陳農(nóng)

[摘要]探索在線評論相關(guān)領(lǐng)域中的研究主題以及它們之間的結(jié)構(gòu)關(guān)系。從Web of Science核心數(shù)據(jù)庫提取2009-2013年共113篇文獻，通過共詞分析確定了41個關(guān)鍵詞，然后運用社會網(wǎng)絡(luò)分析法識別了在線評論內(nèi)容分析、在線評論深度挖掘、在線評論服務(wù)響應(yīng)、在線評論行為研究、在線評論系統(tǒng)與社交媒體、在線評論與消費者決策、在線評論質(zhì)量研究7個研究主題，最后提出一個新的研究框架為當(dāng)前的研究提供參考。

[關(guān)鍵詞]在線評論；電子口碑；共詞分析；社會網(wǎng)絡(luò)分析；主題結(jié)構(gòu)；研究框架

DOI：10.3969/j.issn.1008-0821.2015.01.012

[中圖分類號]F724.6 [文獻標(biāo)識碼]A [文章編號]1008-0821（2015）01-0061-07

隨著電子商務(wù)在國民經(jīng)濟中的比重越來越大，消費者采用互聯(lián)網(wǎng)搜尋商品信息、了解他人對商品的感知、制定購物決策以及發(fā)布自己的體驗已經(jīng)成為商務(wù)新模式。因此，在線評論作為傳統(tǒng)口碑信息的新形式，在當(dāng)前環(huán)境下的消費者決策中正在扮演一個重要的角色（Chert and xe2008）。并已成為消費者獲取產(chǎn)品質(zhì)量信息的重要來源，也是互聯(lián)網(wǎng)環(huán)境下對傳統(tǒng)方式的替代和重要補充（Chevalier and Mayzlin 2006）。

正是基于在線評論在電子商務(wù)鏈條中日益重要的作用，不論是市場實踐者（如：亞瑪遜、淘寶、當(dāng)當(dāng)?shù)龋?，還是學(xué)術(shù)研究者都給予了極大的關(guān)注。馬艷麗（2012）以Web of Science 2006-2011年在線評論的77篇文獻作為研究對象，對在線評論的文獻發(fā)表數(shù)量趨勢、研究主題進行了分析和歸納。余航（2013）基于學(xué)術(shù)經(jīng)驗視角，利用自己掌握的網(wǎng)絡(luò)口碑研究文獻，對網(wǎng)絡(luò)口碑傳播的相關(guān)理論、網(wǎng)絡(luò)口碑產(chǎn)生的動機、網(wǎng)絡(luò)口碑信息要素、網(wǎng)絡(luò)口碑對消費者購買和企業(yè)銷量產(chǎn)生的影響進行了梳理。這些工作為大家了解在線評論研究領(lǐng)域的發(fā)展有很大的幫助，但是他們只是從傳統(tǒng)內(nèi)容分析的角度，主觀歸納和總結(jié)了相關(guān)主題和趨勢，難免缺乏客觀性和準(zhǔn)確性。因此本文從科學(xué)計量的角度，通過共詞分析和社會網(wǎng)絡(luò)分析法，發(fā)現(xiàn)在線評論相關(guān)領(lǐng)域的研究進展，分析主題間的分布和結(jié)構(gòu)，探討未來的熱點和趨勢，為學(xué)術(shù)研究和商業(yè)實踐提供一定的參考。

1.數(shù)據(jù)和方法

以Web of Science平臺的核心合集為文獻檢索源，首先檢索“在線評論”的相關(guān)文獻，下載題錄；其次提取關(guān)鍵詞并運用共詞分析法建立共詞矩陣；然后通過社會網(wǎng)絡(luò)分析法并以Ucinet為工具進行中心度、凝聚子群分析；最后形成主題網(wǎng)絡(luò)結(jié)構(gòu)圖，為后續(xù)討論提供依據(jù)。

1.1樣本文獻收集

為確保和強調(diào)與在線評論研究領(lǐng)域的一致性和直接相關(guān)性，確定“online reviews”、“electronic word of mouth”、“e-wom”為檢索詞，在Web of Science平臺的核心合集中以2009-2013年為時間跨度，通過文獻類型“ARTICLE”精煉后，共獲得文獻146篇。閱讀每一篇的標(biāo)題、摘要、關(guān)鍵詞后，剔除內(nèi)容不符合、沒有關(guān)鍵詞的文獻，最后保留113篇。

