在线负面评论回应对潜在顾客信任的影响——基于分配公平与人际公平视角

韩 英 陈 婧 李晨溪 黄培颖 彭思雨 康乐乐

(1.河南牧业经济学院，郑州，450046； 2.北京航空航天大学，北京，100191； 3.深圳市赤道出海科技有限公司，深圳，518060； 4.复旦大学，上海，200433； 5.南京大学信息管理学院，南京，210023)

1 引言

随着线上零售业规模不断扩大以及各类社交媒体、社会化电商平台的不断发展，商家对于在线负面评论进行服务补救的重视程度前所未有。线上顾客的评论可以被视作一种特殊的口碑[1]，这种口碑影响着潜在消费者的购买决策[2]。不同于传统口碑的影响，消费者在在线平台上的声音可以被全世界听到。这些平台会尝试根据用户的兴趣和经历等因素有选择性地进行信息分发，有效促进了相关信息的大规模传播[3]。特别是在当前，各大电商平台都在不断强化社交元素在用户消费体验中起到的作用的情况下，线上顾客评论的影响力更加得到凸显[4]。2020年有近三千万的消费者活跃在大众点评上，贡献了超过一亿条内容并获得了大量关注[5]。这些海量评论信息的广泛传播，无疑给需要维护自身口碑的商家带来了更多挑战。已有研究指出，在线负面评论会对消费者的最终购买情况产生负面影响[6]，所以在互联网时代学习如何应对此类在线评论成为商家的重要任务。考虑到线上评论的显著影响，电商平台往往会给使用平台的商家提供官方回应消费者评论的功能，以增强线上评论的可信度，也给予商家与顾客沟通的机会。例如，在京东、携程、大众点评等多个平台上，商家均可以直接在每条评论内容的下方进行回应，并且会有明确的商家回复标注。这种功能有利于商家及时回复不满意的顾客并进行服务补救。

尽管大量文献对于服务补救这一话题进行了广泛的探讨，但对于如何回应在线负面评论这一问题，现有研究还存在一些不足。第一，以往研究主要是从投诉者的视角来检验服务补救措施的价值和后续影响[7-8]，从潜在顾客视角出发的研究很少，偶有研究也是集中在潜在客户的购买意愿上[9]。与传统线下环境不同，互联网时代将许多原本仅被商家和投诉者知晓的服务失败事件与服务补救措施公布于众，并且随着用户生成内容(UGC)进一步传播，使得潜在顾客能够迅速知晓某次服务补救措施中的一些细节。因此，如何回应投诉者并给广大潜在顾客留下好的印象对于企业而言愈发重要。第二，尽管以往文献研究了适用于回应负面评论的各类内容[10]，但在实际应用上，商家常常混合使用多种回应信息，对于各类回应内容的效果仍有待进行更为深入的分析。因此，商家在服务补救阶段，如何构建让顾客满意的回应也值得深入探索。第三，此前大量研究已经证明了线下环境中出现服务失误后，商家的回应会影响顾客对在线商家的看法，但是针对线上环境的相关研究相对较少[9,11]。线下商家对于服务失误的回应可能只需考虑投诉者群体，而在线商家对于负面评论的回应会随着用户的原始评论在潜在顾客群体中传播，因而，应将包含潜在顾客在内的更广泛的受众群体纳入考虑范围。由于潜在顾客并未经历服务失误，在了解在线商家对过往负面评论的回应后，很可能作出与投诉者不同的选择。这也就意味着探索线上环境下商家回复负面评论对潜在顾客的影响这一研究问题，对于企业实践中在线信息管理而言具有显著意义与价值。

综上，现有研究对商家服务补救的研究集中在线下场景，针对线上的负面评论的研究较少，且较少关注其对于潜在顾客群体的影响。因此，本研究基于服务补救和顾客信任理论，从分配公平与人际公平视角出发，以情景实验为主要研究方法，探索商家对在线负面评论的回应对潜在顾客的影响。本研究成果不仅补充了线上服务补救理论的不足，还对现实中的在线商家服务补救中的信息设计具有重要的参考作用。

