认知偏见与网络口碑的传播效果:对网购人群的焦点小组访谈研究

□ 周丽玲

一、引 言

据CNNIC发布的《第32次中国互联网络发展状况统计报告》，截至2013年6月底，我国网民规模为5.91亿。其中，网络购物网民规模达到2.71亿人，网络购物使用率提升至45.9%(CNNIC，2013)。随着网购市场的迅猛发展，网络购物逐渐成为我国零售市场的重要组成部分。2008年，全国网购市场的年交易额首次突破千亿大关，达到1200亿元。到了2012年，仅仅相隔4年，这一数字便估计超过1.2万亿元，是2008年的整整10倍①。18～30岁的80后、90后成为网购主力，良好的商家美誉度、真实的售后服务保障和用户评论口碑“他信力”成为消费者网上购买决策的三大保险因素，用户评论口碑体现出其对消费者网购决策的影响力(艾瑞咨询，2009)。

口碑(word of mouth)是指没有商业目的的人际间口头交流的关于品牌、产品、服务的信息或看法(Ardnt，1967)，网络口碑就是消费者之间通过互联网进行的产品信息交流(Sun，et al，2006;Hennig-Thurau，et al，2004)。与传统口碑相比，网络口碑的传播范围大为扩展，传播频率大为增加，因而引起了业界和学界的关注。

学界对口碑传播的研究始于20世纪60年代。2000年以来，研究重心逐渐转移到网络口碑。对网络口碑的研究基本上延续了传统口碑的研究议题，比如消费者的口碑传播动机、口碑传播的可信度、传播效果以及影响因素。但是，由于网络口碑具有显著不同于传统口碑的特征，特别是其虚拟性和匿名性，从而给网络口碑的可信度和传播效果带来很大疑问。

二、网络口碑的传播效果与影响因素

现有研究总体上都承认网络口碑对消费者感知和购买决策具有重要影响。毕竟，当面临网络上的海量产品选择的时候，产品评论和口碑就是消费者的重要评估依据(Chevalier＆Mayzlin，2006;Godes＆Mayzlin，2009)。但是，并不是所有的网络口碑都具有如此显著的影响，消费者总是会更为信任和更多参考具有某些特征的口碑、而忽略或怀疑另外的一些口碑。那么，究竟是哪些因素会影响网络口碑的可信度和传播效果，便成为此类研究的重点。

总的来说，以往对于网络口碑效果影响因素的研究，大多将目光放在以下几个方面:第一，信息发布者的特性，比如声望、经验、对独特性的追求;第二，信息接收者的特性，如先前知识;第三，信息本身的特性，包括评论的数量、方向(或曰效价，valence)、意见的分散性与一致性等;第四，情境因素，如网络平台特征;第五，产品因素，如卷入度等(Khare，et al，2011)。而对于网络口碑的采纳，一般认为两个因素对其最重要:一是信息的有用性(Cheung，et al，2009;Liu ＆ Zhang，2010)，二是口碑的可信度(Cheung，et al，2009)。

当然，对于如此众多的影响因素，学者们的研究结论并不一致。比如，徐琳(2007)证实消费者和信息发布者的关系强度会显著正向影响消费者的网络口碑可信度，这与传统口碑研究结论相一致，而Vilpponen等(2006)、郭小钗和陈蓓蕾(2009)却证明关系强度与口碑效应之间没有关系，从而提示在线弱联结也有可能产生巨大的口碑效应。金立印(2007)证明主观评价型网络口碑比客观事实型口碑对消费者购买决策具有更大的影响力，Jensen等(2013)发现，带有强烈情绪的评论其可信度比较低，而Ghose和Ipeirotis(2010)的研究结论则是，夹杂有客观描述和主观意见的评论，对产品销售的影响要低于那些只含有客观描述或主观意见的评论。此外，多项研究发现，网络上的长评论比短评论对消费者更有影响力(Pan＆Zhang，2011)，口碑发布者的专业性也是决定口碑传播效果的重要因素(Wasko，et al，2005;Sun，2006)，但Jensen等(2013)的研究却表明，语词的复杂性，即大量使用那些表现得更为专业、更具有专家知识的技术词汇、长单词和复杂句子的表达方式，并不能提升口碑的可信度;而另一项针对中国消费者所做的当当网用户评论效果的研究与前人研究结论的差别更大，他们发现评论越长，反而越不利于产品销售，两者呈负相关关系(Fang，et al，2013)。

