常亮

【摘 要】 本文在模型構(gòu)建與數(shù)據(jù)分析的基礎(chǔ)上，得出了結(jié)論并提出了對策建議。認為，在網(wǎng)絡(luò)零售商方面，要避免負面在線評論的出現(xiàn)，重視對商家的管理；積極回應負面評論并進行補救；密切關(guān)注消費者個人信息和在線評論。在消費者方面，要提高對評論真實性的判斷能力；關(guān)注負面評論的語言描述。

【關(guān)鍵詞】 在線評論；負面評論；消費者；購買意愿；影響

一、問題的提出

絕大多數(shù)消費者由于在網(wǎng)上購物不能直接接觸產(chǎn)品，已經(jīng)習慣參考其他消費者發(fā)布的在線評論，因此，產(chǎn)品在線評論的多少與好壞成為了影響消費者購買行為的一個十分重要的因素。在線評論的相關(guān)研究中，學者們已經(jīng)關(guān)注評論的正負性，其中，Arndt（1967）研究表明，正面評論會促進購買，負面評論會減少購買；[1]Tax等（1933）研究出在線評論具有一定的情感表現(xiàn)形式，積極或消極的評論會影響消費者的購買行為；[2]Lee（2008）的研究表明負面評論越多則會引起更多的負面評論；[3]Lazarsfeld和Katz（1955）研究表明，消費者對產(chǎn)品或服務(wù)的態(tài)度由不滿意到滿意的轉(zhuǎn)變過程中，評論所起的作用是廣告的九倍。[4]基于此，學者們從不同角度對在線評論進行研究，但評論的情感傾向?qū)τ谙M者購買行為的差異性影響到底如何？本文通過實地訪談和問卷調(diào)查探究具有消極情感的在線評論具體是從哪些方面以及如何影響消費者行為的。

二、模型構(gòu)建與研究假設(shè)

依托S-O-R范式，基于學者們的研究成果以及本次問卷調(diào)查之前的深度訪談，本文將外部刺激即負面在線評論的特征，主要涉及負面評論長度、表達方式、內(nèi)容、數(shù)量與質(zhì)量，探究其對消費者購買意愿的影響。

1、負面在線評論長度

消費者一般更傾向關(guān)注評論較長的信息，因為其涵蓋了關(guān)于產(chǎn)品、使用體驗等各方面更多的內(nèi)容。郝媛媛等（2010）通過研究評論對電影消費的影響發(fā)現(xiàn)，評論長度正向影響評論有用性。[5]評論內(nèi)容作為網(wǎng)站中很重要的部分，將會對潛在消費者有用性的感知產(chǎn)生影響。對于潛在購買者而言，不同產(chǎn)品評論的內(nèi)容能帶來不同的社會臨場感。評論越長則包含越多的細節(jié)信息，這些信息對潛在購買者越有用。因此，評論長度對產(chǎn)品的有用性存在差異。

H1：負面在線評論長度反向顯著影響消費者購買意愿。

2、負面評論的表達方式

評論內(nèi)容根據(jù)評論本文的表達形式分為兩種：客觀表達評論內(nèi)容和主觀表達評論內(nèi)容。一般情況下，主觀表達方式體現(xiàn)出帶有主觀意識的較強情感性的描述，經(jīng)常采用第一人稱的形式；客觀表達方式是采用第三人稱語氣的陳述句，以客觀的態(tài)度評論產(chǎn)品總體或其他和產(chǎn)品有關(guān)的部分。學者們也從評論中表現(xiàn)出的積極、中性、消極情感傾向發(fā)現(xiàn)其對消費者行為有著重要的影響，即評論標題、正文中的表達方式對其在線評論的瀏覽量和關(guān)注度有相關(guān)性。

