汪 濤, 于 雪

（武漢大學(xué) 經(jīng)濟與管理學(xué)院，湖北 武漢 430072）

一、 引 言

互聯(lián)網(wǎng)的發(fā)展改變了消費者獲取信息的方式，消費者可以隨時分享個人消費體驗，并且越來越依賴其他消費者的在線評論來降低對產(chǎn)品質(zhì)量感知的不確定性，從而做出消費選擇（Labrecque等，2013）。不少文獻研究了在線評論對產(chǎn)品或服務(wù)績效表現(xiàn)的影響，如對酒店銷售的影響（廖俊云和黃敏學(xué)，2016）、對電子游戲銷售的影響（Zhu和Zhang，2010）等。這些文獻通常是對單個產(chǎn)品的研究，即某個產(chǎn)品過去的評價對其未來銷售的影響。但消費者在決策時往往是從眾多相似的產(chǎn)品中選擇某個產(chǎn)品進行消費（Russell和Petersen，2000），所以在決策過程中不會只考慮最終購買產(chǎn)品的信息，而是會對已知的相關(guān)產(chǎn)品信息進行比較，一種產(chǎn)品的信息可能會影響到消費者對其他產(chǎn)品的感知，從而產(chǎn)生溢出效應(yīng)。比如，消費者在選擇餐館時可能同時對幾家餐館進行比較，最后選擇其中一家。一家餐館競爭者正面口碑的增加在提升其自身吸引力的同時，也可能降低該家餐館的相對吸引力。為了更深入地了解在線評論的作用，有必要考慮信息溢出所產(chǎn)生的影響。

信息的溢出效應(yīng)近年來受到不少學(xué)者的重視，尤其是營銷活動所產(chǎn)生的溢出影響（如Anderson和Simester，2013；Kumar和Tan，2015），而關(guān)于口碑尤其是在線口碑溢出效應(yīng)的研究相對缺乏（Chae等，2017）?，F(xiàn)有研究表明，口碑的溢出效應(yīng)是存在的。在對一般性口碑溢出效應(yīng)的研究中，Krishnan等（2012）發(fā)現(xiàn)品牌水平和類別水平的口碑存在溢出效應(yīng)，品牌的口碑提升會正向影響類別的口碑，而類別的口碑又會反過來間接提升品牌的績效。Peres和Van den Bulte（2014）也認為口碑具有外部性，因此在某些條件下放棄專營權(quán)有利于企業(yè)從競爭者的正面口碑中獲益。在對在線評論所形成口碑的溢出效應(yīng)研究中，Kwark等（2016）討論了顧客在零售網(wǎng)站搜索和購買商品時評論產(chǎn)生的溢出影響。受其研究的啟發(fā)，本文根據(jù)可及性—診斷性理論，以餐飲行業(yè)為例，研究在線評論的直接影響及溢出效應(yīng)，并檢驗品牌強度的調(diào)節(jié)作用。盡管在線評論一定程度上弱化了企業(yè)信息的作用，但并非對企業(yè)信息形成完全替代，品牌作為反映產(chǎn)品質(zhì)量的信號，對消費者決策仍然有極為重要的影響。學(xué)術(shù)界在研究在線評論的作用時由于研究對象多為電影、書籍等文化產(chǎn)品，品牌特征不明顯，因而較少考慮品牌的作用。廖俊云和黃敏學(xué)（2016）指出，品牌和在線評論都是消費者判斷產(chǎn)品質(zhì)量的重要線索，品牌強度能夠?qū)υ诰€評論的作用產(chǎn)生影響。因此，我們認為品牌強度也可能對在線評論所形成口碑的溢出效應(yīng)產(chǎn)生影響，并對這種影響進行了探討。同時，也對品牌關(guān)系，即店鋪是否屬于同一品牌的調(diào)節(jié)作用進行了探討和檢驗。

