图2：“进入”和“跳出”推荐网络

研究方法

为了回答上述三个问题，作者主要采集了一家天猫尼康相机旗舰店的页面数据和销量数据，其时间跨度为2012年5月到12月，数据分析单位为天。这家店铺的产品有六个类别：（1）配件（2）电池（3）微单（4）闪光（5）镜头，和（6）单反。每个产品页面上除了有价格、存量、评价等商品信息，还有依据店铺内流量实时更新的“同时浏览”和“同时购买”推荐网络。作者对网络多样性的测量，是看当前产品的推荐网络中产品类别的数量；对网络稳定性的测量，是看当前产品与其他产品之间的跳转链接在前后两天有百分之多少的重叠；这两个参数在推荐网络方向（进入 vs 跳出）以及网络类型（同时浏览 vs 同时购买）两个维度上分别计算，所以一共有8个主要的自变量。

为了尽可能得到准确的因果推断和参数估计结果，除了加入控制变量，作者还尝试解决两个主要的内生性问题：互补或替代推荐产品与当前产品之间可能的需求关联，以及当前产品需求与推荐网络结构之间的协同性。另外，作者也进行了一系列鲁棒性检查，例如改变自变量与因变量的测量方法，换用其他店铺的数据做分析，检查共线性、自相关性、价格内生性、季节性等问题。

研究结果

文章有三个主要的发现：

另外，同时浏览推荐网络的属性没有对当前产品销量产生显著影响，这可能是因为它不如同时购买网络那样突出和有说服力。

小编评语

首先，通过对现有文献的细心观察，作者在文首即点明了此研究的独特之处，使文章的理论贡献一目了然。其次，此研究行文脉络清晰，用词精确严谨，是一篇很好的写作范文。最后，研究方法与结果两个部分详细地探讨了各种变量及模型的使用原因和逻辑，也可以作为一篇方法宝典而收藏，供日后研究参考。

参考文献：

Lin, Z., Goh, K. Y., & Heng, C. S. (2015). The demand effects of product recommendation networks: an empirical analysis of network diversity and stability. MIS Quarterly, 41(2), 397-426.

阅读论文全文，参与论文讨论，请长按以下二维码访问唧唧堂论文库。