摘  要： 社交媒體的廣泛應用使得人們獲取、分享信息更加便捷，在線評論是內容共享型社交媒體的典型代表，能幫助消費者快速制定購買決策。依據信息經濟學理論和信息采納模型，研究影響商品在線評論感知有用性的主要因素，構建了在線商品評論感知有用性預測模型，并以亞馬遜網站上商品的實際評論數據進行了實證分析。結果表明，評論深度、評論者可信度、評論情感傾向和評論及時性與感知有用性為正相關關系，并根據研究結果對電商企業管理提出相關建議。

　　關鍵詞： 在線商品評論；感知有用性；信息采納模型

0 引言

　　隨著Web2.0的廣泛應用，社交媒體迅速發展，并引起了學術界的廣泛關注。社交媒體指的是一系列建立在Web2．0技術和意識形態基礎上的網絡應用，它允許用戶生成內容（UGC）的創造和交流[1]。社交媒體的核心理念在于“消費者即生產者”、“用戶生成內容”，其主要特點是用戶交互和信息資源共享，而在線評論作為內容共享型社交媒體的典型代表，成為當代消費者獲得產品信息的重要來源。據統計，到2013年11月底，中國網民規模達到6.04億。隨著我國網民數量的不斷增長，網絡購物的人群也在持續增加，有研究表明，消費者在購買商品之前會首先參考網友的評論建議[2]。

　　在線評論在消費者制定購買決策過程中起著重要作用，并對電子商務網站商品的銷售具有顯著的影響[3]。然而，目前電子商務網站上關于商品的在線評論數量巨大而且評論信息內容呈多樣性，使得消費者很難快速發現對其有用的評論，并幫助其制定購買決策。因此，研究怎樣的評論信息對消費者有用具有重要的意義。

　　有用的在線評論是指能夠幫助消費者制定購買決策的評論[3]。針對在線評論的有用性問題，學術界已有一些研究，主要是基于文本挖掘和信息質量評價理論的方法[4]，并集中在評論文本內容的特征選取上。Kim等人通過實證分析認為，評論的長度、評論的詞匯特征和對商品的評分是評論有用的主要影響因素[5]。Mudambi和Schuff通過對搜索型和體驗型兩類產品的實證研究，得出極端評論和評論深度顯著影響消費者對商品評論的感知有用性[3]。Ghose和Ipeirotis針對數碼相機和視聽播放器兩類商品，通過LingPipe對在線評論進行情感分析，通過統計模型進一步分析發現，評論的主客觀傾向及正負情感傾向對商品評論有用性有顯著影響[6]。另外，有一些學者也試圖從評論者方面去尋找影響評論有用性的因素。Liu等人認為評論者的經驗、評論的寫作風格和評論的時效等對消費者采納評論意見起到決定性作用，并通過從影評數據集抽取相關屬性建模擬合以上3個因素，進而構建非線性的回歸模型，預測評論的有用性[7]。Christy等以信息處理過程為基礎，研究認為消費者個人身份信息披露是對產品信息的完善和補充，可用來作為評價評論有用性的依據[8]。

　　通過以往研究發現，在線評論有用性問題是當前研究的熱點，但尚不成熟，關于評論有用性的影響還應考慮更多因素。本文依據信息采納模型（Information Adoption Model），從評論內容特征和評論者特征兩方面，探討消費者對評論感知有用性的影響因素，提出假設并構建在線評論感知有用性預測模型。本文旨在幫助消費者更有效地參考在線評論，幫助電商企業更有效地進行管理與營銷以實現增值，具有重要的理論價值和現實意義。

1 理論基礎和模型框架

　　1.1 理論基礎和模型框架

　　Mudambi和Schuff在研究中首次借鑒信息經濟學與決策不確定性理論框架[3]，認為消費者在網上購物時對商品的質量等信息并不完全了解，通常處在信息不對稱的情況下。消費者通過在線信息搜尋來減少購買過程中的不確定性，并且需要衡量在網上進行信息搜尋所花費的成本與其能帶來的效益之間的關系[6]。

　　在信息系統領域，Sussman和Siegal提出了IAM（Information Adoption Model）模型，該模型首次提出“信息有用性”概念，并認為影響信息搜尋者感知信息有用的直接因素是信息內容質量和信息源的可信性[9]。如圖1所示。

　　因此，依據IAM模型，并結合在線評論本身的特征，提出在線商品評論感知有用性預測模型，如圖2所示。信息內容質量維度主要考察評論內容質量，選取了評論情感傾向、評論深度和評論及時性等評論內容特征為代理指標；信息評論者是信息的主要信息源，因此，信息源可信性維度主要考察了評論者特征，選取了評論者可信度為代理指標；此外，由于電子商務網站上有用度取值是一個比值，因此，把有用度投票總數作為控制變量。

