杜惠英，王興芬，莊文英

（1.北京信息科技大學(xué)信息管理學(xué)院，北京市100192；2.北京郵電大學(xué)經(jīng)濟管理學(xué)院，北京市100876）

在線評價對消費者購買意愿影響理論模型與實證研究

杜惠英1，王興芬1，莊文英2

（1.北京信息科技大學(xué)信息管理學(xué)院，北京市100192；2.北京郵電大學(xué)經(jīng)濟管理學(xué)院，北京市100876）

構(gòu)建在線評論對消費者購買意愿影響因素結(jié)構(gòu)模型，從主客體兩個視角探討其影響因素及相關(guān)強度，結(jié)果表明，在線評價自身因素和賣家因素是消費者最能夠直接接觸或感知的因素，也因此對消費者的購物決策影響最大；接收者自身購物經(jīng)驗和購物方式、同類商品在不同網(wǎng)站的在線評價/口碑因素，對于消費者購物意愿的影響也非常顯著；賣家因素對購買意愿的影響可以細化為賣家實時溝通、賣家整體信譽、賣家售后服務(wù)及賣家評價反饋程度的影響，且解釋系數(shù)均在0.9以上；同類商品評價可用二級指標(biāo)同類商品數(shù)量、同類商品質(zhì)量和同類商品效價來解釋。因此，在實踐中應(yīng)關(guān)注賣家自身、接收者自身、在線評價本身、同類商品評價及評價者因素對消費者購買意愿的影響，積極引導(dǎo)消費者購物行為。

在線評價；購買意愿；口碑；在線反饋；結(jié)構(gòu)方程模型

一、引言

中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）發(fā)布的第39次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2016年12月，中國網(wǎng)民規(guī)模高達7.31億，互聯(lián)網(wǎng)普及率達到53.2%；2016年中國網(wǎng)絡(luò)零售交易額達5.16萬億元（人民幣），同比增長26.2%，是同期中國社會消費品零售總額增速的兩倍有余[1]。當(dāng)前，網(wǎng)絡(luò)零售已成為帶動中國零售業(yè)增長的主要動力。隨著“互聯(lián)網(wǎng)+”戰(zhàn)略的提出與踐行，B2B、 O2O平臺逐漸增多，在線購物市場逐漸成熟，也更為多元化，該行業(yè)的競爭方式正趨向于良性發(fā)展，除價格競爭、商品競爭外，商戶也更加注重培養(yǎng)各自在客戶群體中的優(yōu)勢。

在線購物提升客戶購物便捷度的同時也存在著一定的缺陷。在面對繁雜的在線商品時，如何獲取完備的商品信息進而做出正確的、理性的購物決策，是消費者面臨的問題之一。在實體店鋪購物過程中，消費者可根據(jù)實物質(zhì)量和產(chǎn)品口碑進行決策，而在線購物并不能見到商品實物，只能通過網(wǎng)站相關(guān)文字、圖片、視頻等獲取部分商品信息，傳統(tǒng)的口碑也轉(zhuǎn)化為電子口碑即在線評價，購物風(fēng)險隨之加大，購物決策難度增加。因此，針對在線評價開展研究，對于消費者的購物意愿和決策有著重要的指導(dǎo)意義。

本文第一部分介紹在線評價對消費者購買意愿影響機制的研究意義，第二部分和第三部分在回顧相關(guān)研究的基礎(chǔ)上首先提出了理論模型和研究假設(shè)；第四部分分別通過SPSS和SMART-PLS對結(jié)構(gòu)模型進行驗證和評價；第五部分對研究結(jié)論進行總結(jié)，提出相關(guān)建議。

二、相關(guān)研究回顧

對于在線評價對消費者購買意愿的研究當(dāng)前多以結(jié)構(gòu)方程模型為主，且已形成較多的研究框架體系，在模型的構(gòu)建和仿真方面也已形成了較多的理論研究成果。

