卓四清 馮永洲

(武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院，湖北武漢 430072)

?

在線評論有用性影響因素實(shí)證研究
——基于Tripadvisor.com酒店評論數(shù)據(jù)

卓四清 馮永洲*

(武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院，湖北武漢 430072)

隨著互聯(lián)網(wǎng)的迅速發(fā)展，消費(fèi)者購物決策越來越依賴于在線評論。從信息接受模型對信息有用性影響出發(fā)，構(gòu)建在線評論有用性投票增量的時間窗，建立在線評論有用性影響因素模型，研究在線評論內(nèi)容和評論者對在線評論有用性的影響?；赥ripAdvisor.com的4 258條酒店評論數(shù)據(jù)，運(yùn)用負(fù)二項(xiàng)回歸進(jìn)行實(shí)證分析。研究發(fā)現(xiàn)評論內(nèi)容長度、評論極端性、評論有用性投票數(shù)、評論者認(rèn)可度和個人信息披露對在線評論有用性具有顯著正影響，這對在線零售商和消費(fèi)者具有重要的啟發(fā)和建議。

在線評論；評論有用性；負(fù)二項(xiàng)回歸；大數(shù)據(jù)

隨著互聯(lián)網(wǎng)的迅速發(fā)展，電子商務(wù)憑借其快捷、方便和低成本優(yōu)勢已占據(jù)著重要地位，越來越多的消費(fèi)者通過網(wǎng)上購買商品和服務(wù)?；诨ヂ?lián)網(wǎng)的高效性、共享性、匿名性等特點(diǎn)，消費(fèi)者愿意將產(chǎn)品的特征描述、購物后的使用體驗(yàn)發(fā)表在博客、論壇或第三方評論網(wǎng)站上，與他人分享商品使用心得，即消費(fèi)者在線評論。越來越多的人在網(wǎng)絡(luò)購物時將其他消費(fèi)者發(fā)表的在線評論作為購物決策的重要參考。在線評論作為網(wǎng)絡(luò)口碑的重要形式，逐漸替代了傳統(tǒng)的商品口碑。據(jù)德勤咨詢調(diào)查顯示，閱讀并發(fā)表商品評論的網(wǎng)絡(luò)購物者占總?cè)藬?shù)的63%，71%的用戶樂意選擇購買帶有網(wǎng)上在線評論的商品和服務(wù)。消費(fèi)者越來越依賴于在線評論作出購物決策，對產(chǎn)品和品牌的認(rèn)知態(tài)度受到在線評論的巨大影響，在線評論已成為影響消費(fèi)者進(jìn)行購買決策的關(guān)鍵因素[1-2]。在線評論不僅能夠幫助企業(yè)樹立良好的品牌形象，也是銷售的重要宣傳方式。因此，在大數(shù)據(jù)日趨成熟的時代，對于海量在線評論數(shù)據(jù)的挖掘和運(yùn)用，預(yù)示著新一波生產(chǎn)率的增長和消費(fèi)者盈余浪潮的到來。

根據(jù)消費(fèi)者購買決策理論，購物決策過程包括5個階段：需求認(rèn)知、搜索信息、評估方案、購買決策和購買后評價。為了減少不確定性，增強(qiáng)購買信心，消費(fèi)者會盡可能搜索相關(guān)的產(chǎn)品信息。但對于海量的在線評論，什么樣的評論對消費(fèi)者購物決策具有參考價值？為了解決信息過載的問題，許多電商和第三方評論網(wǎng)站開發(fā)了信息評估系統(tǒng)，消費(fèi)者可以對在線評論進(jìn)行有用性投票。例如，每條在線評論后面，TripAdvisor.com會問“這條評論對您有用嗎？”，亞馬遜還會在評論旁邊提供評論有用性的參考信息(如“30/50人認(rèn)為此評論有用”)。這些有用性投票成為診斷評論信息的指標(biāo)，作為提示用戶過濾信息的信號，以提高用戶決策效率[2-4]。

