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(píng)論是內(nèi)容共享型社交媒體的典型代表，能幫助消費(fèi)者快速制定購買決策。依據(jù)信息經(jīng)濟(jì)學(xué)理論和信息采納模型，研究影響商品在線評(píng)論感知有用性的主要因素，構(gòu)建了在線商品評(píng)論感知有用性預(yù)測模型，并以亞馬遜網(wǎng)站上商品的實(shí)際評(píng)論數(shù)據(jù)進(jìn)行了實(shí)證分析。結(jié)果表明，評(píng)論深度、評(píng)論者可信度、評(píng)論情感傾向和評(píng)論及時(shí)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(duì)電商企業(yè)管理提出相關(guān)建議。

　　關(guān)鍵詞： 在線商品評(píng)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(shí)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(fèi)者即生產(chǎn)者”、“用戶生成內(nèi)容”，其主要特點(diǎn)是用戶交互和信息資源共享，而在線評(píng)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(fèi)者獲得產(chǎn)品信息的重要來源。據(jù)統(tǒng)計(jì)，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(fèi)者在購買商品之前會(huì)首先參考網(wǎng)友的評(píng)論建議[2]。

　　在線評(píng)論在消費(fèi)者制定購買決策過程中起著重要作用，并對(duì)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(píng)論數(shù)量巨大而且評(píng)論信息內(nèi)容呈多樣性，使得消費(fèi)者很難快速發(fā)現(xiàn)對(duì)其有用的評(píng)論，并幫助其制定購買決策。因此，研究怎樣的評(píng)論信息對(duì)消費(fèi)者有用具有重要的意義。

　　有用的在線評(píng)論是指能夠幫助消費(fèi)者制定購買決策的評(píng)論[3]。針對(duì)在線評(píng)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(píng)價(jià)理論的方法[4]，并集中在評(píng)論文本內(nèi)容的特征選取上。Kim等人通過實(shí)證分析認(rèn)為，評(píng)論的長度、評(píng)論的詞匯特征和對(duì)商品的評(píng)分是評(píng)論有用的主要影響因素[5]。Mudambi和Schuff通過對(duì)搜索型和體驗(yàn)型兩類產(chǎn)品的實(shí)證研究，得出極端評(píng)論和評(píng)論深度顯著影響消費(fèi)者對(duì)商品評(píng)論的感知有用性[3]。Ghose和Ipeirotis針對(duì)數(shù)碼相機(jī)和視聽播放器兩類商品，通過LingPipe對(duì)在線評(píng)論進(jìn)行情感分析，通過統(tǒng)計(jì)模型進(jìn)一步分析發(fā)現(xiàn)，評(píng)論的主客觀傾向及正負(fù)情感傾向?qū)ι唐吩u(píng)論有用性有顯著影響[6]。另外，有一些學(xué)者也試圖從評(píng)論者方面去尋找影響評(píng)論有用性的因素。Liu等人認(rèn)為評(píng)論者的經(jīng)驗(yàn)、評(píng)論的寫作風(fēng)格和評(píng)論的時(shí)效等對(duì)消費(fèi)者采納評(píng)論意見起到?jīng)Q定性作用，并通過從影評(píng)數(shù)據(jù)集抽取相關(guān)屬性建模擬合以上3個(gè)因素，進(jìn)而構(gòu)建非線性的回歸模型，預(yù)測評(píng)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(fèi)者個(gè)人身份信息披露是對(duì)產(chǎn)品信息的完善和補(bǔ)充，可用來作為評(píng)價(jià)評(píng)論有用性的依據(jù)[8]。

　　通過以往研究發(fā)現(xiàn)，在線評(píng)論有用性問題是當(dāng)前研究的熱點(diǎn)，但尚不成熟，關(guān)于評(píng)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(píng)論內(nèi)容特征和評(píng)論者特征兩方面，探討消費(fèi)者對(duì)評(píng)論感知有用性的影響因素，提出假設(shè)并構(gòu)建在線評(píng)論感知有用性預(yù)測模型。本文旨在幫助消費(fèi)者更有效地參考在線評(píng)論，幫助電商企業(yè)更有效地進(jìn)行管理與營銷以實(shí)現(xiàn)增值，具有重要的理論價(jià)值和現(xiàn)實(shí)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(jì)學(xué)與決策不確定性理論框架[3]，認(rèn)為消費(fèi)者在網(wǎng)上購物時(shí)對(duì)商品的質(zhì)量等信息并不完全了解，通常處在信息不對(duì)稱的情況下。消費(fèi)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(fèi)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(píng)論本身的特征，提出在線商品評(píng)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(píng)論內(nèi)容質(zhì)量，選取了評(píng)論情感傾向、評(píng)論深度和評(píng)論及時(shí)性等評(píng)論內(nèi)容特征為代理指標(biāo)；信息評(píng)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(píng)論者特征，選取了評(píng)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(gè)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(píng)論內(nèi)容特征

