消费者个体特征对在线评论有效性的影响研究

安静+郑荣+杨明中

〔摘要〕随着电子商务的高速发展，面对海量的网络销售商家和平台，如何甄别出有效的在线评论信息从而提高网购消费者的购物决策是个重要的研究课题。因此开展对在线评论有效性的研究具有重要的理论价值和实践意义。围绕“消费者个体特征与在线评论有效性”这一主线，构建消费者个体特征对在线评论有效性影响的理论模型，通过设计测量量表，对收集的样本数据进行因子分析和回归模型验证。研究结果表明，消费者心理特征、认知特征和行为特征均对在线评论有效性有显著正向影响，人口统计特征对在线评论有效性没有显著影响。

〔关键词〕在线评论；消费者；个体特征；有效性

DOI：10.3969/j.issn.1008-0821.2017.01.019

〔中图分类号〕F713.36〔文献标识码〕A〔文章编号〕1008-0821（2017）01-0106-06

〔Abstract〕With the rapid development of e-commerce，in the face of massive online sellers and platforms，how to identify effective online reviews to improve online shopping decision-making of consumers is an important research topic.Therefore，to carry out the research on online review effectiveness has important theoretical value and practice significance.Around the main line as individual characteristics of consumers and effectiveness of online reviews，this paper constructed a theoretical model of the impact of consumers individual characteristics on online review effectiveness.After scale design，the model was examined by validation of factor analysis and regression model through the collected sample data.Some research results showed that psychological characteristics，behavioral characteristics and cognitive characteristics of consumers had a significant positive effect on the effectiveness of online reviews，while demographic characteristics of consumers had no significant effect on online reviews effectiveness.

〔Key words〕online reviews；consumer；characteristics；effectiveness

近年来，电子商务快速发展。据CNNIC的调查数据显示，截至2015年12月，我国网络购物用户规模达到4.13亿，增长率为14.3%，我国网络购物市场依然保持着稳健的增长速度[1]。随着用户体验的逐渐提升，网络购物已然成为大多数网民的消费习惯。网络口碑、价格、网站/商家信誉成为网购用户决策时最为关注的因素，关注度分别为77.5%、72.2%和68.7%[2]。面对网络海量繁杂的信息，消费者在购买决策过程中感知风险越高，则消费者越会从网络口碑中去获得更多的信息[3]。在线评论，作为口碑传播的一种新形式，是消费者发布在网络上对特定商品的正面或负面的评价[4-5]。在线评论是消费者网络购买决策的重要依据[6-7]。因此，在大量的在线评论中识别对消费者感知有效并且能够影响其购买决策的评论显得十分重要[8]。随着在线商品评论的数量不断增加，潜在消费者却越来越难从中发现真正有用的信息[9]。因此如何从众多的评论中识别有用的评论，分析在线评论的效用成为关注的热点[10]。究竟怎样的在线评论更有效？通过文献发现，评论内容特征和消费者特征对在线评论有效性具有非常大的影响，当前评论内容特征对在线评论有效性的影响研究比较成熟，积累了很多成果，而仅从消费者角度对在线评论有效性的影响进行全面、系统地研究较少，未来这将是一个重要的研究领域。因此，消费者个体特征对在线评论有效性的研究具有非常重要的理论与实践意义。

本文以做出评论的消费者为研究对象，探究消费者的哪些个体特征对在线评论产生影响以及是如何影响的，一方面能够得出对在线评论有效性影响的消费者个体特征，提高消费者购买决策的有效性；另一方面，商家可以提供较为有效的網络评论吸引消费者购买[11]，提高商家的网络口碑，从而推动电子商务的发展。

