平台生态圈下团购网站运营效率及影响因素研究

内容摘要：团购网站运营效率的提升有利于团购生态系统价值的创造。本文基于平台战略理论，结合团购特点，构建平台生态圈下的团购网站运营效率模型，采用超效率DEA-Tobit两阶段法进行实证研究。结果显示：多数团购网站运营相对有效，即使产出同比减少50%以上，仍能位于效率前沿面上；个别相对无效的团购网站日后应注重网页结构和内容的设计。由于商户和网站自身对团购网站运营效率的影响较为显著，建议团购网站制定多元的定价策略和精准的产品策略。为激发团购生态圈的网络效应，还需注意投诉次数带来的负面效应。

关键词：平台生态圈 团购网站 超效率 数据包络分析 影响因素

引言

《互联网行业“十二五”发展规划》指出，互联网的移动化、融合化、平台化在未来一个阶段内将开辟更深交融、更广交互、更高智能的发展趋势。在这种新趋势下，网络团购也逐渐演进为更成熟的平台商业模式，即平台生态圈。而组织团购的团购网站在整个平台中扮演重要角色，准确研究其运营效率对于促进团购平台生态圈的构建有重大现实意义。

关于团购网站运营，国内学者做过相关研究。周蓓婧（2012）基于线上、线下资源研究团购网站。江耘（2012）认为网站规模、活跃程度和市场占有率影响团购网站的发展。王勇（2013）提出网站自身品牌、产品、用户和商户等因素决定团购网站的成功运营。上述研究对团购理论与实践起着积极的推进作用。遗憾的是，定性研究较多，少数定量研究也偏于主观，研究时也没能系统考虑团购涉及的参与方，使现有部分结论不够完整，更未有学者从效率入手研究团购网站。为此，本文基于平台生态圈视角，研究团购网站的运营效率。然而在所有团购网站中，哪些团购网站的运营效率较高？不同运营效率的团购网站之间有何差异？影响团购网站运营效率的因素主要有哪些？这些问题的解决对团购平台下商户提高收入、顾客获得优惠与网站长远发展都至关重要。本文围绕上述问题，以国内知名度较高的10家团购网站为研究对象，在合理选取投入产出变量的基础上，采用数据包络分析方法测度团购网站运营效率，并基于平台生态圈进一步用Tobit回归探讨团购网站运营效率的影响因素，以期在激烈的市场竞争环境下，为团购网站提升运营效率，建立竞争优势，实现持续发展，促进平台生态圈构建提供有力指导。

平台生态圈下团购网站运营效率模型构建

平台商业模式其实是一种多主体共享，产生网络效应，实现多主体共赢的一种商业生态系统。在团购生态系统中，团购网站通过连接商户与顾客两个特定群体，为其提供互动机制，同时满足双方需求，逐渐凝聚各方成员，使其产生归属感，促进“商户―团购网站―顾客”关系网增值，最终从中巧妙获利，同时也为商户和顾客创造价值，使团购平台呈现出“共赢”的局面，进而逐渐打造出一个成长潜能强大的团购平台生态圈。

团购网站是团购生态圈的核心所在。从两个维度研究其运营效率：首先使用DEA法测算运营效率，构建“团购网站运营效率测度模型”；进一步基于平台生态圈视角，运用Tobit回归法探究效率影响因素，构建“团购网站运营效率影响因素模型”，如图1所示。在效率测度平面，通过分析网站结构、内容、易用性、稳定性四方面的投入要素及网站影响度方面的产出水平，研究团购网站运营效率情况；在效率影响因素平面，主要探讨商户、网站和顾客对团购网站运营效率的影响。其中，商户负责提供商品，了解市场趋势，把握顾客需求，加大营销推广；团购网站是联系商户和顾客的服务中介，通过寻找合作商户，开发团购商品，团购信息，集合大量顾客完成购买支付；顾客获得优惠信息，实施购买行为，分享消费经验；这三个参与方通过一系列相关活动构成了团购价值链。两个层面的模型最后形成平台生态圈下的团购网站运营效率模型。

