余俊橙 李梓奇
摘要:[目的/意義]在線評(píng)論是閱讀社區(qū)用戶知識(shí)交流的重要載體,為幫助閱讀社區(qū)更好地完善評(píng)論系統(tǒng)和提高書評(píng)有用性,探索在線互動(dòng)在圖書評(píng)論有用性中的中介作用,有助于進(jìn)一步挖掘在線評(píng)論的價(jià)值。[方法/過程]以IAM模型為基礎(chǔ),構(gòu)建IAM-I在線閱讀社區(qū)評(píng)論有用性影響因素模型,采用OLS回歸和Bootstrap中介檢驗(yàn),探討評(píng)論信息特征和評(píng)論者特征對(duì)評(píng)論有用性的作用機(jī)制以及在線互動(dòng)的中介效應(yīng)。[結(jié)果/結(jié)論]研究發(fā)現(xiàn),評(píng)論信息特征和評(píng)論者特征能夠影響在線互動(dòng),在線互動(dòng)在文本長(zhǎng)度特征和評(píng)論有用性的作用關(guān)系中發(fā)揮完全中介作用,在評(píng)論者特征與評(píng)論有用性的作用關(guān)系中發(fā)揮部分中介作用,即在線閱讀社區(qū)可以通過鼓勵(lì)在線互動(dòng)來提高評(píng)論有用性。
關(guān)鍵詞:評(píng)論有用性 ? ?影響因素 ? ?在線互動(dòng) ? ?中介 ? ?在線閱讀社區(qū)
分類號(hào):G203
引用格式:余俊橙, 李梓奇. 基于IAM-I模型的在線閱讀社區(qū)評(píng)論有用性研究[J/OL]. 知識(shí)管理論壇, 2022, 7(1): 12-23[引用日期]. http://www.kmf.ac.cn/p/271/.
1 ?引言
在線閱讀社區(qū)作為一種典型的興趣型網(wǎng)絡(luò)社區(qū),旨在將具有共同閱讀興趣愛好的用戶聚集其中,進(jìn)行知識(shí)的交流與創(chuàng)新,形成一種以“閱讀文化認(rèn)同”為中心的虛擬共同體[1]。在在線閱讀社區(qū)知識(shí)互動(dòng)過程中,伴隨產(chǎn)生了大量的圖書評(píng)論,其既反映了用戶關(guān)心哪些讀物、談及哪些話題,同時(shí)也表達(dá)了用戶對(duì)圖書內(nèi)容的心得與見解,具有重要的價(jià)值。圖書在線評(píng)論有用性是指圖書評(píng)論對(duì)用戶提高知識(shí)水平與認(rèn)知能力的有用程度[2-3]。圖書在線評(píng)論有用性越高,在線閱讀社區(qū)的用戶體驗(yàn)就越高,更能激發(fā)“閱讀文化共同體”的活力。在線評(píng)論有用性研究可以幫助用戶快速識(shí)別有用的書評(píng)信息,降低其搜索成本,從而促進(jìn)知識(shí)交流。目前研究主要集中于商業(yè)社區(qū)評(píng)論有用性的研究[4-12],對(duì)在線閱讀社區(qū)評(píng)論有用性探究較少,且缺乏對(duì)中介變量的研究。找到在線互動(dòng)這類中介變量,有助于深入了解用戶評(píng)論信息處理過程。不僅能拓展閱讀社區(qū)評(píng)論有用性的現(xiàn)有理論框架,而且在未來實(shí)踐中能對(duì)閱讀型社區(qū)未來需提升的維度和發(fā)展方向提供指導(dǎo)作用。信息采納模型(Information Adoption Model, IAM) 認(rèn)為信息質(zhì)量和信息源可信度可以直接影響感知有用性,進(jìn)而間接影響信息采納,其從信息視角指出兩條路徑,即感知有用性受到信息質(zhì)量和信息源可信度兩方面的影響。但是以IAM模型為基礎(chǔ)的研究?jī)H從評(píng)論信息和評(píng)論者兩方面考慮評(píng)論有用性,缺乏對(duì)在線互動(dòng)信息因素的考慮。在閱讀評(píng)論社區(qū)中,在線互動(dòng)作為社區(qū)中知識(shí)流動(dòng)的媒介,不僅可以拉近用戶和評(píng)論者之間的距離,還能通過平臺(tái)共享知識(shí)信息,有效解決用戶閱讀圖書評(píng)論過程中的疑問,加快用戶獲取信息的速度,從而提高在線評(píng)論有用性。定位哪些因素對(duì)在線互動(dòng)存在直接影響,有助于平臺(tái)建立合理的獎(jiǎng)勵(lì)機(jī)制以鼓勵(lì)用戶進(jìn)行在線互動(dòng),進(jìn)而提高用戶對(duì)圖書評(píng)論感知有用性。
本文聚焦于閱讀社區(qū)情境,在IAM模型基礎(chǔ)上,構(gòu)建IAM-I模型以探討在線互動(dòng)對(duì)在線有用性的影響。具體而言,本研究試圖探討以下問題:①評(píng)論信息特征和評(píng)論者特征對(duì)在線互動(dòng)的直接影響;②評(píng)論信息特征和評(píng)論者特征經(jīng)過在線互動(dòng)間接影響在線評(píng)論有用性的內(nèi)在機(jī)制。
2 ?文獻(xiàn)回顧與理論基礎(chǔ)
2.1 ?在線評(píng)論有用性影響因素研究
現(xiàn)有關(guān)于在線評(píng)論的研究包括商業(yè)情境和非商業(yè)情境下(如問答社區(qū)等) 的研究。研究多從評(píng)論信息特征、評(píng)論者特征、產(chǎn)品屬性以及平臺(tái)操控4個(gè)方面進(jìn)行探索。
