评论者质量和商品类型调节下的在线评论有用性研究

《评论者质量和商品类型调节下的在线评论有用性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

硕士学位论文评论者质量和商品类型调节下的在线评论有用性研究RESEARCHONTHEHELPFULNESSOFONLINEREVIEWWITHTHEMODERATIONOFREVIEWERS’QUALITYANDPRODUCTTYPE武文斌哈尔滨工业大学2013年6月 国内图书分类号：F713.55学校代码：10213国际图书分类号：658密级：公开管理学硕士学位论文评论者质量和商品类型调节下的在线评论有用性研究硕士研究生：武文斌导师：陆强教授申请学位：管理学硕士学科：企业管理所在单位：深圳研究生院答辩日期：2013年6月授予学位单位：哈尔滨工业大学 ClassifiedIndex:F713.55U.D.C:658ThesisfortheMasterDegreeofManagementRESEARCHONTHEHELPFULNESSOFONLINEREVIEWWITHTHEMODERATIONOFREVIEWERS’QUALITYANDPRODUCTTYPECandidate:WuWenbinSupervisor:Prof.LuQiangAcademicDegreeAppliedfor:MasterofManagementSpecialty:BusinessAdministrationAffiliation:ShenzhenGraduateSchoolDateofDefence:June,2013Degree-Conferring-Institution:HarbinInstituteofTechnology 摘要摘要伴随着互联网的迅猛发展，电子商务得到了快速普及，不论是对消费者还是在线商家，在线商品评论的重要性已经越来越凸显，在这样的一个背景下，对在线评论有用性的研究吸引了越来越多的学者与在线商家的关注。就在线商品评论本身来讲，主要包括评论的分数、评论的文本内容、评论的情感倾向性、评论的性质等。不仅限于此，越来越多的研究也将商品类型以及评论源等因素的影响如入了在线评论有用性的影响的研究模型中去，并取得了诸多成果。本文基于对大量文献的研究，就在线商品评论本身属性而言，提取出评论分数、评论深度两个维度，创造性地定义并探讨了评论分数偏离度这一维度。同时加入了评论者属性和商品类型作为调节变量。深入探讨在线评论有用性的主要影响因素以及在不同类型商品和在不同评论源影响下的效用差异。其中评论者属性主要从评论者排名、评论者好评率两方面展开，而对于商品的分类，主要是基于Nelson的权威分类，将商品分为搜寻品与经验品来进行分析的。本文的样本数据均来自于Amazon.com官网，通过Java编程搜集到两种类型、六种特定商品的有效数据共计1617条，并对变量进行规范化的定义与操作，使用Stata10.0统计软件进行变量的相关关系研究、Tobit回归以及列联分析等实证研究。本文研究发现，评论分数、分数偏离度以及评论深度对在线评论有用性均有显著影响。商品类型会调节评论分数、评论深度对评论有用性的影响。具体来讲，评论分数、评论深度对经验品的评论有用性影响更为显著。评论者质量会调节评论分数对评论有用性的影响。对于分数相同的评论，高质量的评论者给出的评论有用性更高。关键词：在线商品评论；评论有用性；评论分数；评论深度；商品类型；评论者排名I AbstractABSTRACTWiththerapiddevelopmentofe-commerce,onlineproductreviews’hasbeenwellrecognizedbyonlineconsumersandretailersandscholars.Researchonreviewhelpfulnesshasbecomeapromisingresearchtopic.Onlineproductreviewsmainlyincludereviewrating,reviewcontent,andsentimentandproperties.Inaddition,moreandmoreresearchworkhasbeenfocusingontheinfluenceofproducttypeandreviewers’quality,andobtainingmanyinterestingresults.Basedonathroughliteraturesreview,twodimensionsofreviewratingandreviewdepthhavebeenextractedintermofonlineproductreviewsattributes,andthedeviationofreviewratingarecreativelydefinedanddiscussedinourstudy.Atthesametimetwodimensionsofproducttypeandreviewers’qualityareintroducedasthemoderators.Then,wehaveexploredtheinfluenceofonlinereviewtoreviewhelpfulnessunderthemoderationofdifferenttypesofgoodsanddifferentreviewerswhohavedifferentquality.Twoattributeshavebeenextractedmainlyfromthereviewers’qualitydimension,suchasreviewers’rankingandtheirhelpfulnessrate.Fortheproducttypedimension,ourresearchismainlybasedontheNelson’sclassification,whichdefinedthesearchgoodsandexperiencegoods.ThesampledataarecollectedfromtheAmazon.comwebsite,includingsixspecificproductsamongtwotypes.Datastandardization,correlationanalysisandregressionanalysisandsignificanttestarecompletedbyusingtheStata10.0statisticalsoftware.Theresultsshowsthatreviewrating,deviationofratingandreviewdepthhaveinfluenceonreviewhelpfulnessrespectively.Producttypemoderatestheinfluenceofreviewrating,reviewdepthonthereviewhelpfulness.Specifically,forexperiencegoods,reviewratinganddepthhavemoresignificantinfluencethansearchgoods.Reviewers’qualityalsohasthemoderationeffect,forinstance,higherqualityreviewersmakemorehelpfulreviews.Keywords:onlineproductreviews,reviewhelpfulness,reviewrating,producttype,reviewers’rankingII 目录目录摘要…………………………………………………………………………………IABSTRACT……………………………………………………………………………II第1章绪论…………………………………………………………………………11.1研究背景…………………………………………………………………………11.2研究目的和意义…………………………………………………………………21.2.1研究目的……………………………………………………………………21.2.2研究意义……………………………………………………………………31.3国内外研究现状…………………………………………………………………41.3.1国外研究现状………………………………………………………………41.3.2国内研究现状………………………………………………………………51.3.3研究现状小结………………………………………………………………61.4研究路线………………………………………………………………………71.5研究创新点……………………………………………………………………8第2章在线评论相关理论与模型构建………………………………………………92.1在线评论有用性研究相关理论基础…………………………………………92.1.1在线商品评论………………………………………………………………92.1.2商品类型…………………………………………………………………102.1.3评论者质量………………………………………………………………112.1.4评论有用性………………………………………………………………132.2研究模型的提出………………………………………………………………132.3假说发展………………………………………………………………………152.3.1评论本身属性……………………………………………………………152.3.2商品类型…………………………………………………………………172.3.3评论者质量………………………………………………………………182.4本章小结………………………………………………………………………20第3章在线商品评论有用性实证分析……………………………………………213.1数据来源与样本搜集…………………………………………………………213.2变量设计与操作化定义………………………………………………………223.2.1自变量……………………………………………………………………223.2.2因变量……………………………………………………………………233.2.3调节变量…………………………………………………………………243.2.4控制变量…………………………………………………………………25III 目录3.3研究数据………………………………………………………………………263.4实证分析………………………………………………………………………283.4.1相关分析…………………………………………………………………283.4.2回归分析…………………………………………………………………313.5本章小结………………………………………………………………………34第4章研究结果讨论与展望………………………………………………………354.1研究结果分析…………………………………………………………………354.2模型预测检验…………………………………………………………………424.3研究贡献………………………………………………………………………444.4研究局限与展望………………………………………………………………454.5本章小结………………………………………………………………………45结论…………………………………………………………………………………46参考文献………………………………………………………………………………47附录1抓取在线评论数据Java程序实现…………………………………………52附录2样本数据示例………………………………………………………………60哈尔滨工业大学学位论文原创性声明和使用权限…………………………………61致谢……………………………………………………………………………………62IV 哈尔滨工业大学管理学硕士学位论文第1章绪论1.1研究背景基于许多互联网站提供的在线评论机制，越来越多的在线消费者在成功网购之后，会针对自己消费的过程以及对产品服务的体验发表见解，形成在线评论，以表达消费商品及享受服务后的切身的体会，于是形成了大量的在线商品评论（OnlineReviews）。[1]对于在线商家而言，来自在线消费者的评价信息成为最重要的营销指向。来自易观国际（eguan.cn）的统计发现，大约70%的美国人表示会在采取购买行动前会看看别人的评论，同时有51%的消费者说，在阅读最少一条其他用户的评论前，他们不会购买大的电子产品，例如电视机或电脑。消费者喜欢通过研究在线评论决定是否购买商品，在线评论的好坏确实会影响到卖家的生意。让我们来看另外一组数据：89%的消费者认为网上关于商品和服务的在线评论值得信赖。80%的消费者会因为商品的负面评论而改变购买决定，2011年的调查显示，如果在线能够搜到关于商品的评论，85%的消费者会更愿意购买商品，消费者评论每增加一颗星，酒店的入住率就会增加5%到9%。可见在线评论对消费者和在线商家越来越具实用性。前人已经做了大量关于在线评论的研究，并取得一定的成果，但是到目前为止，在学术界，对用户在线商品评论如何影响评论有用性进而影响商品销量，以及在线商品评论有用性的影响因素都有哪些并未形成统一的定论；同时，在实践[2]领域，企业该如何管理、控制互联网在线商品评论等问题仍然没有形成统一标准。前人的研究许多是将在线商品评论（OnlineReviews）作为一个整体的概念来探究它对于用户感知用用性的影响，或者对商品销量的影响等等，也有许多学者对在线商品评论作了进一步的分解，将这个概念所包含的不同元素、不同纬度作为研究对象，分别探讨它的研究价值，以及对于实践的启发意义。对在线商品评[3,4][5]论本身而言，可以挖掘的属性不胜枚举，比如评论的分数与评论的数量、评[6][7][8]论深度、正面评论与负面评论、评论的情感倾向性与主客观表达等等。同时，考虑到来自评论源以及受评商品的因素的影响，来自评论源的属性有评论者的质[9][10][11]量和暴露度、排名等。至于商品维度，前人诸多的研究多数是从商品的类型来考察的。本文试图对在线商品评论做不同维度的划分，来探讨在线评论对于评论有用性的影响。与此同时，在本研究中我们试图加入不同纬度的调节变量，包括商品类型（ProductType）以及评论者质量（ReviewerQuality），分别探讨在这两方面的不同特性对于上述关系有何种的影响。-1- 哈尔滨工业大学管理学硕士学位论文1.2研究目的和意义1.2.1研究目的2012年11月11日，国内著名电子商务企业阿里巴巴集团旗下淘宝网(taobao.com)及天猫商城（tmall.com）总销售额191亿，同比增260%，其中天猫商场为132亿，淘宝网为59亿。2010年的数据显示，美国感恩节当天的在线消费额[11]205在占整个零售总额的七个百分点。随着网络购物的日趋旺盛，线上沟通也越来越重要，消费者通过对已消费的商品进行评论来与商家进行沟通，可见在线商品评论便成为与商家线上沟通的主要形式，对其有用性的研究也引起各方的高度重视。TripAdvisor.com的权威数据显示，有超过一半的消费者在在线预订酒店之[11]205前会将酒店的相关评论信息作为其决策的重要参考。消费者在进行网购之后，对其已消费的商品或服务发表评论并评分。随着互联网的发展，在线商品评论已经成为国内外电商网站的重要特征，在线商品评论无疑对于促进或阻止用户购买具有极大的杀伤力，因为这些都是购买了产品的用户的体验观点。来自Reevoo的调研显示，88%的用户在购物决策时经常或总是参考用户的评论意见。60%的人更乐意在有评论的网站购买产品。而iPerceptions的调研也发现，63%的用户更愿意在有用户评论的网站购买产品。在线商品评论即有利于增强了用户对电商网站的感知有用性，同时也提高了该类网站的用户粘性。在线商品评论机制是一种反馈机制，它一方面促进了网站或者卖家与消费者的有效互动，形成网络口碑，更重要的是在线商品评论会极大地影响消费者的购买决策进而影响到网站或卖家的产品销量。在线消费者通常会在制定购买决策时参考其他人对该商品或服务的评价信息。与此同时，网站或者卖家可以通过对在线商品评论的挖掘，发现商机，进行有效的商品管理以及客户关系管理。