2 文献综述

已有文献在服务补救、信任、公平理论、商家回应领域进行了丰富的研究，为本文研究结果提供了理论支撑。

2.1 服务补救

现有文献指出，服务补救(service recovery)是影响顾客对商家看法的重要因素。例如，此前已有研究检验了高效和低效的服务补救措施对不满顾客产生的影响[12]，具体包括商家口碑[13-14]、顾客满意度[7,15]以及重构意愿[16-17]等方面。张圣亮等[14]的研究发现，主动补救比被动补救能给消费者带来更高的正面情绪、口碑传播、重购意向和更低的负面情绪。方淑杰等[16]指出，顾客情绪在服务补救和顾客满意度中起着完全中介作用，服务补救通过增加消费者的正面情绪和减少负面情绪来提高消费者满意度。

整体来看，大部分文献都是从投诉者的角度来探讨服务补救对顾客看法的影响[12]，却忽略了潜在顾客的视角[18]。但随着如今商家和投诉者越来越多地使用线上渠道进行沟通交流，商家与顾客间的投诉互动日益透明化和公开化，并逐渐成为潜在顾客获取信息的重要来源。在这种情况下，在线商家如何通过服务补救措施取得潜在顾客的认可与支持，还有待探究。

2.2 信任

基于以往文献中对信任的定义[19]，本文将潜在顾客对在线商家的信任定义为潜在顾客对某一在线商家所形成的“该商家具有对潜在顾客有利的积极属性”的感知。在本文研究的服务补救场景中，虽然潜在顾客与商家没有直接互动，但商家和投诉者的互动会被潜在顾客看到，进而影响潜在顾客对商家的看法和属性感知，因此可能会对潜在顾客的信任产生影响，所以，可以使用信任理念来衡量顾客对商家的认可程度。

现有研究进一步指出，信任主要有五种类型的前因变量，包括知识、制度、计算、认知和人格[20]。其中，前三类前因变量的影响需要基于顾客与特定在线商家之间的实际的交涉经历[21]，而后两类前因变量则与初始信任的形成更加相关[22]。以往研究显示，认知因素对信任的影响主要表现在如何通过第一印象(而非个人互动积累的经验)来建立信任[23]，而人格因素对信任的影响主要表现在个体对他人的信任或不信任倾向(即信任倾向)，即影响信任的形成[21,24]。此处，信任倾向指一种“影响个体表达出信任的可能性”的性格特点[21]。

2.3 公平理论

本研究选择从公平理论的视角解释潜在顾客的信任形成机制。公平理论是指研究公平感的理论，属于激励理论的一种[24]。公平感是用户形成认知信任的关键基础[25]。其核心逻辑是，一个人在受到公平的对待后，会更加相信给予这种对待的个人或组织等实体是诚实正直且具有善意的[26]，因而有更高的可能性去信赖这一实体。例如，Turel等[27]发现，公平地对待顾客能增加其对在线商家的信任。

现有研究指出公平有四个维度，即分配公平、程序公平、信息公平和人际公平[28]。具体而言，分配公平是指对经济结果和社会情绪结果的公平性的评估[29]。程序公平是指就结果而言，人们对于相关决策过程与程序公平的认知[28]。人际公平取决于决策者对人们的礼貌程度、对人们尊严的考虑程度和尊重程度。而信息公平则涉及对过程和结果作出的解释[30]。

2.4 商家回应

在服务补救文献中，回应投诉者并作出解释被视为商家服务失误后，减轻顾客负面看法的关键措施[31]。以往研究表明，顾客都希望在服务失误后得到商家的回应[32]；张德鹏等[33]的研究也发现，当企业对评价进行反馈时,在线评价对顾客信任的影响会更加显著。由于投诉者提供的信息通常并不准确，偶尔还会夸大其词，商家提供的回应信息也变得更为重要[10,34]。虽然现有研究认为商家提供的回应能减轻服务失误带来的负面看法[10]，但商家回应的措辞是否恰当也会带来不同的效果。例如，Skarlicki等[34]发现如果商家回应不够真诚反而会加剧消费者的不满；Bobocel等[35]的研究也证明商家回应并不一定会带来有利的结果。