1.2共詞分析法

共詞分析法（Co-term Analym）是利用兩兩詞對在相同文獻中出現(xiàn)的頻次，作為記錄來表達關(guān)鍵詞與關(guān)鍵詞之間的親疏關(guān)系，頻次越高表示兩個詞之間的關(guān)系越緊密，通過這種關(guān)系反映某一學(xué)科領(lǐng)域研究主題或研究方向，從而展現(xiàn)該學(xué)科的研究結(jié)構(gòu)（張勤，馬費成，2007；鐘偉金等，2008）。

將下載的題錄整理。排序后共提取關(guān)鍵詞346個。為了進一步洞察在線評論研究領(lǐng)域的熱點和主題，對原始關(guān)鍵詞進行了處理，包括合并近義詞、大小寫和縮寫的統(tǒng)一，剔除“online review”、“electronic word of mouth”、“e-worn”3個高頻關(guān)鍵詞所帶來的主題干擾，最后確定詞頻2次以上的41個詞定為高頻詞（見表1）。

根據(jù)上述高頻關(guān)鍵詞，統(tǒng)計兩兩之間在所有113篇文獻中同時出現(xiàn)的頻次，建立41×41的高頻關(guān)鍵詞共詞矩陣。

1.3社會網(wǎng)絡(luò)分析法

社會網(wǎng)絡(luò)分析（Social Network Analysis）源于對社會群體中個體間關(guān)系的考查和度量。在社會中個體不僅具有自己的獨特屬性，另外還與其他個體有這樣和那樣的各種關(guān)系，就是因為這些的關(guān)系存在，個體間才形成了不同的群體（劉軍，2004）。這種關(guān)系會隨著時間和外部環(huán)境的變化而影響群體結(jié)構(gòu)，反過來不斷演化的結(jié)構(gòu)也會影響個體屬性和個體間關(guān)系。社會網(wǎng)絡(luò)分析恰恰關(guān)注的就是這種關(guān)系數(shù)據(jù)，通過彼此間的關(guān)系來量化分析群體結(jié)構(gòu)。近幾年來，社會網(wǎng)絡(luò)分析已成為較為成熟的關(guān)系計量方法，不僅在社會學(xué)研究當(dāng)中，而且在心理學(xué)、人類學(xué)、經(jīng)濟學(xué)和管理學(xué)等多個學(xué)科中也有了一些應(yīng)用。

如前所述，共詞分析描述的是關(guān)鍵詞與關(guān)鍵詞同時出現(xiàn)在一篇文獻中的情況，反映了兩兩詞之間的親疏關(guān)系，顯然共詞矩陣呈現(xiàn)的正是這種關(guān)系數(shù)據(jù)，所以在本研究中運用社會網(wǎng)絡(luò)分析方法通過對詞與詞之間關(guān)系的度量，來透視在線評論研究中的主題關(guān)系、群體結(jié)構(gòu)，就成為行之有效的方法。

2.分析和結(jié)果

2.1主題結(jié)構(gòu)的中心性分析

中心性分析考查了個體在網(wǎng)絡(luò)結(jié)構(gòu)中所處的中心或邊緣位置，這是社會網(wǎng)絡(luò)分析中重點探討的內(nèi)容（劉軍，2004）。在本研究中采用點度中心度和中間中心度來度量關(guān)鍵詞在關(guān)鍵詞關(guān)系結(jié)構(gòu)中的位置，從而反映研究領(lǐng)域內(nèi)的主題分布。

（1）將前面的原始共詞矩陣導(dǎo)入社會網(wǎng)絡(luò)分析工具Uemet中，形成鄰接矩陣（Adjacency Matrix）。運用Ucinet中集成的NetDraw可視化工具展現(xiàn)在線評論研究領(lǐng)域在2009-2013年5年間國際前沿研究的主題分布社群圖（見圖1）。由社群圖所示，整體網(wǎng)絡(luò)的密度均值是0.074，密度較小，標(biāo)準(zhǔn)差為0.2973。表明當(dāng)前在線評論相關(guān)研究領(lǐng)域中的主題和熱點較為分散和疏松。特別是social mesa、intenaet marketing、hotels、online community、communication 5個關(guān)鍵詞處于孤立的位置，和其他關(guān)鍵詞關(guān)系不緊密。endprint