目前，對在線評論有用性的研究存在諸多缺陷。首先，幾乎所有研究者將有用性投票數(shù)占總投票數(shù)的百分比作為有用性的測度標(biāo)準(zhǔn)。但對于只提供了在線評論有用性投票數(shù)，而沒有提供總投票數(shù)的網(wǎng)站則不能用這種方法來度量，以前的研究沒有為這種情況構(gòu)建理論模型來測度和解釋有用評論的影響因素。其次，百分比會隱藏一些重要的信息，比如，“50/100人認(rèn)為此評論有用”和“500/1000人認(rèn)為此評論有用”應(yīng)該具有不同的解釋。第三，過去的研究大多聚焦于在線評論本身，少有學(xué)者將評論內(nèi)容和評論者結(jié)合起來。鑒于此，本文在前人研究的基礎(chǔ)上建立了在線評論有用性影響因素概念模型，并基于TripAdvisor.com酒店評論數(shù)據(jù)，從評論內(nèi)容和評論者特征兩個信息源維度出發(fā)，進(jìn)行實(shí)證研究在線評論有用性影響因素。

1 國內(nèi)外研究綜述

1.1 國外研究現(xiàn)狀

消費(fèi)者在購物決策中，如果受到在線評論的影響，則會對商品和服務(wù)的原有認(rèn)知發(fā)生改變或者認(rèn)同，該評論對消費(fèi)者就具備了有用性。Mudambi和Schuff借鑒信息經(jīng)濟(jì)學(xué)中搜索型商品和體驗(yàn)型商品范式，建立了在線評論有用性的概念模型，通過對2類6種產(chǎn)品的1 587條評論研究發(fā)現(xiàn)，產(chǎn)品類型、評論深度和評論極端性會對在線評論感知有用性產(chǎn)生影響[2]。Forman的研究表明，評論長度對在線評論有用性具有正向影響，搜索型商品比體驗(yàn)型商品這種影響作用更強(qiáng)[8-9]。Korfiatis發(fā)現(xiàn)，評論極端性與有用性呈正相關(guān)關(guān)系，尤其是對于體驗(yàn)型商品，評論極端性的影響更為明顯[10]。Ghose和Ipeirotis采用文本挖掘方法和回歸統(tǒng)計(jì)技術(shù)，將評論類型作為調(diào)節(jié)變量，并把評論文本的可讀性、極端性和評論發(fā)表時長作為模型的影響因子，運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的方法建立回歸模型，預(yù)測文本的有用性[7]。

Forman和Ghose研究亞馬遜網(wǎng)站上的評論發(fā)現(xiàn)，在線評論的發(fā)布者提供的與自己身份有關(guān)的信息，可作為消費(fèi)者購買決策和評估有用性的補(bǔ)充信息，在線社區(qū)中的消費(fèi)者對包含評論源身份信息的評論有較高的評價，消費(fèi)者非常注重評論信息發(fā)布者的特征[8]。Pan Yue等人發(fā)現(xiàn)評論者的特征對評論有用性也有影響。評論者暴露越多有關(guān)個人的信息，其評論對其他消費(fèi)者購物決策的影響越大[9]。

1.2 國內(nèi)研究現(xiàn)狀

彭嵐等人從傳播說服理論的視角構(gòu)建在線評論有用性影響因素模型，他們從信息本身、信息發(fā)送者、信息接收者和信息反饋4個維度出發(fā)，發(fā)現(xiàn)評論等級、好評率、評論長度和互聯(lián)網(wǎng)使用經(jīng)驗(yàn)對在線評論有用性具有重要影響[11]。郝媛媛在改進(jìn)Ghose等人研究的基礎(chǔ)上，把研究對象鎖定在體驗(yàn)型商品領(lǐng)域，以影評數(shù)據(jù)為對象研究在線評論有用性的影響因素，發(fā)現(xiàn)評論長度和評論發(fā)表時長對評論有用性具有正向影響[6]。祝珊以社會網(wǎng)絡(luò)理論為基礎(chǔ)，利用社交網(wǎng)站上的在線評論數(shù)據(jù)，研究了評論內(nèi)容和評論者對在線口碑的有用性影響，發(fā)現(xiàn)評論極端性、評論長度、評論者受關(guān)注度和歷史評論數(shù)量對在線口碑有用性具有重要影響[12]。

