基于执行意向理论的网购评论行为反应模式研究

张亚明 赵杨 王林

摘要：以执行意向理论为基础，利用文本挖掘技术和社会网络分析方法对网购评论行为反应模式进行了初步探索。研究发现：驱动网购评论行为的因素按影响由大到小依次为网购体验、感觉与知觉、商品细节、包装品质、时间感知、色彩偏好、空间转移、价值让渡、人际网络、口碑传播、环境感知、情绪反应和决策行为等；网购目标导向体现为实用、享乐、速度、社交、让利、炫耀、情感、忠诚、分享、推荐和认同导向等行为目标，以及在其刺激下表现为抱怨、焦虑、紧张、愉悦感、恐惧感、情绪起伏、行为忠诚、口碑传播等网购行为反应；深入分析网购评论行为反应的6个主要过程及行为结果，为多学科交叉研究提供了一种可借鉴的方法。

关键词：网购评论；执行意向；目标导向；行为反应；情景线索

DOI：10.13956/j.ss.1001-8409.2016.07.26

中图分类号：F713.5；F274文献标识码：A 文章编号：1001-8409（2016）07-0118-06

Abstract： Based on the theory of implementation intentions， this paper explored initially behavior reaction mode of online shopping commentary by the technology of text mining and social network analysis. Result show that， the driving factors of online shopping comment behavior of the order from big to small in turn was online shopping experience， sensation and perception， details of goods， packaging quality， time perception， color preference， space transfer， value delivery， interpersonal network， wordofmouth， environmental perception， emotional reaction and decisionmaking behavior，etc.. Types of online shopping goal oriented included practical， enjoyment， speed， social， benefit， selfdisplay， emotion， loyalty， sharing， recommend and identity orientation etc. Online shopping behavior response showed that the sense of joy， fear， mood swings， behavior loyalty， wordofmouth， complain， anxiety and tension was in its stimulus. The depth analysis of the six major behavioral reaction processes on online shopping reviews and its results provided a useful method for multidisciplinary research.

Key words： online shopping commentary； implementation intentions； goal orientation； behavioral response； contextual cueing

网购已经成为人们一种最基本的生活方式，网购评论也成为消费者最基本的习惯，评论成为人们决策的重要参考。然而，评论信息的过载及其质量的参差不齐严重干扰了人们对商品质量的有效判断，增加了信息搜索成本，降低了网购决策效率[1]。因此，挖掘网购评论中蕴含的价值和行为规律成为热点课题，而行为执行意向作为一种行为临界变量在预测实际行为方面的优势非常明显，引起了学术界的重视。然而，在大数据背景下的网购行为执行意向鲜有研究。所以，本文以执行意向理论为基础，通过文本挖掘和社会网络分析等方法，深入探讨网购评论行为反应模式，揭示网购情景线索特征与目标导向行为反应之间的关联和作用机理，进一步为网购行为执行意向的动力学演化建模奠定前期基础。

1理论基础

由于网购平台并没有规定在线交易必须进行评论，但仍然有大量网购者不断发布评论，这引起了很多学者的兴趣。研究发现，产品、自我、信息卷入[2]、社交、愉悦感及执行成本是网购者发布网购评论进行网络口碑传播的主要动机[3]。进一步梳理可知，这些动机有些与情景线索有关，比如产品和信息卷入的情景线索会帮助他人降低搜寻成本，提高网购决策效率，有些与目标导向的行为反应有关，比如为帮助他人了解网购产品的真实细节而发布评论，进而获得成就感和愉悦感，这些发现进一步表明网购评论动机与网购评论行为执行意向有重要联系。然而，在海量网购评论文本数据背后是否还有更多未知的行为规律，目前还处于探索阶段，需要深入研究。

网购评论信息不仅反映网购者的行为动机，也折射出其行为反应，例如网购评论会反映出个体是否满意、开心、后悔等信息，这会影响其是否会重复购买、推荐购买等网购行为意向[4]。然而，随着我国电子商务进入大数据时代，网购评论呈现出海量、高速、多样化和多价值的特征[5]，仅靠传统的统计方法对大量非结构化的评论信息进行建模、预测是低效率的，需要借助文本数据挖掘等技术探究其规律。因此，通过文本挖掘获取网购评论的行为特征及心理联系将非常关键[6]，因为这些网购评论包含重要的情景线索和目标导向的行为反应，它们是行为执行意向的核心驱动力，有助于进一步预测实际网购行为[7]。执行意向理论最早由Gollwitzer提出，主要包含特定的情景线索、合适的目标导向行为反应[8]。研究发现，情景能够直接引发目标的产生，从而对目标导向的行为产生影响[9]。研究还发现，执行意向主要与行为意向、自我协调、合作性等关键变量产生心理联系[10]。