　　1.2 研究假設

　　1.2.1 評論內容特征

　　（1）評論情感傾向

　　消費者在線購物完成后，在電商網站上除發布商品評論信息外還可以以星級形式對商品進行評價。星級可以在一星到五星之間進行選擇，反映了消費者對購買商品的情感傾向，一星代表極差負評，五星代表極好正面評價。已有一些研究對評價情感傾向對評論的感知有用性進行了探討，郝媛媛研究發現在線影評中積極的情感傾向（極端評價）與評論的有用性呈正相關關系[4]，Ghose和Ipeirotis的研究認為極端評論對評論有用性有顯著影響[7]，以上研究都表明評論情感傾向是影響評論有用性的重要因素，因此，本文提出假設H1：

　　H1：評論的情感傾向與商品評論感知有用性呈正相關關系。

　?。?）評論深度

　　消費者在進行網絡購物時通常處在信息不對稱的情況下，消費者希望通過信息搜尋能獲得更多關于商品質量的信息，而相對較長的評論能包含更多的信息，有助于消費者抵消信息不確定性。Mudambi和Schuff發現評論內容的長度會影響在線評論的有用性[3]。Schwen發現消費者在制定購買決策時更傾向于接受較長的信息[10]。因此，本文提出假設H2：

　　H2：評論深度與評論感知有用性呈正向相關關系。

　　（3）評論的及時性

　　評論的及時性是指評論發表時間與現在時間的時間間隔，時間間隔越小表示其發表的評論越及時。消費者在進行購物時，會更加關注新近發表的評論，以獲得商品近期的質量信息。因此，本文提出假設H3：

　　H3：評論的及時性對商品評論感知有用性影響顯著。

　　1.2.2 評論者特征

　　評論者是評論信息的主要來源。在傳統口碑研究中，Hovland & Weiss通過實驗設計方法對口碑來源的可信度進行了實證研究，提出了消費者更傾向于相信來源可信度高的口碑，可信度高的口碑更具有說服力。Fogg & Tseng將評論者可信性定義為信息接收者對信息傳送者個人特質特征的判斷和對其可信賴程度的主觀認知[11]。亞馬遜網站對評論者評級資質有考核，并統計了評論者發表的評論中獲得其他消費者投其“有用”的票數，并和評論者發表的總評論數相除，這個比值用來衡量該評論者發表的“有用的評論數”，一定程度上反映了評論者發表評論的專業性和真實可靠性。因此，本文提出假設H4：

　　H4：評論者的可信度與評論感知有用性評價之間呈現正向相關關系。

2 模型與變量設定

　　基于以上理論假設，建立在線評論感知有用性影響因素預測模型：

　　Helpfulness=α+β1Review Length+β2Elapsed Date+        β3 Review Rating+β4Total Vote+β5 Reviewer Helpfulness+ε（1）

　　此模型以評論的情感傾向、評論的深度、評論及時性、評論者可信度作為自變量，對評論有用性進行回歸。評論深度采用的是評論的字長，評論的情感傾向采用網站對評論的評分（星級）作為代理指標，評論者可信度采用網站上對評論者信息中“有用的評論數”作為代理指標，把從評論發表時間到抓取數據時間的累積天數作為考察評論及時性的代理指標。因變量（評論有用性）采用網站上提供的認為該評論有用的投票數與總投票數的比值作為代理指標。因評論有用性的代理指標是一個比值，因此把評論總數作為控制變量。各變量的符號及解釋如表1所示。

3 研究方法

　　本研究使用網絡爬蟲工具，自動從亞馬遜網站上抓取了書、CD和音像制品這3種體驗型商品的評論數據。每條評論抓取的數據包括評論內容、評論的星級、評論發布的時間、評論者信息中的有用的評論數、評論的有用比和評論投票總數。時間跨度為2010年12月10日~2013年8月3日，共收集評論1 063條，剔除個別極端數據，得到有效樣本共547條。

　　總體樣本數據的描述性統計詳見表2，評論字長在109余字，投票數均值在12左右，評論時長均值為702天，評論者可信度均值為0.91，評論的有用度均值為0.97，平均星級為4.21，評論情感傾向趨于積極。

4 實證研究結果與討論

　　本文通過Stata統計軟件，使用Tobit回歸模型分析不同類型商品在線評論有用性模型及研究假設。

　　由表3可知，評論深度、評論星級和評論者可信度對評論感知有用性均有顯著的正向影響作用（p=0.000），評論發布的時間與感知有用性成負相關關系，發布時間越短則表明評論越及時，對評論的感知有用性越有正向影響。因此，假設H1、H2、H3、H4均得以驗證。本文研究假設及驗證結果總結如表4所示。