2 理論模型與研究假設(shè)

2.1 理論模型

根據(jù)Sussman和Siegal提出的信息接受理論模型(圖1)，信息內(nèi)容質(zhì)量和信息源可靠性是影響消費(fèi)者對在線評論感知有用性的直接因素[14]。由于在線評論具有匿名性，信息內(nèi)容質(zhì)量和信息源可靠性是減少消費(fèi)者感知風(fēng)險的關(guān)鍵因素。

圖1 信息接受模型

消費(fèi)者作出購物決策前處于信息不對稱的條件下，通過閱讀在線評論以獲取關(guān)于商品和服務(wù)的信息，從而來減少決策風(fēng)險和損失，這構(gòu)成研究在線評論有用性影響因素的邏輯起點(diǎn)[5，13]。通過對前人研究的總結(jié)，本文考慮評論內(nèi)容和評論者特征，構(gòu)建了在線評論有用性影響機(jī)制模型(圖2)。該模型主要考慮了評論內(nèi)容方面的評論長度、評論極端性和有用投票數(shù)的影響，以及評論者的個人信息披露和評論者認(rèn)可度兩個方面。

圖2 在線評論有用性模型

2.2 研究假設(shè)

2.2.1 評論內(nèi)容特征

消費(fèi)者在線評論包含數(shù)字評論和開放式文本評論。開放式文本評論是評論者購買使用商品或服務(wù)后對該產(chǎn)品的語言描述、用戶體驗(yàn)或購買建議。此外，在線評論系統(tǒng)也提供了以星級(1～5星)的形式給產(chǎn)品或服務(wù)評分，將評論分為5個星級。低星級評分(1星)代表對商品或服務(wù)的極端差評，高星級評分(5星)代表對商品或服務(wù)的極端好評，3星為中性評論。張小泉等研究了評論效價和評論長度對在線評論有用性的影響，表明評論效價和評論長度對在線評論有用性具有顯著正影響[9，19]。消費(fèi)者可以通過評論評分來直接判斷商品好壞，以此減少不確定性，增強(qiáng)購買信心[2，16]。星級評分代表了消費(fèi)者對產(chǎn)品或者服務(wù)的總體態(tài)度，在一定程度上反映了在線口碑的評論效價[20]。評論長度能夠增強(qiáng)信息的診斷性，在線評論越長，消費(fèi)者在不需要花費(fèi)額外的時間和物質(zhì)成本情況下，能夠獲得更多的商品信息，在線評論的感知有用性就會更高。Mudambi和Schuff認(rèn)為信息深入性能夠增強(qiáng)消費(fèi)者的信心，從而促進(jìn)消費(fèi)者的購買決策過程[2]。根據(jù)馬太效應(yīng)，當(dāng)一個評論獲得較多的有用性投票時，那么它后續(xù)獲得有用性投票數(shù)的可能性更大。因此作出如下假設(shè)：

