郭敏　周雅欣

摘要：抓取京東商城中10 223條長米產(chǎn)品的在線評論作為數(shù)據(jù)，研究在線顧客評論（OCRs）對產(chǎn)品銷量影響，并探究品牌聲譽對產(chǎn)品銷量的調(diào)節(jié)，構(gòu)建出長米銷量的影響模型并通過實際爬蟲數(shù)據(jù)進行驗證。結(jié)果表明，在高品牌聲譽產(chǎn)品下，品牌對評論極性的調(diào)節(jié)作用更為顯著，而在低品牌聲譽產(chǎn)品下，品牌對產(chǎn)品屬性高頻詞的調(diào)節(jié)作用更加顯著。研究為農(nóng)產(chǎn)品網(wǎng)絡(luò)銷售和在線顧客評論處理提供了理論基礎(chǔ)及方法，企業(yè)和電商平臺針對不同品牌與不同發(fā)展進程需要制定具有差異化的產(chǎn)品銷售策略。

關(guān)鍵詞：評論特征;品牌聲譽;農(nóng)產(chǎn)品銷量;調(diào)節(jié)效應(yīng)

中圖分類號：F323 ? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2020）05-0152-05

Abstract： Based on the survey data of 10 223 reviews on long-grain rice in Jingdong Mall， the effects of online custom reviews（OCRs） on product sales were analyzed. A factor model of long rice sales were set up to study the effects of brand reputation on product sales and verified by the actual crawler data. The results showed that the brand with high reputation had more significant regulating effect on the comments polarity， while the brand with low reputation had more significant regulating effect on the high-frequency words of product attributes. It provides a theoretical basis and method for online sales of agricultural products and online customer comment processing. It suggested that enterprises and e-commerce platforms need to develop differentiated strategies of product sales according to the brand and development process.

Key words： comment characteristics; brand reputation; agricultural products sales; regulatory effect

隨著互聯(lián)網(wǎng)思維進一步擴展，互聯(lián)網(wǎng)與各個傳統(tǒng)行業(yè)的運營方式在解決產(chǎn)品的銷售、推廣、運營思路上不斷融合，通過互聯(lián)網(wǎng)平臺獲得價值交換與利益最大化。與此同時，依靠農(nóng)業(yè)電子商務(wù)的發(fā)展，各地農(nóng)產(chǎn)品的網(wǎng)絡(luò)銷售量越來越大，與實體店面不同的是，農(nóng)產(chǎn)品電子商務(wù)平臺除了商品詳情處的大量圖片以及文字介紹，還能提供給消費者更加豐富的評論信息，其中，在線評論系統(tǒng)已成為消費者在電子商務(wù)網(wǎng)站中購物決策的一個重要影響因素。

農(nóng)產(chǎn)品的線上網(wǎng)絡(luò)銷售是解決“三農(nóng)”問題十分有效的對策。在大數(shù)據(jù)環(huán)境下，需要推動中國農(nóng)業(yè)經(jīng)濟的現(xiàn)代化信息建設(shè)，從網(wǎng)絡(luò)平臺建設(shè)、資金投入、網(wǎng)絡(luò)銷售服務(wù)體系出發(fā)，解決當前面臨的問題，為農(nóng)業(yè)商品網(wǎng)絡(luò)銷售找到一條適合發(fā)展的道路，以加快中國農(nóng)業(yè)和農(nóng)村的發(fā)展。分析國內(nèi)外相關(guān)研究文獻，發(fā)現(xiàn)現(xiàn)有文獻多數(shù)停留在構(gòu)建行業(yè)機制、“互聯(lián)網(wǎng)+”視角下農(nóng)業(yè)電商的創(chuàng)新創(chuàng)業(yè)、改善電子商務(wù)服務(wù)網(wǎng)站環(huán)境等方面，而針對電商網(wǎng)站農(nóng)產(chǎn)品具體銷售的研究文獻不多，本研究參考了前人研究的細化產(chǎn)品類型部分，同時將品牌聲譽納入研究范圍內(nèi)，探究品牌如何調(diào)節(jié)消費者決策。基于農(nóng)產(chǎn)品在線評論特征，細化研究品牌聲譽、在線評論與銷量三者之間的影響關(guān)系，為企業(yè)如何在品牌定位以及網(wǎng)絡(luò)店鋪評論系統(tǒng)設(shè)計提供參考。

