莫 贊，羅敏瑤

（廣東工業(yè)大學(xué) 管理學(xué)院，廣東 廣州 510520）

在網(wǎng)絡(luò)商品交易中，賣(mài)家與買(mǎi)家之間存在信息不對(duì)稱(chēng)，買(mǎi)家看不到實(shí)際的產(chǎn)品，只能通過(guò)網(wǎng)頁(yè)上的信息進(jìn)行評(píng)估，消費(fèi)者能夠接觸到的頁(yè)面信息有限，一般包括評(píng)論信息、價(jià)格、商家信譽(yù)和廣告活動(dòng)等，通過(guò)閱讀評(píng)論，消費(fèi)者了解評(píng)論質(zhì)量、賣(mài)家星級(jí)、評(píng)論者星級(jí)等形成對(duì)商品的感知以及對(duì)賣(mài)家的態(tài)度.在線評(píng)論也是消費(fèi)者和賣(mài)家的一種互動(dòng)形式，如今90后和00后熱衷于寫(xiě)評(píng)論表達(dá)自己的想法和觀點(diǎn).評(píng)論相當(dāng)于賣(mài)家與買(mǎi)家之間的一個(gè)交流機(jī)制，消費(fèi)者通過(guò)這種交流評(píng)估購(gòu)買(mǎi)意愿. 消費(fèi)者對(duì)不同維度的在線評(píng)論的信息處理能力影響了評(píng)論可信度，這最終影響其對(duì)商品的整體感知，從而影響購(gòu)買(mǎi)決策.尤其隨著網(wǎng)絡(luò)信息的膨脹，信任傾向會(huì)影響消費(fèi)者對(duì)具體網(wǎng)絡(luò)環(huán)境的信任. 同一條在線評(píng)論，由于個(gè)人信任傾向的高低，消費(fèi)者有不同的選擇和判斷. 本文以評(píng)論可信度作為中介變量，信任傾向作為調(diào)節(jié)變量，研究評(píng)論質(zhì)量、評(píng)論時(shí)效性、評(píng)論數(shù)量、評(píng)論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知這5種在線評(píng)論維度對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響.

1 文獻(xiàn)綜述

1.1 在線評(píng)論的文獻(xiàn)綜述

在線評(píng)論是消費(fèi)者以文字或評(píng)分的形式，在網(wǎng)絡(luò)平臺(tái)上根據(jù)自己的過(guò)往經(jīng)歷或體驗(yàn)表達(dá)自己對(duì)某一產(chǎn)品或品牌的情緒、看法和態(tài)度. 它是賣(mài)家、買(mǎi)家交流的媒介，消費(fèi)者通過(guò)在線評(píng)論的瀏覽來(lái)影響購(gòu)物決策過(guò)程. 在進(jìn)行在線評(píng)論研究時(shí)，學(xué)者們從 2個(gè)方面進(jìn)行研究：一方面是對(duì)在線評(píng)論的內(nèi)容進(jìn)行文本挖掘，如張貴林[1]利用計(jì)算機(jī)技術(shù)對(duì)互聯(lián)網(wǎng)商品評(píng)論信息進(jìn)行情感分析，得出用戶(hù)的情感傾向. 另一方面是對(duì)在線評(píng)論進(jìn)行實(shí)證研究. 本文探討在線評(píng)論的實(shí)證研究，主要從以下幾個(gè)角度來(lái)展開(kāi)：(1) 在線評(píng)論特征，在線評(píng)論特征主要有評(píng)論星級(jí)、評(píng)論標(biāo)題、評(píng)論質(zhì)量、評(píng)論數(shù)量、評(píng)論長(zhǎng)度、評(píng)論差異性、評(píng)論效價(jià)、評(píng)論類(lèi)型、評(píng)論可讀性、評(píng)論強(qiáng)度、評(píng)論及時(shí)性和評(píng)論時(shí)效性共計(jì)12種特征維度. Mudambi[2]借助亞馬遜網(wǎng)站數(shù)據(jù)研究星級(jí)極端性對(duì)在線有用性的影響. (2) 評(píng)論者特征，評(píng)論者特征目前主要研究個(gè)體描述信息(公開(kāi)與否)、專(zhuān)業(yè)知識(shí)水平、信譽(yù)程度、排名、信息真實(shí)性(已確認(rèn)購(gòu)買(mǎi)的用戶(hù))、社交性、個(gè)性化信息和曝光度. Nan Hu等[3]探索在線評(píng)論對(duì)產(chǎn)品銷(xiāo)量的影響時(shí)發(fā)現(xiàn)消費(fèi)者不僅關(guān)注在線評(píng)論得分，同時(shí)關(guān)注評(píng)論者的聲譽(yù)和曝光度. (3) 網(wǎng)站因素，來(lái)源網(wǎng)站類(lèi)型、社區(qū)透明度等. 對(duì)在線評(píng)論的研究，多數(shù)集中在量化指標(biāo)上，這主要由于評(píng)論數(shù)量、星級(jí)、長(zhǎng)度容易量化，同時(shí)數(shù)據(jù)采集以問(wèn)卷為主，其次由于爬蟲(chóng)獲取淘寶、京東、亞馬遜的評(píng)論數(shù)據(jù)的局限性. 不一定能夠獲取所有研究變量的數(shù)據(jù)，同時(shí)企業(yè)對(duì)于數(shù)據(jù)越來(lái)越重視，電商平臺(tái)的反爬蟲(chóng)機(jī)制加強(qiáng)，這些因素都局限了研究人員數(shù)據(jù)獲取途徑.

