摘  要： 社交媒體的廣泛應(yīng)用使得人們獲取、分享信息更加便捷，在線評論是內(nèi)容共享型社交媒體的典型代表，能幫助消費者快速制定購買決策。依據(jù)信息經(jīng)濟學(xué)理論和信息采納模型，研究影響商品在線評論感知有用性的主要因素，構(gòu)建了在線商品評論感知有用性預(yù)測模型，并以亞馬遜網(wǎng)站上商品的實際評論數(shù)據(jù)進(jìn)行了實證分析。結(jié)果表明，評論深度、評論者可信度、評論情感傾向和評論及時性與感知有用性為正相關(guān)關(guān)系，并根據(jù)研究結(jié)果對電商企業(yè)管理提出相關(guān)建議。

　　關(guān)鍵詞： 在線商品評論；感知有用性；信息采納模型

0 引言

　　隨著Web2.0的廣泛應(yīng)用，社交媒體迅速發(fā)展，并引起了學(xué)術(shù)界的廣泛關(guān)注。社交媒體指的是一系列建立在Web2．0技術(shù)和意識形態(tài)基礎(chǔ)上的網(wǎng)絡(luò)應(yīng)用，它允許用戶生成內(nèi)容（UGC）的創(chuàng)造和交流[1]。社交媒體的核心理念在于“消費者即生產(chǎn)者”、“用戶生成內(nèi)容”，其主要特點是用戶交互和信息資源共享，而在線評論作為內(nèi)容共享型社交媒體的典型代表，成為當(dāng)代消費者獲得產(chǎn)品信息的重要來源。據(jù)統(tǒng)計，到2013年11月底，中國網(wǎng)民規(guī)模達(dá)到6.04億。隨著我國網(wǎng)民數(shù)量的不斷增長，網(wǎng)絡(luò)購物的人群也在持續(xù)增加，有研究表明，消費者在購買商品之前會首先參考網(wǎng)友的評論建議[2]。

　　在線評論在消費者制定購買決策過程中起著重要作用，并對電子商務(wù)網(wǎng)站商品的銷售具有顯著的影響[3]。然而，目前電子商務(wù)網(wǎng)站上關(guān)于商品的在線評論數(shù)量巨大而且評論信息內(nèi)容呈多樣性，使得消費者很難快速發(fā)現(xiàn)對其有用的評論，并幫助其制定購買決策。因此，研究怎樣的評論信息對消費者有用具有重要的意義。

　　有用的在線評論是指能夠幫助消費者制定購買決策的評論[3]。針對在線評論的有用性問題，學(xué)術(shù)界已有一些研究，主要是基于文本挖掘和信息質(zhì)量評價理論的方法[4]，并集中在評論文本內(nèi)容的特征選取上。Kim等人通過實證分析認(rèn)為，評論的長度、評論的詞匯特征和對商品的評分是評論有用的主要影響因素[5]。Mudambi和Schuff通過對搜索型和體驗型兩類產(chǎn)品的實證研究，得出極端評論和評論深度顯著影響消費者對商品評論的感知有用性[3]。Ghose和Ipeirotis針對數(shù)碼相機和視聽播放器兩類商品，通過LingPipe對在線評論進(jìn)行情感分析，通過統(tǒng)計模型進(jìn)一步分析發(fā)現(xiàn)，評論的主客觀傾向及正負(fù)情感傾向?qū)ι唐吩u論有用性有顯著影響[6]。另外，有一些學(xué)者也試圖從評論者方面去尋找影響評論有用性的因素。Liu等人認(rèn)為評論者的經(jīng)驗、評論的寫作風(fēng)格和評論的時效等對消費者采納評論意見起到?jīng)Q定性作用，并通過從影評數(shù)據(jù)集抽取相關(guān)屬性建模擬合以上3個因素，進(jìn)而構(gòu)建非線性的回歸模型，預(yù)測評論的有用性[7]。Christy等以信息處理過程為基礎(chǔ)，研究認(rèn)為消費者個人身份信息披露是對產(chǎn)品信息的完善和補充，可用來作為評價評論有用性的依據(jù)[8]。

　　通過以往研究發(fā)現(xiàn)，在線評論有用性問題是當(dāng)前研究的熱點，但尚不成熟，關(guān)于評論有用性的影響還應(yīng)考慮更多因素。本文依據(jù)信息采納模型（Information Adoption Model），從評論內(nèi)容特征和評論者特征兩方面，探討消費者對評論感知有用性的影響因素，提出假設(shè)并構(gòu)建在線評論感知有用性預(yù)測模型。本文旨在幫助消費者更有效地參考在線評論，幫助電商企業(yè)更有效地進(jìn)行管理與營銷以實現(xiàn)增值，具有重要的理論價值和現(xiàn)實意義。

