錢瑛　楊定華

摘要：本文從情感傾向角度研究好評(píng)的文本內(nèi)容對(duì)用戶購買行為的影響是否一致，結(jié)果表明好評(píng)的數(shù)量和正面情感傾向的評(píng)論文本內(nèi)容對(duì)用戶購買行為均有正向影響，更重要的是好評(píng)數(shù)量與評(píng)論文本內(nèi)容情感傾向之間存在顯著交互作用；但是，好評(píng)數(shù)量并不必然會(huì)對(duì)用戶的購買行為產(chǎn)生正向影響，只有當(dāng)正面在線評(píng)論文本情感傾向較高時(shí)，好評(píng)數(shù)量才會(huì)加大用戶購買的可能性。

關(guān)鍵詞：在線評(píng)論；情感傾向分析；從眾效應(yīng)；歸因理論

中圖分類號(hào)：F713365文獻(xiàn)標(biāo)識(shí)碼：A

一、引言

在線評(píng)論為人們?cè)诰W(wǎng)上購物提供了大量參考信息，成為影響消費(fèi)者網(wǎng)購決策的重要因素。在現(xiàn)實(shí)環(huán)境中，評(píng)論者對(duì)一個(gè)特定主題表達(dá)的“情感”可能隱含著大量可以被利用的有價(jià)值的信息。當(dāng)我們認(rèn)真閱讀這些在線文本評(píng)論的時(shí)候就會(huì)發(fā)現(xiàn)，并不是所有的好評(píng)下面都是正面評(píng)論。從評(píng)論的極性來看，這些評(píng)論應(yīng)該為好評(píng)，但從具體內(nèi)容的情感傾向看，卻很容易發(fā)現(xiàn)其實(shí)這些是包含負(fù)面評(píng)論的好評(píng)，嚴(yán)格地說是差評(píng)。

情感分類作為在線評(píng)論信息自動(dòng)理解的一個(gè)重要環(huán)節(jié)，已經(jīng)引起越來越多學(xué)者的重視。情感分類以互聯(lián)網(wǎng)上發(fā)布的商品評(píng)論為研究對(duì)象，挖掘用戶在評(píng)論中表達(dá)的情感傾向，即正面評(píng)論或負(fù)面評(píng)論。通過對(duì)消費(fèi)者評(píng)論的情感分析，在龐雜的海量在線評(píng)論信息中自動(dòng)識(shí)別有多少評(píng)論者持正面態(tài)度，有多少評(píng)論者持負(fù)面態(tài)度，可以幫助消費(fèi)者了解評(píng)論者對(duì)某種商品的態(tài)度傾向分布，從而做出正確的購買決策。

本研究把用戶從評(píng)價(jià)選項(xiàng)中勾選出的“好評(píng)”選項(xiàng)下面的文本評(píng)價(jià)欄中寫出的關(guān)于體驗(yàn)和使用商品的文本評(píng)論作為研究對(duì)象，通過對(duì)在線評(píng)論內(nèi)容進(jìn)行情感分析，以有效識(shí)別評(píng)論內(nèi)容所隱含的情感傾向及其對(duì)購買決策的影響。

二、理論基礎(chǔ)和研究假設(shè)

（一）從眾理論和歸因理論

當(dāng)消費(fèi)者在線上購物時(shí)，一般會(huì)比較關(guān)注信用和評(píng)級(jí)比較好的店鋪和商品。好評(píng)數(shù)量的說服效果可以用從眾效應(yīng)來解釋。 Bumkrant 將從眾定義為建立一個(gè)群體規(guī)范并使得個(gè)體具有遵從這一群體規(guī)范的傾向性，即如果大量的他人都做出同樣的選擇將減少購買前的知覺風(fēng)險(xiǎn)和購買之后的決策遺憾，人們往往會(huì)遵從大多數(shù)人的意見，并忽視少數(shù)人的意見。在購買決策過程中，消費(fèi)者通常將其他消費(fèi)者對(duì)產(chǎn)品的評(píng)價(jià)作為產(chǎn)品信息的主要來源之一[1]。當(dāng)個(gè)體把從他人接受的信息作為產(chǎn)品真實(shí)質(zhì)量的證據(jù)時(shí)，從眾的壓力來源于人際間信息的影響，從眾效應(yīng)受團(tuán)體規(guī)模的影響[2]，跟隨大量做出相同決策的人們能夠降低購后后悔的風(fēng)險(xiǎn)[3]。