基于曹歡歡等[4]整理的在線評(píng)論實(shí)證框架，結(jié)合后續(xù)的研究動(dòng)態(tài)進(jìn)行更新，得出在線評(píng)論實(shí)證研究框架如圖1所示. 目前，在線評(píng)論作為整個(gè)模型的中心，其實(shí)證研究集中于在線評(píng)論的影響因素、在線評(píng)論產(chǎn)生的影響，以及與相應(yīng)調(diào)節(jié)變量的研究. 在線評(píng)論的影響因素主要有社會(huì)環(huán)境(如文化差異、社會(huì)壓力、網(wǎng)絡(luò)外部性等)、商家或網(wǎng)站激勵(lì)(如經(jīng)濟(jì)激勵(lì))和購(gòu)物過(guò)程相關(guān)變量(如產(chǎn)品類(lèi)型、價(jià)格、服務(wù)、物流、網(wǎng)站類(lèi)型等).

圖1 在線評(píng)論實(shí)證研究框架Fig.1 Online review empirical research framework

綜上所述，在線評(píng)論存在眾多維度，本文從評(píng)論本身客觀性、主觀性、時(shí)間維度、評(píng)論者角度以及網(wǎng)絡(luò)環(huán)境考慮，選取評(píng)論數(shù)量、評(píng)論質(zhì)量、評(píng)論時(shí)效性、評(píng)論者資信度、網(wǎng)絡(luò)認(rèn)知環(huán)境作為在線評(píng)論的維度，評(píng)論數(shù)量、評(píng)論質(zhì)量、評(píng)論時(shí)效性和評(píng)論者資信度主要參考鄭小平對(duì)各維度的劃分[5]，有關(guān)評(píng)論數(shù)量的研究，學(xué)者們將評(píng)論數(shù)量分為首次評(píng)論數(shù)量、追加評(píng)論數(shù)量和圖片評(píng)論數(shù)量. 學(xué)者進(jìn)行研究時(shí)沒(méi)有特別注明是哪種評(píng)論數(shù)量時(shí)，指的全部的評(píng)論數(shù)量，本文的評(píng)論數(shù)量指全部評(píng)論數(shù)量. 每條信息都包含其時(shí)間價(jià)值，不同的時(shí)間點(diǎn)代表評(píng)論的新舊程度. 評(píng)論越久遠(yuǎn)，越代表商品過(guò)去的狀態(tài)，評(píng)論越新，越能反映商品最新的狀態(tài)，評(píng)論的新舊反映評(píng)論的時(shí)效性. 評(píng)論者資信度指評(píng)論者的專(zhuān)業(yè)能力和可靠程度. 網(wǎng)絡(luò)環(huán)境認(rèn)知參考盧峰華的定義[6]，網(wǎng)路環(huán)境認(rèn)知為顧客相信網(wǎng)絡(luò)環(huán)境中，網(wǎng)絡(luò)安全技術(shù)、規(guī)章制度、法律保護(hù)等可以讓其感覺(jué)安全的程度. 因此本研究探討評(píng)論數(shù)量、評(píng)論質(zhì)量、評(píng)論時(shí)效性、評(píng)論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響.

1.2 消費(fèi)者購(gòu)買(mǎi)決策的文獻(xiàn)綜述

引用柯青[7]提出的消費(fèi)者購(gòu)買(mǎi)行為模式的一般框架，如圖2所示. 消費(fèi)者購(gòu)買(mǎi)行為的一般模式為：消費(fèi)者接受外部的刺激、本人對(duì)刺激信息進(jìn)行加工和中介作用，最后影響到消費(fèi)者相關(guān)的購(gòu)買(mǎi)行為. 外部刺激可以是商家的營(yíng)銷(xiāo)活動(dòng)、店鋪基本信息、評(píng)論特征或評(píng)論者資質(zhì)信息，消費(fèi)者黑箱包含很多無(wú)法直接觀察的因素，諸如心理因素、對(duì)于該產(chǎn)品的感知.消費(fèi)者是降低了風(fēng)險(xiǎn)感知度還是降低了對(duì)商家的信任，消費(fèi)者黑箱最終作用于消費(fèi)者購(gòu)買(mǎi)行為.