評(píng)論信息特征主要包括文本外部特征和內(nèi)容特征,其中文本外部特征主要包括文本長(zhǎng)度、評(píng)論可讀性、評(píng)論圖片數(shù)量等,內(nèi)容特征主要包括文本情感傾向、評(píng)論豐富度等。K. K. Y. Kuan等研究發(fā)現(xiàn)評(píng)論長(zhǎng)度和評(píng)論可讀性正向影響評(píng)論有用性[4]。彭麗徽等認(rèn)為在一定的閾值范圍內(nèi),圖片的數(shù)量越多,有用性越高[5]。郝媛媛等研究證實(shí)在線評(píng)論內(nèi)容正向情感傾向越大,評(píng)論的有用性越高[2]。陳在飛等發(fā)現(xiàn)信息越豐富的評(píng)論,越容易獲得有用投票[6]。評(píng)論者特征主要包括評(píng)論者聲譽(yù)和評(píng)論者專業(yè)性。K. K. Y. Kuan等研究發(fā)現(xiàn)包含評(píng)論者信譽(yù)的評(píng)論信息對(duì)評(píng)論有用性具有正向影響[4]。S. Karimia等證實(shí)評(píng)論者個(gè)人資料圖像對(duì)評(píng)論有用性具有顯著影響[7]。C. Forman研究發(fā)現(xiàn)評(píng)論者個(gè)人信息披露對(duì)評(píng)論有用性有顯著影響[8]。覃亮研究發(fā)現(xiàn)評(píng)論者的外向網(wǎng)絡(luò)中心度和內(nèi)向網(wǎng)絡(luò)質(zhì)量正向作用于評(píng)論有用性[9]。Z. W. Liu 和 S. Park 經(jīng)過研究證實(shí),專業(yè)性越高的評(píng)論者越能發(fā)表更具有用性的信息[10]?,F(xiàn)有研究對(duì)產(chǎn)品屬性特征主要考慮體驗(yàn)型和搜索型產(chǎn)品,如張艷輝等研究發(fā)現(xiàn)體驗(yàn)型產(chǎn)品中,追加評(píng)論、賣家回復(fù)對(duì)在線評(píng)論有用性的作用更加明顯,在搜索型產(chǎn)品中,上傳圖片對(duì)在線評(píng)論有用性的作用更加明顯[11];王智生等發(fā)現(xiàn)商品類型在商品評(píng)論極性對(duì)評(píng)論有用性投票的影響關(guān)系中起到調(diào)節(jié)作用[12]。此外,還有學(xué)者從用戶對(duì)不同品牌聲譽(yù)的感知角度對(duì)在線評(píng)論有用性的影響因素展開研究,如彭麗徽等研究發(fā)現(xiàn),對(duì)于品牌聲譽(yù)高的商品,正向評(píng)價(jià)比負(fù)向評(píng)價(jià)更有用[5]。還有研究發(fā)現(xiàn)平臺(tái)操控也會(huì)對(duì)在線評(píng)論有用性產(chǎn)生影響,其中平臺(tái)操控包括直接平臺(tái)操控(即電商平臺(tái)進(jìn)行評(píng)論推薦)和間接平臺(tái)操控(即系統(tǒng)改變?cè)u(píng)論顯示順序),有研究發(fā)現(xiàn)直接系統(tǒng)操控正向作用于單條評(píng)論的有用性,并且由于間接系統(tǒng)操控的存在,使得排在前面而非后面的評(píng)論有用性更高[9]。
綜上所述,現(xiàn)有文獻(xiàn)已經(jīng)采用調(diào)查問卷數(shù)據(jù)和二手?jǐn)?shù)據(jù)考察了在線評(píng)論有用性的影響因素,但是仍然存在不足之處。①現(xiàn)有文獻(xiàn)借助二手?jǐn)?shù)據(jù)探討了評(píng)論有用性影響要素,多數(shù)學(xué)者從產(chǎn)品類型角度來探究其在評(píng)論有用性中的調(diào)節(jié)機(jī)制[13],現(xiàn)有文獻(xiàn)已經(jīng)考察了在線互動(dòng)信息對(duì)在線評(píng)論有用性的直接影響,但是尚未深入挖掘在線互動(dòng)信息對(duì)在線評(píng)論有用性的重要影響機(jī)制,探究其在在線評(píng)論有用性中的中介效應(yīng)。②現(xiàn)有研究尚未在一個(gè)理論框架下,結(jié)合在線互動(dòng)探討評(píng)論信息特征和評(píng)論者特征對(duì)在線評(píng)論有用性的影響效應(yīng)。③現(xiàn)有研究多針對(duì)商業(yè)社區(qū)圖書評(píng)論進(jìn)行研究,缺少對(duì)閱讀社區(qū)圖書評(píng)論有用性的研究,閱讀社區(qū)與商業(yè)社區(qū)的圖書評(píng)論不同,商業(yè)社區(qū)圖書評(píng)論針對(duì)產(chǎn)品外部質(zhì) 量,而閱讀社區(qū)圖書評(píng)論針對(duì)圖書內(nèi)容質(zhì)量,研究閱讀社區(qū)圖書評(píng)論有用性能夠啟發(fā)系統(tǒng)管理者對(duì)其中所包含隱形知識(shí)的挖掘,提升閱讀社區(qū)質(zhì)量,促進(jìn)知識(shí)交流。
2.2 ?IAM在評(píng)論有用性中的相關(guān)研究
IAM模型由S. W. Sussman和W. S. Siegal在2003年提出,該模型認(rèn)為信息質(zhì)量和信息源的可靠性直接影響信息有用性[14]。該模型指出信息質(zhì)量和信息源可信度是說服個(gè)人態(tài)度形成和改變的兩種思考路徑,其中,信息質(zhì)量是根據(jù)因果邏輯做出縱深性的推演思考,信息源可信度則主要關(guān)注環(huán)境因素和表征性線索[15]。個(gè)體在接收到信息之后,可選擇從信息質(zhì)量路徑或者信息源路徑或者采用兩種路徑結(jié)合的方式,對(duì)信息有用性進(jìn)行判斷?,F(xiàn)有研究大多基于IAM模型,從信息質(zhì)量和信息源可靠性兩方面來研究評(píng)論有用性影響因素。S. Karimi等研究發(fā)現(xiàn)在評(píng)論特征調(diào)節(jié)下,評(píng)論者個(gè)人資料圖像對(duì)評(píng)論有用性具有正面影響[7]。S. S. Zhou等研究評(píng)論順序?qū)υu(píng)論信息特征和評(píng)論者特征的調(diào)節(jié)作用[16]。M. Siering等從評(píng)論內(nèi)容相關(guān)信號(hào)和評(píng)論者相關(guān)信號(hào)來探究評(píng)論有用性影響[17]。黃衛(wèi)來等基于IAM模型納入應(yīng)用背景因素探究評(píng)論有用性影響[18]。殷國(guó)鵬等從社會(huì)網(wǎng)絡(luò)視角來探討評(píng)論本身特征和評(píng)論者要素對(duì)評(píng)論有用性的影響[19]。張艷輝等以IAM為基礎(chǔ)探究信息質(zhì)量對(duì)淘寶評(píng)論有用性的影響[20]。在線閱讀社區(qū)中,很多用戶都參與圖書評(píng)論有用性投票,閱讀社區(qū)用戶進(jìn)行評(píng)論信息處理的過程是典型的信息處理過程,這與IAM模型的應(yīng)用場(chǎng)景基本一致,用戶既可以參考圖書評(píng)論的內(nèi)容信息,也可以依據(jù)圖書評(píng)論的評(píng)論者信息進(jìn)行分析,進(jìn)而完成圖書評(píng)論有用性投票。但隨著評(píng)論系統(tǒng)的完善和在線互動(dòng)形式的興起,鮮有研究考慮在線互動(dòng)因素對(duì)在線評(píng)論的影響,在線互動(dòng)作為閱讀社區(qū)評(píng)論系統(tǒng)中的重要信息,包含大量有價(jià)值的知識(shí),對(duì)評(píng)論有用性有著重要影響,基于此,本研究將探究在線互動(dòng)在評(píng)論信息特征和評(píng)論者特征中對(duì)評(píng)論有用性影響的作用機(jī)制。