以往对于回应的相关研究主要着眼于区分不同类型的回应内容并识别其影响[9]。Bies[36]指出解释有四种类型，分别为借口型、正当理由型、指示型和道歉型；Smith等[37]研究了道歉型回应的效果并证明了道歉和顾客满意度之间的正相关关系。类似地，Shaw等[10]对36项已有研究进行综合分析，来对比借口型回应和正当理由型回应的不同效果；Davidow[13]总结先前的服务补救文献发现，道歉和顾客满意度之间的关系是复杂的，有的研究证明两者之间有正向关系，有的又表示毫无关系，应当通过后续研究深入探究影响机制。现实环境中，商家的回应会包含多种类型，不同类型回应的具体影响效果仍需进行深入探讨研究。

3 假设提出

本研究旨在探讨在线商家如何有效地回应负面评论并由此影响潜在顾客的看法。本研究提出，潜在顾客在商家回应负面评论时所感知到的公平程度(包括分配公平维度和潜在公平维度)会影响潜在顾客对在线商家的信任水平，而在线商家对于负面评论的不同回应要素(道歉、解释充分性和回应者信息公开)可能对潜在顾客的感知公平产生不同的影响。

3.1 感知公平与潜在顾客信任

以往研究认为商家对负面评论的回复可以提高顾客信任[36]。而公平的概念可以有效地解释人们面对冲突情况(例如服务失误)时的反应[38]。服务补救领域的相关文献也表明，公平是评估服务补救措施的核心机制，会对投诉后顾客的看法产生影响[39]。因此，本研究认为，公平理论不仅适用于解释投诉者对服务补救的态度，也可以延伸用于探索从投诉者经历中获知一定信息的潜在顾客群体对商家的信任倾向。

此前研究发现公平具有四个维度[28]，但在本研究所探讨的线上服务补救环境中，由于潜在顾客并未与商家直接进行过沟通交流，仅通过网络公开页面上实际顾客与商家之间的互动所能得到的信息存在较大局限，难以有效还原投诉顾客的完整经历，故潜在顾客在本文的研究场景中往往难以感知到全部的四个公平维度。通常情况下，潜在顾客能在网上获得的信息包括对于事件整体的简单介绍、在线商家与投诉者就服务失败的争端结果和商家的线上表现。这些信息能够使潜在顾客形成对分配公平和人际公平的感知，而较高的分配公平[40]和人际公平[41]的感知有助于形成更高程度的信任水平。但就程序公平而言，由于消费者对于程序公平的感知与服务失误中发生的具体细节密切相关，而潜在顾客可能并未经历过投诉者所描述的服务失误情况，他们所读到的负面评论以及商家对该负面评论作出的回应也无法涵盖全部细节，故潜在顾客难以感知到程序公平。类似地，由于潜在顾客缺乏关于处理程序和过程的具体信息和经历，故而仅基于在线评论难以评价信息公平程度。

以往文献指出两类前因变量(认知与人格)影响初始信任的形成[24]。其中，认知因素通过第一印象建立信任[23]，人格因素通过信任倾向影响信任[20,24]。考虑到本研究探讨的是在线商家服务补救行为对潜在顾客信任的影响，故计划重点研究基于认知因素的初始信任的形成，同时控制个体的人格因素对其最终表现的信任程度的影响，所以本研究将对商家的信任作为因变量，将信任倾向作为控制变量。

