基于手机评论数据探究在线评论有用性的影响因素

宋苏娟?彭卫?王冲

摘 要：海量的在线评论中，哪些因素影响评论的有用性一直是学者们十分关注的问题。本文结合信息采纳模型，从中心路径的量化指标出发，构建在线评论有用性的影响因素模型，并以手机评论为样本进行实证分析。结果表明：评论长度、星级评分、评论回复数、评论时长正向影响在线评论的有用性，其中，评论回复数对在线评论有用性的影响最为显著;而商家回复对在线评论的有用性具有负向影响。本研究结论对电商平台的管理、商家产品的优化改进以及消费者购买决策的研究具有较好的理论和实践意义。

关键词：信息采纳模型;中心路径;在线评论;评论有用性

一、引言

随着互联网的迅速发展，人们的消费模式从原来被动接受信息的传统模式逐渐转变为主动搜索信息的网购模式。Channel Advisor通过调查发现，90%的消费者在购买产品或服务前会浏览在线评论，而且他们中的83%的人认为，他们的最终决策会受到在线评论的影响。在线评论已经成为了企业网络营销或品牌管理时需要考虑的重要因素，同时也是促使消费者做出决策的重要信息来源。

然而，在大数据时代，信息过载频繁发生，面对海量的在线评论，消费者很难迅速地找到有用性较高的评论，而且较难制定出有效的购买决策。此外，虚假评论、垃圾评论等也在一定程度上干扰消费者，给消费者的最终决策增加了难度。为了解决这些问题，很多平台在单条评论旁设置了有用性投票系统机制，但有用性投票系统机制并不能解决所有问题。因此，如何帮助消费者从海量的评论中迅速有效地找到对他们有用的评论成为了很多学者关注的问题。

鉴于此，本研究在前人文献的基础上，基于信息采纳模型，省略了对边缘路径这种共识性因素的探讨，重点从中心路径的量化指标出发，探究评论长度、星级评分、评论回复数、评论时长、商家回复对在线评论有用性的影响。并通过京东商城中3878条手机评论数据进行实证检验。检验结果验证了部分先前结果，但一些结论和以往结论有不同之处。本研究和以往研究不同之处在于：（1）本研究从中心路径出发，利用定量分析方法，探究影响在线评论有用性的因素。（2）本文对于先前研究结论不一致的情况，聚焦于搜索型商品，将本文结论和先前结论进行对比和解释，进一步丰富和完善在线评论有用性的探究。（3）对于中心路径上的因素如何影响在线评论有用性，本研究给出了新的解释。

二、文献回顾和理论基础

1.在线评论有用性概念的界定

明确在线评论有用性的定义是研究评论有用性的基础。Huang P基于消费者的购物经验对潜在消费者的影响程度来定义在线评论有用性。Mudambi提出在线评论的有用性表现为评论阅读者浏览评论后对内容的诊断性，即评论信息能够在多大程度上帮助评论阅读者做出购买决策。

2.有关在线评论有用性的研究

目前已有文献对在线评论有用性的研究主要集中在评论者特征和评论本身两个维度。从评论者特征出发，Froman C等在探究评论者特征时，提出把评论者视为评论的卖家，评论者的某些特征会影响消费者对评论的接受程度。吴晔等基于IAM理论，并构建BP神经网络证明了评论者等级对评论有效用具有正向影响。此外，殷国鹏从社会网络角度出发，基于网络中心度来衡量评论者特征，得出和前人一致的结论。张艳辉在探究在线评论有用性的影响因素时，提出评论者特征对评论有用性的积极作用已成为共识。

从评论特征角度出发，Susan和David提出较长的评论文本对评论有用性具有积极影响。然而殷国鹏基于信息采纳模型得出评论长度对评论有用性的影响呈“U”型分布。Park C提出，在对传统消费模式的研究中，负面评论对在线评论的影响要高于正面评论。Pan Yue基于确认倾向观点提出评分高的评论比评分低的评论更有用。但是已有研究很少關注评论回复，商家回复对在线评论有用性的影响，并且对于默认排序方式下评论时长对评论有用性的研究还很匮乏，此外，有关评论长度、星级评分是如何影响在线评论有用性的至今仍缺乏一个统一的结论。