因此，不论消费者还是商家，在线评论作为一种重要的决策信息都产生着重要的意义。得益于互联网海量的存储能力以及强大的传播机制，在线评论信息可以长期积累，并且信息随时间与用户的增加呈指数级增长，虽然海量信息一方面方便了消费者更全方位的查阅商品或服务的情况，但另一方面海量的信息中无价值的“垃圾”信息也越来越多，同时由于网络具有非实名性、间接接触性以及沟通的成本[12,13]低廉的特点，在线商品评论质量极不容易掌控。评论信息的过载以及评论质量的参差不齐增加了消费者的信息搜索成本，干扰了消费者的购买行为。由此，消费者是否参考相关商品评论信息，以及对相关信息进行鉴别，对消费者的购买决策的影响越来越重要。现实场景中很多网站提供了评论有用性的评价机制供评论阅读者甄别评论的有用性，因此对于基于此类平台的评论有用性的研究则亟待-2- 哈尔滨工业大学管理学硕士学位论文提上日程。1.2.2研究意义在线商品评论是指客户在购物网站或者其他评论网站，对已消费的商品或者[14]服务的看法。消费者是否参考相关商品评论信息，以及对相关信息进行鉴别，对影响消费者的购买决策的影响越来越重要。大量文献对在线商品评论与消费者行为之间的关系进行了研究。包括在线商品评论与消费者感知关系，进而对购买动机间的关系的研究。例如文献[13]中Chatterjee实证研究了在线评论与消费者个体行为之间的关系，结果表明负面在线评论会对消费者对卖家的信任度打折扣，并且会对消费者的购买动机带来负面影响。另一些研究者是把消费者作为一个整体，通过实证研究的方式研究在线商品评论与商品销售额的关系，如Chevalier和Mayzlin基于对Amazon.com和Barnesandnoble.com的书籍的评论的研究发现，书籍评价的提高会增加该书籍的销[15]售额。目前研究者对在线商品评论的研究主要在市场、效用以及传播等三个方面。本研究则致力于对在线商品评论感知有用性的探索。在此领域，前人研究成果颇[16,17]丰，例如Dellarocas发现在线商品评论影响电影票房，而Duanetal（2008）[3]1013-1015的研究则得出相反的结论。这样的例子还很多，这就带给了我们许多困惑，到底在线商品评论对于商品销售量或者消费者感知有用性有无影响，是怎样的一个影响，本文则致力于探究这一问题，企图对前人的“相互矛盾”的研究结果给出一个明确、清晰的解答。在线商品评论极大地增强了在线商家网站的用户黏性(Kumar&Benbasat，[18]2006)。Jiang和Benbasat(2007)表示，在线商家的站点上的评论信息对消费者的购买意愿有重要影响，而且在线商品评论对于辅助购买决策的重要意义已经得到[19]在线消费者的认可。另外，在如今海量信息的时代，消费者面对大量的信息，对信息是否有用的甄别便尤为重要。高质量的在线评论能够使消费者尽快做出正确的购买决策，降低决策成本；从卖方角度来考虑，如果利用好以消费者为导向的评级和评论将大有裨益，它们将在客户决策过程中让用户感觉放心，减轻他们可能拥有的不安全感。同时这些评级与评论还将帮助客户找到最适合他们的需求的产品，并帮助确保用户能有一个更满意的购物体验。同时，卖方可以采取积极的措施有效接收买方的反馈，及时了解用户需求，跟踪用户动态，合理管理用户评论，比如采取积极地价格、广告、产品设计等策略，鼓励和引导消费者发布正[20]面的评论。同时提高用户满意度，这对于卖方获取更大的经济效益是具有指导意义的。-3- 哈尔滨工业大学管理学硕士学位论文1.3国内外研究现状1.3.1国外研究现状对于在线网络评论的研究，国外学者研究成果颇丰。围绕此概念展开不同领域，不同纬度的研究，并得出了丰富的研究结果。基于多数网站在线评论的机制而言，在线商品评论的评论分数和评论的文本内容成为研究在线评论最常使用的特征。绝大多数的评论是有两部分内容组成的，包括评论分数和评论文本内容。评论分数是指评论者在发表评论是对商品或服务的使用体验的一个总体的打分，是一种单纯的数量的考虑；相较于评论分数，评论的文本内容则是评论者对于评论的详细的描述，对于评论文本内容，可以研究的内容很多，比如评论的深度、评论的数量、评论的性质（正面评论、负面评论）等等，如Liu(2006)研究发现，对于电影产品，网络口碑的数量显著影响电影周票[21]房，但是至于网络评论是正面的还是负面的对于票房则影响不大。先前的研究或是研究了商品类型对在线评论有用性的调节作用，例如Susan和David(2010)探究了评论极端程度（ReviewExtremity）、评论深度在商品类型的[6]188-190调节作用下如何影响评论的有用性，研究结果表明：对经验品而言，极端评论分数没有中等评论的有用性高，而且评论深度对于搜寻品的有用性比对于经验品的有用性高；或是考虑了评论阅读者的特征，探究对于不同的阅读者感知有用性的差异，例如Zhu和Zhang（2010）研究了在线评论与游戏销量的关系,并加入了消费者特征作为调节变量，结果则充分表明在线评论对于那些网络体验高的[4]133玩家影响较大；或者探讨不同评论源对于评论有用性的影响，也有学者考虑了[9]208评论发表的时间效应。不少的研究者则研究了在线评论对于商品或者服务的销量的影响。Huetal（2008）研究了在线评论对于商品销量的影响，与众不同之处则是他们考虑了评论者质量、评论者暴露度、时间效应等因素，结果表明高质量、高暴露度的在线[9]201评论者的评论更受欢迎，在线评论的影响随时间减弱。文献[16]中Dellarocasetal（2007）研究了在线商品评论在电影票房预测中的价值，结果表明在线评论对于预测电影的初期的吸引力以及早期的电影拥趸的口碑效应对电影销量的影响有统计学上的显著意。Duanetal（2008）验证了在线用户评论对于电影票房的说服效应、认知效应，并得出评论分数对于票房的说服效应影响很小，评论数量很大程度影响电影票房[3]1007。Silke和Sabrina（2013）研究发现尤其是对与负面评论，高质量的评论来源[22]对于操纵评论信息的可能性要低于低质量评论源对信息的操纵。Douetal（2012）探究了商品评论源对于消费者对商品评论的认知情况，研究发现经常性的互联网-4- 哈尔滨工业大学管理学硕士学位论文用户发表的在线评论能够获得更高的信任感，并且使用互联网的频率在消费者判[23]断在线评论可信度中扮演重要角色。Clemonsetal（2006）对消费者与啤酒厂家[24]的在线评论信息的关系进行研究，证实消费者在线评分与啤酒销量有正向关系。Liuetal（2013）克服了仅仅从消费者角度来定义评论有用性这一缺陷，扩大了产品用户的范围，从产品的其他用户的角度，比如产品设计者以及制造工程师的角[25]度，实证研究了在线评论产品设计者以及制造者的有用性影响。1.3.2国内研究现状相较于国外的实证研究，国内学者则大多从心理或行为学的角度来对在线商品评论有用性进行研究的。李宏等（2011）在态度功能理论、详尽可能性模型以及选择性假设等理论的基础上，对两百余名受试者进行情景实验，探索了在线评[26]论的质量、消费者卷入情况以及性别对消费者的购买决策之间的关系。那日萨、[27]李媛（2011）的研究基于模糊理论讨论了在线评论中的情感挖掘问题。温飞、沙振权（2010）在以信任为中介变量，以性别为调节变量的基础之上探究了感知价值对在线口碑传播的作用，得出信任在感知价值与在线口碑之间起着完全中介作用；性别对于信任与在线口碑传播之间关系的调节作用，而且男性消费者的信[28]任对其在线口碑传播比女性具有更强的影响。陈江涛等（2012）针对在线商品评论质量参差不齐以及缺乏评论管制的状况，通过将文本挖掘技术与实证研究方法相结合，研究了影响Amazon.com中手机评论有用性的变量。发现包含手机基本参数信息与用户体验等内容，以及对卖家的配送以及相关售后服务的在线评论会[29]是有用性评价很高的在线评论。还有一部分学者则与国外有关在线商品评论以及评论有用性的研究思路类似，从评论本身属性出发，综合考虑商品类型或者评论者的因素等，基于相对应的研究对象（包括网站、商品等），构建在线商品评论有用性模型。文献[10]中王平和代宝（2012）以卓越网的用户评论为例开展实证研究，从评论文本属性和评论者属性出发，与商品类型不同的差异相结合，建立在线商品评论有用性影响因素模型，研究发现评论者的名声可信度与经验可行度对评论有用性有正向的影响，而且对经验品更为明显，同时在线评论深度对评论有用性有正向影响，而且主观评论对经验品更有用，客观评论对搜寻品更有用。严建援等（2012）以国内两百多个大型B2C网站为样本，对在线商品评论有用性进行研究。结果表明，研究发现，通常能够为消费者决策作出正确引导并降低消费中的不确定性的评论，往往是深度较大的评论，也就是说，评论中包含的[30]相关商品信息越是全面，消费者会越认为评论的有效性高。孙文俊、薛博召（2011）加入了文本挖掘技术，，同时在情感分析以及利用统-5- 哈尔滨工业大学管理学硕士学位论文[31]计学知识，以图书评论为例，建立了在线评论有用性影响因素模型。祝珊、殷国鹏（2011）则是在Susan和David(2010)的模型基础上，从评论本身与评论者两个维度对消费者在线口碑的有用性进行探究，并以有用性投票总数和评论发表时[32]长作为控制变量，构建在线口碑有用性影响因素研究模型。张梦和张广宇（2011）基于携程网1092家酒店网上预订数据研究表明消费者对酒店的评价的关注主要集[33]中于酒店的设施、服务以及周围环境等，而对客房卫生条件的评价关注较少。殷国鹏等（2012）以豆瓣网的数据进行理论模型的实证分析，在评论本身与评论者属性的基础上，结合社会网络视角构建在线评论有用性影响模型及研究假设，研究发现评论长度与在线评论有用性为正相关关系，评论星级极端性与在线评论有用性则为负相关关系，评论者中心度与在线评论有用性之间为倒U型关系[34]。文献[11]中彭岚等则在传播说服理论的基础上，充分考虑在线评论分数、长度、评论好评率以及消费者对互联网的使用经验等因素，同时考虑商品类型的调节作用，建立起了在线商品评论的有用性影响因素模型。国内有关在线商品评论的研究主要有：（1）对在线商品评论现状进行综述研[35][36][37]究；（2）在线商品评论文本挖掘技术；（3）在线商品评论的传播机制；（4）[38]探索在线商品评论与评论有用性或者商品销量的关系。1.3.3研究现状小结近十年，对在线评论的研究集中在影响、市场和传播3大领域。国外的研究主要集中在市场、影响领域，而国内的研究则多集中于影响、传播方面。前人的研究或是讨论了商品特征对于在线评论有用性的调节作用，或是评论者特征以及商品特征对在线评论感知不确定性进而对产品销量的调节，或者研究产品和消费者特征如何调节在线评论与产品销量的关系。对于在线评论内涵的深入探究，以及对于调节变量的选取，不同的研究者侧重不同，往往得出相差很多的结论。另外，对于在线商品评论如何影响消费者感知有用性或者产品销量，前人的研究得出的结论却也并非一致。综合国内外的研究，尽管成果丰硕，但仍然存在一些缺陷值得进一步探索，比如在线评论有用性预测模型的预测能力仍有待提高。另外对一些重要的调节因素的研究不够，比如对于在线评论的评论源的考察，以及对不同商品类型（搜寻品、经验品）的评论有用性研究的结论不一致的情况。1.4研究路线本文将会以在线商品评论的有用性为研究主线，将在线商品评论做了不同纬度的划分，提取出三个衡量指标，分别为评论分数、评论分数偏离度以及评论深-6- 哈尔滨工业大学管理学硕士学位论文度。同时加入了产品类型（包括搜寻品、经验品）与评论者质量（包括评论者排名、评论者所获好评率）作为调节变量来探究二者对于评论有用性的影响。基于我们的研究需要，我们编写了Java程序，在线实时抓取了两种类型、六种特定商品的千余条商品评论，在此基础上，我们利用统计分析软件Stata10.0进行了相关性分析、回归分析以及显著性检验等。检验了研究数据对我们模型所提出的假设的支持情况，以此来构建一个评论有用性影响因素模型。最后总结本论文研究的可取之处以及不足的地方，对结论不一致地方给出解释，并展望未来研究方向。首先，在大量阅读国内外文献的基础上，结合该领域目前的研究现状，确定自己所要研究的方向，然后通过互联网等手段对此方向进行进一步的了解，最终聚焦自己的研究方向，即在商品类型与评论者质量调节下的在线商品评论有用性研究。其次我们在综合前人的研究基础上，构建了自己的理论模型，并对模型作出解释。基于亚马逊的在线商品评论机制，我们确定了样本与解释变量的选择通过计算机编程实现了实时抓取亚马逊官方网站在线商品评论功能，完成数据采集工作。再次，我们利用统计分析软件Stata10.0进行了相关性分析、回归分析、列联分析以及显著性检验等。检验了研究数据对我们模型所提出的假设的支持情况，并简单检验本研究所构建一个评论有用性影响因素模型的预测能力。最后，是我们的结论与展望。总结了论文的研究发现，探讨本研究与前人研究的区别之处以及创新之处，有何可借鉴之处。同时对结论不一致产生的原因给出解释。最后，总结本文的不足之处，给出未来可能继续的研究方向。本文整体的研究思路见图1-1。-7- 哈尔滨工业大学管理学硕士学位论文图1-1本文的研究思路1.5研究创新点我们在前人研究基础上，对于在线评论的内涵做了进一步的挖掘，深入分析评论分数这一维度，并在此基础上定义某商品的某一条在线商品评论的评论分数相对于该商品所有评论的平均值的偏离程度作为在线评论“分数偏离度”（DeviationofRating），试图探讨这一变量对于在线商品评论感知有用性是否有影响，有何影响。先前的研究或是讨论了商品特征对于在线评论有用性的调节作用，或是评论者特征以及商品特征对在线评论感知不确定性进而对产品销量的调节，或者研究产品和消费者特征如何调节在线评论与产品销量的关系，我们在本研究中综合上述一些思路，同时将商品类型与评论者质量（包括评论者排名、评论者好评率）纳入我们的模型，试图探讨这两个维度对于在线商品评论感知有用性是否具有调节作用，有何作用。-8- 哈尔滨工业大学管理学硕士学位论文第2章在线评论相关理论与模型构建2.1在线评论有用性研究相关理论基础伴随着互联网的迅猛发展，电子商务得到了快速普及，以互联网为平台的在线商品评论对于消费者和在线商家具有很强的实用性，不论是消费者还是在线商[39]家都希望能够通过对在线商品评论或者有用的情报以辅助决策。就在线商品评论本身而言，可以挖掘的属性数不胜数，比如评论的分数、评论的文本内容、评论的情感倾向性、评论的性质等等。同时，考虑到来自评论源以及受评商品的因素的影响，来自评论源的属性有评论者的信誉、排名等。至于商品维度，前人诸多的研究多数是从商品的类型来考察的。本文基于对大量文献的研究，就在线商品评论本身属性而言，提取出评论分数、评论深度两个维度，并创造性地定义并探讨了评论分数偏离度这一维度。同时，为本文加入了评论者属性和商品类型作为调节变量。深入探讨在线评论有用性的主要影响因素以及在不同类型商品中的影响效用差异。其中评论者属性主要从评论者排名、评论者所获好评率两方面展开，而对于商品的分类，主要仍是基于Nelson的权威分类，将商品分为搜寻品与经验品来进行分析的。2.1.1在线商品评论在线商品评论是一种传播在线消费者之间对于商品或服务的评价信息的重要载体。大量研究表明，网络上的这种在线评论信息的存在与传播对于降低消费者信息搜寻成本，消除消费者在线购物的不确定性具有重要作用。现今基于互联网海量的信息存储能力与强大的在线搜索功能，越来越多的人在利用互联网提供的在线平台，尤其是专门的电商网站提供的在线商品评论平台，发布、传播关于商品、服务的评论信息，为消费者提供了丰富的决策参考信息。[40]通常来讲，主要有两种类型的在线评论，分别是普通用户评论和专家评论。来自易观网的分析表明，在研究的10个消费电子产品品类中，消费者表示他们更关注用户的观点，而非专家的评论。对于MP3这类大众消费品，用户更相信用户评论，而对高科技色彩强点，更加复杂的产品，专家评论的影响跟用户评论的影响力的差异在缩小。而面对海量的用户评论，评论阅读者可能“迷失”其中，无法提取并且利用有用的信息辅助购买决策。