歸因理論認(rèn)為人們具有一種基本的預(yù)測(cè)和控制環(huán)境的需要，以及理解他人如何做的原因之所在[4]，即當(dāng)人們?cè)噲D去尋找其他人行為的原因時(shí)，會(huì)考慮導(dǎo)致行為的原因究竟是個(gè)體內(nèi)部還是外部的原因[5]。當(dāng)消費(fèi)者在意見平臺(tái)上尋找產(chǎn)品評(píng)論時(shí)，會(huì)發(fā)現(xiàn)大量既包含正面也包含負(fù)面的信息。當(dāng)處于低一致性時(shí)，即正面評(píng)論和負(fù)面評(píng)論差不多時(shí)，消費(fèi)者可能會(huì)認(rèn)為負(fù)面評(píng)論的作者對(duì)產(chǎn)品不愿意使用或者評(píng)價(jià)。然而，當(dāng)消費(fèi)者面臨的是產(chǎn)品的大量正面信息或負(fù)面信息時(shí)，消費(fèi)者傾向于知覺為高度的一致性[6]。據(jù)此提出如下假設(shè)：

H1：好評(píng)數(shù)量對(duì)用戶購買決策有正向影響。

（二）信息易獲得性與診斷力理論

情感傾向分析是對(duì)用戶主動(dòng)發(fā)布的內(nèi)容進(jìn)行有效的分析和挖掘，識(shí)別出這些內(nèi)容的情感趨勢(shì)——贊同或反對(duì)、高興或者悲傷，了解用戶真正感受。由于現(xiàn)實(shí)生活中中文對(duì)情感的表達(dá)往往是微妙的和復(fù)雜的，面向大規(guī)模文本時(shí)，需通過不同維度探測(cè)和評(píng)估文本對(duì)特定主題的情感傾向。Liu 等認(rèn)為評(píng)論者的經(jīng)驗(yàn)、評(píng)論的寫作風(fēng)格和評(píng)論的時(shí)效對(duì)潛在消費(fèi)者購買決策有影響[7]；郝媛媛等以電影的在線評(píng)論為研究對(duì)象，考察了包括正負(fù)情感、觀點(diǎn)表達(dá)形式、評(píng)論體裁以及評(píng)論標(biāo)題等影響評(píng)論有用性的重要文本特征[8]；Chen等提出了評(píng)價(jià)在線商品評(píng)論質(zhì)量的9個(gè)維度[9]；蔡曉珍證明產(chǎn)品詞匯量、修飾詞匯量、評(píng)論者活躍度、評(píng)論支持率、評(píng)論長度以及情感表達(dá)強(qiáng)度指標(biāo)在面向情感分析的評(píng)論質(zhì)量識(shí)別中確實(shí)有較大的影響[10]。

Herr等人認(rèn)為信息易獲得性在消費(fèi)者產(chǎn)品判斷中具有中介作用。信息易獲得性越強(qiáng)，越容易幫助人們形成對(duì)產(chǎn)品的判斷，但若信息診斷力同時(shí)也較強(qiáng)時(shí)，信息易獲得性的中介效應(yīng)會(huì)減弱[11]。Ludwig的研究指出當(dāng)負(fù)面評(píng)論中的情感內(nèi)容與語言風(fēng)格相匹配時(shí)即文本內(nèi)容質(zhì)量高時(shí)，會(huì)降低消費(fèi)者的購買意愿[12]。戢芳等的研究認(rèn)為消費(fèi)者通常不會(huì)僅僅根據(jù)差評(píng)的數(shù)量做出判斷，他們更希望了解差評(píng)的發(fā)布者是因何原因給出差評(píng)的，這樣差評(píng)下面所跟隨的評(píng)論內(nèi)容就成為影響消費(fèi)者決策的一個(gè)關(guān)鍵因素[13]。本研究認(rèn)為，當(dāng)好評(píng)內(nèi)容中透露出強(qiáng)烈的正面情感時(shí)，明確地告知他人自己購買商品之后的滿足、愉悅的信息為高診斷力正向情感分享信息，用戶就越有可能根據(jù)這條信息做出判斷和決策；當(dāng)好評(píng)內(nèi)容情感傾向具有中立性時(shí)，對(duì)用戶購買決策的輔助作用較小。因此，我們提出如下假設(shè)：

