田依林 黎盈盈 滕廣青

關(guān)鍵詞：在線負(fù)面評論;商品類型;有用性;分層回歸;主成分分析

隨著信息技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)購物逐漸取代傳統(tǒng)購物成為大眾消費的重要渠道。根據(jù)國家統(tǒng)計局發(fā)布的數(shù)據(jù).2018年度前5個月，我國電商網(wǎng)上零售總額達(dá)到32 691億元，同比增長30.7%，其中第一季度電商對消費增長的貢獻(xiàn)率為85.34%。為滿足社交傳播互動的需求，電商網(wǎng)站為消費者發(fā)表購物體驗提供在線平臺，使商品評論傳播范圍突破時空的限制從實體社交圈發(fā)展到虛擬網(wǎng)絡(luò)。同時，京東、淘寶等網(wǎng)站采用等級制度和積分反饋機(jī)制鼓勵消費者發(fā)表在線評論以解決虛擬網(wǎng)絡(luò)的信任危機(jī)。然而，在線評論質(zhì)量參差不齊、內(nèi)容信息零碎，消費者很難從浩瀚的評論中尋找到最有價值的信息，還會受到“馬太效應(yīng)”的影響。根據(jù)信息傳播方向的差異性，可將在線評論劃分為正面和負(fù)面兩類。盡管在線負(fù)面評論的數(shù)量一般僅占總評論數(shù)的5%，但卻屬于高診斷性信息，能夠大大縮減在線用戶的時間成本，獲得更多關(guān)注度。近年來大量研究從負(fù)面情感強(qiáng)度、負(fù)面評論感知、負(fù)面評論（屬性）表述客觀性、商家回復(fù)等評論質(zhì)量和用戶卷入度分析在線負(fù)面評論有用性的影響因素，并證實商品類型（搜索型、體驗型）對在線負(fù)面評論有用性具有調(diào)節(jié)作用。但未能基于商品類型分析消費者信息需求的偏好與特點的差異，有針對性地篩選評論中更為重要的影響因素?；诖?，本文在現(xiàn)有成果文獻(xiàn)的基礎(chǔ)上，構(gòu)建分層回歸模型（Hierarchical Regression Model）驗證消費者在購買決策過程中在線負(fù)面評論信息接受與采納的影響因素的理論假設(shè)，進(jìn)而對比在商品類型調(diào)節(jié)作用下不同影響因素的作用程度，具有一定的理論與實踐價值。

1文獻(xiàn)綜述及理論假設(shè)

在線負(fù)面評論有用性相關(guān)研究主要采用機(jī)器學(xué)習(xí)和情感分析等方法對影響因素及其有用性展開。本文將在線負(fù)面評論影響因素歸納為形式特征、內(nèi)容特征、文本特征和反饋特征。