（2）進行點度中心度和中間中心度分析，以考查網(wǎng)絡(luò)結(jié)構(gòu)中關(guān)鍵詞節(jié)點的相對重要程度。點度中心度反映了網(wǎng)絡(luò)結(jié)構(gòu)中某個結(jié)點和其他結(jié)點關(guān)系的多少，如果和其他結(jié)點聯(lián)系多，那么它就處在較為中心的位置，反之就處于較為邊緣的狀態(tài)。中間中心度是指網(wǎng)絡(luò)的連接控制作用，比如一個結(jié)點點度中心度指數(shù)可能不高，但由于它處在某些網(wǎng)絡(luò)路徑的聯(lián)接節(jié)點上，起到橋梁的作用，那么它的中間中心度指數(shù)就會較高，反之較低。通過在線評論主題網(wǎng)絡(luò)中心度的測量，發(fā)現(xiàn)網(wǎng)絡(luò)的中心勢指數(shù)（Network Centralisation）為10.53%，表示整個網(wǎng)絡(luò)中心趨勢并不顯著，研究主題和熱點并不集中，這也和前面密度分析的結(jié)論相一致。

2.2凝聚子群分析

從密度和中心度分析看，在線評論研究領(lǐng)域呈現(xiàn)出較為稀松的結(jié)構(gòu)關(guān)系，這表示了整體研究主題間的分散性。至于研究領(lǐng)域中，是否形成了內(nèi)部聯(lián)接較為緊密的局部主題以及局部主題間表現(xiàn)了怎樣的聯(lián)系，目前還無法洞察。接下來，通過凝聚子群分析便可依據(jù)主題間的聚類關(guān)系，重描和簡化復(fù)雜社群圖，以更簡潔的方式概括主題子群的結(jié)構(gòu)，呈現(xiàn)我們希望的結(jié)果。

本研究根據(jù)凝聚子群遞進步驟分析過程（劉軍，2004），在剔除5個孤立關(guān)鍵詞后，通過CONCOR迭代相關(guān)收斂法（convergent correlations），經(jīng)過多次迭代計算之后，重新計算密度矩陣，同時得到凝聚子群聚類圖，并且標(biāo)記出8個子群分類以及各自所擁有的網(wǎng)絡(luò)成員（見表2）。

然后采用q-密度指標(biāo)法進行塊模型分析，其中a值采用整個網(wǎng)絡(luò)的平均密度值作為臨界值（王陸，2009），對比密度矩陣，將矩陣中大于整體網(wǎng)絡(luò)平均密度值0.096的標(biāo)識為1，小于整體網(wǎng)絡(luò)平均密度值0.096的標(biāo)識為-1，得到像矩陣。然后再次可視化描述在線評論研究主題社群簡圖（見圖2）。圖中節(jié)點大小差異化處理后表示在網(wǎng)絡(luò)圖中的位置，大的代表了相對核心地位，小的代表了相對邊緣狀態(tài)。由圖可以看到在2009-2013年的研究周期中，第1、第5、第7、第8子群所代表的研究主題是主流，是重要的知識貢獻。第3、第6子群代表的研究主題相對較弱，而第2、第4子群所蘊涵的研究主題處在邊緣位置。

3.討論

根據(jù)上面的分析和結(jié)果，我們發(fā)現(xiàn)過去5年在線評論相關(guān)領(lǐng)域當(dāng)中大致可分成7個研究主題。其中包括4個主要研究內(nèi)容和3個擴展研究趨勢（因clique3和clique4結(jié)構(gòu)關(guān)系和內(nèi)容的高度相關(guān)性，對其進行合并）。

