第三方在线评论对消费者网购决策影响的研究

◇王 克 周 明 朱杨依

第三方在线评论对消费者网购决策影响的研究

◇王 克 周 明 朱杨依

随着互联网迅速的发展与电商平台的崛起，网络购物成为学者们近些年来的研究方向。本文基于消费者专业性与矛盾追评的调节效应，研究了在C2C环境下的第三方在线评论对消费者网购决策的影响。运用了从众效应理论、涉入度理论与购买决策等理论，并以在线评论数量和评论质量为自变量，信任作为中介变量，消费者网购决策作为因变量来研究第三方在线评论对消费者购买决策的影响。本文结合C2C环境下第三方在线评论的不同类型的情境，将消费者分为高专业性与低专业性，将矛盾追评程度分为高和低，检验不同情形下信任和网购决策的差异，得出了研究结论，指出了管理启示与研究的不足之处，对理论与实践都有一定的作用。

在线评论；信任；购买决策；调节

一、研究背景和文献综述

随着网络信息技术的发展，网络口碑中的在线评论越来越受到人们的重视。Stauss[1]（2000）认为网络口碑指消费者在某个平台上发出的，用来表达自己情绪的交流。在线评论是网络口碑的重要形式之一。Bickart&Schindler[2]（2001）定义在线评论为一个消费者能自主的发表个人对产品或服务意见评价的交流场所。Mudambi&Schuff[3]（2010）认为在线评论是消费者在企业或者是在第三方网站上发表的对已体验过的产品或者服务的评价，这些评价包括对产品或服务的正面评论与负面评论以及购买后的意见感受。目前许多网站在评论方式上增加了追加评论的功能。追加评论指的是在网购交易成功后的一段时间内，消费者在初次评论后再次发表的评论。王长征[4]（2015）认为相对于初次评论来说，追加评论使得消费者的感知有用性更高，并且追加评论相对于初次评论来说具有更多的价值信息。消费者购买决策是指消费者根据自己的需求来选择购买某个产品或服务的决策。目前关于消费者决策的理论有消费者决策七阶段模型。消费者决策七阶段模型包括认知问题、搜寻信息、评价备选方案、选择与决策、使用、购买评价和处置七个部分。本文运用了消费者购买决策理论。

二、模型构建与研究设计

（一）研究假设

1.在线评论数量

作为在线评论信息结构之一的评论数量会影响消费者的购买决策。Triandis[5]（1987）认为从众效应是个体在认知上或行动上以多数人的行为为准则，在行为上努力与之趋于一致的现象。Park&Lee[6]（2008）认为在线评论的数量会影响消费者信任与购买决策。从另一面来说，评论的数量越多，就会给消费者提供更多意见，评论的说服力会变得更强，更能够增强其他潜在消费者的信任。

因此，本研究作出如下假设：

H1a:在线评论的数量对消费者信任有显著的正向影响关系。

H1b：在线评论的数量对消费者购买决策有正向的影响关系。

2.在线评论质量

作为在线评论因素之一的网络口碑质量指在线评论的真实度以及评论能被其他消费者理解的程度。Awad[7]（2008）研究证明了在线评论的质量能够明显地影响消费者在线信任的形成，由于匿名性是网络环境特点之一，消费者会越来越重视在线评论的质量。宋晓兵[8]（2011）认为如果网络口碑的信息质量高，消费者会更加相信评论，影响消费者的购买决策。反过来说，如果信息内容并不真实，没有逻辑性，则它所体现的信息质量比较低。

因此，本研究作出如下假设：

H2a：在线评论的质量对消费者信任有正向的影响关系。

H2b：在线评论的质量对消费者购买决策有正向的影响关系。

3.信任与购买决策的关系的假设

国内外许多学者都证明了信任对消费者购买决策的影响。程秀芳[9]（2011）通过实证证明了网络口碑对信任的正向影响与信任对消费者决策正向的影响。刘跃怡[10]（2014）研究了在线评论对消费者购买决策影响，将在线评论分为意见领袖、品牌涉入程度、评论质量、情感倾向和相似性五个维度，将信任作为中介变量，证实了信任对消费者购买决策的影响。

