河海大學(xué)企業(yè)管理學(xué)院 楊雪

?

網(wǎng)購環(huán)境下垃圾評論與消費者推薦信任的關(guān)聯(lián)性研究

河海大學(xué)企業(yè)管理學(xué)院 楊雪

摘 要：網(wǎng)購體驗型產(chǎn)品時，四種垃圾評論通過影響潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同，進而影響潛在消費者的推薦信任。構(gòu)建假設(shè)與結(jié)構(gòu)模型，用SPSS和AMOS對消費者調(diào)查問卷進行數(shù)據(jù)分析，結(jié)果表明：詆毀評論能通過削弱潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同進而削弱潛在消費者的推薦信任；干擾評論不會削弱潛在消費者的產(chǎn)品品牌和網(wǎng)站認同以及推薦信任；由于潛在消費者抵制互聯(lián)網(wǎng)水軍刷好評，所以推銷評論對推薦信任存在反向影響；低效用評論雖然含信息量少，但具有參考價值，能增強消費者的產(chǎn)品品牌和網(wǎng)站認同，進而增強推薦信任。因此，銷售體驗型產(chǎn)品的網(wǎng)站應(yīng)做到識別并清除虛假評論、引導(dǎo)低效用評論、清理干擾評論等。

關(guān)鍵詞：垃圾評論 推薦信任 結(jié)構(gòu)方程模型

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，網(wǎng)上購物已經(jīng)成為日常購物的普遍方式，然而潛在消費者在信息不對稱的情況下做出購買決策，是冒著一定風(fēng)險的，而潛在消費者最終是否做出購物決定在很大程度上取決于消費者對電商的信任［1］。田博等［2］認為加強潛在消費者在線信任的一種重要渠道是成熟消費者對電商的評論與推薦。而相較于搜索型產(chǎn)品體驗型產(chǎn)品消費者更依賴在線評論，也更難獲得有效評論［3］。目前，在網(wǎng)購評論對推薦信任影響的研究中，一般默認評論是真實的成熟消費者評價，但事實上由于在線評論仍缺乏嚴格的法律監(jiān)管和系統(tǒng)篩選機制，其中包含了垃圾評論，這使成熟消費者的真實評論無法充分發(fā)揮推薦評價的作用，同時也會使?jié)撛谙M者受到誤導(dǎo)。本文結(jié)合垃圾評論現(xiàn)狀，將垃圾評論分為四類［4，5］，利用SPSS和AMOS數(shù)據(jù)分析工具研究在線購物中垃圾評論對潛在消費者推薦信任的影響。

1　理論基礎(chǔ)及研究假設(shè)

1.1在線垃圾評論分類

網(wǎng)購商品的垃圾評論具有低效性、虛假性與商品無關(guān)性等特點，此類評論不僅對潛在消費者無參考價值，部分還具有欺騙性。周三多教授在《管理學(xué)》［6］中指出，有用信息應(yīng)具有高質(zhì)量、及時、完全、相關(guān)等特征，顯然垃圾評論與之不符。

關(guān)于在線垃圾評論，李霄等［4］將其劃分為四類：推銷/詆毀評論、干擾信息、無意義信息、系統(tǒng)評論；而趙靜嫻［5］通過論發(fā)布者的目的和評論影響程度等方面的不同，將垃圾評論分為三類：欺騙性評論、干擾性評論、低效用評論。本文結(jié)合以上兩種方法將垃圾評論分為四類，如表1所示。

李宗偉等［3］根據(jù)潛在消費者能否在購買前獲得產(chǎn)品質(zhì)量的客觀評估程度，將產(chǎn)品分為搜索型產(chǎn)品和體驗型產(chǎn)品，如表2所示。

本文主要研究體驗型產(chǎn)品的垃圾評論，因為相較于搜索型產(chǎn)品，體驗型產(chǎn)品的潛在消費者很難僅憑電商所提供的商品基本信息來做出購買判斷，需再額外收集大量其他相關(guān)信息來輔助判斷，成熟消費者的評論正是對這些潛在消費者非常重要的額外信息，因此，其中摻雜的垃圾評論對潛在消費者的誤導(dǎo)危害就更為嚴重，也更具有研究價值。