國外針對在線評價對消費者購買意愿影響的研究比較早，帕克（Park）等[2]研究了評價質(zhì)量對在線評價的影響；森科爾（Sencal）等[3]采用實驗的方法研究了在線評價和在線產(chǎn)品類型等因素對消費者購買意愿的影響；吉姆（Kim）等[4]基于信任理論，證明了消費者感知信任、感知風(fēng)險和感知價值對其在線購買意愿及決策產(chǎn)生影響。同時，在模型改進方面，國外也已形成了多樣化的模型，班賽爾（Bansal）等[5]從非人際因素和人際因素角度，建立了發(fā)送者口碑對接收者購買決策的雙因素影響模型；袁和林（Yuan&Lin）等[6]結(jié)合偏最小二乘方法建立了PLR-SEM模型研究消費者影響模式。

國內(nèi)相關(guān)研究盡管起步較晚，但隨著近年來網(wǎng)購的普及與“互聯(lián)網(wǎng)+”的深入，在線評價與消費者購買意愿關(guān)系的研究也日益深化，研究重點涉及模型改進、影響體系分析、實證分析等，當(dāng)前已有許多優(yōu)秀的研究成果。王琳[7]結(jié)合回歸模型分析，研究網(wǎng)絡(luò)評價對消費者在線購買的影響，并驗證了感知風(fēng)險在評價對消費者購買的影響中具有中介作用。高寶俊等[8]建立回歸模型分析在線評價對商品銷售的影響，同時探討了京東與天貓兩個B2C平臺的相互影響機制。楊銘等[9]結(jié)合亞馬遜網(wǎng)站商品評價，對商品評價進行了識別與分類，并對其效用進行了綜合評價與度量。王綺等[10]以經(jīng)濟型酒店為例，分析了正面/負面在線評價的生動效應(yīng)及商戶反饋兩者對消費者購買的影響。杜學(xué)美等[11]將接收者的專業(yè)能力納入系統(tǒng)，建立了在線評價對消費者購買意愿的影響模型。陳曉紅等[12]根據(jù)不同認(rèn)知需求對消費者進行了分類，研究了在線評價的不同影響。張艷輝等[13]研究發(fā)現(xiàn)，有效評論數(shù)量、中差評、上傳圖片對評論的有用性具有顯著的正向作用，而且賣家回復(fù)起到了中介作用。習(xí)揚等[14]提出基于在線評價信息的屬性權(quán)重確定方法及方案排序方法。王宇燦等[15]結(jié)合實證分析，提出了一種基于社會交換理論、動機擁擠理論和信息不對稱理論的消費者在線評價參與意愿影響因素模型。梁霞等[16]通過對在線評價的效用和情感詞分析，提出了一種基于在線評價的產(chǎn)品選擇方法。丁東等[17]以在線商品評價的有用性投票為基礎(chǔ)，結(jié)合貝葉斯網(wǎng)絡(luò)構(gòu)建了在線商品評價質(zhì)量評估模型。

綜上所述，當(dāng)前研究大多從消費者感知角度出發(fā)，集中于在線評論的內(nèi)容特征及評論者特征，而對同類商品之間的競爭機制及賣家的在線反饋關(guān)注較少，這也正是本文研究的重點。

三、模型設(shè)計

在線評價對消費者購物決策的影響因素涉及面較廣，從主客觀角度出發(fā)，不僅包含在線評價本身這一客體，也涉及了評價者、接收者（消費者）、商家等多個主體。綜合梳理當(dāng)前在線評價影響因素，從商品自身客體因素出發(fā)，有以下幾個維度：商品評論數(shù)量、多維文字評價、消費者曬圖、追加評價、標(biāo)簽云、評價效價、效價分布、評價有用性投票（亞馬遜、京東）、商品投票排序等，主要體現(xiàn)商品的客觀特點；主體因素則有消費者信用等級、評價者等級、商家信譽度、商家售后服務(wù)質(zhì)量等，主要體現(xiàn)人的主觀特點。鑒于主客體因素的不同特點，為更好地區(qū)分主體因素與客體因素對于消費者購物決策的影響機制，本文在當(dāng)前模型研究歸納的基礎(chǔ)上，從主客體角度對影響因素進行分類歸因，并在模型中加入賣家特點因素、同類商品評價的交互影響因素等指標(biāo)，形成本文的理論結(jié)構(gòu)模型。