　?。?）評(píng)論情感傾向

　　消費(fèi)者在線購物完成后，在電商網(wǎng)站上除發(fā)布商品評(píng)論信息外還可以以星級(jí)形式對(duì)商品進(jìn)行評(píng)價(jià)。星級(jí)可以在一星到五星之間進(jìn)行選擇，反映了消費(fèi)者對(duì)購買商品的情感傾向，一星代表極差負(fù)評(píng)，五星代表極好正面評(píng)價(jià)。已有一些研究對(duì)評(píng)價(jià)情感傾向?qū)υu(píng)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(píng)中積極的情感傾向（極端評(píng)價(jià)）與評(píng)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(píng)論對(duì)評(píng)論有用性有顯著影響[7]，以上研究都表明評(píng)論情感傾向是影響評(píng)論有用性的重要因素，因此，本文提出假設(shè)H1：

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

　?。?）評(píng)論深度

　　消費(fèi)者在進(jìn)行網(wǎng)絡(luò)購物時(shí)通常處在信息不對(duì)稱的情況下，消費(fèi)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(duì)較長的評(píng)論能包含更多的信息，有助于消費(fèi)者抵消信息不確定性。Mudambi和Schuff發(fā)現(xiàn)評(píng)論內(nèi)容的長度會(huì)影響在線評(píng)論的有用性[3]。Schwen發(fā)現(xiàn)消費(fèi)者在制定購買決策時(shí)更傾向于接受較長的信息[10]。因此，本文提出假設(shè)H2：

　　H2：評(píng)論深度與評(píng)論感知有用性呈正向相關(guān)關(guān)系。

　?。?）評(píng)論的及時(shí)性

　　評(píng)論的及時(shí)性是指評(píng)論發(fā)表時(shí)間與現(xiàn)在時(shí)間的時(shí)間間隔，時(shí)間間隔越小表示其發(fā)表的評(píng)論越及時(shí)。消費(fèi)者在進(jìn)行購物時(shí)，會(huì)更加關(guān)注新近發(fā)表的評(píng)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(píng)論的及時(shí)性對(duì)商品評(píng)論感知有用性影響顯著。

　　1.2.2 評(píng)論者特征

　　評(píng)論者是評(píng)論信息的主要來源。在傳統(tǒng)口碑研究中，Hovland & Weiss通過實(shí)驗(yàn)設(shè)計(jì)方法對(duì)口碑來源的可信度進(jìn)行了實(shí)證研究，提出了消費(fèi)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(píng)論者可信性定義為信息接收者對(duì)信息傳送者個(gè)人特質(zhì)特征的判斷和對(duì)其可信賴程度的主觀認(rèn)知[11]。亞馬遜網(wǎng)站對(duì)評(píng)論者評(píng)級(jí)資質(zhì)有考核，并統(tǒng)計(jì)了評(píng)論者發(fā)表的評(píng)論中獲得其他消費(fèi)者投其“有用”的票數(shù)，并和評(píng)論者發(fā)表的總評(píng)論數(shù)相除，這個(gè)比值用來衡量該評(píng)論者發(fā)表的“有用的評(píng)論數(shù)”，一定程度上反映了評(píng)論者發(fā)表評(píng)論的專業(yè)性和真實(shí)可靠性。因此，本文提出假設(shè)H4：

　　H4：評(píng)論者的可信度與評(píng)論感知有用性評(píng)價(jià)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(píng)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(píng)論的情感傾向、評(píng)論的深度、評(píng)論及時(shí)性、評(píng)論者可信度作為自變量，對(duì)評(píng)論有用性進(jìn)行回歸。評(píng)論深度采用的是評(píng)論的字長，評(píng)論的情感傾向采用網(wǎng)站對(duì)評(píng)論的評(píng)分（星級(jí)）作為代理指標(biāo)，評(píng)論者可信度采用網(wǎng)站上對(duì)評(píng)論者信息中“有用的評(píng)論數(shù)”作為代理指標(biāo)，把從評(píng)論發(fā)表時(shí)間到抓取數(shù)據(jù)時(shí)間的累積天數(shù)作為考察評(píng)論及時(shí)性的代理指標(biāo)。因變量（評(píng)論有用性）采用網(wǎng)站上提供的認(rèn)為該評(píng)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(píng)論有用性的代理指標(biāo)是一個(gè)比值，因此把評(píng)論總數(shù)作為控制變量。各變量的符號(hào)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(dòng)從亞馬遜網(wǎng)站上抓取了書、CD和音像制品這3種體驗(yàn)型商品的評(píng)論數(shù)據(jù)。每條評(píng)論抓取的數(shù)據(jù)包括評(píng)論內(nèi)容、評(píng)論的星級(jí)、評(píng)論發(fā)布的時(shí)間、評(píng)論者信息中的有用的評(píng)論數(shù)、評(píng)論的有用比和評(píng)論投票總數(shù)。時(shí)間跨度為2010年12月10日~2013年8月3日，共收集評(píng)論1 063條，剔除個(gè)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(jì)詳見表2，評(píng)論字長在109余字，投票數(shù)均值在12左右，評(píng)論時(shí)長均值為702天，評(píng)論者可信度均值為0.91，評(píng)論的有用度均值為0.97，平均星級(jí)為4.21，評(píng)論情感傾向趨于積極。