因此，本研究作出如下假设：

H3：信任对购买决策具有正相关关系。

4.消费者的专业性对信任的影响

消费者的专业性指消费者对于购买的产品或服务的购买经验和熟悉度等。Park&Kim（2008）分析了在线评论对消费者的影响，认为一般普通的消费者会很重视在线评论的发布量，而被专家评论的发布量影响是非常小的。

因此，本研究作出如下假设：

H4a：消费者专业知识越低，评论数量对消费者信任的正向效应越显著。

H4b：消费者专业知识越低，评论质量对消费者信任的正向效应越显著。

5.矛盾性追评程度对信任的关系假设

追加评论指消费者在交易成功后的一段时间内，相对于初次评论再次发表的评论。随着电商平台追评系统的完善，越来越多的学者对追加评论进行了研究。本文所指的矛盾追评指的是原始评论与追加评论方向不一致的追评。Forman[11]（2008）研究认为网购中评论者正向或者负向的评论会影响消费者买不买一种产品。郝媛媛、邹鹏、李一军[12]（2009）研究认为在线评论中发布的带有情感倾向的评论更加能够影响消费者的决策。根据认知失调理论，如果矛盾追评的程度比较高，会影响消费者的信任，有矛盾追评的产品消费者对在线评论会更加信任。

因此，本研究作出如下假设：

H5a：矛盾追评程度越高，评论数量对消费者信任的正向效应越显著。

H5b：矛盾追评程度越高，评论质量对消费者信任的正向效应越显著。

（二）研究模型

综上所述，模型见附图。

附图 在线评论对消费者网购决策影响的模型

（三）问卷设计

本文有四个自变量，一个中介变量，两个调节变量，一个因变量。具体的问卷有两个部分包括问卷对象的个人信息和问卷主体部分。个人信息部分一般都采用选择的方式提出问题，主体部分的所有的选项则是采用Likert五点量表。发放的问卷总共有470份，回收416份，这其中有无效问卷13份，因此有效问卷403份，可以算出回收率约为88.5%，有效回收率为85.7%。

三、实证统计分析

（一）信度分析

根据信度分析，量表的八个维度在线评论的数量、在线评论的质量、能力、正直、友善、消费者专业性、追评矛盾性程度、购买决策的Cronbach's Alpha系数分别为0.795、0.923、0.814、0.761、0.782、0.930、0.903、0.905，均在 0.700 以上，此次调查数据具有较高的内部一致性。

（二）效度分析

调查数据的KMO检验值为0.900＞0.700，量表适合进行因子分析。Bartlett球度检验结果显示，近似卡方值为7027.906，显著性概率为0.000（P＜0.01），量表适合做因子分析，效度结构较好。

在因子分析过程中，采用主成分分析法，并以方差最大正交旋转进行因子旋转，抽取特征值大于1的公因子，结果发现公因子个数为6，且6个公因子的总方差解释率为74.664%＞70.000%，量表的效度良好。

研究可将25个问题选项归为6类因子，通过旋转后的因子矩阵表，公因子“在线评论数量”下的第4个因子的因子载荷为0.399，小于0.5，予以删除。其余每个公因子下面的因子载荷均高于0.5，问卷有较好的内容效度。其中，能力、正直、友善三个维度聚合在一个公因子下面，根据性质将三个维度合并成一个因子“信任”。

（三）相关性分析

根据相关性分析可知，在线评论数量、在线评论质量、信任与购买决策之间的相关系数分别为0.504、0.558、0.584，对应的显著性水平均小于0.05。在线评论数量、在线评论质量与信任之间的相关系数分别为0.491、0.539，对应的显著性水平均小于0.05。消费者专业性、追评矛盾性程度与信任之间的相关系数分别为-0.253、-0.184，对应的显著性水平均小于0.05。下面进一步采用回归分析进行验证。

（四）回归分析

1.两个自变量与购买决策的关系检验

以购买决策为因变量，分别以在线评论数量、在线评论质量为自变量进行回归分析，建立两个回归模型，模型1和模型2。模型1调整后R2为0.252，模型2调整后R2为0.310，自变量解释均较高。F值分别为136.194、181.65，其显著性概率值均小于0.05。自变量在线评论数量对因变量购买决策的标准化回归系数为0.504，显著性水平小于0.05，假设H1b成立。自变量在线评论质量对因变量购买决策的标准化回归系数为0.558，显著性水平小于0.05，假设H2b成立。