鉴于此，许多电商网站采取一种评分机制，可以鼓励消费者对所购买过的商品或者服务提供总体评分信息，方便给后来的消费者在阅-9- 哈尔滨工业大学管理学硕士学位论文读评论内容之前就可以对商品或者服务的总体情况提供一个初步的参考。但尽管这样，单纯的一个数字并不能说明全部问题，评论的文本内容仍然是后来消费者辅助购买决策的重要参考。对商品的评分以及更为深入的文字描述对于减少在线消费者的信息搜索成本，降低在线购买的决策风险有重要意义。本文试图探究在线商品评论对于消费者感知有用性的影响。对于在线商品评论这一概念，我们将要对其作进一步的细分，分别研究其对于网络商品销量有无影响，有何影响，影响程度又是怎样。许多研究中采用了网络评分的均值来作为测度在线商品评论的一个指标，并且也取得了较为理想的研究成果，但这种衡量方法仍然具有一定的局限性。Huetal(2006)在研究中指出，因为在线消费者对商品的在线评分并非均匀分布，使用一个比较泛泛而且笼统的平均值未能体现评论分数所蕴含的深层意义，而且对大部分消费者来说，这样的一个孤立的数字也不能完全体现出消费者对产品的真实感[41]受。Dellarocas认为，相较于笼统而且泛泛的评论信息，个人化的信息更能促进[42]消费者购买商品。文献[3]中Duanetal（2008）在研究中将在线评论分为两个维度，分别是在线评论的等级（RatingofOnline），如好评、差评，作为一种单纯的打分的机制，基本可以衡量消费者对在线评论的一个态度，在线评论的数量（VolumeofOnlinePosting），这一维度是从对某一商品所得到的用户或评论者的评论的量级，是单纯从规模上的一种考察。上述研究的缺陷在于忽略了评论内容（如评论的情感倾向，评论深度等）对于消费者行为的影响，影响消费者感知有用性。文献[6]中Susan和David(2010)研究评论深度对于消费者感知有用性的研究,发现评论深度对消费者感知有用性有明显效果。我们的研究试图沿用Duanetal（2008）和Susan和David(2010)等学者的研究思路,分别从评论分数和评论深度两个维度综合探讨二者对于消费者对在线评论感知有用性的影响。此外，在此基础上，我们试图对在线评论分数作进一步的研究，试图引入评论分数偏离度（DeviationofRating）这一变量来相对更全面地挖掘在线商品评论的内涵，基本思路是定义这一变量为每个评论者对某一商品的打分相较于所有评论者对这一商品的打分的均值的偏离程度，具体的计算方法见本文第三章有关变量操作化定义部分。2.1.2商品类型商品类型对在线评论如何作用消费者感知评论有用性有重要的影响作用。研究发现，面对不同商品类型的商品评论，消费者对于评论信息的需求侧重是不同的，不同类型商品的评论数据对消费者的影响也是不同的。[43,44]Nelson(1970，1974)的权威分类将商品分为经验品和搜寻品两大类。Nelson-10- 哈尔滨工业大学管理学硕士学位论文认为消费者在产生购买需求之后，会通过搜索或经验获得相关产品信息，同时进行大量情报的搜集，用以辅助对购买搜寻品的决策。与之相反，消费者对于的经验品搜索相对少一些。在互联网出现之后，搜索品与经验品的区别并没有划得很清楚。但即使是这样，将商品进行分类对我们的研究消费者的行为有着积极的意义。消费者对搜寻品的认知取决于产品的真实质量，而对于经验品的认知则取决于消费者主观经验。搜寻品能够被客观评价且易于比较，而对经验品的评价和比较则带有主观性且难[45][43]315-320[46][43]315-320度较大。常规的搜寻品包括相机和打印机，音乐CD和葡萄酒[47]则是可归为经验品一类。在搜索产品信息的过程中，搜索品与经验品的信息呈现各种特点，这也影响消费者对信息的诉求。早期研究表明，消费者在一般消费品与耐用消费品的决策中，对于评论信息的参考程度存在显著差异。文献[11]彭岚等（2011）的研究发现，对经验品，消费者更偏好中立、客观的评论数据；而对搜寻品，消费者则比较侧重对关乎商品本身质量的评论信息的搜集。之所以消费者在购买经验品时会更依赖于别人的推荐，是因为经验品在购买、[48]消费之前其质量难以甄别。Nelson认为，经验品的主要属性不容易被识别，必[43]315-320须通过购买使用或者体验服务才能获悉。因此，经验品商品的客观评论数据远不足以满足消费者的信息需求，更多主观、个性化的评论信息则成为经验品的有用评论数据。文献[6]Susan和David(2010)研究了商品类型对于消费者对在线评论感知有用性的调节作用，发现商品类型（经验品、搜寻品）对于评论极端性、评论深度对消费者感知有用性的影响有明显的调节作用。文献[45]中Huangetal（2009）指出，消费者更关心经验品的搜索深度，也就是说消费者在搜寻经验品评论信息时可能会在商品网页上停留更多时间；而对搜寻品则更侧重广度，即尽可能阅读更多的评论信息。对于不同类型的产品，相同的消费者的信息需求是不同的，一定程度表明商品类型的调节作用。2.1.3评论者质量信息源在一定程度上也会影响到评论阅读者对在线商品评论的信任度或者增[49]加阅读者对信息感知的不确定性，评论阅读者可能会对评论发布者的可信程度产生疑虑。因此，当消费者在搜寻、阅读在线评论时，消费者很可能不会满足于在线商品评论的星级或者内容，也可能关注与评论者的身份质量，Forman等(2008)[32]122研究表明，匿名评论者的评论其有用性要低于个人信息齐全的评论者的评论。美国传播学权威保罗·拉扎斯费尔德指出，意见领袖会在很大程度上左右与-11- 哈尔滨工业大学管理学硕士学位论文引导人们的行为，这些所谓的意见领袖具有影响他人态度的能力、使个人经验变为群体经验的能力。这样的能力与其社会地位、社会认同、在特定问题上的权威性、传播能力和人格魅力等等相关。在网络社区中，积极参与讨论并为大家提供意见的成员，慢慢便成为意见领袖，他们发表的评论会有更大的说服力，也会使[10]118其评论的产品受到关注，为其他消费者提供决策依据，因此对于在线商品评论的研究就很有必要考虑评论源的质量情况。[38]147[13]109鉴于互联网的非实名性、间接接触性以及沟通的成本低廉的特点，在线商品评论质量极不容易掌控，任何人可以利用网络工具不受约束的发表一些言论、评价，甚至是竞争对手采取不正当手段在网络上发布不实信息，恶意攻击等现象也屡见不鲜。海量的、良莠不齐的评论信息严重影响了评论阅读者对商品的质量的考察。因此，对在线商品评论的有用性的准确识别，对于提高消费者的决策效率是非常有意义的。高质量的评论者之所以有更高的影响力，一方面是因为在非真实的环境中，高质量的评论者由于比一般的评论者具备更多的专业知识，他们发布的评论信息[12]112往往会包含更多的有用信息；另一方面是由于高质量的评论者已经建立起自己良好的网络声誉与口碑，发布不实信息的可能性较小。文献[7]中Huetal（2008）在研究中则加入了评论者质量及评论者暴露程度作为自变量，来研究在线口碑对于消费者感知不确定性的影响，进而对消费者实际购买的影响，并定义评论者所发布的评论获得的有帮助投票总数除以投票总数为评论者质量的代理指标。文献[11]中彭岚等（2011）的研究重点考察了评论总数和评论者好评率这两个指标，其中以有帮助投票总数除以投票总数的到评论者好评率这一指标。文献[10]中王平、代宝（2012）的研究从评论文本属性、评论者属性及商品类型的差异，构建消费者在线评论有用性影响因素模型，对于评论者属性从评论者名声可行度与经验可信度来考察的，并以评论者排名作为名声可信度的衡量指标，以评论者是否已购买评论的产品衡量经验可行度。亚马逊官方网站为每个注册用户提供了个人空间，包含用户的基本信息以及其他相关内容，例如用户排名、真名(亚马逊网站会将“真名”与信用卡上的信息进行核对，因此真名信息具有较高的可信度)，以及评论者发布的评论总数与评论者获得的有帮助评论总数等。本文沿袭文献[11]中彭岚等（2011）的研究将评论者好评率纳入研究模型。本研究在此基础上对评论者特征这一维度作相应的调整，通过对亚马逊网站的在线评论的考察与分析，我们试图分别从评论者排名（Reviwer’sRanking）、好评率（HelpfulnessRate）两个维度来作为评价评论者特征的指标来展开讨论。-12- 哈尔滨工业大学管理学硕士学位论文2.1.4评论有用性前人对评论有用性的研究取得了较为丰硕的成绩。文献[6]中Susan和David(2010)开发并测试了消费者对在线评论有用性的模型，从产品类别、评论深度、极端等级等角度考察了这一模型。彭岚等（2011）的在感知诊断性(PerceivedDiagnosticity)的基础上定义评论有[11]206用性。Kempf和Smith(1998)认为感知诊断性是能够帮助消费者提升商品评价[50]能力的购物体验，并且指出这一指标有助于消费者对商品质量的认知。文献[19]中Jiang和Benbasat通过对Kempf和Smith(1998)建立的这一概念的挖掘，对感知诊断性的研究有了更深入的理解，他们认为的感知诊断性能够代表消费者在线商品展示的感知，在线商家通过网站评论传递给用户一种评价商品质量的感知。Susan[6]192[10]119和David(2010)和王平、代宝（2012）在研究在线商品评论有用性时均采用大多数研究中通用的一种代理指标，即将评论有用性建立在认为投票有用（Yesvotes）除以总投票数（Totalvotes）之上。例如，对每一条消费者评论，亚马逊都会提出“Wasthisreviewhelpful?”这样的问题，评论阅读者有三种决策行为：(a)不投票，(b)投Yes，以及(c)投No。亚马逊通过如“80/96人认为此评论有用”形式提供了每条评论的总体有用性评价。在该例中则表示96人对该评论进行投票，其中投Yes票有80人，有16人投在No票。本研究中我们将采用上述提到的亚马逊官网实际的评论数据，通过合理的定义指标，来研究在不同调节变量的调节下，在线商品评论如何影响评论有用性进行分析、研究。我们之所以使用网站上的原始数据，而不通过更为高级的数据挖掘技术或者调查问卷的形式，主要是因为网站上的评论者投票情况是最接近真实的数据，比机器模拟数据以及小样本的问卷形式得来的数据更为准确、客观。2.2研究模型的提出先前的研究或是讨论了商品特征对于在线评论有用性的调节作用，如文献[6]Susan和David(2010)的研究，如图3-2；或是评论者特征以及商品特征对在线评论感知不确定性进而对产品销量的调节，如文献[9]Huetal（2008）的研究，如图3-3；或者研究产品和消费者特征如何调节在线评论与产品销量的关系，如文献[4]中Zhu和Zhang（2010），如图3-4。Susan和David(2010)探究了评论极端程度（ReviewExtremity）、评论深度在商品类型的调节作用下如何影响评论的有用性，得出这样的结论：对经验品而言，极端评论分数没有中等评论的有用性高；评论深度对于搜寻品的有用性比对于经验品的有用性高。Huetal（2008）在同样试图探究在线评论对于商品销量的影响，与众不同之处则是他们考虑了评论者质量、评论者暴露度、时间效应等因素,结果表明高质量、高暴露度的在线评论者的评论更受欢迎，-13- 哈尔滨工业大学管理学硕士学位论文在线评论的影响随时间减弱。Zhu和Zhang（2010）研究了在线评论与游戏销量的关系,并加入了商品特征、消费者特征作为调节变量，结果则充分表明在线评论对于那些不知名的网络游戏以及网络体验高的玩家影响较大。在本研究中综合上述一些思路，试图探究同时在评论者质量和商品类型的调节下，在线评论是如何影响评论有用性的。[6]189图2-1Susan和David(2010)研究模型[9]205图2-2Huetal(2008)研究模型[4]135图2-3Zhu和Zhang(2010)研究模型本文旨在探讨在线商品评论本身对于评论有用性的影响，在综合大量文献研究的基础上，从评论本身属性出发，我们沿袭前人研究中最常使用的评论分数与-14- 哈尔滨工业大学管理学硕士学位论文评论深度两个维度。单从评论分数这个角度来看，还有值得挖掘的地方，因为评论分数只是反映了某一评论者的态度，但并没有考虑到其他评论的影响，为此我们定义评论分数偏离度这一指标，将其建立在某一评论分数与综合考虑所有评论加权平均分数的偏差上面，这样可以更为深入地挖掘了评论分数所隐含的有用信息。此外，评论阅读者阅读评论是基于一定的场景、环境下，他们对于评论有用性的感知不可避免地会受到这些“环境因素”的影响，为使我们的模型拟合度更高，具有更强的预测能力，我们在文献研究的基础上提取出评论者质量与商品类型这两的“环境因素”作为在线评论与评论有用性关系的调节变量。综合前文所述，我们提出如下的研究模型，见图2-4。图2-4本文研究模型该模型就在线商品评论本身属性而言，提取出评论分数及分数偏离度、评论深度等维度。同时加入了评论者属性和商品类型作为调节变量。深入探讨在线评论有用性的主要影响因素以及在不同类型商品和在不同评论源影响下的效用差异。其中评论者属性主要从评论者排名、评论者所获好评率两方面展开，而对于商品的分类，主要仍是基于Nelson（1970，1974）的权威分类，将商品分为搜寻品与经验品来进行分析的。2.3假说发展2.3.1评论本身属性在线商品评论的评论分数为1星到5星。按常规来讲，由于1星和2星、4星河5星的评论内容含有更多的是对商品的极大地不满与极大地褒奖的信息，我们-15- 哈尔滨工业大学管理学硕士学位论文定义为极端评论。而3星的评论则含有更多的客观信息，有时候会同时包含正面与负面的评价信息，客观性、中立性比较强，因此我们称之为中性评论。1星的评论分数可以基本说明该评论属于极端负面评论，同时5星则反映了该评论的极端正面性。而3星的评论分数基本可以代表该评论的中立性。关于评论分数对有用性的影响的一个值得研究问题是极端评论（指1星、2星、4星、5星的评论）和中性评论（指3星的评论）相比有用性如何。Schlosser（2005）以及Formanetal（2008）表明若消费者对某部电影的消费评价属于中性，那么这条评价则会传递包含正面以及负面的信息，这样会使消费者产生更加全面的、正面的态度，相反若某部电影的评论较为极端，那么说明这条商品评论信息较为片[51,52]面。Pavlou和Dimoka(2006)研究发现，消费则在eBay上购买商品的过程中，[53]极端评价给他们带来的影响要高于中性评论；文献[52]针对图书，同样得出了极端评论效用大于中性评论的结论。以上的两种研究结论出现了相互矛盾的现象，但是我们可以用消费者最初态度的差别来解释这一现象。举例来说，Crowley和Hoyer(1994)研究中得出如果预设消费者是一个中立或消极的态度，那么含有单面信息的评论就没有含有双面信[54]息的评论有说服力；但是若非以上前提，结果便不成立。另外，前人许多研究表明，评论分数与评论有用性之间存在一种U型的非线性关系，Susan和[6]193-194[34]145David(2010)以及殷国鹏等（2012）用实证方法验证了这一点。此外，基于亚马逊官网的在线商品评论机制，对于每个商品，Amazon会在综合所有评论的基础上给出一个对于该商品的加权平均星级，这的分数是基于结合了所有评论者的态度而给出的一个相对客观、准确的评级。在样本量足够大的情况下，基本可以代表“真实的民意”。而对于某条评论与这一平均等级的偏离度，即评论分数偏离度（前文已有详细的定义说明）同样会影响评论阅读者对该评论的感知有用性。分数偏离度越大，表示该条评论偏离“真实民意”越大，那么评论阅读者对该条评论的信任度就越小，从而感知的有用性就越小。反之，分数偏离度越小，表示该评论越接近“真实民意”，那么阅读者对该评论的信任度越大，感知有用性就越强。基于以上的推理说明，我们提出如下假设：假设1-0：评论分数影响在线评论阅读者所感知的评论有用性。假设2-0：评论分数偏离度对评论有用性有负向影响。研究者的研究中表明，消费者进行购买决策之前参考的商品评论，通常是结[27]417-418合了评论分数以及相关的评论信息来了解商品质量。Susan和David(2010)研究评论深度对于消费者感知有用性的研究,发现评论深度对消费者感知有用性有[6]195明显效果。-16- 哈尔滨工业大学管理学硕士学位论文彭岚等人（2011）构建的评论有用性影响因素模型也将评论深度纳入研究模[11]207型，并验证得出评论深度是影响评论有用性的重要因素之一。