模型的因變量為消費者購買意愿，自變量為在線評價各要素，其中自變量中的因素包含參與客體——評價本身、同類商品評價和參與主體——接收者、評價者、賣家。

（一）已論證經(jīng)典指標(biāo)

1.評價本身維度——客體

在線評價本身的優(yōu)劣，在很大程度上影響著消費者對于產(chǎn)品的認(rèn)知。帕克等[2]認(rèn)為，評價數(shù)量和評價內(nèi)容的質(zhì)量（尤其是負面評價、帶圖評價等）對于消費者購買意愿有著重要影響。闡（Chan）[18]等通過實證提出評價的效價對于消費者購物決策起正向作用。用評價數(shù)量、質(zhì)量和效價作為在線評價自身的解釋變量。提出如下假設(shè)：

H1：在線評價本身特征對購買意愿影響機制有正向影響。

2.接收者角度——主體

接收者即購物者的個體特征對于在線評價的需求、在線評價內(nèi)容的感知和判斷等都有所差異。班賽爾（Bansal）等[5]認(rèn)為消費者的專業(yè)能力與其對在線評價的感知存在較強的相關(guān)關(guān)系，張（Cheung）等[19]認(rèn)為消費者的人口特征對消費者購買意愿有著顯著的影響。提出如下假設(shè)：

H2：接收者因素的條件越好，在線評論對購買意愿影響越大。

3.評價者角度——主體

評價者是在線評價的直接負責(zé)主體，因此評價者的自身素養(yǎng)、購物經(jīng)驗、用戶等級等都直接影響到評價的內(nèi)容優(yōu)劣。胡（Hu）等[20]提出評價者的用戶等級對于消費者的購物意愿具有正向影響，史密斯（Smith）等[21]認(rèn)為評價者自身的專業(yè)能力等因素將在很大程度上影響消費者的購物決策。因此用評價者等級越高、信譽越好、購物經(jīng)驗越多來解釋評價者因素的條件越好。提出如下假設(shè)：

H3：評價者因素的條件越好，在線評價對消費者購買意愿影響越大。

（二）新增指標(biāo)

除在線評價自身、消費者、評價者角度外，結(jié)合“互聯(lián)網(wǎng)+”環(huán)境下在線評價的新特點，在評價體系中加入同類商品的競爭機制和賣家的在線反饋機制，形成研究框架與指標(biāo)體系。

1.賣家角度——主體

商品的賣家/供應(yīng)商的綜合素質(zhì)、服務(wù)質(zhì)量等與消費者的購物意愿息息相關(guān)，良好的購物體驗可以增強消費者的購物意愿。吉姆（Kim）等[4]提出，商家在線溝通越及時，越能左右消費者的購物決策。呂泰爾（Ruyter）等[22]則認(rèn)為，商家的整體信譽和服務(wù)質(zhì)量越高，消費者購買意愿越強。因此，用賣家在線實時溝通程度越高、整體信譽越好、售后服務(wù)質(zhì)量越高來解釋賣家因素越好。提出如下假設(shè)：

H4：賣家因素的條件越好，在線評價對消費者購買意愿影響越大。

2.同類商品評價——客體

塞內(nèi)卡爾和南特（Senecal&Nantel）[3]認(rèn)為，網(wǎng)站類型是在線評論說服效果的重要影響因素之一。高寶俊等[8]以京東和天貓為主要研究對象，驗證了不同網(wǎng)站之間的相互影響。實踐中，同類商品不同賣家、不同平臺的評價也會產(chǎn)生交互影響，因此將同類商品的評價納入指標(biāo)體系中進行研究，對于同類或同一商品的相關(guān)評價會影響消費者對于在線評價的理解與感知，從而影響購買意愿。鑒于此，將同類商品的評價納入影響因素中，提出下述假設(shè)，并以同類商品評論數(shù)量越多、評論質(zhì)量和評論效價越高來解釋同類商品評論越好。

