田依林 黎盈盈 滕廣青

關(guān)鍵詞：在線(xiàn)負(fù)面評(píng)論;商品類(lèi)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(gòu)物逐漸取代傳統(tǒng)購(gòu)物成為大眾消費(fèi)的重要渠道。根據(jù)國(guó)家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù).2018年度前5個(gè)月，我國(guó)電商網(wǎng)上零售總額達(dá)到32 691億元，同比增長(zhǎng)30.7%，其中第一季度電商對(duì)消費(fèi)增長(zhǎng)的貢獻(xiàn)率為85.34%。為滿(mǎn)足社交傳播互動(dòng)的需求，電商網(wǎng)站為消費(fèi)者發(fā)表購(gòu)物體驗(yàn)提供在線(xiàn)平臺(tái)，使商品評(píng)論傳播范圍突破時(shí)空的限制從實(shí)體社交圈發(fā)展到虛擬網(wǎng)絡(luò)。同時(shí)，京東、淘寶等網(wǎng)站采用等級(jí)制度和積分反饋機(jī)制鼓勵(lì)消費(fèi)者發(fā)表在線(xiàn)評(píng)論以解決虛擬網(wǎng)絡(luò)的信任危機(jī)。然而，在線(xiàn)評(píng)論質(zhì)量參差不齊、內(nèi)容信息零碎，消費(fèi)者很難從浩瀚的評(píng)論中尋找到最有價(jià)值的信息，還會(huì)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(xiàn)評(píng)論劃分為正面和負(fù)面兩類(lèi)。盡管在線(xiàn)負(fù)面評(píng)論的數(shù)量一般僅占總評(píng)論數(shù)的5%，但卻屬于高診斷性信息，能夠大大縮減在線(xiàn)用戶(hù)的時(shí)間成本，獲得更多關(guān)注度。近年來(lái)大量研究從負(fù)面情感強(qiáng)度、負(fù)面評(píng)論感知、負(fù)面評(píng)論（屬性）表述客觀(guān)性、商家回復(fù)等評(píng)論質(zhì)量和用戶(hù)卷入度分析在線(xiàn)負(fù)面評(píng)論有用性的影響因素，并證實(shí)商品類(lèi)型（搜索型、體驗(yàn)型）對(duì)在線(xiàn)負(fù)面評(píng)論有用性具有調(diào)節(jié)作用。但未能基于商品類(lèi)型分析消費(fèi)者信息需求的偏好與特點(diǎn)的差異，有針對(duì)性地篩選評(píng)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(yàn)證消費(fèi)者在購(gòu)買(mǎi)決策過(guò)程中在線(xiàn)負(fù)面評(píng)論信息接受與采納的影響因素的理論假設(shè)，進(jìn)而對(duì)比在商品類(lèi)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(shí)踐價(jià)值。

1文獻(xiàn)綜述及理論假設(shè)

在線(xiàn)負(fù)面評(píng)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(duì)影響因素及其有用性展開(kāi)。本文將在線(xiàn)負(fù)面評(píng)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(xiàn)負(fù)面評(píng)論形式特征與有用性