3.理论基础

在探究影响传播和说服的因素中，Deutsch和Gerard首先提出了双路径理论（Dual process theory简称DPT），他们认为影响传播和说服是由两条路径实现的：信息路径和规范路径。随着双路径不断地发展和完善，目前学者在它基础上扩展了许多信息传播说服理论模型。其中精细加工可能性模型（Elaboration-Likelihood Model简称ELM）是大多数学者在探究影响评论有用性因素时频繁使用的一种理论模型。该模型将信息加工过程分为边缘路径和中心路径。在边缘路径中，消费者根据一些外在因素（如评论者的特征），运用简单决策规则对产品做出判断。而在中心路径中，信息阅读者根据信息本身特征（如评论特征）对产品进行认真仔细地分析，从而做出最终决策。

SUSSMAN在ELM模型的基础上，提出信息采纳模型（information adoption model，简称IAM）。如图1所示，信息的有用性在信息采纳过程中起到中介作用。此外，信息质量被看作中心路径，信息源可信度被看作边缘路径，两者直接影响信息的有用性，进而间接影响信息的采纳。信息接收者可以根据实际情况将两条路径结合使用，也可以单独使用一条路径，由于边缘路径对评论有用性已达成共识，所以本文仅考虑中心路径上的因素对在线评论有用性的影响。中心路径的信息质量由4个指标测量，分别是信息的完备性、及时性、相关性以及准确性。本研究利用评论长度、星级评分、评论时长、评论回复、商家回复来衡量在线评论的信息质量。

三、研究假设与模型

1.评论长度

评论正文作为衡量信息质量完备性的指标，包含了评论中最丰富的信息和评论者对产品的主要感受。祝珊提出较长的在线评论可能会刺激潜在消费者认真阅读，增加或改变消费者的原有看法，提高对商品信息的认知，从而消除顾客对产品的不确定性。Tversky的探究也得出，了解更多的信息能够增强顾客做出决策时的信心。在虚拟网络社区中，潜在消费者可以通过商家提供的商品信息或评论者发表的评论内容对商品质量进行判断。但消费者往往认为商家会夸大产品信息，因此他们更倾向于相信和他们有共识的消费者发表的评论。此外，评论正文越长，其蕴含的信息越多，对消费者来说可能会更有用。基于此，本研究提出如下假设：

H1：评论长度对在线评论有用性具有积极影响。

2.星级评分

星级评分是消费者在发表评论时，以星级的形式对产品或服务做出的总体评价，它是衡量信息质量一致性的一个重要因素。一般星级的范围是从一星到五星，其中一星代表消费者对产品和服务极度不满意，三星代表消费者对产品和服务持有中立的态度，五星则代表消费者对商家提供的产品或服务极度满意。消费者只有想要购买商品时才会阅读评论，他们对产品抱着一种正向的初始信念。确认倾向会使得阅读者寻找证据来支持这一信念。对于和初始信念不一致的负面评论，基于认知失调理论，他们会减弱负面评论的作用，进而保持对产品的最初印象。基于此，本研究提出如下假设：

H2：评论星级评分对评论有用性具有正向作用

3.评论回复数

以网络平台为载体，以商品评论为连接点，网购模式把评论者、评论接受者紧密地联系在一起。评论阅读者不仅可以通过阅读评论获得产品或服务的信息，还可以以回复的形式对评论做出反馈。评论回复数越多不仅表明了该评论越能够刺激潜在消费者的好奇心，而且也说明了该评论的关注度较高。另外，消费者对评论做出的回复还可以帮助到其他具有相同问题的评论阅读者。基于此，本文提出如下假设：

H3：评论回复数越多，评论有用性越高。

4.评论时长

评论时长是衡量信息质量时效性的一个重要指标。Lee认为，如果一条评论被发布的时间较早，那么该评论被潜在消费者阅读的几率就远远高于其他评论，具有先发优势。目前大部分电商平台（如京东，淘宝等）一般是按照推荐和时间对评论进行排序，并且京东商城把推荐排序作为评论排序的一种默认形式。以京东商城为例，由于消费者认知和精力有限，他们往往浏览默认排序方式下前几页的评论。而对于发布较早评论的消费者，他们没有太多评论信息用以参考，往往依赖自己的专业水平和对产品真实情况的了解发表评论。另外，搜索型产品的评论具有客观性，尤其对于手机这类产品，具有高专业水平的评论者发表的评论对消费者来说更有用。基于此，本研究提出如下假设：