圖2 消費(fèi)者購(gòu)買(mǎi)行為模式的一般框架Fig.2 General framework of consumer buying behavior pattern

在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)意愿或決策的影響因素歸為三類(lèi)：評(píng)論發(fā)布者相關(guān)因素、評(píng)論自身因素和評(píng)論接受者相關(guān)因素. 評(píng)論發(fā)布者因素集中在評(píng)論者資信度、專(zhuān)業(yè)程度、書(shū)寫(xiě)方式等，評(píng)論相關(guān)因素集中在評(píng)論數(shù)量、評(píng)級(jí)、時(shí)效性、評(píng)論內(nèi)容質(zhì)量、褒貶、情感極性、身份信息披露與否等，接受者相關(guān)因素集中在消費(fèi)者產(chǎn)品卷入度、人口統(tǒng)計(jì)特征和網(wǎng)站卷入度等.

對(duì)于消費(fèi)者購(gòu)買(mǎi)決策的研究最早起源于對(duì)商品銷(xiāo)量的研究. 基于武芳[8]整理的國(guó)內(nèi)在線評(píng)論與購(gòu)買(mǎi)決策有關(guān)的影響研究，進(jìn)行更新和補(bǔ)充，得出在線評(píng)論與購(gòu)買(mǎi)決策的相關(guān)研究如表1所示.

表1 國(guó)內(nèi)代表性的在線評(píng)論影響的研究Tab.1 Domestic representative of the impact of online reviews

綜上所述，國(guó)內(nèi)關(guān)于在線評(píng)論購(gòu)買(mǎi)決策的研究包含產(chǎn)品態(tài)度、購(gòu)買(mǎi)意愿、產(chǎn)品銷(xiāo)量等，從產(chǎn)品的新舊到產(chǎn)品種類(lèi)，但是論證評(píng)論可信度在其中扮演中介作用的研究還很鮮見(jiàn).

2 理論構(gòu)建與研究?jī)?nèi)容

2.1 理論構(gòu)建

詳盡可能性模型(Elaboration Likelihood Model，ELM)是由社會(huì)心理學(xué)家Petty和Cacioppo[9]于1986提出，它為研究消費(fèi)者對(duì)說(shuō)服的感知信息可信度的影響因素研究提供了扎實(shí)的理論基礎(chǔ)，該模型提出有兩條路徑影響消費(fèi)者行為和態(tài)度——中心路徑和邊緣路徑. 中心路徑是指用戶(hù)在獲取信息后，會(huì)經(jīng)過(guò)認(rèn)真思考，對(duì)信息進(jìn)行評(píng)估與分析然后決定自己的行為與態(tài)度；邊緣路徑是指用戶(hù)在獲取信息后，很少經(jīng)過(guò)思考就給出對(duì)此信息的行為與態(tài)度.

消費(fèi)者在進(jìn)行信息加工和處理過(guò)程中，獲取信息以及處理信息的難度會(huì)影響消費(fèi)者選擇信息處理途徑. 消費(fèi)者瀏覽在線評(píng)論形成對(duì)商品或信息的態(tài)度時(shí)，需要經(jīng)過(guò)思考來(lái)把握評(píng)論的質(zhì)量，通過(guò)仔細(xì)瀏覽評(píng)論時(shí)間，預(yù)估評(píng)論時(shí)間與瀏覽時(shí)間的時(shí)間差，以形成整體評(píng)論時(shí)效性的意識(shí). 中心路徑中，消費(fèi)者對(duì)評(píng)論信息進(jìn)行加工、分析，付出一定時(shí)間和思考力后形成的評(píng)論質(zhì)量以及評(píng)論時(shí)效性，影響著消費(fèi)者的購(gòu)買(mǎi)意向和購(gòu)買(mǎi)行為. 消費(fèi)者瀏覽評(píng)論時(shí)，通過(guò)粗略瀏覽以及下面的翻頁(yè)數(shù)據(jù)便預(yù)估出評(píng)論數(shù)量的多與少，消費(fèi)者通過(guò)每條評(píng)論中評(píng)論者名稱(chēng)下面的星級(jí)標(biāo)識(shí)便知道評(píng)論者資信度. 邊緣路徑中，消費(fèi)者通過(guò)輕松瀏覽網(wǎng)頁(yè)及評(píng)論，進(jìn)行簡(jiǎn)單整理獲得評(píng)論數(shù)量、評(píng)論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知，消費(fèi)者根據(jù)已有整理的信息調(diào)整態(tài)度.

ELM模型作為一種說(shuō)服模型，在社會(huì)心理學(xué)、管理學(xué)、市場(chǎng)營(yíng)銷(xiāo)等領(lǐng)域應(yīng)用廣泛. Bhattacherjee A和Sanford等[10]基于詳盡可能性模型(Elaboration Likelihood Model),探索信息處理進(jìn)程如何影響用戶(hù)的信息技術(shù)接受程度，以及這種影響如何持續(xù)下去.研究發(fā)現(xiàn)質(zhì)量和信息可信度影響用戶(hù)的使用意向.Filieri和McLeay[11]采用詳盡可能性模型探索信息質(zhì)量、信息準(zhǔn)確性、信息增值、信息相關(guān)性、信息及時(shí)性相關(guān)的中心路徑，以及產(chǎn)品級(jí)別相關(guān)的邊緣路徑對(duì)旅客接受住宿信息以及旅游相關(guān)產(chǎn)品的影響因素.