　　本文抓取的數據都屬于體驗型商品，對于體驗型商品，消費者必須靠親身體驗來衡量產品質量，所以在親身體驗前，消費者會比較關注他人的主觀評論意見，因此會比較關注已體驗過的消費者對商品的情感傾向。

　　通過研究發現，評論的及時性與消費者感知有用性評價之間呈正相關關系，對于體驗型商品，消費者更關注其近期的感知質量，因此兩者之間的相關關系顯著。

　　網站上商品評論信息多種多樣，消費者更愿意相信來源可靠的評論，評論者的可信度一定程度上能夠反映評論者的專業性和可靠性，其發表的商品評論具有較高的參考價值，因此，消費者更愿意接受可信度高的評論者發表的評論內容。

5 研究結論與建議

　　全球社交媒體用戶人數已超過10億，這對消費者的購買方式產生了深刻影響。消費者們利用各種社交媒體工具表達對商品的意見、分享購買經驗，生成了大量關于商品的在線評論，本文的研究結果可以幫助消費者在網上購物過程中更有效地參考在線評論，同時為企業管理和營銷提供幫助。

　　本文依據信息經濟學和信息采納模型，從評論內容特征和評論者特征兩方面考察影響商品在線評論感知有用性的主要因素，構建了在線商品評論感知有用性預測模型，以亞馬遜網站上自動獲取的體驗型商品的評論數據作為研究對象，用實證分析方法對模型進行了分析和驗證。

　　研究表明，評論長度正向影響消費者對評論的感知有用性；評論的星級對評論感知有用性有顯著影響，且對于體驗型產品，消費者更易關注極端評價；評論者的可信度顯著正向影響其發表的評論的感知有用性程度；評論及時性對評論感知有用度影響顯著。

　　從實踐角度來看，本研究成果能夠幫助消費者更有效地參考在線評論信息，幫助企業建立評論有用性預測模型，指導企業對在線評論進行有效管理。從可持續發展的角度來看，電商網站應該盡可能鼓勵消費者發表關于商品的在線評論，并為消費者提供對其制定購買決策有用的商品評論，以提高消費者購買前對商品的認知，提升消費者在線體驗，減少購買前預期與購買后的落差，從而提高顧客的滿意度。首先，在完善評論網站的用戶資信度評價體系上，可根據本研究成果，采取措施鼓勵用戶撰寫內容全面、豐富的商品評論；其次，在商品介紹信息網頁中加入比較全面的商品評論信息，以加深消費者對商品的了解。

　　本文擴充了對在線評論有用性的研究，但存在一些不足：（1）評論樣本量不夠大，且只針對體驗型商品進行了研究，而對搜索型商品沒有研究；（2）對影響因素應做進一步擴充，并與文本挖掘方法相結合來研究評論的有用性。在后續工作中將進行更深入的研究。

參考文獻

　　[1] KAPLAN A M， HAENLEIN M. Users of the world， unite! The challenges and opportunities of Social Media[J]. Business Horizons， 2010，53（1）：59－68.

　　[2] 宋曉兵，叢竹，董大海.網絡口碑對消費者產品態度的影響機理研究[J].管理學報，2011，8（4）：559-566.

　　[3] MUDAMBI S M， SCHUFF D. What makes a help-ful online review？a study of customer reviews on amazon.com[J]. MIS Quarterly， 2010， 1（34）：185-200.

　　[4] 郝媛媛，葉強，李一軍.基于影評數據的在線評論有用性影響因素研究[J].管理科學學報，2010，13（8）：78-96．

　　[5] KIM S M， PANTEL P， CHKLOVSKI T， et al. Automatically assessing review helpfulness [C]. Conference on Empirical Methods in Natural Language Processing， Morristown， 2006： 423-430.

　　[6] STIGLE G J. The economics of information[J]. Journal of Political Economy， 1961， 69（3）：213-225．

　　[7] GHOSE A， IPEIROTIS P G. Designing novel review ranking systems： predicting the usefulness and impact of reviews[C]. Proceedings of the ninth international Conference on Electronic Commerce. Association Computing Machinery（ACM）， 2007： 303-310.

　　[8] CHEUNG C M K， LEE M K O， RABJOHN N． The impact of electronic word-of-mouth the adoption of online opinions in online customer communifies[J]． Internet Research， 2008，18（3）：229-247.

　　[9] SUSSMAN S W， SIEGAL W S. Informational influence in organizations： an integrated approach to knowledge adoption[J].  Information Systems Research， 2003：14（1）：47-65.

　　[10] SCHWENK C. Information， cognitive biases， and commit-ment to a course of action[J]. Academy of Management Review， 1986， 11（2）：298-310.

　　[11] FOGG B J， TSENG S. Credibility and computing technology[J]. Communieations of Assoeiation for Computing Machinery， 1999，42（5）：39-44.