财新传媒
位置:博客 > 香樟经济学术圈 > 人言可畏:餐饮在线评论平台的经济影响

人言可畏:餐饮在线评论平台的经济影响

原文信息:Fang, L. 2022. “The effects of online review platforms on restaurant revenue, consumer learning, and welfare.” Management Science. Early Access.

原文链接:

https://doi.org/10.1287/mnsc.2021.4279

 

导读:数字经济下网络平台监管是欧美、日本和中国等国家地区的重要关切。近年来,大众点评、Yelp等在线点评平台在国内外涌现,帮助消费者去餐馆前了解评价等信息、相互学习经验,从而做出更好的消费决策,并增强消费体验。MS新近发表的这篇文章,基于一份美国得州Yelp、TripAdvisor和Google三大在线评论平台的收入和信息的数据集,量化了在线点评平台对餐厅收入和消费者福利的影响,为政府在数字经济时代制定在线平台的政策和法规提供重要依据。

 

01

引言

 

前20年,Yelp、Amazon和Google等在线评论平台为消费者提供了大量的产品评论信息。鉴于这些平台在我们生活中日渐普及,理解他们的经济作用、特别是他们生产信息这一公共产品的价值。餐厅的收入和存活率,是消费者学习效应的集中体现。

 

文章提出了两个研究问题:(1)在线评论平台是否有助于消费者更快了解餐厅质量?(2)如果是,它们对消费者福利和行业动态学有什么影响?

 

02 

研究贡献

 

1. 本文通过使用社会学习需求估计模型,结合在线评论和其他信息源的学习,更准确量化了在线评论平台的福利价值;

 

2. 本文首次记录了大量的实证结果,包括在线评论对企业存活率的影响、对高/低质量年轻独立餐厅和连锁餐厅的不同影响,以及对Yelp和其他平台的影响比较;

 

3. 通过开发了一个新颖的结构需求模型,本文加入产品级别的总收益数据表征社会学习,将社会学习模型与持续支出模型结合起来。

 

03 

实证分析

 

为回答研究问题,本文收集了一个新颖的数据集,来源有四:一是来自得州审计署的《混合饮料税收信息记录》;二是人口普查数据、美国社区调查、得州经济发展和旅游业的游客和旅游支出数据、得州交通局的平均日交通流数据、消费者支出调查中的外出饮食支出,和职业就业统计的工资数据,以表示市场需求和成本特征;三是Yelp和TripAdvisor的谷歌趋势数据,用以反映两大平台的地区渗透率,作为消费者平台暴露度的主要度量;四是Yelp、TripAdvisor和Google平台详细的餐馆水平数据,包括评级、价格、菜品类别等,在Yelp平台上还可别包括评分历史,每条评论都有时间戳和评星。

 

综合后得到了一个面板,包括1995年1月至2015年12月期间15,417家餐厅的混合饮料月销量、每个邮编区域的人口统计和收入信息、基于每个餐厅位置的交通信息、得州每个都市区每月Yelp人气指数、Yelp每个列出餐厅的每月评论数和平均评级,以及Yelp、Google和TripAdvisor上总体评级、价格范围和食物类型。该数据集包括了在846个地理市场的114万个观测数据,遍及得州482个城市、113个县和20个大都市区。该数据集中的所有货币值都已根据通货膨胀率调整为2000年12月的值。

基于得州不同地区在线评论平台的渗透时间和搜索强度的差异,本文构建了三重差分(DDD)方法的简化式模型,分析了在线评论平台是否加快了消费者的学习过程。

如图2所示,Yelp平台在得州四个大都市地区的渗透强度和时间不同。在其他大都市区和其他平台上也可以发现类似的变化。DDD策略的逻辑在于,对于给定的质量,在平台曝光率较高的地区,年轻的独立餐厅的收入变化应该比那些曝光率较低的地区更大。控制餐厅和日期的固定效应后,文章计算了每个地区给定质量水平下餐厅收入的变化,并将其与每个地区的在线评论曝光度联系起来,从而确定了在线评论平台的影响。此外,还比较了不同年龄组和连锁隶属的效果。

 

计量估计模型如下:

假设餐馆的酒精销售占因餐馆j而异的总营收的固定份额,用固定效应控制。把餐厅按照开业时间在评论平台兴起前后分为年轻和悠久两类,具体采用了2003年5月。该分析的关键识别假设是,在没有网络点评平台的情况下,网络点评平台曝光程度不同的地区,其餐厅收入的变化趋势是相似的。

 

04 

分析结果

 