H2：好評(píng)文本內(nèi)容的正向情感傾向?qū)οM(fèi)者的購買決策有正向影響。

當(dāng)前我國電子商務(wù)網(wǎng)站在線評(píng)論的總體情況為“正面評(píng)論占絕大多數(shù)，負(fù)面評(píng)論數(shù)量極少”，從歸因理論的角度來看，占數(shù)量極少數(shù)的負(fù)面評(píng)論由于存在于大量正面評(píng)論當(dāng)中，會(huì)使得評(píng)論的閱讀者將評(píng)論歸因于“高度的一致性”，而這“高度的一致性”后面是否隱含“不一致”？在大量的正面評(píng)論下，文本評(píng)論所隱含的不同情感傾向是否會(huì)對(duì)潛在顧客的購買意愿產(chǎn)生影響？

評(píng)論數(shù)量決定了消費(fèi)者看到評(píng)論口碑的可能性。Liu認(rèn)為口碑?dāng)?shù)量反映了口碑互動(dòng)的總量，是關(guān)于某一產(chǎn)品和服務(wù)評(píng)論的數(shù)量；口碑?dāng)?shù)量越多，消費(fèi)者接觸到它的可能性越大[14]。鄭小平的研究表明：在線評(píng)論數(shù)量越多，在線評(píng)論對(duì)消費(fèi)者購買決策的影響越大；如果對(duì)某產(chǎn)品的相關(guān)評(píng)論越多，且評(píng)論中既有正面評(píng)論也有反面評(píng)論，那么消費(fèi)者對(duì)產(chǎn)品的了解會(huì)更深入和全面，在線評(píng)論對(duì)其購買決策的影響更大[15]。據(jù)此提出如下假設(shè)：

H3：好評(píng)數(shù)量和好評(píng)文本內(nèi)容情感傾向存在交互作用；

H3a：當(dāng)好評(píng)文本內(nèi)容的情感傾向正向時(shí)，數(shù)量多比數(shù)量少的好評(píng)對(duì)用戶購買決策影響大；

H3b：當(dāng)好評(píng)文本內(nèi)容的情感傾向中立時(shí)，好評(píng)數(shù)量多對(duì)用戶購買決策有影響；

H3c：當(dāng)好評(píng)文本內(nèi)容的情感傾向反向時(shí)，好評(píng)數(shù)量多對(duì)用戶購買決策有影響。

綜上，本研究構(gòu)建圖1所示的概念模型，即好評(píng)的數(shù)量和好評(píng)文本內(nèi)容的情感傾向?qū)τ脩舻馁徺I決策有影響，好評(píng)文本內(nèi)容的不同情感傾向決定了好評(píng)數(shù)量對(duì)購買行為的影響。

三、研究設(shè)計(jì)

（一）實(shí)驗(yàn)情境設(shè)計(jì)

本研究采用情景模擬實(shí)驗(yàn)法來檢驗(yàn)上述提出的假設(shè)。實(shí)驗(yàn)設(shè)計(jì)為3（情感傾向：正向 vs 中立 vs 反向）*2（評(píng)價(jià)數(shù)量：20條好評(píng) vs 5條好評(píng)）共6種實(shí)驗(yàn)條件，每種實(shí)驗(yàn)條件至少保證30個(gè)被試。本研究以選用沒有性別需求差異，且大學(xué)生都很喜歡和感興趣、網(wǎng)上評(píng)論又比較多的智能手環(huán)為實(shí)驗(yàn)商品，以其在線好評(píng)內(nèi)容為研究背景。