方法上，本研究借助當(dāng)前較為前沿的貝葉斯動態(tài)線性模型，將在線評論的影響作為一個動態(tài)過程。與Hu等（2014）研究廣告投入增加產(chǎn)品或品牌的潛在商譽（goodwill）從而影響績效的邏輯相類似，不同效價的在線評論首先共同作用影響消費者對產(chǎn)品的潛在興趣，在本研究中這個潛在興趣即為所感知產(chǎn)品或品牌的在線口碑，口碑的變化繼而影響產(chǎn)品的績效。某個產(chǎn)品或品牌的口碑同時也受到自身過去的積累和其他相關(guān)者口碑的影響（即口碑的溢出效應(yīng)）。本文通過使用一家基于位置的服務(wù)公司提供的互聯(lián)網(wǎng)數(shù)據(jù)，研究發(fā)現(xiàn)競爭性線下體驗型產(chǎn)品的在線口碑具有負向溢出效應(yīng)，即一個品牌在線口碑的提升會降低其競爭者的績效。品牌強度使競爭性溢出產(chǎn)生不對稱的影響，強品牌的口碑提升會導(dǎo)致弱競爭品牌較大程度的顧客損失，但強品牌本身受其他品牌的影響較小。而同一品牌會產(chǎn)生口碑價值轉(zhuǎn)移，一個產(chǎn)品口碑的提升會提高同品牌其他產(chǎn)品的績效。

理論上，本研究主要有三個方面的貢獻。第一，從可及性—診斷性理論的視角探討了在線口碑的溢出效應(yīng)，有助于更加全面地理解在線評論所產(chǎn)生的影響。盡管之前不少研究探討了在線評論與企業(yè)績效的直接關(guān)系，但忽視相關(guān)產(chǎn)品之間的溢出效應(yīng)可能導(dǎo)致對在線評論所產(chǎn)生影響的理解偏差。第二，發(fā)現(xiàn)品牌在互聯(lián)網(wǎng)環(huán)境中對提升企業(yè)的競爭力和穩(wěn)定其績效依然具有重要意義，為理解傳統(tǒng)企業(yè)特征與新的互聯(lián)網(wǎng)環(huán)境的交互作用提供了新思路。第三，對不同效價的在線評論如何影響企業(yè)口碑及品牌間差異也進行了檢驗和探討，為不同條件下的評論有用性研究提供了新的實證證據(jù)。

二、 理論基礎(chǔ)與研究假設(shè)

互聯(lián)網(wǎng)用戶越來越多地依賴在線評論獲得產(chǎn)品和服務(wù)信息以減少對質(zhì)量的不確定性感知（Lee等，2015）。有不少文獻研究了在線評論對消費者決策的直接影響（King等，2014），但對其如何影響關(guān)聯(lián)產(chǎn)品的口碑，及其影響的動態(tài)延續(xù)性仍知之甚少，而弄清這些問題對于更加全面地衡量在線評論的作用具有重要意義。

當(dāng)消費者關(guān)于某件事物的信息或感知影響到他們對相關(guān)事物的認知時，即產(chǎn)生消費決策中的溢出效應(yīng)（Ahluwalia等，2001）。營銷學(xué)文獻中也有很多對溢出效應(yīng)的研究，這些溢出大多來源于不同類型的營銷努力，如互補產(chǎn)品之間視頻廣告的溢出效應(yīng)（Kumar和Tan，2015）、不同類別產(chǎn)品的促銷溢出（Anderson和Simester，2013）、不同信息媒介之間的傳播信息引起的口碑溢出（Kumar等，2014）等。現(xiàn)有研究對溢出效應(yīng)的解釋主要基于以消費者記憶為基礎(chǔ)的可及性—診斷性理論框架（Feldman和Lynch，1988）?？杉靶允侵竿粋€網(wǎng)絡(luò)內(nèi)的品牌、產(chǎn)品屬性、所屬類別等概念的相互鏈接足夠強時，這些關(guān)系緊密的概念能夠相互激活；診斷性是消費者潛意識里將事情相互鏈接的功能（Roehm和Tybout，2006）。可及性—診斷性理論認為，當(dāng)消費者感知到某個產(chǎn)品的信息可得并具有診斷性時，他們通常也會使用這個信息來直接或間接推斷相關(guān)產(chǎn)品的質(zhì)量，也就是說，如果消費者相信產(chǎn)品或品牌A對B是具有信息性的，他們就會基于已有的對產(chǎn)品或品牌A的質(zhì)量感知來推斷B的質(zhì)量。

（一）競爭產(chǎn)品的溢出效應(yīng)

對于口碑溢出什么情況下可能發(fā)生的預(yù)測需要考慮信息可及性以及信息是否被認為具有診斷性。產(chǎn)品的信息是否會被認為對其他產(chǎn)品具有診斷性，與消費者記憶中的關(guān)聯(lián)強度有關(guān)。依賴可及性—診斷性視角的邏輯，當(dāng)消費者感知兩種產(chǎn)品相似時，信息的可及性和診斷性較高，在線口碑的溢出效應(yīng)即可能發(fā)生。并且，任何提高信息可及性的因素也會提升信息被用于質(zhì)量判斷的可能性（Ahluwalia和Gürhan-Canli，2000）。因此，在競爭品牌情境下，由于產(chǎn)品的相似性，當(dāng)消費者從記憶中獲得某一產(chǎn)品信息時，其對競爭產(chǎn)品的感知和判斷被激活的可能性增加。

