周明升，韓冬梅

（上海財經(jīng)大學，上海 200433）

0 引言

商品經(jīng)濟以來，口碑被公認為是信息傳遞的有效來源，特別是對體驗型商品而言[1-2]。隨著信息技術的發(fā)展，人與人之間的信息傳遞方式發(fā)生了很大改變，人們可以通過計算機網(wǎng)絡，借助在線客戶評價系統(tǒng)，在前所未有的范圍內實時方便地獲取公司、產(chǎn)品或服務的信息，并可以方便地交換意見[3]。網(wǎng)絡成為觀眾評論的重要媒介，網(wǎng)絡環(huán)境下，網(wǎng)絡口碑活動效率高、靈活、不受地域限制，于是被越來越多地認同和開展。

對在線聊天、微博、推特、在線評論系統(tǒng)等社交媒體口碑研究的文獻大量出現(xiàn)，但其研究結果卻是多樣的，有的研究認為其作用很大[4]；有的研究卻對這種觀點提出挑戰(zhàn)[1，5-7]，如在線評論的說服作用（Persuasive Effect）和認知影響（Awareness Effect）的爭論、口碑作為外生還是內生變量的爭論、所選樣本的異質性問題等。

本文擴充了對用戶行為的描述，將用戶行為作為內生變量進行研究，解決了數(shù)據(jù)異質性問題。本文以電影產(chǎn)業(yè)為例，不僅考慮用戶評論，還引入了用戶關注度指標，通過聯(lián)立方程來描述在線用戶行為的雙重作用，來評估在線用戶評論、用戶關注度的說服作用和認知影響；分析用戶行為與銷量的相互關系，同時分析了行為本身的特點。為消除不同樣本集數(shù)據(jù)的異質性，本文研究的用戶評論、用戶關注度與產(chǎn)品銷量是同一樣板（Panel）數(shù)據(jù)集。本文的聯(lián)立方程利用樣板數(shù)據(jù)結果和雙向因果關系，構建了預測模型，提供在線用戶評論真實影響的度量。

1 理論假設

前人的理論和實驗研究[1，6，8]表明了口碑數(shù)量與產(chǎn)品銷量的正相關關系：用戶口碑（用戶評論數(shù)和用戶關注度）對票房收入有積極影響；同時，電影票房是自相關的，即近期票房較高的電影接下來票房仍然比較高，這些結論不再贅述。本文對相關假設進行了擴展，增加了如下假設：

假設1（H1）用戶評分對票房收入有積極影響。

把用戶評分分為兩種：累計評分和本周評分，H1變化為：

H1a：累計用戶評分對票房收入有積極影響；

H1b：每周用戶評分對票房收入有積極影響。

假設2（H2）口碑是過去銷售的產(chǎn)出，票房收入對口碑有積極影響。

用用戶評論數(shù)/發(fā)帖數(shù)量、用戶關注度（搜索量）來刻畫用戶口碑，H2變?yōu)椋?/p>

H2a：票房收入對用戶評論數(shù)有積極影響；

H2b：票房收入對用戶關注度有積極影響。

假設3（H3）用戶評論數(shù)量是自相關的，即最近帖子量的增加極有可能引起用戶評論增加。

假設4（H4）用戶關注度是自相關的，即最近搜索量的增加極有可能引起用戶搜索量增加。

2 模型建立

2.1 數(shù)據(jù)描述

本文中的數(shù)據(jù)主要有三類：（1）電影及票房信息：從電影網(wǎng)（http：//www.m1905.com/）獲得電影及票房信息，匯總得到當周票房、當周累計票房。（2）電影評論信息：從時光網(wǎng)（http：//www.mtime.com/）獲取電影評論數(shù)據(jù)，匯總得到各周評價數(shù)、各周平均評分、各周累計評價數(shù)、各周累計評分。（3）用戶指數(shù)信息：從百度指數(shù)查詢（http：//index.baidu.com）獲取電影用戶關注度信息，匯總得到每周用戶關注指數(shù)。

各指標變量名稱及定義如表1所示。

表1 指標變量名稱及定義

選取了2011年至2013年的52部電影 （國產(chǎn)影片27部，進口影片25部，這52部電影的國內總票房均在前100名內）放映期內的342組數(shù)據(jù)。

2.2 實驗模型

電影在內地的上映周期為6～10周 （樣本中平均為7.17周），取前 8周（上映周期不足8周的，以實際上映周數(shù)為準）。分三步進行實驗。

（1）每周票房與用戶評論、評分之間的關系：與本周評論數(shù)、評分，上周評論數(shù)、上周評分（WEEKLYGRADEi，t-1）/上周累計評分（CMUGRADEi，t-1）之間的關系，模型如下：

模型1.1

其中，i為電影數(shù)，i=1，2，…，N；t為上映周，t=1，2，…，T。

模型1.2

其中，i為電影數(shù)，i=1，2，…，N；t為上映周，t=1，2，…，T。

（2）每周評論數(shù)與票房、評論數(shù)、評分、關注度之間的關系：與本周票房、評分、關注度，上周評論數(shù)、評分、關注度之間的關系，模型如下：

模型2

（3）每周用戶關注度與票房、評論數(shù)、評分、關注度之間的關系：與本周票房、評分、評論數(shù)，上周評論數(shù)、分數(shù)、用戶關注度之間的關系，模型如下：