基于上述考虑，本研究选择分配和人际两个公平维度作为中间机制，来解释线上商家回应负面评论的行动如何影响潜在顾客对在线商家的信任。因此，提出两个假设：

H1：分配公平会影响潜在顾客对在线商家的信任程度。潜在顾客感受到的分配公平越高，对在线商家的信任程度越高。

H2：人际公平会影响潜在顾客对在线商家的信任程度。潜在顾客感受到的人际公平越高，对在线商家的信任程度越高。

3.2 回应中的因素与公平感知

虽然已有部分文献研究了线下环境中服务失败后商家回应对于顾客看法的影响，但线上环境中的相关问题却较少有研究涉及[9,11]。而并未经历服务失误的潜在顾客，在了解在线商家对负面评论的回应后，也可能会受到与投诉者不同的影响。为了探索更多关于线上环境中商家回应的影响效果，补充服务补救领域相关研究，本文将Toulmin[42]的论证模型和Kim等[43]的研究作为理论基础。Toulmin的论证模型中有三个要素(主张、数据和背书)会在日常沟通中持续出现，并对构建消费者的信任产生至关重要的影响[42]。基于此，本研究将三个因素(道歉、解释充分性和回应者信息公开)作为构成商家回应的关键要素。其中，根据Bies[36]的解释分类模型，道歉(是/否)反映了企业的主张；解释充分性(提供证据/不提供证据)则体现了企业是否能在回应中提供充分的数据信息、有效支撑企业要表达的观点；而回应者信息公开(是/否)则体现了企业的回应中是否提供了有背书性质的信息(即回应者具有恰当的身份和职责范围作出回应)，并由此使其所作出的对顾客负面评价的回应具有更强的官方意味或权威性，从而增强消费者接受相关解释的意愿。

3.2.1 道歉

在本研究中，“道歉”指承认失误并表示懊悔[37]。大量的相关文献[44]表明，致歉是整个投诉补救过程的重要组成部分，甚至会被看作是一种心理赔偿[45]。在线上服务补救中，向负面评论道歉意味着在线商家承认服务失误，愿意承担责任并对失误表示悔过。分配公平是指对经济结果和社会情绪结果的评估[29]，而在线商家的道歉会对情绪结果的公平性评估具有正面影响。这与将道歉视为情感补偿，为受到不公对待的人恢复“心理公平”[46]的理念是一致的。同时，潜在顾客会认为道歉的在线商家对失误负责，进而产生在线商家尊重顾客的想法，从而影响到人际公平认知。以往研究也表明，在线下环境中道歉也会增强人际公平[30]，因而线上环境中也可能存在这样的关系。基于上述分析，提出如下假设：

H3：商家在对负面评论的回应中道歉比不道歉更能增强顾客感受到的(a)分配公平和(b)人际公平。

3.2.2 解释充分性

Shaw等[10]的研究将解释充分性定义为所作解释的清楚程度、合理程度和细节程度。以往研究表明，顾客都期望在服务失误后得到商家的解释[33]。提供解释不仅能满足顾客的期望，也能表明服务失败是出于外部原因还是内部原因。解释越充分，消费者就越可能将相关的事件视为商家无可奈何的结果，在感情上就越有可能接受失误。同时，解释越充分越说明在线商家重视服务失误造成的不良影响以及努力处理投诉问题，这能够让潜在顾客觉得投诉者受到了商家的尊重。

由于投诉者提供的信息有时不够精确，有时负面信息会被夸大，所以在回应服务失误时提供充足的信息对在线商家来说十分重要。如果负面评论歪曲了事实，为服务失误提供的充分解释，也让商家能够进行合理地自我辩护。本研究采用只有声明的情况和兼有声明及数据的情况来表示不同水平的解释充分性。与只有声明的解释相比，兼有声明及数据的解释能提供更有力的证据，也更能增强顾客的信任。因此，研究提出如下假设：