作為一種新的信息承載體系.在線(xiàn)評(píng)論以文本、圖片、追加評(píng)論、發(fā)布時(shí)間等形式向消費(fèi)者傳遞信息。附加圖片是消費(fèi)者對(duì)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(shí)對(duì)于消費(fèi)者而言在線(xiàn)評(píng)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(shuō)服性和可靠性，但缺乏專(zhuān)業(yè)性。Deng L等指出圖片在視覺(jué)上正向刺激消費(fèi)者情感反應(yīng)并影響決策行為。圖片作為診斷型信息對(duì)初始有用性評(píng)價(jià)影響顯著。根據(jù)在線(xiàn)評(píng)論發(fā)布時(shí)間形式，可分為初次評(píng)論和追加評(píng)論。初次評(píng)論是在確認(rèn)收貨后，對(duì)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(jià)值的信息，淘寶、京東、亞馬遜等網(wǎng)站提供追加評(píng)論的渠道讓消費(fèi)者分享更為具體的使用體驗(yàn)和感受。追加評(píng)論與初次評(píng)論之間存在一定時(shí)間間隔，根據(jù)差異性可分為：1）與初次評(píng)論同向。即肯定初次評(píng)論，并對(duì)初次評(píng)論中提及的缺陷進(jìn)一步完善。2）與初次評(píng)論反向。即否定初次評(píng)論，通過(guò)一段時(shí)間的使用后對(duì)初次評(píng)論進(jìn)行修正。目前絕大部分研究主要針對(duì)初次評(píng)論，很少涉及追加評(píng)論。王翠翠等運(yùn)用眼動(dòng)追蹤技術(shù)分析消費(fèi)者對(duì)追加評(píng)論主觀(guān)認(rèn)知過(guò)程中的影響因素，證實(shí)消費(fèi)者對(duì)時(shí)間間隔較長(zhǎng)評(píng)論的有用性感知與關(guān)注程度更高。因此，在線(xiàn)評(píng)論的時(shí)效性對(duì)消費(fèi)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(píng)論有用性的指標(biāo).提出了在線(xiàn)評(píng)論具有時(shí)效性。在線(xiàn)評(píng)論時(shí)效性是指評(píng)論發(fā)布時(shí)間和消費(fèi)者閱讀評(píng)論時(shí)間的差值，時(shí)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(shí)在線(xiàn)負(fù)面評(píng)論發(fā)布越及時(shí)，評(píng)論的有用性越大，搜索型商品的評(píng)論時(shí)效性與有用性呈正相關(guān)。根據(jù)信息選擇理論，消費(fèi)者在時(shí)間漸變因素的影響下，會(huì)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(yàn)的最新信息，因此提出以下假設(shè)：

H1：圖片數(shù)量對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

H2：追加評(píng)論對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

H3：發(fā)布天數(shù)對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

1.2在線(xiàn)負(fù)面評(píng)論內(nèi)容特征與有用性

在線(xiàn)負(fù)面評(píng)論的內(nèi)容特征分為商品屬性、語(yǔ)義特征、會(huì)員等級(jí)、表述客觀(guān)性等方面。在線(xiàn)負(fù)面評(píng)論包含主觀(guān)情感的表達(dá).消費(fèi)者需從中獲取與商品質(zhì)量、功能、價(jià)格相關(guān)的屬性詞或其近義詞做出購(gòu)買(mǎi)決策。Otterbacher J從亞馬遜評(píng)論數(shù)據(jù)中提取屬性詞，利用因子分析方法證實(shí)商品評(píng)論屙l生詞數(shù)量對(duì)在線(xiàn)負(fù)面評(píng)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(xiàn)評(píng)論數(shù)據(jù).證實(shí)商品屬性詞與評(píng)論有用性成正相關(guān)關(guān)系。但郝媛媛等基于影評(píng)數(shù)據(jù)得出相反的結(jié)論。此外，受到評(píng)論發(fā)布者性別、職業(yè)、文化水平、收入、網(wǎng)購(gòu)經(jīng)驗(yàn)、居住地、語(yǔ)言綜合能力等個(gè)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(xiàn)評(píng)論為例，通過(guò)K-means聚類(lèi)方法構(gòu)建過(guò)濾用戶(hù)在線(xiàn)評(píng)論的有用性分類(lèi)模型，驗(yàn)證了語(yǔ)義特征與負(fù)面評(píng)論有用性呈正相關(guān)。會(huì)員等級(jí)或購(gòu)買(mǎi)履歷是閱讀者對(duì)負(fù)面信息可靠性判斷最直觀(guān)的參考依據(jù)，高等級(jí)會(huì)員在評(píng)論中被認(rèn)為能夠發(fā)揮“意見(jiàn)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(huì)員等級(jí)越高反而會(huì)使在線(xiàn)負(fù)面評(píng)論有用性降低。相關(guān)研究選取不同類(lèi)型的商品作為研究對(duì)象，結(jié)論存在差異。負(fù)面評(píng)論的商品屬性詞能夠體現(xiàn)客觀(guān)性，且評(píng)論發(fā)布者購(gòu)買(mǎi)經(jīng)驗(yàn)豐富，評(píng)論內(nèi)容更具說(shuō)服性和權(quán)威性，有利于消費(fèi)者做出購(gòu)買(mǎi)決策。因此提出以下假設(shè)：