H4：评论时长与在线评论有用性具有正向关系。

5.商家回复

信息技术的发展，使得在线评论系统得到很大的完善，最为突出的一点就是增加了商家对评论的回复。卢云帆等探究了用户在社会网络背景下利用网络沟通的动机和效果，得出网络沟通能够弥补网站界面与任务有关信息的不足。张艳辉提出回复评论是消费者与商家进行互动表现的一种形式，商家对消费者发表的评论做出回复不仅影响原本的交易顺利进行，而且还会影响潜在消费者的购买决策。本研究试图将信息采纳模型延伸至商家层面，探究商家回复对在线评论有用性的影响。基于此，本研究提出如下假设：

H5：商家回复对在线评论有用性具有正向影响。

图2为我们提出的研究模型，该模型表明，中心路径上的评论长度、星级评分、评论回复数、评论时长、商家回复直接影响在线评论的有用性。

四、研究数据及变量

1.数据搜集与预处理

本研究采用我们自行编制的python爬虫系统软件取得了京东商城中手机的评论数据，共计4866条。本文抓取了手机商品中每一条评论的文本内容、星级评分、评论发布时间、评论回复数、商家回复以及有用性投票数。此外，为了保证数据的有效性，我们首先剔除掉内容为“此用户未进行评价”的评论，其次去掉仅含有如“好”、“差”等一个字段的评论，最后得到3878条有效数据。

2.研究变量

本研究共含有5个解释变量，分别是评论长度、星级评分、评论时长、评论回复数以及商家回复。评论长度以评论文本的字数作为衡量指标;星级评分利用每条评论所获得的评分值进行测量;评论时常以爬取评论日期与评论发表日期的差值作为代理指标;评论回复数则利用单条评论收到的回复数量作为衡量指标;对于商家回复，本研究把含有商家回复的编码为1，否则为0;被解释变量用评论获得的有用性投票数来测量。这些变量的具体名称见表1。

变量的描述性统计见表2。为了去除量纲和消除异方差，本研究对评论长度和评论时长进行自然对数转换，以使其满足模型要求。

五、实证结果分析

1.回归模型的设定

本研究采用Spss22.0软件对搜集的数据进行线性回归分析，结合前人研究的假设，本文的整体回归模型为：

2.实证分析

各变量之间的相关性描述在表3中呈现。由表可知，评论长度、星级评分、评论时长、评论回复数、商家回复和有用性投票数均存在相关性，可以对全部变量进行回归分析。

回歸结果见表4。本研究通过R-squared来评判模型的拟合效果，参考以往文献得出拟合效果较好。

由表4可知。假设1：同假设相同，评论长度对评论有用性具有显著影响，且β为正数，表明评论文本越长，则评论越有用。

假设2：分析结果表明，对于搜索型商品手机来说，评论星级评分对评论有用性具有积极影响，即假设H2得到了验证。因此，系统可以根据这一结论采取一些激励措施，鼓励消费者发表较高星级评分的评论，从而强化消费者对评论有用性的感知，如对发表此类评论的消费者给予物质奖励等。

假设3和假设4：探究结果表明，假设3和假设4均通过了显著性检验，即在默认排序方式下，评论发布时间越久，评论回复数越多，则评论有用性越高。

假设5：分析结果表明商家回复负向影响评论的有用性。该结论和假设相反，究其原因可能是对于手机这类商品来说，评论内容已经提供了有关商品或服务的信息，根据经济学中的边际效应递减规律，商家回复可能会给消费者带来认知上的负担。此外，商家回复的内容大多是与产品无关的土味情话，可能会让消费者感到视觉疲劳，产生一种厌倦的心理，从而造成了相反的结果。根据回归结果，研究假设的探究结果在表5中呈现。

为了保证回归结果的稳健性，本研究对变量进一步做了共线性诊断，检验结果见表6。在验证中各解释变量之间的方差膨胀因子均不大于10，这说明各解释变量之间不存在较强的共线性，进一步证明了结果的稳健性。

六、结论

1.研究结论

目前，顾客评论系统在电商平台中应用广泛，更多的用户在做出购买决策前会浏览在线评论，海量的在线评论为用户提供了丰富的信息，但是过量评论信息增加了消费者的认知成本。因此，对于评论有用性的研究就显得十分必要。

本研究聚焦于搜索型商品收集的在线评论，结合信息采纳模型，从中心路径的量化指标出发，探究影响评论有用性的因素。通过京东商城的客观数据进行实证分析得出：星级评分、评论长度、评论回复数、评论时长正向影响在线评论的有用性;商家回复与在线评论有用性之间呈负向关系;而且，评论回复数对评论有用性的影响最为显著。