產(chǎn)品的關(guān)系通?？梢詮南M者使用的角度進行判斷，Srivastava等（1981）將產(chǎn)品的競爭性定義為產(chǎn)品具有相同或相似的使用模式，即消費者感知這些產(chǎn)品的消費具有相同或相似的目的。同一類別的產(chǎn)品或品牌由于具有功能的相似性而通常具有競爭關(guān)系（Kwark等，2016）。由于相似性，對一個產(chǎn)品的質(zhì)量進行判斷時，對競爭產(chǎn)品的記憶也會被激活，使信息具有可及性。類別理論也指出，相似的產(chǎn)品特征可能為類別提供一個強基礎(chǔ)，并且為同類別產(chǎn)品提供高診斷性（Mervis和Rosch，1981;Sujan，1985）。

同類別內(nèi)一個品牌的支持性評論上升或下降可能使消費者對產(chǎn)品的偏好發(fā)生變化。之前的文獻表明，在一個給定的考慮集內(nèi)，消費者品牌偏好和品牌感知之間高度相關(guān)（Bass和Talarzyk，1972）。當(dāng)品牌在同一個類別內(nèi)競爭時，其中一個品牌在線口碑的變化可能會引起消費者對相關(guān)品牌質(zhì)量的重新診斷，從而使其對這些品牌的相對質(zhì)量感知產(chǎn)生變化。即，由于競爭產(chǎn)品滿足消費者相同或相似的需求，當(dāng)一個品牌的在線口碑上升使其吸引力提高時，如果競爭品牌沒有變化，消費者會得出該品牌相對于競爭品牌具有更高質(zhì)量的診斷結(jié)論，從而使競爭品牌的相對吸引力受到損害（Luo等，2017）。因此我們認為：

H1：一個品牌的在線口碑上升會降低競爭品牌的績效。

（二）品牌強度對溢出效應(yīng)的調(diào)節(jié)作用

在競爭性產(chǎn)品中，品牌通常成為產(chǎn)品的主要差異之一。消費者對產(chǎn)品質(zhì)量的不確定性感知使其消費具有一定的風(fēng)險，而品牌本身提供了關(guān)于產(chǎn)品質(zhì)量的重要信號（Ho-Dac等，2013），使消費者可以依賴品牌信息對產(chǎn)品質(zhì)量做出一定程度的診斷。由于強品牌比弱品牌更容易受到品牌資產(chǎn)損失的影響，強品牌提供了相對可靠的質(zhì)量信號（Erdem和Swait，1998）。因此，知名度較高的品牌本身為消費者提供了更有效的診斷信息，降低了消費者對其產(chǎn)品的不確定性感知，對消費者的質(zhì)量感知和消費決策具有重要影響，在一定程度上降低了評論信息所提供的診斷性。即，當(dāng)競爭品牌的在線口碑提升時，強品牌能夠降低消費者對其質(zhì)量相對較弱的診斷。并且研究表明，強品牌對于危機事件具有相對較高的抵御能力（Cleeren等，2008），更可能較好地抵御來自競爭品牌的負面溢出影響。

相反，對于相對較弱的品牌，品牌聲譽本身提供的質(zhì)量診斷性線索較弱，消費者更可能利用其他可及信息對其質(zhì)量進行判斷。當(dāng)強品牌口碑提升時，消費者對其競爭性弱品牌的相對質(zhì)量感知會降低，從而對弱品牌的績效產(chǎn)生較大的負面影響。因此，品牌強度會引起不對稱的競爭性溢出。