1在线评论有效性影响因素研究现状

在线评论有效性受多种因素影响[12-23]，通过梳理文献发现，当前对在线评论有效性地研究主要从评论特征和消费者特征这两个角度[14]。

1.1评论特征

评论特征主要包括评论长度、评论的内容特征、评论可读性等。评论长度一般用评论字数来度量，殷国鹏、刘雯雯和祝珊发现评论字数越多评论越有效[24]。但Huang AH等发现存在一个边界值，字数越长越接近这个边界值，超过这个边界值，字数对在线评论有效性的影响显著减小甚至几近消失[17]。当评论长度达到一定程度之后，过长的评论会加大阅读者的认知负荷，进而负向影响其有用性评价[24]。此外，郝媛媛等研究发现在线影评的情感倾向对电影票房收入存在显著影响，且这种影响超过在线影评数量的影响，口碑的劝说功能发挥主要作用[25]，评论内容的正负情感对评论的有用性存在显著正向影响[13]。然而Mudambi S M、Schuff D的研究结果与之不尽相同，他们发现不同产品类型的极端评论的作用不同，对于体验型产品，极端评论更不可信[18]。此外，评论内容可读性与在线评论有效性存在正向关系，即在线评论内容可读性越高在线评论有效性越高，并且评论的可读性受多种因素包括词语的选择、句子的长度和拼写等影响[13]。

1.2消费者特征

评论者特征主要包括名声可信度、专业知识或經验、社会性因素、情感、选择偏好、性别等，殷国鹏、廖成林、Huang AH、Cheng YH以及Dezhi Yin等进行了相关研究[12，26，17，27，23]。他们认为评论者的真名、昵称、所处的地理位置和兴趣爱好等会使消费者更加了解信息源特征，从而提高评论的有效性。王平和代宝发现评论者的名声和购买经验对其所发表的在线评论有效性具有显著的正向影响[16]。郭国庆、陈凯和何飞的研究进一步证实了这一观点，评论者资信度对在线评论感知可信度具有显著的正向影响[5]。进而殷国鹏发现，评论者的历史评论数或收到消费者有效投票的评论数会影响消费者对于评论者专业知识水平的判断，专业知识水平高的评论者发表的评论更易于被消费者接受，并给出较高的有用评价[12]。此外，研究还发现评论者的社会性因素也会影响评论的有效性[12]，评论者中心度与在线评论有用性之间为倒U型关系[24]。林秀娇等指出根据评论者的评论内容还可以区分出垃圾评论者和可信度较高的评论者，垃圾评论者的评论有效性较低，而可信度较高的评论者评论内容较有效[28]。Dezhi Yin、Samuel D.Bond和Han Zhang研究在线评论中隐藏的消费者情感对阅读者的感知有用性，主要研究两种不同的负面情绪即焦虑和愤怒的影响[23]。负面在线评论质量对消费者对产品的满意度以及购买选择具有显著影响，消费者的卷入度对消费者的产品满意度和购买选择具有显著的负向影响[29]。李雨洁、廖成林和李忆发现消费者的选择偏好、主动评价偏差以及评价行为的趋同性会导致在线评论的均值出现偏差，不能反映商品的真实质量[30]。郝媛媛发现消费者在消费不同产品时会感知到不同程度的风险，风险程度会随商品的种类与消费者的不同而有所不同[4]。Rene Riedl、Marco Hubert和Peter Kenning以eBay为例，探究不同性别的消费者对于网络的感知信任是不同的[31]。

根据以上理论及研究成果，本文将消费者个体作为主要影响因素，对其特征进行细化分类，全面探讨它对在线评论有效性的影响效应。

2概念模型与研究假设

2.1概念模型

基于以上理论并结合消费者个体特征，本文将影响在线评论有效性的消费者个体特征归纳为以下4类：一是人口统计特征，一般包括年龄、学历、性别、家庭结构、地区差异、收入水平、职业等，本文选取学历、地区差异、收入水平和职业4个方面；二是行为特征，包括冲动购买、理性购买和感性购买等；三是心理特征，主要包括性价比、从众心理[32]、个人感情3个方面；四是认知特征，包括感知有用性、感知风险性、感知易用性等，本文选取评论时间、网购经验、专业知识和对产品的熟悉程度4个方面。由此，本文纳入人口统计特征、行为特征、心理特征和认知特征4个变量，构建了消费者个体特征对在线评论有效性的影响模型，如图1所示。

