在线评论对农产品扩散的影响研究

陈 静，王 磊，张海彬

（浙江农林大学 经济管理学院，浙江 杭州310000）

当前，我国网络零售市场规模不断扩大，网购用户持续增加，网上消费快速增长。截至2020 年3月，我国网民规模9.04 亿人，网购用户7.10 亿，2019年零售市场交易规模10.63 万亿元，网络购物超消费品零售总额的1/4［1］。《2020 中国农产品电商发展报告》显示，2019 年农产品网络零售出现“井喷”，零售额超5000 亿元（仅包括农村电商中的数字，未包括跨境零售数），预计2020 年将达到8000亿元。当前农产品电商新格局已形成，且消费者对网购有一定的依赖性［2］，洪涛认为农产品电商的“春天”已经来临。

在体量庞大、增长迅速、政策利好的发展环境下，农村电商也面临着物流体系建设不完善、专业电子商务人才严重缺乏、农村电商宣传不到位等问题。据前瞻产业研究院整理，未来农村电商发展主要有五大趋势：①乡村振兴带来新机遇，农村和城市资源要素双向流动，农村电商产业将更加“商业化”、“品牌化”和“本土化”；②农村电商模式进一步演化，零售与批发并重；③电商扶贫的实践路径日益多元化；④农村电商进一步推动农业产业结构升级；⑤社交电商与社区电商异军突起，有望成为农村电商的主要模式。

本文对相关研究文献梳理总结后发现，在线评论作为消费者的售后体验反馈和潜在消费者购买行为的重要参考依据，是近年来国内外学者研究的热点［3］。中国在线零售市场数据监测报告显示，77.5%的消费者网购时会参考在线评论［4］，且在营销和促销策略阶段，社交媒体和网络口碑平台占据主导地位。Racherla P、King R［5］调查了148 项研究，从在线评论传播者和探索者的视角概述了新的研究机会，其中对在线评论的内容谈论什么、评论的情感和叙述对消费者有什么样的影响方面还是一个较新的领域，本文将针对这一问题进行深入探索。

1 文献回顾

在线评论的定义：在线评论既是网络口碑的一种，也是一种新的评论形式和一种新的社会现象。蒋帅［6］认为网络口碑是消费者发布的关于产品或服务的正面或负面的评论；郭国庆、陈凯、何飞［7］将在线评论定义为消费者在网络上发布的以文本形式为主的对产品特征和体验感受的正面、负面、中立或者是不相关的评价。学术界很多经典的实证研究都证明了用户在购买产品时大多会参考口碑信息，其购买行为和后续对产品的体验和评价均会直接或间接地受到口碑的影响。

在线评论的分类：袁建［8］将口碑传播分为客观事实型和主管感受型；Turley L W、Kelley S W［9］将产品的广告信息分为情感信息和理性信息，情感信息能唤起消费者的情感，理性信息是对产品功能、性价比、质量等工具性价值的描述；Cheung C M K与Thadani D R［10］根据信息类型将在线评论分为认知型和情感型，认知型是对产品或服务客观特征的描述，包括性价比、质量等，体现了其工具性价值，情感型是对产品或服务情感体验和审美享受的主观评价，反映了消费者对体验价值的表达；胡发刚和张英彦［11］按内容分类，将网络口碑分为分析性口碑、推荐性口碑、描述性口碑和娱乐性口碑4 种。

在线评论有用性：Mudambi、Schuff 评估了导致消费者对在线评论有用性看法的因素，分析了来自Amazon.com的1500 条产品评论，发现中等价位的评论（具有3 个评分）和评论中的文字数量（信息广泛性的代名词）与评论的感知帮助正相关。Bronner 分析了约1 万名荷兰度假者的调查反馈，发现消费者更多地使用网络口碑来评估酒店的服务质量等体验属性，而更多地使用营销人员生成的信息来评估地理位置的便利等搜索质量。感知风险的程度和消费者寻求网络口碑的动机是由考虑的产品类型决定的［5］。Smith等研究发现，同行评审比其他信息来源更值得信任。在享乐主义条件下，消费者更信任拥有更多专业知识和背景相似度的同行评论者，而在功利主义条件下，消费者更喜欢来自在线杂志编辑的评论［5］。然而，在这两种类型的购买决策中，消费者更倾向于同行评审，尽管同行评审的专业知识较少，但被认为更值得信任。