H5：同類商品評論因素的條件越好，在線評價對消費者購買意愿的影響越大。

結(jié)合上文相應(yīng)假設(shè)，從五個維度建立概念模型的影響因素指標(biāo)如表1所示。

四、評價結(jié)構(gòu)模型

本文通過設(shè)計調(diào)查問卷來驗證前面提出的結(jié)構(gòu)模型假設(shè)。實證調(diào)研主要包括兩個階段：一是文獻查閱和專家調(diào)查階段，通過文獻的查閱與整理，結(jié)合專家意見，選取在線評論對消費者購買意愿影響的指標(biāo)，并構(gòu)建評價指標(biāo)體系，從而構(gòu)建概念模型，進而設(shè)計與完善調(diào)查問卷；二是實際調(diào)研階段，通過問卷的發(fā)放與回收，結(jié)合調(diào)研數(shù)據(jù)對模型進行檢驗。

（一）數(shù)據(jù)收集

正式的調(diào)查問卷設(shè)計采用李克特（Likert）7級量表法設(shè)計，一共包含34個題目。數(shù)據(jù)收集時間為2016年10月31日至2017年5月30日，以北京和山東為主要調(diào)研地，最終發(fā)放問卷300份，回收283份，問卷回收率達到90%以上，進一步針對數(shù)據(jù)的缺失值、異常值等進行了預(yù)處理，剔除不完整問卷與其他無效問卷，最終得到有效問卷251份，形成了完備的調(diào)研數(shù)據(jù)樣本。其中，女性樣本占65%，年齡分布以18～42歲居多，受教育程度大專及本科以上者占80%；絕大部分用戶的在線購物年限在兩年以上，一般不超過五年，且呈現(xiàn)出典型的正態(tài)分布特點，購物頻率大多在每周一次以上；在線購物網(wǎng)站方面，大部分用戶傾向于使用淘寶和京東；購物品類主要集中于服裝、食品等生活必需品；80%以上的受訪者購物前都會參考在線評價，其中約有75%的用戶對當(dāng)前在線評價較為滿意。

表1 指標(biāo)體系及說明

（二）信度和效度分析

信度分析用來檢查調(diào)研的可信度和穩(wěn)定性。本文采用克隆巴赫α（Cronbach's Alpha）系數(shù)信度測試法，本文調(diào)查問卷的信度分析結(jié)果如表2所示。從表2可以看出本問卷數(shù)據(jù)的Cronbach's Alpha系數(shù)為0.913＞0.7，說明本文開發(fā)的問卷具有良好的信度。

本文采用因子分析法來驗證所用量表的建構(gòu)效度，分析結(jié)果如表3所示，樣本數(shù)據(jù)總體KMO測試系數(shù)為0.896，樣本分布的巴特利特（Bartlett）球形檢驗的統(tǒng)計顯著性P值是0.000，因此可以認(rèn)為所建結(jié)構(gòu)模型有較好的效度。以下將分析收斂效度和區(qū)別效度。

表2 可靠性統(tǒng)計量

表3 KMO和Bartlett檢驗結(jié)果

由表4可以看出，各潛變量的平均差異萃取量（Average Variance Extracted，AVE）均大于0.5，說明各潛變量的收斂效度較高。由表5可以看出，主體因素之間，接收者與賣家及評價者之間都存在強相關(guān)關(guān)系；客體因素之間，在線評價本身和同類評價因素之間具有較強的相關(guān)關(guān)系，因此各潛變量之間具有良好的區(qū)別效度。