综上所述，执行意向理论对于网购评论行为反应模式的探索具有重要的理论支撑，该模式也将促进网购场景及个性化推荐策略的优化。

2研究设计

21数据采集与预处理

由于网购评论是非结构化的文本，数据采集时应保证其连续性和完整性，为此主要采取了如下措施：（1）确定网购评论数据源和采集对象；（2）确定采集方法和存储格式；（3）编写采集脚本；（4）调试数据采集脚本程序；（5）正式采集数据；（6）数据预处理。在采集数据前，首先要确定网购平台。选择天猫B2C网站为网购行为研究平台，因为其具有良好的用户口碑，网购评论数量和质量相对其他网购平台也有一定的优势。其次，确定采集的类别。由于网站分类十分庞杂，需要缩小采集范围。根据淘宝指数，2013～2015年网购交易指数最高的是服装类，该服装类网购评论具有良好的区分效果，评论描述细致，差评和好评自然分布，所有搜索结果均包含时间、价格、款式、颜色、交易量、评论数、人气指数等信息，这使得采集多源网购评论文本数据具有广泛的样本保证，从而使其具有较好的代表性。

22样本选择

通过数据采集器锁定关键词，获取采集网址清单，最后共采集到50000条网购评论信息。在样本选择时，首先去除重复评论信息；其次，为了研究的规范和科学性，本研究从样本库中随机抽取每天1000条网购评论信息，共抽取20000条有效评论进行研究；接着是对样本的半结构化处理；最后构建网购评论文本文件，便于文本识别、文本分词及特征提取等。

23研究方法

本文采用了文本挖掘法和社会网络分析法（前者由Feldman在1995年正式提出[11]，而社会网络分析一直是学术界的研究热点并在许多领域得到推广应用[12]），利用Ucinet软件分析在线购物评论的节点、边及网络各项指标，同时利用Netdraw工具进行语义网络分析，进而揭示网购评论行为与心理的演化规律[13]。

3结果及可视化分析

31网购情景线索与目标导向行为反应特征挖掘

对于非结构化的网购评论文本，需要进行自然语言处理，中文分词是其中的一项关键基础技术。利用LTP（Language Technology Platform，LTP）平台对网购评论文本进行中文分词、依存关系分析[14]，从中揭示网购情景线索特征、目标导向行为反应特征及二者之间的作用模式。

311网购评论的词频分析及情景线索特征挖掘

通过采集技术得到网购评论数据，进行数据预处理，即经过数据清洗、行特征提取，确定有效的评论文本数据，并转换成文本格式；利用LTP平台进行分词参数设置，实施分词；将分词结果保存为文本文件，利用ROST CM 内容挖掘系统提取高频词，形成如表1所示的高频词统计表。

如表1所示，网购者围绕“衣服”这个核心需求展开评论，关键词对应的词频代表了大部分网购者评论行为的动力强度，被大家反复提及的关键词与网购者的消费心理与行为、体验知觉、情绪状态、口碑传播等存在密切的关联性。为此，课题组对分词结果进行了进一步编码，提炼出网购评论的核心特征。如表2所示，发现网购评论中包含重要的情景线索特征：第一，网购者最关注的是体验、感觉与知觉，说明群体反复的网购体验信息具有自动营销的功能；第二，网购者对所购商品本身的功能细节等认知和满意度占有重要的决策权重；第三，包装品质、时间感知、色彩偏好等网购情景线索特征也是重要的网购行为驱动因素。

312网购评论的依存关系分析及目标导向行为反应模式挖掘

基于图的依存分析方法由McDonald提出，他将依存分析问题归结为在一个有向图中寻找最大生成树的问题[15]，它通过分析语言单位内成分之间的依存关系揭示其句法结构。如图1所示，利用LTP平台对网购评论的句法结构进行了剖析，以挖掘网购者在不同目标导向时的行为反应模式。在LTP平台中，A0表示动作的实施，A1表示动作的影响；ADV是Adverbial的缩写，表示附加语义角

色；Root表示根节点，是全句核心节点；LTP中采用863词性标注集，其中，a标签是Adjective的缩写，d标签是adverb的缩写；nh标签是人名“Person Name”的标记；n标签是general noun的缩写；v标签是verb的缩写。在LTP平台中，主要有12种汉语语法关系，其中HED、SBV、ATT、VOB和COO缩写分别表示核心关系（Head）、主谓关系（Subject-verb）、定中关系（Attribute）、动宾关系（Verb-object）和并列关系（Coordinate），它们能比较准确地区分出网购评论的描述语义。