在线评论与产品扩散：郝媛媛、叶强、李一军［12］认为在线评论的数量和正负性对消费者购买决策的影响处在动态当中，时间较长的极性评论对消费者造成的影响更加显著；黄盼盼［13］引入消费者混合情绪概念，认为正向情绪主导的混合情绪对消费者购买意愿产生显著正向影响，而负向情绪主导的混合情绪对消费者在进行购买决策时有显著负向影响。贺王景雪［14］认为当购买实用品时，文字描述对购买意愿的影响明显强于图片评论；成润寒［15］根据理性行为学为基础证明了照片形式的在线评论可以强化产品的属性信念，进一步能够改变消费者的认知和购买决策；闫强、孟跃［16］研究表明，字数较多或情感较为丰富、突出的在线评论正向影响消费者的接收；张燕萍、周朋程［17］从评论的数量、质量和效价方面证明购买意愿受评论质量和评论效价的影响；杨雅秀［18］从在线评论的有用性、数量、在线评分3 个方面进行了研究，结果表明在线评分与创新扩散存在非线性的影响关系，评论有用性和评论数量均对创新扩散产生正向影响。

2 研究设计

2.1 样本数据

为保证数据的有效性，本文选取农产品网购消费群体或潜在消费群体作为研究对象，采用随机抽样法进行数据收集。为保证研究结果的准确合理，研究剔除网购时不看在线评论且不会网购农产品的数据，利用SPSS统计软件对316 份有效数据进行处理。

2.2 研究变量

被解释变量：本文的被解释变量为扩散，将其定义为消费者的选择被其他消费者的选择所影响，即消费者采纳在线评论的过程。利用网购农产品时看了评价会选择直接购买、收藏或加入购物车、成为粉丝或会员、推荐分享给他人4 个方面进行测量，样本数据中被解释变量采取以下赋值进行二元Logit 回归：若看了评价直接进行购买，赋值为1，否则为0；若看了评价进行收藏或加入购物车，赋值为1，否则为0；若看了评价成为粉丝或会员，赋值为1，否则为0；若看了评价推荐分享给他人，赋值为1，否则为0。

解释变量：本文选取2019 年网络零售销量排名前十位的农产品种类（坚果炒货、食用油、肉干肉脯、液态奶、海鲜水产、水果、鲜肉、普洱、大米、蜜饯果干），在天猫商城选取每个类别销量排名前五位的农产品网店，利用爬虫技术提取每个店铺销量第一的产品的评价各50 条，合计2500 条宝贝评价，再对评价进行标签分类，构建出在线评论的指标体系。在参考Turley、Cheung、胡发刚和张英彦等研究的基础上，本文综合在线评论的内容、表达形式、语义和叙述等方面将在线评论分为分析性评论、情感性评论、描述性评论和推荐性评论4 个维度；融入爬虫技术提取出的标签数据，分别对每个解释变量选取相应的指标并构建的研究变量（表1）。

表1 研究变量定义表

3 实证检验

3.1 优序图法

本文利用优序图法对数据进行权重计算。对各项评价指标分别排序，计算出各分析项的评分，得到优序数，各个对比目标的优序数除以优序数总和，获得对比目标的权重值，然后进行综合评价。分析项的评分越大，意味着重要性越高，权重也会越高。优序图权重值计算结果见图1。

图1 优序图权重值计算结果

从图1 可见，对农产品相关参数进行描述的评价和对产品进行性价比分析的评价的权重最大，权重值为9.30%和8.84%，说明对网购消费者而言，分析性评价的重要性最高。一般情况下，分析性评价通过细节数据，对比分析出商品的优劣势，评价比较客观且往往呈现出情感极性（正、负面评价）。有学者研究发现，负面在线评论显著影响消费者的购买意愿［19］，网店经营者应该对负面评论进行危机把控。消费者对添加了图片或视频和宝贝描述得分情况的关注度仅次于产品相关参数和性价比方面的评价，权重值为8.39%和7.94%。在几大电商购物平台中，可以选择性只看添加了图片或视频的评价，因为图片、视频可增加消费者的信任度，提高下单转化率；宝贝描述得分展示的是近6 个月的动态，这种动态评分给商家足够的管理空间，可最大化地提高店铺综合品质。评分过低，一般被认为店铺商品品质存在问题，缺乏竞争力。对消费者来说，评分可直接快速地了解到商家在已购买过商品的消费者心中的满意度；对商家来说，评分客观的区分卖家和物流公司，若评分较低，可做针对性的整改。