H2：較主觀表達方式的負面評論反向顯著影響消費者購買意愿。

H3：較客觀表達方式的負面評論反向顯著影響消費者購買意愿。

3、負面評論的內(nèi)容

產(chǎn)品相關(guān)信息是消費者第一關(guān)注的內(nèi)容。消費者的購買行為越復雜，即網(wǎng)絡(luò)購買的產(chǎn)品價值越大，越是非習慣性購買，消費者就越需要從在線評論中掌握大量的補缺信息。一方面，消費者需要關(guān)于產(chǎn)品的質(zhì)量和款式等具體產(chǎn)品信息；另一方面，涉及網(wǎng)購的流通環(huán)節(jié)，即消費者對店主的服務(wù)質(zhì)量和物流質(zhì)量。

H4：產(chǎn)品方面的負面在線評論反向顯著影響消費者購買意愿。

H5：店主服務(wù)方面負面在線評論反向顯著影響消費者購買意愿。

H6：第三方物流方面負面在線評論反向顯著影響消費者購買意愿。

4、負面評論的數(shù)量

目前國內(nèi)很多購物網(wǎng)站潛在購買者都可以查看到全部的評論和評論數(shù)量。在線評論數(shù)量越多，消費者越有可能接觸到更全面的信息；另外，評論數(shù)量越多則說明這款產(chǎn)品在市場上受歡迎程度越高。相反，負面評論的數(shù)量越多，則表明該產(chǎn)品用戶體驗越差。

H7：負面評論的數(shù)量反向顯著影響消費者購買意愿。

5、負面評論的質(zhì)量

態(tài)度功能理論認為，人們持有某種態(tài)度是為了滿足其自身的內(nèi)在需求，如果外界的信息能夠滿足這種需求，它就更容易改變?nèi)藗兊膽B(tài)度。學者們對在線負面評論質(zhì)量的定義是：在線負面評論內(nèi)容的真實性、客觀性、相關(guān)性，以及是否能夠滿足消費者需求。[6]高質(zhì)量的負面在線評論，一般都包含著豐富的產(chǎn)品使用過程、體驗和感受等多方面信息，這些信息不僅能夠反映事物的真實屬性，而且邏輯清晰、組織嚴密、論據(jù)充分，容易被信息接收者所理解與認同。相反，低質(zhì)量的負面在線評論一般言語不詳，沒有用準確的文字描述自己的使用經(jīng)歷，僅僅給出自己對產(chǎn)品的評價，因此低質(zhì)量的負面在線評論顯得沒有條理，沒有依據(jù)，難以使信息接收者信服。

H8：負面評論的質(zhì)量反向顯著影響消費者購買意愿。

三、數(shù)據(jù)分析及結(jié)論

1、變量及測量指標

基于以上分析，本文構(gòu)建了7個自變量，分別為負面評論的長度、負面評論的表達方式、負面評論產(chǎn)品的內(nèi)容、負面評論店主服務(wù)的內(nèi)容、負面評論物流的內(nèi)容、負面評論數(shù)量和負面評論質(zhì)量。2、數(shù)據(jù)分析

（1）信度和效度檢驗。本次問卷調(diào)查的Cronbacha系數(shù)為0.869，且自變量的α值都大于0.7，說明問卷可信度很高。KMO的值為0.840，題項變量間的關(guān)系基本是良好的；同時，Bartlett的球形度檢驗達到0.05的顯著水平（P=0.000<0.05），拒絕原假設(shè)，即相關(guān)系數(shù)矩陣與單位矩陣有顯著差異，變量間相關(guān)性很強，所以選擇的變量是比較合適的。

