趙雅楠

摘要：基于精細(xì)加工可能性模型，以淘寶中“問大家”的真實(shí)在線問答評論為基礎(chǔ)，采用問卷調(diào)查法并通過SPSS 24.0軟件進(jìn)行分層回歸分析，研究在線問答評論特征中問答評論質(zhì)量、情感傾向、一致性、總量、反饋數(shù)量對感知有用性的影響。結(jié)果表明，中樞路徑因素和邊緣路徑因素都顯著正向影響感知有用性，且前者的影響較大。提出可以從設(shè)置在線問答評論模板、提煉整體性指標(biāo)、引導(dǎo)消費(fèi)者評論方向等方面著手提高用戶感知有用性。

關(guān)鍵詞：在線問答評論;精細(xì)加工可能性模型;感知有用性

中圖分類號：C811 ? ? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2020）15-0177-05

Abstract： Based on the elaboration likelihood model and the real online Q & A comments of “ask everyone” in Taobao， the influence of the quality， emotional tendency， consistency， total amount and feedback quantity of Q & A comments on perceived usefulness was studed by using questionnaire survey and hierarchical regression analysis by SPSS 24.0. The results showed that central pathway and marginal pathway factors had significant positive effects on perceived usefulness， and the former had a greater impact. It was suggested that users perceived usefulness could be improved by setting up online Q & A comment templates， refining overall indicators and guiding consumers comments.

Key words： online Q & A comments; elaboration likelihood model; perceived usefulness

網(wǎng)絡(luò)購物已經(jīng)是現(xiàn)在主流的購物方式，不斷改善與創(chuàng)新的消費(fèi)環(huán)境為消費(fèi)者提供了海量的購物選擇，但同時消費(fèi)者網(wǎng)購行為的預(yù)測難度也隨之加大。因此，很多學(xué)者開始研究網(wǎng)購決策中的影響因素，并且認(rèn)為在現(xiàn)今開放的網(wǎng)購環(huán)境下，消費(fèi)者感知不確定上升使得網(wǎng)絡(luò)口碑成為影響網(wǎng)購決策的重要因素[1]。如今，電商的快速發(fā)展提升了其中在線評論系統(tǒng)的關(guān)注度[2]，也使網(wǎng)絡(luò)口碑中典型的在線評論成為影響網(wǎng)絡(luò)購物決策的重要因素[3]。消費(fèi)者為降低網(wǎng)購方式下買賣雙方信息不對稱引起的決策風(fēng)險，已經(jīng)養(yǎng)成購前瀏覽在線評論的習(xí)慣，并且部分消費(fèi)者有購后撰寫評論的偏好[4，5]。因此產(chǎn)生的海量在線評論除了為其他消費(fèi)者提供決策信息外，還能夠?yàn)樯碳腋倪M(jìn)產(chǎn)品方向、維系客戶指明方向[6]。可見，電商平臺下在線評論對買賣雙方以及平臺都具有重大作用。目前學(xué)術(shù)界研究的在線評論有用性多是以單向信息交流的評論為主，很少有人對互動式評論進(jìn)行研究，但是隨著時間而積攢的大量在線問答評論也需要管理，那么到底在線問答評論特征怎樣影響其感知有用性，單向在線評論的一些研究結(jié)論是否仍適用于在線問答評論，這些都是需要解決的問題。因此，本研究以淘寶網(wǎng)中的在線問答評論系統(tǒng)為例，研究在線問答評論特征對感知有用性的影響。

1 現(xiàn)有研究

目前有關(guān)在線評論的研究主要集中為兩類，一類是對已產(chǎn)生的在線評論的研究，包括研究影響在線評論的有用性、偏差性、可信性[7]等，以及在線評論對產(chǎn)品銷量[8]和績效的影響;另一類是研究未產(chǎn)生的評論，主要涉及影響消費(fèi)者撰寫評論的因素動機(jī)以及如何讓消費(fèi)者參與評論的意愿增強(qiáng)?，F(xiàn)有影響在線評論有用性的因素主要包括評論發(fā)布者、評論的內(nèi)容、評論接收者特征等。