现有研究之所以存在如此多的分歧，与不同研究所采取的测量方法、施测素材和研究情境有很大关系。比如不同研究对变量采取不同的定义和操作化方法，用以施测的素材也分为针对图书、旅游、电影、CD、相机、手机等不同类型产品或服务的口碑，其消费特点和卷入度都会有所差异。此外，研究情境也依网络平台类型而相去甚远，像专门的口碑网(第三方点评网站)、C2C网购交易平台、B2C网购交易平台、网络上的兴趣团体、主题社区。这些网络平台的评论发布规则和声誉，都有很大差别。消费者在上面发布评论和参考评论的几率和习惯也有很大不同，从而导致研究结论的不一致。

三、本文的研究问题与研究方法

网络口碑的特性使消费者实际上是在既不了解评论者、也不清楚评论的背景与情境因素的情况下，进行口碑可信度和有用性的判断，那么消费者究竟是如何在重要的背景资料缺位的情况下，仅仅通过评论文本来推测评论发布者和口碑的可信度和有用性的呢?本文的研究兴趣便在于揭示消费者对网络口碑进行判断和感知的方式，尤其是其中的认知偏见部分。

以往的实证研究多采取实验法和调查法。实验法在实施控制、检验因果关系方面有其独特优势，但进行实验法需要模拟消费者的购物体验，而研究者不可能在实验中对消费者所有类型的购物体验都进行模拟。但单一地就某一两个类别的网络购物进行模拟(如图书、旅游、电影)，并不能反映消费者丰富的日常网购状态。调查法在访问的标准化和样本代表性方面有其优势，但往往只能获得比较表面和有限的信息，而无法探究更为深入和丰富的看法、动机和认知。

有鉴于此，本文采取了焦点小组访谈的方法，以求更为贴近消费者日常的真实网购习惯和心态，作尽可能细致深入的观察。在访谈过程中，我们一方面关注被访者对相关行为与态度的自我描述，另一方面特别注意叙述者所采取的解释体系，即叙述者在对故事中的事件作出(或不能作出)解释时所依据的假设。

所有访谈于2013年4月至9月之间进行，共实施了三个小组、总共30人的访谈，平均每组访谈时间为2个小时，受访者年龄均在20～44岁之间。在正式访谈之前，主持人先请受访者完成一个刮画纸的模拟网购环节，并请其立即回忆网络口碑在其购买决策中的作用，然后再开始正式的访谈。由于刮画纸是一般人并不熟知的产品(这一点得到了所有参与者的确认)，因此除了主持人现场向所有参与者进行了刮画纸及其功能效果的展示之外，被访者只能通过网上的口碑来进行判断和选择。供其选择的产品分别来自淘宝、天猫和京东的9家店铺(在本研究中编号为A～I)，这9家店铺在淘宝和京东的“刮画纸”搜索页面里排名靠前，而且在产品月销量、价格、店铺评分、评论数量、评论的方向、意见一致性等方面均存在差别。对这9家店铺进行购买决策，比较符合消费者平常的网购习惯——按关键词搜索，并综合考虑销量、价格、评论口碑等因素。这一模拟网购环节的设计并非为验证变量之间的因果关系，而是希望通过模拟购物来唤起被访者自身的网购经验和口碑查看经验，以利于正式访谈的进行。