同时，研究表明，通常能够为消费者决策作出正确引导，降低消费中的不确定性，往往是商品评论深度较大的评论，也就是说，评论中包含的相关商品信息越是全面，消费者感知的有用性越高。并且如果信息的获取没有额外的搜索成本的话，这对于消费[55]者来说是极其有益的。王平、代宝（2012）以卓越网的用户评论为例开展实证[10]120研究发现在线评论深度对评论有用性有正向影响。严建援等（2012）通过中国大型B2C电子商务网站的221个有效样本的实证分析，发现评论有用性的高低主要取决于评论深度，即评论客观性越强，包含越多商品信息，以及描述越接近客观产品，那么该评论的感知有用性就越强；相对应的，若评论中包含过多的个[30]716人喜好性内容则会降低评论的感知有用性。殷国鹏等（2012）以豆瓣网的数据进行理论模型的实证分析，研究发现评论长度与在线评论有用性为正相关关系[34]145，开放式的评论相较于纯数值的评论分数提供了更多的附加的解释以及对情[56]景的描绘，这对于提升评论有用性是由积极意义的。据此本研究提出如下假设：假设3-0：评论深度对评论有用性有正向影响。2.3.2商品类型前人研究发现，线上商品类型将影响消费者选择信息来源渠道，进一步对消费者行为产生影响。对搜寻品而言，由于消费者能够在购买之前获得产品信息[43]315-320[45]60-65，主要属性可以被很容易地评价和比较；而消费者只有购买使用产[43]315-320品以后才能知道经验品的质量，其主要属性的评价则比较难而且主观性强[45]60-65。Susan和David(2010)研究了商品类型对于消费者对在线评论感知有用性的调节作用，发现商品类型（经验品、搜寻品）对于评论极端性、评论深度对消费者[6]195感知有用性的影响有明显的调节作用。文献[45]中Huangetal(2009)认为，消费者更关心经验品的搜索深度，也就是说消费者在搜寻经验品评论信息时可能会在商品网页上停留更多时间；而对搜寻品则更侧重广度，即尽可能阅读更多的评论信息。对于不同类型的产品，相同的消费者的信息需求是不同的，一定程度表明商品类型的调节作用。[57]Beietal(2004)认为，对于经验品的购买，消费者更偏好中立、客观的评论，更关注于个性化、主观的评论信息，由于极端的评论的评论内容更多的是对于商品的极大地不满与极大地褒奖的信息，带有明显的主观色彩，因此极端评论有更多的个性化、主观内容。对搜寻品，消费者更偏好对产品本身属性的描述信息，-17- 哈尔滨工业大学管理学硕士学位论文对于评论信息的客观性、中立性要求较高，因此对于有着极大偏离度的极端评论，其感知有用性则不是很明显，相反则认为中性的评论含有更多的客观信息供他参考，这类评论有用性更高一些。假设1-1：商品类型会调节评论分数对评论有用性的影响。对经验品而言，极端评论比中性评论有用性高。假设2-1：商品类型会调节评论分数偏离度对评论有用性的影响。评论分数偏离度对经验品的评论有用性的影响更显著。对于考虑了搜寻品和经验品的情境之下，评论深度对评论有用性的影响对二[6]190者则并非是同等重要的。对于经验品的评论是高度个性化的，评论的内容经常包含评论者很多主观的信息，而这对于评论阅读者对于商品质量的整体的认识与评价是非常有用的。对经验品而言，越是个性化、主观的信息越能引起阅读者的注意，字数越多的评论可能含有越多的主观个性化信息，因而对于评论阅读者的感知有用性的正向促进作用越强。而对于搜寻品，消费者则更愿意搜寻一些有关产品特性的事实上的信息。由于的评论的呈现基本以事实为基础，甚至有固定的格式，所以对于搜寻品的评论相对会简短一些。对于搜寻品的在线评论，消费者更关注的是商品质量参数、商品属性等标准化的内容，因而不需要太多的篇幅就可以说明，因而对于评论字数的要求不是很敏感，也就是说，评论字数的长短对于消费者感知有用性的促进作用不是很大。基于以上的理论分析，我们得出以下一组假设：假设3-1：商品类型会调节评论深度对评论有用性的影响。对经验品来讲，评论有用性随评论深度的增大而增大。2.3.3评论者质量评论的发送者即为评论者，对于评论者的质量的考察也是重要的一环。Brown和Reingen(1987)指出评论源特征毫无疑问会对评论阅读者对商品或服务的态度以[58]及购买决策产生影响，Forman等(2008)研究发现，匿名评论者的评论其有用性[32]122要低于个人信息齐全的评论者的评论。Dabholkar研究了网络环境中，卖家特[59]征尤其是信用情况对实现销售的重要意义。亚马逊官方网站为每个注册用户提供了个人空间，包含用户的基本信息以及其他相关内容，例如用户排名、真名(亚马逊网站会将“真名”与信用卡上的信息进行核对，因此真名信息具有较高的可信度)，以及评论者发布的评论总数与评论者获得的有帮助评论总数等。当消费者在阅读在线商品评论时，他们可能不仅仅满足于单纯的对产品的数值上的一个评级，消费者也可能会关注与写评论的人的情况，以此来作为对该评论持怎样的态度做一个衡量。所谓消费者评价，是指消费者自觉地、理性的就是-18- 哈尔滨工业大学管理学硕士学位论文否能寻求特定利益，满足某种需要而对商品属性集进行评价。消费者的评价都是自觉的和相对理智的，并且是基于消费者实际消费体验进行的消费评价。但是由于评论是由消费者的主观评价，所以会存在评论不是根据商品特征而进行的。并且，评价的真实性也难以控制，存在对手恶意竞争已经商家自身进行评价的情况，所以商品评价对消费者购买决策的影响并不绝对。换言之，消费者在进行商品评价阅读的过程中，更愿意去选择相信信誉度高的商品评价。首先，高质量的评论者具备评估产品的基本的知识与经验；其次，高质量的评论者以线上名誉作担保，弄虚作假的成本比较高。高质量的评论者之所以有更高的影响力，一方面是因为在非真实的环境中，高质量的评论者由于比一般的评论者具备更多的专业知识，他们发布的评论信息[12]112往往会包含更多的有用信息；另一方面是由于高质量的评论者已经建立起自己良好的网络声誉与口碑，发布不实信息的可能性较小。基于前文的理论分析与亚马逊官方网站的用户评论机制，我们在评论者质量的考量上提出两个指标，分别从评论者排名、评论者好评率两个维度来衡量评论者质量这一变量的调节作用。评论者排名反映评论者在Amazon.com全网的排名情况，比较直观地反映评论者的一个活跃度以及信誉度。评论者好评率是基于评论者所发表的评论获得其他阅读者投票的情况，数值上表示为该评论者发表的所有评论所收到的“有用”投票总数与总投票数的比值，该指标反映该评论者发布的评论的质量情况，能够更准确地反映评论者的质量情况。对于高质量的评论者的评论，考虑到评论者的信誉度，以及充分的购物体验与购物知识，其准确程度会更高，因而消费者总是为其赋予更高的权重，这样的评论对消费者的购买决策的影响会更大。Huetal（2008）的研究验证了消费者对于高质量评论者所撰写的好评/差评是有着明显影响的，而对于低质量评论者所撰[7]209写的好评/差评则关心不多。具体而言，在其他条件都相同的情况下，对于评论者排名靠前的评论者的评论，评论阅读者感知有用性会更高。同理，在其他条件都相同的情况下，对于有更高好评率的评论者的评论，评论阅读者感知有用性会更高。王平和代宝(2012)以卓越网的用户评论构建消费者在线评论有用性影响因[10]120素模型，验证了空间排名靠前的评论者发布的评论有用性更高。可见评论者质量会影响到评论阅读者对在线评论与评论有用性之间的关系。文献[52]中Formanetal基于信息处理理论，通过实证验证了评论者如果具有识别信息，那么他发布的评论要比匿名评论者发布的评论更具可信性，同时指出评论者描述性信息的公开对于评论阅读者评判评论的有用性提供补充作用，并且评论者的个人信息会影响到评论阅读者对评论有用性的观点。基于以上的理论分析，我们得出以下一组假设：-19- 哈尔滨工业大学管理学硕士学位论文假设1-2：评论者排名会调节评论分数对评论有用性的影响。对于相同评论分数的评论，排名靠前的评论者给出的评论其有用性更高。假设1-3：评论者好评率会调节评论分数对评论有用性的影响。对于相同的评论分数的评论，好评率高的评论者给出的评论其有用性更高。假设2-2：评论者排名会调节评论分数偏离度对评论有用性的影响。对于相同分数偏离度的评论，排名靠前的评论者给出的评论其有用性更高。假设2-3：评论者好评率会调节评论分数偏离度对评论有用性的影响。对于相同的分数偏离度的评论，好评率高的评论者给出的评论其有用性更高。假设3-2：评论者排名会调节评论深度对评论有用性的影响。对于相同评论深度的评论，排名靠前的评论者给出的评论其有用性更高。假设3-3：评论者好评率会调节评论分数对评论有用性的影响。对于相同的评论深度的评论，好评率高的评论者给出的评论其有用性更高。2.4本章小结本章主要阐述了在线商品评论的含义、特征以及相关的几个维度，如与在线评论相关的商品类型及评论者质量相关理论，以及对于评论有用性的研究及定义。同时基于大量的文献研究，并结合前人的部分研究结论和相关理论知识，提出本文的研究模型，并提出研究假设。然后对模型中涉及到的各相关变量进行描述。-20- 哈尔滨工业大学管理学硕士学位论文第3章在线商品评论有用性实证分析3.1数据来源与样本搜集由于考虑到在C2C模式下的网上交易可能存在卖方利用各种手段要挟或利诱买方为其商品或服务提供好评，这类评论很可能不是消费者的真实意愿，对于我们的研究是一个干扰的因素，为了减少不可测因素对研究的影响，本研究仅针对亚马逊（Aamazon.com）的B2C的网上交易模式做在线评论的有用性的探讨。亚马逊公司（Amazon.com，简称亚马逊，NASDAQ：AMZN）于1995年在美国在美国华盛顿州成立，是美国最大的一家网络电子商务公司，也是全球范围内电子商务的标杆企业。亚马逊经营的产品品类齐全，包括了图书、音乐CD、体育及户外用品、服饰、食品等等。作为全球最大的电子商务公司。亚马逊有广泛的用户和海量的数据，其官方网站平台拥有良好、健全的在线评论机制，基本符合我们在研究中的各类数据需求，因此我们在研究中主要数据均来源于亚马逊官方网站（http://www.amazon.com）。我们在选取样本商品时严格遵循Nelson的分类，并且我们所选的商品品类基本沿袭前人的研究中所对应使用过的商品品类。我们研究中采用的数据是利用Java语言编写的在线抓取亚马逊官网的选定的6种不同产品的所有的在线评论。其中搜寻品包括3种产品，分别为激光打印机、数码相机以及移动电话，经验品包括图书、音乐CD以及电子游戏。关于对研究产品的选择的详细的描述见表3-1。表3-1样本情况汇总产品描述类型来源总样本数有效样本数激光打印EpsonWorkForceWeathersetal.搜寻品398255机WF-3540Wireless2007CanonPowerShotS100数码相机搜寻品Nelson197046534012.1MPHTCOneVPrepaidWeathersetal.移动电话搜寻品320193AndroidPhone2007音乐CDClosetotheEdge经验品Nelson1970410274SimCity4Deluxe电子游戏经验品Klein，1998389243EditionObamaCareSurvival图书经验品本研究提出418312Guide根据搜寻品的特性，在使用商品之前获得商品信息相对较容易且基本属性较客观，不需要根据个人的主观感受来评价质量。在购买激光打印机时，关注的是-21- 哈尔滨工业大学管理学硕士学位论文打印分辨率、打印速度等；在购买数码相机时，消费者比较的是图像的分辨率、显示大小、光学变焦等客观属性；在选购移动电话时，比较的是关键属性如款式、尺寸等。这三种产品的相关信息在购买或体验之前是比较容易收集的，且使用并不是评估这些产品质量的唯一途径，因此作为搜索型商品的研究代表是满足要求的。根据经验品的特性，其在体验之前判断商品质量相对较困难而且较花费成本。音乐CD在没有试听之前是很难判断音乐是否悦耳；电子游戏的技术规格描述虽可以让消费者知道其游戏的品质，但只有参与游戏后才能检验其是否具有娱乐性；图书出工具书外，消费者更关注的是图书的内容，以及读者在阅读图书时所引起的情感的共鸣。因此，这三种商品是比较符合研究需求的。3.2变量设计与操作化定义3.2.1自变量3.2.1.1评论分数对于评论分数的测量，我们拟采用亚马逊官方网站的用户评论数据，见图3-1。图3-1某一用户对产品的评论示例我们采用用户对产品的打分作为衡量评论分数的指标。亚马逊中国的评论评级制度采用5星满分制，最小评级为1颗星。如图3-1所示，评论分数RR=5。由于1星、2星、4星、5星的评论内容含有更多的是对商品的极大地不满与极大地褒奖的信息，我们定义为极端评论。而3星的评论则含有更多的客观信息，有时候会同时包含正面与负面的评价信息，客观性、中立性比较强，因此我们称之为中性评论。3.2.1.2评论分数偏离度对于评论分数偏离度的衡量，我们拟利用每个用户对于某一产品的打分相较于所有用户对该产品打分的均值的离散程度作为参考。参考公式：分数偏离度RR−RRittDR=，其中RR为评论者i对商品t的评论分数；RR为所有评论者对ittRRt商品t的评论分数的均值。-22- 哈尔滨工业大学管理学硕士学位论文图3-2所有用户对某商品的综合评分示例3.2.1.3评论深度Susan和David(2010)认为信息的深度对于在购买决策中增加消费者的信心有重要作用。内容较长的在线评论涵盖更多的产品细节，而且能够帮助消费者获得[6]190在特定环境下产品的使用体验。这样能够一定程度上减少消费者对产品质量不确定性的忧虑。本研究中我们将沿用这一思路，采用评论的文本字数（WordCount）作为测量指标。如图3-3所示，评论深度RD=220words。图3-3某用户在线评论示例3.2.2因变量彭岚等人（2011）的研究把评论有用性的定义建立在感知诊断性(Perceived[11]206Diagnosticity)基础。许多大型的B2C网站都采用了评论的有用性衡量在线商-23- 哈尔滨工业大学管理学硕士学位论文品评论的感知诊断性。以Amazon.com为例，在每一条在线商品评论下面，Amazon都会放置这样一个问题：“Wasthisreviewhelpful？”评论的阅读者在阅读到此条评论时可以选择是否对该评论的有用性进行投票，此时评论阅读者有三种决策行为：1）不投票，2）投Yes票，3）投No票。亚马逊通过如“80/96人认为此评论有用”形式提供了每条评论的总体有用性评价，如图3-4所示。在该例中则表示96人对该评论进行投票，其中投Yes票有80人，有16人投在No票。在本文中我们将沿用前人的方法，定义某条评论获得的“Yesvotes”总数除以“Totalvotes”NoofYesVotes.总数作为该评论有用性的衡量指标。其计算公式为：H=，图3-1NoofTotalVotes.所示评论有用性H=3463/3513=0.9858。图3-4某条评论基本情况示例3.2.3调节变量3.2.3.1评论者质量当消费者在阅读在线商品评论时，他们可能不仅仅满足于单纯的对产品的数值上的一个评级，消费者也可能会关注与写评论的人的情况，以此来作为对该评[60]论持怎样的态度做一个衡量。彭岚等人(2011)的主要考察了某评论者获得的评论总数以及该评论者获得的好评率。Huetal（2008）对在线评论对产品销量的研究中加入了对评论者特征的[9]204-205调节作用。他们的研究中引入了评论者质量和评论者暴露度这两个维度。我们的研究中将基本沿用上述思路，并在分类上稍作调整，我们拟将评论者质量这一变量细分为评论者排名，以及评论者提供的有帮助评论的比率，即评论者好评率作为对评论者质量的一个整体的考量。对应的数据都将从亚马逊网站获取，图3-5与图3-6所示名为“dojoklo”的用户在亚马逊中国的一个基本的情况，“最佳评论者排名：5991”、“有帮助的投票数：4346，总投票数：4445，好评率=98%”。评论者i的好评率（HRi）=有帮助的投票数/总投票数。-24- 哈尔滨工业大学管理学硕士学位论文图3-5亚马逊用户个人账户示例图3-6亚马逊用户个人贡献示例3.2.3.2商品类型Susan和David(2010)在研究中选取了六种产品，分别是：MP3播放器、音乐[6]192CD、电脑视频游戏、手机、数码相机和激光打印机。