精細(xì)加工可能性模型（Elaboration likelihood model， ELM）認(rèn)為個人在處理信息時存在兩條主要路徑，中樞路徑和邊緣路徑。采用中樞路徑時，個人處理信息時會投入大量精力，仔細(xì)考察信息內(nèi)容本身，詳盡地分析各種宣傳提供的信息真實(shí)性，融合各方論據(jù)以及矛盾信息，最終做出一個整體判斷。中樞路徑涉及的是高度信息細(xì)化階段，其中個體對于大量參數(shù)的認(rèn)知是由接受者個體生成的。由中樞路徑帶來的態(tài)度改變結(jié)果是持久的、相對穩(wěn)定的，且能夠進(jìn)行行為預(yù)測。在邊緣路徑下，起說服作用的因素多在于個人在接收信息刺激的過程中受到的積極或消極的暗示，或者個體對自己傾向觀點(diǎn)的簡單判斷。在這個過程中，個體投入的精力大打折扣，此時信息接收者感知到的刺激通常與質(zhì)量邏輯關(guān)系甚微。這些刺激包括信息來源可信度、信息質(zhì)量或吸引力等。由邊緣路徑帶來的態(tài)度改變結(jié)果相較而言沒有那么持久和穩(wěn)定。本研究將在線問答評論質(zhì)量、在線問答評論情感傾向、在線問答評論一致性界定為中樞路徑因素范疇，將問答評論總量、問答評論反饋數(shù)量劃分為邊緣路徑因素范疇。

2 概念與假設(shè)

2.1 相關(guān)概念

1）在線評論。在線評論的概念首次由Chatterjee[9]于2001年提出，此后國內(nèi)外學(xué)者從不同角度出發(fā)界定了這一概念。從評論內(nèi)容屬性的角度，Chen等[10]認(rèn)為用戶在特定網(wǎng)站基于切身使用體驗(yàn)發(fā)布的有關(guān)商品屬性的評論就是在線評論;從評論包含的范圍視角出發(fā)，李楓林等[11]指出在線評論為用戶在論壇或微博等社交網(wǎng)站或電商平臺上與其他用戶交互的產(chǎn)品或服務(wù)信息，現(xiàn)以文字為主，圖片輔助。綜上，本研究對于在線評論的理解為，消費(fèi)者依據(jù)自己購買或使用某一產(chǎn)品過程中的個人感受，以打分、文字、圖片或視頻等形式發(fā)布在相關(guān)網(wǎng)絡(luò)平臺（電商平臺、社交平臺、虛擬社區(qū)）上的關(guān)于產(chǎn)品或服務(wù)的信息，這些信息是基于消費(fèi)者自己意愿發(fā)布的，不受企業(yè)或平臺的干擾。

2）在線問答評論。本研究認(rèn)為在線問答評論產(chǎn)生于電商平臺中的在線問答系統(tǒng)，通過一問多答的形式為消費(fèi)者之間關(guān)于產(chǎn)品或服務(wù)信息的針對性互動提供了便利，目前主要以文本的形式來傳遞信息。在問答系統(tǒng)中，消費(fèi)者可以在任意時間對平臺中商品進(jìn)行提問并獲得系統(tǒng)隨機(jī)邀請的數(shù)位已購消費(fèi)者的回答，所以在線問答評論不僅具有傳統(tǒng)評論保存時間長、傳遞無界限、匿名性的特點(diǎn)，還具有針對性、定制性、客觀性等優(yōu)點(diǎn)。同時，與傳統(tǒng)評論相比，在線問答評論長度更短、觀點(diǎn)更明確，有利于使評論信息一目了然且指向明確。