2.2研究假设

2.2.1人口统计特征

学历背景不同，消费者的知识水平有差异，对产品的认知也会不同，做出的评论质量也不同。消费者所在地区不同，即区域文化不同，可能对一些特有的产品有着不同的需求或认知，从而影响在线评论的质量。收入水平不同则代表着消费者的购买能力不同，对产品性能、价格和服务需求也不同，做出的评价质量也不同。职业不同，消费者对产品的需求、经验、认知不同，也会影响在线评论的质量。由此本文提出以下假设：

H1：消费者人口统计特征会正向显著影响在线评论的有效性。

2.2.2行为特征

冲动购买的消费者看到产品评论不错就立即临时决定购买，而较少考虑自己的需求、产品适用性等；理性购买的消费者则会阅读完相关产品评论后，综合考虑产品质量、价格、性能、售后服务等，再决定是否购买；感性购买的消费者一般容易被网络评论的内容、图片等打动而做出购买决策，却忽视产品的实用性、图片的真实性等。由此提出以下假设：

H2：消费者行为特征会正向显著影响在线评论的有效性。

2.2.3心理特征

追求性价比的消费者网上购物时较多关注性价比高的产品评论，认为更有效。基于从众心理的消费者一般缺少主见，喜欢跟风购买，“少数服从多数”，认为绝大多数评论者持有的观点更有效。还有一些消费者在网上选择购买产品时较多参考明显表达个人喜恶感情色彩的产品评论，认为这样的评论更有价值。由此我们提出以下假设：

H3：消费者心理特征会正向显著影响在线评论的有效性。

2.2.4认知特征

消费者一般对在线评论有一定的了解并做出评估后才做出购买决策。有的消费者在网上购物时主要关注时间发表较新的产品评论，认为对自己更有参考价值。有的消费者认为具有一定网购经验的评论者的在线评论更加有用。有的消费者认为购买者对该产品的专业知识掌握程度越高，他所做出的在线评论更可信。也有的消费者认为，对产品的了解程度不同也会影响购买者做出的网络评论。由此我们提出以下假设：

H4：消费者认知特征会正向显著影响在线评论的有效性。

3研究设计与数据收集

3.1研究设计

本研究的调查问卷由两部分构成：第一部分是对被调查者的基本信息及网购情况调查；第二部分是消费者个体特征对在线评论有效性的影响调查量表。问卷中所设量表采用LIKERT五分量表，根据本研究所建立的消费者个体特征对在线评论有效性的影响概念模型设计问卷，包括人口统计特征、行为特征、心理特征和认知特征4个自变量，根据国内外文献中的成熟量表并结合在线评论的特征设计问项。

3.2数据收集

调查问卷主要通过互联网问卷星平台进行发布和回收，共回收问卷562份，其中有效问卷548份，有效回收率为97.5%，符合研究设计和统计分析要求。对被调查者的基本信息进行描述性统计分析，如表1所示。

4.1信度和效度分析

針对量表中的各项特征指标进行可靠性检验。Cronbachs Alpha系数为0.867，可见本研究量表具有较高的信度，适合进一步分析。

在进行因子分析之前，本文先进行KMO和巴特球体检验，发现研究量表的KMO值为0.843，位于0.8～0.9之间，Sig值为0.000，表明非常适合进行因子分析。具体分析结果如表2所示。

探索性因子分析是为了检验结构效度。因子载荷小于0.5的选项应删除掉并重新拟合。结果如表2所示，所有因子的载荷值都在0.5以上，通过效度检测。

4.2相关性分析

相关性分析是为了说明两个变量之间的变化趋势是否一致。本研究各变量在0.01水平上显著相关。其中“在线评论有效性”、“心理特征”、“认知特征”分别与“行为特征”之间以及“心理特征”与“认知特征”之间的相关性较大，Pearson相关系数均在0.5以上，如表3所示。

4.3模型检验

本研究采用逐步回归对研究模型进行验证。采用逐步法为了规避变量间的共线性问题，拟合效果更好。如表4所示，从模型1、模型2到模型3，t值越来越小，Sig值均通过检验，表明模型越来越优化。其中A1表示人口统计特征、A2表示行为特征、A3表示心理特征、A4表示认知特征。