H4：商家对负面评论的回应中作出的解释越充分，越能增加顾客感受到的(a)分配公平和(b)人际公平。

3.2.3 回应者信息公开

除了道歉和解释充分性，回应者信息也可能对回应效果有显著影响。不管信息本身的内容如何，信息源的性质往往都会直接影响信息接收者的态度和行为[47]。此前冉雅璇等[48]的研究发现，商家道歉活动中，一人道歉相较于多人道歉更能提高消费者的宽恕意愿。本研究中，信息源的性质表现为回应文本中是否提及回应者信息(即回应者的姓名和职位)。人际公平感知是个体在过程中感受到的礼貌和尊重程度[25]。在商家回应中加入回应者个人信息，能展现出回应者处理投诉的诚意和尊重，让潜在顾客感觉到礼貌和尊重，从而促进人际公平感知。商家身份信息公开也意味着有人会为失误负责，而责任的划分能让潜在顾客产生情绪结果上的公平认知。因此，研究提出如下假设：

H5：商家对负面评论的回应中加入回应者信息更能让消费者感受到人际公平。

综上，本文的研究模型如图1所示。

图1 研究模型

4 研究设计与数据收集

4.1 研究设计

为了检验上述假设，本研究采用情景问卷的研究方法。为了更好地控制被试所接触到的信息，研究团队采用了2×2×2的被试间设计的方法构建了8个在线负面评论的实验情景，即致歉的2个水平(是/否)×解释充分性的2个水平(回应中只有在线商家的声明/回应中提供在线商家的声明与数据)×回应者信息公开的2个水平(回应中提供回应者的姓名和职位/回应中不提供回应者的姓名和职位)。参考以往研究[49]的设计，研究团队将受试者随机分配到其中的一个情景下并提供相关信息，然后使用问卷调查法来收集数据,最后研究团队通过使用结构方程模型对数据进行分析。

在实验情景的设计方面，为了增加实验情景的真实性，本研究从中国规模最大的第三方在线旅行服务平台之一的携程网上，选择了一家中等水平的普通酒店作为实验情景的素材来源。选择酒店服务业作为实验情景主要出于两个原因：第一，受试者是酒店服务的真实消费者；第二，服务失误是酒店服务业的常见现象。我们选择了一家位于成都的平价本地酒店，这家酒店的地理位置距离实验受试者所在地域较远，且不是连锁品牌酒店，尽可能地减少了受试者对这家酒店过去有认知和体验的可能。同时该酒店的星级和评分处于中等水平，从而避免高星级、较高评分(或低星级、较低评分)的酒店对被试者的判断产生引导作用。除了所选酒店的资料主页，我们还创造了一条一分的(满分为五分)顾客评价。这篇评论是按照携程网的原始顾客评论填写的，但根据各种实验操作设计对酒店回复进行了不同的改写。

4.2 变量测量

本研究所采用的调查问卷分为三个部分：第一部分是收集被试的基本特征，采用人口统计学中的常用变量，如年龄、性别等；第二部分是测量被试的信任倾向，使用的测量项来源于Gefen等[20]，并沿用现有文献中的做法使用Likert五分量表；第三部分是测量研究模型所涵盖的理论构念，涉及的构念及其测量项的来源为：分配公平和人际公平的测量项分别来自Blodgett等[50]和Colquitt等[25]；顾客对在线商家的信任的测量项来自于Ba等[49]、Gefen[51]和Pavlou[52]；道歉、解释充分性和回应者信息公开变量的测量是作者在已有文献基础上自建的。这一部分的所有测量项均使用Likert 7分量表进行测量，分值从1分(强烈反对)到7分(强力赞同)。针对文献中的原始外文测量条目，借鉴了Brislin[53]的盲翻译和回翻译法。各构念的具体测量题项见表1。

表1 量表设计

为了确保测量工具的有效性，我们进行了预测试，并对问卷的每个项目进行改进，以确保更贴合研究背景。因为每个变量需要多个项目来进行测量，所以因子载荷量低于0.5或交叉载荷量大于0.4的变量会被剔除[54]。