正式的访谈内容围绕被访者平时在淘宝(含天猫)的购物体验进行。之所以选择淘宝，是因为它占据着中国网购市场交易的绝对霸主地位，市场份额占比为76.9%②。而且淘宝网将用户评论作为卖家信用的重要标准，在用户完成交易之时便自动生成发表评论的导引页面，并对发表评论给予一定的奖励措施，如提升买家星级和信用。因此，如果再考虑到淘宝网的普及性，我们可以合理地推测，在中国大陆，消费者在淘宝网观看评论和发表评论的频率总体而言要高于国内其他任何一家购物网站，因此很适合于用作我国大陆消费者网络口碑研究的平台。

四、研究发现

淘宝与天猫的用户评价体系大同小异，从以往研究及本次访谈来看，对消费者网购决策可能会发生影响的因素主要包括:产品月销量、产品价格、商品描述、服务承诺(正品保证与退款退货保障)、店铺星级、店铺评分、宝贝评分、累计评价数量、好评率、评论的方向(好评中评差评)、评论意见的一致性以及意见的全面性等等。其中，月销量、价格、店铺星级这几项虽不是用户评价体系的一部分，但却会受到用户评价的影响，因此消费者对它们的参考，事实上也隐含了用户评价的影响。不过，由各种数字评分和文字评论构成的网络口碑，对于消费者来说并非拥有同等的重要性，人们对信息的处理也总是难免会受到情感和偏见的影响。那么，面对网络上的各色评论与口碑，消费者究竟是怎样做出自己的选择的呢?

1.随处可见的启发式思考：数量为王

已有多项实证研究提示，评论的数量会显著影响产品销量(Davis＆Khazanchi，2008;Duan，et al，2008;Liu，2006)，Berger等(2010)甚至还发现，只要能增加口碑的数量，即便是负面口碑，也能促进消费者的购买可能性。对此，Duan等(2008)的解释是，顾客评论能增强网购商品的实在感，从而产生一种“注意力效应”(awareness effect)。

只重数量而不管评论的质量，比如评论的准确性、时效性、表述的清晰度等方面，这正是一种典型的启发式(heuristic)思考方法，也被心理学家卡尼曼和特沃斯基称为“拇指规则”。即依据直觉和经验的推理方法，而不是系统的(systematic)信息加工过程(施瓦茨，2013，p48)。也有学者借助精细加工可能性模型(Elaboration Likelihood Model，ELM)的说法，称之为信息处理的边缘路径(peripheral cues)，与中枢路径(central cues)相区别(Cheung＆Thadani，2012)。系统的与中枢路径的处理方式，是在形成态度之前对信息加以仔细的审视和质量评估，而启发式与边缘路径则会仅仅依凭一些外围线索来决定对待信息的态度。在我们的研究中，不仅发现受访者非常看重评论的数量，而且还习惯于看商品的月销量。数量显示出对消费者认知判断的重要影响:

F11(Female，女性，编号为11)：我就是买东西不喜欢麻烦，它又便宜，买的人又多，所以就选A。我总觉得网上卖的东西质量都差不多，就是(图)一个便宜，然后买的人又多。

M12(Male，男性，编号为12)：首先第一个我看的是月销量，因为月销量很多的话，就说明有很多人在买，我就觉得比较放心。很多人买，说明没有什么很致命的问题。第二个是因为，……B和D的评价比较多，价格可以。

M13：我选的是B，第一个我看的是它的月销量，有2千多件，可以达到一个合格的标准。

M21：我选的是B和D，就是因为第一个它们的销量和评价都非常的大。

F4：然后我又看了一下，对比了一下他们家的卖出，一个月之内卖了600多件。有的只卖了200多件。销量既然这么大，肯定还是得到了一定认可的，所以这家可能会成为我的首选吧。

M9：我看的时候，如果发现它的月销量特别特别的低，一般就不会去考虑了。比方说，它一个月的销量可能就只有个位数或是怎样的，卖得特别少的话，我就不会去考虑了。

评论数量和销售量，会影响消费者对商品受欢迎程度和商品质量的感知。不过，也并非所有的受访者都认为评论数量和销售量是越高越好。F17和F15这两位女性受访者就表达了她们对数量的不同理解:

F17：我一般不太看重销量。我觉得只要评论数有10个以上就都差不多了；如果太多评论，人多口杂，也成不了什么参考。

F15：我也是，我不是很注重销量。反而我会觉得，如果销量特别特别多的，一般都是在搞特价或者搞促销的，我反而会觉得它不一定质量很好。但是，一般也不会买销量特别低的东西。如果买一些常用的话，我就会觉得月销量在100以上就可以了，不一定要特别多。

但值得注意的是，即便是这种看似反对数量为王的观念，实际上也是一种依据直觉和经验做推理的方法。也就是说，它同样是一种启发式的思考方法。以往的研究将选择高评论数量的情况一概归为启发式思考或边缘路径式思考(Cheung＆Thadani，2012)，实际上忽略了不同人对数量高低的理解差异。当消费者选择评论数量少的商品时，也不一定就意味着启用了更为审慎和系统的观察思考方法。

2.网络口碑评估中的信任偏误：描述越多越可信

过去的研究在评论长度对口碑传播效果的影响上得到的是不一致的结论，大多数研究认为是长评论比短评论对消费者更有影响力。但也有学者得出的是刚好相反的结论，或者是评论长短与口碑可信度没有关系的结论(Pan＆Zhang，2011;Fang，et al，2013;Jensen，et al，2013)。而从我们的访谈来看，几乎所有的受访者都表达了对长评论的更大信任，“描述越多越可信”的信任偏误，在受访者的网上购物体验中普遍存在。在淘宝网的用户评价体系里面，详细描述的方式包括了使用长文字评论和使用消费者附图这两种。

F27：一般就是看那种(文字评论)写得比较多的嘛，有的人写得特别长，很详细，那种一般都应该是很真实的，可以看一下。

M9：淘宝上给的很多评价都给得很笼统，比如说“还行”、“挺好”……像一般的这种评论就会忽略。那种写得比较长的比较详细的会仔细看一下，一般的就完全可以忽略掉。

M12：如果像那种“一般”、“好”、“不错”这样的评论，一般都不会看。

M19：它有图，有实物的照片，我就觉得还蛮相信的。(主持人：就是消费者的附图是吧?)对……有消费者附图，比较相信那个实物的照片。

F16：我一般是先看它那个店铺的那个评分……然后就看它的评价，评价主要是看它的三个评价：一个是它的中差评，一个是它的附图片的评价，然后一个是它的追加评价。

在淘宝购物情境下，每个消费者都拥有同等的给予评价的权力，加上评论的不断更新，因此是不可能形成用户评论的意见领袖的;而且，消费者所能获得的有关评论发布者的信息非常有限，除了网名和买家信用等级，几乎没有任何有关评论发布者个人及其评论情境的信息，所以消费者需要仅凭评论文本就作出评论可靠性的判断，这其中的判断归因实际上是很困难的。而详细的评论文本则有可能为消费者提供一些进行可靠性判断的重要线索:

Host(主持人)：那大家是怎么去判断用户评论的可靠性?

F16：我觉得是可以看得出来的，看他的语气，然后看他结合他的生活的那些实际，比如送给他的小侄子啊，怎么样，很具体很具体的那一种，包括各个方面都讲得很具体的那种。像很短的那种“不错”、“很好”，这种一般我就不看了。

F26：比如有一个评价说有一个幼儿园老师，她买了试用就觉得质量很好，包括店家还送了赠品，还送了什么的。

前文提到，Duan等(2008)认为顾客评论数量越多，就越能增强网购商品的实在感。那么，我们的访谈则进一步表明，顾客评论的详细程度同样也能增进商品的实在感和购物消费的实在感。评论里面关于顾客本人及其购物消费情境的说明越具体、越详细，就越能增强其评论的可信度。

对长评论和附图评论的偏爱，不仅因为消费者认为它们的可信度更高，也因为消费者认为它们的有用性、参考价值更强:

M14：我觉得作为一个买家的话，需要去识别评论的有效性，像那种“好”、“不错”、“发货速度快”这种，你可以直接忽略了。像一些说得比较多的或者附图的，参考性可能会要高一点。