首先，采用Pairwise方法，将训练样本分为4类：核心依存、中间依存、边缘依存和没有依存关系，如图1所示，训练生成4个二值分类器，对没有依存关系的网购评论词句在程序中进行了处理，减少了训练成本；其次，使用确定性Nivres算法，根据网购评论语料大小不同进行4组实验，从训练时间、依存关系正确率、根正确率、整句正确率、解析时间5个方面进行比较；最后，实验结果如表3所示。

如表3所示，当网购评论的语料规模增加到5000句以后，依存关系的正确率随之提高，并呈现稳定的状态，但随着训练样本的增加训练时间明显变长，需要在精度和时间之间做好平衡。因此，通过分析网购评论语料的核心依存、中间依存和边缘依存关系，初步形成了网购评论的依

存关系。由于网购评论文本语句太多，难以在文中将依存关系图一一展开，同时限于篇幅限制，不再详述提炼的每一步结果。后期课题组经过整理和归纳，发现网购评论的三大依存关系：核心依存、中间依存和边缘依存关系。核心依存关系主要与享受、体验、满意高度相关，如网购评论中手感体验输出商品品质判断、网购情绪状态和品牌印象等，这是决定是否持续吸引网购人群购买的情景线索，属于高目标导向的依存关系，这与表2的研究结果基本一致；中间依存关系主要与商品细节描述、配送效率、色彩、包装及让利程度等高度相关，这是在达成高目标导向后网购者行为自动进入中等目标导向的持续相依反应；边缘依存关系主要与网购者的网络人际需求、口碑传播、情感交流和环境感知等高度相关，网购者在满足核心目标和中等目标后进而产生自我表露、精神追求及炫耀需求等目标导向的行为反应。总之，本研究从句法和语义层面对网购评论语料进行了依存关系分析，这对下一步探索网购评论行为的语义特征及演化规律奠定了基础。

32基于语义网络的网购评论行为演化规律探究

321网购评论词频网络中心性测量及网络结构分析

如图2所示，利用ROST CM软件构建了网购词频VNA矩阵，然后将其导入Ucinet社会网络分析软件，从而对该词频网络的中心性进行测量，网购评论的网络中心度为5517%，说明网络的连接强度较好，网购评论描述关键词彼此容易连通，形成复杂网络。同时发现 “衣服” “颜色”等词的中心度最大，说明网购评论形成的网络结构中心就是这些高频词，其代表了网购的目标导向，即实用导向（“衣服”“口袋”等）、知觉体验导向（“颜色”“满意”等）、让利导向（“物美价廉”“便宜”等）、享乐导向（“舒服”“超美”等）、社交导向（“同事”等）、情感交流导向（“送人”等），这些目标导向基本与前面文本挖掘的研究结果一致。

在此基础上，需要进一步探索网购评论行为的基本结构，以检验文本挖掘的结果。如图3和图4所示，利用Netdraw软件对网购评论数据进行可视化挖掘。

首先，网购评论的中心活动是“衣服”，它是整个网络的中心，网购者以它为中心逐步展开对价格、细节、配送、包装等环节的描述，与之连接最紧密的是“图片”“颜色”等关键词，表明网购评论的描述中实用、体验、知觉和社交导向是核心需求；其次，以这6个核心节点为源，逐步形成小世界网络，其包含了忠诚、速度、推荐、炫耀、认同、分享等导向的网购评论网络，属于中等需求；最后，一些处于边缘节点的评论虽然只有两个左右的关系，但它们却连通了所有的小网络。由此，验证了文本挖掘的研究结果，发现了网购评论的网络呈现三度层次结构，揭示了网购评论的结构演化和目标导向的行为反应特征。

322网购评论行为反应演化过程及评价

上述研究基本理清了驱动网购评论的行为目标导向和行为反应特征，如图5所示，最后利用Ucinet对网购评论行为反应的过程进行聚类分析和梳理，并简要地评价了每个阶段取得的成果。