4.3 样本选择与数据来源

本研究从中国北方地区的一所大学招募了500名大一或大二学生，并将他们随机平均分配至八个实验组阅读实验情境相关信息并回答调查问卷，问卷完成时间大约为10分钟。选择学生样本主要出于两方面原因：一是学生样本已足以模拟实验情境中会产生的与公平感知和信任程度相关的心理活动，二是学生样本可以在很大程度上排除被试者的个人经历和知识背景对于实验效果的干扰。为鼓励受试者认真参与调查取样，完成全部调查的受试者能收到25元人民币的象征性报酬。剔除答题时间过长(超过30分钟)或过短(少于2分钟)及未通过反向计分题检验等无效问卷，共得到有效问卷436份(有效率达到87.2%)。表2展示了详细的受试者人口统计。

表2 样本人口统计

受试者首先要填写关于他们的人口统计信息和信任倾向的调查问卷，随后他们有几分钟的时间来熟悉携程网站，之后他们需要带着评估这家酒店是否适合在下次旅行住宿的任务来阅读网页视图。浏览网页的环节没有时间限制。阅读完这家酒店的评论后，受试者将重新填写另一份问卷，至此调查结束。

5 数据分析与结果

研究综合运用LISREL 8.80软件和SPSS 22.0软件，使用结构方程模型(Structural Equation Modeling, SEM)方法进行分析。该方法可有效用于分析因果模型，其评估能力由两部分组成，即测量模型和结构模型[55]。研究分两步进行数据分析[56]，首先采用验证性因子分析(Confirmative Factor Analysis,CFA)等工具检测测量模型的信效度、拟合度、共同方法偏差对本研究的影响，然后采用结构模型来检验构念之间的关系。

5.1 测量模型的有效性

研究首先对测量数据进行了信度与效度检验。在信度检验方面，参考Hair等[57]的标准，使用Cronbach’s α检验信度水平时，可接受的最小信度值为0.7。研究所使用量表的整体Cronbach’s α系数值为0.866，累计方差的贡献率为78.018%，各构念的Cronbach’s α系数值均超过0.7的标准(见表3)，表明数据具有较好的信度。

表3 信度与收敛效度

在效度检验方面，研究分别检验了收敛效度和区分效度。针对收敛效度，参考Fornell等[58]的建议，研究检验了标准化载荷量、组合信度(C.R.)、平均方差萃取量(AVE)等指标。如表3所示，本研究中所用测量项的标准化载荷量除个别指标外(DIS_J_2=0.68，TR_1=0.64，TR_7=0.66)，其他各值均超过0.7，说明测量指标具有较高的信度[59-60]； 所测量的构念的C.R.值除个别构念外(分配公平的C.R.值为0.76)其余均高于0.8，满足Hair等[57]所建议的C.R.值不低于0.7的标准。前述两个指标均表明量表所测量的各个构念均具有较好的内部一致性。此外，AVE值不能低于0.36、在理想状态下需要大于0.5，而表3所示全部AVE值均高于0.5，表明本研究所选取的研究构念对解释变量的方差具有较好的解释度。

而在区分效度的检验中，如表4所示，本研究中每个概念的AVE值的算术平方根(对角线部分数值)均大于其他构念之间的相关系数(对角线下方数值)。这符合Fornell等[58]的建议，说明本研究所选取的构念之间具有良好的区分效度。为了确保实验数据中不存在多重共线性问题，研究采用VIF方法对因子之间的线性相关关系进行检验，计算结果发现VIF值均小于3.3，说明不存在多重共线性问题。

表4 区别效度

至此，研究数据的信度、收敛效度和区分效度都通过检验。

为进一步评估测量模型，我们对七个构念进行验证性因子分析来判定模型的拟合度。结果表明，绝对适配指数χ2/df=2.92，拟合优度指数(GFI)=0.79，规范拟合指数(NFI)=0.90，比较拟合指数(CFI)=0.93，相对拟合指数(RFI)=0.89，增量拟合指数(IFI)=0.93，以及近似误差均方根(RMSEA)=0.094。模型拟合指标均满足推荐值要求[57]，说明模型整体上具有良好的拟合度。