前三者为经验品的代表，后三者为搜寻品代表。我们的研究将沿用这一思路，选取几类不同的合适的产品进行研究。参考Nelson（1970）对产品的分类，我们拟选取的产品组合中搜寻品包括3种产品，分别为激光打印机、数码相机以及移动电话，经验品包括图书、音乐CD以及电子游戏。3.2.4控制变量在研究中，我们引入控制变量——每条评论获得的总的投票数，主要原因是我们定义的评论有用性是一个相对数，反映的只是一个比值，中间隐含的重要信息会丢失。例如，某条评论共有8人投票，其中5个人认为有用，另一条评论共有80人投票，其中50人认为有用，按照我们对评论有用性的定义，这两条评论的有用性是相等的，均为62.5%，但反映的问题是不一样的。Susan和David(2010)[6]192就曾将总投票数这一因素作为控制变量纳入模型开展研究。-25- 哈尔滨工业大学管理学硕士学位论文另外，对于评论的发表时间也可能会影响到评论有用性的统计，例如发表时间比较早的评论可能被阅读的次数会多一些，从而获得的投票就多一些。距离搜集数据越近的评论其曝光时间越短，而距离搜集数据越久的评论其曝光时间越长，从而一定程度影响到了对这些评论的有用性投票。Huetal（2008）的研究中曾考虑过这一因素，并作为自变量纳入其研究模型，该变量定义为评论抓取的时间与[9]208评论发布时间的差值，以天为单位。由于时间因素并非本文的研究重点，但为了使研究更加严谨，得出的结论更加可信，我们将会把评论发布天数作为控制变量纳入我们的模型，其定义延续Huetal（2008）的研究。祝珊、殷国鹏（2011）的研究中将有用性投票总数和评论发表时长作为控制变量，构建在线口碑有用性[32]123影响因素研究模型。3.3研究数据对于选定的6种样本商品，我们收集了其截止2013年4月5日期间的所有评论数据。在获取的数据中，一些评论数据缺少我们研究的某些指标，例如评论有用性投票、评论者排名和评论者好评率，为研究需要我们剔除掉这些不满足研究需求的样本数据。最后共得到1617条评论样本用于模型实证分析。在利用样本进行实证分析之前，首先对样本的基本情况作一下简单的描述统计。本文研究所需的样本数据的统计结果见表3-2，下表列出样本数据的商品类型及样本占比，6类产品样本的频数、比重以及累计比重的初步统计信息。表3-2样本分布情况统计类型产品频数比重累计比重激光打印机25515.8%15.8%搜寻品数码相机34021.0%36.8%(788/1617,48.7%)移动电话19311.9%48.7%音乐CD27416.9%65.7%经验品(829/1617,51.3%)电子游戏24315.0%80.7%图书31219.3%100.0%由表3-2可知，在1617份有效样本中搜寻品与经验品分别占48.7%、51.3%，两类样本数量差距较小，符合本研究的要求。同时，在所有的1617条样本数据中，搜寻品为788条，占比48.7%，经验品为829条，占51.3%。细分到每个特定商品上，激光打印机255条，占比15.8%；数码相机340条，占比21.0%；移动电话193条，占比11.9%；音乐CD274条，占比16.9%；电子游戏243条，占比15.0%；图书312条，占比19.3%。样本的选取基本处于合理分布状态。-26- 哈尔滨工业大学管理学硕士学位论文模型中各变量的初步描述性统计结果见表3-3、表3-3及表3-5，其中表3-3展示的是所有样本的描述性统计结果，表3-4及3-5分别展示了搜寻品和经验品对应样本的描述性统计结果。表3-3所有产品描述性统计结果变量观测值均值标准差最小值最大值评论分数16174.001.3915投票总数161712.7253.8011472评论深度1617166.54211.60102414分数偏离度16170.260.220.030.79评论者排名161742250145320799301.44e+07评论者好评率16170.700.230.011评论发布天数1617806.231296.8015388有用性16170.680.4001就所有样本数据来看，评论分数均值为4星，可见样本数据中评论多数属于质量较好的评论。评论深度这一项，最短的评论为10个英文单词，最长则达到2414个英文字母。分数偏离度最小为0.03，最大0.79，均值为0.26。评论者排名最靠前的为第30名，最靠后的排名则达到1440万名，均值为422万，可见绝大多数的评论者排名均介于十万级与千万级之间。评论者好评率均值为0.7，可见总体评论者好评率均较高，处于中上水平。评论有用性最小值为0，最大值为1，均值0.68，处于合理分布状态。表3-4搜寻品描述性统计结果变量观测值均值标准差最小值最大值评论分数7883.941.4115投票总数78813.0467.1111472评论深度788192.84240.02192414分数偏离度7880.270.210.030.77评论者排名78824334994136011301.44e+07评论者好评率7880.760.220.031评论发布天数788164.85134.982520有用性7880.710.3301-27- 哈尔滨工业大学管理学硕士学位论文表3-5经验品描述性统计结果变量观测值均值标准差最小值最大值评论分数8294.041.3815投票总数82912.4236.981634评论深度829141.55177.05101472分数偏离度8290.250.220.030.79评论者排名829592792557477592051.43e+07评论者好评率8290.640.240.011评论发布天数8291416.841580.7515388有用性8290.630.3401搜寻品样本评论分数均值为3.94星，分数偏离度均值0.27，经验品样本评论分数均值为4.04，分数偏离度均值0.25，差别不大。评论深度这一项，搜寻品的评论深度明显要高于经验品的评论深度（均值分别为192.84、141.55）。搜寻品评论的评论者排名整体要优于经验品评论的评论者排名，与其相对应的评论者好评率相差则不是很大。评论有用性均接近整体有用性水平，分布合理。3.4实证分析3.4.1相关分析相关分析是社会学中较为普遍采用的一种资料分析的方法。根据相关的准则，无论是直线相关或非直线相关，都可以进一步根据变量数目来分类，研究两个或两个以上的变量是否存在某些关系，并研究其相关程度和相关方向。若两个变量间的相关系数通过显著性检验，表明它们之间是相关的，否则就不相关。模型中的相关分析主要包括自变量之间的相关性分析，以及各自变量与因变量之间的相关性分析。研究中我们默认数据服从正态分布，故使用Pearson相关系数（积差相关）来进行分析。具体分析结果如表3-6中所示。-28- 哈尔滨工业大学管理学硕士学位论文表3-6变量相关分析结果（Pearson相关系数）分数偏离评论者排评论者好变量评论分数投票总数评论深度发布天数有用性度名评率评论-0.1023**0.0630-0.7729**-0.2544**0.3317**0.1612**0.3506**1.0000分数(0.0000)(0.0113)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)投票-0.1023**0.3229**0.0946**-0.0207-0.01800.0045-0.01611.0000总数(0.0000)(0.0000)(0.0001)(0.4050)(0.4685)(0.8566)(0.5188)评论0.06300.3229**-0.1191**-0.1985**0.2363**0.1199**0.1749**1.0000深度(0.0113)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)分数-0.7729**0.0946**-0.1191**0.2234**-0.3427**-0.2155**-0.3258**偏离1.0000(0.0000)(0.0001)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)度评论-0.2544**-0.0207-0.1985**0.2234**-0.6502**0.2569**-0.3715**者排1.0000(0.0000)(0.4050)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)名评论0.3317**-0.01800.2363**-0.3427**-0.6502**0.01300.5896**者好1.0000(0.0000)(0.4685)(0.0000)(0.0000)(0.0000)(0.6006)(0.0000)评率发布0.1612**0.00450.1199**-0.2155**0.2569**0.01300.1457**1.0000天数(0.0000)(0.8566)(0.0000)(0.0000)(0.0000)(0.6006)(0.0000)有用0.3506**-0.01610.1749**-0.3258**-0.3715**0.5896**0.1457**1.0000性(0.0000)(0.5188)(0.0000)(0.0000)(0.0000)(0.0000)(0.0000)**相关系数在0.01水平（双尾）下达到显著。由表3-6可知，由于各自变量间相关系数均小于0.8，所以可以排除多重共线性问题。评论深度与评论分数、评论分数偏离度之间不存在相关性。除了评论分数与分数偏离度、评论者排名与评论者好评率之间的相关系数分别达到-0.77、-0.65之外，其它大部分的绝对值都在0.35以下（包括0.35），各自变量之间的相关系数都非常小。而自变量中，评论分数、评论者好评率与评论有用性之间均存在0.01水平上的显著正相关，分数偏离度、评论者排名与评论有用性之间均存在0.01水平上的显著负相关。基于表4-5可以初步判定：（a）评论分数与评论分数偏离度存在高度相关关系；（b）评论者排名与评论者好评率存在中度相关关系；（c）评论者好评率与评论分数、评论分数偏离度存在低度的相关关系；（d）评论深度与评论有用性之间相关度较低。而其它各自变量之间也基本没有明显的线性关系。产生这些结果的部分原因如下：首先，基于我们研究对变量的定义，评论分数偏离度是在评论分数的基础上结合所有评论分数均值采用合理的计算公式所得，因此二者不可避免存在显著的相关性。其次，评论者排名是亚马逊官方在综合考虑若干指标权重的基础上基于特定的算法所得出的一个指标，具体的算法比较复杂，而且我们无从获知。但可以肯定的一点是亚马逊官方在计算评论者排名是不可避免的采用了评论者好评率的相-29- 哈尔滨工业大学管理学硕士学位论文关指标作为自变量，因此，评论者排名与评论者好评率会存在一定程度的相关性。尽管如此，但这两个指标对于评论者质量的衡量的侧重又是不同的，评论者排名是亚马逊在综合考虑许多关于评论者质量的因素基础上对于评论者的一个整体的数值的排名，由于这一指标是亚马逊官方给出的，并且采用的算法我们无法获悉，因此它在多大程度上代表评论阅读者的“真实民意”尚不可知，而评论者好评率这一指标是完全基于评论阅读者的投票的真实数据，相较于机器给出的指标，评论者好评率代表的是大众投票给出的指标。评论者排名是机构主导，而评论者好评率为用户主导，二者反映事实的角度不同，因而在下面的分析中，我们仍然会同时考虑这两个指标。然后，一个好评率较高的评论者在对商品进行评论并给出评论星级时，会采取一种更审慎、客观的态度，因而他给出的星级会更接近于综合所有评论的平均评论分数，因为后者考虑了更多的评论，具有相对广泛的样本基础，因而代表性更强。因此，好评率高的评论者给出的评论分数偏离度会小一些，同时由表3-3可知在所有样本基础上评论分数的均值为4星，在1-5星级的打分中是偏高的，好评率高的评论者的打分会接近这个数值，因而一定程度上可以解释评论者好评率与评论分数、评论分数偏离度的低度相关关系。最后，结合前人的研究以及给予我们之前的讨论，针对不同类型的商品，评论阅读者对于评论字数的敏感度是不同的。对经验品而言，评论阅读者可能会觉得篇幅较长的评论含有更多的个性化信息，觉得更有用。而对搜寻品则并非如此，评论阅读者只在乎有关产品质量的关键信息，对于其他无关信息则不太关心，篇幅的长短对其有用性的感知影响不大。鉴于此，我们分别对两种类型产品（经验品与搜寻品）为样本进行评论深度与评论有用性的相关性检验。由表3-7可知，对于搜寻品，评论深度与评论有用性不存在相关性，而对于经验品，评论深度与评论有用性存在正相关，从而验证了上述的猜想。表3-7评论深度与评论有用性在两种类型商品下相关分析结果搜寻品经验品评论有用性评论深度评论有用性评论深度评论有用0.04650.3138**1.00001.0000性(sig.)(0.1926)(0.0000)评论深度0.04650.3138**1.00001.0000(sig.)(0.1926)(0.0000)**相关系数在0.01水平（双尾）下达到显著。3.4.2回归分析回归分析（RegressionAnalysis）是一种统计学上分析数据的方法，主要是探-30- 哈尔滨工业大学管理学硕士学位论文讨数据之间是否有一种特定关系，探究一个变量与其他变量之间的关系。我们借助于显著性检验来判断自变量与因变量关系的显著性。本文采用Tobit模型，原因有三点。第一，因为回归模型之中因变量(评论有用性)的截取特性，虽然是连续的变量，但取值范围被严格界定——只能选择“有用”[34]143-144或“无用”投票，评论有用性取值介于0-1之间；第二，样本具有内在有偏性，亚马逊网站并不收集已阅读评论的人数，仅包括进行投票的总人数以及投[34]143-144票有用的人数。也就是说，存在相当一部分阅读了评论单位进行有用性投票的人们；第三，Kennedy（1994）认为如果解释变量会影响到个体进入样本的概[61]率时，采用OLS法做回归得出的结果会存在偏差。基于以上的分析，本文采用Tobit回归模型，以在线评论有用性作为因变量，以评论分数、评论的分数偏离度、评论深度作为自变量，以评论者质量（包括评论者排名、评论者获得的好评率两个维度）、商品类型（分为搜寻品、经验品两种类型）作为调节变量，以每条评论所获投票总数作为控制变量，前人研究表明评论分数对评论是否有用的影响受到商品类型的调节作用。假设对经验品，极端评论（1星、5星的评论）比中性评论（2星、3星、4星的评论）对评论有用性的影响更大。同时Huetal（2006）的研究探究了评论的U型的分布问题，并指出中[41]326-328性的评论并不能反映商品的真实的质量，相反还会给消费者带来误导。鉴于此，我们假设评论分数与评论有用性存在U型关系，因此我们将评论分数的平2方（RR）纳入模型作为自变量。建立各在线评论有用性与相关变量因素之间的回归模型。模型1：2H=aa++++++RRaRRaDRaRDatotaladurationi0123456iiiiii2(式3-1)+ββββRR×+DRR×+DDR×+DRD×D1234iiiiiii2+×+×+×+×+γγγγεRRRKRRRKDRRKRDRK1234iiiiiii模型2：2H=aa++++++RRaRRaDRaRDatotaladurationi0123456iiiiii2+ββββRR×+DRR×+DDR×+DRD×D(式3-2)1234iiiiiii2+×+×+×+×+γγγγεRRHRRRHRDRHRRDHR1234iiiiiii各变量解释见表3-8。