论文部分内容阅读
摘 要：阿里巴巴集团在将淘宝网一拆为三之后，又大幅度提高淘宝商城的准入门槛，导致了部分淘宝网中小型卖家恶性攻击淘宝商城大卖家，破坏淘宝生态系统的平衡。文章通过分析专营3C数码产品的TOP20的网商在受到攻击一个月内指标的变化情况，从实证的角度论证了电子商务生态系统具有自适应性。同时，验证了环境变化对电子商务生态系统具有积极影响。
关键词：电子商务生态系统；环境威胁；自适应性；面板；实证研究
中图分类号：F713.360 文献标识码：A
0 引 言
伴随着电子商务时代的到来，阿里巴巴旗下的淘宝网抢占了大量的市场份额。2008年，宋斐和盛振中指出，经过自然生长阶段、有生态意识阶段、有意识的生态建设阶段，淘宝网的生态系统已经初步形成[1]。Peltoniemi和Vuori认为商务生态系统由占据不同“生态位”的企业组成，这些企业的生态位相互关联，一旦其中的一个发生变化，其他相关者包括竞争者、合作者和补充者均发生变化[2]。Marco Iansiti和Ray Levien构建了商务生态系统理论的框架，并将商务生态系统中的“企业”按生物学物种的概念分为了三类：领导种群、关键种群、寄生种群[3]。参照种群生态学对企业生态系统定义，淘宝网生态系统中种群包括电子商务平台种群、买家种群、卖家种群、供应商种群、物流服务种群、软件服务商种群、金融机构种群等；非生物生态环境包括政策、法律、经济、社会、技术等。盛振中认为，目前淘宝网生态系统非生物生态环境处于不断变化之中，各种群面对的非生物生态环境充满了不确定性，因此只有具备较强的适应能力的种群才能在优胜劣汰中存活下来[4]。
2011年10月10日，淘宝商城发布了“提高技术服务年费”和“商铺违约金全线提高”的调整，金额涨幅之大导致了众多中小商家不满，2011年10月11日，近5万多名网友有组织性的对部分淘宝商城大卖家实施了“拍商品、给差评、拒付款”的恶意操作行为，严重破坏了淘宝网生态系统的平衡。为了分析淘宝网生态系统对于这一事件所引起的环境变化的适应能力，本文以专营3C数码产品的TOP20位网商为调查对象，在恶性攻击事件发生后的一个月内分3次收集网商的好评率、退货率、投诉率等数据指标。随后，用SPSS软件进行基于Pearson简单相关系数的相关性分析，找出在此次攻击事件中受到影响的指标中与网商绩效存在强相关性的指标。最后，应用SPSS绘出相应指标变化的线形图，证实淘宝生态系统内各种群对非生物生态环境变化具有适应性。
事件发生之后，阿里集团从宣传、仓储、物流、网上银行等各个方面做出努力，迎来了2012年和2013年淘宝网双十一销售额的新辉煌。本文统计了2012年和2013年的淘宝网双十一期间所有天猫卖家的销售额，并将之与2011年双十一进行比较，从而验证了环境变化对电子商务生态系统具有积极影响。
1 数据统计与分析
1.1 理论假设。当环境变化时，商务生态系统通过其自组织，协同和自我修复能力来适应新环境。本文以淘宝网生态系统中中小型卖家恶性攻击淘宝商城大卖家事件所引起的环境变化为契机，以月好评率、月退款率等指标的变化作为测试性计划，来衡量淘宝网生态系统中各网商种群在受到环境威胁后的表现。各网商种群在环境变化后生态位的调整过程见图1。
本文选取了两次典型数据进行处理。分别是淘宝攻击事件后的数据和2013年双十一的数据。为了保证数据的科学性，分别于2011年、2012年、2013年的相同日期，针对淘宝网专营3C数码TOP20的网店的网商绩效、30天退款率、质量问题退款次、未收到货退款次、无理由退款次、30天投诉率、30天处罚数和一个月的好评、中评、差评总数等面板数据进行收集。通过相关性分析找出此次攻击事件中受到影响同时会影响网商绩效的指标，并应用SPSS绘出线形图，从而直观地了解各指标在环境变化下的变化情况。
1.2 抽样方法。以淘宝网上一类销售3C数码产品的网商作为研究样本。
时间方面，收集三个时段的相同店铺的面板数据，方便进行纵向分析。销售3C数码产品的淘宝网商数量很多，本文抽取了20个销售业绩靠前的网商，但销售业绩占淘宝的50%左右，且这些网商在此次攻击事件后均有不同程度的损失。第一次数据收集在2011年10月24日（T1），随后分别在2011年11月8日（T2）和2011年11月15日（T3）收集了两次数据，数据通过人工采集完成。