模型3

3 結果與分析

通過Eviews 6.0建立樣板數(shù)據(jù)集，運行上述模型。首先進行協(xié)整檢驗，確保其符合線性回歸要求，然后進行回歸，結果如圖1所示（限于篇幅，協(xié)整檢驗結果略）。

圖1 模型1.1、模型1.2運行結果

圖1結果表明，每周票房與本周評分、本周評價數(shù)、本周關注度正相關，與上周評分/上周累計評分、上周評價數(shù)、上周關注度負相關。在消除了用戶評價的內生性和產(chǎn)品的異質性后，用戶評分僅作為票房收入的表現(xiàn)，不再顯著影響票房收入。用戶評分只是票房收入的反映，并不對票房收入產(chǎn)生影響，即假設 1（H1）是不成立的，高評分未必帶來高票房。

模型2、模型3的運行結果分別如圖2、圖3所示。

圖2 模型2的運行結果

圖3 模型3的運行結果

從圖2和圖3可以得出以下結論：

（1）在p<0.01的置信水平下，每周評價數(shù)與本周票房正相關，每周用戶關注度與本周票房是正相關的，驗證了假設 2（包括 H2a和 H2b），即票房收入對口碑（以用戶評價數(shù)和用戶關注度為指標）有積極影響。

（2）在p<0.01的置信水平下，每周評價數(shù)與上周評價數(shù)正相關，驗證了假設 3（H3），即每周評論數(shù)是自相關的，最近帖子量的增加極有可能引起接下來用戶評論的增加。

（3）在p<0.01的置信水平下，每周用戶關注度與上周用戶關注度正相關，驗證了假設 4（H4），即每周用戶關注度是自相關的，最近搜索量的增加極大可能引起接下來搜索量的增加。

4 結論

本文研究的是社交媒體用戶行為對產(chǎn)品銷售的影響，通過電影票房及在線口碑數(shù)據(jù)來觀測在線口碑影響及其特質。定立了聯(lián)立方程，通過樣本數(shù)據(jù)來獲取在線口碑與電影票房之間的關系?？梢园l(fā)現(xiàn)，票房收入與在線用戶人氣（評價數(shù)、用戶關注度）是顯著相關的，而用戶評分通常是票房收入的反映，并不顯著影響票房，即高評分并不一定獲得高票房。這一研究結果是有趣的，它表明用戶有自己的判斷力，有能力自己判斷產(chǎn)品的好壞，而不被口碑的說服作用影響；另一方面，受到用戶口碑的認知作用影響，高人氣帶來高知名度，往往帶來高銷量。

用戶評論、用戶關注度（搜索量）作為在線口碑的表現(xiàn)形式，本文分析了它們的特質。在線用戶口碑表現(xiàn)出明顯的自相關性，即最近評論數(shù)的增加具有可能引起接下來用戶評論的增加，最近搜索量的增加極有可能引起接下來用戶搜索量的增加。電影銷量對在線口碑有顯著影響，即電影票房的增加往往帶來用戶評論、用戶關注度的增加。

本文構建了基于社交媒體用戶行為的產(chǎn)品銷量預測模型，對在線口碑特質進行了分析，研究具有良好的現(xiàn)實意義。以電影產(chǎn)業(yè)為例，通過前期的策劃，可以帶來較高的網(wǎng)絡人氣，也往往帶來較高的銷量，但通過提高電影評級卻無法帶來更高的銷量，這為電影服務商策略提供了參考。通過稍加改動，這一模型可以擴展至其他行業(yè)、其他企業(yè)。

[1]GODES D，MAYZLIN D.Usingonlineconversationsto study word of mouth communication[J].Marketing Science，2004，23（4）：545-560.

[2]GRANOVETTER M.The strength of weak ties[J].American Journal of Sociology， 1973，78（6）：1360-1380.

[3]DELLAROCAS C.The digitization ofword ofmouth：promise and challenges of online feedback mechanisms[J].Management Science， 2003，49（10）：1407-1424.

[4]Chen Yubo， FAY S， Wang Qi.Marketing implications of online consumer product reviews[J].Information Technology and Management， 2003，9（3）：201-214.

[5]Chen Peiyu， Wu Shiyi， YOON J.The impact of online recommendations and consumer feedback on sales[C].Proceedings of the International Conference on Information Systems，2004：711-724.

[6]Liu Yong.Word of mouth for movies：its dynamics and impact on box office revenue[J].Journal of Marketing， 2006，70（3）： 74-89.

[7]Duan Wenjing， Gu Bin， WHINSTON A B.Do online reviews matter？-An empirical investigation of panel data[J].Decision Support Systems， 2008，45（4）：1007-1016.

[8]MCFADDEN D L， TRAIN K E.Consumer′s evaluation of new products：learning from self and others[J].Journal of Political Economy， 1996， 104（4）： 683-703.