國內(nèi)外學(xué)者都對在線評論系統(tǒng)進行了一系列研究，其中主要基于研究評論特征方面，從評論星級、評論長度、評論極性、評論質(zhì)量等評論內(nèi)容特征入手，研究上述變量對消費者購買決策時產(chǎn)生的影響作用[1-3]。除此之外，劉景方等[4]在面對大量評論信息時，研究得出增加用戶評論系統(tǒng)的標簽摘要有利于簡化消費者了解商品詳情的過程。林爽等[5]又提出圖片和文字疊加后，僅對消費者在決策感官型產(chǎn)品時有顯著幫助，甚至能夠促進消費者沖動型購買，而非感官型產(chǎn)品中提供的圖片評論和文字評論無明顯區(qū)別。

消費者在電子商務(wù)網(wǎng)站瀏覽農(nóng)產(chǎn)品時，盡管很依賴于商品的在線評論來判斷商品的質(zhì)量，但同時農(nóng)產(chǎn)品的品牌聲譽也成為反映產(chǎn)品質(zhì)量情況的關(guān)鍵因素[6]。消費者初次接觸某種農(nóng)產(chǎn)品，除一些知名度高的品牌外，由于無法辨別農(nóng)產(chǎn)品品牌之間的明顯區(qū)別，此時產(chǎn)品在線評論可以幫助其快速了解產(chǎn)品特征，使消費者第一時間對產(chǎn)品品牌聲譽做出初步判斷[7]。

品牌聲譽的形成，一部分是由顧客評價定義的，代表消費者了解產(chǎn)品后對品牌的總體認知情況[8]。關(guān)于在線品牌研究，劉偉等[9]認為在線商品品牌是消費者與在線品牌商品接觸時的主觀認識和情感體驗。韓心瑜等[10]發(fā)現(xiàn)品牌關(guān)系與其他因素（品牌滿意度、品牌參與度）不同，這種關(guān)系一旦形成，隨著消費者與品牌間的互動頻率和關(guān)注時間的增加，品牌關(guān)系越來越穩(wěn)固，且不會輕易被復(fù)制。

1 ?研究假設(shè)

1.1 ?品牌聲譽的調(diào)節(jié)效應(yīng)

方佳明等[11]闡述了品牌聲譽對消費者購買行為有顯著影響，如果消費者面對一個品牌聲譽較高的產(chǎn)品，會增強對該產(chǎn)品的購買信心。在品牌信號理論中，消費者在未知的產(chǎn)品質(zhì)量與性能中可能存在購買風(fēng)險[12]。消費者在對信息掌握不全面的產(chǎn)品進行購物決策時，若通過查看商品評論后對產(chǎn)品持有過高的期望，在消費者初次使用產(chǎn)品后，可能會對該產(chǎn)品的品牌聲譽產(chǎn)生過于極端的認識。所以要加大對產(chǎn)品特征的全面描述，幫助消費者進行選擇，而不是由消費者主觀從評論中抓取產(chǎn)品的品牌特點來進行選擇。本研究通過CNPP品牌網(wǎng)站提供的行業(yè)著名企業(yè)名錄作為高聲譽稻米品牌，將市場內(nèi)不具有高聲譽的企業(yè)品牌作為低聲譽品牌。

1.2 ?產(chǎn)品價格和產(chǎn)品銷量

在網(wǎng)絡(luò)購物環(huán)境下，定價成為消費者在選購農(nóng)產(chǎn)品時對產(chǎn)品產(chǎn)生的感知價值[13]?，F(xiàn)有的研究主要從產(chǎn)品價格的影響因素、產(chǎn)品定價權(quán)和產(chǎn)品定價策略等方面進行。其中在價格的影響因素方面，巫國義[14]認為定價的影響因素除了成本、定價權(quán)和品牌保護外，還包括市場需求與市場競爭等因素。所以對于高價的農(nóng)產(chǎn)品，消費者關(guān)注點更多，除了產(chǎn)品質(zhì)量，銷售服務(wù)、產(chǎn)品包裝等都直接影響消費者的滿意度，故當消費者面對定價低的農(nóng)產(chǎn)品時，包容度相對要好。王林等[15]認為在網(wǎng)上購物時，消費者第一時間會對價格和產(chǎn)品細節(jié)進行了解，如果產(chǎn)品提供的條件線索符合消費者的要求，會使消費者產(chǎn)生歡喜情感，直接影響消費者對產(chǎn)品的接受和依賴。