3 ?基于IAM-I模型的在線閱讀社區(qū)評(píng)論有用性模型構(gòu)建
社會(huì)互動(dòng)理論 (Social Interaction Theory) 是社會(huì)心理學(xué)理論之一,其概念來源于心理學(xué)中的社會(huì)學(xué)習(xí)理論。社會(huì)互動(dòng)是一種社會(huì)行動(dòng),人們通過社會(huì)之間的信息交流互動(dòng)影響對(duì)方,其可以用來解釋或表達(dá)對(duì)他人的行為意見。在網(wǎng)絡(luò)平臺(tái)中,互動(dòng)是指互動(dòng)雙方互換信息、彼此交流的過程[21]。
在線閱讀社區(qū)的社交互動(dòng)是社區(qū)中知識(shí)流動(dòng)的媒介,閱讀社區(qū)平臺(tái)的在線互動(dòng)功能可以拉近用戶和評(píng)論者之間的距離,社區(qū)用戶通過在線評(píng)論進(jìn)行交流,通過平臺(tái)共享知識(shí)信息,有效解決用戶閱讀書評(píng)過程中的疑問,從而使其他用戶產(chǎn)生額外收獲,加快用戶獲取信息的速度,從而提高在線評(píng)論有用性。F. R. Lin等發(fā)現(xiàn),知識(shí)在社區(qū)中不是自發(fā)形成的,而是通過成員自身與成員之間的主動(dòng)交流在社區(qū)中慢慢形成[22]。已有研究證實(shí),用戶從評(píng)論內(nèi)容信息和評(píng)論者信息來處理在線評(píng)論時(shí),會(huì)受到在線互動(dòng)信息的直接影響,增加其對(duì)評(píng)論的感知有用性[23]。
在線互動(dòng)信息是閱讀社區(qū)評(píng)論有用性的一個(gè)重要組成部分,包括豐富細(xì)致的圖書評(píng)論補(bǔ)充信息和評(píng)論者相互之間的觀點(diǎn)討論,閱讀社區(qū)中的在線互動(dòng)信息是由不同評(píng)論者通過發(fā)布在線圖書評(píng)論內(nèi)容,針對(duì)已有圖書評(píng)論進(jìn)一步評(píng)論而產(chǎn)生豐富的互動(dòng)信息?,F(xiàn)有研究發(fā)現(xiàn)商業(yè)社區(qū)中,在線互動(dòng)能夠增強(qiáng)消費(fèi)者的信任感,產(chǎn)生更多的信息處理行為,使其能主動(dòng)獲取更多的信息,對(duì)評(píng)論信息進(jìn)行進(jìn)一步加工處理,從而增強(qiáng)評(píng)論信息的說服力,影響用戶感知有用性[24]。有學(xué)者發(fā)現(xiàn)在線互動(dòng)直接影響評(píng)論感知有用性,研究表明評(píng)論反饋數(shù)量越多,閱讀者越能夠從這些信息中加深對(duì)商家和產(chǎn)品的了解,說明這條評(píng)論更加有用[25],且在線評(píng)論中的情感效價(jià)和媒介豐富性會(huì)對(duì)在線互動(dòng)產(chǎn)生顯著影響[26]。
根據(jù) IAM 模型,信息質(zhì)量和信息源可信度直接影響接收者對(duì)信息的感知有用性,筆者認(rèn)為信息采納模型同樣適用于探究評(píng)論信息特征和信息源特征對(duì)閱讀社區(qū)在線評(píng)論有用性的影響,其為在線閱讀社區(qū)書評(píng)有用性的研究提供了一種較好的解釋框架。因此,本研究模型借鑒信息采納模型的基本框架,并結(jié)合閱讀社區(qū)的特點(diǎn),加入第3個(gè)維度即在線互動(dòng),新提出IAM-I(Information Adoption Model-Interaction)模型,選擇前人文獻(xiàn)中評(píng)論信息特征中的文本長(zhǎng)度特征[27]和情感特征[28]、評(píng)論者特征中的評(píng)論者社會(huì)網(wǎng)絡(luò)特征[29-30]與評(píng)論者活躍度[31]作為自變量,引入在線互動(dòng)為中介變量,在線評(píng)論有用性為因變量,構(gòu)建概念模型,提出9個(gè)研究假設(shè),探討評(píng)論信息特征和評(píng)論者特征對(duì)在線互動(dòng)的影響及其通過在線互動(dòng)對(duì)閱讀社區(qū)在線評(píng)論有用性的間接影響路徑及程度。
3.1 ?主效應(yīng)分析
3.1.1 ?評(píng)論信息特征
文本長(zhǎng)度特征是指評(píng)論表述的篇幅,評(píng)論長(zhǎng)度屬于評(píng)論信息特征[27]。當(dāng)閱讀社區(qū)用戶在處理一條圖書評(píng)論文本時(shí),需要認(rèn)真分析,從中尋找自己所需要的信息,且隨著文本數(shù)量的增多,處理的復(fù)雜性也會(huì)提高,則需要花費(fèi)更多的時(shí)間精力。研究發(fā)現(xiàn),評(píng)論長(zhǎng)度越長(zhǎng),越能為用戶提供足夠多的信息去決策,消費(fèi)者對(duì)該評(píng)論的感知有用性越強(qiáng)[32]。因此,提出以下假設(shè):
H1:文本長(zhǎng)度特征正向影響在線評(píng)論有用性。