M7：底下详细的评论我是比较喜欢看的，所以一般如果评论(文字)比较少的话，我就感觉对我没有什么帮助。

F15：一般就是那种“很好”、“很不错”，然后一大串，或者就类似的，特别短，其实也不能说，我也不觉得说他一定就是水军或者说怎么着，但是对于你的购物决策来说没有参考意义。也就是说你给我“很好”、“很不错”这种评价，对我是没有任何意义的。

在认知心理学领域，卡尼曼和特沃斯基提出了“易得性启发法”的概念(availability heuristic，也译为“可获得性启发式”)，指人们的判断推理过程常常受到可获得的记忆的影响，倾向于认为容易想起的事件比不容易想起的事件更常见。在生活中，很多人都会轻信那些道听途说来的“证据”，因为这些故事生动逼真、细节丰富，而且是活生生的事例，所以大部分人都会十分重视这类信息(施瓦茨，2013，p49)。生动性和细节令这类信息在消费者做购物决策时更容易从脑海中浮现，因而更容易对决策产生影响。从这个角度讲，消费者对详细信息的直接信赖，也可看作启发式思考的一种表现。

3.消极偏见：坏消息总比好消息更有影响力

多项研究表明，网络负面口碑对于消费者购买决策的影响要明显大过正面口碑(Herr，et al，1991;Park＆Lee，2009)，这与以往对传统口碑的大部分研究结论相一致。因此有学者指出，“网络环境中，一群满意网友的10句称赞可能不敌一个不满意网友的一句声讨”(金立印，2007)。我们的访谈同样发现了这种现象，而且表现得非常明显:

F1：一般我只会看差评。

M23：主要就是看差评，看看里面有没有(说)什么很大的问题。

M14：中评差评很重要，因为里面可能包含一些比较典型的问题，你可以参考一下，看这个到底对你有没有用。

F3：我觉得如果我连大家评价的那个缺点我都觉得可以忍受的话，那好评我就可以不看了。就是说，差评能够忍受的话。

M5：如果评价特别差的，那肯定直接一票否决掉；如果是还OK的话，就会继续开那个阿里旺旺跟他继续聊。

M12：我一般不太相信评论，因为评论这个东西是非常主观的一个东西……当然，如果是非常消极的评论，也会影响到我。

对负面口碑的格外重视这一现象，再次验证了以往研究揭示的“消极偏见”(negativity bias)或“消极效应”(negativity effect)，即，坏消息总是会得到更多的关注，并往往被给予更高的信赖度。这一现象实际上不只在网络口碑中出现，而且在传统口碑，甚至广告、新闻等其他传播类型和情景中同样存在。过去对消费者行为的研究就发现，负面信息总是会比正面信息更能吸引消费者的注意，而且在消费者购买决策中被赋予更高的权重(Herr，et al，1991)。心理学家也发现，“坏事总比好事更有影响力”(bad is stronger than good)。这一规律广泛存在于很多现象和领域。中国俗语“好事不出门，坏事传千里”也是同样道理。

“消极偏见”在网络口碑的认知中表现得尤为显著，与网络购物比传统购物所具有的更大的风险性和不确定性有关。由于缺乏实体店式的现场展示，消费者对网络口碑中的负面信息会更为敏感、更容易做出反应。而如果负面意见都比较一致地集中在某一个或某几个问题上，就会令评论观看者对负面意见所反映的问题深信不疑。

M14：如果中差评是集中在某一个问题的话，那说明这个问题确实蛮严重的；如果这个中差评分散开的话，你可能就会觉得这个东西就没有那么严重，你可以自己再多看一下。

M30：要是给的差评都是说的同一个问题，那就真的是有问题了。看差评很重要。

但是，负面评价也有对消费者的购买决策影响失效的时候。比如在销量很高的情况下有一定的中差评，或者当负面评价里反映的内容并不是消费者所看重的方面的时候:

M14：如果说销量很少、可能销量不上三位数就有很多中差评，那可能影响对我很大。就是说，如果你卖了不上100件就有很多中差评的话，那我还是会很犹豫的，一般不会买。但哪种情况下中差评对我影响很小，如果他销量上了四位数、五位数的，几千件几万件的，我觉得有中差评很正常，然后就看对这个东西你在不在意吧……我觉得这个销量很重要的，跟销量有关。我觉得如果销量高的话有中差评，是蛮正常一件事情。

F15：(我买了有中差评的商品)是因为中差评的内容可能我不是非常看重……比如说，它有些评价是说衣服有点紧，有点大，但我觉得对于这个价位来说，对这件衣服我并不是很在意这些东西。在它中差评里面反而没有我特别在意的内容，我可能就会买。

4.期望突破与口碑可信度：有好有坏才算可信

在网络环境下，由于评论发布者和评论文本在时间和空间上的分隔存在，观看评论的人只能通过阅读孤立的评论文本来判断评论发布者是否可信(Jensen，et al，2013)，那么，消费者又是如何解读评论文本的呢?Jensen等人运用语言期待理论考察了口碑文本内容与消费者口碑信任之间的关系，发现如果评论文本突破了消费者的预先期待，就会显著改变消费者对评论发布者的可信度感知。具体来说，评论文本如果兼有正面信息和负面信息、比较全面(two-sidedness)，就会引发积极的期待突破，从而提升口碑可信度;如果带有强烈情绪，则会引发消极的期待突破、降低口碑可信度。

在我们的访谈中也不时可以发现被访者类似的论述，一边倒的好评在很多时候并不能获得消费者的信任:

M5：好评程度太低了，或者好评程度百分之百，我觉得这个可信度不是很大。

F3：如果看了一些店好评比较多之后，我就会去看一下有没有负面评价。如果全是好评，你就会觉得它的可信度就是不高。

F29：我现在再也不相信什么好评率100%了，那种绝对有问题，这个我是亲身经历过的。反倒是那些好评率百分之九十几，比如百分之九十八点几、九十九点几那种，是比较可靠的。

F15：如果某一个店家的评论全部都是好评的话，也是觉得不是特别的可信。所以，就是觉得如果有个别的中评或者差评的话，看一看它可能会出现什么问题，也是比较好的，就是有一个心理准备。

M6和F15甚至直接表达了评价里面应该有个好与坏的组合的看法，认为有好有坏才算可信。

M6：(看到给)好(评)的首先会打一个问号，不会说看到好评就是绝对迷信，因为有这个水军这个问题的存在嘛。然后，它这个评价里面要有一个组合问题，就是，好的要有，坏的也要有，不能只说好的，这个可信度会降低。

F15：我觉得像这种(评价)，比如说“别的都好，就是容易自己卷起来，有点影响使用”，这种评价给人感觉就是很真实，就是因为一个人拿到货品，大部分人的感觉都是说，即使它真的很好，也可能都是80%的好、20%的不好，通常都还是会提议，比如说觉得哪里还有欠于改进之类的。就是说，如果是好评中带一点点瑕疵的评价，会给人感觉比较真实一点；如果说完全就是那种“好”、“很好”、“店家态度也好”、“快递也快”，如果是这种，很多就都忽略不看了。

从被访者的表述来看，他们对评论的好坏组合所进行的主观设定，基本是针对一边倒的好评而言，对百分百好评率持强烈质疑态度。然而，正是人们对可靠的信息应该有个“好坏的组合”这种预先的刻板印象，导致有些值得信赖的信息没有被采信，也导致人们对网络口碑的是非判断里面充满了很多似是而非的逻辑。

五、结论与讨论

网络购物情境下，消费者需要在高度不确定的状况下、依靠非常有限的信息来进行判断和决策。顾客评论在一定程度上消解了消费者的信息不对称状态，但顾客评论本身的匿名性、虚拟性、主观性等特征，却令这种用户自制信息可能与情绪、错误、片面、虚假等因素相混杂，从而给评论观看者加上又一重的不确定性。本次访谈研究表明，在网购情境下，消费者对网络口碑经常采用启发式和直觉式判断，具体表现包括:看重数量，仅凭对数量的直觉和经验来下结论;偏好长评论，认为说得越多、描述得越详细就越可信;偏好和信赖负面口碑，消极偏见表现明显;质疑一边倒的好评，对评论的好坏组合进行预先的主观设定。