在正式實(shí)驗(yàn)之前，利用抓取程序獲取初始評(píng)論集，經(jīng)過濾篩選后，選用ICTCLAS中文分詞系統(tǒng)進(jìn)行斷句、分詞，基于句子中出現(xiàn)的情感字及上下文的句法結(jié)構(gòu)對(duì)比情感分類器來判定每個(gè)句子的情感傾向；而后邀請(qǐng)了20名不參加主實(shí)驗(yàn)的被試對(duì)象仔細(xì)閱讀篩選后的評(píng)論，從“修飾詞匯、情感表達(dá)、產(chǎn)品詞匯、評(píng)價(jià)尺度”4個(gè)維度進(jìn)行3量表評(píng)價(jià)，1分代表最低，3分代表最高（表1），對(duì)情感性傾向的好評(píng)進(jìn)行操控性檢驗(yàn)。結(jié)果表明正向情感、中立情感、反向情感的好評(píng)均值呈現(xiàn)顯著差異（M正向情感=249 vs M中立情感=175，t=357，p=0038<05；M正向情感=249 vs M反向情感=235，t=376，p=0027<05；M中立情感=175 vs M反向情感=235，t=341，p=0031<05），量表的信度α=07。

正式實(shí)驗(yàn)開始，被試被隨機(jī)分到6個(gè)實(shí)驗(yàn)組。每個(gè)實(shí)驗(yàn)組的被試者閱讀到不同情境設(shè)置條件下的相關(guān)評(píng)論，然后回答隨后的與購買意愿有關(guān)的題項(xiàng)。為了保證所有參加實(shí)驗(yàn)的被試都仔細(xì)閱讀了實(shí)驗(yàn)材料，本研究特意設(shè)置在每個(gè)評(píng)價(jià)組有一個(gè)情感傾向中性的中評(píng)。

（二）研究變量

1.被解釋變量。將用戶是否購買設(shè)為因變量。用戶閱讀相關(guān)評(píng)論后，選0表示用戶沒有購買該產(chǎn)品，選1表示用戶購買了該產(chǎn)品。

2.解釋變量。好評(píng)數(shù)量和情感傾向的評(píng)價(jià)內(nèi)容為自變量。我們把好評(píng)數(shù)量分別確定為5條和20條。從“修飾詞匯、情感表達(dá)、產(chǎn)品詞匯、評(píng)價(jià)尺度”4個(gè)維度進(jìn)行5量表評(píng)價(jià)，1分代表最低，5分代表最高。

3.控制變量。在問卷中，把購物經(jīng)歷、產(chǎn)品認(rèn)知程度、用戶對(duì)線上評(píng)論的態(tài)度及信任傾向作為控制變量，均采用linkert 5分量表測(cè)量。購物經(jīng)歷和產(chǎn)品認(rèn)知程度用一個(gè)題項(xiàng)測(cè)量，購物經(jīng)歷“非常少”用1表示，“非常豐富”用5表示；產(chǎn)品認(rèn)知程度“從沒聽說”用1表示，“非常熟悉”用5表示；用戶對(duì)線上評(píng)論的態(tài)度用3個(gè)題項(xiàng)測(cè)量，分別是“購物總看網(wǎng)上評(píng)論”、“網(wǎng)上評(píng)論對(duì)我有用”和“網(wǎng)上評(píng)論使我對(duì)購買該商品有信心”；信任傾向用3個(gè)題項(xiàng)測(cè)量，分別是“一般都會(huì)相信他人”、“傾向于信賴他人”以及“覺得人性是可以信賴的”。

四、假設(shè)檢驗(yàn)和數(shù)據(jù)分析

用線性回歸模型檢驗(yàn)好評(píng)數(shù)量和情感傾向評(píng)論內(nèi)容對(duì)消費(fèi)者購買行為的影響，共線性檢驗(yàn)表明各自變量之間不存在共線性問題（容差=1，VIF=1<10）。

首先驗(yàn)證H1：好評(píng)數(shù)量對(duì)消費(fèi)者購買行為的影響?？刂瀑徫锝?jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評(píng)論態(tài)度四個(gè)變量后，好評(píng)數(shù)量對(duì)消費(fèi)者購買行為有正向影響（β=0213，p<005），即好評(píng)的數(shù)量越高，消費(fèi)者購買的可能性越大，H1通過檢驗(yàn)。

而后驗(yàn)證情感傾向的好評(píng)內(nèi)容對(duì)消費(fèi)者購買行為的影響?？刂瀑徫锝?jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評(píng)論態(tài)度四個(gè)變量后，正向情感傾向的評(píng)價(jià)內(nèi)容對(duì)消費(fèi)者購買行為有顯著的正向影響（β=0331，p<005），即評(píng)價(jià)內(nèi)容的正向情感傾向越強(qiáng)，用戶購買的可能性越高，H2通過檢驗(yàn)。