評(píng)論情感特征是指評(píng)論內(nèi)容的情感傾向,評(píng)論情感傾向可視作為評(píng)論信息特征之一[28]。用戶閱讀評(píng)論文本時(shí),需要整合信息的情感表達(dá),進(jìn)行系統(tǒng)思考和分析。根據(jù)情感一致性理論[33],當(dāng)用戶閱讀在線圖書評(píng)論時(shí),在決策過程中會(huì)更傾向于選擇與自己情感一致的評(píng)論信息進(jìn)行有用性投票。當(dāng)用戶面臨負(fù)面情感傾向的圖書評(píng)論時(shí),其評(píng)價(jià)標(biāo)準(zhǔn)是模糊的,由此導(dǎo)致負(fù)面評(píng)論對(duì)用戶感知有用性的參考價(jià)值較低。綜上,提出以下假設(shè):
H2:評(píng)論情感特征能夠正向影響閱讀社區(qū)用戶對(duì)在線評(píng)論的感知有用性,且正面情感比負(fù)面情感作用力強(qiáng)。
3.1.2 ?評(píng)論者特征
評(píng)論者社會(huì)網(wǎng)絡(luò)特征反映了社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)性特點(diǎn),如節(jié)點(diǎn)位置、連接關(guān)系等,主要采用粉絲數(shù)量和關(guān)注人數(shù)進(jìn)行衡量。用戶的粉絲數(shù)量能夠反映其在社會(huì)網(wǎng)絡(luò)中的節(jié)點(diǎn)位置,例如粉絲多的微博用戶擁有更多的社會(huì)資本,其發(fā)布內(nèi)容獲得的點(diǎn)贊數(shù)和閱讀量也越高[29,34];用戶對(duì)他人的關(guān)注同樣會(huì)帶來豐富的社會(huì)資本,對(duì)自身信息資源積累具有積極作用,也更易于強(qiáng)化其在網(wǎng)絡(luò)結(jié)構(gòu)中的交互關(guān)系[30]。例如豆瓣讀書平臺(tái)具有社交網(wǎng)絡(luò)特性,其用戶可以通過主動(dòng)關(guān)注他人來及時(shí)獲取感興趣的書評(píng)內(nèi)容,同時(shí)通過自己的粉絲進(jìn)行讀書評(píng)論的分享與傳播,由此形成社會(huì)網(wǎng)絡(luò)連接關(guān)系,并根據(jù)連接數(shù)量確定自身在網(wǎng)絡(luò)中的節(jié)點(diǎn)位置與影響力。因此,本文將評(píng)論者粉絲數(shù)和關(guān)注人數(shù)作為衡量其社會(huì)網(wǎng)絡(luò)特征的指標(biāo),提出如下假設(shè):
H3:評(píng)論者粉絲數(shù)能夠正向影響在線評(píng)論有用性;
H4:評(píng)論者關(guān)注數(shù)能夠正向影響在線評(píng)論有用性。
評(píng)論者活躍度是評(píng)論者特征之一,根據(jù)前人研究,評(píng)論者的歷史評(píng)論數(shù)量是衡量用戶的活躍度的重要指標(biāo)之一,即發(fā)表的評(píng)論數(shù)目越多,說明此用戶使用該平臺(tái)越頻繁,活躍程度也越高。相關(guān)研究證明評(píng)論數(shù)量的增加能夠影響消費(fèi)者對(duì)點(diǎn)評(píng)信息有用性的感知[31]。用戶通常會(huì)認(rèn)為活躍度較高的評(píng)論者對(duì)評(píng)論功能有較強(qiáng)的認(rèn)知度以及一定程度上會(huì)把點(diǎn)評(píng)作為一項(xiàng)事業(yè)來完成,即活躍度高的評(píng)論者愿意為別人的需求而做出貢獻(xiàn),并在內(nèi)在激勵(lì)機(jī)制的促使下,發(fā)布的信息也更加具有可靠性,用戶進(jìn)行有用性評(píng)價(jià)時(shí)會(huì)受到這些評(píng)論者的影響。因此,提出以下假設(shè):
H5:評(píng)論者活躍度能夠正向影響在線評(píng)論有用性。
3.2 ?在線互動(dòng)的中介效應(yīng)分析
用戶通過文本長(zhǎng)度特征和評(píng)論情感特征對(duì)評(píng)論內(nèi)容進(jìn)行初步判斷,以便決定是否進(jìn)一步溝通。文本長(zhǎng)度越長(zhǎng)和描述越詳細(xì)的評(píng)論,越容易使用戶產(chǎn)生信任態(tài)度,引起用戶信任,使用戶越想深入了解,從而產(chǎn)生互動(dòng)行為。在閱讀社區(qū)情景中,與正面情感評(píng)論相比,帶有負(fù)面情感的評(píng)論其評(píng)價(jià)標(biāo)準(zhǔn)是模糊的,對(duì)用戶感知有用性的參考價(jià)值較低,從而減少用戶對(duì)其繼續(xù)閱讀的興趣。與之相反,正面情感評(píng)論可以引起評(píng)論者與用戶之間的情感共鳴,增加用戶溝通欲望,基于此,提出以下假設(shè):
H6:文本長(zhǎng)度特征正向影響在線互動(dòng)。
H7:評(píng)論情感特征正向影響在線互動(dòng)。
評(píng)論者社會(huì)網(wǎng)絡(luò)特征和評(píng)論者活躍度普遍認(rèn)為是可以表示評(píng)論者可靠性的指標(biāo)[35-37]。對(duì)知識(shí)缺乏的消費(fèi)者來說,評(píng)論者粉絲多、關(guān)注人數(shù)多和歷史評(píng)論數(shù)多的評(píng)論者所發(fā)表的評(píng)論必然更有吸引力,會(huì)被感知為更有價(jià)值[35]。根據(jù)來源可靠性理論,有大量粉絲和大量關(guān)注人數(shù)的評(píng)論者被認(rèn)為建立了強(qiáng)大的關(guān)系網(wǎng)絡(luò),這些關(guān)系網(wǎng)絡(luò)的建立一方面為其拓寬了信息獲取的渠道,另一方面也幫助其獲得了更多的曝光量,其粉絲用戶都會(huì)在其發(fā)布評(píng)論的第一時(shí)間接收到動(dòng)態(tài)提示。這種社會(huì)資本的獲得使得其在虛擬的網(wǎng)絡(luò)環(huán)境中也積極地影響著感知信任[36-37],進(jìn)而導(dǎo)致評(píng)論者寫出的評(píng)論也更具有吸引力,且撰寫評(píng)論越多的人越更容易引起其他用戶與該評(píng)論者的評(píng)論在線互動(dòng)。因此,提出以下假設(shè):