（三）PLS結(jié)構(gòu)方程模型驗證

根據(jù)數(shù)據(jù)的處理和模型的構(gòu)建，結(jié)合SMARTPLS軟件，采用Bootstrapping法檢驗在線評論對消費者購買意愿影響模型的路徑系數(shù)，并依據(jù)T值大小判斷路徑系數(shù)是否顯著不為0。從模型的擬合指標(biāo)R2值看（參見表4），各內(nèi)生潛變量都能被外生潛變量較好地解釋，說明模型具有一定的預(yù)測能力。結(jié)構(gòu)方程模型如圖1所示，同時相伴有表6的路徑系數(shù)及檢驗表。

如表6所示，模型中的五個假設(shè)均得到了驗證。其中，在線評價自身條件對購買意愿的影響最大（路徑系數(shù)為0.785，T=27.123），支持H1假設(shè)；其次是賣家因素的條件越好，在線評價對購買意愿的影響越大（路徑系數(shù)為0.633，T=8.975），假設(shè)H4得到驗證；再次是接收者因素對購買意愿的影響也非常顯著（路徑系數(shù)為0.597，T=3.407），說明接收者自身對于在線評價的需求、在線評價內(nèi)容的感知判斷越好，在線評論對消費者購買意愿的影響越大，即假設(shè)H2通過驗證；還有本研究提出的新假設(shè)，即同類商品評論數(shù)量越多、評論質(zhì)量和評論效價越高，則在線評論對消費者購買意愿的影響越大（路徑系數(shù)為0.524，T=3.137），H5得到驗證；最后是評價者因素條件越好，即評價者等級越高、信譽越好、購物經(jīng)驗越豐富，則在線評論對消費者購買意愿的影響越大（路徑系數(shù)為0.443，T= 4.503），假設(shè)H3得到驗證。

表4 潛變量統(tǒng)計指標(biāo)

表5 皮爾森矩陣

圖1 在線評價對消費者購買意愿影響機制理論模型

表6結(jié)構(gòu)方程模型擬合結(jié)果

除了對幾個一級指標(biāo)的影響進行驗證外，本模型還對每個二級指標(biāo)能夠解釋所對應(yīng)的一級指標(biāo)的解釋程度進行了描述。在線評價自身因素中，評價內(nèi)容的質(zhì)量影響系數(shù)為0.813；評價數(shù)量影響系數(shù)為0.855；評價的效價影響系數(shù)為0.821。從接收者自身因素角度來看，接收者的購物經(jīng)驗因素系數(shù)為0.805；接收者的購物方式，即消費者日常在線購物、實體店購物方式等的使用頻率影響力為0.785。從評價者角度來看，評價者等級因素指標(biāo)影響系數(shù)為0.915；評價者信譽指標(biāo)影響系數(shù)為0.905；評價者購物經(jīng)驗的影響系數(shù)為0.921。從本研究引入的同類評價因素角度來看，同類商品的評價數(shù)量影響因子為0.95，同類商品的評價質(zhì)量影響系數(shù)為0.938，同類商品的評價效價影響力為0.952。從賣家角度來看，賣家的在線溝通影響系數(shù)為0.931；賣家整體信譽度影響系數(shù)為0.896；賣家售后服務(wù)質(zhì)量的影響力為0.925；賣家對于在線評價的反饋程度和消費者購買意愿的影響系數(shù)為0.913。

五、總結(jié)與啟示

隨著在線購物的普及，加之在線購物無法直接接觸實體，商品及商家口碑的參考價值在不斷提升，在線評價對于消費者購買意愿的影響日益凸顯。本文在當(dāng)前研究的基礎(chǔ)上，加入商家的在線評價反饋機制指標(biāo)和同類商品在不同網(wǎng)站的評價因素，形成了結(jié)構(gòu)模型；結(jié)合廣泛的調(diào)研，收集用戶意見，對結(jié)構(gòu)模型進行參數(shù)的估計和完善，形成在線評價對消費者購物意愿的影響體系，對于在線評價機制的改進和在線評價系統(tǒng)的完善，具有一定的理論價值和現(xiàn)實意義。