2.2 研究?jī)?nèi)容及假設(shè)

2.2.1 在線評(píng)論與評(píng)論可信度

評(píng)論者資信度反映的是評(píng)論者的專(zhuān)業(yè)能力和可靠程度. 電子商務(wù)網(wǎng)站對(duì)消費(fèi)者進(jìn)行潛在的專(zhuān)業(yè)排名，常以星級(jí)等級(jí)來(lái)表示消費(fèi)者的專(zhuān)業(yè)能力. 評(píng)論者的專(zhuān)業(yè)性可以產(chǎn)生更大的說(shuō)服效果，削弱消費(fèi)者根據(jù)自己已有的觀點(diǎn)來(lái)判斷評(píng)論的準(zhǔn)確性，進(jìn)而提升評(píng)論可信度[12]. 杜夢(mèng)夢(mèng)[13]以實(shí)證研究證明評(píng)論發(fā)布者的專(zhuān)業(yè)性能夠正向影響在線評(píng)論的可信度，發(fā)布者的專(zhuān)業(yè)性能夠讓消費(fèi)者感知到評(píng)論的權(quán)威性，促使消費(fèi)者接受在線評(píng)論. 當(dāng)評(píng)論無(wú)法體現(xiàn)評(píng)論者專(zhuān)業(yè)背景時(shí)，消費(fèi)者只能根據(jù)評(píng)論信息本身來(lái)判斷是否信任在線評(píng)論[14]. 消費(fèi)者往往選擇信任質(zhì)量高的評(píng)論. 郭國(guó)慶[15]表明在線評(píng)論質(zhì)量在很大程度上正向影響在線評(píng)論感知可信度，詳細(xì)的經(jīng)驗(yàn)分享可以提高評(píng)論可信度. 評(píng)論數(shù)量體現(xiàn)了商品的熱門(mén)程度，評(píng)論數(shù)量越多的產(chǎn)品，給消費(fèi)者一種“該商品銷(xiāo)量很好”的印象. 胡娟娟[16]表明評(píng)論數(shù)量越多，評(píng)論可信度越高. 評(píng)論時(shí)效性反映了商品評(píng)論的新舊程度，當(dāng)商品評(píng)論距離消費(fèi)者瀏覽網(wǎng)頁(yè)的時(shí)間越久，此評(píng)論越難以體現(xiàn)商品的真實(shí)信息，消費(fèi)者就容易忽略陳舊的評(píng)論. 孟美任和丁晟春[17]認(rèn)為時(shí)效性越強(qiáng)的評(píng)論，其感知可信度越高. 網(wǎng)絡(luò)環(huán)境認(rèn)知指消費(fèi)者相信網(wǎng)絡(luò)環(huán)境中的網(wǎng)絡(luò)安全、規(guī)章制度、法律結(jié)構(gòu)能夠讓自身產(chǎn)生安全的感覺(jué). 網(wǎng)絡(luò)環(huán)境認(rèn)知會(huì)影響消費(fèi)者對(duì)網(wǎng)站的信任，包敦安[18]和劉逶迤[19]認(rèn)為網(wǎng)站透明度會(huì)影響網(wǎng)站評(píng)論可信度，李巍和王志章[20]基于歸因理論的視角認(rèn)為第三方網(wǎng)站和博客的可信度高于品牌官網(wǎng)，不同網(wǎng)站的環(huán)境認(rèn)知具有不同影響力，因此消費(fèi)者網(wǎng)絡(luò)環(huán)境認(rèn)知影響評(píng)論可信度.

2.2.2 評(píng)論可信度與購(gòu)買(mǎi)決策

評(píng)論可信度是促進(jìn)消費(fèi)者采納在線評(píng)論的因素之一，對(duì)評(píng)論信息的采納意味著有利于作出購(gòu)買(mǎi)決策，宋曉晴[21]表明評(píng)論可信度強(qiáng)調(diào)從信息內(nèi)容如評(píng)論一致性、評(píng)論質(zhì)量等來(lái)評(píng)價(jià)評(píng)論，從而高評(píng)論可信度對(duì)消費(fèi)者購(gòu)買(mǎi)行為具有更大勸說(shuō)性影響. Myung-JaKim[22]分析結(jié)果表明當(dāng)旅游電子商務(wù)網(wǎng)站值得信任時(shí)，用戶(hù)更有可能購(gòu)買(mǎi)旅游產(chǎn)品和旅游服務(wù). 因此與低評(píng)論可信度相比，高評(píng)論可信度更能促進(jìn)消費(fèi)者的購(gòu)買(mǎi)決策.