1.2現(xiàn)有的推薦信任影響因素分析

表1　垃圾評論分類

表2　產(chǎn)品分類

信任這個話題一直是人們關(guān)注的焦點，不同的領(lǐng)域?qū)π湃斡胁煌慕忉?。心理學(xué)和社會關(guān)系學(xué)是信任研究的起源，隨后管理學(xué)等學(xué)科也開始從不同角度研究信任，給出了不同的信任定義，因此，信任很難給出一個統(tǒng)一的概念，由于信任的抽象性和復(fù)雜性，信任也很難被度量。Mayer等［7］認為信任是一方不考慮對對方的監(jiān)督和控制，而認為對方能按照對他有利的行為方式行事，從而愿意將自己置于因?qū)Ψ降男袨槎艿焦?、承?dān)風(fēng)險的狀態(tài)。

目前的在線信任研究主要是在信任研究的基礎(chǔ)上，結(jié)合電子商務(wù)環(huán)境的特點，建立在線信任系統(tǒng)，提出假設(shè)并進行實證分析。田博等［8］認為，B2C電子商務(wù)中的在線信任由客觀信任和主觀信任構(gòu)成，主觀信任下又分為直接信任和推薦信任，而推薦信任就是文章研究的主要對象。田博等認為，推薦信任受個體推薦信任和聲譽的影響。其中，個體推薦為消費者親友的意見，而聲譽是由廣大成熟消費者的歷史購買評論形成的，一般比較客觀，由于個體推薦比較主觀難以測量，此處就不做研究，文章主要研究垃圾評論如何影響聲譽進而影響推薦信任。

圖1　基于認知信息加工的態(tài)度模型

邁克爾·R·所羅門與盧泰宏等在《消費者行為學(xué)》［9］中指出，態(tài)度由認知、情感和行為三種成分構(gòu)成，這三種構(gòu)成元素可以表達為ABC態(tài)度模型，該模型中的基于認知信息加工的態(tài)度模型（見圖1）表明，潛在消費者對產(chǎn)品的購買決策過程像解答問題的過程一樣。潛在消費者首先通過積累有關(guān)產(chǎn)品的知識、信息來形成自己的認知，然后潛在消費者評價這些認知并對產(chǎn)品形成一種情感［9］。楊雪［10］指出，基于認知信息加工的態(tài)度模型是建立在潛在消費者高度參與購買決策、被激勵大量收集信息并且仔細地權(quán)衡利弊，才做出最終決策的假設(shè)上的。相較于搜索型產(chǎn)品，體驗型產(chǎn)品的潛在消費者擁有更高的在線購物不確定性和風(fēng)險性，他們對在線信息如在線評論更為依賴，也使用得更加頻繁。由此可知，體驗型產(chǎn)品潛在消費者的購買決策特征與基于認知信息加工的態(tài)度模型的假設(shè)相符。本文將根據(jù)認知信息加工模型中的“認知→感情”部分（見圖1）研究對于體驗型產(chǎn)品，在線垃圾評論向潛在消費者提供的信息如何通過影響潛在消費者對產(chǎn)品品牌和網(wǎng)站的認知，進而影響潛在消費者的推薦信任。

1.3建立研究假設(shè)

相較于傳統(tǒng)的線下購物，在線購物中更加嚴重的信息不對稱給潛在消費者帶來了巨大的風(fēng)險，使得潛在消費者在做出是否購買的決策前必須在線收集大量的相關(guān)產(chǎn)品信息，成熟消費者的評論推薦對潛在消費者具有重要的參考價值，有助于潛在消費者對產(chǎn)品形成較為符合實際的認知，判斷出該產(chǎn)品是否可信，最終降低網(wǎng)購風(fēng)險。而包含虛假信息的垃圾評論，誤導(dǎo)潛在消費者形成錯誤的產(chǎn)品認知、信任，增加了網(wǎng)購的風(fēng)險，甚至使消費者遭受一段失敗的網(wǎng)購經(jīng)歷。垃圾評論混雜在真實評論中，在很大程度上影響著潛在消費者在在線購物中對產(chǎn)品品牌認同、網(wǎng)站認同及推薦信任。因此，建立如下假設(shè)。