H4：商品屬性詞數(shù)量對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

H5：會(huì)員等級(jí)對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

1.3在線(xiàn)負(fù)面評(píng)論文本特征與有用性

文本內(nèi)容包含消費(fèi)者對(duì)所購(gòu)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(xiàn)負(fù)面評(píng)論的有用性越強(qiáng)。楊朝君等指出10個(gè)字以上的負(fù)面評(píng)論才能詳盡描述商品的瑕疵、樣品與實(shí)物的差距等實(shí)質(zhì)性信息。但Racheda P等則認(rèn)為文本長(zhǎng)度對(duì)在線(xiàn)評(píng)論有用性的影響不大。Lineberry QJ等的研究則表明過(guò)長(zhǎng)的評(píng)論觀(guān)點(diǎn)比較分散，容易偏離主題，不便于理解。Huang A H等指出文本長(zhǎng)度對(duì)評(píng)論有用性影響存在一個(gè)臨界點(diǎn)，一旦超過(guò)144個(gè)字?jǐn)?shù)，就會(huì)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(fèi)者會(huì)根據(jù)在線(xiàn)評(píng)論文本內(nèi)容對(duì)正面、中立、負(fù)面等情感極性做出等級(jí)格式轉(zhuǎn)化。但受社會(huì)化因素的影響，情感極性并非單純的數(shù)量化評(píng)分能夠完全體現(xiàn)，從而導(dǎo)致在線(xiàn)負(fù)面評(píng)論等級(jí)的有用性研究結(jié)論存在較大差異。Mudambi S M等指出對(duì)于電影、視頻游戲等體驗(yàn)型商品來(lái)說(shuō)，極端負(fù)面評(píng)論過(guò)于主觀(guān)，有用性較低，而中立評(píng)論因包含客觀(guān)因素有用性更強(qiáng)。但Racheda P等基于在線(xiàn)評(píng)論感知可信度研究模型證實(shí)由于極端負(fù)面評(píng)論包含如消費(fèi)者之前對(duì)品牌的態(tài)度、評(píng)論者評(píng)級(jí)的偏差程度等人為因素，所以有用性最高。受消費(fèi)者選擇性心理以及認(rèn)知匹配等主要表現(xiàn)形式影響，評(píng)論等級(jí)是先決條件.而篇幅較長(zhǎng)的負(fù)面評(píng)論被認(rèn)為能夠充分表達(dá)消費(fèi)者的負(fù)面情緒，從視覺(jué)上吸引閱讀者優(yōu)先查看，會(huì)加深或改變?cè)袘B(tài)度。因此提出以下假設(shè)：

H6：文本長(zhǎng)度對(duì)在線(xiàn)負(fù)面評(píng)論的有用性具有正向影響。

H7：極端負(fù)面評(píng)論（1星）對(duì)在線(xiàn)負(fù)面評(píng)論的有用性的正向影響最大。

1.4在線(xiàn)負(fù)面評(píng)論反饋特征與有用性

本文將反饋特征定義為消費(fèi)者對(duì)在線(xiàn)負(fù)面評(píng)論的參與度.具體反映為商家回復(fù)和消費(fèi)者回復(fù)的次數(shù)。在線(xiàn)評(píng)論機(jī)制中的評(píng)論回復(fù)功能提升了參與度，讓閱讀者深入了解商家對(duì)負(fù)面評(píng)論內(nèi)容做出的解釋?zhuān)嵈簴|等指出商家針對(duì)高質(zhì)量的負(fù)面評(píng)論做出合理解釋能夠取代在線(xiàn)評(píng)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(guò)程。評(píng)論回復(fù)體現(xiàn)為消費(fèi)者之間、商家與消費(fèi)者之間的雙向互動(dòng).回復(fù)數(shù)量較多的負(fù)面評(píng)論往往更易受到關(guān)注.從而增強(qiáng)負(fù)面評(píng)論的有用性，因此提出以下假設(shè)：