3）感知有用性。Davis等[12]在研究信息系統(tǒng)的接受理論時提出了技術(shù)接受模型，由此第一次出現(xiàn)“感知有用性”概念，用以表示用戶在使用某一系統(tǒng)時感受到的系統(tǒng)有用性。隨后Sussman等[13]依據(jù)技術(shù)接受模型發(fā)展出信息采納模型，該模型提出信息質(zhì)量和信源可信度是2個影響用戶對信息感知有用性的因素。之后感知有用性就經(jīng)常應(yīng)用于營銷和信息領(lǐng)域。在線評論本質(zhì)上是一種信息，所以在營銷學(xué)中多從信息傳播角度研究在線評論，隨后在線評論的感知有用性概念被提出。Mudambi等[14]認(rèn)為，在線評論有用性是消費(fèi)者對在線評論對自身購買決策是否有幫助的一種主觀感知，此后關(guān)于有用性的研究也主要是依照這個定義。郝媛媛等[15]提出在線評論有用性是指評論中的信息對消費(fèi)者在制定決策中的有用性程度;楊海娟[16]提出信息有用性為問答網(wǎng)站中回答的信息對閱讀者增加知識或答疑解惑的程度。本研究沿用Mudambi等[14]對于在線評論有用性的概念，認(rèn)為感知有用性是指評論閱讀者對于評論信息對自身決策是否有幫助的主觀感知。

2.2 研究假設(shè)

Zhang等[17]證明了高質(zhì)量的評論信息會增強(qiáng)消費(fèi)者的感知有用性和購買意向。如果已經(jīng)購買某一產(chǎn)品的消費(fèi)者在回答其他消費(fèi)者的問題時，將相關(guān)信息全面、詳細(xì)、及時地表達(dá)出來，那么這種高質(zhì)量的信息會對信息接收者增強(qiáng)說服力度。故提出如下假設(shè)。

H1a：在線問答評論質(zhì)量正向影響評論感知有用性。

在線評論的情感傾向一般劃分為正面評論、中立評論、負(fù)面評論3類，正負(fù)向評論是從已購消費(fèi)者角度揭示產(chǎn)品質(zhì)量的優(yōu)劣、是否與商家描述相符以及是否滿足消費(fèi)者的期望。Chevalier等[18]研究指出，在線評論情感傾向顯著影響消費(fèi)者購買決策。Ho-Dac等[19]在研究評論情感傾向與銷量間關(guān)系時引入品牌強(qiáng)度這一調(diào)節(jié)變量，研究發(fā)現(xiàn)正向評論提高了弱勢品牌的銷量，但對強(qiáng)勢品牌的影響不顯著。關(guān)于正負(fù)面評論哪個更有用的研究中，有學(xué)者認(rèn)為消費(fèi)者搜索評論是一種主動行為，本質(zhì)上是給即將進(jìn)行的購物決策尋找支持依據(jù)，負(fù)面評論讓消費(fèi)者對產(chǎn)品品質(zhì)和體驗(yàn)感知有所折損，與消費(fèi)者真正的心理預(yù)期背道而馳，而正面評論契合了消費(fèi)者對于支持性論證的需求，因此，正面評論更有用。本研究中評論情感傾向采用打分的形式，分?jǐn)?shù)越高說明情感傾向越傾向于正面，于是提出假設(shè)。

H1b：在線問答評論情感傾向正向影響感知有用性。

在線問答評論一致性是指對于同一個產(chǎn)品，消費(fèi)者群體對其評論的一致性程度。一致性高說明消費(fèi)者對同一產(chǎn)品的評價態(tài)度是相似的，一致性低說明消費(fèi)者對同一產(chǎn)品的評論態(tài)度存在較大差異。具體到在線問答評論中，其一致性指的是對于同一個問題，各個被邀請的已購消費(fèi)者回復(fù)的一致性程度，當(dāng)回復(fù)的一致性高時，會讓消費(fèi)者感知信息說服力度大。因此提出假設(shè)。

