视频网站运营中用户评论的作用及实证分析

（1.中国人民大学商学院，北京市100872；2.北京化工大学经济管理学院，北京市100029）

摘要：网络视频的定制情况与视频的评论数量显著正相关，而与其好评率和顶踩数量没有显著关系。也就是说，即使视频的差评很多，也不会对视频的定制造成负面影响，即视频的差评不但没有对视频造成不好的影响，相反，由于加深了用户对视频的印象或者是存在感知，反而对视频的点播有正向作用，但好评的正向作用大于差评。相对于购物网站，视频网站更关注如何吸引用户评论，因为增加用户评论数量会相应地增加点播数量，从而增加整个网站的流量。

一、引言

随着科技的发展，通过互联网观看电视剧、电影、新闻、比赛等视频已经越来越流行。特别是随着大量80后、90后参加工作进入社会，互联网的受众逐渐增大，对网络视频的需求越来越大。目前，不但各个专门的视频点播网站如雨后春笋般层出不穷，各大门户网站如新浪、雅虎、网易等都推出自己的网络视频频道，互联网已成为一个重要的影视剧播放平台。然而，随着网络视频业务的发展壮大，各大门户和视频网站在视频领域的竞争变得异常激烈，热门影视剧版权价格也随之水涨船高，从而导致运营成本加大。同时，网络视频同质化竞争严重，网站需要寻找差异化的竞争路线，提升原创能力。在这种竞争环境下，微电影成为一个很好的选择。[1]

伴随着“微时代”的到来，不少人们所熟知的名词也都被冠上“微”头衔，继微博、微小说之后，“微电影”成为电影艺术与品牌传播在网络平台的又一次创新联姻。微电影的最初尝试可追溯到2001年，宝马北美公司集结8位世界级的一流导演，推出8部具有鲜明个人风格和创新性的电影短片。

“微电影”这一概念最早由凯迪拉克品牌提出，其联手中影集团和吴彦祖打造的广告《一触即发》被称为中国首部微电影。[2]此片大获成功，开创了新媒体背景下又一新的营销模式。之后，各类微电影纷纷出现在互联网上，其中最知名的是《老男孩》，在没有海报、没有票房的前提下，却意外形成了全民轰动和集体怀旧的传奇效应。

作为一种新兴的品牌营销模式，微电影不再是单向诉求，而是通过引发互动的扩散传播，打通品牌在娱乐和视频类媒体的传播壁垒，借势“微传播”概念及微博等渠道形成非凡热度，从而达成预期的品牌传播效果。

从上述两个例子可以看出，微电影从来源上可以分为两类：一类是由专门的媒体制造商如授权的广告公司和影视制作公司提供，通过购买广告时间、网站空间等形式发布；另一类是由网民自由制作，通过免费上传的视频网站发布。这种由网络用户自己生产、制造、传播的视频可以统称为“用户生成内容”（User Generated Content，UGC）视频。大量用户生成内容视频的出现完全改变了网络视频市场的格局，低成本、多元化的产品使得市场一片繁荣。

那么，用户在对这些网络视频进行定制时主要受到哪些因素的影响呢？由于制作用户生成内容视频的门槛很低，市场供应量极大。网络的便捷性和产品的多样化也使得每个用户都存在不同的观看经历。同时，由于用户生成内容产品仅通过网络传播，没有额外的广告宣传，所以有别于传统媒体，用户生成内容的流行程度同时受到产品本身和用户行为的双重影响。传统观点认为，口碑好的作品观看者众多，口碑差的作品无人问津，而作者自己也把用户评论的好坏看得特别重要。真的如此吗？

本文从用户的角度，收集了中国最大视频网站——优酷网的一手数据，考察用户生成内容视频点播和视频口碑之间的关系，发现视频的点播数量与视频的评论数量存在呈显著正相关关系，而与视频的好评率没有关系。换句话说，视频的差评不但没有对视频造成不好的影响，相反，由于增加了用户评论数量，反而对视频的点播有正向作用。这是由于在网络世界中，吸引注意力往往比实质内容更重要，更多的评论数量意味着吸引了更多的注意，从而使得作品有了大量的受众。本文的研究结果丰富了在线评论的相关理论，并且对视频网站的运营有一定的指导作用。