H8：回復(fù)次數(shù)對(duì)在線(xiàn)負(fù)面評(píng)論有用性具有正向影響。

1.5商品類(lèi)型對(duì)在線(xiàn)負(fù)面評(píng)論有用性的調(diào)節(jié)作用

商品類(lèi)型分成搜索型商品和體驗(yàn)型商品，受商品類(lèi)型特點(diǎn)的影響.在線(xiàn)負(fù)面評(píng)論的文本表達(dá)形式、內(nèi)容和特征存在差異，同時(shí)消費(fèi)者也會(huì)將商品類(lèi)型作為評(píng)判評(píng)論有用性的前提條件。消費(fèi)者對(duì)搜索型商品的認(rèn)知取決于商品的型號(hào)、規(guī)格、工藝等能夠基本反映商品功能性特點(diǎn)的客觀(guān)信息;而對(duì)體驗(yàn)型商品的認(rèn)知?jiǎng)t取決于消費(fèi)者主觀(guān)經(jīng)驗(yàn)，更愿意關(guān)注在線(xiàn)評(píng)論中涉及主觀(guān)經(jīng)驗(yàn)和個(gè)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(lèi)型作為調(diào)節(jié)變量，探討影響因素在不同類(lèi)型商品中的不同作用程度。

由于影響在線(xiàn)評(píng)論有用性因素非常多，在研究過(guò)程中難以實(shí)現(xiàn)影響因素的全面覆蓋，學(xué)者們大都基于研究對(duì)象和方法選擇相對(duì)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(huì)員等級(jí)、文本長(zhǎng)度等對(duì)在線(xiàn)負(fù)面評(píng)論有用性進(jìn)行分析。研究所選用的影響因素組合不同，會(huì)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(duì)不同類(lèi)型商品的作用度尚未形成統(tǒng)一結(jié)論。此外，針對(duì)追加評(píng)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(lèi)型作為調(diào)節(jié)變量，以京東商城4種商品的在線(xiàn)負(fù)面評(píng)論作為研究對(duì)象，選取圖片、追加評(píng)論、發(fā)布時(shí)間、商品屬性詞數(shù)量、文本長(zhǎng)度、會(huì)員等級(jí)、回復(fù)次數(shù)、評(píng)論等級(jí)等8個(gè)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(xiāo)售的iPhone、iPad、白酒和面膜4種商品作為搜索型商品和體驗(yàn)型商品代表，對(duì)影響在線(xiàn)負(fù)面評(píng)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(chēng)、發(fā)布日期、圖片、商品評(píng)論、追加評(píng)論、會(huì)員等級(jí)、回復(fù)次數(shù)、評(píng)論等級(jí)和有用性投票數(shù)等，時(shí)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(xiàn)評(píng)論對(duì)應(yīng)1星、2星和3星評(píng)分等級(jí)的評(píng)論共計(jì)80873條，其中獲得有用性投票評(píng)論為18119條，搜索型商品和體驗(yàn)型商品占比為71.80%和28.2%。具體統(tǒng)計(jì)結(jié)果如表1所示。

表1對(duì)不同評(píng)論等級(jí)的負(fù)面評(píng)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(jì)，等級(jí)為2星的較弱負(fù)面評(píng)論比例最少（搜索型6.07%，體驗(yàn)型3.93%），遠(yuǎn)遠(yuǎn)低于1星的極端負(fù)面評(píng)論比例（搜索型76.97%，體驗(yàn)型84.54%）和3星（16.96%，11.53%）的中立評(píng)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(píng)論（1星）有用性更高。