H1c：在線問答評論一致性正向影響感知有用性。

評論數(shù)量是消費(fèi)者對產(chǎn)品進(jìn)行主觀評價的數(shù)量，現(xiàn)有很多研究發(fā)現(xiàn)評論數(shù)量與消費(fèi)者購物決策顯著相關(guān)[20]。Godes等[21]研究指出消費(fèi)者在線評論數(shù)量越多越能夠引起其他消費(fèi)者的關(guān)注并引發(fā)其購買欲望;盧向華等[22]研究了大眾點(diǎn)評餐館的在線評論，發(fā)現(xiàn)在線評論的數(shù)量和評分正向影響產(chǎn)品銷量;龔詩陽等[23]研究了當(dāng)當(dāng)網(wǎng)的圖書在線評論，李健[24]研究了亞馬遜網(wǎng)站中的手機(jī)評論，都發(fā)現(xiàn)在線評論數(shù)量正向影響產(chǎn)品的銷量。因此提出假設(shè)。

H2a：在線問答評論總量正向影響評論的感知有用性。

在線問答評論的形式是一問多答，每組評論都以提出的問題為中心進(jìn)行回答，因此，當(dāng)一個問題收到的回復(fù)反饋數(shù)量較多時，一方面會造成一種流行的趨勢，另一方面強(qiáng)調(diào)這個問題的重要性。由此提出假設(shè)。

H2b：在線問答評論反饋數(shù)量正向影響評論的感知有用性。

3 數(shù)據(jù)獲取與分析

3.1 量表與數(shù)據(jù)獲取

根據(jù)已有的成熟量表設(shè)計(jì)了此次研究的量表。根據(jù)鄭小平[25]、Gorla等[26]的研究并結(jié)合在線問答評論的自身特征，設(shè)計(jì)了在線問答評論質(zhì)量的5個題項(xiàng);在線問答評論情感傾向由于是一個總的指標(biāo)，根據(jù)張小娟[27]的研究設(shè)置了1個題項(xiàng);參考王軍等[28]及楊海娟[16]的研究設(shè)計(jì)了在線問答評論一致性的3個測量題項(xiàng);根據(jù)問答回帖數(shù)等相關(guān)研究設(shè)計(jì)了在線問答評論總量的2個測量題項(xiàng)以及反饋數(shù)量的3個測量題項(xiàng);借鑒Davis等[12]的量表設(shè)計(jì)了在線問答評論感知有用性的3個測量題項(xiàng)。以淘寶平臺實(shí)際的在線問答圖片作為問卷引導(dǎo)，最終收集了有效問卷81份。回收的問卷中，男女占比分別為48.1%和51.9%，男女比例基本均等;年齡集中于18～30歲;以大專和本科生為主;且最近1個月的網(wǎng)購次數(shù)集中在3～10次。也就是說參與問卷的多為大學(xué)生且網(wǎng)購經(jīng)驗(yàn)較為豐富，多為網(wǎng)絡(luò)積極用戶，樣本有很好的代表性。

3.2 信效度分析

為了測試問卷測量量表的一致性，并說明設(shè)計(jì)的測量量表能夠穩(wěn)定地測量研究結(jié)果，進(jìn)行了信度分析。采用內(nèi)部一致性信度來進(jìn)行度量，用克隆巴赫系數(shù)來標(biāo)注信度的結(jié)果。如果系數(shù)在0.700以上說明問卷的單項(xiàng)信度可以接受，整體信度在0.800以上說明信度良好。運(yùn)用SPSS 24.0進(jìn)行信度分析，結(jié)果見表1。由表1可知，問卷各部分的信度基本在0.700以上，整體信度高于0.800，問卷整體的信度良好。