二、视频运营网站研究现状

近年来，随着人们精神追求的多样化和空闲时间的增加，视频点播网站的发展非常迅速。传统的视频点播网站（Video-on-Demand，VoD）成本较高，能否赢利并长久存在成为人们关注的焦点。[3]但随着用户生成内容视频的广泛传播，用户每天都会上传大量的免费视频，[4]其高成本被大幅削减，微电影的流量呈现出新的特征。因此，传统关于视频点播网站中视频流行及传播的模型[5]也需要进行修正。大量研究表明，新形势下的网络微电影点播呈现出“长尾”现象。[6-8]

米扬等（Meeyoung et al）[9]、查等（Cha et al）[10]分析了世界最大视频网站Youtube上的视频和用户特征，并与其他用户生成内容视频网站、传统视频点播网站进行比较。他们首先分析了用户生成内容服务与传统视频点播网站服务的不同之处，然后分析了热门用户生成内容分布的描述统计属性，以此来讨论如何增加长尾视频产品的潜在需求；作者通过时间序列的分析，在多天数据的基础上，研究了用户生成内容视频的生命周期，分析了视频需求和上架时间长短的关系；最后分析了各种相同内容的副本和非法内容视频对平台的影响。该研究通过大量样本分析出各参数的分布函数，通过对比不同参数分布之间的相关程度，指出视频流行程度与视频的评论存在强正相关关系，相关系数达到0.8，但视频的长度与视频流行度没有关系，其皮尔森相关系数仅为-0.0001。该文中的数据来源于Youtube和国外网站，而Youtube对用户上传视频存在大小限制（100M），从而影响到视频的长度。同时，该研究仅从数据上得到结果，是对目前视频点播数量分布的一种描述，并未对产生该长尾现象的内在原因进行分析。

而关于在线评价对电影产品的作用的研究也表明，单纯的负面评价并不一定会产生较大的作用，相反，用户反而觉得正负情感交杂的在线评论更加有用。[11]其研究结果显示，在线影评中积极的情感倾向、较高的正负情感和主客观表达混杂度以及较长的句子，对评论的有用性具有显著的正面影响。换句话说，也就是用户的确很重视在线评论及一些其他相关信息，但是用户相对也是理智的，不会单纯地看到差评就离开，看到好评就跟进，用户也有自己的判断，会根据这些公共社会信息以及目标产品本身的属性，结合用户自身的认知和偏好等做出判断，并产生行为。所以，关于产品的负面信息只能为用户提供参考，而不会直接影响用户的行为。

已有研究结果表明，用户是否点播该视频，与该视频的评论有很大关系，但是对用户评论更深层次的作用机理还有待研究。例如，单纯对视频表示喜欢或者不喜欢的标签是否会影响视频的点播？评论数量的增加是否会导致视频点播的增加？好评率是否会影响视频的点播？

本文基于中国国内的情形，从中文视频网站Youku上抽样2014年的数据，在不同的平台和文化特征下，研究视频流行程度、用户参与程度和视频时长的关系，同时分析用户与视频的互动行为（如评论、顶、踩等）对视频点播数量的影响。通过分析视频好评和差评的相对比例，深入探寻视频点播数量的发展规律。