H2：強品牌的口碑提升會引起弱競爭品牌績效較大幅度的下降；相反，弱品牌的口碑提升對較強品牌績效的影響較小。

（三）品牌關(guān)系的影響

根據(jù)可及性—診斷性理論，消費者對屬于同一品牌的產(chǎn)品具有相互關(guān)聯(lián)的質(zhì)量感知，一個產(chǎn)品的信息對同品牌其他產(chǎn)品具有更高的診斷性（Seetharaman等，2005）。消費者將已有的關(guān)于品牌的信息整合到該品牌的其他店鋪，便于自己形成對新店鋪的態(tài)度（Boush和Loken，1991）。品牌的名稱成為可及性線索，能夠幫助消費者獲取記憶中的信息。已有研究表明，品牌分支的廣告能夠?qū)ζ放苾?nèi)的產(chǎn)品產(chǎn)生正面溢出效應(yīng)，即一個產(chǎn)品的廣告投入增加能夠提升同品牌其他產(chǎn)品的績效（Erdem和Sun，2002）。Balachander和Ghose（2003）也發(fā)現(xiàn)，當(dāng)品牌內(nèi)某個產(chǎn)品增加廣告投入時，消費者能夠聯(lián)想到產(chǎn)品與品牌的關(guān)系，從而進一步關(guān)聯(lián)到品牌內(nèi)其他產(chǎn)品，即信息可及并對同品牌產(chǎn)品產(chǎn)生了診斷性。因此我們認為，一個產(chǎn)品在線口碑提升的信息對其同品牌產(chǎn)品具有診斷性，能使同品牌產(chǎn)品獲得收益。

H3：一個產(chǎn)品的在線口碑上升對同品牌產(chǎn)品的績效具有促進作用。

除了以上對在線口碑溢出效應(yīng)和品牌影響的理論探討，本文實證部分對不同效價評論的有用性也進行了檢驗和討論?；ヂ?lián)網(wǎng)和社交媒體的快速發(fā)展使在線評論成為打造品牌的新途徑，探究什么樣的評論更有用也成為營銷研究熱點（汪旭暉和張其林，2017），在本文的研究情境下，即什么樣的評論更能影響品牌口碑。已有的對評論有用性的研究并沒有形成統(tǒng)一的結(jié)論，有的認為正面評論更有影響力（郝媛媛等，2010），也有的發(fā)現(xiàn)中性評論更有影響力（Schindler和Bickart，2012），或者不同效價的評論與結(jié)果呈U形或倒U形關(guān)系（鄧貴川等，2018）。而從可及性—診斷性原理的角度，負面信息比正面信息在進行判斷時有系統(tǒng)性的更強影響（Ahluwalia和Gürhan-Canli，2000）。相對于正面評論，負面評論更容易吸引注意并留存于消費者記憶，使信息具有較高的可及性（Purnawirawan等，2012）。從信息的診斷性來講，較高的負面評論使消費者可以將產(chǎn)品劃歸低質(zhì)量產(chǎn)品，但是對于具有較高正面評論的產(chǎn)品消費者卻很難根據(jù)評論將其劃歸高質(zhì)量產(chǎn)品（Herr等，1991）。另外，也有學(xué)者發(fā)現(xiàn)評論的有用性受其他因素的調(diào)節(jié)，如產(chǎn)品類別（Pan和Zhang，2011）、消費者對產(chǎn)品的熟悉度（Zhu和Zhang，2010）等。那么，不同強度的品牌受不同效價評論的影響是否有差異？本文實證部分對不同效價評論的影響程度也進行了分析，并比較了其在不同強度品牌間的差異。

三、 研究設(shè)計

（一）模型構(gòu)建

首先，我們將消費者的選擇作為其對產(chǎn)品或品牌興趣積累的結(jié)果，在廣告效應(yīng)研究中通常將其稱為聲譽積累（Bass等，2007），在社交媒體評論情境中即為口碑。在線評論使?jié)撛谙M者形成對品牌或產(chǎn)品的興趣，并促使其做出之后的消費決策。以yj，t作為品牌j在第t日的用戶訪問量，可以得到

Cj，t為包含不同類型評論的向量：正面評論數(shù)量為cp，負面評論數(shù)量為cn，中性評論數(shù)量為。X為一系列外生變量。如果最優(yōu)滯后階數(shù)L較大，會產(chǎn)生過多的待估參數(shù)。為避免這個問題，在方法上我們使用貝葉斯動態(tài)線性模型（Hu等，2014）。貝葉斯動態(tài)線性模型（DLM）使用狀態(tài)空間模型結(jié)構(gòu)，傳統(tǒng)的狀態(tài)空間模型依賴于最大似然估計，而DLM采用貝葉斯估計方法（Bass等，2007）。其基本的模型結(jié)構(gòu)由觀察方程（2）和狀態(tài)方程（3）共同組成：