1.1在線負(fù)面評論形式特征與有用性

作為一種新的信息承載體系.在線評論以文本、圖片、追加評論、發(fā)布時間等形式向消費者傳遞信息。附加圖片是消費者對商品屬性、品牌信任、情感極性等進(jìn)行信息加工的重要途徑，ChengYH等利用精細(xì)加工可能性模型（ElaborationLikelihood Model.ELM）的中心和邊緣路徑證實對于消費者而言在線評論中發(fā)布的圖片區(qū)別于商家和廣告提供的信息，更具說服性和可靠性，但缺乏專業(yè)性。Deng L等指出圖片在視覺上正向刺激消費者情感反應(yīng)并影響決策行為。圖片作為診斷型信息對初始有用性評價影響顯著。根據(jù)在線評論發(fā)布時間形式，可分為初次評論和追加評論。初次評論是在確認(rèn)收貨后，對客服服務(wù)、快遞物流、商品基本質(zhì)量屬性等的外部感官判斷。為給閱讀者傳遞更有價值的信息，淘寶、京東、亞馬遜等網(wǎng)站提供追加評論的渠道讓消費者分享更為具體的使用體驗和感受。追加評論與初次評論之間存在一定時間間隔，根據(jù)差異性可分為：1）與初次評論同向。即肯定初次評論，并對初次評論中提及的缺陷進(jìn)一步完善。2）與初次評論反向。即否定初次評論，通過一段時間的使用后對初次評論進(jìn)行修正。目前絕大部分研究主要針對初次評論，很少涉及追加評論。王翠翠等運用眼動追蹤技術(shù)分析消費者對追加評論主觀認(rèn)知過程中的影響因素，證實消費者對時間間隔較長評論的有用性感知與關(guān)注程度更高。因此，在線評論的時效性對消費者決策起著至關(guān)重要的作用。Miao Q等把發(fā)布天數(shù)作為衡量評論有用性的指標(biāo).提出了在線評論具有時效性。在線評論時效性是指評論發(fā)布時間和消費者閱讀評論時間的差值，時效性越強(qiáng)，二者之間的差值越小。單初等采用因子分析方法證實在線負(fù)面評論發(fā)布越及時，評論的有用性越大，搜索型商品的評論時效性與有用性呈正相關(guān)。根據(jù)信息選擇理論，消費者在時間漸變因素的影響下，會更傾向于優(yōu)先瀏覽關(guān)注度較高并能夠提供商品原始色彩、質(zhì)感、使用效果等感官體驗的最新信息，因此提出以下假設(shè)：

H1：圖片數(shù)量對在線負(fù)面評論的有用性具有正向影響。

H2：追加評論對在線負(fù)面評論的有用性具有正向影響。

H3：發(fā)布天數(shù)對在線負(fù)面評論的有用性具有正向影響。

1.2在線負(fù)面評論內(nèi)容特征與有用性

在線負(fù)面評論的內(nèi)容特征分為商品屬性、語義特征、會員等級、表述客觀性等方面。在線負(fù)面評論包含主觀情感的表達(dá).消費者需從中獲取與商品質(zhì)量、功能、價格相關(guān)的屬性詞或其近義詞做出購買決策。Otterbacher J從亞馬遜評論數(shù)據(jù)中提取屬性詞，利用因子分析方法證實商品評論屙l生詞數(shù)量對在線負(fù)面評論有用性具有正向影響。嚴(yán)建援等采用回歸模型分析京東商城、亞馬遜和當(dāng)當(dāng)網(wǎng)的在線評論數(shù)據(jù).證實商品屬性詞與評論有用性成正相關(guān)關(guān)系。但郝媛媛等基于影評數(shù)據(jù)得出相反的結(jié)論。此外，受到評論發(fā)布者性別、職業(yè)、文化水平、收入、網(wǎng)購經(jīng)驗、居住地、語言綜合能力等個人屬性及閱讀者習(xí)慣和認(rèn)知差異的雙重影響，相同信息有用性發(fā)揮的效度不同。張艷豐等以亞馬遜手機(jī)在線評論為例，通過K-means聚類方法構(gòu)建過濾用戶在線評論的有用性分類模型，驗證了語義特征與負(fù)面評論有用性呈正相關(guān)。會員等級或購買履歷是閱讀者對負(fù)面信息可靠性判斷最直觀的參考依據(jù)，高等級會員在評論中被認(rèn)為能夠發(fā)揮“意見領(lǐng)袖”的作用.但Uma R K等和Racheda P等的研究表明，由于存在認(rèn)知差異.會員等級越高反而會使在線負(fù)面評論有用性降低。相關(guān)研究選取不同類型的商品作為研究對象，結(jié)論存在差異。負(fù)面評論的商品屬性詞能夠體現(xiàn)客觀性，且評論發(fā)布者購買經(jīng)驗豐富，評論內(nèi)容更具說服性和權(quán)威性，有利于消費者做出購買決策。因此提出以下假設(shè)：