如图5所示，以聚类分析的结果为基础，对网购评论行为反应过程及成果评价做了如下梳理：第一阶段，网购者出现以基本需求为导向的紧张、期待行为反应，这主要通过关注品质保证、知觉体验、图片细节展示与描述一致性、群体满意度等线索，使网购者紧张的行为反应得到缓解；第二阶段，网购者上升到享乐目标为导向的愉悦感体验行为反应；第三阶段，网购者进入到成本为导向的策略组合行为反应，主要从配送速度、让利水平、卖家态度等方面进行组合设计性价比最优的决策，通常会出现焦虑、两难的情绪反应；第四阶段，网购者进入谈判策略运用为目标导向的行为决策反应，通常会出现紧张、不安的情绪特征，但一般通过买卖双方彼此交换条件、达成共识后可消减这种行为反应；第五阶段，网购者进入炫耀为目标导向的交易过程，一般会出现自豪感、成就感、愉悦感的行为反应；第六阶段，网购者进入购后评价阶段，一般会伴随真实体验而出现恐惧感、愉悦感，甚至悲喜交加的行为反应。

在这6个网购行为反应阶段，都有不同的行为结果出现，如第一阶段的行为反应促使网购者快速学习，明确需求；第二阶段的积极情绪营造良好的网购情景，强化网购信心；第三阶段的成本优化行为反应促使网购者理性思考，比较分析并确定最佳网购方案；第四阶段的紧张行为反应启动优势谈判策略，获得最佳网购产品和服务质量；第五阶段的行为反应让网购者营造最佳的等待情景，回溯网购记忆，奠定分享基础；第六阶段的行为反应使网购者用现实体验评价网购决策效果和效率，积累网购经验，为持续忠诚行为奠定基础。

4结论与讨论

本研究利用文本挖掘技术和社会网络分析方法对网购评论行为反应模式进行了初步探索，获得了如下结论：（1）驱动网购评论行为的主要因素由网购体验、感觉与知觉等13个变量构成；（2）发现网购评论的三大依存关系为核心依存、中间依存和边缘依存关系；（3）网购目标导向体现为实用、享乐、速度、社交等，以及在其刺激下表现为愉悦感、恐惧感、行为忠诚等网购行为反应；（4）网购评论行为反应呈现6个主要过程及相应转化成果。

总之，本文以执行意向理论为基础，初步探索了网购行为反应模式，获得了一些重要成果。本研究也存在一些不足，例如研究主题的选择比较单一，未能采集涵盖大部分网购商品评论的数据，将来可尝试多品类网购评论专题研究与综合比较研究相结合的方法，进一步探索网购行为的动态演化机理。

参考文献：

[1]岳中刚，王晓亚. 在线评论与消费者行为的研究进展与趋势展望[J]. 软科学，2015，6：90-93.

[2]Zuhal C， Cigdem B. The Impact of Consumer Ethnocentrism， Product Involvement， and Product Knowledge on Country of Origin Effects： An Empirical Analysis on Turkish Consumers Product Evaluation[J]. Journal of International Consumer Marketing，2014，26（4）： 284-310.

[3]李琪，梁妮. 在线评论中产品评论和服务评论的感知有用性差异研究[J]. 软科学，2015，29（10）：106-109.

[4]李东进，吴波，李研. 远程购物环境下退货对购后后悔影响研究[J]. 南开管理评论，2013，5：77-89.

[5]冯芷艳，郭迅华，曾大军，等. 大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报，2013，1：1-9.

[6]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.

[7]Gollwitzer P M， Sheeran P. Self-regulation of Consumer Decision Making and Behavior： The Role of Implementation Intentions[J]. Journal of Consumer Psychology， 2009，19：593-607.

[8]Gollwitzer P M， Sheeran P. Implementation Intentions and Goal Achievement： A Meta-analysis of Effects and Processes[J]. Advances in Experimental Social Psychology，2006，38：69-119.

[9]宋培建，陈文波，曾庆丰，等. 基于目标导向行为视角的信息技术使用习惯形成研究[J]. 软科学，2007，21（4）：9-12.

[10]王林，时勘，赵杨.行为执行意向的理论观点及其相关研究[J].心理科学，2014，7，37（4）：875-879.

[11]Wu H. Examining Students Online Interaction in A Live Video Streaming Environment Using Data Mining and Text Mining[J]. Computers in Human Behavior，2013，29（1）： 90-102.

[12]高照军. 新兴市场中创新行为通过网络提升企业绩效的机制研究[J]. 软科学，2016，30（1）：5-8.

[13]马绍奇，焦璨，张敏强. 社会网络分析在心理研究中的应用[J]. 心理科学进展，2011，5：755-764.

[14]刘挺，车万翔，李正华. 语言技术平台[J]. 中文信息学报，2011，6：53-62.

[15]和为，刘挺. 基于分析和生成的复述与SMT语料扩展[J]. 哈尔滨工业大学学报，2013，5：45-50.

（责任编辑：杨锐）