因此，在研究中提出如下假設(shè)：

H1，產(chǎn)品價格會顯著影響農(nóng)產(chǎn)品銷量。

1.3 ?不同品牌聲譽下，評論數(shù)量和產(chǎn)品銷量

評論數(shù)量的增加最能直接反映出這段時間產(chǎn)品的銷量增多。在已有的農(nóng)產(chǎn)品網(wǎng)絡(luò)銷售研究中，一個品牌如何成為經(jīng)久不衰的行業(yè)品牌標桿，一部分形成于消費者的潛意識，其中高度關(guān)注是樹立品牌標桿的主要因素。在線評論數(shù)量多的農(nóng)產(chǎn)品能反映出消費者對此品牌關(guān)注度較高，消費者對品牌了解加深并能促進農(nóng)產(chǎn)品的銷量[16]。蔡淑琴等[17]對手機的在線評論研究證明，參與評論人數(shù)越多，在線評論越能衡量出產(chǎn)品的影響力。評論數(shù)量對低卷入程度的消費者更有作用，所以沒有精力投入觀看在線評論內(nèi)容的消費者可能更注重評論數(shù)量多的產(chǎn)品[18]。

因此，在研究中提出如下假設(shè)：

H2a，評論數(shù)量正向影響農(nóng)產(chǎn)品銷量。

H2b，高品牌聲譽產(chǎn)品中，評論數(shù)量對農(nóng)產(chǎn)品銷量的影響減弱。

1.4 ?不同品牌聲譽下，評論極性和產(chǎn)品銷量

消費者對于評論信息的抓取來源于評論中的情感詞，電子商務(wù)在線評論由于文本較短，語氣內(nèi)容都更貼近實際生活，消費者閱讀評論獲取信息時，不需要產(chǎn)生其他成本。在長度較長的產(chǎn)品評論中，往往評價對象和情感詞同時出現(xiàn)，其中極性詞出現(xiàn)的比例很高[19]。從信息診斷力觀點理論看，中性評論意味著信息價值不高，無法影響其他消費者判斷。蔡淑琴等[20]認為相較于正面和中性詞，評論出現(xiàn)的負面詞性，有時更能表現(xiàn)出一部分消費者想了解的準確信息。所以在品牌信譽低的產(chǎn)品中，消費者在對產(chǎn)品不確定時，評論的極端詞信息量大更能體現(xiàn)出一定的準確性，Huang等[21]驗證了這個結(jié)論。

通過百度云情感傾向分析功能，將文本中情感強度詞類別賦予權(quán)重，給每一條在線評論打分。評論極性計算公式如下：

其中，w為百度云詞典中提供的情感詞強度，ki為每條評論中情感詞的極性，n為每條評論中情感詞出現(xiàn)的次數(shù)，Ei為評論打分值的期望。比較屬于積極類別的概率與屬于消極類別的概率，將每條評論情感極性最終取為0（負向），1（中性），2（正向）。

因此，在研究中提出如下假設(shè)：

H3a，極性詞正向影響農(nóng)產(chǎn)品銷量。

H3b，高品牌聲譽產(chǎn)品中，評論極性對農(nóng)產(chǎn)品銷量的影響更顯著。

1.5 ?不同品牌聲譽下，產(chǎn)品屬性高頻詞和產(chǎn)品銷量

產(chǎn)品屬性詞是描述產(chǎn)品每個方面特征的詞匯，在農(nóng)產(chǎn)品中總結(jié)為產(chǎn)品價格類、產(chǎn)品口味類、產(chǎn)品特殊詞、包裝外形類、產(chǎn)品物流服務(wù)類。通過Java語言引用Ansj工具實現(xiàn)中文分詞，將下載的評論按照品牌進行分詞統(tǒng)計，最后得出每個品牌的詞頻，提取出每個品牌的高頻詞，表1為每個分類中的部分高頻詞及其權(quán)重。

一個種類的高頻詞若出現(xiàn)次數(shù)多，說明消費者對該屬性的評論描述越詳盡，消費者對此類高頻詞更敏感，所以消費者會將該屬性特征與產(chǎn)品的品牌關(guān)聯(lián)度提高，這種類別屬性的高頻詞就越對之后瀏覽產(chǎn)品消費者提供很大的參考價值。

產(chǎn)品屬性高頻詞計算公式如下：

freqi為每條評論的屬性高頻詞計算結(jié)果，wij為定義的i種產(chǎn)品評論屬性高頻詞的權(quán)重，nip為第i個屬性高頻詞分類出現(xiàn)的個數(shù)。