H8:評(píng)論者粉絲數(shù)正向影響在線互動(dòng)。
H9:評(píng)論者關(guān)注數(shù)正向影響在線互動(dòng)。
H10:評(píng)論者活躍度正向影響在線互動(dòng)。
現(xiàn)有研究將用戶在未知情況下獲取信息的過程分為以下6個(gè)階段:開始、瀏覽、搜索、評(píng)價(jià)、集成和停止,并循環(huán)地獲取相關(guān)信息,以逐步消除情境空間的信息不確定性[38]。在搜索開始時(shí),由于個(gè)人尚不清楚信息背景和搜索目標(biāo)時(shí)需要迅速閱讀大量、粗略的信息來補(bǔ)充基本知識(shí);當(dāng)個(gè)人在閱讀相關(guān)信息形成基本概念后,將探索特定問題和目標(biāo),之后評(píng)估和分析所獲得的信息,進(jìn)而確定是否需要進(jìn)一步的信息搜索,最終系統(tǒng)地集成信息,并且其信息瀏覽和搜索行為彼此交替。閱讀社區(qū)中的用戶在其搜尋和閱讀評(píng)論信息時(shí),與信息搜索過程類似:用戶瀏覽在線評(píng)論(瀏覽)—尋找相關(guān)信息(搜索)—評(píng)估書評(píng)有用性(評(píng)估)[26],其中用戶仍然具有目標(biāo)領(lǐng)域、搜尋策略和搜尋目標(biāo)的不確定性,需要根據(jù)自己的目標(biāo)補(bǔ)充信息差,而在線互動(dòng)信息可以幫助用戶填補(bǔ)信息差,快速獲得有價(jià)值的信息。
在線評(píng)論中的評(píng)論信息特征和評(píng)論者特征,可以在一定程度上幫助用戶做出決策,然而只有這些線索來判斷圖書評(píng)論有用性是不夠充分的,在用戶獲取了這兩方面信息并且進(jìn)行信息處理后,還想要獲得更多相關(guān)信息時(shí),在線互動(dòng)可以作為信息補(bǔ)充的線索,使得用戶快速了解重要信息,從而判斷評(píng)論有用性,同時(shí)在線互動(dòng)通常具有高度目的性,可以有效地提高用戶對(duì)評(píng)論有用性。
因此,提出以下假設(shè):
H11:在線互動(dòng)在文本長(zhǎng)度特征和在線評(píng)論有用性的關(guān)系中發(fā)揮中介作用。
H12:在線互動(dòng)在評(píng)論情感特征和在線評(píng)論有用性之間發(fā)揮著中介作用。
H13:在線互動(dòng)在評(píng)論者粉絲數(shù)和在線評(píng)論有用性之間發(fā)揮著中介作用。
H14:在線互動(dòng)在評(píng)論者關(guān)注數(shù)和在線評(píng)論有用性之間發(fā)揮著中介作用。
H15:在線互動(dòng)在評(píng)論者活躍度和在線評(píng)論有用性之間發(fā)揮著中介作用。
綜上,本研究構(gòu)建在線閱讀社區(qū)評(píng)論有用性模型,如圖1所示:
4.1 ?數(shù)據(jù)收集和描述性統(tǒng)計(jì)
豆瓣讀書網(wǎng)作為一個(gè)綜合的知識(shí)交流網(wǎng)站,其以在線圖書評(píng)論的形式為用戶提供豐富參考信息,擁有豐富的用戶數(shù)量及評(píng)論數(shù)據(jù)。本文以豆瓣網(wǎng)上客觀存在的圖書在線評(píng)論為研究對(duì)象,來驗(yàn)證提出的模型和研究假設(shè)。TOP250是豆瓣讀書網(wǎng)的一個(gè)書評(píng)清單排名,筆者通過網(wǎng)絡(luò)爬蟲從豆瓣讀書TOP250網(wǎng)站上獲取圖書在線評(píng)論,通過數(shù)據(jù)清洗,剔除空白無效數(shù)據(jù),共獲得有效圖書評(píng)論數(shù)據(jù)10 073條,每條在線評(píng)論數(shù)據(jù)包括:評(píng)論內(nèi)容、評(píng)論回復(fù)數(shù)、評(píng)論者粉絲數(shù)、評(píng)論者關(guān)注數(shù)、評(píng)論者歷史評(píng)論數(shù)以及評(píng)論獲得的有用投票數(shù)。
筆者利用Python 3爬取數(shù)據(jù),共包含7個(gè)變量,其中包含5個(gè)自變量、1個(gè)因變量、1個(gè)中介變量。變量及其測(cè)量如表1所示。
其中描述性統(tǒng)計(jì)數(shù)據(jù)包含均值、標(biāo)準(zhǔn)差和方差,描述性統(tǒng)計(jì)和相關(guān)性分析如表2和表3所示??芍u(píng)論有用性與文本長(zhǎng)度特征(r=0.062,p<0.01)、評(píng)論情感特征(r=0.019,p<0.05)、評(píng)論者粉絲數(shù)(r=0.058,p<0.01)、評(píng)論者關(guān)注數(shù)(r=0.124,p<0.01)、在線互動(dòng)(r=0.904,p<0.01)均顯著正相關(guān)。在線互動(dòng)與文本長(zhǎng)度特征(r=0.066,p<0.01)、評(píng)論者粉絲數(shù)(r=0.073,p<0.01)、評(píng)論者關(guān)注數(shù)(r=0.125,p<0.01)均顯著正相關(guān),上述相關(guān)關(guān)系結(jié)果與研究假設(shè)基本一致,同時(shí),各變量之間的相關(guān)系數(shù)小于0.75,即變量間不存在嚴(yán)重的多重共線性問題。
4.2 ?結(jié)果分析
4.2.1 ?主效應(yīng)檢驗(yàn)
本研究通過OLS(Ordinary Least Squares)最小二乘線性回歸分析對(duì)研究假設(shè)進(jìn)行檢驗(yàn),表4結(jié)果顯示評(píng)論情感特征(β=0.011,p<0.01)、評(píng)論者粉絲數(shù)(β=-0.012,p<0.01)、評(píng)論者關(guān)注數(shù)(β=0.014,p<0.01)與在線評(píng)論有用性顯著相關(guān),文本長(zhǎng)度特征和評(píng)論者歷史評(píng)論數(shù)對(duì)評(píng)論有用性影響不顯著。假設(shè)H2和H4得到了驗(yàn)證,即正面情感評(píng)論更容易使閱讀社區(qū)用戶認(rèn)為評(píng)論有用、評(píng)論者關(guān)注數(shù)對(duì)在線評(píng)論具有用性正向影響;假設(shè)H3得到部分驗(yàn)證,即評(píng)論者粉絲數(shù)對(duì)在線評(píng)論有用性存在顯著影響,但是影響方向?yàn)樨?fù)。