4.1 Yelp对收入的影响

文章的基准回归结果如表3所示。

前4行系数代表了Yelp曝光率对餐厅收入的影响。前2行系数说明了Yelp对独立餐厅的影响,第3、4行系数则显示了对连锁餐厅的影响。首先,在所有回归结果中,与连锁餐厅相关的系数都是不显著的,这意味着Yelp曝光对连锁餐厅的收入影响很小。

 

其次,第1、3、5列中所有与Yelp曝光相关的系数也都不显著,因此Yelp的曝光率对老牌餐厅没有影响。因此,在线评论平台主要通过竞争效应影响连锁和老牌餐厅,而不是通过学习效应。再次,第2、4、6列与年轻独立餐厅相关的Yelp系数在99%的置信水平上都是显著的,表明Yelp曝光率对年轻独立餐厅的收入影响不容小觑;第一行系数为负,说明当一家餐厅的质量较低时,Yelp曝光率对收入有负的影响;第二行系数为正数,说明Yelp曝光对收入的影响随着质量水平的增加而增加。负截距和正斜率一起,意味着Yelp对高质量和低质量餐厅的收入有相反的影响。合成系数代表了Yelp对给定质量水平的影响,如表4所示。

当Yelp的曝光率增加100%时,基于谷歌评分的2星级餐厅的收入会下降26.6%,而基于5星级餐厅的收入会增加19.8%。对于3星或4星评级的中等质量餐厅,这种影响就不那么明显了。当我们使用Yelp或“预先确定”的评级时,这种模式仍然存在。一家被Yelp评为2星的餐厅的收入下降要比一家被谷歌评为2星的餐厅的收入下降要少得多。
 

不同地区的消费者对餐厅质量的内在意愿等因素也可能会造成与在线评论平台影响相似的餐厅收入趋势的变化,从而产生“内生性”问题。因此,本文进行了一项安慰剂测试,将在在线评论平台的普及时间从2005年3月提前到1995年3月。安慰剂和基于RD的稳健性检验都表明,内生性问题并不严重。

 

4.2 Yelp对生存率的影响

考虑到与Yelp展示会影响餐馆的收入,它应该也会影响餐馆的存活率。为此,文章通过与4.1几乎完全一样模型设定的线性概率模型,仅替换因变量为餐馆j是否存续的指示变量,并加入食物服务工作者的工资作为额外的解释变量。回归结果与对收入的影响几乎一致,即Yelp展示只会再次影响年轻独立餐厅的存活率,而非连锁或老牌餐厅的存活率。表5中展示了复合参数,显示Yelp对年轻独立餐厅存活率的影响。

可以看出,当Yelp曝光率翻倍时,5星的新独立餐厅的存活率将增加17.1-19.1%,而2星餐厅的存活率将减少17.9-29.3%。对于另外两个质量组别,影响并不显著。这一结果证实了Yelp通过推动他们更快地退出来帮助市场淘汰质量差的餐馆。

 

4.3 其他平台的拓展

在考察了Yelp对列出的餐厅的影响后,我将分析扩展到其他在线平台及其对餐厅收入的影响。

 

对于这个分析,我使用谷歌上列出的所有餐馆的样本。如前所述,谷歌涵盖了9000多家餐厅,并对每一家餐厅进行了评级。该评级为跨平台列出的餐厅提供了统一的质量衡量标准。每个类别至少有1100家餐厅。

 

如前所述,为了控制对其他平台的渗透,作者使用了TripAdvisor网站搜索兴趣的谷歌Trends数据。理想情况下,我们希望直接衡量谷歌的餐厅点评服务的渗透率,然而这一数据很难获得。

表格的四列分别显示了与Yelp和TripAdvisor对每种类型餐厅的影响相关的参数。从(1)和(2)两栏可以看出,即使在控制了TripAdvisor的渗透率之后,与Yelp效应相关的参数对于年轻的独立餐厅来说仍然是显著的,而对于连锁餐厅来说则不显。值得一提的是,对于那些只在Yelp(第一栏)上列出的年轻独立餐厅,Yelp对其影响的估计在量级上远远高于那些同时在Yelp上列出的餐厅。总之,在线评论平台加快了消费者对餐厅质量的了解。特别是通过学习,Yelp影响了餐厅的收入和生存几率相比之下,Yelp并不影响连锁或老牌独立餐厅。其他平台也有类似的效果。特别是,如果餐馆同时出现在Yelp和其他平台上,Yelp的影响就会占主导地位。这证实了Yelp是餐饮业中最具主导地位的在线点评平台。

 