（一）研究結(jié)論

第一，相對于傳統(tǒng)環(huán)境而言，“互聯(lián)網(wǎng)+”時代的移動商務(wù)消費者購買意愿的影響因素更加復(fù)雜，本文將其歸納為在線評價自身因素、買家自身因素、賣家因素、評價者因素和同類商品評價因素。同時，假設(shè)H1、H2、H3、H4和H5也驗證了本文提出的在線評價對消費者購買意愿的影響因素是相對合理的。從主體角度來看，在線評論自身和同類商品的評價都顯著影響購買意愿，在線評價和同類商品評價的數(shù)量越多、質(zhì)量和效價越高，在線評價對購買意愿的影響越大；從客體角度看，賣家因素、接收者和評價者因素的影響也非常顯著，賣家在購買過程中能夠?qū)崟r溝通、賣家的整體信譽越高、售后服務(wù)越好、評價反饋程度越高，在線評價對消費者購買意愿的影響越大，評價者的用戶等級越高、信譽越好、購物經(jīng)驗越豐富，在線評價對消費者購買意愿的影響越大，同時接收者自身的購物經(jīng)驗越豐富、對購物模式越熟悉，在線評價對購買意愿的影響越大。

第二，兩個新的研究假設(shè)（H4和H5）均以高影響度得以驗證，其中賣家因素對購買意愿影響路徑系數(shù)在五個因素的影響中排名第二，可見賣家因素對消費者在購物選擇時的重要性。

第三，所選擇的二級指標(biāo)大部分都能對一級指標(biāo)進行很好的解釋，尤其對提出的賣家因素和同類商品因素中二級指標(biāo)的解釋系數(shù)均在0.9以上。商家在線服務(wù)質(zhì)量體現(xiàn)為賣家實時溝通，商家在顧客購買過程中遇到的問題能夠及時進行溝通從某一角度可以體現(xiàn)賣家在線服務(wù)的質(zhì)量；商家整體服務(wù)、產(chǎn)品質(zhì)量和物流的綜合評價體現(xiàn)了賣家的整體信譽，顧客通過購物頁面直觀展示的整體服務(wù)打分、產(chǎn)品質(zhì)量打分及物流的綜合評價打分能夠感知賣家的整體信譽度；同時，商家物流服務(wù)和客戶服務(wù)體現(xiàn)了售后服務(wù)，通過對評論的回復(fù)與反饋能夠降低負面評價的影響，同時提升服務(wù)質(zhì)量。

第四，對于因變量的二級指標(biāo)，即在線購物滿意度和在線評價影響度對在線購買意愿的解釋分別為0.823和0.872，可見在指標(biāo)衡量的量表上還需要改進，如在線購買滿意度在本文設(shè)計的量表里用“您在使用在線購物以前認(rèn)為其整體可靠程度如何”“您認(rèn)為當(dāng)前在線購物是否能夠滿足您的購物需求”“您對在線購物的總體滿意度”三個題項的描述還不夠完整，這也將成為本文后續(xù)研究的方向。

（二）啟示

理論上，本文在查閱文獻和理論演繹的基礎(chǔ)上，從主體視角提出了在線評價對消費者購買意愿的三大影響因素，從客體視角提出了兩類影響因素。對以往在線評價對購買意愿影響因素的研究進行了擴充，并有了新的突破，為以后的研究提供了一定思路，同時充實了在線評價對購買意愿影響的研究成果。

就實踐而言，結(jié)合本文模型，后續(xù)在線評價機制可從以下角度加強規(guī)范和完善，從而為消費者提供真實可靠的參考信息，以準(zhǔn)確判斷商品的質(zhì)量，形成科學(xué)的購物決策。

1.完善評論搜索機制

完善商品評價搜索機制，使消費者可以根據(jù)自身的需求檢索關(guān)鍵詞以匹配相應(yīng)評價，而不必面對大量紛繁復(fù)雜的評論信息一一翻閱，大海撈針，進而提升在線評論本身利用的有效性，如此可精確尋找自己想要的商品關(guān)注點和描述，進而節(jié)省網(wǎng)購時間。