为了确保共同方法偏差(common method variance)对本研究的结论不会产生显著影响，本研究首先通过程序控制方法(如对答题者进行时间上和空间上的分离、匿名作答、减少答题者对题目的猜度等)弥补这种系统误差，然后通过Harman单因子分析方法检验了共同方法偏差所带来的影响。将所有特征值大于1的测量项在未做任何因子旋转的条件下进行因子分析，其中最大的因子贡献率为28.953%，小于40%的临界标准。进一步，研究使用单一潜变量法检测共同方法偏差，通过在验证性因子分析模型上额外加上一个共同方法偏差潜在变量，并比较未加共同方法偏差潜在变量的模型与加上共同方法偏差潜在变量的模型之间是否存在显著性差异，结果发现差异并不显著。这些分析结果表明共同方法偏差对本研究的影响并不显著。

5.2 结构模型和假设检验

我们利用LISREL 8.80来进行假设检验，结果显示：

(1)分配公平对于潜在消费者对在线商家的信任的标准化路径回归系数为0.33(p<0.005)，因而H1成立，即分配公平感显著正向影响潜在对消费者对在线商家的信任。人际公平对于潜在消费者对在线商家的信任的标准化路径回归系数为0.33(p<0.005)，因而H2成立，即人际公平感显著正向影响潜在消费者对在线商家的信任。这表明不同类型的公平感均对增进潜在消费者对在线商家的信任具有重要作用。

(2)解释充分性对于分配公平的标准化路径回归系数为0.75(p<0.005)，因而H4a成立，即解释充分性对分配公平感具有显著正向影响。同时，解释充分性对于人际公平的标准化路径回归系数为0.35(p<0.005)，因而H4b成立，即解释充分性对人际公平感具有显著正向影响。

(3)致歉对于人际公平的标准化路径回归系数为0.29(p<0.005)，因而H3b成立，即致歉对人际公平感具有显著正向影响。同时，致歉对于分配公平的标准化路径回归系数为0.12(p>0.1)，因而H3a不成立，即致歉对分配公平感的直接影响不显著。

(4)回应者信息公开对于人际公平的标准化路径回归系数为-0.07(p>0.1)，因而H5不成立，即回应者信息公开对人际公平感的直接影响不显著。

综上，本文的最终模型假设检验结果见图2和表5。

注：使用标准化系数，虚线箭头代表该路径的回归系数不显著

表5 假设检验总结

6 结论和讨论

6.1 研究结论

基于公平理论，本研究提出了一个新的概念模型以帮助商家更好地对负面评论作出回应，从而提高潜在顾客对在线商家的信任。总体而言，我们的数据结果能够支持我们的研究框架，并证明了道歉和充分解释在建立潜在顾客的分配公平与人际公平认知和对在线商家信任方面的重要性。

本研究的主要结论如下：第一，致歉和充分解释对人际公平有着显著的正向影响，而人际公平又对潜在顾客的信任有着显著正向影响。这说明，在线商家就服务失误进行致歉并做出充分解释能让潜在顾客感受到人际公平，进而增加潜在顾客对在线商家的信任。第二，回应者信息公开对于人际公平的影响并不显著。这似乎意味着了解商家代表人的身份并不会影响潜在顾客对酒店的观感。这一出乎意料的结果可能是因为在实验网页上公开的回应者信息所占篇幅较小且只出现过一次，因此顾客也许并没有充分感受到它的作用。第三，解释充分性与分配公平呈显著正相关，而分配公平又与信任呈显著正相关。这个结果表明，在线商家就服务失败问题提供充分的解释能让潜在顾客感受到分配公平，从而提升他们对在线商家的信任感。第四，道歉对分配公平并无显著影响。虽然顾客能感觉到商家诚恳的道歉态度，但这种态度并不会影响顾客判断商家是否公平处理纠纷。这可能是因为我们衡量的是潜在顾客的看法，而非有过不愉快经历的投诉者的感受。虽然道歉能被视为一种社会情绪结果，这种结果属于分配公平[29]，但潜在顾客并不能与投诉者充分共情，并且很大程度上未将情绪结果纳入他们的评估范围。潜在客户更加在乎商家如何解释和补救自己的失败。