H1a：評論長度對在線評論有用性具有顯著的正影響。

H1b：評論極端性與評論有用性正相關(guān)，極端評論比中性評論更有用。

H1c：評論的有用投票數(shù)對評論有用性具有顯著正影響。

2.2.2 評論者特征

根據(jù)信息接受模型，評論者提供的有關(guān)個人信息也會影響消費(fèi)者對產(chǎn)品或服務(wù)的評估[9]。傳統(tǒng)的社交是熟人間面對面的交流，建立在相互信任的基礎(chǔ)之上。在虛擬的網(wǎng)絡(luò)環(huán)境下，消費(fèi)者之間通常都是陌生人，只能根據(jù)評論者發(fā)出的信息和暴露的個人信息來判斷信息真實(shí)性。評論者提供的個人信息越充分，該評論者暴露商品有用信息的可能性就越大，有利于消費(fèi)者作出準(zhǔn)確的購物決策[9]。評論者將個人信息展示出來，可以給消費(fèi)者更多的信息，讓消費(fèi)者從信息源上建立自信。評論者評論數(shù)量也是衡量其評論經(jīng)驗(yàn)的指標(biāo)，參與評論的數(shù)量越多，網(wǎng)購經(jīng)驗(yàn)越豐富，其發(fā)表的評論會更加專業(yè)，從而得到更多的消費(fèi)者認(rèn)可?；谏鐣睦韺W(xué)，F(xiàn)orman研究了評論者個人信息暴露，如真實(shí)姓名和住所對其在同行中的認(rèn)可度的影響，以及個人信息暴露和評論效價對有用性的交互影響[8]。本文對評論者的兩個重要特征做出如下假設(shè)：

H2a：暴露個人信息的評論者發(fā)表的評論有用性更高。

H2b：評論者的評論認(rèn)可度與在線評論有用性顯著正相關(guān)。

3 研究設(shè)計(jì)

3.1 數(shù)據(jù)收集

為驗(yàn)證上述模型和研究假設(shè)，本文以TripAdvisor.com上的酒店在線評論作為研究對象。首先，TripAdvisor.com是全球最大的旅游網(wǎng)站，擁有超過1 000萬的注冊會員以及15 000多萬條評論，可以得到大量的評論數(shù)據(jù)，保證對海量數(shù)據(jù)的需求。其次，作為第三方評論網(wǎng)站，旅行者的真實(shí)評論是其最大特點(diǎn)，從而保證在線評論數(shù)據(jù)的質(zhì)量和真實(shí)性，以便得出科學(xué)研究結(jié)論。

通過LocoySpider從網(wǎng)站上獲取相關(guān)數(shù)據(jù)，為了計(jì)算有用性投票數(shù)的增量，讓設(shè)計(jì)科學(xué)合理、數(shù)據(jù)收集分為兩個階段。第1個階段(2014年9月)，收集了需要的所有相關(guān)指標(biāo)，每條評論數(shù)據(jù)都包含以下變量：(1)星級評分：消費(fèi)者對產(chǎn)品的星級評分(1～5星)；(2)評論長度：評論文本的字?jǐn)?shù)；(3)有用投票數(shù)：該條評論獲得有用性投票數(shù)；(4)每條評論的評論者年齡和性別(如沒有則為0)；(5)每個評論者的總評論數(shù)量和總計(jì)有用性投票數(shù)量；(6)每條評論發(fā)布的時間。第2階段(2014年10月)，收集了第1階段已經(jīng)得到的評論對應(yīng)的有用性投票數(shù)。

3.2 變量設(shè)計(jì)

3.2.1 因變量

TripAdvisor.com對每一條評論后面的問題“這條評論對您有用嗎？”提供了一個選項(xiàng)“Yes”，統(tǒng)計(jì)了在線評論的有用性投票數(shù)量。有用性投票數(shù)在某種程度上反映了在線評論的感知有用性，但是不能直接用來衡量評論的有用性。因?yàn)樵u論發(fā)布的時間會影響有用性投票數(shù)的絕對量，而且有用投票數(shù)是一個長期投票的累積量，不能用來衡量評論在短期的有用性[7]。所以，采用兩個階段的有用投票數(shù)的差值，即有用投票數(shù)在同一段時間內(nèi)的增量作為因變量。

3.2.2 自變量

解釋變量包含評論內(nèi)容特征和評論者特征兩個部分。評論長度表示評論文本的字?jǐn)?shù)。評論極端性用消費(fèi)者星級評分來測度，為檢驗(yàn)H1b中評論極端性的影響，我們設(shè)置了評分和評分的平方項(xiàng)。有用性投票是指我們第一次抓取數(shù)據(jù)時，每條評論得到的有用性投票數(shù)。評論認(rèn)可度是指評論者所有評論得到的有用性投票數(shù)之和占該評論者總評論數(shù)的比，它表示評論者發(fā)表評論被消費(fèi)者認(rèn)可有用性的大小。評論者個人信息披露是指評論者是否將自己的年齡或者性別公開，它是個虛擬變量，評論者披露了個人的年齡或性別的賦值為1，反之賦值為0。通過數(shù)據(jù)清洗，得到了204家酒店4 258條有效評論。