最后，檢驗(yàn)好評(píng)的數(shù)量和情感傾向評(píng)價(jià)內(nèi)容之間的交互作用。控制購物經(jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評(píng)論態(tài)度四個(gè)變量后，二者的交互作用顯著（β=0206，p<001），H3通過驗(yàn)證（見表2）；接著對(duì)這種交互關(guān)系進(jìn)行進(jìn)一步驗(yàn)證，二項(xiàng)邏輯回歸的分析結(jié)果（見表3）說明：（1）好評(píng)的數(shù)量和情感傾向的文本內(nèi)容對(duì)消費(fèi)者購買行為均有正向影響，但好評(píng)數(shù)量并不必然對(duì)用戶的購買行為有正向影響。（2）當(dāng)好評(píng)情感傾向正向時(shí)，好評(píng)的數(shù)量對(duì)消費(fèi)者購買行為有正向影響（β=0393，p<005）；但是當(dāng)好評(píng)情感傾向中立（β=02，p>005）或反向（β=0099，p>005）時(shí)，好評(píng)數(shù)量的多少對(duì)用戶購買行為并不會(huì)產(chǎn)生影響。

五、研究結(jié)論與不足

（一）研究結(jié)論

首先，好評(píng)對(duì)用戶購買行為的影響不是簡單的線性關(guān)系。好評(píng)數(shù)量和情感傾向的好評(píng)內(nèi)容之間有交互影響，好評(píng)的數(shù)量和正向情感傾向的評(píng)論文本內(nèi)容對(duì)用戶購買行為有正向影響。好評(píng)數(shù)量越多，用戶購買的可能性越高，說明好評(píng)數(shù)量可以產(chǎn)生從眾效應(yīng)，從而對(duì)用戶的購買行為產(chǎn)生影響。

其次，當(dāng)好評(píng)文本內(nèi)容的情感傾向正向時(shí)，用戶會(huì)將其歸因于商品評(píng)價(jià)內(nèi)容透露出的購買商品之后的滿足、愉悅的高診斷力信息，就可能根據(jù)這條信息做出判斷和決策；當(dāng)好評(píng)內(nèi)容情感傾向中立但不極端時(shí)，用戶歸因于商品評(píng)價(jià)內(nèi)容情感表達(dá)模糊，購買決策會(huì)受影響；當(dāng)好評(píng)內(nèi)容情感傾向反向時(shí)，用戶歸因于商品評(píng)價(jià)內(nèi)容透露出的不滿意，購買決策也會(huì)受影響。

最后，當(dāng)好評(píng)內(nèi)容正向情感傾向時(shí)，好評(píng)數(shù)量會(huì)影響消費(fèi)者的購買行為，數(shù)量最多的好評(píng)會(huì)顯著增大消費(fèi)者購買的可能性；當(dāng)好評(píng)內(nèi)容情感傾向中立或反向時(shí)，好評(píng)數(shù)量的多少對(duì)消費(fèi)者購買行為沒有顯著影響。這說明簡單地通過好評(píng)數(shù)量判斷好評(píng)的影響力是不準(zhǔn)確的，好評(píng)內(nèi)容的情感傾向才是關(guān)系到用戶是否購買的關(guān)鍵因素。

（二）研究局限與展望

首先，本研究僅僅考慮了線上評(píng)論的好評(píng)，但在實(shí)際的網(wǎng)絡(luò)評(píng)價(jià)體系中，好評(píng)很多時(shí)候是確認(rèn)收貨時(shí)，對(duì)收到商品第一感覺（寶貝與實(shí)物相符）、包裝、發(fā)貨速度、服務(wù)態(tài)度或物流的評(píng)價(jià)，并不是真實(shí)使用或體驗(yàn)產(chǎn)品后的感受，而用戶使用產(chǎn)品后進(jìn)行的無法修改的追評(píng)，可以更真實(shí)地反映商品情況，深入分析追評(píng)內(nèi)容的情感傾向如何影響用戶的購買決策無疑是關(guān)于線上評(píng)論的一個(gè)更有實(shí)踐價(jià)值的研究。