Yt是用戶訪問量，受消費者t期對產(chǎn)品的興趣積累Gt及其他外生變量Xt的影響。而消費者的興趣積累Gt是一個動態(tài)的過程，除了受到當(dāng)期該產(chǎn)品在線評論Ct的影響，也受過去消費者對其印象積累Gt-1的影響，A、B、、Γ分別代表各個變量的系數(shù)向量。Vt和Wt分別為兩個方程的殘差向量。DLM在本研究中能夠反映在線評論對消費者影響的動態(tài)過程，將在線評論的影響分成兩個階段：購買前的信息獲取形成了消費者對產(chǎn)品的潛在意識和興趣；消費者將興趣轉(zhuǎn)化為實際消費。它將過去在線評論的影響通過狀態(tài)方程的迭代過程融入當(dāng)期的影響，不需要設(shè)置滯后區(qū)間，解決了參數(shù)擴張的問題（Sonnier等，2011）。

我們在消費者受在線評論影響形成的興趣積累Gt中加入其他品牌的在線口碑影響，度量口碑的溢出效應(yīng)。將方程（2）和（3）進行擴展：

yj，t是品牌j在第t日的訪問量，Xt βj反映了消費者同期消費意愿的外生影響。由于餐飲消費受時間影響較大，工作日消費量較低，而周末和節(jié)假日消費量較高，因此設(shè)Xt為時間控制變量，包括是否為法定節(jié)假日及周一到周六的7個啞變量。βj為其系數(shù)向量。vj，t為隨機沖擊，假設(shè)vj，t～N（0，Vj）。

gj,t是消費者在t日對j品牌消費印象的積累（即在線口碑），受其本身滯后值、其他品牌的印象積累和該品牌當(dāng)前評論的影響。其中，gj,t-1是消費者對品牌j前一期t-1的印象積累，系數(shù)δjj的值反映品牌j在線評論口碑影響的延滯效應(yīng)；gj′,t是消費者對其他競爭品牌j′在t日的印象積累，系數(shù)δjj′反映品牌j′對j的溢出影響。γj為不同效價評論的系數(shù)向量，度量在線評論對消費者潛在品牌印象的直接影響，使我們得以對不同效價評論的有用性進行比較。隨機沖擊wj, t～N（0,Wj）。

（二）數(shù)據(jù)來源及樣本描述

本文所使用的數(shù)據(jù)來源于一家提供基于位置的服務(wù)的公司，該公司的移動應(yīng)用程序允許用戶通過手機在實際地點簽到，添加評論和圖片。數(shù)據(jù)包括連續(xù)一年的簽到和評論數(shù)據(jù)。每一個簽到記錄包括簽到點所在城市、時間及評論等信息，每個地點信息包含該地點的名稱、所屬類別（如餐飲、娛樂、戶外等）、具體空間位置及在數(shù)據(jù)庫中創(chuàng)建的時間等。本研究以簽到量作為店鋪客流量或受歡迎程度的代理變量。盡管簽到量并不等同于企業(yè)的實際績效，但簽到量反映銷量，簽到量越高，受歡迎程度也越高（Bao等，2014）。Liu等（2014）也指出，用戶的店內(nèi)簽到量與實際客流量高度相關(guān)，并將其作為店鋪績效的代表。

本研究選取餐飲企業(yè)作為研究對象，考慮到線下餐飲消費的競爭關(guān)系通常受一定區(qū)域范圍的限制，跨區(qū)域消費之間影響較弱，我們選取一個地區(qū)（上海）進行抽樣。對數(shù)據(jù)進行清洗，將不具有明確分類（如分類缺失或混合分類）的地點移除之后，數(shù)據(jù)內(nèi)上海地區(qū)屬于餐飲業(yè)的店鋪有11 662家。在使用簽到等互聯(lián)網(wǎng)數(shù)據(jù)進行分析時，由于數(shù)據(jù)通常較為稀疏，常見的做法為選取簽到量較高的樣本（Qu和Zhang，2013）。Martin等（2015）也指出，研究中常限制范圍，如樣本的時間和受歡迎程度等，從而產(chǎn)生有偏樣本，并將研究結(jié)果限制于這些類別。在本研究中，由于訪問量低的店鋪數(shù)據(jù)稀疏，且其品牌效應(yīng)較弱，與研究的相關(guān)性低，因此我們只研究簽到量相對較高的品牌店鋪，從總簽到量排名前3 000的餐飲店中隨機選取500個樣本進行研究。