（2）回歸分析。本文采用Logistic回歸分析，共經(jīng)過5步回歸。步與步、塊與塊，模型之間的相對似然比檢驗，第1步，整個回歸模型的Chi-square值為23.743，Sig=0.033<0.05，模型檢驗具有顯著性；第2步剔除一個因素，卡方值減少了0.115，卡方值為21.340，Sig=0.034<0.05，模型檢驗顯著；以此類推，最終回歸模型的Chi-square值為18.645，Sig值為0.009<0.05，模型檢驗具有顯著性。模型擬合優(yōu)度檢驗中，由于-2Loglikelihood是來表示模型擬合效果，其值越小模型擬合越好；Cox&SnellRSquare和NagelkerkeRSquare的值越趨近于1則越好。本次回歸方程的-2Loglikelihood值為29.682，Cox&SnellR?值為0.785，NagelkerkeR?為0.805，模型擬合優(yōu)度較好。smer&Lemeshow統(tǒng)計量卡方值為2.639，Sig值為0.905>0.05，沒有充分理由拒絕原假設(shè)，因變量的觀測值與預測值無顯著差異，在可接受水平上，模型擬合數(shù)據(jù)很好。

回歸結(jié)果顯示：負面評論的字數(shù)sig值為0.031<0.05，第三人稱的負面評論sig值為0.041<0.05，產(chǎn)品質(zhì)量sig值為0.025<0.05，產(chǎn)品與描述的一致性sig值為0.045<0.05，店主服務(wù)態(tài)度sig值為0.028<0.05，店主發(fā)貨速度的sig值為0.019<0.05，物流速度sig值為0.022<0.05，負面在線評論數(shù)量sig值為0.029<0.05，負面在線評論的真實性可靠性sig值為0.032<0.05，負面評論內(nèi)容與產(chǎn)品的密切度sig值為0.017，即通過5步回歸而最終進入回歸模型的變量為負面評論字數(shù)、第三人稱負面評論、產(chǎn)品質(zhì)量、產(chǎn)品與描述一致性、店主服務(wù)態(tài)度、店主發(fā)貨速度、物流速度、負面在線評論數(shù)量、負面在線評論真實性可靠性、負面評論內(nèi)容與產(chǎn)品的密切度（具體見表2）。

四、對策建議

1、網(wǎng)絡(luò)零售商方面

（1）避免負面在線評論的出現(xiàn)，重視對商家的管理。客戶關(guān)系管理中，服務(wù)質(zhì)量和水平作用日益突顯。網(wǎng)購行業(yè)的競爭十分激烈，網(wǎng)絡(luò)零售商如何在激烈的競爭中脫穎而出，要考慮的因素很多：商家應當真實反映產(chǎn)品的基本信息，比如衣服類的純棉指數(shù)、羊毛指數(shù)等，避免消費者客觀地反映產(chǎn)品的相關(guān)參數(shù)不準確而造成負面評論；商家應當對產(chǎn)品隨著時間的推移可能存在的問題進行說明，如手機的待機時間會隨著使用時間的增加而減少；以及對產(chǎn)品進行一些操作后的變化如實告知消費者，避免消費者對于產(chǎn)品本身方面的原因提出差評；商家應當注重客服人員的管理與培訓，同時商家應當盡可能提高發(fā)貨速度，從而減少差評；商家應當對物流公司進行選擇，盡量選擇服務(wù)好、信譽度高的大公司，并與物流公司簽訂具體協(xié)議，如差評是由于物流的原因造成的應當由物流公司對商家進行一定的補償；鑒于消費者更傾向于相信和他們相似性高的在線評論，商家應針對性地關(guān)注在線評論信息發(fā)布者，從而掌控目標客戶群的偏好和需求；可以適當控制評論字數(shù)來降低負面評論的質(zhì)量。

（2）積極回應負面評論并進行補救。網(wǎng)購的基本模式是通過瀏覽在線評論對消費者備選產(chǎn)品進行比較，形成最終購買行為。在負面評論出現(xiàn)后商家應當積極回應，一方面，可以通過目標客戶的負面針對性糾正產(chǎn)品信息；另一方面，通過在線評論的及時回應體現(xiàn)商家的服務(wù)質(zhì)量，堅定潛在消費者的購買信心。具體做法如下：商家應當成立專門的售后服務(wù)部門，在顧客收到貨物后有任何問題可以及時與售后部門進行溝通，如果滿足條件買家可以將產(chǎn)品返回至售后部進行售后維修或處理，以此方法來避免在雙方溝通之前的差評出現(xiàn)；商家在看到負面評論后應當及時與買家取得聯(lián)系，了解差評的真實原因，及時道歉并進行解釋，用真誠的態(tài)度打動評論發(fā)布者，而不應當不予理會甚至與消費者發(fā)生沖突；若消費者態(tài)度十分堅決或是已經(jīng)做出了負面評論，商家應當進行物質(zhì)方面的補救，比如可以用贈送優(yōu)惠券的方式進行對消費者的補償，如果能在消費者發(fā)布負面評論之前解決那就再好不過了。