多元逐步线性回归要求留在方程中的变量对模型有足够的影响力且不会造成共线性。模型3中由于A1（人口统计特征）其Sig值大于0.05，未通过检验，所以人口统计特征这一自变量被剔除，最终未能进入回归方程，如表5所示。

通过以上逐步回归分析可知，本研究最终选择模型3，根据系数表可得出以下回归方程：

Y=1.097+0.366X1+0.215X2+0.180X3（1）

由回归方程可以看出：行为特征X1每增加一个单位，在线评论有效性就增加0.366个单位，由此可见消费者行为特征对在线评论有效性有正向显著影响，因此验证了假设H2；心理特征X3每增加一个单位，在线评论有效性就增加0.180个单位，由此可见消费者心理特征对在线评论有效性有正向显著影响，因此验证了假设H3；认知特征X2每增加一个单位，在线评论有效性就增加0.215个单位，由此可见消费者认知特征对在线评论有效性有正向显著影响，因此验证了假设H4。

可见，消费者行为特征、心理特征、认知特征均正向显著影响在线评论有效性，由此验证了假设H2、H3、H4，其中消费者行为特征对在线评论有效性的影响最大，其次是认知特征，影响最小的是心理特征。由于人口统计特征其Sig值大于0.05，未通过检验，因此假设H1未能得到验证。

5结论

在当下互联网开放的环境下，在线评论的可信度显得十分重要。参与到在线评论过程的消费者可分为两类：一类是购买产品之后做出评论的人；一类是购买产品之前看评论的人。显然，本文的研究对象是前者，从评论者个体特征的角度对在线评论有效性进行分析。构建的研究模型包括人口统计特征、行为特征、心理特征和认知特征4个自变量。通过问卷调查收集数据，并进行数据分析和模型检验。研究发现，消费者行为特征、心理特征、认知特征均对在线评论有效性有正向的显著影响。这一研究结果有助于消费者全面甄别网络评论的效用，从而做出正确的购买决策，同时对网络运营商根据不同消费者特征制定个性化的营销方案具有一定的参考意义，从而提高商品评论的有效性，吸引更多的顾客购买，促进电子商务的发展。

当然，本研究还存在很多不足之处，样本数量选取有限，后期研究争取采集更多的数据，从而增加研究结论的可信度。在消费者个体特征方面，后续相关研究可进一步挖掘并细化。

参考文献

[1]CNNIC.第37次中国互联网络发展状况统计报告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/201601/P020160122 469130059846.pdf，2016-04-03.

[2]CNNIC.2015年中国网络购物市场研究报告[EB/OL].http：∥www.cnnic.net.cn/hlwfzyj/hlwxzbg/dzswbg/201606/P020160622 616579052961.pdf，2016-06-25.

[3]Bansal HS，Voyer PA.Word-of-mouth Processes within a Services Purchase Decision Context[J].Journal of Service Research，2000，3（2）：166-167.

[4]郝媛媛.在线评论对消费者感知与购买行为影响的实证研究[D].哈尔滨：哈尔滨工业大学，2010.

[5]郭国庆，陈凯，何飞.消费者在线评论可信度的影响因素研究[J].当代经济管理，2010，32（10）：17-23.

[6]Xiao Ma，Lara Khansa，Yun Deng，Sung S.Kim.Impact of Prior Reviews on the Subsequent Review Process in Reputation Systems[J].Journal of Management Information Systems，2014，30（3）：279-310.

[7]Itamar Simonson，Emanuel Rosen.What Marketers Misunderstand about Online Reviews[J].Harvard Business Review，2014：23-25.

[8]Forman C，Ghose A，Wiesenfeld B.Examining the Relationship Between Reviews and Sales：The Role of Reviewer Identity Disclosure in Electronic Markets[J].Information Systems Research，2008，19（3）：291-313.

[9]Logan Kugler.Keeping Online Reviews Honest[J].Communications of the ACM，2014，57（11）：20-23.

[10]楊铭，祁巍，闫相斌，等.在线商品评论的效用分析研究[J].管理科学学报，2012，15（5）：65-75.