H4：商品屬性詞數(shù)量對在線負(fù)面評論的有用性具有正向影響。

H5：會員等級對在線負(fù)面評論的有用性具有正向影響。

1.3在線負(fù)面評論文本特征與有用性

文本內(nèi)容包含消費者對所購商品物流、客服、質(zhì)量等方面的態(tài)度，內(nèi)容信息越豐富，在線負(fù)面評論的有用性越強(qiáng)。楊朝君等指出10個字以上的負(fù)面評論才能詳盡描述商品的瑕疵、樣品與實物的差距等實質(zhì)性信息。但Racheda P等則認(rèn)為文本長度對在線評論有用性的影響不大。Lineberry QJ等的研究則表明過長的評論觀點比較分散，容易偏離主題，不便于理解。Huang A H等指出文本長度對評論有用性影響存在一個臨界點，一旦超過144個字?jǐn)?shù)，就會加大閱讀者的認(rèn)知負(fù)荷，不僅有用性變得不顯著，甚至?xí)a(chǎn)生負(fù)向影響。消費者會根據(jù)在線評論文本內(nèi)容對正面、中立、負(fù)面等情感極性做出等級格式轉(zhuǎn)化。但受社會化因素的影響，情感極性并非單純的數(shù)量化評分能夠完全體現(xiàn)，從而導(dǎo)致在線負(fù)面評論等級的有用性研究結(jié)論存在較大差異。Mudambi S M等指出對于電影、視頻游戲等體驗型商品來說，極端負(fù)面評論過于主觀，有用性較低，而中立評論因包含客觀因素有用性更強(qiáng)。但Racheda P等基于在線評論感知可信度研究模型證實由于極端負(fù)面評論包含如消費者之前對品牌的態(tài)度、評論者評級的偏差程度等人為因素，所以有用性最高。受消費者選擇性心理以及認(rèn)知匹配等主要表現(xiàn)形式影響，評論等級是先決條件.而篇幅較長的負(fù)面評論被認(rèn)為能夠充分表達(dá)消費者的負(fù)面情緒，從視覺上吸引閱讀者優(yōu)先查看，會加深或改變原有態(tài)度。因此提出以下假設(shè)：

H6：文本長度對在線負(fù)面評論的有用性具有正向影響。

H7：極端負(fù)面評論（1星）對在線負(fù)面評論的有用性的正向影響最大。

1.4在線負(fù)面評論反饋特征與有用性

本文將反饋特征定義為消費者對在線負(fù)面評論的參與度.具體反映為商家回復(fù)和消費者回復(fù)的次數(shù)。在線評論機(jī)制中的評論回復(fù)功能提升了參與度，讓閱讀者深入了解商家對負(fù)面評論內(nèi)容做出的解釋，鄭春東等指出商家針對高質(zhì)量的負(fù)面評論做出合理解釋能夠取代在線評論造成的負(fù)面效應(yīng)，有效引導(dǎo)閱讀者信息接受和選擇的認(rèn)知過程。評論回復(fù)體現(xiàn)為消費者之間、商家與消費者之間的雙向互動.回復(fù)數(shù)量較多的負(fù)面評論往往更易受到關(guān)注.從而增強(qiáng)負(fù)面評論的有用性，因此提出以下假設(shè)：

H8：回復(fù)次數(shù)對在線負(fù)面評論有用性具有正向影響。

1.5商品類型對在線負(fù)面評論有用性的調(diào)節(jié)作用

商品類型分成搜索型商品和體驗型商品，受商品類型特點的影響.在線負(fù)面評論的文本表達(dá)形式、內(nèi)容和特征存在差異，同時消費者也會將商品類型作為評判評論有用性的前提條件。消費者對搜索型商品的認(rèn)知取決于商品的型號、規(guī)格、工藝等能夠基本反映商品功能性特點的客觀信息;而對體驗型商品的認(rèn)知則取決于消費者主觀經(jīng)驗，更愿意關(guān)注在線評論中涉及主觀經(jīng)驗和個性化使用效果的內(nèi)容，尤其是負(fù)面感受。因此，本文將商品類型作為調(diào)節(jié)變量，探討影響因素在不同類型商品中的不同作用程度。