2.2.3 評(píng)論可信度的中介作用

信息共享可以幫助消費(fèi)者進(jìn)行購(gòu)買(mǎi)決策，但是信息超載會(huì)帶來(lái)認(rèn)知負(fù)擔(dān). 在線評(píng)論存在各個(gè)維度上的差異，因此消費(fèi)者需要對(duì)信息進(jìn)行篩選. 高質(zhì)量、及時(shí)性的在線評(píng)論讓消費(fèi)者感知到信息是有效的，數(shù)量多和評(píng)論者資信度讓消費(fèi)者感知到商品的熱度和信息的可靠，對(duì)網(wǎng)絡(luò)環(huán)境的認(rèn)知可以緩和或增強(qiáng)消費(fèi)者購(gòu)物時(shí)的戒備心理. 在線評(píng)論通過(guò)影響消費(fèi)者對(duì)評(píng)論可信度的感知作用于購(gòu)買(mǎi)決策，判斷是否進(jìn)行購(gòu)買(mǎi)行為. 因此，在線評(píng)論與消費(fèi)者購(gòu)買(mǎi)決策之間，評(píng)論可信度起中介作用.

基于此，提出以下假設(shè).

H1：評(píng)論質(zhì)量正向影響消費(fèi)者購(gòu)買(mǎi)決策.

H2：評(píng)論時(shí)效性正向影響消費(fèi)者購(gòu)買(mǎi)決策.

H3：評(píng)論數(shù)量正向影響消費(fèi)者購(gòu)買(mǎi)決策.

H4：評(píng)論者資信度正向影響消費(fèi)者購(gòu)買(mǎi)決策.

H5：網(wǎng)絡(luò)環(huán)境認(rèn)知正向影響消費(fèi)者購(gòu)買(mǎi)決策.

H6：評(píng)論質(zhì)量通過(guò)評(píng)論可信度影響消費(fèi)者購(gòu)買(mǎi)決策.

H7：評(píng)論時(shí)效通過(guò)評(píng)論可信度影響消費(fèi)者購(gòu)買(mǎi)決策.

H8：評(píng)論數(shù)量通過(guò)評(píng)論可信度影響消費(fèi)者購(gòu)買(mǎi)決策.

H9：評(píng)論者資信度通過(guò)評(píng)論可信度影響消費(fèi)者購(gòu)買(mǎi)決策.

H10：網(wǎng)絡(luò)環(huán)境認(rèn)知通過(guò)評(píng)論可信度影響消費(fèi)者購(gòu)買(mǎi)決策.

2.2.4 信任傾向的調(diào)節(jié)作用

信任傾向是個(gè)體的特征，指?jìng)€(gè)體信任和依賴(lài)他人的意愿[6]. 面對(duì)眾多的在線評(píng)論，信任傾向會(huì)影響消費(fèi)者感知的評(píng)論可信度. 信任傾向高的消費(fèi)者會(huì)較為信任他人，相信他人的言行，在瀏覽在線評(píng)論時(shí)，更易相信在線評(píng)論. Kini和Choobineh[23]在研究信任整合模型時(shí)提出，信任會(huì)影響消費(fèi)者對(duì)電子商務(wù)的態(tài)度與決策，而個(gè)人信任傾向是影響電子商務(wù)信任的重要因素之一. 信任傾向高的消費(fèi)者，在瀏覽評(píng)論之前，先認(rèn)為他人是可信賴(lài)的，信任傾向低的消費(fèi)者恰恰相反，因此，在線評(píng)論與評(píng)論可信度之間，信任傾向起調(diào)節(jié)作用.

基于此，提出以下假設(shè)：

H11：信任傾向在評(píng)論質(zhì)量與評(píng)論可信度之間具有調(diào)節(jié)作用.

基于詳盡可能性模型(ELM)和研究思路，從中心路徑和邊緣路徑出發(fā)，以評(píng)論可信度為中介變量，信任傾向?yàn)檎{(diào)節(jié)變量，探討在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響. 研究框架如圖3所示.

圖3 研究框架Fig.3 Research framework

3 實(shí)證研究

3.1 調(diào)查對(duì)象及調(diào)查問(wèn)卷設(shè)計(jì)

根據(jù)第41次中國(guó)互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告，我國(guó)網(wǎng)民以10～39歲群體為主，網(wǎng)民學(xué)歷結(jié)構(gòu)中高中、中專(zhuān)、技校及以上學(xué)歷的網(wǎng)民占大多數(shù)，考慮到調(diào)查對(duì)象需要有足夠的機(jī)會(huì)接觸網(wǎng)絡(luò)、能夠讀懂并耐心填寫(xiě)問(wèn)卷，本次調(diào)研以年齡18～39歲、教育程度大專(zhuān)學(xué)歷以上、職業(yè)為學(xué)生的群體為主要調(diào)查對(duì)象.

為保證問(wèn)卷的科學(xué)有效，本文各變量結(jié)合以往學(xué)者的研究，選用成熟的量表，咨詢(xún)專(zhuān)家探討指標(biāo)選用的合理性，進(jìn)一步修改問(wèn)卷. 問(wèn)卷總共分為2個(gè)部分，第一部分為30個(gè)測(cè)量題項(xiàng)，第二部分為被調(diào)查者的基本信息. 第一部分測(cè)量題項(xiàng)均采用李克特七級(jí)量表.