效度分析是為了鑒定問卷測量的準(zhǔn)確性，其目的是說明研究設(shè)計(jì)的測量量表對所要測量特質(zhì)能正確反映的程度。效度越高表明測量結(jié)果越與測量對象的真正特征相接近。本研究采用KMO值和Bartlett球形檢驗(yàn)進(jìn)行驗(yàn)證。效度檢驗(yàn)結(jié)果見表2。由表2可知，KMO值為0.776，Bartlett球形度檢驗(yàn)顯著性P為0，說明問卷結(jié)構(gòu)效度良好，適合進(jìn)行后續(xù)分析。

3.3 分層回歸分析

在驗(yàn)證各因素對感知有用性的影響時用SPSS 24.0對各個變量進(jìn)行層次回歸。在模型1中放入中樞路徑變量類因素在線問答評論質(zhì)量（X1）、在線問答評論情感傾向（X2）和在線問答評論一致性（X3）;在模型2中放入邊緣路徑變量類因素在線問答評論總量（X4）、在線問答評論反饋數(shù)量（X5），得到結(jié)果如表3所示。

由表3可知，2個回歸模型顯著性檢驗(yàn)P都小于0.05，共線性方面均滿足要求，說明不同的在線問答評論特征都對問答評論感知有用性產(chǎn)生顯著的影響。當(dāng)模型1中只有中樞路徑因素時，這時回歸關(guān)系可以解釋問答評論感知有用性29.1%的變異;當(dāng)在模型中加入邊緣路徑因素時如模型2所示，此時模型解釋力度為40.9%，模型的解釋力度顯著提高了11.8%（ΔR2=0.118，P<0.05），也就是說邊緣路徑變量的加入使得R2增加了11.8%。也說明中樞路徑類因素對因變量的影響比邊緣路徑類更大。此外，由模型2可知，在線問答評論質(zhì)量、評論情感傾向、評論一致性、問答評論總量、問答評論反饋數(shù)量正向影響感知有用性（β=0.424，P<0.05;β=0.142，P<0.05;β=0.160，P<0.05;β=0.255，P<0.05;β=0.129，P<0.05），驗(yàn)證了假設(shè)H1a、H1b、H1c、H2a、H2b。此外，5個自變量的β值由大到小依次是在線問答評論質(zhì)量、在線問答評論總量、在線問答評論一致性、在線問答評論情感傾向、在線問答評論反饋數(shù)量。可見在線問答評論質(zhì)量對感知有用性的影響程度遠(yuǎn)大于其他的自變量，再次說明在線問答中樞路徑變量比邊緣路徑變量有更大的影響力。

4 結(jié)論與建議

4.1 結(jié)論

參考網(wǎng)絡(luò)口碑以及在線評論的相關(guān)文獻(xiàn)，研究了在線問答評論特征中評論質(zhì)量、在線評論情感傾向、在線評論一致性、在線評論總量、在線評論反饋數(shù)量5個變量對感知有用性的影響，具體結(jié)論如下。

1）在線問答評論質(zhì)量顯著正向影響感知有用性。說明問答評論質(zhì)量越高，消費(fèi)者主觀感知的有用性就越高，假設(shè)H1a得到證實(shí)。層次回歸模型中，在線問答評論質(zhì)量的標(biāo)準(zhǔn)化系數(shù)為0.424，在所有自變量中數(shù)值最大，說明其對感知有用性的影響最大。問答評論質(zhì)量是對評論內(nèi)容本身的評價，可以通過相關(guān)性、易懂性、豐富性、可信度等方面為用戶提供關(guān)于產(chǎn)品的信息，從而滿足用戶的需求，提高用戶的感知有用性。

2）在線問答評論情感傾向正向影響用戶感知有用性。在層次回歸分析中，其系數(shù)為0.142，假設(shè)H1b得到證實(shí)。這主要與用戶瀏覽在線問答評論時所保持的情感有關(guān)，用戶大多數(shù)是因?yàn)閷Ξa(chǎn)品產(chǎn)生了興趣才會具體看問答評論，此時較易被符合自身情緒的評論吸引，認(rèn)為其更有用。