模型选取

（一）基于DEA的团购网站运营效率测度模型

研究团购网站运营效率，首先要对效率进行测度。团购网站运营效率测度模型主要是通过对涉及网站建设和运营的多方面投入和产出要素进行分析以判断团购网站资源配置的有效程度。由于DEA方法对社会经济系统多投入和多产出相对有效性评价具有优势，目前也有学者将其运用于网站评价领域（王一华，2012），本研究将用其测算团购网站的运营效率。

传统DEA主要用于DMU相对效率的排名，但无法解决效率为1的有效DMU的问题（Li Shanling et al.，2007）。超效率DEA则弥补了这一缺陷，使有效DMU间也能比较，能客观地刻画团购网站的运营效率。其基本思想是先将被测单元j0从参考集排除在外再对其进行评价，从而实现所有DMU的充分排序（Andersen P et al.，1993）。一个有效的DMU可以使其投入按比例增加而效率值保持不变，投入增加比例即为超效率评价值。方法如（1）式所示：

（1）

由于网站的建设和运营涉及到多方面的投入要素，如网站制作技术、内容安排、布局设计、硬件实施、推广等方面。根据团购网站的一般性及数据的可获得性，按照指标体系构建原则，在借鉴以往学者对其他类型网站效率研究的基础上，本文构建团购网站运营效率指标如表1所示。

其中，内容丰裕度主要考虑网站内容和资源的特色性、全面性等因素，综合利用专家打分及层次分析法以实现定性指标的定量化处理；总页面数和外部链接数通过网站流量分析软件Maxamine Web Analyst获取；页面平均载入时间、访问深度、站长排名通过第三方权威网站“站长工具”获得，其中，页面平均载入时间和站长排名是反向指标，采用“倒数法”对其进行正向标准化转换，访问深度=PV浏览量/IP访问量，之所以选择访问深度是因为该指标比IP访问量更能有效、真实地反映网站的实际流量。

（二）基于Tobit回归的团购网站运营效率影响因素模型

在团购网站运营效率测度的基础上，需进一步对效率的具体影响因素进行分析。运用DEA法可评价DMU的相对效率，但不能从整体上找到效率的影响因素，Tobit回归可用来寻找投入产出以外的影响决策单元运营效率的因素。由于DEA效率值有一个最低界限0，数据被截断，若用OLS直接回归会导致参数估计的有偏且不一致性，因此本文采用Tobit回归法，计算模型如式（2）所示：

（2）

根据团购网站运营效率影响因素模型，从团购平台生态圈涉及的三个主要参与方，即网站、商户和顾客出发构建团购网站运营效率影响因素指标，探讨影响其效率的具体因素及影响程度，如表2所示。

其中，开团次数是指团购网站平均每周组织的在线团购次数，可以反映网站组织团购的能力；投诉次数是顾客参与该网站组织的团购，不满意商品或者网站服务而投诉的总次数。平均单价和平均热购指数分别用来代表网站所选商户参与团购的商品的价格及受欢迎程度。参团总人次反映已参加团购的人数对顾客选择该团购网站商品的影响程度，团购也是一种网络购物，存在不确定性，顾客购买前会将身边的一些非正式群体作为商品信息的来源，因此参团总人次可以让顾客对自己的交易有更清晰的认识。上述指标数据都是通过领先团购资讯“来优团购数据中心”获取。

实证分析与建议

（一）团购网站运营投入产出效率分析

本文选取国内常见的10家团购网站为研究对象，先运用BCC对团购网站的技术效率、纯技术效率和规模效率进行测度，分析技术效率的整体情况和技术无效的主要原因。在此基础上，进一步通过超效率DEA计算处于效率前沿面的团购网站的相对效率得分。

1.基于BCC的团购网站运营效率分析。表3对团购网站的效率和规模报酬情况进行了汇总。前4列反映了团购网站的技术效率、纯技术效率和规模效率及规模报酬的情况，分析有如下结论：