3.2 問(wèn)卷前測(cè)

問(wèn)卷形成后，進(jìn)行預(yù)調(diào)研，通過(guò)問(wèn)卷星發(fā)放，回收50份，有效問(wèn)卷43份. 對(duì)已有數(shù)據(jù)進(jìn)行信效度分析，進(jìn)行效度分析時(shí)，評(píng)論數(shù)量的第4個(gè)題項(xiàng)的CITC（校正的項(xiàng)總體相關(guān)性）僅為0 . 4 1. CITC一般需要大于0.5才能說(shuō)明項(xiàng)之間的相關(guān)性較好. 將該題項(xiàng)刪除后，評(píng)論數(shù)量的Alpha值（即Cronbach a值，為內(nèi)部一致性信度系數(shù)）明顯提升，達(dá)到了0.725，因此刪除該題項(xiàng)合理，刪除該題項(xiàng)后前測(cè)問(wèn)卷題項(xiàng)的信效度分析結(jié)果如表2所示，其中KMO為Kaiser-Meyer-Olkin Measure of Sampling Adequacy的簡(jiǎn)稱(chēng)，當(dāng)KMO≥0.6時(shí)，代表可適合進(jìn)行因子分析，從而便于本研究進(jìn)行后續(xù)效度驗(yàn)證.

表2 預(yù)測(cè)量題項(xiàng)的信度和效度檢驗(yàn)Tab.2 Reliability and validity test of the item of predictive quantity

3.3 問(wèn)卷收集與整理

本次在網(wǎng)絡(luò)平臺(tái)上，共發(fā)放380份問(wèn)卷，提出作答時(shí)間短、答題規(guī)律以及網(wǎng)購(gòu)時(shí)不瀏覽評(píng)論的問(wèn)卷，保留有效問(wèn)卷345份，有效回收率為90.79%.

3.4 數(shù)據(jù)分析與結(jié)論

3.4.1 問(wèn)卷調(diào)查樣本特征

從表3可以看出，被調(diào)查者中，男性有160人，女性有185人，女性樣本比男性樣本多，男女比例分布較為均衡. 年齡統(tǒng)計(jì)分布上，18～39歲之間的人數(shù)為298人，占比88.96%，并且專(zhuān)科及以上樣本有246份，占比71.3%，因此保證被調(diào)查人員理解問(wèn)卷內(nèi)容. 網(wǎng)購(gòu)年限為1年以上的樣本有312份，比例為90.43%，說(shuō)明被調(diào)查人群對(duì)網(wǎng)購(gòu)較為熟悉，有利于驗(yàn)證本文假設(shè).

3.4.2 信度和效度檢驗(yàn)

本文主要采用SPSS 22.0軟件收回的問(wèn)卷進(jìn)行分析.首先對(duì)問(wèn)卷的40個(gè)題項(xiàng)進(jìn)行信度測(cè)量，得到各變量的Cronbach's Alpha值，然后對(duì)測(cè)量題項(xiàng)的因子載荷進(jìn)行效度分析，結(jié)果如如表4所示，各變量的Cronbach's Alpha值都大于0.6，可知該量表的內(nèi)部一致性和穩(wěn)定性較好，整體信度較高. 因子載荷均大于0.5，說(shuō)明本問(wèn)卷各測(cè)量變量的題項(xiàng)達(dá)到了效度分析要求，數(shù)據(jù)分析有效.

表3 調(diào)查問(wèn)卷樣本特征Tab.3 Questionnaire sample characteristics

表4 測(cè)量題型的信度和效度檢驗(yàn)1)Tab.4 The reliability and validity test of the test item

3.4.3 數(shù)據(jù)分析結(jié)論

1) 相關(guān)性分析.

借助SPSS 22.0，對(duì)各變量采用Pearson相關(guān)性分析，顯著性檢驗(yàn)選擇雙尾檢驗(yàn)，各變量的相關(guān)分析表如表5所示. 從表中可以看出，在0.01的顯著性水平下，各變量分別和其他變量呈正相關(guān). 表5數(shù)據(jù)顯示，評(píng)論質(zhì)量、評(píng)論時(shí)效性、評(píng)論數(shù)量、評(píng)論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知對(duì)消費(fèi)者購(gòu)買(mǎi)決策均具有正向影響，假設(shè)H1、H2、H3、H4、H5均得到驗(yàn)證.

2) 評(píng)論可信度在在線評(píng)論與購(gòu)買(mǎi)決策之間中介效應(yīng)分析.