為獲取評論信息，我們運用結(jié)巴和SnowNLP兩個代碼庫進行文本挖掘。首先使用中文分詞較為專業(yè)的Jieba分詞程序?qū)υu論語句進行分解（https://github.com/fxsjy/jieba），再使用中文情感語義分析處理程序SnowNLP對每條評論的情感效價進行評分（https://github.com/isnowfy/snownlp），將在線評論區(qū)分為正面、負面和中性評論。SnowNLP是常用的中文語義分析包，是基于貝葉斯算法訓(xùn)練出來的模型。它對每條信息從0到1進行評分，評價該信息的正面程度，以0.5（中性評論）為分界線，小于0.5為負面評論，大于0.5為正面評論（Ouyang等，2017），其語義分類準(zhǔn)確率超過80%（Zhang等，2018）。

為研究品牌強度對溢出效應(yīng)的影響，參考廖俊云和黃敏學(xué)（2016）按是否為上榜連鎖企業(yè)區(qū)分品牌強度，將酒店分為知名連鎖品牌和不知名品牌的做法，我們對樣本中屬于同一家連鎖企業(yè)的餐飲店進行統(tǒng)計和合并，得到67家連鎖企業(yè)和117家非連鎖企業(yè)。另外，我們進一步將連鎖企業(yè)細分為樣本中連鎖店數(shù)量大于等于5家的16家企業(yè)（包括星巴克、避風(fēng)塘、海底撈等）和小于5家的51家企業(yè)。將餐飲企業(yè)品牌按其進入樣本的店面數(shù)量分為知名連鎖品牌、中等連鎖品牌和一般品牌，并對每一類品牌的數(shù)據(jù)進行加總，如對知名連鎖品牌16家企業(yè)的所有店面數(shù)據(jù)進行加總，從集合層面進行分析。

為對同品牌店鋪及品牌之間的溢出效應(yīng)進行研究和比較，從企業(yè)層面抽取同一子類別的企業(yè)進行比較。同一子類別的企業(yè)通常為直接競爭者，由于在購買過程中常處于相似的地位而在消費者記憶中有強關(guān)聯(lián)。我們抽取了樣本中海底撈、豆撈坊和三人行骨頭王三個在上海地區(qū)有較多連鎖店的競爭性火鍋品牌，并將地域范圍進一步縮小為上海中心市區(qū)，我們比較了樣本中三人行品牌在中心市區(qū)兩家店面的相互影響。為控制參數(shù)估計數(shù)量，將另外兩家企業(yè)的數(shù)據(jù)分別合并，研究海底撈（五家店的集合數(shù)據(jù)）、豆撈坊（四家店的集合數(shù)據(jù)）和三人行之間的競爭性溢出效應(yīng)，這是從企業(yè)層面對集合層面分析進行的穩(wěn)健性檢驗。

變量的描述性統(tǒng)計如表1所示，表中前三行為每個類別品牌中包含的店面數(shù)量、所有店鋪日均簽到量及不同效價日均評論量的描述性統(tǒng)計數(shù)據(jù)，如知名連鎖品牌中，16家連鎖企業(yè)在所有樣本店面的平均日簽到量為12.99個，高于中等連鎖品牌9.78個及一般品牌8.29個的日簽到量。最后三行為三個火鍋品牌樣本在上海中心市區(qū)店面的描述性統(tǒng)計報告。

表1 描述性統(tǒng)計

四、 實證檢驗及結(jié)果

在模型估計中，我們使用MATLAB編程，采用MCMC方法，并在吉布斯（Gibbs）采樣中使用前向濾波—反向平滑的方法來得到條件后驗參數(shù)（Frühwirth-Schnatter，1995）。模型估計的基本目標(biāo)是在每一階段對每個強度的品牌得到其狀態(tài)和非狀態(tài)參數(shù)的后驗分布，并且模型設(shè)定為線性狀態(tài)空間結(jié)構(gòu)，可以使用標(biāo)準(zhǔn)的卡爾曼濾波和平滑算法（Bruce等，2012），即在每一次迭代中，通過卡爾曼濾波和平滑算法基于上一階段非狀態(tài)參數(shù)（α，β，δ，γ，w，v）對狀態(tài)參數(shù)（gj）進行估計，再通過Gibbs采樣在已知狀態(tài)參數(shù)的條件下更新非狀態(tài)參數(shù)。舍棄前15 000次迭代結(jié)果，保證似然估計值達到收斂平穩(wěn)階段后，再進行5 000次迭代，保留后5 000次迭代得到的估計結(jié)果。