因此，在研究中提出如下假設(shè)：

H4a，產(chǎn)品屬性高頻詞正向影響農(nóng)產(chǎn)品銷量。

H4b，高品牌聲譽產(chǎn)品中，評論極性對農(nóng)產(chǎn)品銷量的影響變?nèi)酢?/p>

本研究的模型變量見表2，因變量為農(nóng)產(chǎn)品銷量，結(jié)合在線評論相關(guān)理論，自變量由產(chǎn)品因素和評論因素兩個方面構(gòu)成，用品牌強度和產(chǎn)品價格測量產(chǎn)品因素，用評論數(shù)量、評論極性和產(chǎn)品屬性高頻詞測量評論因素，調(diào)節(jié)變量為品牌聲譽，高品牌聲譽賦值為1，低品牌聲譽賦值為0。根據(jù)前文提出的假設(shè)，將品牌與評論數(shù)量、評論極性以及產(chǎn)品屬性高頻詞產(chǎn)生的交互作用加入模型中。

2 ?實證分析

2.1 ?研究方法

通過抓包工具，抓取京東網(wǎng)（www.jd.com）中評論接口，從2018年11月1日到2019年3月31日，按5 kg規(guī)格和長米品種兩個條件篩選出在線評論文本數(shù)據(jù)。為進一步研究品牌聲譽的調(diào)節(jié)影響，需要分別選取高聲譽和低聲譽產(chǎn)品，其中高聲譽品牌從CNPP品牌網(wǎng)站中獲得。對于所有品牌抓取的數(shù)據(jù)進行篩選、清理，將無效數(shù)據(jù)剔除，最后得到52個品牌共計31 248條文本評論。根據(jù)前文變量的量化方法，統(tǒng)計出價格、評論數(shù)量、評論極性、產(chǎn)品屬性高頻詞4個變量的量化結(jié)果，全部樣本的描述性統(tǒng)計結(jié)果見表3。

2.2 ?結(jié)果與分析

通過將上述變量建立研究模型，因變量為產(chǎn)品銷售情況，使用京東銷量排名作為銷售情況的衡量指標。研究證明，大多數(shù)產(chǎn)品ln（銷售額）和ln（銷售排名）的關(guān)系是線性關(guān)系，且它們之間的差異對線性模型的系數(shù)符號不會改變[22，23]。自變量為產(chǎn)品價格、評論數(shù)量、評論極性、產(chǎn)品屬性高頻詞。為了減弱模型的共線性和異方差性，使研究結(jié)果更平穩(wěn)，將所有數(shù)據(jù)取對數(shù)形式，目的是為壓縮變量尺度。擬構(gòu)建的回歸方程如下：

Ln（Rank）=β0+β1ln（Pri）+β2ln（Num）+β3ln（Rating）+β4ln（Freq）+？著it ? （1）

此模型以品牌聲譽、產(chǎn)品價格、評論數(shù)量、評論極性和產(chǎn)品屬性高頻詞為自變量對農(nóng)產(chǎn)品銷量進行回歸分析，β0到β4為待估計參數(shù)，？著it為隨機擾動項。選用 Stata12.0計量軟件進行回歸分析，結(jié)果見表4。此模型將高、低聲譽品牌分開，結(jié)果發(fā)現(xiàn)主要選取的解釋變量未全部顯著，更說明高品牌聲譽與低品牌聲譽對數(shù)據(jù)結(jié)果有一定影響。所以進行下一步分析，加入品牌聲譽這一調(diào)節(jié)變量（0～1表示品牌聲譽），考慮調(diào)節(jié)效應(yīng)后，建立如下模型。

Ln（Rank）=β0+β1ln（Pri）+β2ln（Num）+β3ln（Rationg）+β4ln（Freq）+β5BraStr+β6BraStr×ln（Pri）+β7BraStr×ln（Num）+β8BraStr×ln（Rationg）+β9BraStr×ln（Freq）+？著it ? （2）

在網(wǎng)站排名中銷售排名第一位是銷售量最多的，則銷售排名和銷售量是反向關(guān)系。從不同品牌聲譽的所有數(shù)據(jù)回歸結(jié)果（表5）中可知，產(chǎn)品價格負向影響產(chǎn)品銷售排名（β=0.204，P<0.05），假設(shè)H1成立。評論數(shù)量對產(chǎn)品銷量影響不顯著（β=0.147，P>0.05），假設(shè)H2a不成立。評論極性與產(chǎn)品屬性高頻詞顯著正向影響產(chǎn)品銷量（β=0.241，β=1.041，P<0.05），假設(shè)H3a、H4a成立。R2用于檢驗?zāi)Ｐ偷姆€(wěn)定性，由表5可知模型的擬合效果很好。