1 理論基礎(chǔ)和模型框架

　　1.1 理論基礎(chǔ)和模型框架

　　Mudambi和Schuff在研究中首次借鑒信息經(jīng)濟學(xué)與決策不確定性理論框架[3]，認(rèn)為消費者在網(wǎng)上購物時對商品的質(zhì)量等信息并不完全了解，通常處在信息不對稱的情況下。消費者通過在線信息搜尋來減少購買過程中的不確定性，并且需要衡量在網(wǎng)上進(jìn)行信息搜尋所花費的成本與其能帶來的效益之間的關(guān)系[6]。

　　在信息系統(tǒng)領(lǐng)域，Sussman和Siegal提出了IAM（Information Adoption Model）模型，該模型首次提出“信息有用性”概念，并認(rèn)為影響信息搜尋者感知信息有用的直接因素是信息內(nèi)容質(zhì)量和信息源的可信性[9]。如圖1所示。

　　因此，依據(jù)IAM模型，并結(jié)合在線評論本身的特征，提出在線商品評論感知有用性預(yù)測模型，如圖2所示。信息內(nèi)容質(zhì)量維度主要考察評論內(nèi)容質(zhì)量，選取了評論情感傾向、評論深度和評論及時性等評論內(nèi)容特征為代理指標(biāo)；信息評論者是信息的主要信息源，因此，信息源可信性維度主要考察了評論者特征，選取了評論者可信度為代理指標(biāo)；此外，由于電子商務(wù)網(wǎng)站上有用度取值是一個比值，因此，把有用度投票總數(shù)作為控制變量。

　　1.2 研究假設(shè)

　　1.2.1 評論內(nèi)容特征

　?。?）評論情感傾向

　　消費者在線購物完成后，在電商網(wǎng)站上除發(fā)布商品評論信息外還可以以星級形式對商品進(jìn)行評價。星級可以在一星到五星之間進(jìn)行選擇，反映了消費者對購買商品的情感傾向，一星代表極差負(fù)評，五星代表極好正面評價。已有一些研究對評價情感傾向?qū)υu論的感知有用性進(jìn)行了探討，郝媛媛研究發(fā)現(xiàn)在線影評中積極的情感傾向（極端評價）與評論的有用性呈正相關(guān)關(guān)系[4]，Ghose和Ipeirotis的研究認(rèn)為極端評論對評論有用性有顯著影響[7]，以上研究都表明評論情感傾向是影響評論有用性的重要因素，因此，本文提出假設(shè)H1：

　　H1：評論的情感傾向與商品評論感知有用性呈正相關(guān)關(guān)系。

　　（2）評論深度

　　消費者在進(jìn)行網(wǎng)絡(luò)購物時通常處在信息不對稱的情況下，消費者希望通過信息搜尋能獲得更多關(guān)于商品質(zhì)量的信息，而相對較長的評論能包含更多的信息，有助于消費者抵消信息不確定性。Mudambi和Schuff發(fā)現(xiàn)評論內(nèi)容的長度會影響在線評論的有用性[3]。Schwen發(fā)現(xiàn)消費者在制定購買決策時更傾向于接受較長的信息[10]。因此，本文提出假設(shè)H2：

　　H2：評論深度與評論感知有用性呈正向相關(guān)關(guān)系。

　?。?）評論的及時性

　　評論的及時性是指評論發(fā)表時間與現(xiàn)在時間的時間間隔，時間間隔越小表示其發(fā)表的評論越及時。消費者在進(jìn)行購物時，會更加關(guān)注新近發(fā)表的評論，以獲得商品近期的質(zhì)量信息。因此，本文提出假設(shè)H3：