假設(shè)1：網(wǎng)絡(luò)水軍刷好評數(shù)量越多越誤導(dǎo)潛在消費者增加產(chǎn)品品牌認同。

假設(shè)2：網(wǎng)絡(luò)水軍刷負評數(shù)量越多越誤導(dǎo)潛在消費者削弱產(chǎn)品品牌認同。

假設(shè)3：無關(guān)插入的干擾性評論增多不會削弱潛在消費者的產(chǎn)品品牌認同。

假設(shè)4：系統(tǒng)默認好評或買家短評數(shù)量越多越削弱潛在消費者產(chǎn)品品牌認同。

假設(shè)5：網(wǎng)絡(luò)水軍刷好評數(shù)量越多越誤導(dǎo)潛在消費者增加網(wǎng)站認同。

假設(shè)6：網(wǎng)絡(luò)水軍刷負評數(shù)量越多越誤導(dǎo)潛在消費者削弱網(wǎng)站認同。

假設(shè)7：無關(guān)插入的干擾性評論數(shù)量增多不會削弱潛在消費者的網(wǎng)站認同。

假設(shè)8：系統(tǒng)默認好評或買家短評數(shù)量越多越削弱潛在消費者的網(wǎng)站認同。

假設(shè)9：潛在消費者的產(chǎn)品品牌認同與推薦信任正相關(guān)。假設(shè)10：潛在消費者的網(wǎng)站認同與推薦信任正相關(guān)。

1.4構(gòu)建研究模型

根據(jù)上述分析與假設(shè)，構(gòu)建在線垃圾評論對潛在消費者推薦信任影響的理論模型（見圖2）。

圖2　本研究假設(shè)模型

2　假設(shè)檢驗與分析

2.1研究量表設(shè)計與樣本選取

該問卷涉及了7個量表，四類垃圾評論量表依據(jù)李霄等［4］和趙靜嫻［5］的垃圾評論分類進行設(shè)計，共設(shè)計8個題項。產(chǎn)品品牌認同、網(wǎng)站認同量表借鑒楊雪［10］論文中的量表，共設(shè)計5個題項。推薦信任量表綜合參考楊雪、田博［8］的相關(guān)研究進行設(shè)計，共設(shè)計兩個題項。問卷用李克特五分法來衡量，“1”表示“非常同意”、“2”表示“同意”、“3”表示“一般”、“4”表示“不同意”、“5”表示“非常不同意”。在正式廣泛投放問卷前，先小規(guī)模進行測試，對問卷的部分問題進行了修改和重新設(shè)置。

表3　量表檢驗結(jié)果

本次調(diào)查問卷利用問卷星在線發(fā)布，面向?qū)ο笾饕獮榻K省部分高校的在校師生、已進入社會的在職人員及其他網(wǎng)購人群，針對體驗型產(chǎn)品的網(wǎng)購經(jīng)歷進行調(diào)查，問卷主要通過朋友圈轉(zhuǎn)發(fā)到答卷人手中，因而參與的答卷人基本較常參加在線活動，對網(wǎng)購較為熟悉，所填的答案也更有分析價值。停止接收問卷后，實際收到134份問卷回復(fù)，經(jīng)篩選有效問卷共120份。通過IP地址可以看出，江蘇的答卷人占了91.67%，其余的答卷人分別來自山東、天津、浙江和廣東。把統(tǒng)計數(shù)據(jù)按性別、年齡、職業(yè)進行分類，得男性占25%、女性占75%，18歲以下占3.33%、18～26歲占38.33%、26～35歲占25%、35～55歲占25%、55歲以上占8.33%，老師占3.33%、學(xué)生占35%、在職人員占40%、其他占21.67%。