3.2.3 控制變量

在實(shí)際中，評論的發(fā)布時間會對評論有用性投票產(chǎn)生影響，進(jìn)而影響評論的有用性。評論發(fā)布的時間越早，得到的絕對有用投票數(shù)越多，而有用投票數(shù)的增量越少。因此我們將評論的暴露時間作為控制變量。

3.3 分析方法

本文運(yùn)用負(fù)二項(xiàng)回歸對模型進(jìn)行估計(jì)。負(fù)二項(xiàng)分布是統(tǒng)計(jì)學(xué)上的離散概率分布，它表示一個事件在伯努利試驗(yàn)中出現(xiàn)的概率為P，在一系列獨(dú)立的伯努利試驗(yàn)中，事件剛好在第r+k次出現(xiàn)r次的概率為

x=r，r+1，…，其中r為一個固定的整數(shù)。

負(fù)二項(xiàng)回歸適合用來擬合離散的計(jì)數(shù)數(shù)據(jù)，要求數(shù)據(jù)的方差大于條件均值。通過比較負(fù)二項(xiàng)分布和樣本數(shù)據(jù)分布特征，運(yùn)用負(fù)二項(xiàng)回歸比較理想,尤其當(dāng)觀測數(shù)據(jù)中具有較多的0時，用負(fù)二項(xiàng)回歸來擬合模型更加合適。一方面，運(yùn)用負(fù)二項(xiàng)回歸是由數(shù)據(jù)特征決定的，有用性投票數(shù)是消費(fèi)者感知有用性投票的累計(jì)結(jié)果，是一個計(jì)數(shù)數(shù)據(jù)。其次，因變量包含了大量的0值(見表1)，負(fù)二項(xiàng)分布能夠修正0值的影響效果。此外，盡管我們基于大數(shù)據(jù)選擇了一個大樣本，潛在的選擇性偏誤仍然可能存在[2]。因?yàn)門ripAdvisor.com沒有顯示有多少人瀏覽過該評論，它僅提供了得到有用性投票的那部分?jǐn)?shù)據(jù)，運(yùn)用OLS估計(jì)就會存在較大偏誤。具體的回歸模型如下：

Helpfulness(ΔHelpfulVotes)=β1ConsumerRating+β2ConsumerRating2+β3ReviewLength+β4HelpfulVotes+β5InformationDisclosrue+β6PeerRecognition+β7ExposureTime+ε

4 模型估計(jì)和結(jié)果分析

4.1 描述性統(tǒng)計(jì)分析

變量描述性統(tǒng)計(jì)分析結(jié)果顯示(表1)，絕大多數(shù)有用性投票數(shù)增量(因變量)為0，平均增加的有用性投票數(shù)也接近0，但最高也可以達(dá)到6。有用性投票數(shù)均值不到1，而最大值為11，說明很多評論沒有得到有用性投票，有些評論得到了較多有用性投票，表明大多數(shù)消費(fèi)者并不熱衷于對在線評論的有用性投票，只有當(dāng)評論對其特別有價值的情況下才會投有用票。消費(fèi)者評分的均值、第一四分位數(shù)和中位數(shù)都在4附近，表明大部分消費(fèi)者傾向于給高分。平均評論長度為152，最大值可達(dá)到3 425個字?jǐn)?shù)。評論者信息披露的均值為0.68，表明披露個人信息的評論者和沒有披露個人信息的評論者各占68%和32%，更多的人樂意將自己的個人信息公開。評論者發(fā)表評論的認(rèn)可度最小為0，均值為0.67，說明大部分評論者發(fā)表的評論得到消費(fèi)者認(rèn)可的較小，有的評論者根本沒有被消費(fèi)者認(rèn)可，最大值為18.34，表明有的評論者發(fā)表的評論得到大多數(shù)人的認(rèn)可，并給予了很高的評價。