-31- 哈尔滨工业大学管理学硕士学位论文表3-8变量说明变量名变量全称变量解释在线评论分数，定量反映评论者对被评商品所持态度RRReviewRating（如极端、中性评论）在线评论分数偏离度，反映评论者对某一商品的打分DRDeviationofRating相较于所有评论者对该商品的打分的均值的偏离程度RDReviewDepth在线评论深度，反映评论者对商品的文本描述评论者排名，反映评论者在Amazon.com全网的排名RKRanking情况评论者所获好评率，反映该评论者发布的所有评论收HRHelpfulnessRate到的有用投票率DProductType商品类型，其中D=1表示搜寻品，D=0表示经验品在线评论有用性，数值上等于某条评论所获得的“有HHelpfulness用投票数”除以“总投票数”totalTotalVotes控制变量，反映每一条评论获得的总投票数评论发布天数，数值上等于评论的抓取抓取时间减评durationDurationofrelease论发布时间所得天数模型1将商品类型与评论者排名作为调节变量纳入模型，探究在线评论本身（评论分数、评论的分数偏离度、评论深度）在商品类型与评论者排名的作用下对在线评论有用性的影响。模型2将商品类型与评论者好评率作为调节变量纳入模型，探究在线评论本身（评论分数、评论的分数偏离度、评论深度）在商品类型与评论者好评率对在线评论有用性的影响。首先对所有样本依模型1进行Tobit回归，结果如下表3-9、表3-10所示。表3-9所有样本依模型1拟合描述统计量统计值样本量1617左设限样本量141右设限样本量594未设限样本量882卡方检验统计量464.79自由度14P值0.0000伪决定系数R20.1633-32- 哈尔滨工业大学管理学硕士学位论文表3-10所有样本依模型1回归结果变量变量系数（标准差）**-0.7371评论分数（0.1290）**0.1117评论分数平方（0.0185）**-1.1720评论分数偏离度（0.1731）*0.0004评论深度（0.0001）**0.1739评论分数*商品类型（0.0550）**-0.0302评论分数平方*商品类型（0.0109）0.0958评论分数偏离度*商品类型（0.1119）**-0.0005评论深度*商品类型（0.0002）**-2.00e-08评论分数*评论者排名（5.39e-09）**3.00e-09评论分数平方*评论者排名（1.07e-09）-1.18e-08评论分数偏离度*评论者排名（9.79e-09）1.87e-11评论深度*评论者排名（1.75e-11）0.00003总投票数（0.00023）**0.00005评论发布天数（0.00001）**2.0091常数项（0.2403）注：*表示在0.05水平上显著，**表示在0.01水平上极显著然后对所有样本依模型2进行Tobit回归，结果如下表3-11、表3-12所示。表3-11所有样本依模型2拟合描述统计量统计值样本量1617左设限样本量141右设限样本量594未设限样本量882卡方检验统计量744.05自由度14P值0.0000伪决定系数R20.2614-33- 哈尔滨工业大学管理学硕士学位论文表3-12所有样本依模型2回归结果变量变量系数（标准差）**-1.0348评论分数（0.1247）**0.1470评论分数平方（0.0198）**-1.1570评论分数偏离度（0.2128）*0.0007评论深度（0.0003）**0.1316评论分数*商品类型（0.0498）**-0.0269评论分数平方*商品类型（0.0099）0.0703评论分数偏离度*商品类型（0.0988）**-0.0003评论深度*商品类型（0.0001）**0.6016评论分数*评论者好评率（0.1098）**-0.0721评论分数平方*评论者好评率（0.0219）*0.4304评论分数偏离度*评论者好评率（0.2104）-0.0007评论深度*评论者好评率（0.0004）0.00004总投票数（0.00021）0.00002评论发布天数（0.00001）**1.6722常数项（0.2168）注：*表示在0.05水平上显著，**表示在0.01水平上极显著。3.5本章小结本章首先对样本做了汇总分析并根据研究需要对变量进行了操作化定义。然后根据本文提到的研究模型、方法及所收集到的数据进行初步的样本描述和变量的描述性统计分析，并对部分变量设置虚拟变量，以满足回归分析的需要。接着通过变量的相关性分析和Tobit分析以及列联分析，对研究模型及各研究假设进行统计检验，发现了在线评论有用性的主要影响因素和影响作用。最后，在统计检验的基础上验证了各研究假设的支持情况，并就检验结果进行了有关讨论。此外，对于模型的预测能力我们也做了简单的检验。-34- 哈尔滨工业大学管理学硕士学位论文第4章研究结果讨论与展望4.1研究结果分析通过第3章的数据处理与分析，我们在本章对本文提出的假设支持情况展开分析。表3-9、表3-11中，卡方检验统计值分别为464.79、744.05，显著性水平（P值）均低于0.001，可以认为模型1和模型2的方程在统计意义上均是显著的。由表3-10和表3-12可知，评论分数与评论分数平方均在0.01水平上极为显著，说明评论分数、评论分数平方和评论有用性间存在显著关系。由于评论分数的系数与评论分数平方的系数符号相反，说明评论分数与评论[6]194有用性是一种U型的关系，这个结果与Susan和David的研究结果是一致的。假设1-0得到支持。评论分数偏离度在0.01水平上显著，结合评论分数偏离度的系数为负，可以判定评论分数偏离度与评论有用性存在负向关系，假设2-0得到验证。评论深度在0.05水平上对评论有用性有显著影响，且系数为正值，从而支持[6]194假设3-0，即评论深度对评论有用性有正向的影响，与Susan和David、王平[10]120和代宝得出相同的结论，即评论的篇幅越长，涉及到对产品的介绍和评价就越多，便于阅读者获得丰富的信息，其感知有用性就越高。表3-10、表3-12显示，商品类型与评论深度的交互作用在0.01水平上极为显著，说明商品类型对评论分数与评论有用性之间关系存在调节作用，而且该调节[6]194作用的显著程度要远高于Susan和David的研究中得出的结果（模型1：0.001；模型2：0.007；Susan和David模型：0.034），假设3-1得到部分支持。商品类型与评论分数、评论分数平方的交互作用均存在显著影响，说明商品类型对评论分[6]194数与评论有用性之间关系的调节作用明显，与Susan和David模型结论相同，假设1-1得到部分验证。商品类型与评论分数偏离度相互作用不明显，假设2-1未得到支持，即商品类型对评论分数偏离度与评论有用性的关系的调节作用不明显。可能的原因为评论分数偏离度对于两种不同类型产品都有同样的负向影响，而且影响差异不是很大，故而调节作用不明显。[10]119本研究与王平、代宝均考虑了评论者排名这一因素，不同之处在于王平和代宝的研究是将评论者排名作为自变量来讨论它对评论有用性的影响，其结果是空间排名可以体现发评者的权威性，排名靠前的评论者发布的商品评论具有较[10]120高的有用性。本文探讨的是评论者排名对商品评论的调节作用。由表3-10可知，评论者排名与评论分数的交互作用在0.01水平下极为显著，且系数为负值，说明评论者排名调节评论分数对评论有用性的关系，具体表现为，在相同评论分数水平下，评论者排名靠前的评论者发布的评论有用性更高，假设1-2得到验证，评论者排名对评论分数与评论有用性关系的调节作用见图4-1。而-35- 哈尔滨工业大学管理学硕士学位论文评论者排名与评论分数偏离度、评论深度交互关系不明显，故拒绝假设2-2和假设3-2。就评论者排名对评论分数偏离度、评论深度与评论有用性之间的关系调节作用不明显而言，可能的原因主要包括：（a）相较于评论分数的偏离度，评论阅读者可能更关注与评论分数和评论内容；（b）就评论内容而言，评论阅读者在给评论投票的时候关注的是评论本身的内容是否对自己有帮助，对评论者的排名情况并不是很在意，在判断评论是否有帮助时更加的客观，不受评论者排名的影响；（c）不排除这种情况，即高质量的评论者的评论由于未满足阅读者的信息需求，从而变得无用，低质量的评论者的评论可能恰恰满足的阅读者的信息需求，从而变得更有用；（d）可能是亚马逊网站上的评论者排名并不显示在评论页，不引起阅读者的关注；（e）对于评论者排名对评论分数有调节作用这一现象，我们给出的解释是：就评论分数这一单纯的数值而言，评论阅读者不足以判定该评论的有用情况，必须通过了解更多的信息来进行投票决策，这些辅助的指标可能就包括对评论者质量的考虑。.8.7.6评论有用性.5.412345评论分数排名靠后排名靠前图4-1评论者排名对评论分数与评论有用性关系的调节作用由表3-12可知，评论者好评率与评论分数、评论分数偏离度的交互作用均在0.01水平下极为显著，且系数均为正值，说明评论者好评率分别调节评论分数、评论分数偏离度对评论有用性的关系，即在相同评论分数（或评论分数偏离度）水平下，评论者好评率较高的评论者发布的评论有用性更高，假设1-3和假设2-3-36- 哈尔滨工业大学管理学硕士学位论文得到验证，评论者好评率对评论分数、评论分数偏离度与评论有用性关系的调节作用见图4-2、图4-3。与Huetal（2008）的研究不同之处在于Hu等人的研究是基于评论者好评率对消费者感知不确定性的直接影响，并得出消费者对高声誉的评论者发布的评论[9]209关注更多，感知不确定性相对较小，尽管对变量的定义以及研究的角度不尽相同，但内在实质是相同的。表3-12显示评论者好评率与评论深度交互关系不明显，故拒绝假设3-3，即评论者好评率对评论深度与评论有用性之间的关系调节作用不明显。原因包括：（1）就评论内容而言，阅读者对于评论是否有用，可以通过对内容的阅读来进行判断，无须借助评论者排名这一指标来指导决策。这种情况下，阅读者赋予最高权重的决策因素是评论的内容，而非其他的信息；（2）评论者好评率是通过计算求得，评论阅读者由于对数字与计算的不敏感等原因，并无意识将好评率这一指标作为决策影响因素；（3）可能是亚马逊网站上的评论者好评情况并不显示在评论页，不引起阅读者的关注；（4）对于评论者好评率对评论分数及分数偏离度有调节作用这一现象，我们给出的解释是：就评论分数这一单纯的数值而言，评论阅读者不足以判定该评论的有用情况，必须了解更多的信息来进行投票决策，这些辅助的指标可能就包括对评论者质量的考虑。.8.6评论有用性.4.212345评论分数高好评率低好评率图4-2评论者好评率对评论分数与评论有用性关系的调节作用-37- 哈尔滨工业大学管理学硕士学位论文.8.7.6.5评论有用性.4.30.2.4.6.8评论分数偏离度高好评率低好评率图4-3评论者好评率对评论分数偏离度与评论有用性关系的调节作用接下来，我们把所有样本按照商品类型分类分析，深入探讨商品类型对评论分数、评论深度与评论有用性关系的调节作用。回归方程见公式4-1。模型3：2H=aa++++++RRaRRaDRaRDatotaladuration（式4-1）i0123456iiiiii首先对搜寻品样本依模型3进行Tobit回归，结果如表4-1、表4-2所示。然后对经验品样本依模型3进行Tobit回归，结果如表4-14、表4-15所示。表4-1搜寻品样本依模型3拟合描述统计量统计值样本量788左设限样本量68右设限样本量316未设限样本量404卡方检验统计量147.86自由度6P值0.0000伪决定系数R20.0614-38- 哈尔滨工业大学管理学硕士学位论文表4-2搜寻品样本依模型3回归结果变量变量系数（标准差）*-0.4899评论分数（0.2223）**0.0770评论分数平方（0.0294）**-0.9299评论分数偏离度（0.3444）-0.0001评论深度（0.0001）0.0004总投票数（0.0003）**0.0006评论发布天数（0.0002）**1.8121常数项（0.4583）注：*表示在0.05水平上显著，**表示在0.01水平上极显著。表4-3经验品样本依模型3拟合描述统计量统计值样本量829左设限样本量73右设限样本量278未设限样本量478卡方检验统计量296.81自由度6P值0.0000伪决定系数R20.2042表4-4经验品样本依模型1回归结果变量变量系数（标准差）**-0.7560评论分数（0.1365）**0.1180评论分数平方（0.0187）**-1.2358评论分数偏离度（0.1929）**0.0006评论深度（0.0001）0.0002总投票数（0.0004）*0.00003评论发布天数（0.00001）**1.8170常数项（0.2719）注：*表示在0.05水平上显著，**表示在0.01水平上极显著。-39- 哈尔滨工业大学管理学硕士学位论文表4-1、表4-3中，卡方检验统计值分别为147.86、296.81，显著性水平（P值）均低于0.001，可以认为模型3的方程在统计意义上是显著的。由表4-2和表4-4可知，对经验品而言，评论深度均在0.01水平上极为显著，并且其系数为正值；但对搜寻品则无显著关系，从而假设3-1的得到支持，即商品类型调节评论深度与评论有用性之间的关系，并且对于经验品，评论深度越大，评论有用性越高，商品类型对评论深度与评论有用性关系的调节作用见图4-4。[6]193与Susan和David的结果恰恰相反，Susan和David的研究表明商品类型会对评论深度与评论有用性的关系产生调节作用，但是评论深度对搜寻品的这种调节作用要高于对经验品的作用。这是因为对于经验品，基本的商品描述并不能满足阅读者的信息需求，需要获得更多的主观信息来辅助决策；而对搜寻品而言，只需要获得最基本的商品信息就可以了。同时，我们在样本数量上不少于Susan和David的样本，模型中考虑了更多的变量，因为结果具有更高的可信度。.9.8.7.6评论有用性.5.405001000150020002500评论深度搜寻品经验品图4-4商品类型对评论深度与评论有用性关系的调节作用表4-2和表4-4表明，对于搜寻品，评论分数在0.05水平上是显著的，对经验[6]195品，评论分数在0.01水平上更为显著，与Susan和David的结果基本一致。这个结果虽一定程度说明了商品类型对于评论分数与评论有用性之间关系的调节作用，但具体的影响差异需进一步挖掘，为此我们分别对搜寻品和经验品的评论分数与评论有用性做更深入地分析，结果见表4-5与表4-6。-40- 哈尔滨工业大学管理学硕士学位论文表4-5不同类型产品评论分数与评论有用性列联分析商品类型评论分数“有用”投票数“无用”投票数总投票数评论有用性极端评论36631372503572.75%搜寻品中性评论4393851524483.77%极端评论51713089826062.60%经验品中性评论10401000204050.98%合计—14267631220579—表4-6列联分析统计量商品类型Pearson卡方统计量自由度显著性搜寻品184.0810.000经验品92.3110.000100%80%搜寻品评论有用性经验品60%40%极端评论中性评论评论分数图4-5不同类型产品评论分数与评论有用性列联分析图由表4-5及图4-5可以发现，总体而言，搜寻品的评论有用性要高于经验品的有用性。对搜寻品来说，中性评论较极端评论更有用；对经验品，极端评论比中性评论更有用。证明了假设1-1是正确的。综合以上的分析，表4-6汇总了实证分析对模型假设的支持与否情况。-41- 哈尔滨工业大学管理学硕士学位论文表4-6模型估计结果对假设的支持情况假设是否支持假设1-0：评论分数影响在线评论阅读者所感知的评论有用性支持假设1-1：商品类型会调节评论分数对评论有用性的影响。对经验品而言，支持极端评论比中性评论有用性高假设1-2：评论者排名会调节评论分数对评论有用性的影响。对于相同评论支持分数的评论，排名靠前的评论者给出的评论其有用性更高假设1-3：评论者好评率会调节评论分数对评论有用性的影响。对于相同的支持评论分数的评论，好评率高的评论者给出的评论其有用性更高假设2-0：评论分数偏离度对评论有用性有负向影响支持假设2-1：商品类型会调节评论分数偏离度对评论有用性的影响。评论分数不支持偏离度对经验品的评论有用性的影响更显著假设2-2：评论者排名会调节评论分数偏离度对评论有用性的影响。对于相不支持同分数偏离度的评论，排名靠前的评论者给出的评论其有用性更高假设2-3：评论者好评率会调节评论分数偏离度对评论有用性的影响。对于支持相同的分数偏离度的评论，好评率高的评论者给出的评论其有用性更高假设3-0：评论深度对评论有用性有正向影响支持假设3-1：商品类型会调节评论深度对评论有用性的影响。对经验品来讲，支持评论有用性随评论深度的增大而增大假设3-2：评论者排名会调节评论深度对评论有用性的影响。