三、理论分析与研究假设

一般来讲，从各种观点出发的研究，都证明了负面消息会对产品造成不好的影响，会影响消费者对产品的印象和评价。比如说，负面的评论和消息会降低消费者购买产品的可能性，最终使产品的销量受到影响。在电影票房的相关研究中也发现，不管是来自著名影评人还是普通大众的负面影评，都会大幅降低其票房收入。同样，在电子商务市场上，对产品的星级评价也会影响产品的销售额。众所周知，在亚马逊网站，若有用户给予某商品一星评价，则该商品的销售量会受到非常大的影响，这也是为什么当前所有的淘宝卖家都对用户评价如此重视的原因之一。那么，是不是所有情况下商品的负面评价信息（如低星级的产品评价或者是对产品的差评）都会对产品造成有害的影响呢？用户的评价信息之所以会影响产品的销量，是因为在评价信息中包含了用户对产品质量和使用体验的信息，消费者通过这些评论来判断产品的质量，从而决定购买与否，而过多的负面评价会使消费者对产品质量存在疑虑，从而放弃购买。但同时，负面信息也是一种关于产品的信息，负面信息的增加意味着产品的曝光增加，从而使得消费者更容易意识到该种产品的存在，也更容易在脑海中呈现该产品的信息，也就意味着消费者更容易接近该产品。在当今信息大爆炸的时代，“酒香也怕巷子深”，如何将产品印在消费者的脑海里是商家一直在研究的问题。因此，负面信息一方面是对产品的否定，会减少产品的销量；另一方面又增加了产品的曝光次数，使得产品有更大的概率让消费者知道，增加了销售的可能性。这样一对矛盾的作用共同决定用户评价对产品销量的影响。

当消费者对产品的认知度很高（即消费者本身就了解这个产品，知道产品的存在）时，那么，负面信息对产品评价的削弱作用就很明显，而能提高的潜在的对产品的认知度就很低了，因为其本身对产品就很了解，如此，两者综合起来，显然是负面信息对产品评价的削弱作用占主导地位。当消费者对产品的认知度很低（即消费者本身并不了解这个产品，甚至不知道这个产品的存在）时，负面信息对产品评价的削弱作用虽然也会存在，但是由于事先脑海中并没有产品的相关信息，因此对负面信息的印象并不会很深刻，相反，由于信息曝光所造成的使消费者意识到该产品存在的效应会非常强烈，如此，综合起来就是信息曝光所提高的消费者对产品存在的意识占主导地位。

比如，消费者一开始完全不知道该产品的存在，但是由于某些负面信息的产生，使得消费者知道了该种产品，此时，消费者首先了解到的是产品本身，然后才会去了解信息的内容。并且，在产品本身不是很有名，消费者对产品存在的意识很低的情况下，负面信息的曝光时间、消费者购买产品的用途、产品本身的价值都会影响负面信息对产品销量的作用。根据睡眠者效应，随着时间的推移，消费者会逐渐将消息来源与消息本身分离，也就是前文提到的，消费者会记得在某个时刻看到过或者是听说过某种东西，但是具体的功能和内容则会被遗忘，这样，负面信息的曝光时间越长，其负面评价的作用就会越弱，而产品存在的提醒作用则会越强，负面信息的正向作用更加明显。另外，如果消费者很重视该产品，购买或者是获取该产品的用途非常重要，则消费者会仔细慎重地考察该产品，此时，负面信息的内容会对产品价值评估起到非常重要的作用；相反，如果消费者本身对获取该产品不是很重视，对产品质量并不是很看重的时候，负面信息关于产品评价的作用就会非常弱，而对应的提醒消费者了解该产品的作用则会相对加强。如果产品本身的获取成本很低，则消费者并不会过于追求产品质量，使得负面信息内容对产品评价的作用降低，而相应地消费者意识到产品存在的效应就会强化。

在网络视频市场，视频网站上会展示视频的一些信息，方便用户了解该视频的一些基本属性及其他用户对视频的评价等，这些信息大致包括以下四种：一是用户的“顶”“踩”操作，也就是直接对网络视频的质量进行总体评价，相当于喜欢和不喜欢两个维度，是反映用户主观偏好的一种方式；二是用户的评论，包括用户的总体评论数量和评论内容，在首页的直观反映上，由于网页版面的限制，一般仅反映评论数量；三是视频的点播数量，即已有多少用户观看过该视频，也是反映视频受欢迎程度的变量；四是视频的时间长度。这四种属性是在网络视频页面上可以直接看到的，也是用户决定是否观看该视频的重要参考变量。目前在网络视频市场，尤其是用户生成内容视频，由于社会经济的发展，使得其门槛极低，数量极其庞大，而且由于用户个人拍摄并上传，并不存在品牌效应和权威评价等。而消费者的精力是有限的，不可能遍览所有视频来选择符合自己的偏好，同时整个市场每天都在新增大量视频，所以从总体上讲，整个市场对消费者来说都处在对产品认知度很低的情况下，对于用户生成内容的视频来说，重点在于提高知名度，让用户知道其存在。另外，用户观看网络视频的目的在于休闲娱乐，而不是从中获取诸如知识、信息等相对重要的内容，视频质量对于用户来说并不会特别重要，并且，用户获取网络视频的成本很低，目前大部分视频均是免费获取，用户只需支付流量费用即可，少部分需要付费的视频价格也相对便宜。