3）在線問答評論一致性正向影響用戶感知有用性。在回歸層次分析中，其系數(shù)為0.160，假設(shè)H1c得到證實(shí)。問答評論一致性指的是用戶在閱讀評論時感知到的消費(fèi)者對于同一問題的觀點(diǎn)一致性，因?yàn)槿藗兏讓Ρ欢鄶?shù)人認(rèn)可的事情表現(xiàn)認(rèn)同，當(dāng)用戶發(fā)現(xiàn)對同一主題的問題回答觀點(diǎn)高度一致時，會在潛意識中產(chǎn)生認(rèn)可，從而增加感知有用性。此外，不一致的評論會導(dǎo)致用戶難以進(jìn)行診斷，因此可能會產(chǎn)生認(rèn)知失調(diào)從而降低對其有用性的感知。因此，評論的一致性越高，其感知有用性越大。

4）在線問答評論總量體現(xiàn)了產(chǎn)品的知曉效應(yīng)，問答評論總量越多說明該產(chǎn)品越流行，越易激發(fā)用戶對總體評論的感知有用性。在回歸模型中其系數(shù)為0.255，是除了在線問答評論質(zhì)量外系數(shù)最高的自變量，說明其對于評論感知有用性的影響較大，假設(shè)H2a得到證實(shí)。

5）在線問答評論反饋數(shù)量顯著正向影響感知有用性。在回歸模型2中，其系數(shù)為0.129，假設(shè)H2b得到證實(shí)，說明問答評論得到的來自其他消費(fèi)者、商家的回復(fù)討論數(shù)量越多，用戶越感知其有用。在問答評論系統(tǒng)中，消費(fèi)者能夠?qū)υu論進(jìn)行有用性投票，也可以就自己感興趣的評論進(jìn)行交流。如果1條評論的反饋數(shù)量很多，說明有更多的人關(guān)注這個話題，展示了話題的熱度，而且會引起后來消費(fèi)者的討論聚集，某種程度上反映了問答評論影響力的大小。

4.2 建議

1）設(shè)置平臺在線問答推薦模板及提煉整體指標(biāo)。通過以上研究發(fā)現(xiàn)問答評論質(zhì)量是影響感知有用性的最重要因素，所以一定要以其為抓手提升消費(fèi)者感知有用性，而評論質(zhì)量主要包括相關(guān)性、可靠性、豐富性、易讀性等方面。①設(shè)置平臺推薦問答模板。根據(jù)研究結(jié)論可知評論情感傾向以及問答評論質(zhì)量顯著正向影響評論感知有用性，故可以將平臺推薦提問格式設(shè)置為“您對該產(chǎn)品的情感態(tài)度是正面/負(fù)面/中立”“您認(rèn)為該產(chǎn)品在味道/舒適/內(nèi)容/好用度/好看等（體驗(yàn)型產(chǎn)品維度）或者在容量/質(zhì)量/電量/發(fā)熱/耐用等（搜索型產(chǎn)品維度）方面怎么樣”兩個維度，將平臺推薦回答格式細(xì)化為兩個維度“我對該產(chǎn)品持正面/負(fù)面/中立態(tài)度”“主要是因?yàn)樵摦a(chǎn)品在味道/舒適/內(nèi)容/好用度/好看等（體驗(yàn)型產(chǎn)品維度）或者在容量/質(zhì)量/電量/發(fā)熱/耐用等（搜索型產(chǎn)品維度）等方面怎么樣”。②在線問答評論一致性、評論總量及評論反饋數(shù)量正向影響感知有用性，這些指標(biāo)多是整體性指標(biāo)，現(xiàn)有的在線問答平臺中問答評論一致性、評論反饋數(shù)量并沒有被提煉出來，而是需要消費(fèi)者自我感知。因此，平臺可以根據(jù)從推薦的評論模板收集的數(shù)據(jù)中提煉出這些指標(biāo)給消費(fèi)者提供關(guān)于在線問答評論的整體感知。對于在線問答評論一致性，可以根據(jù)消費(fèi)者回答模板中的第一個維度“我對該產(chǎn)品持正面/負(fù)面/中立態(tài)度”的分析得出，得出如“90%的消費(fèi)者對該產(chǎn)品持正面觀點(diǎn)”等一致性指標(biāo);對于評論總量，系統(tǒng)可以通過簡單的設(shè)置計(jì)算出該產(chǎn)品所有的評論總量;對于評論反饋數(shù)量，平臺可以分析出該組問答評論中共有多少回答并進(jìn)行標(biāo)注。