对于相同评论不支持深度的评论，排名靠前的评论者给出的评论其有用性更高假设3-3：评论者好评率会调节评论分数对评论有用性的影响。对于相同的不支持评论深度的评论，好评率高的评论者给出的评论其有用性更高4.2模型预测检验前文已经分析验证了影响在线商品评论有用性的包括评论本身因素、商品类型、评论源质量等相关因素的作用，并对提出的假设做了验证，同时建立起在线商品评论有用性影响因素模型，本节我们将对在线评论有用性影响因素模型的预测能力进行简单的检验，以此来对我们构建的模型对于处理实际问题的实用性与准确度做一个大致的估计，根据结果评估模型对在线商品评论有用性的判别效果。基本思路是根据本文构建的模型（模型1、2），以研究中使用的所有的1617条样本数据为基础，利用模型预测出样本中各条评论的有用性值并作拟合，并与相对应的每条评论的实际有用性值的拟合作比较。该过程使用Stata10.0完成。-42- 哈尔滨工业大学管理学硕士学位论文如图4-6所示，各分图中的两条拟合线分别为：虚线表示基于样本数据的模型预测值的拟合，实线表示实际样本数据值的拟合。分图a）、c）、e）是模型1基于不同自变量的拟合图；分图b）、d）、f）为模型2基于相应自变量的拟合图。从图中拟合情况看，我们构建的模型虽然具有基本的预测能力，但预测能力精度不够高，模型的解释能力有待提高，应该与我们纳入模型的变量不足有关。由于并不是为构建在线评论有用性的影响因素模型，故本节内容仅作为研究的补充。.9.9.8.8.7.7.6.6评论有用性评论有用性.5.5.4.41234512345评论分数评论分数模型1预预预的预合实际数据的拟合模型2预预预的预合实际数据的拟合a)基于评论分数的模型1的拟合情况b)基于评论分数的模型2的拟合情况11.8.8.6.6评论有用性评论有用性.4.4.2.20.2.4.6.80.2.4.6.8评论分数偏差评论分数偏差模型1预预预的预合实际数据的拟合模型2预预预的预合实际数据的拟合c)基于评论分数偏离度的模型1的拟合情况d)基于评论分数偏离度的模型2的拟合情况11.8.8.6.6评论有用性评论有用性.4.4.2.20500100015002000250005001000150020002500评论深度评论深度模型1预预预的预合实际数据的拟合模型2预预预的预合实际数据的拟合e)基于评论深度的模型1的拟合情况f)基于评论深度的模型1的拟合情况图4-6评论有用性的预测值与实际值的比较图-43- 哈尔滨工业大学管理学硕士学位论文4.3研究贡献本研究同时在理论与实践方面有一定的参考意义。从理论上，我们验证了在线商品评论的评论分数、评论深度对评论有用性的影响，并且提出了评论分数偏离度的概念进行探究，同时也检验了以上关系在商品类型和评论者质量下的差异。首先，从消费者心理与行为学的角度上，我们认识到了消费者在判断所阅读的在线评论对自身有用性的强弱感知会取决于在线评论的分数、分数偏离度、评论内容长度等指标，同时消费者评判感知有用性的过程中，评论源的可靠程度以及商品类型都会起到重要的作用。不可否认的是，本文中未考虑到的其他一些因素也可能会有影响作用，我们未作深入讨论，希望能在未来的研究中加以深入。其次，前人的部分研究由于所选商品种类较少，样本的偏颇可能会影响到研究的精度，另外有部分研究通过调查问卷的形式对搜集到的数量有限的样本进行分析，这样可能会由于主观因素较强而未能反映实际情况，缺乏可信度。本文克服了以上两点局限性，通过计算机编程在线抓取相对较多的样本数据，在真实网站的原始数据的基础上进行实证分析，分析得出的结论说服力更强一些。本研究的实践意义在于可以启示B2C电子商务网站在线商家对管理在线商品评论有了新的认识。本研究发现，对于经验品而言，商家应该更关注与极端评论的管理，而对于搜寻品来讲，对于中性评论的管理则能带来更大的效益。换言之，消费者对不同类型的商品的信息需求的侧重是不同的，具体来讲，由于经验品是非标准、体验性较强的一类产品，消费者在选择、购买这类产品时更偏好高度个性化的评论信息，更关注不同个体使用产品或者享受服务时的主观体验；而搜寻品的消费者则更关注于这类相对标准化产品的标准参数之类的产品信息，评论的客观性会有助于提升消费者感知有用性，也即中性评论对搜寻品消费者而言有用性更强。此外，我们的研究结果也在一定程度上说明了评论者质量对于评论有用性的影响，高质量评论源的评论对于说服潜在消费者从而产生购买行为具有重要的作用。从消费者角度来讲，消费者更愿意关注高质量评论源的在线评论，但由于在线评论数据的庞大以及在线评论源的参差不齐导致了信息甄别的困难，加大了信息搜寻成本，提高了决策风险。这样对于在线商家如何管理在线评论提出了较高的要求，对于在线商家管理、约束评论者行为也有一定借鉴意义。商家从消费者的角度出发，完善在线商品评论机制，降低消费者信息搜寻成本，从而降低消费者的决策风险，这样对于在线商家而言也是大有裨益的，可以增加在线商家网络口碑从而增加商品销量获得更多收益。具体而言，在线商家可以采取一些积极有益的措施，比如完善评论者的信誉评价机制、约束评论者的评-44- 哈尔滨工业大学管理学硕士学位论文论行为、为评论者提供开放的评论环境、激励评论者踊跃评论、建立评论者网络行为监督机制等等。相关学者可以就这些结论在理论上进一步探讨并利用该结果指导商业实践。4.4研究局限与展望由于自身科研能力以及科研经验的限制，同时也存在研究资源的约束，本文的研究过程中难免会存在一些局限性，这些局限的表现主要有以下几点：首先，由于我们研究采用的样本数据均来自亚马逊官网（Amazon.com），得出的研究结果仅适用于美国的情况，对于该结果是否适用于其他国家、地域文化体系尚不可知；其次，本文模型的拟合度有待提高。我们构建的模型虽然具有基本的预测能力，但预测能力精度不够高，模型的解释能力有待提高，应该与我们纳入模型的变量不足有关；再次，对于评论内容文本的挖掘不够。我们对于评论内容的衡量只是从单纯的字数规模来测度的，评论的文本内容本身含有很多的信息，比如评论的主客观倾向、内容的正面性与负面性等；最后，未加入时间维度。本文并未探究时间对于评论有用性的影响，只是将评论持续天数作为控制变量纳入模型，对于时间的影响研究不够。针对研究的不足之处，结合目前学术界的研究现状和实践要求，可以从以下几个方面对未来研究提供一些建议：（1）对于消费者对在线评论有用进行投票与否，以及产生相应行为的动机进行探索；（2）在构建在线商品评论有用性影响因素模型的研究中，尽量发掘并纳入不同的影响因素，提高模型的拟合程度，以此增强模型的预测能力，提升对理论研究对管理实践的指导意义；（3）未来的研究可在如何选取更为精确的指标衡量在线商品评论有用性上进行发掘。4.5本章小结本章在第3章的基础上，基于实证的分析，对研究所提出的假设进行了验证并对相应的结果展开深入讨论。然后对本研究构建的模型的预测能力做了简单的检验。最后总结了本研究的贡献与不足之处，并对将来的研究方向提出了相关的建议。-45- 哈尔滨工业大学管理学硕士学位论文结论基于在线商品评论与在线评论感知有用性之间的关系给出不一致的结果的研究，我们研究了在商品类型、评论者质量（评论者排名、评论者好评率）的调节下，在线评论对在线评论有用性的影响的差异。本文的研究数据均来自于亚马逊官方网站，利用统计软件对两类商品、6种特定商品的全部在线评论数据进行了相关分析、回归分析、列联分析以及数据拟合等分析，本文得出如下研究结论：（1）评论分数、分数偏离度以及评论深度都对评论有用性有影响，其中评论分数与评论有用性之间存在U形关系；评论分数偏离度对评论有用性有负向的影响作用，即评论有用性随评论分数偏离度的增加而降低；评论深度对评论有用性有正向的影响，即评论有用性会随评论深度的增加而升高。（2）商品类型对在线评论与评论有用性之间的关系存在调节作用，具体表现为：a）商品类型会调节评论分数对评论有用性的影响，对经验品而言，极端评论比中性评论有用性更高，对搜寻品恰恰相反；b）商品类型会调节评论深度对评论有用性的影响，对经验品来讲，评论有用性随评论深度的增加而增加，且同样评论深度对经验品的评论有用性的影响更显著。（3）评论者质量对在线评论与评论有用性之间的关系存在调节作用，具体表现为：a）对于相同评论分数的评论，高质量的评论者（排名靠前或好评率较高的评论者）给出的评论其有用性更高；b）对于相同评论分数偏离度的评论，好评率较高的评论者给出的评论其有用性更高。而评论者质量对于评论深度对评论有用性的调节作用未得到支持。-46- 哈尔滨工业大学管理学硕士学位论文参考文献[1]GregRN.Consumers’Revenge:OnlineProductReviewsandRatings[J].Econtent，2000，23（4）：61-64.[2]DellarocasC,GaoGD,NarayanR.AreConsumersMoreLikelytoContributeOnlineReviewsforHitorNicheProducts?[J].JournalofManagementInformationSystems，2010，27（2）：127-158.[3]DuanWJ,GuB,WhinstonAB.Doonlinereviewsmatter?--Anempiricalinvestigationofpaneldata[J].DecisionSupportSystems，2008，45（4）：1007-1016.[4]ZhuF,ZhangM.ImpactofOnlineConsumerReviewsonSales:TheModeratingRoleofProductandConsumerCharacteristics[J].JournalofMarketing，2010，74（2）：133-148.[5]ParkDH,andKimS.Theeffectsofconsumerknowledgeonmessageprocessingofelectronicword-of-mouthviaonlineconsumerreviews[J].ElectronicCommerceResearchandApplications，2008，7（4）：399-410.[6]SusanM,DavidS.Whatmakesahelpfulonlinereview?Astudyofcustomerreviewsonamazon.com[J].MISQuarterly，2010，34（1）：185-200.[7]KimSM,HovyE.AutomaticIdentificationofProandConReasonsinOnlineReviews[C].ProceedingsoftheCOLING/ACL2006MainConferencePosterSessions，2006（7）：483-490.[8]郝媛媛，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，2010（8）：78-87.[9]HuN,LiuL,ZhangJ.Doonlinereviewsaffectproductsales?Theroleofreviewercharacteristicsandtemporaleffects[J].InfTechnolManage，2008，9（3）：201-214.[10]王平，代宝.消费者在线评论有用性影响因素实证研究[J].统计与决策，2012（2）：118-120.[11]彭岚，周启海，邱江涛.消费者在线评论有用性影响因素模型研究[J].计算机科学，2011（8）：205-206.[12]张莹，孙明贵.西方网络口碑传播效应研究进展[J].财贸研究，2008（5）：109-114[13]ChatterjeeP.OnlineReviews:DoConsumersUseThem?[C].AssociationforConsumerResearch，2001，28（1）：129-133.[14]Hennig-ThurauT,GwinnerKP,WalshG,etal.Electronicword-of-mouthviaconsumer-optionplatforms:withmotivatesconsumerstoarticulatethemselvesom-47- 哈尔滨工业大学管理学硕士学位论文theinternet[J].JournalofInteractiveMarketing，2004，18（1）：38-52.[15]ChevalierJA,MayzlinD.TheEffectofWordofMouthonSales:OnlineBookReviews[J].JournalofMarketingResearch，2006，43（3）：345-354.[16]DellarocasC,ZhangM,NeveenF.Exploringthevalueofonlineproductreviewsinforecastingsales:Thecaseofmotionpictures[J].Journalofinteractivemarketing，2007，21（4）：23-45.[17]DellarocasC,AwadNF,ZhangM.UsingOnlineReviewsasaProxyofWord-of-MouthforMotionPictureRevenueForecasting.2004[18]KumarN,BenbasatL.TheInfluenceofRecommendationsonConsumerReviewsonEvaluationsofWebsites[J].InformationSystemsResearch，2006（4）：425-439.[19]JiangZ,BenbasatI.InvestigatingtheInfluenceoftheFunctionalMeehanismsofOnlineProductPresentations[J]．InformationSystemsResearch，2007（4）：221-244.[20]LiX,HittLM.SelfSelectionandInformationRoleofOnlineProductReviews[J].InformationSystemsResearch，2008，19（4）：456-474.[21]LiuY.WordofMouthforMovies:ItsDynamicsandImpactonBoxOfficeRevenue[J].JournalofMarketing，2006，70（3）：74-89.[22]SilkeBS,SabrinaM.Doconsumersstillbelievewhatissaidinonlineproductreviews?Apersuasionknowledgeapproach[J].JournalofRetailingandConsumerServices，2013，20（4）：373-381.[23]DouX,WaldenJA,LeeS,etal.Doessourcematter?Examiningsourceeffectsinonlineproductreviews[J].ComputersinHumanBehavior，2012，28（5）：1555-1563.[24]ClemonsEK,GaoG,HittLM.WhenOnlineReviewsMeetHyperdifferentiation:AStudyoftheCraftBeerIndustry[J].JournalofManagementInformationSystems，2006，23（2）：149-171.[25]LiuY,JinJ,JiP,etal.Identifyinghelpfulonlinereviews:Aproductdesigner’sperspective[J].Computer-AidedDesign，2013，45（2）：180-194.[26]李宏，喻葵，夏景波.负面在线评论对消费者网络购买决策的影响：一个实验研究[J].情报杂志，2011（5）：202-207.[27]那日萨，李媛.基于在线评论的消费者模糊情感计算与推理[J].情报学报，2011（4）：417-423.