　　H3：評論的及時性對商品評論感知有用性影響顯著。

　　1.2.2 評論者特征

　　評論者是評論信息的主要來源。在傳統(tǒng)口碑研究中，Hovland & Weiss通過實驗設(shè)計方法對口碑來源的可信度進(jìn)行了實證研究，提出了消費者更傾向于相信來源可信度高的口碑，可信度高的口碑更具有說服力。Fogg & Tseng將評論者可信性定義為信息接收者對信息傳送者個人特質(zhì)特征的判斷和對其可信賴程度的主觀認(rèn)知[11]。亞馬遜網(wǎng)站對評論者評級資質(zhì)有考核，并統(tǒng)計了評論者發(fā)表的評論中獲得其他消費者投其“有用”的票數(shù)，并和評論者發(fā)表的總評論數(shù)相除，這個比值用來衡量該評論者發(fā)表的“有用的評論數(shù)”，一定程度上反映了評論者發(fā)表評論的專業(yè)性和真實可靠性。因此，本文提出假設(shè)H4：

　　H4：評論者的可信度與評論感知有用性評價之間呈現(xiàn)正向相關(guān)關(guān)系。

2 模型與變量設(shè)定

　　基于以上理論假設(shè)，建立在線評論感知有用性影響因素預(yù)測模型：

　　Helpfulness=α+β1Review Length+β2Elapsed Date+        β3 Review Rating+β4Total Vote+β5 Reviewer Helpfulness+ε（1）

　　此模型以評論的情感傾向、評論的深度、評論及時性、評論者可信度作為自變量，對評論有用性進(jìn)行回歸。評論深度采用的是評論的字長，評論的情感傾向采用網(wǎng)站對評論的評分（星級）作為代理指標(biāo)，評論者可信度采用網(wǎng)站上對評論者信息中“有用的評論數(shù)”作為代理指標(biāo)，把從評論發(fā)表時間到抓取數(shù)據(jù)時間的累積天數(shù)作為考察評論及時性的代理指標(biāo)。因變量（評論有用性）采用網(wǎng)站上提供的認(rèn)為該評論有用的投票數(shù)與總投票數(shù)的比值作為代理指標(biāo)。因評論有用性的代理指標(biāo)是一個比值，因此把評論總數(shù)作為控制變量。各變量的符號及解釋如表1所示。

3 研究方法

　　本研究使用網(wǎng)絡(luò)爬蟲工具，自動從亞馬遜網(wǎng)站上抓取了書、CD和音像制品這3種體驗型商品的評論數(shù)據(jù)。每條評論抓取的數(shù)據(jù)包括評論內(nèi)容、評論的星級、評論發(fā)布的時間、評論者信息中的有用的評論數(shù)、評論的有用比和評論投票總數(shù)。時間跨度為2010年12月10日~2013年8月3日，共收集評論1 063條，剔除個別極端數(shù)據(jù)，得到有效樣本共547條。

　　總體樣本數(shù)據(jù)的描述性統(tǒng)計詳見表2，評論字長在109余字，投票數(shù)均值在12左右，評論時長均值為702天，評論者可信度均值為0.91，評論的有用度均值為0.97，平均星級為4.21，評論情感傾向趨于積極。

4 實證研究結(jié)果與討論

　　本文通過Stata統(tǒng)計軟件，使用Tobit回歸模型分析不同類型商品在線評論有用性模型及研究假設(shè)。

　　由表3可知，評論深度、評論星級和評論者可信度對評論感知有用性均有顯著的正向影響作用（p=0.000），評論發(fā)布的時間與感知有用性成負(fù)相關(guān)關(guān)系，發(fā)布時間越短則表明評論越及時，對評論的感知有用性越有正向影響。因此，假設(shè)H1、H2、H3、H4均得以驗證。本文研究假設(shè)及驗證結(jié)果總結(jié)如表4所示。

　　本文抓取的數(shù)據(jù)都屬于體驗型商品，對于體驗型商品，消費者必須靠親身體驗來衡量產(chǎn)品質(zhì)量，所以在親身體驗前，消費者會比較關(guān)注他人的主觀評論意見，因此會比較關(guān)注已體驗過的消費者對商品的情感傾向。

　　通過研究發(fā)現(xiàn)，評論的及時性與消費者感知有用性評價之間呈正相關(guān)關(guān)系，對于體驗型商品，消費者更關(guān)注其近期的感知質(zhì)量，因此兩者之間的相關(guān)關(guān)系顯著。

　　網(wǎng)站上商品評論信息多種多樣，消費者更愿意相信來源可靠的評論，評論者的可信度一定程度上能夠反映評論者的專業(yè)性和可靠性，其發(fā)表的商品評論具有較高的參考價值，因此，消費者更愿意接受可信度高的評論者發(fā)表的評論內(nèi)容。