2.2信度與效度分析

問卷的內(nèi)在信度即內(nèi)部一致性用Cronbach’s Alpha檢驗，利用SPSS 20.0對問卷進行分析，總體Cronbach’s Alpha值為0.728，大于0.7，7個測量變量的Cronbach’s Alpha也均大于0.7（見表4），該量表內(nèi)部一致性較好。量表的效度分析采用探索性因子分析方法和驗證性因子分析方法。經(jīng)過對四類垃圾評論：推銷評論、詆毀評論、干擾評論、低效用評論的量表做探索性因子分析，它們的KMO值為0.752大于0.7，Bartlett的球形度檢驗近似卡方值為350.750，自由度df為105，顯著性概率值Sig.為0.000小于0.05，表明該問卷適合做因子分析。

本文利用主成分分析法，因子旋轉(zhuǎn)采用方差極大旋轉(zhuǎn)法，共選取4個因子，解釋總變異量的61.936%，大于60%較符合理論構(gòu)建。使用AMOS 21.0做驗證性因子分析，觀察變量的t值即C.R.值均大于1.96，且P值都小于0.05（見表3），顯著性較好。

2.3假設(shè)檢驗

把數(shù)據(jù)導(dǎo)入在AMOS 21.0中構(gòu)建的假設(shè)模型后，輸出指標如下：CMIN/DF=0.866、RMR=0.079、IFI=1.034、CFI=1.000、RMSEA=0.000，表明模型擬合較好，假設(shè)模型總體上得到了支持。通過判斷模型檢驗后輸出各路徑的估計值（Estimate）、C.R.值及P值，假設(shè)1、假設(shè)4、假設(shè)5、假設(shè)8沒有通過顯著性檢驗，其余假設(shè)都通過顯著性檢驗，檢驗結(jié)果得到實際數(shù)據(jù)的支持（見表4），表明詆毀評論和干擾評論均對產(chǎn)品品牌認同和網(wǎng)站認同有顯著地影響，產(chǎn)品品牌認同和網(wǎng)站認同都正向積極地影響推薦信任。

假設(shè)1與假設(shè)5未通過顯著性檢驗，并且呈負向影響，表明電商以推銷產(chǎn)品為目的雇傭網(wǎng)絡(luò)水軍來為產(chǎn)品刷好評，不僅不能增加潛在消費者的產(chǎn)品品牌認同，反而適得其反。這可能因為現(xiàn)在的網(wǎng)絡(luò)消費者都知道網(wǎng)絡(luò)水軍的存在，潛意識抵制刷單的誤導(dǎo)，看到通篇套路的水軍好評都會潛意識降低對該產(chǎn)品品牌的好感，甚至消費者會對網(wǎng)絡(luò)水軍刷單頻發(fā)的網(wǎng)站印象欠佳，這也解釋了為什么網(wǎng)絡(luò)水軍刷出的推銷性垃圾評論會對潛在消費者的網(wǎng)站認同有負向影響了。

表4　模型假設(shè)檢驗結(jié)果

假設(shè)4與假設(shè)8未通過顯著性檢驗，且呈負向影響，表明低效用評論（如系統(tǒng)默認好評或買家短評）能夠使?jié)撛谙M者獲得產(chǎn)品品牌認同需要的信息。低效用評論雖然包含的信息量極少并且缺乏具體描述，但一般都是真實買家的評論，因此，潛在消費者認為它們還是值得參考，所以低效用評論不僅不會干擾潛在消費者搜尋有用信息，反而會助于增加潛在消費者產(chǎn)品品牌好感和網(wǎng)站好感。

3　研究結(jié)論與管理啟示

本文針對體驗型產(chǎn)品，實證分析網(wǎng)購中四種垃圾評論對推薦信任的影響，解答了四種垃圾評論對推薦信任是否有影響、影響路徑是什么樣的問題。該研究結(jié)果顯示：四種垃圾評論中的詆毀評論能夠削弱潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同，進而削弱潛在消費者的推薦信任；干擾評論不會削弱潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同，也不會削弱推薦信任；推銷評論對增加潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同沒有幫助，反而能夠削弱它們，進而削弱推薦信任；低效用評論不會削弱潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同，反而能夠增強它們，進而增強潛在消費者的推薦信任。垃圾評論的虛假性、低效性常常誤導(dǎo)潛在消費者在網(wǎng)購中做出錯誤的購買決策，建立并完善垃圾評論的識別、管理機制非常重要。