由于影響在線評論有用性因素非常多，在研究過程中難以實現(xiàn)影響因素的全面覆蓋，學(xué)者們大都基于研究對象和方法選擇相對顯性的影響因素組合，如商品特征詞數(shù)量、情感極性、發(fā)布天數(shù)、會員等級、文本長度等對在線負(fù)面評論有用性進(jìn)行分析。研究所選用的影響因素組合不同，會導(dǎo)致有用性判別存在差異，比如中立情感或極端負(fù)面情感對不同類型商品的作用度尚未形成統(tǒng)一結(jié)論。此外，針對追加評論和圖片數(shù)量等形式特征的相關(guān)研究較少。因此，本文根據(jù)上述理論假設(shè)，以商品類型作為調(diào)節(jié)變量，以京東商城4種商品的在線負(fù)面評論作為研究對象，選取圖片、追加評論、發(fā)布時間、商品屬性詞數(shù)量、文本長度、會員等級、回復(fù)次數(shù)、評論等級等8個影響有用性的因素組合，模型框架如圖1所示。

2研究方法

2.1數(shù)據(jù)采集

本文分別以京東商城（WWW.id.eom）銷售的iPhone、iPad、白酒和面膜4種商品作為搜索型商品和體驗型商品代表，對影響在線負(fù)面評論有用性的影響因素進(jìn)行比較。采集的數(shù)據(jù)包括商品名稱、發(fā)布日期、圖片、商品評論、追加評論、會員等級、回復(fù)次數(shù)、評論等級和有用性投票數(shù)等，時間跨度為2011年2月26日至2018年8月6日。采用網(wǎng)站中與商品在線評論對應(yīng)1星、2星和3星評分等級的評論共計80873條，其中獲得有用性投票評論為18119條，搜索型商品和體驗型商品占比為71.80%和28.2%。具體統(tǒng)計結(jié)果如表1所示。

表1對不同評論等級的負(fù)面評論獲得有用性投票的數(shù)量及比例情況進(jìn)行初步統(tǒng)計，等級為2星的較弱負(fù)面評論比例最少（搜索型6.07%，體驗型3.93%），遠(yuǎn)遠(yuǎn)低于1星的極端負(fù)面評論比例（搜索型76.97%，體驗型84.54%）和3星（16.96%，11.53%）的中立評論比例，呈V型分布，這與以往多數(shù)研究的分析結(jié)果一致，可初步判斷假設(shè)H7成立，極端負(fù)面情感評論（1星）有用性更高。

2.2研究變量

研究模型共包括10個關(guān)鍵變量，評論有用性通過收集評論的有用性投票加以測度。調(diào)節(jié)變量為商品類型，因變量為有用性投票，自變量由4個部分構(gòu)成：形式特征、內(nèi)容特征、文本特征和反饋特征評論者個體特征和評論內(nèi)容特征。形式特征包括圖片數(shù)量、追加評論和發(fā)布天數(shù);內(nèi)容特征包括屬性詞數(shù)量、會員等級;文本特征包括文本長度、評論等級;反饋特征包括回復(fù)次數(shù)。

所有變量均使用京東商城在線負(fù)面評論的真實客觀數(shù)據(jù)。有用性投票和圖片數(shù)量為實際值;追加評論根據(jù)有無分別記為1和0：發(fā)布天數(shù)是采集日期與該條評論發(fā)布時間的差值;商品屬性詞數(shù)量比是負(fù)面評論中提及商品屬性詞的個數(shù)與總屬性詞之比：會員等級采用網(wǎng)站會員等級作為代理由高到低轉(zhuǎn)化為數(shù)值1～6;文本長度是評論的字符總數(shù);評論等級采用網(wǎng)站上評論等級作為代理指標(biāo)，1星記為1，2星記為2，3星記為3;回復(fù)次數(shù)是在線評論回復(fù)數(shù)與總回復(fù)數(shù)之比;商品類型為虛擬變量，搜索型記為0，體驗型記為1;發(fā)布天數(shù)和文本長度參考Ghose A等的研究采用字符數(shù)常用對數(shù)形式，各變量釋義詳見表2。