诺贝尔经济学奖得主丹尼尔·卡尼曼在对人们思考判断中的启发式和偏差进行长期研究的基础上，将人的思维模式分为系统1和系统2两种。系统1的运行是无意识且快速的，不怎么费脑力，没有感觉，完全处于自主控制状态;系统2则将注意力转移到需要费脑力的大脑活动上来，例如复杂的运算等等，需要付出努力才能完成(卡尼曼，2013，P5)。本研究所发现的消费者对网络口碑的启发式思考和直觉判断方式，都可归入系统1。这种思维模式将原本较难的问题作了简单化处理，从而大大提高了人们的决策效率，大多数时候它也很奏效。但是，由于系统1存在成见，对逻辑学和统计学表现得一无所知，因此不可避免地会在一些情况下导致决策失误。

由此可见，人们的判断和决策，不但没有想象的那么完整和理性，而且也并非所有的误差都可以追溯出动机因素(卡尼曼等，2013)。即便没有主观上的故意，而且，即便是受过训练的统计学家，也同样有可能因为启用走捷径的直觉式和启发式判断而出错。对此，我们所能做的，便是更好地理解这些启发式和它们所带来的偏见，力图在不确定的情境下、特别是在比较重要的决策问题上避免错误，提高判断和决策的质量。

本研究以消费者访谈资料展现了人们在处理网络口碑信息过程中的启发式和偏见，对其中提到的某些命题，还可以在将来的研究中以其他研究方法作进一步的检验和讨论。存在于网络口碑信息接受当中的偏见和偏差，也不会仅限于本文所列举的四种表现，这些都有待于未来的研究加以进一步的发掘和探讨。

本文受到武汉大学“70后”学者学术团队“传播学理论创新团队”资助；是武汉大学自主科研项目“网络口碑的传播机制及其效果研究”成果之一，得到“中央高校基本科研业务费专项资金”资助。

注释

① 此数字为根据2012年上半年的发展情况所做的全年度推测。2012年上半年，我国网购市场规模是5090亿元。参见《中国网络购物市场的发展趋势》.新华网浙江频道.2012年9月15日.

② 参见《中国网络购物市场的发展趋势》.新华网浙江频道.2012年9月15日.

［1］ 〔美〕巴里·施瓦茨著.选择的悖论:用心理学解读人的经济行为.梁嘉歆等，译.杭州:浙江人民出版社，2013.

［2］ 〔美〕丹尼尔·卡尼曼著.思考，快与慢.胡晓姣等，译.北京:中信出版社，2013.

［3］ 〔美〕丹尼尔·卡尼曼，〔美〕保罗·斯洛维奇，〔以〕阿莫斯·特沃斯基，编.不确定状况下的判断:启发式和偏差.方文等，译.北京:中国人民大学出版社，2013.

［4］ CNNIC.第32次中国互联网络发展状况统计报告.2013-07.

［5］ 艾瑞咨询.网购年交易额首破千亿大关.商业新闻网，2009-02-18.

［6］ 郭小钗，陈蓓蕾.在线口碑效应的影响因素实证研究.北京理工大学学报(社会科学版)，2009，11(2).31-35.

［7］ 金立印.网络口碑信息对消费者购买决策的影响:一个实验研究.经济管理，2007(22):36-42.

［8］ 徐琳.网络口碑可信度影响因素的实证研究.财贸研究，2007(5):113-117.

［9］ Ardnt，J.(1967).Role of product-related conversations in the diffusion of a new product，Journal of Marketing Research，4(3):291-295.

［10］ Berger，J.，Sorensen，A.T.，＆ Rasmussen，S.J.(2010).Positive effects of negative publicity:when negative reviews increase sales.Marketing Science，29(5):815-827.