文本長(zhǎng)度特征(β=0.058,p<0.01)、評(píng)論者粉絲數(shù)(β=0.114,p<0.01)、評(píng)論者關(guān)注數(shù)(β=-0.023,p<0.05)、評(píng)論者歷史評(píng)論數(shù)(β=0.058,p<0.01)與在線互動(dòng)顯著相關(guān)。假設(shè)H6、H8、H10得到了驗(yàn)證,即越長(zhǎng)的評(píng)論更容易引起閱讀社區(qū)用戶在線互動(dòng),評(píng)論者粉絲數(shù)和評(píng)論者歷史評(píng)論數(shù)正向影響在線互動(dòng);假設(shè)H9得到部分驗(yàn)證,即評(píng)論者關(guān)注數(shù)對(duì)在線評(píng)論互動(dòng)存在顯著影響,但是影響方向?yàn)樨?fù)。
4.2.2 ?Bootstrap中介效應(yīng)檢驗(yàn)
本研究采用偏差校正的百分位 Bootstrap方法,首先采用重復(fù)隨機(jī)抽樣的方法在原始數(shù)據(jù)中抽取5 000個(gè)Bootstrap 樣本,根據(jù)所提出假設(shè)模型,生成5 000個(gè)中介效應(yīng)的估計(jì)值,形成一個(gè)近似抽樣分布,將這些效應(yīng)值按數(shù)值大小排序,用2.5百分位和97.5百分位估計(jì)置信度為95%時(shí)中介效應(yīng)對(duì)應(yīng)的置信區(qū)間。如果該區(qū)間不包括0,則中介效應(yīng)顯著[39]。假設(shè)模型的中介效應(yīng)及顯著性檢驗(yàn)結(jié)果如表5所示。
Bootstrap 分析結(jié)果顯示,在線互動(dòng)的中介效應(yīng)置信區(qū)間分別為 [0.005 5,0.022 1] (文本長(zhǎng)度特征)、[0.077 2,0.196 4](評(píng)論者粉絲數(shù))、[0.002 4,0.013 3](評(píng)論者關(guān)注數(shù))、[-0.002 46,-0.000 1](評(píng)論者歷史評(píng)論數(shù)),每條路徑中介效應(yīng)的置信區(qū)間都沒有包括0,認(rèn)為在線互動(dòng)的中介效應(yīng)顯著。在文本長(zhǎng)度特征中,總效應(yīng)顯著(c=0.012 8,P>0.01),直接效應(yīng)不顯著,認(rèn)為在線互動(dòng)在文本長(zhǎng)度特征和評(píng)論有用性的關(guān)系中發(fā)揮完全中介作用,假設(shè)H11得到驗(yàn)證。在評(píng)論者粉絲數(shù)中,總效應(yīng)顯著(c=0.511 34,P>0.01),直接效應(yīng)顯著(c’=-0.017 2,P>0.05),在線互動(dòng)在評(píng)論情感特征和評(píng)論有用性的關(guān)系中發(fā)揮部分中介作用,假設(shè)H13得到驗(yàn)證。同理,評(píng)論者關(guān)注數(shù)總效應(yīng)顯著(c=0.006 4,P>0.01),直接效應(yīng)顯著(c’=0.000 6,P>0.01),且直接效應(yīng)值小于總效應(yīng)值,認(rèn)為在線互動(dòng)在評(píng)論者關(guān)注數(shù)和評(píng)論有用性的關(guān)系中發(fā)揮部分中介作用,假設(shè)H14得到驗(yàn)證。評(píng)論者歷史評(píng)論數(shù)中總效應(yīng)和直接效應(yīng)不顯著,但其中介效應(yīng)置信區(qū)間不包括0,認(rèn)為在線互動(dòng)在評(píng)論者歷史評(píng)論數(shù)和評(píng)論有用性的關(guān)系中發(fā)揮部分中介作用,假設(shè)H15得到驗(yàn)證。
5 ?結(jié)論與啟示
5.1 ?研究結(jié)論
本研究基于社會(huì)互動(dòng)理論,構(gòu)建在線互動(dòng)IAM-I模型,考慮中介變量在線互動(dòng)對(duì)結(jié)果變量在線評(píng)論有用性的影響效應(yīng)和作用機(jī)制,結(jié)合理論假設(shè)驗(yàn)證情況,提取包括用戶感知有用性的直接路徑和間接路徑,具體包括如下路徑:直接路徑(主效應(yīng))——評(píng)論信息特征和評(píng)論者特征—在線評(píng)論有用性;間接路徑(中介效應(yīng))——評(píng)論信息特征和評(píng)論者特征—在線互動(dòng)—在線評(píng)論有用性。通過10 073條豆瓣讀書網(wǎng)有效數(shù)據(jù)實(shí)證研究結(jié)果表明:①評(píng)論信息特征和評(píng)論者特征均對(duì)在線圖書評(píng)論有用性具有顯著作用;②評(píng)論信息特征和評(píng)論者特征對(duì)在線互動(dòng)具有顯著影響;③在線互動(dòng)在文本長(zhǎng)度特征、評(píng)論者社會(huì)網(wǎng)絡(luò)特征、評(píng)論者活躍度特征與在線評(píng)論有用性中發(fā)揮著中介作用,其中在線互動(dòng)在文本長(zhǎng)度特征和評(píng)論有用性的關(guān)系中發(fā)揮完全中介作用,在其余關(guān)系中發(fā)揮部分中介作用。研究進(jìn)一步解釋在線互動(dòng)對(duì)在線評(píng)論有用性的傳導(dǎo)機(jī)制,驗(yàn)證了在線互動(dòng)的中介效應(yīng),說明在線互動(dòng)在用戶信息處理過程中的重要作用,能夠使得閱讀社區(qū)明確在線互動(dòng)信息的重要性,能夠?yàn)榇龠M(jìn)閱讀社區(qū)知識(shí)交流提供更實(shí)際和廣泛的指導(dǎo)。