表1 變量描述性統(tǒng)計(jì)分析結(jié)果

變 量最小值均 值最大值因變量00.086消費(fèi)者評分1.004.025.00評論長度261523425有用性投票數(shù)00.6311個人信息披露00.681評論認(rèn)可度0.000.6718.34暴露時間1188274

4.2 回歸分析

回歸分析結(jié)果表明(表2)，模型中的參數(shù)都具有較高的顯著性水平。模型的擬合優(yōu)度R2為0.467，調(diào)整R2為0.482，與同類研究相比，模型的擬合結(jié)果較好，表明模型能夠在很大程度解釋在線評論有用性影響因素。

表2 回歸分析結(jié)果

注：0‘***’0.001‘**’0.01‘*’0.05‘．’0.1 ‘’1

4.3 結(jié)果分析

從表2中發(fā)現(xiàn)，評論長度具有較高的顯著性水平(p=0.0029)，證明評論長度是影響在線評論有用性的重要因素。其參數(shù)為正(β3=0.0007)，說明評論長度對在線評論有用性具有正向影響。消費(fèi)者評分和消費(fèi)者評分的平方項(xiàng)都通過了顯著性檢驗(yàn)，且具有較高的顯著性水平。消費(fèi)者評分的平方項(xiàng)系數(shù)為正(β2=0.234)，說明該影響是一個“U”形關(guān)系，表明極端好評和極端差評比中性評論的影響作用更大，充分證明了原假設(shè)。評論有用性投票數(shù)也通過了顯著性檢驗(yàn)(P=1.19E-05)，其參數(shù)為正(β4=0.172)，表明評論已經(jīng)獲得的有用性投票數(shù)對后續(xù)消費(fèi)者的有用性投票會產(chǎn)生影響，該評論持續(xù)獲得有用性投票數(shù)越多，后續(xù)感知有用性也會相應(yīng)提高。評論者個人信息披露估計(jì)參數(shù)為正(β5=0.002)，說明個人信息披露會對評論有用性產(chǎn)生正向影響。評論者的評論認(rèn)可度具有較高的顯著性水平(P=0.007)，該參數(shù)為正(β6=0.108)，對在線評論有用性具有較大的正影響。

評論暴露時間也具有較高的顯著性水平，其參數(shù)為負(fù)(β7=-0.015)，說明評論暴露的時間對有用性也會產(chǎn)生影響，評論暴露的時間越長，其后續(xù)獲得有用性投票會越少，隨著時間的推移，評論有用性呈現(xiàn)出衰減的狀態(tài)。研究假設(shè)檢驗(yàn)結(jié)果見表3。

表3 假設(shè)檢驗(yàn)結(jié)果

5 總結(jié)與展望

5.1 研究結(jié)論

本研究在大數(shù)據(jù)的背景下展開，通過構(gòu)建多元回歸模型進(jìn)行實(shí)證分析，發(fā)現(xiàn)在線評論內(nèi)容和評論者的特征是在線評論有用性的根本影響因素，最終得到以下結(jié)論：

5.1.1 評論內(nèi)容本身特征影響在線評論有用性

評論長度與評論有用性正相關(guān)，評論長度越長，消費(fèi)者對評論的感知有用性就越高；評論極端性與在線評論有用性顯著正相關(guān)，極端好評或極端差評比中性評論更有用；評論的有用性投票數(shù)對評論有用性具有顯著正影響，消費(fèi)者對評論的感知有用性受到評論已經(jīng)獲得的有用性投票數(shù)影響，消費(fèi)者對有用性投票數(shù)較多的評論認(rèn)可度較高。