[11]Nan Hu，Noi Sian Koh，Srinivas K.Reddy.Ratings Lead You to the Product，Reviews Help You Clinch it？The Mediating Role of Online Review Sentiments on Product Sales[J].Decision Support Systems，2014，57：42-53.

[12]殷国鹏.消费者认为怎样的在线评论更有用？——社会性因素的影响效应[J].管理世界，2012，（12）：115-124.

[13]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，2010，13（8）：78-88，96.

[14]彭岚，周启海，邱江涛.消费者在线评论有用性影响因素模型研究[J].计算机科学，2011，38（8）：205-207，244.

[15]龚思兰，丁晟春，周夏伟，等.在线商品评论信息可信度影响因素实证研究[J].情报杂志，2013，32（11）：202-207.

[16]王平，代宝.消费者在线评论有用性影响因素实证研究[J].统计与决策，2012，（2）：118-120.

[17]Huang AH，Chen K，Yen DC，etc.A Study of Factors that Contribute to Online Review Helpfulness[J].Computers in Human Behavior，2015，48：17-27.

[18]Mudambi S M，Schuff D.What Makes a Helpful Online Review？ A Study of Customer Reviews on Amazon.com[J].MIS Quarterly，2010，34（1）：185-200.

[19]Cindy Man-Yee Cheung，Choon-Ling Sia，Kevin K.Y.Kuan.Is This Review Believable？A Study of Factors Affecting the Credibility of Online Consumer Reviews from an ELM Perspective[J].Journal of the Association for Information Systems，2012，13（8）：618-635.

[20]Matthew L.Jensen，Joshua M.Averbeck，Zhu Zhang，Kevin B.Wright.Credibility of Anonymous Online Product Reviews：A Language Expectancy Perspective[J].Journal of Management Information Systems，2013，30（1）：293-323.

[21]Hyunmi Baek，JoongHo Ahn，Youngseok Choi.Helpfulness of Online Consumer Reviews：Readers Objectives and Review Cues[J].International Journal of Electronic Commerce，2013，17（2）：99-126.

[22]Qing Cao，Wenjing Duan，Qiwei Gan.Exploring Determinants of Voting for the“Helpfulness”of Online User Reviews：a Text Mining Approach[J].Decision Support Systems，2011，50（2）：511-521.

[23]Dezhi Yin，Samuel D.Bond，Han Zhang.Anxious or Angry？Effects of Discrete Emotions on the Perceived Helpfulness of Online Reviews[J].MIS Quarterly，2014，38（2）：539-560.

[24]殷国鹏，刘雯雯，祝珊.网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J].图书情报工作，2012，56（16）：140-147.

[25]郝媛媛，邹鹏，李一军，等.基于电影面板数据的在线评论情感倾向对销售收入影响的实证研究[J].管理评论，2009，21（10）：95-103.

[26]廖成林，蔡春江，李忆.电子商务中在线评论有用性影响因素实证研究[J].软科学，2013，27（5）：46-50.

[27]Cheng YH，Ho HY.Social Influences Impact on Reader Perceptions of Online Reviews[J].Journal of Business Research，2015，68（4）：883-887.

[28]林秀娇，魏晶晶，刘月，等.基于评论关系图的垃圾评论者检测研究[J].福州大学学报：自然科学版，2015，43（2）：170-175.

[29]李宏，喻葵，夏景波.负面在线评论对消费者网络购买决策的影响：一个实验研究[J].情报杂志，2011，30（5）：202-207.

[30]李雨洁，廖成林，李忆.消费者个体行为偏好对在线评论真实性的影响机理研究[J].软科学，2015，（1）：105-109.

[31]Rene Riedl，Marco Hubert，Peter Kenning.Are There Neural Gender Differences in Online Trust？An FMRI Study on the Perceived Trustworthiness of eBay Offers[J].MIS Quarterly，2010，34（2）：397-428.

[32]Paulo B.Goes，Mingfeng Lin，Ching-man Au Yeung.“Popularity Effect”in User-generated Content：Evidence from Online Product Reviews[J].Information Systems Research，2014，25（2）：222-238.

（本文责任编辑：孙国雷）