2.3模型設(shè)定與分析方法

本文基于以上理論假設(shè)，通過逐步添加形式特征、內(nèi)容特征、文本特征、反饋特征等變量，建立在線負(fù)面評論有用性影響因素分層回歸模型來驗證理論假設(shè)，詳見式（1）～（5）。

2.4分析方法

本研究采用內(nèi)容分析法（Content Analysis）獲取商品高頻屬性詞。在線負(fù)面評論屬性詞數(shù)量比以評論文本中提及商品屬性詞數(shù)與總屬性詞數(shù)的比例為測度指標(biāo)，例如面膜包括味道、補水、透氣等商品屬性詞。通過ROST CM6對評論文本進(jìn)行分詞、去停用詞、提取行特征值、過濾高頻詞。為保證科學(xué)性，根據(jù)普賴斯高低詞頻分界公式：

計算結(jié)果中，iPhone、iPad、白酒、面膜的高頻詞閾值M分別為57、32、34、20，通過人工過濾后，建立高頻特征詞矩陣。以面膜為例，高頻特征詞矩陣如表3所示。

在線負(fù)面評論商品屙l生詞數(shù)量比可以體現(xiàn)消費者對商品特征屬性的關(guān)注程度，商品屬性詞比值越接近1，用戶關(guān)注度越高。在確定商品屬性詞數(shù)量比和各類研究變量數(shù)值之后，首先采用分層回歸對在線負(fù)面評論有用性不同影響因素進(jìn)行分析。模型1檢驗形式特征對在線負(fù)面評論有用性的影響，模型2在模型1基礎(chǔ)上加入內(nèi)容特征影響因素，模型3在模型2基礎(chǔ)上加入文本特征因素，模型4在模型3基礎(chǔ)上加入評論反饋因素，模型5驗證商品類型的調(diào)節(jié)作用。在驗證理論假設(shè)的基礎(chǔ)上，采用主成分分析法（Principal Component Analysis，PCA）對在線負(fù)面評論的形式特征、內(nèi)容特征、文本特征和反饋特征等不同影響因素進(jìn)行降維處理，在保持原有數(shù)據(jù)信息特征的基礎(chǔ)上對不同類型商品影響因素的重要程度進(jìn)行排序。

3分析與討論

3.1描述性統(tǒng)計分析

為呈現(xiàn)在線負(fù)面評論等級與在線負(fù)面評論有用性之間的關(guān)系，將自變量與不同類型商品的評論等級進(jìn)行離散化分類：以0.5為分界值將評論分為“有用”和“無用”兩類。各變量描述性統(tǒng)計分析見表4，其中，變量VIF（方差膨脹因子）都小于2，說明不存在多重共線性。

3.2分層回歸模型結(jié)果分析

采用分層回歸法，逐步添加變量對在線負(fù)面評論影響因素模型進(jìn)行分析.驗證理論假設(shè)是否成立。隨著自變量的增加，值（0.0232，0.0288，0.0377，0.2303，0.2406）逐漸增大，說明模型的擬合效果有所提高.模型整體擬合以及標(biāo)準(zhǔn)化參數(shù)估計結(jié)果詳見表5。

3.3影響因素有用性比較

分層回歸模型證實商品類型的直接作用明顯（t=14.96，p<0.01），說明消費者會根據(jù)搜索型或體驗型商品對在線負(fù)面評論有用性做出不同判斷，同時，商品類型作為間接因素會調(diào)節(jié)其他影響評論有用性的因素與評論有用性投票之間的關(guān)系。變量較多往往會導(dǎo)致數(shù)據(jù)之間有一定的非線性弱相關(guān)關(guān)系，反映信息重疊。因此，本研究采用主成分分析法在保持原有數(shù)據(jù)信息特征的基礎(chǔ)上對不同類型商品影響因素的重要程度進(jìn)行排序。