2）引導(dǎo)消費(fèi)者在線問答評論的方向。一般來說問答評論的方向與消費(fèi)者感知產(chǎn)品質(zhì)量有關(guān)，正面問答評論能夠促進(jìn)消費(fèi)者購買意愿，負(fù)面問答評論會增強(qiáng)消費(fèi)者對產(chǎn)品的不滿，而評論整體越傾向于正面，消費(fèi)感知的有用性越高，所以商家或平臺可以引導(dǎo)消費(fèi)者在線問答評論的方向。①保證產(chǎn)品質(zhì)量，提升服務(wù)水平。產(chǎn)品質(zhì)量和服務(wù)水平是影響在線問答評論傾向的主要原因，同時也是消費(fèi)者主要關(guān)注的2個維度。電子商務(wù)企業(yè)只有保證產(chǎn)品質(zhì)量并提升服務(wù)水平，才能夠提高消費(fèi)感知價值，從而塑造正面的情感傾向。最終使企業(yè)獲得良好的信譽(yù)，從而吸引更多的用戶。②賣家及時進(jìn)行正面回復(fù)引導(dǎo)。在線問答評論是主題式評論，提供了商家進(jìn)行回復(fù)的平臺，因此商家一方面要及時對問題進(jìn)行正面回復(fù)，使消費(fèi)者在瀏覽評論時首先獲取正面評論的第一印象;另一方面商家需要及時參與其他消費(fèi)者的問答，對負(fù)面問答進(jìn)行解釋說明，沖淡負(fù)面在線問答評論帶來的負(fù)面影響。

參考文獻(xiàn)：

[1] CHEUNG C M K， THADANI D R. The impact of electronic word-of-mouth communication： A literature analysis and integrative model[J]. Decision support systems， 2012， 54（1）：461-470.

[2] PICAZO-VELA S， CHOU S Y， MELCHER A J， et al. Why provide an online review？An extended theory of planned behavior and the role of big five personality traits[J]. Computers in human behavior， 2010， 26（4）：685-696.

[3] 朱麗葉， 袁登華， 張靜宜. 在線用戶評論質(zhì)量與評論者等級對消費(fèi)者購買意愿的影響——產(chǎn)品卷入度的調(diào)節(jié)作用[J]. 管理評論， 2017， 29（2）：87-96.

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

[5] 陳梅梅， 董平軍. 中國網(wǎng)絡(luò)消費(fèi)者行為特征[J]. 中國流通經(jīng)濟(jì)， 2017， 31（2）：80-85.

[6] GODES D， MAYZLIN D. Using online conversations to study word-of-mouth communication[M]. INFORMS， 2004， 23（4）， 545-560.

[7] 王 寧， 宋嘉瑩， 楊學(xué)成. C2C電商平臺中在線評論偏離真實(shí)性的誘因及應(yīng)對策略[J]. 軟科學(xué)， 2017， 31（4）：100-103.

[8] MENG Y， WANG H， ZHENG L. Impact of online word-of-mouth on sales： The moderating role of product review quality[J]. New review in hypermedia & multimedia， 2018， 24（1）：1-27.