5.1.2 評論者的特征是在線評論有用性的重要影響因素

評論者認(rèn)可度與評論有用性正相關(guān)，其發(fā)表的評論被同類消費(fèi)者感知有用性程度越高，該評論者的評論更有用；評論者個人信息披露與評論有用性相關(guān)正相關(guān)，有個人信息披露的消費(fèi)者評論有用性更高。

5.2 啟示和建議

首先，在線零售商應(yīng)該合理設(shè)置在線評論系統(tǒng)，引導(dǎo)消費(fèi)者撰寫有價值的評論[17，21]。在線評論系統(tǒng)可以用來提升消費(fèi)者購物經(jīng)驗(yàn)和增強(qiáng)公司的盈利能力。有用評論將幫助企業(yè)和零售商增加銷售和提升品牌形象。由于評論長度對在線評論有用性具有正面影響，企業(yè)和零售商應(yīng)該完善在線評論系統(tǒng)，讓消費(fèi)者的評論更加詳細(xì)。其次，在線零售商應(yīng)該鼓勵消費(fèi)者對其認(rèn)可的評論進(jìn)行投票，有用性投票數(shù)通常是消費(fèi)者衡量評論有用的直接指標(biāo)，有用性投票數(shù)將會影響消費(fèi)者對評論的感知有用性，也對后續(xù)消費(fèi)者閱讀評論產(chǎn)生影響。第三，在線零售商不必對負(fù)面評論產(chǎn)生恐懼，極端評論，包括極端好評和極端差評，都被消費(fèi)者認(rèn)為具有較高的有用性。負(fù)面評論的存在讓消費(fèi)者會更加相信在線評論的真實(shí)性和客觀性。

對于消費(fèi)者而言，在識別有用評論作為購物決策參考時，不僅要關(guān)注評論內(nèi)容本身，還應(yīng)當(dāng)參考評論發(fā)表者的特征。消費(fèi)者應(yīng)該選擇那些較長的和消費(fèi)者認(rèn)可度較高的評論者發(fā)表的評論作為參考，盡量不要參考那些中性評論，極端評論比中性評論價值更高。其次，評論者的個人信息披露情況也是篩選有用性高的評論的參考標(biāo)準(zhǔn)，個人信息披露越完善的評論者發(fā)表的評論更可信。通過篩選有用的評論，能夠提高購物決策效率，減少搜索成本，增強(qiáng)消費(fèi)信心。

5.3 研究局限和未來展望

在研究過程中，對構(gòu)建模型、理論支撐選擇、數(shù)據(jù)收集和模型估計(jì)都進(jìn)行了嚴(yán)格控制，但是仍然存在一定局限性。首先，解釋變量僅考慮了評論的數(shù)字指標(biāo)，沒有考慮評論文本的影響，有研究表明文本可讀性和主觀性對在線評論有用性具有重要影響[15，18]。因此，未來的研究可以將數(shù)據(jù)挖掘和文本挖掘的方法相結(jié)合。其次，研究結(jié)論基于消費(fèi)者對評論的有用性投票得到，沒有測度那些沒有進(jìn)行有用性投票和認(rèn)為評論不具有有用性的在線評論。

[1]Chevalier J A,Mayzlin D.The effect of word of mouth on sales:Online book reviews[J].Journal of Marketing Research,2006,43(3):345-354.

[2]Mudambi S M,Schuff D.What makes a helpful online review?A study of customer reviews on Amazon.com[J].MIS quarterly，2010,34(1):185-200.

[3]Ghose A,Ipeirotis P G.Estimating the socio-economic impact of product reviews:Mining text and reviewer characteristics[J].NYU Stern Research Working Paper CeDER,2008,18(7):48-56.

[4]Willemsen L M,Neijens P C,Bronner F.“Highly Recommended!”The content characteristics and perceived usefulness of online consumer reviews[J].Journal of Computer-Mediated Communication，2011,17(1):19-38.

[5]劉送英.在線顧客評論有用性研究[D].泉州：華僑大學(xué),2011.

[6]郝媛媛,葉強(qiáng).基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào)，2010,19(8):78-88.