表2 模型估計結(jié)果

首先，我們對品牌強度及溢出效應(yīng)進行檢驗，j從1到3分別為知名連鎖品牌、中等連鎖品牌和一般品牌，模型估計結(jié)果如表2所示。關(guān)于品牌自身口碑影響的延滯效應(yīng)，三類品牌的口碑延滯效應(yīng)都顯著，并且品牌強度越高，延滯效應(yīng)也越高，如知名連鎖品牌前一期的口碑效應(yīng)有約0.236能夠延續(xù)到下一期，而一般品牌僅有0.129。關(guān)于溢出效應(yīng)，三類品牌的溢出效應(yīng)都為負，驗證了假設(shè)1。其中知名品牌對一般品牌的溢出效應(yīng)最高，為-0.395，對中等品牌為-0.152，并且不受其他品牌溢出效應(yīng)的影響。中等品牌對一般品牌的溢出效應(yīng)為-0.161，而受一般品牌的負面影響僅為-0.083。因此，假設(shè)2得到驗證，即強品牌的口碑提升會引起弱競爭品牌績效較大幅度的下降；相反，弱品牌的口碑提升對強品牌績效的影響較小。

另外，比較在線評論對消費者品牌印象的影響，中性評論對三類品牌都有較大的影響，分別為3.112、1.603和2.114，尤其是對一般品牌而言，正面和負面評論的影響都不顯著，只有中性評論對降低消費者不確定性具有有用性，中性評論往往從客觀的角度對產(chǎn)品進行評價，具有較高的診斷性。相對于其他品牌，強品牌受負面評論影響γ1n最大（-5.912），因此強品牌雖然對其他品牌的口碑溢出有較強的抵御力，但其自身的負面評論對其質(zhì)量有更高的感知診斷性，負面評論的增加會導(dǎo)致較為嚴重的口碑下降。因此，在線口碑受不同效價評論的影響可能依賴于品牌強度。信息的診斷性隨著信息成本的變化而變化（Spence，1973）。相對于普通品牌，對強品牌產(chǎn)品發(fā)布負面評論信息具有較高的聲譽成本，如果這些信息是錯誤的，信息發(fā)布者更可能受到批評（Luo等，2017），這使消費者感知到強品牌的負面評論更具有可靠性和診斷性。

其次，對三個火鍋類品牌的相互影響進行檢驗，j從1到4分別為三人行品牌下的兩家店、海底撈五家店的集合和豆撈坊四家店的集合，檢驗結(jié)果如表3中的基本檢驗所示?？诒难訙?yīng)與集合層面檢驗的結(jié)果相似，品牌較強的海底撈的延滯效應(yīng)δ33最高，約為0.205。三人行品牌的兩家店之間的溢出效應(yīng)δ12約為0.068，為正面溢出，δ21不顯著，驗證了假設(shè)3，即一個產(chǎn)品的在線口碑上升對同品牌產(chǎn)品的績效具有提升作用。另外，三人行第一家店受到海底撈和豆撈坊口碑的負面影響，δ31和δ41分別為-0.059和-0.015，同時也對豆撈坊有一定的負面溢出，δ14為-0.088。因此，假設(shè)1關(guān)于在線口碑上升會降低競爭品牌績效的論述進一步從企業(yè)層面得到驗證。

最后，為進一步驗證同品牌溢出結(jié)果的穩(wěn)健性，我們在其他子類別中抽取新的品牌對結(jié)果重新估計。分別抽取了江浙菜類別的外婆家及茶餐廳類別的港麗餐廳在上海市區(qū)的四家店進行檢驗，結(jié)果如表3中的穩(wěn)健性檢驗（1）和（2）所示。在溢出效應(yīng)系數(shù)中可以看出，具有顯著效應(yīng)的都為正面溢出，進一步驗證了在線口碑對同品牌產(chǎn)品績效的提升作用。

表3 模型估計結(jié)果（同品牌溢出）

五、 結(jié)論與討論

社交媒體的發(fā)展方便了消費者的在線溝通和產(chǎn)品的在線傳播，企業(yè)也越來越多地參與到探索在線溝通對產(chǎn)品銷售或企業(yè)績效的影響中。之前有不少文獻研究了在線評論對消費者決策的直接影響（King等，2014），但缺乏對相關(guān)聯(lián)產(chǎn)品在線口碑溢出效應(yīng)及動態(tài)性的研究。從理論上，本文的研究主要有三個方面的貢獻：