［11］ Cheung C.M.K.，＆ Thadani，D.R.(2012).The impact of electronic word-of-mouth communication:a literature analysis and integrative model.Decision Support Systems，54:461-470.

［12］ Cheung，M.，Luo，C.，Sia，C.，＆ Chen，H.(2009).Credibility of electronic word-of-mouth:informational and normative determinants of on-line consumer recommendations，International Journal of Electronic Commerce，13(4):9-38.

［13］ Chevalier，J.A.，＆ Mayzlin，D.(2006).The effect of word of mouth on sales:online book reviews.Journal of Marketing Research，43(3):345-354.

［14］ Davis，A.，＆ Khazanchi，D.(2008).An empirical study of online word of mouth as a predictor for multi-product category e-commerce sales，Electronic Markets，18(2):130-141.

［15］ Duan，W.，Gu，B.，＆ Whinston，A.(2008).Do online reviews matter?—an empirical investigation of panel data，Decision Support Systems，45(4):1007-1016.

［16］ Fang，H.，Zhang，J.，Bao，Y.＆ Zhu，Q.(2013).Towards effective online review systems in the Chinese context:a cross-cultural empirical study.Electronic Commerce Research and Applications，12:208-220.

［17］ Ghose，A.，＆ Ipeirotis，P.G.(2010).Estimating the helpfulness ad economic impact of product reviews:mining text and reviewer characteristics.Electronic copy available at http://ssrn.com/abstract=1261751.

［18］ Godes D.，＆ Mayzlin，D.(2009).Firm-created word-of-mouth communication:evidence from a field test.Marketing Science，28(4):721-739.

［19］ Hennig-Thurau，T.，Gwiner，K.P.，Walsh，G.，＆ Gremler，D.D.(2004).Electronic word-of-mouth via consumer-opinion platforms:what motivates consumers to articulate themselves on the internet?Journal of Interactive Marketing，18(1):38-52.

［20］ Herr，P.M.，Kardes，F.R.，＆ Kim，J.(1991).The effects of word-of-mouth and product-attribute information on persuasion:an accessibility-diagnosticity perspective，Journal of Consumer Research，17(4):454-462.

［21］ Jensen，M.L.，Averbeck，J.M.，Zhang，Z.，＆ Wright，K.(2013).Credibility of anonymous online product reviews:a language expectancy perspective.Journal of Management Information Systems，30(1):293-323.

［22］ Khare，A.，Labrecque，L.I.，＆ Asare，A.K.(2011).The assimilative and contrastive effects of word-of-mouth volume:an experimental examination of online consumer ratings.Journal of Retailing，87(1):111-126.

［23］ Liu，R.，＆ Zhang，W.(2010).Informational influence of online customer feedback:an empirical study，Database Marketing＆ Consumer Strategy Management，17(2):120-131.

［24］ Liu，Y.(2006).Word of mouth for movies:its dynamics and impact on box office revenue，Journal of Marketing，70(3):74-89.

［25］ Pan，Y.，＆ Zhang，J.Q.(2011).Born unequal:a study of the helpfulness of user-generated product reviews.Journal of Retailing，87(4):598-612.

［26］ Park，C.，＆ Lee，T.(2009).Information direction，website reputation and eWOM effect:a moderating role of product type，Journal of business Research，62(1):61-67.

［27］ Sun，T.，Youn，S.，Wu，G.H.(2006).Online word-of-mouth(or mouse):a exploration of its antecedents and consequences.Journal of Internet Mediated Communication，11(4):1104-1127.

［28］ Vilpponen，A.，Winter，S.，Sundqvist，S.(2006).Electronic word-of-mouth in online environments:exploring referral network structure and adoption behavior.Journal of Interactive Advertising，6(2):71-86.

［29］ Wasko，M.，Faraj，S.(2005).Why should I share?Examining social capital and knowledge contribution in electronic networks of practice.MIS Quarterly，29(1):35-57.