分別對搜索型商品和體驗型商品的原始數(shù)據(jù)進(jìn)行z-score標(biāo)準(zhǔn)化處理，KMO（Kaiser-Meyer-Olkin）值分別為0.805、0.802，適合采用主成分分析法。其中，搜索型商品和體驗型商品前3個主成分累積貢獻(xiàn)率分別為86.70%和87.08%，說明提取了85%以上的數(shù)據(jù)原始信息，各因素公因子方差排序詳見表7。

表7顯示搜索型商品和體驗型商品影響因素公因子方差排序結(jié)果存在明顯不同.對于搜索型商品.消費者在購買前可以通過電商平臺獲取詳細(xì)商品描述和圖片等屬性信息，比如手機(jī)、電腦等生活必需品，因此在線負(fù)面評論中的附加圖片、商品屬性詞和發(fā)布時間等影響因素在消費者信息接受過程中對決策的有用性影響較小。相反，評論等級、回復(fù)次數(shù)和長度等因素發(fā)揮的有用性最大（公因子方差=0.849，0.809，0.807），說明等級越低的負(fù)面評論，商家或消費者參與度越高，對負(fù)面情感說明解釋的信息量越大，不僅能吸引消費者重視，也更具有說服力。

體驗型商品受本質(zhì)屬性影響.消費者能夠獲取的信息相對有限，因此描述越詳細(xì)越容易獲得感官體驗的文字內(nèi)容、客觀描述和附加圖片打破了評論時效性的限制，而作為一種價值體現(xiàn)成為影響評論有用性的關(guān)鍵因素（公因子方差=0.879，0.869，0.861），比如附加面膜體驗圖片可以讓消費者直觀感受使用效果、真實商品品質(zhì)，無疑為購買體驗型商品提供了決策依據(jù)。相比搜索型商品，評論等級、回復(fù)次數(shù)等因素發(fā)揮的作用并不明顯，說明體驗型商品消費者面對商品的負(fù)面評論時，能保持理性態(tài)度，做出客觀決策。

4結(jié)論

本研究除了驗證以往研究中影響在線負(fù)面評論有用性的某些變量的作用外，還增加了圖片、追加評論等影響因素，從形式特征、內(nèi)容特征、文本特征、反饋特征等4個維度出發(fā)，采用分層回歸模型探索不同因素組合對在線負(fù)面評論有用性的影響。在證明商品類型具有調(diào)節(jié)作用的同時發(fā)現(xiàn)，隨著模型變量的增加，作為自變量的影響因素會發(fā)生交疊效應(yīng)，強(qiáng)勢影響因素會逐步稀釋或放大其他較弱因素的有用性。

在線負(fù)面評論受商品類型影響，對消費者信息接受和購買決策產(chǎn)生的有用性存在差異。本研究有助于購買不同類型商品的消費者快速甄別對自己有用的評論，節(jié)約時間成本。通過對搜索型和體驗型商品影響因素的重要程度進(jìn)行排序發(fā)現(xiàn)，各類影響因素的作用度截然不同。購買搜索型商品時應(yīng)尋找包含詳盡描述的極端差評，并仔細(xì)閱讀商家解釋和用戶回復(fù)，有利于消費者對商品做出客觀判斷。在購買體驗型商品時，為消除極端評論帶來的主觀態(tài)度造成的負(fù)面影響，消費者應(yīng)選擇有圖有真相、且客觀的評論內(nèi)容。

本文的局限性在于僅選取了4類產(chǎn)品分別作為搜索型和體驗型商品的代表，因為在線負(fù)面評論中包含的有用性投票數(shù)據(jù)量較少，研究時采用了歸類，未對產(chǎn)品進(jìn)行逐一分析。在今后的研究中，可以加入不同類型但品類相同的數(shù)據(jù)。此外，受樣本來源網(wǎng)站評價機(jī)制的影響，在追加評論的處理上，僅分析了是否包含追加評論與在線負(fù)面評論有用性之間的關(guān)系，而未深入分析追加評論間隔時間、追加評論與初次評論情感一致性或差異性對在線負(fù)面評論有用性的影響，這也是后續(xù)研究的重點方向。