由总体效率分析，这10家团购网站平均运营效率水平较高，技术效率平均为0.80，规模效率平均为0.96。处于效率前沿面的DMU有6个，包括美团、糯米、窝窝团、青团网、满座和麦圈网，这6家DMU同时技术有效和规模有效，在当前投入规模基础上产出已达到最优水平。非DEA有效的包括拉手网、团800、领团和团购王4家团购网站，效率最高的是拉手网，其技术效率接近80%，即在经过小幅度改进后可实现同参照对象一样的效率；领团网和团购王的技术效率较低，分别为0.32和0.20，这说明这两个DMU与参照对象间的差距很大，且在规模报酬上出现初递减特征，因此对投入要素合理缩减应该成为增进效率的主要着力点。

通过DMU投影分析，表4给出了4个非有效DMU各指标的改进额度。对于输入指标，拉手网和团800的网站总页面数是最需要减少的，二者的页面平均载入时间可以维持不变，逐一对投入指标改进后，拉手网的站长排名和访问深度分别会提升8.25%、8.50%，团800的分别会提升9.09%和9.00%。在非DEA有效网站中效率较低的是领团网和团购王，二者的前三个输入指标都要按照如下比例减少，如页面平均载入时间，它在很大程度上影响着浏览者的感知质量，载入过慢，访问者很可能直接放弃浏览或者下次选择其他网站，因此页面载入时间应分别减少15.79%和47.93%，而网站外部链接数可维持不变，这样二者的站长排名和访问深度将会随之有大幅度提升。

2.基于超效率DEA的团购网站运营效率分析。超效率DEA对处于BCC效率前沿面团购网站的相对效率水平做了进一步评估，超效率值和DMU排名反映在表3最后两列。可以看出原来BCC结果显示各DMU平均效率水平较高，似乎所有团购网站运营都维持在相当高的水准，而超效率DEA却让原来效率为1 的DMU有了新的效率值，各团购网站的效率区分度更加明显化。如美团和糯米网原来均处于效率前沿面上，现在美团的效率值变为2.97，糯米网的为1.59，意味着即使美团和糯米网的产出同比例减少197%和59%，这两家网站仍然位于效率前沿面上；同样，根据窝窝团、青团网、麦圈网的超效率值，即使产出同比减少50%以上，这些有效DMU也都能处于效率前沿面上。

（二）团购网站运营效率影响因素分析

团购网站运营效率影响因素的分析，重在分析团购网站运营中的关键要素在提高团购网站运营效率过程中的作用。在平台生态圈下，团购价值链整个活动过程主要涉及商户、网站和顾客这三个参与方。因此，本部分从这三者出发，运用Tobit回归分析团购网站运营效率影响因素，在所选取的运营效率指标框架内构建如下模型：

式中，Y为被解释变量，Yi表示第i个DMU的超效率值；开团次数（OGT）、投诉次数（NOC）、平均单价（AVP）、平均热购指数（AHI）和参团总人次（TAN）是解释变量；α为常数，，回归结果如表5所示。

对于回归结果，团购网站运营涉及的三个相关方分析如下：

关于团购网站，投诉次数对网站运营效率的统计检验在1%水平下显著，其他条件不变时，投诉次数每增加一个百分点，运营效率将平均减少0.34%。这是由于在网购行业中，用户体验有着重要的作用，尤其是团购准入门槛低，竞争激烈，一旦有用户投诉，网站若不及时反馈与应对，长此以往造成的损失将是十分庞大的。而开团次数对网站运营效率的影响并不显著，可能由于顾客从网站选择产品时，直观上主要受团购网站及商品呈现效果的影响。

就商户而言，平均单价和热购指数与效率之间分别有显著负相关和正相关关系，都在5%的水平下显著。平均单价增加1%，效率降低0.1067%；热购指数增加1%，效率增加0.0453%。说明商户对网站的运营效率也有影响，顾客最终选择的还是商家的商品，参加团购优惠的程度以及商品的受欢迎程度都影响着顾客的购买决策，进而影响网站的运营效率。但与团购网站自身影响相比，商户对效率的影响程度不是很大，可能是因为在团购中，投诉等引起的负面口碑传播更能影响网站的运营。

在顾客方面，参团总人次对团购网站运营效率的影响并未通过显著性检验。虽然顾客在制定购买决策时会参考周围环境和群体提供的信息，但和前两方面因素相比，参团总人次的影响并不显著，团购网站运营的根本所在仍是商品或服务的质量。