[7]Archak N,Ghose A,Ipeirotis PG.Deriving the pricing power of product features by mining consumer reviews[J].Management Science，2011,57(8):485-509.

[8]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，2008,19(3):291-313.

[9]Pan Y,Zhang J Q.Born Unequal:A Study of the Helpfulness of User-Generated Product Reviews[J].Journal of Retailing，2011,87(4):598-612.

[10]Korfiatis N,García-Bariocanal E,Sánchez-Alonso S.Evaluating content quality and helpfulness of online product reviews:The interplay of review helpfulness vs.review content[J].Electronic Commerce Research and Applications，2012,11(3):205-217.

[11]彭嵐,周啟海,邱江濤.消費(fèi)者在線評論有用性影響因素模型研究[J].計(jì)算機(jī)科學(xué)，2011,32(8):205-207.

[12]殷國鵬,祝珊.網(wǎng)絡(luò)社區(qū)在線評論有用性影響模型研究——基于信息采納與社會網(wǎng)絡(luò)視角[J].圖書情報(bào)工作，2012，(16):140-147.

[13]殷國鵬.消費(fèi)者認(rèn)為怎樣的在線評論更有用?——社會性因素的影響效應(yīng)[J].管理世界，2012，(12):115-124.

[14]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.

[15]Ngo-Ye T L,Sinha A P.Analyzing Online Review Helpfulness Using a Regressional ReliefF-Enhanced Text Mining Method[J].ACM Transactions on Management Information Systems，2012,3(2):1-20.

[16]Poston R S,Speier C.Effective use of knowledge management systems:a process model of content ratings and credibility indicators[J].MIS quarterly，2005，29(2):221-244.

[17]郭林方.影響在線評論有用性的相關(guān)因素研究[D].大連：東北財(cái)經(jīng)大學(xué),2012.

[18]Ghose A,Ipeirotis P G.The EconoMining project at NYU:Studying the economic value of user-generated content on the internet[J].Journal of Revenue & Pricing Management,2008,37(16):241-246.

[19]Walther J B,Liang Y J,Ganster T.Online reviews,helpfulness ratings,and consumer attitudes:An extension of congruity theory to multiple sources in Web2.0[J].Journal of Computer Mediated Communication，2012,18(1):97-112.

[20]Klionsky D J,Abdalla F C,Abraham R T,et al.Guidelines for the use and interpretation of assays for monitoring autophagy[J].Autophagy，2012,8(4):445-544.

[21]Zhu F,Zhang X.Impact of online consumer reviews on sales:The moderating role of product and consumer characteristics[J].Journal of Marketing,2010,74(2):133-148.

(本文責(zé)任編輯：孫國雷)

Empirical Study of Online Consumer Review Helpfulness Determinants——Based On Hotel Review Data of Tripadvisor.com

Zhuo Siqing Feng Yongzhou*

(School of Economics and Management，Wuhan University，Wuhan 430072，China)

With rapid development of the Internet,consumers have increasingly relied on online reviews prior to making purchase decisions.This paper discussed the determinants of helpfulness of online consumer reviews from the perspective of information adoption model.By designing time window of helpful votes and building concept model of review helpfulness,the paper mainly discussed the influence of review content and reviewers’ characteristics on review helpfulness.Based on 4258 hotel review data of Tripadvisor.com,the paper did empirical analysis by using negative binomial regression.The results found that review length,rating extremity,number of helpful votes,peer recognition and information disclosure have significantly positive influence on review helpfulness.The conclusions would give some important implications and suggestions for both online retailers and consumers.

online reviews;review helpfulness;negative binomial regression;big data

2014-12-04

卓四清(1965-)，男，副教授，研究方向：管理科學(xué)與工程和數(shù)據(jù)挖掘。

馮永洲(1989-)，男，碩士研究生，研究方向：管理科學(xué)與工程和數(shù)據(jù)挖掘。

10．3969/j．issn．1008-0821．2015．04．011

F724.6

A

1008-0821(2015)04-0052-05