2.两个自变量与信任的关系检验

以信任为因变量，分别以在线评论数量、在线评论质量为自变量进行回归分析，建立两个回归模型，模型1和模型2。模型1调整后R2为0.239，模型2调整后R2为0.289，两个自变量解释均较高。F值分别为127.441、164.218，其显著性概率值均小于0.05，。自变量在线评论数量对因变量信任的标准化回归系数为0.491，显著性水平小于0.05，假设H1a成立。自变量在线评论质量对因变量信任的标准化回归系数为0.539，显著性水平小于0.05，假设H2a成立。

3.信任与因变量之间的关系检验

以购买决策为因变量，以信任为自变量进行回归分析，相关系数为0.584，R2为0.342，调整后R2为0.340，模型选取的自变量解释度较高。F值为207.971，其显著性概率值小于0.01。自变量信任对因变量购买决策的标准化回归系数为0.584（t=14.421，p=0.000），显著性水平小于 0.05，假设 H3成立。

4.信任的中介检验

以在线评论数量和信任为自变量，以购买决策为因变量，建立回归模型1；以在线评论质量和信任为自变量，以购买决策为因变量，建立回归模型2。模型1调整后R2为0.400，模型2调整后R2为0.422，模型选取的两个自变量解释均较高。F值分别为135.176、147.824，其显著性概率值均小于0.05。在引入中介变量信任之后，自变量在线评论数量、在线评论质量对因变量购买决策的标准化回归系数分别从之前的0.504、0.558变为现在的0.285、0.343，系数与之前相比均有所下降，但是对应的显著性水平依然小于0.05，第一个模型中，中介变量信任对因变量购买决策的标准化回归系数为0.444，对应的显著性水平小于0.05，在线评论数量与信任同时对购买决策产生显著的正向影响，信任在评论数量与购买决策之间起中介作用，并且是部分中介作用；第二个模型中，中介变量信任对因变量购买决策的标准化回归系数为0.399，对应的显著性水平小于0.05，在线评论质量与信任同时对购买决策产生显著的正向影响，信任在评论质量与购买决策之间起中介作用，并且是部分中介作用。

5.消费者专业性的调节检验

（1）消费者专业性在在线评论数量与信任之间的调节作用

控制变量的回归系数均不显著。自变量在线评论数量与调节变量消费者专业性对因变量信任的标准化回归系数分别为0.477、-0.242，对应的显著性水平均小于0.05，在线评论数量与消费者专业性均对信任有显著影响。自变量在线评论数量与调节变量消费者专业性对因变量信任的标准化回归系数分别为0.481、-0.240，对应的显著性水平仍小于0.05，交互项在线评论数量*消费者专业性对信任的标准化回归系数为-0.150，对应的显著性水平小于0.05，自变量与调节变量对因变量有显著的影响，交互项对因变量同样具有显著的影响且是负向影响，故证明消费者专业性在在线评论数量与信任之间具有负向调节作用。假设H4a成立。

（2）消费者专业性在在线评论质量与信任之间的调节作用

自变量在线评论质量与调节变量消费者专业性对因变量信任的标准化回归系数分别为0.515、-0.214，对应的显著性水平均小于0.05，在线评论质量与消费者专业性均对信任有显著影响。自变量在线评论质量与调节变量消费者专业性对因变量信任的标准化回归系数分别为0.521、-0.206，对应的显著性水平仍小于0.05，交互项在线评论质数量*消费者专业性对信任的标准化回归系数为-0.091，对应的显著性水平小于0.05，自变量与调节变量对因变量有显著的影响，交互项对因变量同样具有显著的影响且是负向影响，故证明消费者专业性在在线评论质量与信任之间具有负向调节作用。故假设H4b成立。