2.2研究變量

研究模型共包括10個(gè)關(guān)鍵變量，評(píng)論有用性通過(guò)收集評(píng)論的有用性投票加以測(cè)度。調(diào)節(jié)變量為商品類(lèi)型，因變量為有用性投票，自變量由4個(gè)部分構(gòu)成：形式特征、內(nèi)容特征、文本特征和反饋特征評(píng)論者個(gè)體特征和評(píng)論內(nèi)容特征。形式特征包括圖片數(shù)量、追加評(píng)論和發(fā)布天數(shù);內(nèi)容特征包括屬性詞數(shù)量、會(huì)員等級(jí);文本特征包括文本長(zhǎng)度、評(píng)論等級(jí);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(xiàn)負(fù)面評(píng)論的真實(shí)客觀(guān)數(shù)據(jù)。有用性投票和圖片數(shù)量為實(shí)際值;追加評(píng)論根據(jù)有無(wú)分別記為1和0：發(fā)布天數(shù)是采集日期與該條評(píng)論發(fā)布時(shí)間的差值;商品屬性詞數(shù)量比是負(fù)面評(píng)論中提及商品屬性詞的個(gè)數(shù)與總屬性詞之比：會(huì)員等級(jí)采用網(wǎng)站會(huì)員等級(jí)作為代理由高到低轉(zhuǎn)化為數(shù)值1～6;文本長(zhǎng)度是評(píng)論的字符總數(shù);評(píng)論等級(jí)采用網(wǎng)站上評(píng)論等級(jí)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(xiàn)評(píng)論回復(fù)數(shù)與總回復(fù)數(shù)之比;商品類(lèi)型為虛擬變量，搜索型記為0，體驗(yàn)型記為1;發(fā)布天數(shù)和文本長(zhǎng)度參考Ghose A等的研究采用字符數(shù)常用對(duì)數(shù)形式，各變量釋義詳見(jiàn)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(guò)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(xiàn)負(fù)面評(píng)論有用性影響因素分層回歸模型來(lái)驗(yàn)證理論假設(shè)，詳見(jiàn)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(xiàn)負(fù)面評(píng)論屬性詞數(shù)量比以評(píng)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(cè)度指標(biāo)，例如面膜包括味道、補(bǔ)水、透氣等商品屬性詞。通過(guò)ROST CM6對(duì)評(píng)論文本進(jìn)行分詞、去停用詞、提取行特征值、過(guò)濾高頻詞。為保證科學(xué)性，根據(jù)普賴(lài)斯高低詞頻分界公式：

計(jì)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(guò)人工過(guò)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(xiàn)負(fù)面評(píng)論商品屙l生詞數(shù)量比可以體現(xiàn)消費(fèi)者對(duì)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(hù)關(guān)注度越高。在確定商品屬性詞數(shù)量比和各類(lèi)研究變量數(shù)值之后，首先采用分層回歸對(duì)在線(xiàn)負(fù)面評(píng)論有用性不同影響因素進(jìn)行分析。模型1檢驗(yàn)形式特征對(duì)在線(xiàn)負(fù)面評(píng)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(píng)論反饋因素，模型5驗(yàn)證商品類(lèi)型的調(diào)節(jié)作用。在驗(yàn)證理論假設(shè)的基礎(chǔ)上，采用主成分分析法（Principal Component Analysis，PCA）對(duì)在線(xiàn)負(fù)面評(píng)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(duì)不同類(lèi)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(jì)分析

為呈現(xiàn)在線(xiàn)負(fù)面評(píng)論等級(jí)與在線(xiàn)負(fù)面評(píng)論有用性之間的關(guān)系，將自變量與不同類(lèi)型商品的評(píng)論等級(jí)進(jìn)行離散化分類(lèi)：以0.5為分界值將評(píng)論分為“有用”和“無(wú)用”兩類(lèi)。各變量描述性統(tǒng)計(jì)分析見(jiàn)表4，其中，變量VIF（方差膨脹因子）都小于2，說(shuō)明不存在多重共線(xiàn)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(duì)在線(xiàn)負(fù)面評(píng)論影響因素模型進(jìn)行分析.驗(yàn)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(shuō)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(jì)結(jié)果詳見(jiàn)表5。

3.3影響因素有用性比較

分層回歸模型證實(shí)商品類(lèi)型的直接作用明顯（t=14.96，p<0.01），說(shuō)明消費(fèi)者會(huì)根據(jù)搜索型或體驗(yàn)型商品對(duì)在線(xiàn)負(fù)面評(píng)論有用性做出不同判斷，同時(shí)，商品類(lèi)型作為間接因素會(huì)調(diào)節(jié)其他影響評(píng)論有用性的因素與評(píng)論有用性投票之間的關(guān)系。變量較多往往會(huì)導(dǎo)致數(shù)據(jù)之間有一定的非線(xiàn)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(duì)不同類(lèi)型商品影響因素的重要程度進(jìn)行排序。

