市場中運營，那麼具有相似平均評級的餐館應該得到不同的評估。
此外，在結構不同的市場運營的連鎖餐廳，為了保持對每一家餐廳顧客的同質吸引力，應該根據當地的市場競爭高度差異化。在其他條件都相同的情況下，在規模較大的市場(例如擁有 50 家餐廳的)中，像 Applebee 和 RedLobster 這樣的“經典”連鎖餐廳面臨的來自低端餐廳的競爭要比在規模較小的市場中嚴重得多。因此，對於這樣的連鎖企業來說，在一個更大的市場中，採取認識到來自低端競爭者的競爭加劇的戰略將是有益的;在小市場的戰略要有利於成為高端供應商之一的目標。
本文的研究結果對我們的日常生活也有一定的啟示意義。一般來說，喜歡高評級餐廳的人會在更大的市場找到更合適的。然而，人們不應該隨意選擇那裡的餐館，因為較大的市場中，與較小的市場相比，平均評級較低的餐館比例過高。換句話說，更大範圍的可用平均評級是以更大市場的平均評級的均值較低為代價的。這一結果強調了在線評論網站和其他機制在大市場中預選業務的重要性，以更好地滿足消費者的偏好。
致謝
本文由南京大學工程管理學院 2019 級碩士付雅芮翻譯轉述。
感謝國家重點研發計劃（2018YFB1403400）和國家自然科學基金（71732003，61772014）支持！
閱讀更多 慕測科技 的文章
