随着Wechat, Facebook, Twitter等社交网络越来越多地用于商业活动，许多平台允许用户利用他们的在线网络销售产品。虽然人们已经对社交网络中买家之间的互动进行了广泛的研究，但卖家之间的互动却很少被探索。因此，本篇文章《Social Influence, Competition, and Free Riding: Examining Seller Interactions Within an Online Social Network》正好为大家解惑~，想要做微商的友友们一定不要错过呦！
01 研究背景与研究问题
随着电子商务的迅速发展，企业也可以在微信上进行商业活动（简称微商）。微商是一种由卖家和卖家连接成社会网络的商业模式。例如，一家公司可以在微信上建立一个虚拟的旗舰店。该旗舰店可以直接向与该店相连的微信用户销售产品，也可以邀请微信用户通过他们在微信上的社交联系成为其卖家来销售产品。这些卖家也可以邀请他们的微信朋友成为卖家。因此，这种邀请将形成一个卖方层次结构（“卖家网络”）。这张卖家网络采用层级制度。一级卖家代理可以邀请二级卖家代理。上级代理的收入主要来源两部分，一是自己卖东西的佣金，二是其发展的下级代理上缴的销售佣金。那么上下级代理之间是否会产生竞争或者互惠呢？
本文发现他们之间可能存在两种情况，社会影响和竞争。对于社会影响，当卖方观察到他的邀请者/被邀请者付出了大的努力时，卖方会有更高的预期边际效益，将导致更高的努力水平。此时，邀请者和被邀请者的努力将对焦点卖家的努力产生积极的影响。然而，对于竞争来说，如果买方已经从焦点卖方的邀请者或被邀请者那里购买了产品，买方将不会从焦点卖方那里购买相同的产品。针对这两种可能的情况，本文提出主要研究问题：邀请者和被邀请者如何在销售努力和销售业绩方面影响焦点卖家的销售活动？
图(Reference: Huang, He, et al, 2021, p8,Figure 1)
02 数据与变量
本文的数据集是由一家销售美容和化妆品产品的公司提供的。该公司是在微信上销售的公司的代表。该数据集包括有关卖家、产品和销售交易的信息，涵盖了从2015年4月17日至2015年7月7日的11周。本文的因变量有两个：其一是销售努力，用一周内焦点卖家往货架中放入产品的数目表示；其二是销售业绩，用焦点卖家的交易量表示。在研究销售努力的时候，自变量均为上个周的邀请者和被邀请者的销售努力、销售业绩和佣金。在研究销售业绩的时候，自变量为当周邀请者和被邀请者的销售业绩。本文引入的控制变量包括：上个月焦点卖家的佣金数额、在卖家层级制度中的等级、下级的数目、加入代理制度的时长、是否用微信、支付宝或者QQ注册。
03研究方法与结果
本文通过固定效应回归的实证结果证实，邀请者的努力对焦点卖家的努力有积极的影响，更高的邀请者的努力表明了邀请者对回报的期望，这对焦点卖方的努力有积极的影响。这个过程是一种社会影响的形式（通过社会学习）。
被邀请者的努力和表现对焦点卖方的努力水平没有显著影响，说明在卖方网络中，社会影响只发生在“邀请者到被邀请者”的方向上，因为邀请者在卖方网络中存在的时间更长，可以说是更“高级”的地位，并且更有可能蚕食焦点卖方的市场。
04稳健性检验
有人可能会说，社会影响和/或搭便车的影响可以超越连续的时期，也可能存在跨时期的竞争。因此，作者运用一系列方式验证了结果的稳健性。首先，用最近两/三/四周的平均每周测量来代替最后一阶段的测量。其次，使用销售努力/销售数量的累积数量和累积佣金金额，而不是最后一期/当期的度量，作为主要的自变量。此外，对销售努力/销售数量和佣金金额以及因变量进行对数转换。最后，焦点卖家可能战略选择关注那些邀请了更多的被邀请者的卖家的收入佣金，因此，采用了没有下一级代理（被邀请者）的卖家样本数据再次回归。以上结果都与主研究结果一致。
05总结
在社交网络中，邀请者的努力增加了焦点卖家的努力，表明了社会影响。邀请方的销售业绩降低了焦点卖家的努力和销售业绩，表明了竞争。被邀请者的努力/销售业绩对焦点卖家没有显著影响，说明社会影响和竞争是单向的，以“自上而下”的方式发生。
此外，作者也发现被邀请者的销售业绩的佣金减少了焦点卖家的努力，表明了其中存在搭便车行为。因为被邀请者的部分销售业绩会以佣金形式转给焦点卖家，因此被邀请者销售业绩越高，焦点卖家的销售努力程度会降低，他们更想依靠下一级代理（被邀请者）“轻松”赚钱。
参考文献：
Huang, He; Huang, Yan; Yan, Zhijun; and Zhang, Han. 2022. "Social Influence, Competition, and Free Riding: Examining Seller Interactions Within an Online Social Networ,"MIS Quarterly, (46: 3) pp.1817-1832.
文献链接： https://doi.org/10.25300/MISQ/2022/15548
作者介绍：
He Huang
Position：PhD student, School of Economics and Management, China University of Geosciences
Area：Infectious Disease Epidemiology, Infectious Disease Transmission, Mobile Commerce, Social Marketing, Infection, Social Learning, Health Behavior, Experimental Economics, E-Business, Infectious Disease Control and Prevention.
Site: https://www.researchgate.net/profile/He-Huang-62
Email: huanghe_2020@cugb.edu.cn
Yan Huang
Position：Associate professor, Tepper School of Business, Carnegie Mellon University
Area：Crowds, Platforms, Economic and Social Impact of Algorithms Methodologies: Economic Theories, Econometrics, Statistical Modeling, Machine Learning
Site: https://www.cmu.edu/tepper/faculty-and-research/faculty-by-area/profiles/huang-yan.html
Email: yanhuang@cmu.edu
Zhijun Yan
Position：Professor, School of Management and Economics, Beijing Institute of Technology.
Area：Internet+ Healthcare, Health Care Management, Health Big Data Analysis, E-commerce
Site: https://sme.bit.edu.cn/English/faculty/fprofiles/englgc/b24254.htm
Email: yanzhijun@bit.edu.cn
Han Zhang
Position：Professor, Scheller College of Business, Georgia Institute of Technology.
Area：Electronic Commerce, Economics of Information Technology, Online Trust Issues and Intermediaries, Online Payment Methods, Evolution of Electronic Markets
Site: https://www.scheller.gatech.edu/directory/faculty/zhang/index.html
Email: han.zhang@scheller.gatech.edu