6.追评矛盾性程度的调节检验

（1）追评矛盾性程度在在线评论数量与信任之间的调节作用

计算可知，控制变量的回归系数均不显著，控制变量对因变量信任均不产生影响，控制变量得到了较好的控制。自变量在线评论数量与调节变量追评矛盾性程度对因变量信任的标准化回归系数分别为0.484、-0.197，对应的显著性水平均小于0.05，在线评论数量与追评矛盾性程度均对信任有显著影响。自变量在线评论数量与调节变量追评矛盾性程度对因变量信任的标准化回归系数分别为0.464、-0.212，对应的显著性水平仍小于0.05，交互项在线评论数量*追评矛盾性程度对信任的标准化回归系数为0.115，对应的显著性水平小于0.05，自变量与调节变量对因变量有显著的影响，交互项对因变量同样具有显著的影响且是正向影响，证明追评矛盾性程度在在线评论数量与信任之间具有正向调节作用。故假设H5a成立。

（2）追评矛盾性程度在在线评论质量与信任之间的调节作用

自变量在线评论质量与调节变量追评矛盾性程度对因变量信任的标准化回归系数分别为0.537、-0.215，对应的显著性水平均小于0.05，在线评论质量与追评矛盾性程度均对信任有显著影响。自变量在线评论质量与调节变量追评矛盾性程度对因变量信任的标准化回归系数分别为0.530、-0.226，对应的显著性水平仍小于0.05，交互项在线评论质量*追评矛盾性程度对信任的标准化回归系数为0.180，对应的显著性水平小于0.05，自变量与调节变量对因变量有显著的影响，交互项对因变量同样具有显著的影响且是正向影响，故证明追评矛盾性程度在在线评论质量与信任之间具有正向调节作用。假设H5b成立。

四、研究结论及启示

1.研究结论

本文主要研究了在C2C环境下的在线评论对消费者的购买决策的影响，讨论了网络评论数量和质量这两个变量如何影响消费者信任，并将信任作为中介变量，同时把消费者的专业性与追评的矛盾程度这两个因素作为调节变量，分析消费者的专业性与追评的矛盾程度对在线评论与信任关系之间的调节效应。通过实证研究方法证实了文中假设全部成立。

2.管理启示

本文证明了在线评论数量和质量对消费者的购买决策有很强的影响，因此产品或服务的提供者应当鼓励消费者进行积极正面的评论。可以给那些积极参加评论的消费者以奖励支持。对于那些专业性程度较低的消费者来说，他们会更多去查看其他网购消费者的在线评论。矛盾追评程度的调节作用说明企业应该重视消费者的追评，具体来说就当商品或服务中有负面的追评时，卖家应当努力消除负面追评对其他潜在消费者的影响，当然，最好是能够让那些想负面评论的消费者放弃提交负面的评论。本文的不足之处在于本文是以评论数量和评论质量来衡量在线评论的，事实上，在线评论可以有多种方式，可以从评论者、接收者和评论内容三个方面研究在线评论。

项目编号：12YJC630322 项目名称：《低信任营商环境下C2C网购信任机制研究-基于对高信任营商环境的比较》

[1]Stauss B.Using New Media for Customer Interaction：A Challenge for Relationship Marketing[M].Heidelberg： Springer，2000.

[2]Bickart B,Schindler R M.Internet forums as influential sources of consumer information [J].Advances in Consumer Research,2001(03).

[3]Mudambi S M,Schuff D.What makes a helpful online review?a study of customer reviews on amazon.com[J].Mis Quarterly,2010(01).

[4]王长征，何钐，王魁.网络口碑中追加评论的有用性感知研究[J].管理科学，2015(03).

[5]Pepitone A,Triandis H C.On the Universality of Social Psychological Theories.[J].Journal of Cross-Cultural Psychology,1987(18).

[6]Lee J,Park D H,Han I.The effect of negative online consumer reviews on product attitude：An information processing view[J].Electronic Commerce Research&Applications,2008(03).

[7]Awad N,Ragowsky A.Establishing Trust in Electronic Commerce Through Online Word of Mouth：An Examination Across Genders[J].Journal of Management Information Systems,2008(04).

[8]宋晓兵，丛竹，董大海.网络口碑对消费者产品态度的影响机理研究[J].管理学报，2011(04).

[9]程秀芳.虚拟社区网络口碑对消费者决策行为影响研究[D].徐州：中国矿业大学，2011.

[10]刘跃怡.在线评论对消费者购买决策影响实证研究[D].南昌：江西财经大学，2014.

[11]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(03).

[12]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(10).

（作者单位：湖北大学商学院）

10.13999/j.cnki.scyj.2017.07.006