5 研究結(jié)論與建議

　　全球社交媒體用戶人數(shù)已超過10億，這對消費者的購買方式產(chǎn)生了深刻影響。消費者們利用各種社交媒體工具表達(dá)對商品的意見、分享購買經(jīng)驗，生成了大量關(guān)于商品的在線評論，本文的研究結(jié)果可以幫助消費者在網(wǎng)上購物過程中更有效地參考在線評論，同時為企業(yè)管理和營銷提供幫助。

　　本文依據(jù)信息經(jīng)濟學(xué)和信息采納模型，從評論內(nèi)容特征和評論者特征兩方面考察影響商品在線評論感知有用性的主要因素，構(gòu)建了在線商品評論感知有用性預(yù)測模型，以亞馬遜網(wǎng)站上自動獲取的體驗型商品的評論數(shù)據(jù)作為研究對象，用實證分析方法對模型進(jìn)行了分析和驗證。

　　研究表明，評論長度正向影響消費者對評論的感知有用性；評論的星級對評論感知有用性有顯著影響，且對于體驗型產(chǎn)品，消費者更易關(guān)注極端評價；評論者的可信度顯著正向影響其發(fā)表的評論的感知有用性程度；評論及時性對評論感知有用度影響顯著。

　　從實踐角度來看，本研究成果能夠幫助消費者更有效地參考在線評論信息，幫助企業(yè)建立評論有用性預(yù)測模型，指導(dǎo)企業(yè)對在線評論進(jìn)行有效管理。從可持續(xù)發(fā)展的角度來看，電商網(wǎng)站應(yīng)該盡可能鼓勵消費者發(fā)表關(guān)于商品的在線評論，并為消費者提供對其制定購買決策有用的商品評論，以提高消費者購買前對商品的認(rèn)知，提升消費者在線體驗，減少購買前預(yù)期與購買后的落差，從而提高顧客的滿意度。首先，在完善評論網(wǎng)站的用戶資信度評價體系上，可根據(jù)本研究成果，采取措施鼓勵用戶撰寫內(nèi)容全面、豐富的商品評論；其次，在商品介紹信息網(wǎng)頁中加入比較全面的商品評論信息，以加深消費者對商品的了解。

　　本文擴充了對在線評論有用性的研究，但存在一些不足：（1）評論樣本量不夠大，且只針對體驗型商品進(jìn)行了研究，而對搜索型商品沒有研究；（2）對影響因素應(yīng)做進(jìn)一步擴充，并與文本挖掘方法相結(jié)合來研究評論的有用性。在后續(xù)工作中將進(jìn)行更深入的研究。

參考文獻(xiàn)

　　[1] KAPLAN A M， HAENLEIN M. Users of the world， unite! The challenges and opportunities of Social Media[J]. Business Horizons， 2010，53（1）：59－68.

　　[2] 宋曉兵，叢竹，董大海.網(wǎng)絡(luò)口碑對消費者產(chǎn)品態(tài)度的影響機理研究[J].管理學(xué)報，2011，8（4）：559-566.

　　[3] MUDAMBI S M， SCHUFF D. What makes a help-ful online review？a study of customer reviews on amazon.com[J]. MIS Quarterly， 2010， 1（34）：185-200.

　　[4] 郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報，2010，13（8）：78-96．

　　[5] KIM S M， PANTEL P， CHKLOVSKI T， et al. Automatically assessing review helpfulness [C]. Conference on Empirical Methods in Natural Language Processing， Morristown， 2006： 423-430.

　　[6] STIGLE G J. The economics of information[J]. Journal of Political Economy， 1961， 69（3）：213-225．

　　[7] GHOSE A， IPEIROTIS P G. Designing novel review ranking systems： predicting the usefulness and impact of reviews[C]. Proceedings of the ninth international Conference on Electronic Commerce. Association Computing Machinery（ACM）， 2007： 303-310.

　　[8] CHEUNG C M K， LEE M K O， RABJOHN N． The impact of electronic word-of-mouth the adoption of online opinions in online customer communifies[J]． Internet Research， 2008，18（3）：229-247.

　　[9] SUSSMAN S W， SIEGAL W S. Informational influence in organizations： an integrated approach to knowledge adoption[J].  Information Systems Research， 2003：14（1）：47-65.

　　[10] SCHWENK C. Information， cognitive biases， and commit-ment to a course of action[J]. Academy of Management Review， 1986， 11（2）：298-310.

　　[11] FOGG B J， TSENG S. Credibility and computing technology[J]. Communieations of Assoeiation for Computing Machinery， 1999，42（5）：39-44.