本文研究結(jié)果對在線購物網(wǎng)站管理垃圾評論有一些啟示。

3.1識別并清除虛假評論

網(wǎng)絡(luò)水軍刷出的推銷評論和詆毀評論都會削弱潛在消費者對產(chǎn)品品牌的認同，也會破壞購物網(wǎng)站的形象。電商需被告知消費者已對雇水軍刷的好評有免疫，虛假的推銷評論不僅不能幫助提高銷量，反而會失去消費者的信任，得不償失。網(wǎng)站應(yīng)高效地識別出水軍刷出的虛假評論，將它們屏蔽，并鎖定其發(fā)布者，聯(lián)合銀行等信用機構(gòu)降低發(fā)布者的信譽等級，在現(xiàn)實中進行處罰，而不是僅僅對發(fā)布者的一個在線賬戶進行處罰。

3.2引導(dǎo)低效用評論

低效用評論雖然只有兩到三個字，或是成熟消費者逾期未評論系統(tǒng)自動給出評論，但仍具有一定的真實性，潛在消費者們可以參考。除了星級和評語外，網(wǎng)站可以為產(chǎn)品評論多增設(shè)具體項目，對評論內(nèi)容進行引導(dǎo)，讓買家對產(chǎn)品質(zhì)量、圖片現(xiàn)實差距、物流、包裹等項目進行分項打分評論，這樣就可以得到更多高效的評論。

3.3清理干擾評論

從目前得到的數(shù)據(jù)分析結(jié)果來看，干擾評論（如評論中插入的無關(guān)廣告）并未影響潛在消費者對產(chǎn)品品牌和網(wǎng)站的認同，但這并不意味著網(wǎng)站可以放任干擾評論大量占領(lǐng)產(chǎn)品的評論區(qū)域，過多的干擾評論必將增加潛在消費者尋找有用評論的時間成本，不利于潛在消費者快速獲得做出購物決定所需的信息，也影響了消費者的在線購物環(huán)境。因此，網(wǎng)站應(yīng)明文規(guī)定嚴禁冒充買家在產(chǎn)品評論區(qū)域留下干擾評論，及時對產(chǎn)品評論中的干擾評論進行清理，并制定散布干擾評論的處罰條例。

參考文獻

［1］ Dan Jong Kim，Donald L.Ferrin，H.Raghav Rao. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents［J］.Decision Support Systems，2008（2）.

［2］ 田博，覃正.B2C電子商務(wù)中基于D-S證據(jù)融合理論的推薦信任評價模型［J］.管理科學(xué)，2008（05）.

［3］ 李宗偉，張艷輝.體驗型產(chǎn)品與搜索型產(chǎn)品在線評論的差異性分析［J］.現(xiàn)代管理科學(xué)，2013（08）.

［4］ 李霄，丁晟春.垃圾商品評論信息的識別研究［J］.現(xiàn)代圖書情報技術(shù)，2013（01）.

［5］ 趙靜嫻.網(wǎng)絡(luò)交易垃圾評論智能識別研究［J］.現(xiàn)代情報，2016 （04）.

［6］ 周三多，陳傳明.管理學(xué)（第3版）［M］.北京：高等出版社，2010.

［7］ R.C.Mayer，J.H.Davis，F(xiàn).D.Schoorman.An Integrative Model of Organizational Trust Mayer1995［J］.Academy of Management Review，1995，20（03）.

［8］ 田博，覃正.B2C電子商務(wù)中的在線信任系統(tǒng)模型研究［J］.華東經(jīng)濟管理，2008（10）.

［9］ 邁克爾·R·所羅門，盧泰宏，楊曉燕.消費者行為學(xué)（第8版.中國版）［M］.北京：中國人民大學(xué)出版社，2009.

［10］ 楊雪.在線評論信息特征對體驗型產(chǎn)品品牌信任的影響［J］.商業(yè)研究，2016（03）.

中圖分類號：F724.6

文獻標識碼：A

文章編號：2096-0298（2016）06（c）-163-05