因此，根据上述分析，在用户生成内容的网络视频市场上，用户决定观看视频与否并不会因为视频受到的负面评价的影响，相反，越容易接触到用户的视频越会有较高的点播量。也就是说，用户生成内容的网络视频的点播量，会受到用户评论数量的正向影响，而与视频市场和用户好评率没有关系。

四、模型与实证分析

本文数据来源于2014年优酷视频网站。由于研究对象是用户生成内容视频，因此数据仅限于优酷原创频道。同时考虑到影响视频点播的因素非常多，为了排除其他因素的影响，采用随机抽样的方法。另外，由于视频的点播量存在爆发式增长的特征，具体来说，就是在视频生命周期的初始阶段存在一个大量、急速增加的阶段。[12]研究表明，上传时间超过一个月的视频，其浏览量占到视频总浏览量的70%以上。因此，本文数据选用中仅采用上传时间一个月以上的视频，以保证视频点播量的平稳，最终，选用了239部视频的截面数据作为文章的数据集。

为了考察视频流行程度、用户参与程度和视频时长的关系，根据以往的研究，本文的因变量为视频点播数y，表示视频的流行度；自变量是视频时长、视频评论、视频顶/踩数量和视频好评率，分别设为x1、x2、x3、x4，代表用户参与程度。为了验证上文提到的研究假设，本文将所有变量放入模型进行考察，通过多次回归和剔除冗余变量的方法来得到最终的模型。因此，本文初始模型为：

从表1回归结果可以看出，模型整体在0.001的水平下显著（Prob>F=0.0000），解释水平达到95%。对于各个变量，模型表示视频点播量与视频时长呈负相关关系，由于视频时长单位为秒，即视频时长每增加一秒，点播数量减少120，在0.01的水平下显著（P>t=0.007），评论数与视频点播呈正相关关系，在0.01的水平下显著（P>t=0.000），顶/踩数与视频点播呈正相关关系，在0.10的水平下显著（P>t=0.058），好评率与点播数量呈负相关关系，但其结果不显著（P>t=0.539）。

由于数据源为截面数据，容易产生异方差，因此对模型进行异方差检验，发现存在异方差，从而对回归方法进行调整，采用稳健标准差和最小二乘法结合的回归方法，结果如表2、表3所示。从表2、表3回归结果可以看出，经过稳健标准差回归后，模型整体依然在0.01的水平下显著（Prob>F=0.0041）。对于各个变量，模型中视频点播量与视频时长的负相关关系变得不显著了（P>t= 0.137），而评论数与视频点播的正相关关系，依然在0.01的水平下显著（P>t=0.001），顶/踩数与视频点播的正相关关系变得不显著（P>t=0.318），好评率与点播数量的负相关关系依然不显著（P>t=0.278）。

由此可以看出，模型中仅有评论数与视频点播呈正相关关系，这也与以往的研究相符。因此，将模型中冗余变量去除，模型变成：

上述模型仅仅是考察了实际情况下，视频点播量与视频评论数量之间的相关关系，证明了视频点播量的确与视频评论数量之间存在正向相关关系，即用户评论数量越多的视频其点播观看量越大。然而，根据前文的研究假设，我们需要考察的是评论数量和负面信息的增量对点播量增量的影响。也就是说，每增加一个评论数量和一次“顶”或“踩”操作，对视频点播量的影响情况。我们预测，由于视频曝光的增加从而使得点播量增加，所以视频评论数量、视频“顶”的数量、视频