2.推廣有用性投票機制及不同平臺同類商品的對照機制

Chen[23]等研究發(fā)現(xiàn)，通過有用性投票對評價信息進行投票可提升網(wǎng)站瀏覽量，進一步增加銷量。當(dāng)前亞馬遜、京東等已提供評價有用性投票，后續(xù)可在其他網(wǎng)站加強推廣和完善。而結(jié)合本文模型分析發(fā)現(xiàn)，同類商品評論對消費者購買決策有很重要的影響，因此不同平臺同類商品的對照機制可為消費者提供更多的參考信息，從而提升消費者的決策效率。

3.加大監(jiān)督力度

在線評價的監(jiān)督是在線購物管理的一部分，為實現(xiàn)誠信經(jīng)營，更好地保障消費者權(quán)益，應(yīng)加大在線評價的管理力度，保障評價的真實性和可信度，從而切實為消費者提供可靠的商品參考信息。

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心.中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[EB/OL].（2017-01-23）[2017-01-23].http：//www.cnnic. cn/hlwfzyj/hlwxzbg/hlwtjbg/201701/P020170123364672657 408.pdf.

[2]PAARK D H，LEE J，HAN I.The effect of on-line consumer reviews on consumer purchasing intention：the moderating role of involvement[J].International journal of electronic commerce，2007，11（4）：125-148.

[3]SENCAL S，NANTEL J.The influence of online product recommendations on consumers’online choices[J].Journal of retailing，2004，80（2）：159-169.

[4]KIM D J，F(xiàn)ERRIND L.A trust-based consumer decisionmaking model in electronic commerce：the role of trust，perceived risk，and their antecedents[J].Decision support systems，2008，44（2）：544-564.

[5]BANSAL H S，VOYER P A.Word of mouth processes within a services purchase decision context[J].Journal of service research，2000，3（2）：166-177.

[6]YUAN D，LIN Z，ZHOU R.What drives consumer knowledge sharing in online travel communities?Personal attributes or e-service factors?[J].Computers in human behavior，2016（63）：68-74.

[7]王琳.網(wǎng)絡(luò)評價對網(wǎng)絡(luò)消費者購買決策的影響研究[J].商，2015（17）：231-233.

[8]高寶俊，王寒凝，黃瑱，侯洋洋.在線評價系統(tǒng)對商品銷售的影響分析——基于京東和天貓的數(shù)據(jù)[J].價格理論與實踐，2015（8）：103-106.

[9]楊銘，祁巍，閆相斌，李一軍.在線商品評論的效用分析研究[J].管理科學(xué)學(xué)報，2012，5（12）：65-75.

[10]王綺，鄭曉濤.在線評論的生動效應(yīng)和商戶再反饋對消費者購買意愿的影響——以經(jīng)濟型酒店為調(diào)查樣本[J].湖南師范大學(xué)社會科學(xué)學(xué)報，2016（1）：105-113.

[11]杜學(xué)美，丁璟妤.在線評論對消費者購買意愿的影響研究[J].管理評論，2013，3（28）：173-183.

[12]陳曉紅，曾平.移動購物評價對消費者購買意愿影響的實驗研究[J].經(jīng)濟與管理研究，2016，6（37）：122-128.

[13]張艷輝，李宗偉，趙詣成.基于淘寶網(wǎng)評論數(shù)據(jù)的信息質(zhì)量對在線評論有用性的影響[J].管理學(xué)報，2017，14（1）：77-85.

[14]習(xí)揚，樊治平.使用在線評價信息的屬性權(quán)重確定及方案排序方法[J].控制與決策，2016，31（11）：1998-2004.

[15]王宇燦，袁勤儉.消費者在線評價參與意愿影響因素研究——以體驗型商品為例[J].現(xiàn)代情報，2014，34（10）：166-173.

[16]梁霞，姜艷萍，高夢.基于在線評論的產(chǎn)品選擇方法[J].東北大學(xué)學(xué)報（自然科學(xué)版），2017，38（1）：143-147.