从21 个指标权重值来看，推荐性评价中名人推荐、商家推荐、融入互联媒体热点事件的评价、买家推荐、推荐数和粉丝数6 个指标权重值最小，其次是个人购买故事的评价，关于产品包装、产品特色、产品喜恶程度的评价和追加评价，买家问答互动的评价，是否回购的评价，对于同行对比、客服及售后、月销量或评价数，物流、宝贝描述得分、添加图片或视频、性价比评判，对相关参数进行解读8 个方面的评价权重值较高。结合前文对指标的归类和解释变量的定义来看，推荐性评价对于消费者的重要性最低，其次是描述性评价，而分析性评价和情感性评价对于消费者的重要性最高，说明消费者网购时更倾向于关注产品自身的实际价值和已购消费者对产品的满意度，对于产品的附加价值（如包装、物流、客服及售后等）仅做参考，而在产品的营销广告方面更是关注度低。

3.2 相关性检验

本文采用相关分析来判别变量之间的重叠程度，避免回归分析时研究变量出现高度相关的情况。Pearson相关系数矩阵显示，相关系数在0.3—0.7 之间，21 个解释变量之间均显著两两相关，存在信息重叠。因此，在对农产品扩散的影响因素进行分析时先把原变量归纳为几个因子，即采用因子分析对21个解释变量进行降维，以此减少变量个数和变量自相关对Logit回归结果的影响。

3.3 因子分析

KMO和Bartlett 球形度检验：KMO 值为0.951，高于0.9，说明样本数据非常适合进行因子分析。Bartlett检验对应的p 值为0，通过了Bartlett 球形度检验（p ＜0.05），说明样本数据适合进行因子分析。首先，构造因子变量。从各个成分的初始特征值、方差解释率和累积结果来看，因子分析一共提取出4个主成分，旋转后的方差解释率分别为17.386%、16.502%、16.286%和15.437%。4 个主成分可以解释原始变量中65.611%的信息，有较好的代表性。其次，因子载荷矩阵。使用最大方差旋转方法进行旋转，找到因子和研究项的对应关系。SPSS 输出结果显示，所有研究项的共同度值均高于0.4，说明研究项和因子之间有很强的对应关系，因子有效地提取出信息。因子一包含表现出会回购的评价、追加的评价、农产品月销量或评价数量、宝贝描述的得分情况、添加了图片或视频的评价、买家卖家之间进行问答互动的评价，反映了在线评论的情感性维度；因子二包含对相关参数、同行对比、综合性价比、农产品特色和喜恶程度5 个方面进行分析的评价，反映了在线评论的分析性维度；因子三包含店铺粉丝数，推荐数，融入互联媒体热点事件的评价，买家、卖家和业界专家、偶像明星、网红主播等名人推荐的农产品，反映了在线评论的推荐性；因子四包含对包装、物流、客服及售后和对个人购买情况进行描述的评价，反映了在线评论的描述性。

结合专业理论知识进行判断，原始数据的21 个指标整合为4 个因子，本文将因子变量重新命名为情感性评价、分析性评价、推荐性评价和描述性评价。用提取出的因子变量进行回归分析，既减少了变量的数量，又避免了多重共线性问题。

3.4 二元Logit 回归分析

本文以情感性评价、分析性评价、推荐性评价和描述性评价作为自变量，将购买、收藏或加入购物车、成为粉丝或会员和推荐分享他人作为因变量，利用二元Logit回归分析方法来研究在线评论各维度对农产品扩散发生概率的影响程度。二元Logit 回归模型为：

式中，X为各解释变量，即在线评论的分析性、情感性、描述性和推荐性4 个方面；pi为农产品扩散发生的概率；β为各解释变量的系数；ε为残差。Logitpi依赖于解释变量的取值，且对于参数是线性的。二元Logit 回归分析的4 个模型中p 值均小于0.05，说明模型构建有效且有意义。处理后得到的回归结果见表2。