分別對(duì)搜索型商品和體驗(yàn)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(yàn)型商品前3個(gè)主成分累積貢獻(xiàn)率分別為86.70%和87.08%，說(shuō)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(jiàn)表7。

表7顯示搜索型商品和體驗(yàn)型商品影響因素公因子方差排序結(jié)果存在明顯不同.對(duì)于搜索型商品.消費(fèi)者在購(gòu)買(mǎi)前可以通過(guò)電商平臺(tái)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(xiàn)負(fù)面評(píng)論中的附加圖片、商品屬性詞和發(fā)布時(shí)間等影響因素在消費(fèi)者信息接受過(guò)程中對(duì)決策的有用性影響較小。相反，評(píng)論等級(jí)、回復(fù)次數(shù)和長(zhǎng)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(shuō)明等級(jí)越低的負(fù)面評(píng)論，商家或消費(fèi)者參與度越高，對(duì)負(fù)面情感說(shuō)明解釋的信息量越大，不僅能吸引消費(fèi)者重視，也更具有說(shuō)服力。

體驗(yàn)型商品受本質(zhì)屬性影響.消費(fèi)者能夠獲取的信息相對(duì)有限，因此描述越詳細(xì)越容易獲得感官體驗(yàn)的文字內(nèi)容、客觀(guān)描述和附加圖片打破了評(píng)論時(shí)效性的限制，而作為一種價(jià)值體現(xiàn)成為影響評(píng)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(yàn)圖片可以讓消費(fèi)者直觀(guān)感受使用效果、真實(shí)商品品質(zhì)，無(wú)疑為購(gòu)買(mǎi)體驗(yàn)型商品提供了決策依據(jù)。相比搜索型商品，評(píng)論等級(jí)、回復(fù)次數(shù)等因素發(fā)揮的作用并不明顯，說(shuō)明體驗(yàn)型商品消費(fèi)者面對(duì)商品的負(fù)面評(píng)論時(shí)，能保持理性態(tài)度，做出客觀(guān)決策。

4結(jié)論

本研究除了驗(yàn)證以往研究中影響在線(xiàn)負(fù)面評(píng)論有用性的某些變量的作用外，還增加了圖片、追加評(píng)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(gè)維度出發(fā)，采用分層回歸模型探索不同因素組合對(duì)在線(xiàn)負(fù)面評(píng)論有用性的影響。在證明商品類(lèi)型具有調(diào)節(jié)作用的同時(shí)發(fā)現(xiàn)，隨著模型變量的增加，作為自變量的影響因素會(huì)發(fā)生交疊效應(yīng)，強(qiáng)勢(shì)影響因素會(huì)逐步稀釋或放大其他較弱因素的有用性。

在線(xiàn)負(fù)面評(píng)論受商品類(lèi)型影響，對(duì)消費(fèi)者信息接受和購(gòu)買(mǎi)決策產(chǎn)生的有用性存在差異。本研究有助于購(gòu)買(mǎi)不同類(lèi)型商品的消費(fèi)者快速甄別對(duì)自己有用的評(píng)論，節(jié)約時(shí)間成本。通過(guò)對(duì)搜索型和體驗(yàn)型商品影響因素的重要程度進(jìn)行排序發(fā)現(xiàn)，各類(lèi)影響因素的作用度截然不同。購(gòu)買(mǎi)搜索型商品時(shí)應(yīng)尋找包含詳盡描述的極端差評(píng)，并仔細(xì)閱讀商家解釋和用戶(hù)回復(fù)，有利于消費(fèi)者對(duì)商品做出客觀(guān)判斷。在購(gòu)買(mǎi)體驗(yàn)型商品時(shí)，為消除極端評(píng)論帶來(lái)的主觀(guān)態(tài)度造成的負(fù)面影響，消費(fèi)者應(yīng)選擇有圖有真相、且客觀(guān)的評(píng)論內(nèi)容。

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