（三）对策建议

首先，运营效率相对无效的团购网站管理者应把重点放在如下几方面：第一，重点加强网站结构和内容的设计，减少网站总页面数，降低网页的内容丰裕度。这些因素虽然可以衡量网站信息的丰富性，却也决定着网页下载速度。通过对功能、结构、布局、内容等关键要素的合理设计，使网站的表现形式达到最优效果；第二，加大网站建设的投入，投影分析显示各项指标未能充分利用，输出指标经适当调整还有很大提升空间，通过加大建设力度，使网站的实用性、易用性、稳定性、系统性得到有力保障。

其次，为保证团购网站有效运营，活化团购平台生态圈发展，网站管理者还需在效率影响因素方面加以把握。团购网站能否高效运营，根本还是在于顾客的购买决策，影响顾客满意度的最终衡量标准还是商户提供的团购商品的优惠程度以及优质性。团购网站通过制定多元的定价策略和精准的产品策略，选对商户，严格要求产品和服务质量，同时保障网站自身服务水平，做到让顾客满意团购、商户提高口碑，同时也提升网站自身的订单转化率，进而才能促进各方共赢以及团购平台生态圈的构建。

最后，就团购行业健康、理性发展而言，除加强网络团购的软、硬件环境建设，使与之配套的物流、支付、网络安全、监管法律法规等不断完善外，还应关注网络团购诚信联盟的建筑。网络团购信用评价认证机构、监测机构和信用纠纷仲裁机构在信用认证、评测及纠纷解决过程中，要各司其职，引导和督促团购网站和商家诚信经营，营造并维护良好的团购环境，建立长效的诚信机制和团购互动机制，以增强团购平台生态圈的延展性。

结论

本文基于团购网站运营效率测度模型，分别用BCC和超效率DEA测算了团购网站运营效率；在此基础上，进一步从平台生态圈视角出发，构建了团购网站运营效率影响因素模型，并用Tobit回归具体分析了效率的影响因素。DEA结果显示，团购网站的运营效率整体较高，60%的团购网站都处于效率前沿面，个别效率较低的团购网站主要是由于纯技术效率太低，应有效利用相关技术以提高投入要素在使用上的效率；对于大多有效团购网站而言，即使产出同比减少50%以上，仍将位于效率前沿面上。影响因素的研究则表明主要是商户及网站自身的因素对团购网站运营效率的影响较为显著，为增强用户粘性，提高其归属感，团购网站在制定营销策略与团购互动机制时，应格外注意投诉带来的不良影响。上述分析对于丰富团购网站效率评价理论，优化团购网站、提高团购网站运营效率，帮助顾客全面比较团购信息，商户合理选择营销策略以及促进整个团购生态圈的共赢都有重要的现实价值。当然，由于数据获取的有限性，本文没有分时期、动态地研究团购网站的运营效率，日后将在此基础上进一步完善。

参考文献：

1.周蓓婧，侯伦.基于层次分析法的团购网站综合评价研究[J].管理学家，2012（2）

2.江耘，王.基于因子分析与聚类分析的团购网站发展研究[J].商业时代，2012（35）

3.王勇.团购网站运营的成功因素分析―基于不同创建主体的多案例研究[J].商业评论，2013（1）

4.王一华.基于超效率DEA的网站绩效评价[J].情报科学，2012（9）

5.Li Shanling， Jahanshahloo G R， Khodabakhshi M.A Supper Efficiency Model for Ranking Efficient Units in Data Envelopment Analysis[J]. Applied Mathematics and Computation， 2007， 184（2）

6.Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）

7.阎友兵，马朋.基于DEA方法的旅游电子商务网站效率评价研究[J].湖南财政经济学院学报，2013，29（144）

8.闫现洋，余小萍，吴江.基于DEA方法的高校图书馆网站效率评价研究[J].图书情报工作，2011，55（23）

9.孙艳玲，王桂兰，明小波.基于DEA的农业网站信息资源开发利用效率研究[J].情报杂志，2009，28（8）

10.孙艳玲，何源，赵卓宁.基于DEA的西部农业网站效率评价[J].情报杂志，2009（2）