其次，本研究只考慮了評(píng)論內(nèi)容的情感傾向維度，今后的研究應(yīng)該挖掘文本內(nèi)容中其他對(duì)消費(fèi)者購買行為影響力強(qiáng)的診斷性線索，從而完善對(duì)線上評(píng)論文本內(nèi)容的研究。

最后，在線購物環(huán)境下，好評(píng)是用戶選擇商品和店鋪的首選指標(biāo)，這是好評(píng)具有的積極效應(yīng)，但本研究沒有把可信度這一變量考慮進(jìn)來，未來研究可以考慮追評(píng)的情感傾向?qū)οM(fèi)者購買行為影響，以及各種評(píng)論可信度產(chǎn)生的積極效應(yīng)與反向情感傾向的消極效應(yīng)之間的權(quán)衡效應(yīng)對(duì)用戶購買行為的影響。

參考文獻(xiàn)：

[1]Bumkrant， R.E.， Cousineau， A. Informational And Normative Social Influence In Buyer Behavior[J].Journal of Consumer Research，1975，2（3）：206-215.

[2]Lascu，D.N.，Bearden，W.O.，Rose，R.L. Norm Extremity and Interpersonal Influences on Consumer Conformity[J].Journal of Business Research，1995，32（3）：437-445.

[3]Sternthal，B.Tybout，A.M.Calder，B.J.Experimental Design：Generalization and Theoretical Explanation[M].in：Richard P.Bagozzi（Ed.）， Principles of Marketing Research，Blackwell Publishers，Cambridge，MA，1994.

[4] Heider，F(xiàn).The Psychology Of Interpersonal Relations. Wiley， New York，1958.

[5]Kelley，H.H.，Michela，J.L. Attribution Theory And Research[J].Annual Review of Psychology， 1980（31）： 457-501.

[6]Chiou，J.-S.，Cheng， C. Should A Company Have Message Boards On Its Web Sites？[J].Journal of Interactive Marketing，2003，17（3） ：50-61.

[7]Liu Y.Huang X J. Modeling and Predicting the Helpfulness of Online Reviews[C].In： Proceedings of the 8th IEEE International Conference on Data Mining，2008： 443-452.

[8]郝媛媛，葉強(qiáng)，李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào)，2010，13（8）：78-88.

[9]Chen C C.，Tseng Y D. Quality Evaluation of Product Reviews Using an Information Quality Framework[J].Decision Support Systems，2011，50（4）：755-768.

[10]蔡曉珍.面向情感分析的用戶評(píng)論過濾模型研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2014（4）：58-64.

[11]Herr P.，F(xiàn)rank R.，John K.Effects of Word of Mouth and Product Attribute Information on Persuasion：An Accessibility-Diagnostieity Perspective[J].Journal ofConsumer Research，1991（17）：454-462.

[12]Ludwig，S.Ruyter，K.de，F(xiàn)riedman，M. More Than Words：The Influence of Affective Content and Linguistic Style Matches in Online Reviews on Conversion Rates[J].Journal of Marketing，2013，77（1）：87-103.

[13]戢芳，周庭銳，尹訓(xùn)國.負(fù)面網(wǎng)絡(luò)口碑特征對(duì)消費(fèi)者品牌態(tài)度變化的影響-信息易獲得性與診斷力理論視角[J].財(cái)經(jīng)論叢，2013（5）：95-100.

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

[15]鄭小平.在線評(píng)論對(duì)網(wǎng)絡(luò)消費(fèi)者購買決策影響的實(shí)證研究[D].北京：中國人民大學(xué)，2008.

Abstract：This paper studies the impact of the favorable text content on the users′ purchasing behaviors from the perspective of the semantic orientation. The results show that the quantity of favorable comments and the positive sentiment have positive influence on the purchasing behavior. Moreover， there is a significant amount of interaction between the quantity of favorable comments and emotional tendencies of text content； however， the quantity of favorable comments doesn′t necessarily have a positive impact on users′ purchasing behavior. Only when emotional tendencies of the positive online comment text is high， he quantity of favorable comments will increase the possibility of users′ purchasing.

Key words：online review； analysis of semantic orientation； herd mentality； attribution theory

（責(zé)任編輯：張曦）