4 實(shí)證研究結(jié)果與討論

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

　　由表3可知，評(píng)論深度、評(píng)論星級(jí)和評(píng)論者可信度對(duì)評(píng)論感知有用性均有顯著的正向影響作用（p=0.000），評(píng)論發(fā)布的時(shí)間與感知有用性成負(fù)相關(guān)關(guān)系，發(fā)布時(shí)間越短則表明評(píng)論越及時(shí)，對(duì)評(píng)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(yàn)證。本文研究假設(shè)及驗(yàn)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(yàn)型商品，對(duì)于體驗(yàn)型商品，消費(fèi)者必須靠親身體驗(yàn)來衡量產(chǎn)品質(zhì)量，所以在親身體驗(yàn)前，消費(fèi)者會(huì)比較關(guān)注他人的主觀評(píng)論意見，因此會(huì)比較關(guān)注已體驗(yàn)過的消費(fèi)者對(duì)商品的情感傾向。

　　通過研究發(fā)現(xiàn)，評(píng)論的及時(shí)性與消費(fèi)者感知有用性評(píng)價(jià)之間呈正相關(guān)關(guān)系，對(duì)于體驗(yàn)型商品，消費(fèi)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(píng)論信息多種多樣，消費(fèi)者更愿意相信來源可靠的評(píng)論，評(píng)論者的可信度一定程度上能夠反映評(píng)論者的專業(yè)性和可靠性，其發(fā)表的商品評(píng)論具有較高的參考價(jià)值，因此，消費(fèi)者更愿意接受可信度高的評(píng)論者發(fā)表的評(píng)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(duì)消費(fèi)者的購買方式產(chǎn)生了深刻影響。消費(fèi)者們利用各種社交媒體工具表達(dá)對(duì)商品的意見、分享購買經(jīng)驗(yàn)，生成了大量關(guān)于商品的在線評(píng)論，本文的研究結(jié)果可以幫助消費(fèi)者在網(wǎng)上購物過程中更有效地參考在線評(píng)論，同時(shí)為企業(yè)管理和營銷提供幫助。

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

　　研究表明，評(píng)論長度正向影響消費(fèi)者對(duì)評(píng)論的感知有用性；評(píng)論的星級(jí)對(duì)評(píng)論感知有用性有顯著影響，且對(duì)于體驗(yàn)型產(chǎn)品，消費(fèi)者更易關(guān)注極端評(píng)價(jià)；評(píng)論者的可信度顯著正向影響其發(fā)表的評(píng)論的感知有用性程度；評(píng)論及時(shí)性對(duì)評(píng)論感知有用度影響顯著。

　　從實(shí)踐角度來看，本研究成果能夠幫助消費(fèi)者更有效地參考在線評(píng)論信息，幫助企業(yè)建立評(píng)論有用性預(yù)測模型，指導(dǎo)企業(yè)對(duì)在線評(píng)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(lì)消費(fèi)者發(fā)表關(guān)于商品的在線評(píng)論，并為消費(fèi)者提供對(duì)其制定購買決策有用的商品評(píng)論，以提高消費(fèi)者購買前對(duì)商品的認(rèn)知，提升消費(fèi)者在線體驗(yàn)，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(píng)論網(wǎng)站的用戶資信度評(píng)價(jià)體系上，可根據(jù)本研究成果，采取措施鼓勵(lì)用戶撰寫內(nèi)容全面、豐富的商品評(píng)論；其次，在商品介紹信息網(wǎng)頁中加入比較全面的商品評(píng)論信息，以加深消費(fèi)者對(duì)商品的了解。

　　本文擴(kuò)充了對(duì)在線評(píng)論有用性的研究，但存在一些不足：（1）評(píng)論樣本量不夠大，且只針對(duì)體驗(yàn)型商品進(jìn)行了研究，而對(duì)搜索型商品沒有研究；（2）對(duì)影響因素應(yīng)做進(jìn)一步擴(kuò)充，并與文本挖掘方法相結(jié)合來研究評(píng)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(duì)消費(fèi)者產(chǎn)品態(tài)度的影響機(jī)理研究[J].管理學(xué)報(bào)，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(qiáng)，李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào)，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.