5.2 ?對(duì)閱讀社區(qū)用戶和評(píng)論系統(tǒng)的對(duì)策建議
本研究對(duì)閱讀社區(qū)用戶和評(píng)論系統(tǒng)管理的啟示在于以下兩個(gè)方面:
(1)對(duì)閱讀社區(qū)用戶的建議。閱讀社區(qū)用戶在閱讀書評(píng)時(shí),不僅可以參考評(píng)論信息和評(píng)論者信息,也應(yīng)該參考在線互動(dòng)信息來進(jìn)行綜合考慮;用戶可以側(cè)重考慮評(píng)論回復(fù)數(shù)、評(píng)論情感極性、評(píng)論者粉絲數(shù)、評(píng)論者關(guān)注數(shù)等影響有用性較強(qiáng)的因素,能夠幫助用戶快速?gòu)闹蝎@取有價(jià)值的信息,以便其參考;用戶應(yīng)該積極撰寫評(píng)論,從而增加評(píng)論的在線互動(dòng)信息,積極參加在線互動(dòng),對(duì)評(píng)論積極提問和回答,從而提供更多有價(jià)值的信息,提高在線評(píng)論有用性。
(2)對(duì)閱讀社區(qū)管理者的建議。用戶在參考在線書評(píng)做出決策時(shí),會(huì)根據(jù)評(píng)論者信息和評(píng)論內(nèi)容進(jìn)行判斷,評(píng)論系統(tǒng)可以把評(píng)論者信息顯示在較為顯眼的地方,以便用戶一目了然,系統(tǒng)也可以豐富評(píng)論者的相關(guān)信息,如評(píng)論者權(quán)威信息或者對(duì)評(píng)論者進(jìn)行等級(jí)排名,以便用戶擁有更多評(píng)論者的參考信息。系統(tǒng)在對(duì)閱讀社區(qū)在線評(píng)論進(jìn)行篩選和排序時(shí),可以考慮將在線互動(dòng)的數(shù)量、評(píng)論情感傾向、評(píng)論者相關(guān)信息納入排序系統(tǒng),以方便用戶進(jìn)行快速篩選和查找需要的信息,提高其感知有用性。研究發(fā)現(xiàn)文本長(zhǎng)度、評(píng)論者粉絲數(shù)和關(guān)注數(shù)、評(píng)論者歷史評(píng)論數(shù)均會(huì)影響在線互動(dòng),因此,平臺(tái)應(yīng)該鼓勵(lì)用戶多發(fā)表評(píng)論、發(fā)表長(zhǎng)評(píng)。本研究證明在線互動(dòng)在評(píng)論有用性中的中介作用,其中,在線互動(dòng)在文本長(zhǎng)度特征和評(píng)論有用性的關(guān)系中發(fā)揮完全中介作用,但是現(xiàn)有平臺(tái)關(guān)于在線互動(dòng)的信息還比較少,且多為用戶自發(fā)的互動(dòng),系統(tǒng)可以向用戶提供獎(jiǎng)勵(lì),鼓勵(lì)用戶多多參與在線互動(dòng),提高平臺(tái)用戶互動(dòng)熱情,或者提供更多形式的在線互動(dòng),進(jìn)而豐富在線互動(dòng)信息。
5.3 ?研究不足
本研究存在兩點(diǎn)不足:①僅從社會(huì)互動(dòng)的角度考慮在線互動(dòng)對(duì)評(píng)論有用性的中介作用,閱讀社區(qū)中可能還存在其他中介變量并作用于評(píng)論信息特征和評(píng)論者特征對(duì)在線閱讀社區(qū)評(píng)論有用性的影響;②研究沒有考慮評(píng)論中表情符號(hào)的影響因素,文本中表情符號(hào)包含豐富信息,可以在之后的研究中作進(jìn)一步深入分析。
參考文獻(xiàn):
李桂華.閱讀社區(qū)研究: 閱讀推廣視角的社群信息學(xué)研究實(shí)踐[J].圖書館論壇, 2017, 37(7): 33-40.
郝媛媛, 葉強(qiáng), 李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào), 2010, 13(8): 78-88, 96.
殷國(guó)鵬.消費(fèi)者認(rèn)為怎樣的在線評(píng)論更有用?——社會(huì)性因素的影響效應(yīng)[J].管理世界, 2012(12): 115-124.
KUAN K K Y, HUI K L, PRASARNPHANICH P, et al. What makes a review voted? an empirical investigation of review voting in online review systems[J].Journal of the Association for Information Systems, 2015, 16(1): 48-71.
彭麗徽, 李賀, 張艷豐, 等.基于品牌聲譽(yù)感知差異的在線評(píng)論有用性影響因素實(shí)證研究[J].情報(bào)科學(xué), 2017, 35(9): 159-164.
陳在飛, 徐峰.電子商務(wù)中在線評(píng)論有用投票數(shù)影響因素研究[J].現(xiàn)代情報(bào), 2014, 34(1): 18-22.
KARIMIA S, WANG F. Online review helpfulness: impact of reviewer profile image[J].Decision support systems, 2017, 96: 39-48.
FORMAN C, GHOSE A, WIESENFELD B. Examining the relationship between reviews and sales: the role of reviewer identity disclosure in electronic markets[J]. Information Systems Research, 2008, 19(3): 291-313.
覃亮.影響在線評(píng)論有用性的因素研究[D].大連: 大連理工大學(xué), 2017.
LIU Z W, PARK S. What makes a useful online review? implication for travel product websites[J].Tourism management, 2015, 47: 140-151.