[17]丁東，付曉東，岳昆.基于貝葉斯網(wǎng)絡(luò)的在線商品評價質(zhì)量評估[J].計算機工程與應(yīng)用，2017，53（2）：21-31.

[18]CHAN H.Adaptive word-of-mouth behavior a conceptual framework and practical tests[D].Msdison：Msdison University of Wisconsin-Madison，2000.

[19]CHEUNG C，LEE M K，RABJOHN N.The impact of electronic word of mouth：the adoption of online opinions in online customer communities[J].Internet research，2008，18：229-247.

[20]HU N，LIU L，ZHANG J.Do online reviews affect product sales?The role of reviewer’s characteristics and temporal effects[J].Information Technology and management，2008，9：201-214.

[21]SMITH M，SIVAKUMAR R.Online peer and editorial recommendations，trust and choice in virtual markets[J].Journal of interactive marketing，2005，19（3）：15-37.

[22]RUYTER W，LEMMINK M.The dynamics of theory based-livery process：A value-based approach[J].International journal of research in marketing，1997，14（3）：231-243.

[23]CHEN P，DHANASOBHON S，SMITH M D.All reviews are not created equal：the disaggregate impact of reviews on sales on amazon.com[R].Pittsburgh：Working paper，Carnegie mellon university，2009.

責(zé)任編輯：林英澤

An Empirical Study on the Influence of Online Evaluation on Consumer Purchase Intention

DU Hui-ying1，WANG Xing-fen1and ZHUANG Wen-ying2
（1.Beijing Information Science and Technology University，Beijing100192，China；2.Beijing University of Posts and Telecommunications，Beijing100876，China）

The authors establish the structural model for the influence of online evaluation on consumer purchase intention and explore the influencing factors and their degree of influence from both the subject and object aspects.It is found that:online evaluation and the factor of sellers are the most important influencing factor that consumers can directly contact and perceive，and they have the most great impact on consumer decision-making；receivers’shopping experience and pattern of shopping，and online evaluation and public praise of the same commodity on different websites will have significant impact on consumer purchase intention；the impact of sellers related factors on purchase intension can be divided as the impacts of sellers’real time communication，overall credit，after sale service and evaluation feedbacks，and the explanation coefficient of them are all over 0.9；and evaluations of commodity belonging to the same class can be explained by such second level indicators as quantity，quality and estimation of commodity belonging to the same class.In practice，we should pay more attention to the impact of sellers，receivers，online evaluation，evaluation of commodity belonging to the same class，and evaluators on consumer purchase intension，and guide consumer purchase behavior.

online evaluation；consumer purchase intention；public praise；online feedback；Structural Equation Model

F713.36

A

1007-8266（2017）08-0049-08

2017-06-15

國家自然科學(xué)基金“網(wǎng)絡(luò)零售交易風(fēng)險動態(tài)評估及預(yù)警研究”（71571021）；北京市教委科技計劃重點項目“電子商務(wù)平臺交易糾紛規(guī)避的若干支撐技術(shù)研究”（KZ201411232036）；北京市教委科研計劃項目“在線評論對C2C電子商務(wù)消費者購買決策的影響機制研究”（SM201511232004）

杜惠英（1982—），女，福建省泉州市人，博士，北京信息科技大學(xué)教師，主要研究方向為電子商務(wù)、移動互聯(lián)網(wǎng)、消費者行為；王興芬（1968—），女，山東省平度縣人，博士，北京信息科技大學(xué)教授，主要研究方向為電子商務(wù)、Web安全、大數(shù)據(jù)分析與管理創(chuàng)新；莊文英（1989—），女，山東省青島市人，北京郵電大學(xué)經(jīng)濟管理學(xué)院博士生，主要研究方向為管理科學(xué)與工程、項目管理、決策研究。

10.14089/j.cnki.cn11-3664/f.2017.08.006

杜惠英，王興芬，莊文英.在線評價對消費者購買意愿影響理論模型與實證研究[J].中國流通經(jīng)濟，2017（8）：49-56.