3.1在線評論內(nèi)容分析研究主題

在線評論的有用性特征能夠幫助消費者有效處理信息超載和制定購買決策（Cao，Duan et al.）。目前具有規(guī)模的購物網(wǎng)站基本上都提供了在線評論系統(tǒng)，消費者通過這種渠道將自己對產(chǎn)品性能和商家服務(wù)質(zhì)量的體驗發(fā)布出去，以作為其他消費者購物決策和商家改進產(chǎn)品與服務(wù)的依據(jù)。但是由于不同消費者個體信息處理和商家知識提取能力的差異，現(xiàn)有的很多評論系統(tǒng)未必就能提供有效的幫助。因此，如何從評論信息中分析出消費者真實的體驗、意向和意見，進行有用性評估和評論信息的效應(yīng)特征分析，就成為這個時期重點研究的主題，也是其他相關(guān)主題不可或缺的分析手段。Fang and Zhang（2013）以當(dāng)當(dāng)網(wǎng)的書籍產(chǎn)品為例，討論了在中國情境下在線評論對產(chǎn)品銷售的影響。研究結(jié)果發(fā)現(xiàn)評論的數(shù)量、焦點評論（當(dāng)當(dāng)網(wǎng)編輯認為在有用性、有獨特見解等指標(biāo)上強度較高的評論）、評論的情感傾向和書籍銷售有正向關(guān)系；相反，評論者的評級和評論的長度與書籍銷售有負向關(guān)系。顯然，這個階段的大量研究從在線評論系統(tǒng)中提取淺層數(shù)據(jù)（評論的星級投票、評論文本的長短、評論的有用性投票等）來考查對相關(guān)參與者的影響以及影響程度的測量等內(nèi)容。總的來看缺乏對數(shù)據(jù)內(nèi)容的深層利用，從而影響了對用戶動機、情感、態(tài)度和意愿的真實了解和度量，進而限制了進一步探討的空間。

3.2在線評論深度挖掘研究主題

它是在第一主題基礎(chǔ)上研究深度和廣度的延伸。在線評論信息中表現(xiàn)出來的淺層知識已不足以描述消費者的感知和體驗，那么深入挖掘信息所蘊涵真實情感的研究目的和各種復(fù)雜算法就成為這個時期逐漸顯現(xiàn)的研究思路。比如語義分析，它就是通過對自然語言的深層處理，找出語義中真實的含義和內(nèi)在解釋，從而理解消費者的真正語言意圖，準(zhǔn)確反饋用戶所需要的結(jié)果。Cao，Duan et al.（2011）通過潛在語義分析文本挖掘法（Latent Semantic Analysis，LSA），從評論信息中的基本特征、語體特征和語義特征出發(fā)，分析了有用性投票形成的機理，認為語義特征較其他特征更能影響消費者，同時他們進一步指出極端的評論（包括正向和負向）要比中立的態(tài)度更有效。Wang，Yin et al.（2013）以中國在線評論為例，探討了情感分類的特征。他們首先確定了形容詞、副詞和動詞為潛在包含情感信息的文本特征，通過支持向量機（support veetor machine，SVM）對在線評論信息的極性進行了極高精度的分類。同時對4種不同的特征選擇方法，如：文本頻率（document frequency，DF）、信息增益（information gain，IG）、卡方統(tǒng)計（chi-squared statistic，CHI）和交互信息（mutual information，MI）進行了比較。認為文本頻率效率最高，而交互信息不適合中文在線評論信息的情感分類。

3.3在線評論服務(wù)響應(yīng)研究主題

服務(wù)行業(yè)中越來越多的企業(yè)參與電子商務(wù)，在服務(wù)出現(xiàn)誤差和錯誤時，消費者可能會將這種負面的感知通過電子抱怨方式傳遞出去，那么企業(yè)應(yīng)該除了做出及時的服務(wù)補救以外，還應(yīng)通過在線評論渠道做出第一時間的響應(yīng)，Browning，so et al.（2013）以體驗性商品為例，指出隨著在線評論信息源地位的日益重要，企業(yè)應(yīng)最大限度的理解在線評論信息對消費者態(tài)度和行為的影響。指出消費者受到在線評論信息的影響不僅歸因于服務(wù)質(zhì)量和商家對控制服務(wù)交付的能力，而且還受到商家對在線評論信息是否做出快速響應(yīng)。也就是說，商家將所采取的服務(wù)補救及時通過在線評論渠道反饋給消費者，將會導(dǎo)致消費者更多的正面評價。Matzat and Smijders（2012）通過實驗室模擬的在線網(wǎng)站，對不同的消費者抱怨和商家聲譽進行了分析，指出即使聲譽好的商家被認為是值得依賴的，但對“負面的評論”的“否認”往往不利于消費者的信服，同時也不利于商家聲譽的重建。因此從這個角度來講，對消費者負面評論信息的不響應(yīng)其實就是一定程度上的“否認”，它將對消費者忠誠度的培養(yǎng)造成極大的影響。所以在線評論除了幫助消費者決策以外，還是商家監(jiān)督和響應(yīng)機制的有利武器。顯然，如何從評論信息當(dāng)中及時抽取消費者意見，快速處理和反饋信息將是未來在線服務(wù)研究的方向之～。endprint