（3）關(guān)注消費者個人信息和在線評論。消費者的個人信息可以反映該消費者基本的購買習慣、特性以及產(chǎn)品需求類型等重要內(nèi)容。將消費者在線評論中的內(nèi)容和個體特征相關(guān)聯(lián)，便于商家更好地解釋評論中消費者提出的問題和質(zhì)疑，篩檢評論信息的不真實性，從而使目標客戶更好地通過評論者提供的信息了解產(chǎn)品，同時也可以增加目標客戶群的信任度。與此同時，在網(wǎng)絡(luò)大數(shù)據(jù)的支持下，通過消費者個人信息，商家可以個性化地提供滿足其不同需求的差異性產(chǎn)品，從而增加正面評論的數(shù)量。

2、消費者方面

（1）提高對評論真實性的判斷力。消費者在看到負面評論后應當理性地去分析該負面評論的真實性與可靠程度，并理性判斷評論發(fā)布者是在怎樣的狀態(tài)下發(fā)布的該評論，若是評論發(fā)布者自身比較挑剔，并且評論的語氣明顯太過偏激，主觀意識強烈，甚至語言帶有人身攻擊，消費者應當自動屏蔽這樣的評論內(nèi)容，如果該負面評論下面有商家的回復，消費者也應該在看完商家回復后做出理性判斷。

（2）關(guān)注負面評論的語言描述。消費者應當關(guān)注負面評論的語言語氣，是否過于偏激，過于主觀，語言是否明顯自我意識強。比如消費者評論“這件衣服的材質(zhì)摸起來感覺不像是100%純棉，與商家的描述不太符合”可信度比較高，語氣也比較客觀。但是比如這樣的評論“這件衣服的版型太大，我穿上去就像只熊”語氣過于主觀，自我意識強烈，可信度較低。消費者應當重視那些客觀性的、語氣較為中立的負面評論，這樣的評論能夠真實反映產(chǎn)品存在的缺陷，同時應該屏蔽那些自我意識強、語氣是主觀性的負面評論。

【參考文獻】

[1] ArndtJ.Roleofproduct-relatedconversationsinthediffusionofanewproduct.JournalofMarketingResearch.1967，4（3）291-295.

[2] Tax，S.S.，Chandrashekaran，M.，Christiansen，T.，Word-Of-MouthinConsumerDecision-Making：AnAgendaforResearch[J].JournalofCustomerSatisfaction，Dissatisfaction&ComplainingBehavior.1993，（6）75-80.

[3] LeeJumin，ParkDo-Hyung，HanIngoo.Theeffectofnegativeonlineconsumerreviewsonproductattitude：Aninformationprocessingview[J].ElectronicCommerceResearchandApplications，2008，7（3）341-352.

[4] Katz，E.&Lazarsfeld，PF.PersonalInfluence：ThePartPlayedbyPeopleintheFlowofMassCommunications[M].Gleneoe，IL：FreePress，1955.

[5] 郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究.[J]管理科學學報，2010.13.8，78-96.

[6] 鄭小平.在線評論對網(wǎng)絡(luò)消費者購買決策影響的實證研究[D].北京：中國人民大學，2008.

【作者簡介】

常 亮（1983-）女，西安市人，西安外國語大學商學院講師，博士研究生，研究方向：互聯(lián)網(wǎng)營銷.