借助SPSS 2.0進(jìn)行回歸分析，回歸分析各指標(biāo)結(jié)果如表6所示， R方表示擬合優(yōu)度，用于評(píng)估回歸模型對(duì)觀察值的擬合程度，adj-R方為調(diào)整后R方，代表矯正后自變量對(duì)因變量的預(yù)測(cè)力，R和adj-R方越大，說(shuō)明回歸模型越好. F值用于回歸方程的顯著性檢驗(yàn)，用于推斷模型中被解釋變量與所有解釋變量之間的線性關(guān)系是否顯著，***代表相關(guān)性在0.001水平上顯著. B為非標(biāo)準(zhǔn)化回歸系數(shù)，代表非標(biāo)準(zhǔn)化預(yù)測(cè)變量和因變量的相關(guān)性，β代表標(biāo)準(zhǔn)化后預(yù)測(cè)變量和因變量的相關(guān)性，SE為標(biāo)準(zhǔn)誤差，文中展現(xiàn)的為非標(biāo)準(zhǔn)化系數(shù)的標(biāo)準(zhǔn)誤差值，T值為對(duì)回歸參數(shù)的顯著性檢驗(yàn)值，**表示回歸參數(shù)在0.01水平上顯著. 各指標(biāo)在合理水平. 評(píng)論可信度在評(píng)論時(shí)效性、評(píng)論數(shù)量、網(wǎng)絡(luò)環(huán)境認(rèn)知與消費(fèi)者購(gòu)買(mǎi)決策者之間的中介效應(yīng)在0.05水平上顯著，三者的回歸系數(shù)稍有降低，這表明評(píng)論可信度是評(píng)論時(shí)效性、評(píng)論數(shù)量、網(wǎng)絡(luò)環(huán)境認(rèn)知與消費(fèi)者購(gòu)買(mǎi)決策者之間的部分中介變量，假設(shè)H7、H8、H10得到驗(yàn)證. 評(píng)論者資信度的測(cè)量由3個(gè)測(cè)量題項(xiàng)構(gòu)成，其中一個(gè)測(cè)量題項(xiàng)代表評(píng)論者專(zhuān)業(yè)性，通過(guò)驗(yàn)證評(píng)論可信度在評(píng)論者專(zhuān)業(yè)性與消費(fèi)者購(gòu)買(mǎi)決策之間的中介效應(yīng). 由表6可知，其中介效應(yīng)在0.05水平上顯著，加入中介變量后的回歸系數(shù)降低，說(shuō)明評(píng)論可信度是評(píng)論者專(zhuān)業(yè)性與消費(fèi)者購(gòu)買(mǎi)決策之間的部分中介變量，因此假設(shè)H9部分支持.

表5 潛變量的相關(guān)系數(shù)Tab.5 Correlation coefficient of latent variable

表6 評(píng)論可信度在在線評(píng)論與消費(fèi)者購(gòu)買(mǎi)決策之間的中介作用Tab.6 The intermediary role of review credibility between online reviews and consumer purchasing decisions

3) 信任傾向的調(diào)節(jié)作用.

將信任傾向分為高低兩組，根據(jù)回收的問(wèn)卷中信任傾向的得分進(jìn)行分組，分別分析信任傾向高和信任傾向低對(duì)評(píng)論質(zhì)量與消費(fèi)者購(gòu)買(mǎi)決策之間關(guān)系的影響情況. 分析結(jié)果如表7所示. 表7清晰顯示了信任傾向高低的不同調(diào)節(jié)效應(yīng). 信任傾向高的一組，評(píng)論質(zhì)量和購(gòu)買(mǎi)決策的回歸方程成立，說(shuō)明評(píng)論的質(zhì)量對(duì)購(gòu)買(mǎi)意愿有正向影響；而信任傾向低的一組，回歸方程不成立，說(shuō)明信任傾向較低時(shí)，評(píng)論質(zhì)量的高低不能對(duì)消費(fèi)者的購(gòu)買(mǎi)決策產(chǎn)生影響. 因此假設(shè)H11部分成立.

表7 評(píng)論質(zhì)量與評(píng)論可信度分組回歸分析結(jié)果Tab.7 Group regression analysis results of comment quality and comment credibility

4 結(jié)論

4.1 研究結(jié)論

本文基于評(píng)論本身客觀性、主觀性、時(shí)間維度、評(píng)論者角度以及網(wǎng)絡(luò)環(huán)境，采用在線評(píng)論的評(píng)論數(shù)量、評(píng)論質(zhì)量、評(píng)論時(shí)效性、評(píng)論者資信度以及網(wǎng)絡(luò)環(huán)境認(rèn)知等角度，結(jié)合詳盡可能性模型，研究評(píng)論質(zhì)量和評(píng)論時(shí)效性的中心路徑以及評(píng)論數(shù)量、評(píng)論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知的邊緣路徑對(duì)購(gòu)買(mǎi)決策的影響. 研究表明評(píng)論時(shí)效性、評(píng)論數(shù)量、評(píng)論者資信度中的評(píng)論者專(zhuān)業(yè)性維度以及網(wǎng)絡(luò)環(huán)境認(rèn)知對(duì)消費(fèi)者購(gòu)買(mǎi)決策有正向影響，這種變化都會(huì)通過(guò)評(píng)論可信度來(lái)最終作用于消費(fèi)者購(gòu)買(mǎi)決策. 高信任傾向會(huì)調(diào)節(jié)消費(fèi)者對(duì)不同質(zhì)量的評(píng)論所感知的可信度，信任傾向高感知到高質(zhì)量評(píng)論的可信度更高. 具體研究結(jié)果如下表8所示.