对2012年11月11日所有天猫商铺的销售额进行统计分析。
同样，对2013年11月11日所有天猫商铺的销售额进行统计分析。
1.3 变量间的相关性分析。2011年，变量间的相关性分析结果见表1。同一变量的重复测量是显著相关的，月好评次数与网商绩效呈正相关关系，差评次数与因质量问题退款次数、未收到货退款次数以及无理由退款次数均有较强的相关性，其相关系数都超过0.8，分别为0.843、0.894、0.807。因此可知，由于中小买家的“拍商品、给差评、拒付款”恶性攻击行为会导致受攻击卖家绩效的降低，具体可表现为因无理由退款与差评次成正相关，因此恶意拒付款行为可导致一个月内差评次数升高，同时好评次数降低，而月好评次数与网商绩效是呈正相关关系，所以网商绩效会受很大影响。
由于2012年没有较大的生态系统环境的变化，其具体数据只做对比应用，不讨论其相关性分析。
2013年，变量间的相关性分析结果见表2。同一变量的重复测量是显著相关的，月好评次数以及月中评次数的显著性概率为0.000和0.014，故二者与网商绩效有显著的相关关系，差评次数与因质量问题退款次数，未收到货退款次数以及无理由退款次数均有较强的相关性，其相关系数都超过0.8，分别为0.897、0.875、0.832。（可以适当修改）因此可知，用户越来越重视商品质量以及物流等带来的商品体验，如果商品的质量有问题，多数会导致差评，同时好评次数降低，而月好评次数与网商绩效是呈正相关关系，所以网商绩效会受很大影响。 1.4 分析方法。选用SPSS软件对数据进行相关性及描述性统计分析，先分析出在此次恶性攻击事件中受到影响的指标有好评率、30天退款率、质量问题退款次、未收到货退款次、无理由退款次和一个月的好评、中评、差评总数，通过随后的相关性分析可知一个月的好评数、差评数以及因各种原因引起的退款都会影响网商的绩效。最后通过对T1、T2、T3时期的数据分别进行描述性统计分析，并对比了T1、T2、T3时期月退款率和投诉率，一个月好评总数，从而验证网商在经受恶性攻击后，各指标渐渐趋于稳定，并向有益于整个淘宝网生态系统的方向发展。
2 研究发现
2.1 描述性统计分析。2011年各指标在不同时间段收集数据时对应的描述性统计分析参见表3。其中，网商绩效、因质量退款、未到货退款和无理由退款的标准差都比较大，说明网商之间在这几个指标上分布的范围较广。另外，好评率平均值达到99%以上，标准差最大（T3）仅为0.00369，说明各个网商的好评率不但很高，而且差异性很小。
2013年各指标在不同时间段收集数据时对应的描述性统计分析参见表4。其中，网商绩效、因质量退款、未到货退款和无理由退款的标准差都比较大，说明网商之间在这几个指标上分布的范围较广。此外，好评率平均值达到99% 以上，标准差最大较小，说明各个网商的好评率高而且差异性小。
在2013年11月11日，天猫商城的店铺支付宝成交额突破千万元的卖家数为504家。其中单日单店销量在1亿元以上的店铺有18家，店铺销量在5 000万元以上的43家，成交在1 000～5 000万元以上的店铺443家。
在2012年11月11日，天猫商城的店铺支付宝成交额突破千万的卖家数为217家。其中单日单店销量在1亿元以上的店铺有3家，店铺销量在5 000万元以上的14家，成交在1 000～5 000万元以上的店铺200家。另外还有1 527家店铺的支付宝成交额在百万元以上。
对比2011年11月11日，也就是卖家受到攻击一个月后，总共有497家品牌店销售突破百万元，其中3家品牌店销售额破4 000万元。另有1家超3 000万元、4家超过2 000万元、38家过1 000万元、75家过500万元。与去年相比，销量达千万元以上的店铺是去年的4.7倍，百万元以上销量店是去年的3倍。2011～2013年销售额对比如表5所示。
2.2 验证结果。通过对T1、T2、T3时期的月投诉率、月退款率和好评率进行对比，并绘制线性图可清楚的得出，受攻击网商的月退款率在受攻击后的达到一个顶点，随后趋于下降，并在11月份期间基本保持不变，而月投诉率由于不受恶性攻击的影响，一直保持不变。对应的线形图见图2。同时，通过图3，我们可以发现10月24日之后，网商的平均好评率一直处于上升阶段，而且，10月下旬的上升速度尤其惊人，这是由于生态环境受到破坏初期，网商种群体现出的强大自我修复能力。因此，我们可以得出，当环境变化时，淘宝网生态系统中的网商种群通过自组织、协同和自我修复能力来适应新环境而慢慢恢复正常，这反过来证明了生态系统内的种群具有自我修复能力。