張艷輝, 李宗偉.在線評(píng)論有用性的影響因素研究:基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].管理評(píng)論, 2016, 28(10): 123-132.
王智生, 李慧穎, 孫銳.在線評(píng)論有用性投票的影響因素研究——基于商品類型的調(diào)節(jié)作用[J].管理評(píng)論, 2016, 28(7): 143-153.
SUN X Y, HAN M X, FENG J. Helpfulness of online reviews: examining review informativeness and classification thresholds by search products and experience products[EB/OL].[2020-10-11].https: //www.sciencedirect.com/science/article/pii/S0167923619301289
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.
齊托托, 白如玉, 王天梅. 基于信息采納模型的知識(shí)付費(fèi)行為研究——產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn), 2021, 5 (12): 60-73.
ZHOU S S, GUO B. The order effect on online review helpfulness: a social influence perspective[J]. Decision support systems, 2017, 93: 77-87.
SIERING M, MUNTERMANN J, RAJAGOPALAN B. Explaining and predicting online review helpfulness: the role of content and reviewer-related signals[J]. Decision support systems, 2018, 108: 1-12.
黃衛(wèi)來, 潘曉波.在線商品評(píng)價(jià)信息有用性模型研究——納入應(yīng)用背景因素的信息采納擴(kuò)展模型[J].圖書情報(bào)工作, 2014, 58(S1): 141-151.
殷國(guó)鵬, 劉雯雯, 祝珊.網(wǎng)絡(luò)社區(qū)在線評(píng)論有用性影響模型研究——基于信息采納與社會(huì)網(wǎng)絡(luò)視角[J].圖書情報(bào)工作, 2012, 56(16): 140-147.
張艷輝, 李宗偉, 趙詣成.基于淘寶網(wǎng)評(píng)論數(shù)據(jù)的信息質(zhì)量對(duì)在線評(píng)論有用性的影響[J].管理學(xué)報(bào), 2017, 14(1), 77-85.
趙宏霞, 王新海, 周寶剛.B2C網(wǎng)絡(luò)購(gòu)物中在線互動(dòng)及臨場(chǎng)感與消費(fèi)者信任研究[J].管理評(píng)論, 2015, 27(2): 43-54.
LIN F R, LIN S C, HUANG T P. Knowledge sharing and creation in a teachers’ professional virtual communit[J].Computers & education, 2008, 50(3): 742-756.
申文瑞.電商網(wǎng)站在線評(píng)論的感知有用性影響因素研究[D].太原: 山西財(cái)經(jīng)大學(xué), 2018.
SUNDAR S S, BELLUR S, OH J, et al. User experience of on-screen interaction techniques: an experimental investigation of clicking, sliding, zooming, hovering, dragging, and flipping[J].Human-computer interaction, 2014, 29(2): 109-152.
劉潔.在線評(píng)論有用性的影響因素研究[D].北京: 首都經(jīng)濟(jì)貿(mào)易大學(xué), 2017.
HAN Y. Research on the factors influencing the usefulness of online reviews-mediating effect based on online interaction[J].Frontiers in economics and management, 2021, 2(3): 356-365.
BAEK H, AHN J H, CHOI Y. Helpfulness of online consumer reviews: readers’ objectives and review cues[J].International journal of electronic commerce, 2012, 17(2): 99-126.
PETTY R E, CACIOPPO J T. The elaboration likelihood model of persuasion[J].Advances in consumer research, 1986, 19: 123-205.
WANG G, GILL K, MOHANLAL M, et al. Wisdom in the social crowd: an analysis of quora[C]// The 22nd international World Wide Web conference. Switzerland: International World Wide Web Conferences Steering Committee, 2013: 1341-1352.
張鵬翼.在線社交網(wǎng)絡(luò)中信息尋求行為的實(shí)證研究: 以微博為例[J].情報(bào)雜志, 2013, 32(7): 83-87.
PARK D H, LEE J. eWOM overload and its effect on consumer behavioral intention depending on consumer involvement[J].Electronic commerce research and applications, 2008, 7(4): 386-398.
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.
嚴(yán)磊, 佐斌, 吳漾.情感一致性及其對(duì)認(rèn)知加工的影響[J].心理科學(xué), 2016, 39(6): 1379-1384.
張鵬翼, 張璐.社會(huì)資本視角下的用戶社交問答行為研究——以知乎為例[J].情報(bào)雜志, 2015, 34(12): 186-191.
CHEUNG M Y, LUO C, SIA C L, et al. Credibility of electronic word-of-mouth: informational and normative determinants of online consumer recommendations[J].International journal of electronic commerce, 2009, 13(4): 9-38.
PRELL C L. Community networking and social capital: early investigations[J].Journal of computer mediated communication, 2003, 8(3): 10-20.
SUSARLA A, OH J H, TAN Y. Social networks and the diffusion of user-generated content: evidence from YouTube[J]. Information systems research, 2012, 23(1): 23-41.
楊倩.探索式搜索行為的認(rèn)知過程與圖書館信息服務(wù)策略研究[J].情報(bào)雜志, 2020, 39(10): 176-180, 143.
方杰, 溫忠麟, 張敏強(qiáng), 等.基于結(jié)構(gòu)方程模型的多重中介效應(yīng)分析[J].心理科學(xué), 2014, 37(3): 735-741.
作者貢獻(xiàn)說明:
余俊橙:論文模型構(gòu)建,初稿撰寫,論文修改;
李梓奇:提出相關(guān)建議,論文修改。
Abstract: [Purpose/significance] Online review is an important carrier of knowledge exchange for users in reading community. In order to help the reading community improve the review system and raise the usefulness of book reviews, exploring the intermediary role of online interaction in the usefulness of book reviews will help to further tap the value of online review. [Method/process] Based on IAM model, this paper constructed IAM-I online reading community review usefulness influencing factor model, and used OLS regression and Bootstrap mediation test to explore the effect mechanism of comment information characteristics and reviewer characteristics on review usefulness and the mediating effect of online interaction. [Result /conclusion] The results show that the characteristics of comment information and commentators can affect online interaction, online interaction plays a full mediating role in the relationship between the characteristic of text length and comment usefulness, and a partial mediating role in the relationship between the characteristics of commentators and comment usefulness. That is to say, online reading community can improve the usefulness of comments by encouraging online interaction.
Keywords: review usefulness ? ?influencing factors ? ?online interaction; mediation ? ?online reading community
3349500589253