表8 研究假設(shè)檢驗(yàn)結(jié)果Tab.8 Testing results of study hypothesis

4.2 理論意義

在現(xiàn)有研究上，從在線評(píng)論不同的維度研究其對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響，尤其從網(wǎng)絡(luò)環(huán)境的角度探索網(wǎng)絡(luò)環(huán)境認(rèn)知對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響，更加細(xì)化了在線評(píng)論的相關(guān)研究. 隨著互聯(lián)網(wǎng)的發(fā)展，結(jié)合消費(fèi)者對(duì)網(wǎng)絡(luò)平臺(tái)的感知來(lái)研究其對(duì)決策制定的作用，彌補(bǔ)了先有研究的不足.

詳盡可能性模型(ELM)主要從信息加工的角度通過(guò)評(píng)論可信度來(lái)研究在線評(píng)論對(duì)購(gòu)買(mǎi)決策的影響. 本文基于詳盡可能性模型(ELM)，以評(píng)論可信度為中介變量，消費(fèi)者購(gòu)買(mǎi)決策為因變量，從評(píng)論本身客觀性、主觀性、時(shí)間維度、評(píng)論者角度以及網(wǎng)絡(luò)環(huán)境等方面，研究其差異對(duì)消費(fèi)者購(gòu)買(mǎi)決策的影響，為商家進(jìn)行在線評(píng)論的管理以及平臺(tái)環(huán)境的搭建和管理方面提供理論依據(jù).

信任傾向作為調(diào)節(jié)變量，會(huì)影響消費(fèi)者對(duì)評(píng)論質(zhì)量的判斷. 高信任傾向的消費(fèi)者更容易相信他人的行為與言語(yǔ). 根據(jù)本文的研究結(jié)論，信任傾向高的消費(fèi)者認(rèn)為質(zhì)量高的評(píng)論其可信度更高，進(jìn)而認(rèn)同高質(zhì)量的評(píng)論作出購(gòu)買(mǎi)決策. 消費(fèi)者的信任傾向并不是與生俱來(lái)的，網(wǎng)絡(luò)安全機(jī)制的建設(shè)和網(wǎng)絡(luò)服務(wù)都會(huì)影響消費(fèi)者的信任傾向，進(jìn)而影響行為，因此可以加強(qiáng)消費(fèi)者的信任傾向，提高其對(duì)高評(píng)論質(zhì)量的處理與利用. 今后的研究可以加強(qiáng)對(duì)消費(fèi)者信任傾向的探索.

4.3 對(duì)商家的啟示

本研究表明時(shí)效性強(qiáng)、數(shù)量多、評(píng)論者專(zhuān)業(yè)的評(píng)論以及消費(fèi)者對(duì)網(wǎng)絡(luò)環(huán)境認(rèn)知高能夠產(chǎn)生更強(qiáng)的評(píng)論可信度，從而影響消費(fèi)者的購(gòu)買(mǎi)意愿與決策. 商家可以有效利用該結(jié)論對(duì)網(wǎng)絡(luò)平臺(tái)的評(píng)論和網(wǎng)絡(luò)環(huán)境進(jìn)行管理. 首先，商家積極引導(dǎo)消費(fèi)者在購(gòu)買(mǎi)商品后及時(shí)對(duì)商品進(jìn)行評(píng)論，建議消費(fèi)者根據(jù)自己的真實(shí)想法，詳細(xì)表達(dá)自己的評(píng)論，盡量避免消費(fèi)者只購(gòu)買(mǎi)而不評(píng)論. 其次，隨著評(píng)論的累積，商家可以搜集和整理評(píng)論，利用數(shù)據(jù)分析方法，分析出評(píng)論中消費(fèi)者比較看重的商品特性，在進(jìn)行商品改進(jìn)和升級(jí)時(shí)，可以對(duì)這些特性進(jìn)行加強(qiáng)，在宣傳時(shí)也可對(duì)以往消費(fèi)者看重的商品特性上宣傳，從而更切合消費(fèi)者心理，提高消費(fèi)者滿(mǎn)意度. 另外，商家對(duì)等級(jí)高的評(píng)論者可以適當(dāng)提供獎(jiǎng)勵(lì)，鼓勵(lì)這些評(píng)論者進(jìn)行追加評(píng)論，并且可以定期抽取優(yōu)質(zhì)評(píng)論者進(jìn)行其他產(chǎn)品免費(fèi)試用，鼓勵(lì)產(chǎn)品使用者留下評(píng)論. 最后是關(guān)于網(wǎng)絡(luò)環(huán)境建設(shè)，如今廣告信息泛濫，消費(fèi)者對(duì)網(wǎng)絡(luò)購(gòu)物環(huán)境安全性的認(rèn)知容易降低. 如果消費(fèi)者對(duì)購(gòu)物體驗(yàn)表示不滿(mǎn)，商家需要及時(shí)為消費(fèi)者提供補(bǔ)救服務(wù). 商家還應(yīng)加強(qiáng)店鋪網(wǎng)絡(luò)安全防范，保護(hù)消費(fèi)者隱私，避免信息泄露，通過(guò)網(wǎng)絡(luò)環(huán)境的提升，提高消費(fèi)者的信任傾向.