4.4 学习效应发挥的其他渠道

虽然本文关注的是在线评论平台通过消费者学习的渠道对餐厅的影响,但在线评论平台可以通过其他机制产生影响,包括管理学习、消费者筛选、羊群和在线声誉。经过分析发现,这些渠道似乎并没有发挥重要作用,因此消费者学习效应是主要机制。

 

05 

结构式需求模型

 

基于Ching (2010)的聚合贝叶斯学习模型和Bjornerstedt and Verboven (2016)的差异化产品常数支出需求模型,这篇开发了一种新的带有消费者学习的结构性需求模型,将消费者对在线评论平台和其他信息源的接触同时纳入到学习过程中,以避免现有部分文献中对福利效应的高估。

 

06 

反事实分析

 

基于构建的结构模型,作者基于补偿变异的计算进行了三次反事实分析:(1)剔除在线评论平台存在;(2)没有学习效应;(3)有充分信息。第一个反事实结果显示,在线评论使去餐馆就餐每人每顿饭的福利提高了2.51美元,相当于在餐馆用餐的平均价格上打了12.6%的折扣。第二个反事实结果表明,如果没有其他信息源,每位食客的福利将下降0.76美元。第三个反事实说明,如果信息完整,每个人每顿饭的消费者福利可以额外增加2.16美元,相当于另外11%的折扣。第二、三种反事实结果之间的差异,揭示了信息对消费者的价值为每人每餐5.43美元的价值,或平均每餐价格的27.3%。

 

文章的反事实分析,运用过了补偿变异这一福利衡量和计算的机制,用消费者对所有事物选择的期望效用作为消费者福利。表11是福利分析的结果。表12是餐厅按质量等级划分的份额平均变化结果。表13总结了三组餐厅的总餐厅收入的绝对变化和百分比变化。

这些反事实的分析也证实,在线点评平台对高质量和低质量的年轻独立餐厅的市场份额有相反的影响,分别使市场份额增加了约16%,和减少了约15-21%。需求的替代几乎完全发生在年轻的独立餐厅,高质量餐厅从低质量餐厅吸引了需求。

 

07 

实验结果

 

1.消费者在Yelp平台的搜索强度翻一倍,高质量独立餐厅收入增加8%-20%;评论数量翻一番,高质量独立餐厅的收入会增加5%-19%。低质量餐厅收入会对应减少相似比例;

 

2. 高速公路出口附近的餐馆受到的影响是其他地区餐馆的两倍,在线评论平台提高了游客群体的消费者福利多于本地居民的消费者福利增益(即对游客更有用);

 

3. 随着餐厅经营年限的增长,学习信息价值下降,评论对收入的影响也会下降;

 

4. 相比独立餐厅,连锁餐厅受到的影响较小;

 

5. 其他平台如谷歌也有类似的影响,但规模较小;

 

6. 2011-2015年间,在线点评平台通过鼓励消费者多去高质量独立餐厅就餐,使行业总收入增加了3.0%。

 

重要参考文献:

Bjornerstedt, J. and Verboven, F., 2016. Does merger simulation work? evidence from the swedish analgesics market. American Economic Journal: Applied Economics, 8(3), pp.125-164.

Ching, A.T., 2010. Consumer learning and heterogeneity: Dynamics of demand for prescription drugs after patent expiration. International Journal of Industrial Organization, 28(6), pp.619-638.

 

Abstract 

This paper quantifies the effects of online review platforms on restaurant revenue and consumer welfare. Using a novel data set containing revenues and information from major online review platforms in Texas, I show that online review platforms help consumers learn about restaurant quality more quickly. The effects on learning show up in restaurant revenues. Specifically, doubling the review activity increases the revenue of a high-quality independent restaurant by 5%-19% and decreases that of a low-quality restaurant by a similar amount. These effects vary widely across restaurants' locations. Restaurants around highway exits are affected twice as much as those in nonhighway areas, implying that reviews are more useful to travelers and tourists than locals. The effects also decline as restaurants age, consistent with the diminishing value of information in learning. In contrast, chain restaurants are affected to a much lesser degree than independent restaurants. Building on this evidence, I develop a structural demand model with aggregate social learning. Counterfactual analyses indicate that online review platforms raise consumer welfare much more for tourists than for locals. By encouraging consumers to eat out more often at high-quality independent restaurants, online review platforms increased the total industry revenue by 3.0% over the period from 2011-2015.

 

声明:推文仅代表文章原作者观点,以及推文作者的评论观点,并不代表香樟经济学术圈公众号平台的观点。
 

 



推荐 0