[28]温飞，沙振权.网络商店的在线口碑传播：信任的中介及性别的调节作用[J].管理评论，2011（11）：41-46.[29]陈江涛，张金隆，张亚军.在线商品评论有用性影响因素研究:基于文本语义视角[J].图书情报工作，2012，56（10）：119-123.-48- 哈尔滨工业大学管理学硕士学位论文[30]严建援，张丽，张蕾.电子商务中在线评论内容对评论有用性影响的实证研究[J].情报科学，2012，30（5）：713-719.[31]孙文俊，薛博召.图书领域消费者在线评论的有用性影响因素研究[J].江苏商论，2011（5）：58-60.[32]祝珊，殷国鹏.消费者在线口碑有用性影响因素研究[J].山东社会科学，2011（06）：121-124.[33]张梦，张广宇.在线信息对酒店网上预订的影响研究——基于携程网酒店在线预订数据的分析[J].旅游学刊，2011（7）：79.[34]殷国鹏，刘雯雯，祝珊.网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J]．图书情报工作，2012，56（16）：140-147.[35]张强，李乃和.网络口碑研究现状及未来发展初探[J].江西农业学报，2008，20（4）：147-149.[36]李实，陆光.修正中文评论挖掘中产品特征词序的实验研究[J].科学技术与工程，2012，12（21）：5181-5185.[37]刘建新，陈雪阳.口碑传播的形成机理与口碑营销[J].财经论丛，2007（5）：96-102.[38]郭小钗，陈蓓蕾.在线口碑效应的影响因素实证研究[J].北京理工大学学报(社会科学版)，2009，11（2）：31-35.[39]GhoseA，IpeirotisPG.DesigningNovelReviewRankingSystems:PredictingtheUsefulnessandImpactofReviews.AssociationComputingMachinery(ACM),2007.[40]ZhangZ,YeQ,RobL,etal.Theimpactofe-word-of-mouthontheonlinepopularityofrestaurants:Acomparisonofconsumerreviewsandeditorreviews[J].InternationalJournalofHospitalityManagement，2010，29（4）：694-700.[41]HuN，PavlouPA，ZhangJ．Canonlinereviewsrevealaproduct’struequality?Empiricalfindingsandanalyticalmodelingofonlinewordof-mouthconnnunication[C]//Proceedingsofthe7mACMconferenceonElectroniccommerce，2006：324-330.[42]DellarocasC.TheDigitizationofWordofMouth:PromiseandChallengesofOnlineFeedbackMechanisms[J].ManagementScience,2003,49(10):1407-1424.[43]NelsonP.InformationandConsumerBehavior[J].JournalofPoliticalEconomy，1970（20）：311-329.[44]NelsonP．AdvertisingasInformation[J]．JournalofPoliticalEconomy，1974（4）：729-754.[45]HuangP,LurieNH,MitraS.SearchingforExperienceontheWeb:An-49- 哈尔滨工业大学管理学硕士学位论文EmpiricalExaminationofConsumerBehaviorforSearchandExperienceGoods[J].JournalofMarketing，2009（2）：55-69.[46]WeathersD,SharmaS,WoodSL.Effectsofonlinecommunicationpracticesonconsumerperceptionsofperformanceuncertaintyforsearchandexperiencegoods[J].JournalofRetailing，2007，83（4）：393-401.[47]KleinLR.EvaluatingthePotentialofInteractiveMediathroughaNewLens:SearchversusExperienceGoods[J].JournalofBusinessResearch，1998，41（3）：195-203.[48]SenecalS,NantelJ.Theinfluenceofonlineproductrecommendationsonconsumers’onlinechoices[J].JournalofRetailing，2004，80（2）：159-169.[49]PavlouPA,LiangH,XueY.UnderstandingandMitigatingUncertaintyinOnlineExchangeRelationships:APrincipal-AgentPerspective[J].MISQuarterly，2007，31（1）：105-136.[50]KempfDS,SmithRE.ConsumerProcessingofProductTrialandtheInfluenceofPriorAdvertising:AStructuralModelingApproach[J].JournalofMarketingResearch，1998，35（3）：325-338.[51]SchlosserAE.SourcePerceptionsandthePersuasivenessofInternetWord-of-MouthCommunication[J].AdvancesinConsumerResearch，2005，31（1）：202-203.[52]FormanC,GhoseA,WiesenfeldB.ExaminingtheRelationshipBetweenReviewsandSales:TheRoleofReviewerIdentityDisclosureinElectronicMarkets[J].InformationSystemsResearch，2008，19（3）：291-313.[53]PavlouPA,DimokaA.TheNatureandRoleofFeedbackTextCommentsinOnlineMarketplaces:ImplicationsforTrustBuilding,PricePremiums,andSellerDifferentiation[J].InformationSystemsResearch，2006，17（4）：392-414.[54]CrowleyAE,HoyerWD.AnIntegrativeFrameworkforUnderstandingTwo-SidedPersuasion[J].JournalofConsumerResearch，1994，20（4）：561-574.[55]JohnsonEJ,PayneJW.EffortandAccuracyinChoice[J].ManagementScience，1985，31（4）：395-414.[56]ArndtJ.Roleofproduct-relatedconversationinthediffusionofanewproduct[J].JournalofMarketingResearch，1967，4（3）：291-295.[57]BeiLT,ChenEY,WiddowsR.Consumers'OnlineInformationSearchBehaviorandthePhenomenonofSearchvs.ExperienceProducts[J].JournalofFamilyandEconomicIssues，2004，25（4）：449-467.[58]BrownJJ,ReingenPH.SocialTiesandWord-of-MouthReferralBehavior[J].JournalofConsumerResearch，1987，14（3）：350-362.-50- 哈尔滨工业大学管理学硕士学位论文[59]DabholkarPA.FactorsInfluencingConsumerChoiceofa“RatingWebSite”:AnExperimentalInvestigationofanOnlineInteractiveDecisionAid[J].JournalofMarketingTheoryandPractice，2006，14（4）：259-273.[60]ZhangZ.WeighingStars:AggregatingOnlineProductReviewsforIntelligentE-commerceApplications[J].IEEEIntelligentSystems，2008，23（5）：42-49.[61]KennedyP.AGuidetoEconometrics[M].English:Oxford,1994-51- 哈尔滨工业大学管理学硕士学位论文附录1抓取在线评论数据Java程序实现为了满足数据抓取和处理的需要，本研究使用Java编写了相应程序完成该工作。以下简单列出该程序的源代码：packagetest;importjava.io.BufferedReader;importjava.io.File;importjava.io.IOException;importjava.io.InputStream;importjava.io.InputStreamReader;importjava.net.Authenticator;importjava.net.HttpURLConnection;importjava.net.PasswordAuthentication;importjava.net.URL;importjava.nio.charset.Charset;importjava.sql.Timestamp;importjava.text.DateFormat;importjava.text.SimpleDateFormat;importjava.util.HashMap;importjava.util.List;importjava.util.Map;importjxl.Workbook;importjxl.write.Label;importjxl.write.Number;importjxl.write.WritableSheet;importjxl.write.WritableWorkbook;importjxl.write.WriteException;importjxl.write.biff.RowsExceededException;publicclassURLTest{//一个public方法，返回字符串，错误则返回"erroropenurl"publicstaticStringgetContent(StringstrUrl){try{URLurl=newURL(strUrl);BufferedReaderbr=newBufferedReader(newInputStreamReader(url-52- 哈尔滨工业大学管理学硕士学位论文.openStream(),Charset.forName("utf-8")));Strings="";StringBuffersb=newStringBuffer("");while((s=br.readLine())!=null){sb.append(s);}br.close();returnsb.toString();}catch(Exceptione){return"erroropenurl:"+strUrl;}}publicstaticvoidinitProxy(Stringhost,intport,finalStringusername,finalStringpassword){Authenticator.setDefault(newAuthenticator(){protectedPasswordAuthenticationgetPasswordAuthentication(){returnnewPasswordAuthentication(username,newString(password).toCharArray());}});System.setProperty("http.proxyType","4");System.setProperty("http.proxyPort",Integer.toString(port));System.setProperty("http.proxyHost",host);System.setProperty("http.proxySet","true");}privatestaticbooleanisNumberFormat(Stringstr){if(str.charAt(0)>='0'&&str.charAt(0)<='9'){returntrue;}else{returnfalse;}}publicstaticMapgetRank(Stringurl){Mapmap=newHashMap();try{StringcurLine="";Stringcontent="";URLserver=newURL(url);-53- 哈尔滨工业大学管理学硕士学位论文HttpURLConnectionconnection=(HttpURLConnection)server.openConnection();connection.connect();InputStreamis=connection.getInputStream();BufferedReaderreader=newBufferedReader(newInputStreamReader(is,Charset.forName("utf-8")));while((curLine=reader.readLine())!=null){content=content+curLine;}intstartIndex=content.indexOf("TopReviewerRanking:")+"TopReviewerRanking:".length();intendIndex=content.indexOf("<",startIndex);if(startIndex==endIndex){startIndex=content.indexOf(">",content.indexOf("TopReviewerRanking:"))+1;endIndex=content.indexOf("",startIndex);}Stringrank=content.substring(startIndex,endIndex).trim();//System.out.println(rank);if(isNumberFormat(rank)){map.put("rank",rank);startIndex=content.indexOf("TotalHelpfulVotes:",startIndex)+"TotalHelpfulVotes:".length()+1;endIndex=content.indexOf("of",startIndex);map.put("usefull",content.substring(startIndex,endIndex));startIndex=endIndex+"of".length();endIndex=content.indexOf("