3.4在線評論行為研究主題

這部分研究內(nèi)容既包括在線評論信息對消費者行為的影響，也包括消費者本身對在線評論的參與行為。前者中最突出的是對消費者滿意度的影響、對消費者忠誠度的影響，這些內(nèi)容始終貫穿了整個5年研究周期，是較為重要的研究貢獻。在線評論參與行為的研究是較為新的方向，不斷吸引研究者進行探討。Yoo，Sanders et al.（2013）在研究中引入動機理論和認同理論，指出個體對電子口碑和在線評論的參與受到了內(nèi)部動機（對他人的關(guān)心，自我社會地位的提高，社會利益）和外部動機（經(jīng)濟激勵）的影響。他們發(fā)現(xiàn)對于個體的參與，內(nèi)部動機比外部動機有更大的影響力，同時他們也發(fā)現(xiàn)在線評論的積極參與將顯著影響消費者對網(wǎng)站的認同，進而影響消費者的電子忠誠度。 Picazo-Vela，Chou et al.（2010）以計劃行為理論模型和大五人格模型為理論依據(jù)，討論影響消費者在線評論發(fā)布的因素有哪些？他們的研究發(fā)現(xiàn)，消費者的態(tài)度、感知壓力、情緒穩(wěn)定性和盡責(zé)性對個體潛在的在線評論信息發(fā)布有顯著的影響。

3.5在線評論系統(tǒng)與社交媒體研究主題

隨著社會性網(wǎng)絡(luò)服務(wù)的逐漸普及，它為消費者搭建了一個不斷讓人驚嘆的信息載體，它鼓勵人們產(chǎn)生大量的用戶生成信息，其中就包括產(chǎn)品評論信息。有關(guān)產(chǎn)品質(zhì)量和商家服務(wù)的評論信息不再只固定于交易平臺的系統(tǒng)當(dāng)中。消費者可以通過移動設(shè)備就能輕松發(fā)布信息。更特別的是，隨著社會化商務(wù)的逐漸興起，在線評論對于吸引消費者參與、交流和互動，扮演了重要的角色。因此有學(xué)者將目光投入到這個領(lǐng)域當(dāng)中，研究在線評論及其系統(tǒng)與不斷發(fā)展變化的媒體之間的關(guān)系。Chu and Kim（2011）認為隨著越來越多的營銷人員將社會媒體納入到促銷組合當(dāng)中，討論消費者通過社會網(wǎng)絡(luò)參與電子口碑的影響因素就成為十分重要的問題。通過研究他們發(fā)現(xiàn)聯(lián)系強度、信任、規(guī)范和信息的影響與消費者電子口碑行為有正向的關(guān)系，而同質(zhì)性與消費者電子口碑行為有負向的關(guān)系。Jansen，zhang etal.（2009）以twitter為例，通過150000多個微博貼子，分析了其中的產(chǎn)品評論、情感傾向和意見，指出消費者的品牌意識和購買決策越來越受到網(wǎng)絡(luò)溝通和社會網(wǎng)絡(luò)服務(wù)的影響。認為這種趨勢為商家創(chuàng)新品牌關(guān)系和構(gòu)建電子口碑平臺提供了新機遇。

3.6在線評論與消費者決策研究主題

評論信息當(dāng)中所包含的正面的評價、負面的評價、評論信息的敘述方式、星級水平、真實性的判斷等因素都會對消費者的消費意愿和消費決策產(chǎn)生影響。顯然這個主題在這個研究周期是十分重要的內(nèi)容，與在線評論行為研究等主題有很強的相關(guān)性。處在主題網(wǎng)絡(luò)的核心位置。Lee（2009）在詳盡可能性模型的基礎(chǔ)上，就在線評論對消費者購買意圖的影響因素進行了分析。研究認為：（1）在線評論的質(zhì)量參數(shù)（強信息：客觀的和容易理解的；弱信息：主觀的和情緒化的）對消費者購買意圖有正向的影響；（2）評論的數(shù)量對消費者購買意圖有正向的影響；（3）高涉入的個體更容易采用中心路線去改變態(tài)度，也就是說，更容易被評論信息的質(zhì)量所影響；（4）低涉入的個體更容易采用外圍路線去改變態(tài)度，也就是說。更容易被評論信息的數(shù)量所影響。Walther，Liang et al.（2012）的研究角度非常特別，他們關(guān)注在線評論系統(tǒng)中的不同信息源，考查了不同信息源發(fā)布的信息對消費者決策的影響。研究認為，在在線評論環(huán)境中，消費者決策過程是一個多層迭代過程，不同信息源（最初信息的正面或負面信息、對最初信息有用性的評估、對最初信息同意或不同意的字面表達）的信息可能是不一致的，消費者就是在這樣的一種機制中不斷修正自己對產(chǎn)品、對信息發(fā)布者的態(tài)度，從而形成最終的決策。