第一，本研究從可及性—診斷性理論的視角探討了線下體驗型產(chǎn)品在線評論的溢出效應(yīng)，對在線評論研究做出了一定的貢獻。盡管很多研究分析了在線評論與企業(yè)銷售的關(guān)系，但忽視了其對競爭者的潛在影響，也很少檢驗由評論所形成的口碑所代表的企業(yè)聲譽的動態(tài)影響。通過使用貝葉斯動態(tài)線性模型，我們將在線溝通的影響視為一個動態(tài)過程，過去累積在線口碑的延續(xù)、當(dāng)期的在線評論信息和競爭者口碑產(chǎn)生的診斷性共同影響一個產(chǎn)品當(dāng)前的口碑，繼而影響消費者的消費選擇和店鋪的績效。實證結(jié)果表明競爭性線下體驗型產(chǎn)品的在線口碑具有負向溢出效應(yīng)，一個品牌在線口碑提升會搶奪競爭者的顧客，并且對自身的口碑有動態(tài)強化作用，即口碑提升的價值會延伸到未來階段，持續(xù)增強品牌的競爭優(yōu)勢。

第二，本研究對品牌研究也有一定的貢獻。品牌資產(chǎn)是維護企業(yè)財務(wù)和商譽價值的重要資產(chǎn)，但之前很少有研究探討品牌在線上環(huán)境中的作用。我們通過量化分析發(fā)現(xiàn)，品牌在線上口碑情境中對提升企業(yè)的競爭力和穩(wěn)定企業(yè)的績效依然具有重要意義。本研究評估了不同強度品牌產(chǎn)生的口碑溢出影響的不對稱性：強品牌對其他品牌有較強的負向影響，即強品牌的口碑提升會導(dǎo)致相對較弱的競爭品牌較大程度的顧客損失，但強品牌本身受其他品牌影響較小。品牌關(guān)系影響的研究結(jié)果與Kwark等（2016）一致，由于感知相似性，產(chǎn)品屬于同一品牌會使口碑價值產(chǎn)生轉(zhuǎn)移，產(chǎn)生正向溢出，即口碑提升會正面影響同品牌其他店鋪的績效。

第三，本研究對不同效價的在線評論如何影響企業(yè)口碑及該影響的品牌間差異進行了檢驗，是對評論有用性研究的補充。本研究通過語義分析將評論分為正面、負面和中性，對評論對餐飲企業(yè)績效的影響進行建模。實證分析發(fā)現(xiàn)，中性評論對不同品牌均有顯著影響，即具有較高的診斷性，而強品牌自身的負面評論對其質(zhì)量有更高的診斷性。

本研究也具有一定的實踐意義，能夠在一定程度上幫助企業(yè)更加全面地理解在線口碑對線下體驗型產(chǎn)品的動態(tài)影響和相互關(guān)系及品牌在其中所起的作用，使企業(yè)對自己從參與社交媒體中獲得的收益有一個更加現(xiàn)實的期待。首先，口碑是一把雙刃劍，強品牌雖然能夠抵御競爭品牌的口碑負面溢出，但是受自身的負面口碑影響較大。并且，由于在線口碑具有動態(tài)延滯作用，即不論口碑的上升和下降都具有持續(xù)性，因此品牌應(yīng)加強負面口碑管理，重視提高產(chǎn)品和服務(wù)質(zhì)量。有時負面口碑并非來自產(chǎn)品質(zhì)量不佳，而是來自消費者感知質(zhì)量與期望的落差，因此，要建立相應(yīng)的機制及時應(yīng)對消費者的負面口碑（徐偉青和黃孝俊，2004）。其次，盡管互聯(lián)網(wǎng)在線口碑的發(fā)展使消費者所提供信息的影響日益增強，但企業(yè)自身的品牌仍然在其中起著重要作用，企業(yè)應(yīng)加強品牌建設(shè)，以降低競爭產(chǎn)品口碑上升所帶來的負面沖擊，并且可以利用品牌不同產(chǎn)品之間的正向口碑溢出提升整體績效。

本研究也有一定的局限性。不同于一般產(chǎn)品的互補關(guān)系，如電腦和鼠標(biāo)等，線下體驗型產(chǎn)品的互補關(guān)系較難定義，因此本研究只通過消費目的和功能定義同一類別產(chǎn)品的競爭關(guān)系，考察了餐館類品牌的競爭性溢出效應(yīng)，而沒有對互補性產(chǎn)品的溢出效應(yīng)進行對比研究，這對全面了解在線評論的溢出效應(yīng)構(gòu)成了一定的限制。