3 结论及展望
基于电子商务生态系统和适应性相关理论，本文实证验证了电子商务生态系统中的种群在面对非生物生态环境的变化时具有自适应性。
本文的研究结论仍然是非常局限的。比如，由于收集数据的时间、人力限制，没有搜集所有在此次攻击事件中受到攻击的卖家的数据，而是选择了主营3C数码的网店。本文的分析方法在文献中未见类似报道，它将理论联系实践，验证了自适应性的合理性，因此对于淘宝网生态系统的构建与发展具有重要的意义。
参考文献：
[1] 宋斐，盛振中. 淘宝网电子商务生态分析[C] // 第十三届中国信息经济学会学术年会论文集. 西安：陕西科学技术出版社，2008：348-356.
[2] Peltoniemi M， E Vuori. Business Ecosystem as the New Approach to Complex Adaptive Business Environments[J]. Frontiers of E-business Research， 2004（1）：267-281.
[3] Marco Lansiti， Roy Levien. The Keystone Advantage[M]. Boston， Massachusetts， Harvard Business School Press， 2004.
[4] 盛振中. 淘宝网生态系统中种群成长研究[C] // 第二届网商及电子商务学术研讨会论文集，2009.
[5] 刘志坚. 基于产业集群的企业生态网络研究[J]. 经济与管理研究，2006（1）：61-64.
[6] 张真继，张润彤. 网络社会生态学[M]. 北京：电子工业出版社，2008.
[7] 方薇，陈世平. 共同进化——当代企业竟争新思维[J]. 福建论坛（经济社会版），2000（3）：22-24.
[8] 卢云. 新兴电子商务生态系统及其共生模型研究[D]. 北京：北京邮电大学（硕士学位论文），2009.
关键词：电子商务生态系统；环境威胁；自适应性；面板；实证研究
中图分类号：F713.360 文献标识码：A
0 引 言
伴随着电子商务时代的到来，阿里巴巴旗下的淘宝网抢占了大量的市场份额。2008年，宋斐和盛振中指出，经过自然生长阶段、有生态意识阶段、有意识的生态建设阶段，淘宝网的生态系统已经初步形成[1]。Peltoniemi和Vuori认为商务生态系统由占据不同“生态位”的企业组成，这些企业的生态位相互关联，一旦其中的一个发生变化，其他相关者包括竞争者、合作者和补充者均发生变化[2]。Marco Iansiti和Ray Levien构建了商务生态系统理论的框架，并将商务生态系统中的“企业”按生物学物种的概念分为了三类：领导种群、关键种群、寄生种群[3]。参照种群生态学对企业生态系统定义，淘宝网生态系统中种群包括电子商务平台种群、买家种群、卖家种群、供应商种群、物流服务种群、软件服务商种群、金融机构种群等；非生物生态环境包括政策、法律、经济、社会、技术等。盛振中认为，目前淘宝网生态系统非生物生态环境处于不断变化之中，各种群面对的非生物生态环境充满了不确定性，因此只有具备较强的适应能力的种群才能在优胜劣汰中存活下来[4]。
2011年10月10日，淘宝商城发布了“提高技术服务年费”和“商铺违约金全线提高”的调整，金额涨幅之大导致了众多中小商家不满，2011年10月11日，近5万多名网友有组织性的对部分淘宝商城大卖家实施了“拍商品、给差评、拒付款”的恶意操作行为，严重破坏了淘宝网生态系统的平衡。为了分析淘宝网生态系统对于这一事件所引起的环境变化的适应能力，本文以专营3C数码产品的TOP20位网商为调查对象，在恶性攻击事件发生后的一个月内分3次收集网商的好评率、退货率、投诉率等数据指标。随后，用SPSS软件进行基于Pearson简单相关系数的相关性分析，找出在此次攻击事件中受到影响的指标中与网商绩效存在强相关性的指标。最后，应用SPSS绘出相应指标变化的线形图，证实淘宝生态系统内各种群对非生物生态环境变化具有适应性。