“踩”的数量的增加，都会引起视频点播量的增加。因此，为了验证研究假设，我们对模型进行改进，对所有变量取对数，模型变化为：

其中，y表示视频点播量，z1表示视频评论数量，z2表示视频被“顶”的数量，z3表示视频被“踩”的数量。稳健回归结果如表5所示。

从回归结果中可以看到，模型整体显著水平很高，R2达到了近90%，整个模型的解释力度很强。从单个变量来看，评论数量的增量对视频点播量增量的贡献相对较低，增加8个用户评论才能带来1个视频点播量的增加，其在0.05的水平下显著。相应地，用户对视频的“踩”操作同样能够带来视频点播量的增加，大概每增加3个“踩”可以带来1个点播量的增加，这跟我们的预测非常吻合，即负面信息同样可以带来视频点播量的增加。同样，用户对视频的“顶”操作当然也能带来视频点播量的增加，2个“顶”就可以使得视频点播量增加将近1个单位。二者的显著性水平都非常高（P>t= 0.000），可以达到三星显著，并且“顶”的效果要强于“踩”，这也与我们的直觉相符，毕竟虽然出乎意料的负面信息也能增加点播量，但正面评价的效果理所当然会更强一些。结合上文的数据结果可以看到，正是由于正面的“顶”和负面的“踩”都可以使得视频点播量有所增加，所以视频的好评率（也就是顶踩比）失去了意义，从而使得其回归结果不显著。

五、结果讨论

上文的实证分析表明，在用户生成内容网站上，用户生成内容视频的点播数量与其评论数量存在正相关关系，而与视频时长、顶/踩数量和好评率相关性不大，即模型假设被部分支持。根据“长尾理论”，用户生成内容网站上的视频大部分都处于长尾阶段，这其中显然存在视频时间长短各异的产品，从而能够从侧面说明视频的点播与视频时长没有关系。另外，由于在网站上点击视频观看之前是不显示视频时长的（只有小部分特殊页面会显示），那么也就是说，在用户点播之前是无法得知视频时长的，所以该参数对点播量没有解释力也在情理之中。

评论数量对点播的影响可以用“口碑”的概念来解释。用户生成内容视频的传播大部分靠网络上的口口相传（Mouth to Mouth），而对视频的评论就是最好的口碑，也是用户最关注的一部分，最能说明视频质量的参数，因此视频点播与评论存在显著的正相关关系。

顶/踩操作在某些意义上存在随机性。即一般观看视频的用户都会进行顶或者踩操作，其数值一般在整体上都较大，也就是说，不同视频之间的这一数值没有显著的差别，所以该参数与点播的相关性不显著。

而对于好评率对视频的流行程度没有显著影响，其内在原因可能涉及到一些用户的心理因素。一般来说，用户点播网络视频均是在休闲时刻，观看视频的目的不是为了获取某种知识或者信息，也不一定有特定的目的，大部分是娱乐或者仅仅是打发时间，其观看视频的成本相对较低（只需花费一些休闲时间），同时能够花费的时间一般不会很长。因此，在此种情境下，用户定制自己偏好的视频时，一般不会花费过多的时间用于判断视频的好坏，而偏向于使用一种启发式的方法去点播视频。那么此时，视频的评论数量就发挥了作用。大量的评论能够很好地吸引用户的注意力，因为大量的评论说明关注的人很多。而至于内容的好坏已经不重要了。因为大家都在看，那么就算是不好的内容我也要了解一下到底是什么，不好在什么地方，为什么有那么多人说不好。这跟大街上人群围观是一样的，只要有一大堆人围在一起，首先其吸引了很多路人的注意力，人们更多的是关注人群到底在围观什么，而不是关注围观的内容是好是坏，这就会吸引更多的人来围观，对于视频来说就是会有更多的点播数量。类似的情景也发生在影视界，每年都有很多“烂片”却爆出超高票房的情况，就是同样的道理。被人们骂多了，自然就吸引更多人注意，曝光率上去了，自然就会产生票房。