為說明品牌這一控制變量對長米銷量的調(diào)節(jié)作用，繼續(xù)進行交叉分析，發(fā)現(xiàn)品牌聲譽×評論極性（P=0.001）存在顯著的交叉作用且為正值，說明高聲譽產(chǎn)品的評論極性對銷量的影響更顯著，假設(shè)H3b得到驗證。另外由表4可見，在高聲譽產(chǎn)品中，評論極性對產(chǎn)品銷量影響并不顯著，這說明品牌聲譽在回歸模型中會增強評論極性對產(chǎn)品銷量的影響，這可能是由于正面評論與負面評論對消費者產(chǎn)生的聲譽效應(yīng)，使消費者形成“積極偏見”，對產(chǎn)品認知發(fā)生改變[24]。品牌聲譽×產(chǎn)品屬性高頻詞（P=0.001）存在顯著的交叉作用且為負值，說明低品牌聲譽產(chǎn)品的評論高頻詞對銷量的影響更顯著，假設(shè)H4b得到驗證。但是由于品牌聲譽對評論數(shù)量的調(diào)節(jié)作用不顯著（P>0.05），假設(shè)H2b不成立。

為了使研究結(jié)果對假設(shè)驗證更具可靠性，針對模型中涉及的內(nèi)生性問題需要進一步考慮。本研究在去掉價格變量后，將評論數(shù)量、評論極性與產(chǎn)品屬性高頻詞帶入方程（2）進行回歸，結(jié)果見表6。與表5相比，在線評論極性及產(chǎn)品屬性高頻詞與品牌聲譽的交互作用系數(shù)是顯著的，而在線評論數(shù)量與品牌聲譽的交互作用系數(shù)不顯著。因此，在線顧客評論特征中，只有評論極性與產(chǎn)品屬性高頻詞發(fā)揮作用。

3 ?政策建議

海量網(wǎng)上評論信息是消費者進行購買決策時的主要參考方式，然而龐大的信息量也同時降低消費者選擇產(chǎn)品時的決策效率。以往文獻主要獨立研究評論類型和產(chǎn)品類型對產(chǎn)品銷量的影響，而本研究的主要貢獻是在評論類型與品牌強度之間的交互作用下建立模型，考察對產(chǎn)品銷量的主調(diào)節(jié)作用，同時利用了京東商城稻米銷售后顧客輸入的真實評論數(shù)據(jù)進行驗證。

本研究利用爬蟲軟件，獲取了京東商城中長米品牌的評論，結(jié)合品牌效應(yīng)的影響，構(gòu)建了多元線性回歸模型，通過研究得到以下政策建議：

第一，低品牌聲譽管理者應(yīng)該將在線評論內(nèi)容作為最關(guān)鍵指標，正面評論對于消費者的決策更有幫助，有利于農(nóng)產(chǎn)品的銷售。管理者應(yīng)該對于顧客正面評論采取引導(dǎo)策略，從評論中提取出產(chǎn)品關(guān)注度高的部分，再考慮投入廣告宣傳。線上銷售與線下銷售都具有帕累托曲線，但弱勢品牌在線上銷售更容易獲得市場份額，能幫助弱勢品牌樹立品牌形象，提高銷量。

第二，對于網(wǎng)站設(shè)計者，可以根據(jù)識別出的文本內(nèi)容進行排序，將文字內(nèi)容豐富的評論、極端評論等信息價值高的評論放置前端，使消費者更快速更準確地了解到產(chǎn)品信息。

同時本研究也存在一些局限，一是本研究只選取了京東商城的52種長米品牌作為研究對象，沒有考慮其他購物網(wǎng)站，可能對結(jié)果有一定影響;二是建議在未來的研究中，可以更進一步量化評論中有參考價值的變量，如一定的產(chǎn)品銷售時間內(nèi)已購消費者進行追評，以及其他消費者瀏覽評論后對評論有用性進行的點贊量等，進而更加充分地得出哪些影響因素對產(chǎn)品銷量更有影響。

參考文獻：

[1] 胡志海，趙丹丹，張 ?義.在線評論對商品銷售影響的實證研究[J].重慶工商大學(xué)學(xué)報（自然科學(xué)版），2015，32（12）：52-55.