2.研究意义

本文以信息采纳模型为理论基础，分析了中心路径上的因素对在线评论有用性的影响。研究结论不仅深化了在线评论的相关理论，而且对电商平台的在线评论机制具有重要的参考价值。商家可以利用结论对产品本身做出改进，提供更符合消费者要求的产品，从而达到增加销量的目的。此外，本研究的结论也能够减少消费者的搜索成本和认知成本，消除消费者对产品或服务的不确定性，从而帮助他们做出购买决策。

3.研究局限及未来可研究的方向

本研究也存在一些局限。第一，本研究只针对中心路径上的因素进行了定量分析，缺乏对这些因素进行定性分析，以后可以进行更全面、更深入的研究。第二，本文仅基于搜索型商品中手机的评论数据进行了验证，且局限于京东商城一个平台的评论，商品选择具有单一性和片面性，此外，本文结论能否迁移到京东商城中其他商品和其他电商平台中商品的评论有待进一步验证，未来可以对此方面进行改进。

参考文献：

[1]Mathur K.Sharma A.A Study of Online Shopping Habits of Consumers in India[J].International Journal on Customer R elations，2015.

[2]张艳辉，李宗伟，赵诣成.基于淘宝网评论数据的信息质量对在线评论有用性的影响[J].管理学报，2017（1）.

[3]Dellarocas C， The Digitization of Word-of-Mouth： Promise and Challenges of Online Feedback Mechanisms[J]. 2003，49（10）：1407-1424.

[4]Huang P.，Lurie N. H.， Mitra S. Searching for Experience on the Web：An Empirical Examination of Consumer Behavior for Search and Experience Goods [J].Journal of Marketing，2009，73（2）：55-69.

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

[6]Forman，Chris， Ghose， Anindya， Wiesenfeld， Batia. 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.

[7]吳晔，冯鑫.基于IAM理论的在线评论媒介有效性研究[J].新闻大学，2019，156（04）：35-49+122.

[8]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）：121-130.

[9]Pack C，Lee T.Information direction，website reputation and eWoM effect：A moderating role of product type[J].Journal of Business Research，2009，62（1）：61-67.

[10]Pan Yue，Zhang JQ.Bornunequal：A study of the helpfulness of user-generated product reviews[J].Journal of Retailing，2011，87（4）：598-612.

[11]Deutsch， M.，and Gerard，H. B.“A Study of Normative and Informational Social In？uences upon Individual Judgment.”The Journal of Abnormal and Social Psychology 51.3 （1955）：629.

[12]Sussman， Stephanie Watts， Siegal， Wendy Schneier. Informational Influence in Organizations： An Integrated Approach to Knowledge Adoption[J].Information Systems Research，14（1）：47-65.

[13]王巧玉，钱慧敏.O2O网络平台对消费者购买决策影响研究[J].商业经济研究，2016（20）：53-55.

[14]Cheung， M. K. and Thadani，D. R.，2012，“The Effectiveness of Electronic Word-of-Mouth Communication：A Literature Analysis and Integrative Model”，Decision Support Systems，Vol.51，Article in Press.

[15]祝珊，殷国鹏.消费者在线口碑有用性影响因素研究，山东社会科学，2011，190（6），121-124.

[16]Tversky A K D. Judgment under uncertainty：heuristics and biases[J].1974，185（4157）：1124-1131.

[17]苗蕊，徐健.评分不一致性对在线评论有用性的影响——归因理论的视角[J].中国管理科学，2018.163（5）：181-189.

[18]闵庆飞，覃亮，张克亮.影响在线评论有用性的因素研究[J].管理评论，2017，29（10）：95-107.

[19]Lee E. J.，Shin S. Y. When Do Consumers Buy Online Product Reviews？ Effects of Review Quality，Product Type，and Reviewer's Photo[J].Computers in Human Behavior，2014，31（1）：356-366.

[20]卢云帆，鲁耀斌.社会化商务中顾客在线沟通研究：影响因素和作用规律[J].管理评论，2014，26（4）：111-121.

[21]闫强，孟跃.在线评论的感知有用性影响因素-基于在线影评的实证研究[J].中国管理科学，2013，：126-131.

作者简介：宋苏娟（1994- ），女，汉族，籍贯：河南周口，四川农业大学商学院，研究生在读，研究方向：电子商务与数据挖掘、供应链管理;彭卫（1969- ），男，汉族，籍贯：四川安岳，博士，四川农业大学商学院，副教授，研究方向：电子商务与数据挖掘、供应链管理;王冲（1982- ），男，汉族，籍贯：四川成都，博士，四川农业大学商学院，教授，研究方向：供應链管理