另外，我们看到对于好评率的描述性统计如表6所示。表6中最低的好评率在46%，而最高的达到99%，均值在75%，其中不存在好评率极低的情况。这说明样本中的这些视频至少会有一部分人表示喜欢，其他想要定制该视频的人会考虑到该视频总还有可取之处，可能每个人的偏好不同导致了好评率的差异。这也能从另一个方面解释为什么好评率对点播数量没有显著影响的原因。

因此，总的来说，回归结果表明视频的流行程度与视频的评论数量有关，而与视频的好评率无关。也就是说，一定的差评并不会影响视频的点播数量。相反，对视频的负面评价使得视频的曝光率增加，从而使得用户接触到视频的概率增加，进而导致视频点播量的增加，其效果虽然弱于正面评价，但终归是产生了积极的效果。

六、结论与未来研究方向

随着互联网的发展，用户生成内容产品越来越流行，微电影成为继微博、微小说之后又一席卷网络的微时代产品。本文收集了来自中国最大视频网站优酷原创频道的用户生成内容视频，利用该截面数据分析了视频点播与视频时长、视频评论、视频顶/踩和视频好评率的关系，得出的结论为：视频点播与视频评论呈显著正相关，而与视频的好评率不相关。该结论与国外关于Youtube的研究结果一致，同时又有更进一步的发现。由此可知，用户生成内容的视频与传统的视频点播平台的视频不同，其具有鲜明的网络产品特性，口口相传是其主要传播方式，因此，代表其口碑的评论数量对其点播存在很大影响，而由于用户生成内容产品的数量巨大，多样性丰富，视频本身的一些属性反而不能体现在点播数量当中。

本研究具有较大的应用价值。根据本文的研究结果，视频的点播数量仅受到用户评论数量的影响，而不会受到用户“顶”“踩”数量的影响，要想使得自己上传的视频能够流行起来，有更多的观众，重点在于吸引更多的人来进行评论，增加视频的评论数量，而用户对视频的态度则不用过于放在心上。用户愿意留下评论的视频一般是具有一定特色的视频，也就是在某一个方面能够吸引大众的视频，往往那种比较中庸的视频不会让大家留下评论，更多的是看完就过，所以，用户在制作视频的时候需要抓住的关键就是有特色，而不需要面面俱到。用户可以在内容、背景、风格、配乐等方面选择一项进行加工修饰，使得视频具有某一个突出的特点。当然，如果在所有方面都比较好的制作肯定更好，但是考虑到用户生成内容的视频是由普通用户自己制作并上传的，在专业知识和成本投入方面都存在较大的约束，所以，如果能够在某一个方面有所突破，则能取得较好的效果。而从视频网站的角度出发，其可以顺水推舟地将用户评论数量较多的产品加入推广页面中，而不用考虑视频本身的质量问题，如此，通过网站的运作使得这些本来具有较多用户评论数量的视频提高曝光率，更增加了其被用户接触的可能，以此来增加视频的点播量，即增加网站整体的流量。相对的，如果将一些用户评论数量较少的视频放到网站的推广页面，则可能造成用户根本不在意这些推广页面中的视频，从而造成了页面空间的浪费。

从结论上来讲，视频网站具有和一般网络购物网站不同的特征，这些特征决定了视频网站的运营思路与一般购物网站运营思路的不同。在以淘宝天猫为代表的网络购物网站上，用户的差评是对商家致命的打击，是商家要竭力避免的，一旦形成也要尽力补救，这就促成了淘宝上“追加”评论功能的产生。而在视频网站上，这点则并不重要，差评对于视频网站的重要性远远不及购物网站，而如何吸引用户评论才是视频网站所要关注的点。这是由于视频网站商品的获取成本较低，而用户浏览视频网站的目的性并不强，多以休闲娱乐为目的。因此，视频网站可以通过评论送积分等方式来吸引用户评论，增加用户评论数量会相应地增加用户的点播数量，从而增加整个网站的流量。