3.7在線評論質(zhì)量研究主題

Hu and Liu（2011）對在線評論的被操縱性進行了評估，認為這種操縱性隨著產(chǎn)品的真實質(zhì)量單調(diào)遞減。也就是說銷售低質(zhì)量產(chǎn)品和擁有低評價的商家更有可能操縱評論信息。他們警告說，如果這種操縱活動持續(xù)下去，那么在線評論系統(tǒng)就將失去所有讀者，并最終影響商家銷售業(yè)績。同時他們也建議從制度和技術(shù)層面，增加操縱評論信息的成本，從而減少“操縱性”的影響。Fang and Zhang etal.（2013）在研究中考察了跨文化對評論信息的調(diào)節(jié)作用。他們以霍夫斯泰德文化框架為基礎(chǔ)，從個體主義和集體主義、權(quán)力距離、不確定性規(guī)避、男性化和女性化、長期導(dǎo)向和短期導(dǎo)向5個維度出發(fā)，比較中國消費者與美國消費者在在線評論行為中的差異。如：他們發(fā)現(xiàn)中國人比美國人更傾向于給予正面的評價，而更少的給予負面的評價；中國人相比較美國人來說更不愿表達自己的情感，所以較少參與在線評論信息的發(fā)布。但他們并未對這種不同文化情境下產(chǎn)生的評價偏差，給予進·步的討論。Chih，Wang et al.（2013）指出網(wǎng)站的聲譽、信息源的可信度、消費者獲得的有關(guān)產(chǎn)品信息以及消費者的在線社會網(wǎng)絡(luò)關(guān)系對感知正向口碑評論的可信度有積極的影響。

總的來看，在線評論內(nèi)容分析、在線評論行為研究、在線評論與消費者決策、在線評論質(zhì)量研究是核心主題，在整個在線評論研究的網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系中占據(jù)相對中心地位，為本領(lǐng)域的研究貢獻了大量的知識。在線評論深度挖掘、在線評論服務(wù)響應(yīng)、在線評論系統(tǒng)與社交媒體是當(dāng)前研究中處在相對邊緣位置，從具體情況分析來看，它們中的很多方向，具有一定的前瞻性，有一定深入探索的價值，

4.總結(jié)與在線評論研究框架

通過上述分析，我們識別了在線評論研究領(lǐng)域當(dāng)中的7個主題方向。在此基礎(chǔ)上進一步總結(jié)歸納形成了一個在線評論研究的概念框架。為當(dāng)前的研究者提供參考（見圖3）。第一層是內(nèi)容分析與數(shù)據(jù)挖掘。這是在線評論研究的核心層，是研究的起點，任何基于評論信息的研究都離不開數(shù)據(jù)的提取或是情感和語義的分析。第二層是在線評論信息的質(zhì)量和可用性。在數(shù)據(jù)挖掘和分析的基礎(chǔ)上，對在線評論信息的可信度、質(zhì)量、有用性和一致性進行準(zhǔn)確的評估，才能為進行一步的應(yīng)用分析做好準(zhǔn)備。第三層是行為與決策。通過高質(zhì)量的信息數(shù)據(jù)我們深入了解消費者的態(tài)度、意圖，把握顧客的決策和行為，從而不斷改善產(chǎn)品與服務(wù)，提高消費者黏性。第四層是不斷演化的研究趨勢。隨著Web2.0平臺的逐漸普及，單純的產(chǎn)品和服務(wù)已不再是核心，激勵潛在消費者不斷參與、溝通和互動才是焦點，消費者及時將自己對產(chǎn)品和服務(wù)的體驗與感知準(zhǔn)確的進行表達，以及對這種表達的最優(yōu)捕捉將是研究的重點。另外，在線評論系統(tǒng)不光是單向的信息傳遞，而應(yīng)是具有反饋機制的循環(huán)系統(tǒng)，通過在線評論系統(tǒng)的響應(yīng)和反饋從而改善在線服務(wù)質(zhì)量，這也將會吸引眾多研究者的關(guān)注。endprint