[2] LEE S，CHOEH J. Predicting the helpfulness of online reviews using multilayer perceptron neural networks[J].Expert systems with applications，2014，41（6）：3041-3046.

[3] RISSELADA H，DE VRIES L，VERSTAPPEN M. The impact of social influence on the perceived helpfulness of online consumer reviews[J].European journal of marketing，2018，52（3）：619-636.

[4] 劉景方，李 ?嘉，張朋柱，等.用戶評論標簽摘要系統(tǒng)的有效性研究[J].系統(tǒng)管理學(xué)報，2016，25（4）：613-623.

[5] 林 ?爽，呂興洋，宋慧林.一圖勝千言？圖片與文字在線評論對消費者購買意向的影響研究[J].商業(yè)經(jīng)濟與管理，2017（8）：59-68.

[6] 廖俊云，黃敏學(xué)，彭 ?捷.虛擬品牌社區(qū)成員社會化策略及其影響[J].南開管理評論，2016，19（5）：171-181，192.

[7] 李紅柳，王興元.在線用戶評論對顧客價值創(chuàng)造的影響研究——基于對消費者價格決策的考量[J].價格理論與實踐，2018（1）：150-153.

[8] 楊 ?雪.在線口碑對品牌社群關(guān)系質(zhì)量的影響研究[J].管理現(xiàn)代化，2016，36（5）：91-93.

[9] 劉 ?偉，樊曉婷.在線品牌契合的前因和后果研究[J].軟科學(xué)，2018，32（6）：125-128，144.

[10] 韓心瑜，張向達.在線品牌與消費者在線體驗互動關(guān)系研究——基于在線品牌體驗綜合評價模型的分析[J].價格理論與實踐，2018（7）：123-126.

[11] 方佳明，王鈺瑩，趙志榮.不同產(chǎn)品品牌聲譽對在線評論有用性影響因素的調(diào)節(jié)效應(yīng)[J].軟科學(xué)，2016，30（3）：108-112.

[12] ERDEM T，JOFFRE S，ANA V. Brands as signals：A cross-country validation study[J].Journal of marketing，2006，70（1）：34-49.

[13] 胡志海，趙丹丹，張 ?義.在線評論對商品銷售影響的實證研究[J].重慶工商大學(xué)學(xué)報（自然科學(xué)版），2015，32（12）：52-55.

[14] 巫國義.電子書定價策略評析[J].科技與出版，2014（10）：95-98.

[15] 王 ?林，曲如杰，趙 ?楊.基于評論信息的網(wǎng)購情景線索類型及其作用機制研究[J].管理評論，2015，27（4）：156-166.

[16] 李林紅，李蓮青，甯利平.網(wǎng)絡(luò)口碑對農(nóng)產(chǎn)品網(wǎng)絡(luò)銷量的影響研究——基于天貓超市北京地區(qū)新鮮水果的實證研究[J].昆明理工大學(xué)學(xué)報（自然科學(xué)版），2018，43（2）：121-127.

[17] 蔡淑琴，袁乾，周 ?鵬.基于社會網(wǎng)絡(luò)關(guān)系的微博個性化推薦模型[J].情報學(xué)報，2014，33（5）：520-529.

[18] 李宗偉，張艷輝，欒東慶.哪些因素影響消費者的在線購買決策？——顧客感知價值的驅(qū)動作用[J].管理評論，2017，29（8）：136-146.

[19] 熊 ?樂，饒 ?泓.電商評論情感挖掘模型[J].南昌大學(xué)學(xué)報（理科版），2018，42（1）：88-94.

[20] 蔡淑琴，秦志勇，李翠萍，等.面向負面在線評論的情感強度對有用性的影響研究[J].管理評論，2017，29（2）：79-86.

[21] HUANG A，CHEN K，YEN D，et al. A study of factors that contribute to online review helpfulness[J].Computers in human behavior，2015（1）：17-27.

[22] CHEN C C，TSENG Y D. Quality evaluation of product reviews using an information quality frame-work[J].Decision support systems，2011，50（4）：755-768.

[23] 汪旭暉，張其林，杜 ?航.在線顧客評論對產(chǎn)品銷量的影響：品牌強度和產(chǎn)品成熟度的調(diào)節(jié)作用[J].管理工程學(xué)報，2018，32（3）：9-18.

[24] PAN Y，ZHANG J Q. Born unequal：A study of the helpfulness of user-generated product reviews[J].Journal of retailing，2011，87（4）：598-612.