然而，本文仅仅分析了用户生成内容的视频点播规律，而对于一些专业制作的微电影没有进行分类讨论。一般来讲，专业工作室制作的微电影，如“筷子兄弟”的《老男孩》，其质量相对普通用户上传的视频要好一些，同时其工作室也会有一定的品牌影响。如知名工作室的作品一般会赢得大量的关注，而其相对好的内容使得其品牌得以延续，反过来又能增加用户数量。此种情况下，负面的评论如过多的“踩”数量，会对视频的点播起到较大的破坏作用。所以，专业工作室制作的微电影具有其特殊性，需要进行专门的分类研究，这也是未来研究的一个方向。同样，对于一些经典电视剧、电影、综艺节目等，这些产品的点播量不但受到网络中口碑的影响，更主要的还在于线下制作商对产品的宣传等方式，所以，对于该类视频产品，网站不能处在掌控地位，其运营方式也要相应地进行改变。

另外，本文的结论是视频的流行程度与视频的评论数量正向相关，而与视频的好评率无关，该结论仅从模型的回归结果分析得来，其内在的深层次的理论原因还未得到进一步的证实。因此，未来的研究可以使用实验室实验或者是田野实验的方法，对该结论的内在产生机理进一步研究。

＊本文系中国人民大学科学研究基金——中央高校基本科研业务费专项资金资助项目“在线个性化定制：内在独特性需求与外在社会化影响之间的平衡”（项目编号：14XNH087）的部分成果。

[1]崔兆倩.浅析微电影的现状及发展[J].新闻爱好者，2012（4）：41-42.

[2]康初莹.“微”传播时代的微电影营销模式解读[J].新闻界，2011（7）：75-77.

[3]Huang C，Li J，Ross KW.Can Internet Video-On-De⁃mand Be Profitable?[J].SIGCOMM Comput Commun Rev，2007，37（4）：133-144.

[4]Hugues GK，Gonzalez VM.Watch & Learn：Studying The Sharing Of Everyday Knowledge With Instructional Vid⁃eos. Web Congress[C].2009 LA- WEB '09 Latin American，2009：138-145.

[5]Griwodz C B M，et al.Long- Term Movie Popularity Models in Video-On-Demand Systems：Or The Life Of An On-Demand Movie[C].Proceedings of the fifth ACM Interna⁃tional Conference On Multimedia.Seattle，Washington，Unit⁃ed States：ACM，1997：349-357.

[6]、[9]、[12]Meeyoung C，Haewoon K，Rodriguez P，et al.Analyzing the Video Popularity Characteristics of Large-Scale User Generated Content Systems[J].Networking，IEEE/ ACM Transactions on，2009，17（5）：1357-1370.

[7]、[10]Cha M，Kwak H，Rodriguez P，et al.I Tube，You Tube，Everybody Tubes：Analyzing The World's Largest User Generated Content Video System[C].Proceedings of the 7th ACM SIGCOMM Conference On Internet Measurement. San Diego，California，USA：ACM，2007：1-14.

[8]Xu C，Jiangchuan L，Haiyang W，et al.Coordinate Live Streaming and Storage Sharing for Social Media Content Distribution[J].Multimedia，IEEE Transactions on，2012，14 （6）：1558-1565.

[11]郝媛媛，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，2010（8）：78-88.

Empirical Study of The Role of Users’Reviews in the Online Video Website Operation

（1.Renmin University of China，Beijing100872，China；2.Beijing University of Chemical Technology，Beijing100029，China）

Abstract：The amount of users’online reviews is positively associated with the number of click on the video，and the positive rating has no significant impact on it. That is to say that，even if there are a lot of negative feedback from the users，it may not hurt the click on this video. What’s more，because the negative feedback improve the users’awareness on the video，it has a positive impact on the click of this video. Compared with the online shopping website，online video website will pay more attention to how to attract more users' review. The reason for that is the increase in users' review will increase the number of click on the video，which will in turn increase the overall website traffic.

Key words：video customization；online review；word of mouth；negative information

[作者简介]周良（1985-），男，江西省九江市人，中国人民大学商学院教师，博士，主要研究方向为电子商务、工商管理等；王璇（1968-），本文通讯作者，女，北京市人，北京化工大学经济管理学院运营管理系主任，副教授，主要研究方向为工商管理、企业运营等。