事件发生之后，阿里集团从宣传、仓储、物流、网上银行等各个方面做出努力，迎来了2012年和2013年淘宝网双十一销售额的新辉煌。本文统计了2012年和2013年的淘宝网双十一期间所有天猫卖家的销售额，并将之与2011年双十一进行比较，从而验证了环境变化对电子商务生态系统具有积极影响。
1 数据统计与分析
1.1 理论假设。当环境变化时，商务生态系统通过其自组织，协同和自我修复能力来适应新环境。本文以淘宝网生态系统中中小型卖家恶性攻击淘宝商城大卖家事件所引起的环境变化为契机，以月好评率、月退款率等指标的变化作为测试性计划，来衡量淘宝网生态系统中各网商种群在受到环境威胁后的表现。各网商种群在环境变化后生态位的调整过程见图1。
本文选取了两次典型数据进行处理。分别是淘宝攻击事件后的数据和2013年双十一的数据。为了保证数据的科学性，分别于2011年、2012年、2013年的相同日期，针对淘宝网专营3C数码TOP20的网店的网商绩效、30天退款率、质量问题退款次、未收到货退款次、无理由退款次、30天投诉率、30天处罚数和一个月的好评、中评、差评总数等面板数据进行收集。通过相关性分析找出此次攻击事件中受到影响同时会影响网商绩效的指标，并应用SPSS绘出线形图，从而直观地了解各指标在环境变化下的变化情况。
1.2 抽样方法。以淘宝网上一类销售3C数码产品的网商作为研究样本。
时间方面，收集三个时段的相同店铺的面板数据，方便进行纵向分析。销售3C数码产品的淘宝网商数量很多，本文抽取了20个销售业绩靠前的网商，但销售业绩占淘宝的50%左右，且这些网商在此次攻击事件后均有不同程度的损失。第一次数据收集在2011年10月24日（T1），随后分别在2011年11月8日（T2）和2011年11月15日（T3）收集了两次数据，数据通过人工采集完成。
对2012年11月11日所有天猫商铺的销售额进行统计分析。
同样，对2013年11月11日所有天猫商铺的销售额进行统计分析。
1.3 变量间的相关性分析。2011年，变量间的相关性分析结果见表1。同一变量的重复测量是显著相关的，月好评次数与网商绩效呈正相关关系，差评次数与因质量问题退款次数、未收到货退款次数以及无理由退款次数均有较强的相关性，其相关系数都超过0.8，分别为0.843、0.894、0.807。因此可知，由于中小买家的“拍商品、给差评、拒付款”恶性攻击行为会导致受攻击卖家绩效的降低，具体可表现为因无理由退款与差评次成正相关，因此恶意拒付款行为可导致一个月内差评次数升高，同时好评次数降低，而月好评次数与网商绩效是呈正相关关系，所以网商绩效会受很大影响。
由于2012年没有较大的生态系统环境的变化，其具体数据只做对比应用，不讨论其相关性分析。
2013年，变量间的相关性分析结果见表2。同一变量的重复测量是显著相关的，月好评次数以及月中评次数的显著性概率为0.000和0.014，故二者与网商绩效有显著的相关关系，差评次数与因质量问题退款次数，未收到货退款次数以及无理由退款次数均有较强的相关性，其相关系数都超过0.8，分别为0.897、0.875、0.832。（可以适当修改）因此可知，用户越来越重视商品质量以及物流等带来的商品体验，如果商品的质量有问题，多数会导致差评，同时好评次数降低，而月好评次数与网商绩效是呈正相关关系，所以网商绩效会受很大影响。 1.4 分析方法。选用SPSS软件对数据进行相关性及描述性统计分析，先分析出在此次恶性攻击事件中受到影响的指标有好评率、30天退款率、质量问题退款次、未收到货退款次、无理由退款次和一个月的好评、中评、差评总数，通过随后的相关性分析可知一个月的好评数、差评数以及因各种原因引起的退款都会影响网商的绩效。最后通过对T1、T2、T3时期的数据分别进行描述性统计分析，并对比了T1、T2、T3时期月退款率和投诉率，一个月好评总数，从而验证网商在经受恶性攻击后，各指标渐渐趋于稳定，并向有益于整个淘宝网生态系统的方向发展。
2 研究发现