6.2 理论贡献

本研究主要有三方面的理论贡献：第一，从潜在顾客的角度出发探讨在线商家的服务补救措施所带来的影响，为服务补救文献提供了新的研究视角。既有的服务补救文献主要关注这一过程中在线商家和发起投诉的顾客之间的互动及其影响，却很少涉及到商家的回应对于广大潜在顾客的影响。为了填补这个空缺，本研究提供了一个新的理论框架，从分配公平与人际公平视角研究影响潜在顾客信任的因素，所得到的结果对理解以往研究中不一致的研究结果也有所帮助[13]。

第二，本研究将对服务补救效果的研究从线下情境延伸到线上情境。虽然有大量文献检验了服务失误后在线商家的解释对投诉者看法的影响，但现有研究主要关注的是在线下情境中所产生的影响，而很少关注线上情境下的相关问题[11]。在线下情境中，商家就服务失败所作出的回应可能只会呈现给投诉者；而在线上情境中，在线商家对负面评论的回应要面向包含潜在顾客在内的广大受众群体。这两种情况下的受众反应很可能是不同的。而我们的研究针对这一研究空缺提供了关于线上情境下商家的回应对潜在顾客影响的相关洞见，也进一步丰富了对电商环境下的口碑营销管理行为的相关研究[61]。

第三，本研究将公平理论用于分析在线的潜在顾客对商家的信任。以往研究中，公平理论主要用于分析不同程度的感知公平对于投诉者的行为所带来的影响[62]。但是很少有研究关注线上环境中，不同的公平感知如何能够影响潜在顾客对商家的信任。而本研究填补了这一空白，拓展了公平理论在服务补救文献中的应用范围。

6.3 管理启示

本研究的发现也具有一定的实践意义，有助于指导在线商家改进其对在线负面评论的回应方式，展现更加可靠且负责的形象，从而吸引潜在客户。具体而言，本研究为企业的管理实践提供了如下启示：第一，当发生服务失败并在网络上遭遇公开的负面评价时，在线商家不应仅在私下与提出负面评价的消费者进行沟通，还有必要在平台上对这一负面评价做出公开应对，从而对看到相关信息的潜在顾客进行有效引导。换言之，商家需要以恰当的方式尽量挽回潜在顾客的信心，改善他们对商家的态度。第二，在线商家在公开应对负面评论的行动中应该着眼于加强分配公平和人际公平的体现，从而弥补之前服务失败带来的形象损失，赢得更多潜在顾客的信任。第三，本研究表明在对负面评价的回应中给出充分解释和致歉是潜在顾客公平感知的重要来源，所以商家在回应时如能真诚地道歉并详细说明原因，可以让潜在顾客感觉受到了尊重和情感补偿，从而增强其对商家的信心。第四，相较于赠品等服务补救方式，本文所提出的对负面评价进行公开回应能够以较低的财务与人力成本，有效促进广大潜在顾客的信任感知，具有很强的实用价值。

6.4 研究局限与展望

虽然本研究取得了一定成果，但仍存在局限性：第一，本研究的实验数据基于学生样本获得，尽管这已能够为我们的研究问题提供有效数据，但如能在真实的消费者样本中进一步验证相关结论，可以进一步增强结论的可靠性。第二，本研究在设计实验时只选用了一种产品(即酒店)来进行研究。虽然选择酒店业有利于塑造一个更真实的实验环境，但信息的长度和内容仍可能导致结果出现偏差。在后面的研究中，我们建议后续研究者以真实的消费者群体作为样本，综合采用多种研究方法[63]，针对多种不同的产品或服务深入探究不同情境因素如何影响信任的构建，以更好地了解环境因素对服务补救效果的影响。