表2 二元Logit回归分析结果

如表2 所示，将推荐性、情感性、描述性、分析性4 项作为自变量，将购买作为因变量进行二元Logit回归分析，情感性的回归系数为0.904，并且呈现出0.05 水平的显著性（z ＝2.473，p ＝0.013 ＜0.05），意味着情感性会对购买产生显著的正向影响关系；优势比（OR值）为2.471，说明情感性增加一个单位，Y的变化为2.471 倍。将收藏或加入购物车作为因变量进行二元Logit回归分析，情感性的回归系数值为0.730，且呈现出0.05 水平的显著性（z ＝2.076，p ＝0.038 ＜0.05），说明情感性会对收藏或加入购物车产生显著的正向影响关系；优势比（OR 值）为2.076，说明情感性增加一个单位，Y 的变化为2.076倍。通常情况下，网购消费者将产品收藏或加入购物车是购买的前提。据调查，购物车下单的比例在25%左右。消费者没有选择直接购买而是收藏或加入购物车主要有几方面的考虑：一是货比三家，先收藏加购，再选择性价比最高的；二是还不满意目前商品的价格，处于观望状态；三是选择的商品可能没达到预期，并不是自己真正想要的；四是受他人意见的影响；五是购物流程体验不佳，主要来自负面评价或卖家服务上面。农产品网店商家要想增加购买率和提高购物车的支付转化率，可以从在线评论的以下几个方面着手进行改进：表现出会回购的评价、追加评价、月销量或评价数、宝贝描述得分、有图/视频的评价、买家问答互动的评价。

将成为粉丝或会员作为因变量进行二元Logit回归分析。推荐性的回归系数值为0.897，在0.01水平下显著（z ＝3.756，p ＝0.000 ＜0.01），说明推荐性对成为粉丝或会员正向影响；OR 值为2.452，说明推荐性增加1 个单位，Y 将变化2.452 倍。将推荐或分享他人作为因变量进行二元Logit 回归分析。推荐性的回归系数值为0.714，在0.01 水平下显著（z ＝3.023，p ＝0.003 ＜0.01），说明推荐性会对推荐或分享他人正向影响。OR 值为2.041，说明推荐性增加1 个单位，Y 将变化2.041 倍。从伍德洛夫的顾客价值层次模型来看，消费者进行推荐是顾客价值的最顶层，也是顾客使用产品和服务非常满意的结果。相关研究发现，65%的消费者信任在线评论，绝大部分潜在消费者是从众心理，且推荐性口碑的影响力与社会地位呈正相关，将推荐性的口碑与社会地位或社会影响力相结合更能引起粉丝效应和推荐效应。

从样本数据的控制变量来看，月收入对购买产生显著的负向影响，说明高收入的消费群体倾向于理性消费，非常有主见，不易受他人影响而冲动消费。通过宝贝评价了解农产品的口碑状况，对购买、成为粉丝或会员和推荐分享他人均有显著的正向影响，充分证明农产品网店商家在经营过程中该重视引导消费者进行宝贝评价的撰写，在提高评价质量的同时增加评价数量。在网购时观看直播对消费者成为粉丝或会员有显著的正向影响关系。直播中最常见的营销手段就是给主播点关注，加入粉丝团，从而促进转化购买。粉丝会员是忠诚度、知名度和美誉度的象征，更是促进成交和回头客的关键。2020年直播产业将突破9000 亿元，作为新兴的电商营销模式不可忽视。

4 结论与启示

主要结论为：①消费者网购时更倾向于关注关于产品自身实际价值和已购消费者对产品满意度的评价，对产品附加价值（如包装、物流、客服及售后等）方面的评价仅做参考，对产品营销广告方面的评价关注度较低。②网购消费者体验产品或服务后的满意度显著正向影响潜在消费者直接购买产品或将产品收藏加入购物车。③出于个人感受进行口碑推荐对于网店商家吸引粉丝会员有显著正向影响，同时对消费者推荐分享他人也有正向的促进作用。

根据结论，本文为农产品网店经营者将在线评论纳入农产品销售和服务的动态决策过程提出以下营销建议：①农产品网店商家可以通过对分析性评价和情感性评价的管理，更多地展示对产品功能属性进行描述的评价和消费者满意度较高的评价，以提高评价的有用性，为潜在消费者提供更优质的参考信息。②网店商家在针对顾客阅读评价后直接购买和收藏加入购物车方面，应该重视在线评论的情感性方面，即商家应管理利用好店铺宝贝描述的得分情况，产品的月销量和评价数量，买家卖家之间进行问答互动的评价、添加了图片或视频的评价、表现出会回购的评价和追加的评价。③商家在针对店铺吸引粉丝（会员）和消费者推荐（分享）给他人方面，应重视在线评论的推荐性方面，即店铺的粉丝数，买家进行推荐的评价，商家进行宣传推广的文案，业界专家、偶像明星、网红主播等名人进行推荐的口碑，宝贝详情页推荐数的数值和植入互联媒体热点事件的产品推荐。