2.1 描述性统计分析。2011年各指标在不同时间段收集数据时对应的描述性统计分析参见表3。其中，网商绩效、因质量退款、未到货退款和无理由退款的标准差都比较大，说明网商之间在这几个指标上分布的范围较广。另外，好评率平均值达到99%以上，标准差最大（T3）仅为0.00369，说明各个网商的好评率不但很高，而且差异性很小。
2013年各指标在不同时间段收集数据时对应的描述性统计分析参见表4。其中，网商绩效、因质量退款、未到货退款和无理由退款的标准差都比较大，说明网商之间在这几个指标上分布的范围较广。此外，好评率平均值达到99% 以上，标准差最大较小，说明各个网商的好评率高而且差异性小。
在2013年11月11日，天猫商城的店铺支付宝成交额突破千万元的卖家数为504家。其中单日单店销量在1亿元以上的店铺有18家，店铺销量在5 000万元以上的43家，成交在1 000～5 000万元以上的店铺443家。
在2012年11月11日，天猫商城的店铺支付宝成交额突破千万的卖家数为217家。其中单日单店销量在1亿元以上的店铺有3家，店铺销量在5 000万元以上的14家，成交在1 000～5 000万元以上的店铺200家。另外还有1 527家店铺的支付宝成交额在百万元以上。
对比2011年11月11日，也就是卖家受到攻击一个月后，总共有497家品牌店销售突破百万元，其中3家品牌店销售额破4 000万元。另有1家超3 000万元、4家超过2 000万元、38家过1 000万元、75家过500万元。与去年相比，销量达千万元以上的店铺是去年的4.7倍，百万元以上销量店是去年的3倍。2011～2013年销售额对比如表5所示。
2.2 验证结果。通过对T1、T2、T3时期的月投诉率、月退款率和好评率进行对比，并绘制线性图可清楚的得出，受攻击网商的月退款率在受攻击后的达到一个顶点，随后趋于下降，并在11月份期间基本保持不变，而月投诉率由于不受恶性攻击的影响，一直保持不变。对应的线形图见图2。同时，通过图3，我们可以发现10月24日之后，网商的平均好评率一直处于上升阶段，而且，10月下旬的上升速度尤其惊人，这是由于生态环境受到破坏初期，网商种群体现出的强大自我修复能力。因此，我们可以得出，当环境变化时，淘宝网生态系统中的网商种群通过自组织、协同和自我修复能力来适应新环境而慢慢恢复正常，这反过来证明了生态系统内的种群具有自我修复能力。
3 结论及展望
基于电子商务生态系统和适应性相关理论，本文实证验证了电子商务生态系统中的种群在面对非生物生态环境的变化时具有自适应性。
本文的研究结论仍然是非常局限的。比如，由于收集数据的时间、人力限制，没有搜集所有在此次攻击事件中受到攻击的卖家的数据，而是选择了主营3C数码的网店。本文的分析方法在文献中未见类似报道，它将理论联系实践，验证了自适应性的合理性，因此对于淘宝网生态系统的构建与发展具有重要的意义。
参考文献：
[1] 宋斐，盛振中. 淘宝网电子商务生态分析[C] // 第十三届中国信息经济学会学术年会论文集. 西安：陕西科学技术出版社，2008：348-356.
[2] Peltoniemi M， E Vuori. Business Ecosystem as the New Approach to Complex Adaptive Business Environments[J]. Frontiers of E-business Research， 2004（1）：267-281.
[3] Marco Lansiti， Roy Levien. The Keystone Advantage[M]. Boston， Massachusetts， Harvard Business School Press， 2004.
[4] 盛振中. 淘宝网生态系统中种群成长研究[C] // 第二届网商及电子商务学术研讨会论文集，2009.
[5] 刘志坚. 基于产业集群的企业生态网络研究[J]. 经济与管理研究，2006（1）：61-64.
[6] 张真继，张润彤. 网络社会生态学[M]. 北京：电子工业出版社，2008.
[7] 方薇，陈世平. 共同进化——当代企业竟争新思维[J]. 福建论坛（经济社会版），2000（3）：22-24.
[8] 卢云. 新兴电子商务生态系统及其共生模型研究[D]. 北京：北京邮电大学（硕士学位论文），2009.