[9] CHATTERJEE P. Online reviews： Do consumers use them？[J]. Advance of consumer research， 2001，28：129-134.

[10] CHEN Y B， XIE J H. Online consumer review： Word-of-mouth as a new element of marketing communication mix[J]. Management science， 2008， 54（3）：477-491.

[11] 李楓林， 劉昌平， 胡 媛. 網(wǎng)絡(luò)消費(fèi)者在線評論搜尋行為研究[J].情報科學(xué)，2012，30（5）：720-724.

[12] DAVIS F D， BAGOZZI R P，WARSHAW P R. User acceptance of computer technology： A comparison of two theoretical models[J]. Management science， 1989， 35（8）： 982-1003.

[13] SUSSMAN S W， SIEGAL W S. Informational influence in organizations： An integrated approach to knowledge adoption[J]. Information systems research， 2003， 14（1）：47-65.

[14] MUDAMBI S M， SCHUFF D. What makes a helpful review？ A study of customer reviews on Amazon. Com[J]. MIS Quarterly，2010， 34（1）：185-200.

[15] 郝媛媛， 葉 強(qiáng)， 李一軍. 基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J]. 管理科學(xué)學(xué)報， 2010， 13（8）：78-88，96.

[16] 楊海娟. 綜合性問答網(wǎng)站用戶信息采納意愿影響因素實(shí)證研究——基于信息性社會影響和規(guī)范性社會影響的視角[J]. 現(xiàn)代情報， 2017， 37（10）：42-48.

[17] ZHANG K Z K， CHEUNG C M K， LEE M K O. Examining the moderating effect of inconsistent reviews and its gender differences on consumers' online shopping decision[J]. International journal of information management，2014，34（2）：89-98.

[18] CHEVALIER J A，MAYZLIN D. The effect of word of mouth on sales：Online book reviews[J]. Journal of marketing research， 2006，43（3）：345-354.

[19] HO-DAC N N，CARSON S J，MOORE W L. The effects of positive and negative online customer reviews： Do brand strength and category maturity matter？[J]. Journal of marketing，2013，77（6）：37-53.

[20] 孫春華， 劉業(yè)政. 網(wǎng)絡(luò)口碑對消費(fèi)者信息有用性感知的影響[J].情報雜志， 2009， 28（10）：51-54.

[21] GODES D，MAYZLIN D. Using online conversations to study word-of-mouth communication[J]. Marketing science， 2004，23（4）：545-560.

[22] 盧向華，馮 越. 網(wǎng)絡(luò)口碑的價值——基于在線餐館點(diǎn)評的實(shí)證研究[J]. 管理世界， 2009（7）：126-132，171.

[23] 龔詩陽， 劉 霞， 趙 平. 線上消費(fèi)者評論如何影響產(chǎn)品銷量——基于在線圖書評論的實(shí)證研究[J]. 中國軟科學(xué)， 2013（6）：171-183.

[24] 李 健. 在線商品評論對產(chǎn)品銷量影響研究[J]. 現(xiàn)代情報， 2012， 32（1）：164-167.

[25] 鄭小平. 在線評論對網(wǎng)絡(luò)消費(fèi)者購買決策影響的實(shí)證研究[D].北京： 中國人民大學(xué)， 2008.

[26] GORLA N， SOMERS T M， WONG B. Organizational impact of system quality， information quality， and service quality[J]. Journal of strategic information systems， 2010， 19（3）：207-228.

[27] 張小娟. 在線評論情感傾向?qū)︻櫩唾徺I意愿的影響研究[D]. 上海：上海工程技術(shù)大學(xué)， 2016.

[28] 王 軍， 周淑玲. 一致性與矛盾性在線評論對消費(fèi)者信息采納的影響研究——基感知有用性的中介作用和自我效能的調(diào)節(jié)作用[J].圖書情報工作， 2016， 60（22）：94-101.