楊帥

(西部機場集團有限公司 陜西西安 710000)

隨著Web2.0概念的興起，社交平臺中基于UGC模式的信息生成和分享越來越受追捧，特別是在各類購物網(wǎng)站和導購社區(qū)，購后評論對消費者的沖動購買意愿有很強的影響力；反觀國內(nèi)電商企業(yè)的互動平臺，大量無效信息和負面評論充斥著互動平臺，而電商企業(yè)對這種現(xiàn)象或視而不見或力不從心，因此本文認為如何管理在線評論是刺激消費者在線消費的主要問題。

1 研究模型與假設

從組織行為學角度來講，在線評論情感傾向對網(wǎng)上消費意愿的影響機制是認知—態(tài)度—行為的過程，即網(wǎng)絡購物者對商品的在線評論信息進行理解和加工后，形成對該商品積極或消極的態(tài)度，進而影響消費者的購買意愿或行為。具體到本文，本文借鑒Fishbein和Ajzen(1975)的理性行為模型，引入消費者與虛擬社區(qū)的關系強度作為調節(jié)變量，形成在線評論情感傾向對沖動消費意愿的影響機制研究模型(見圖1)。

圖1 在線評論情感傾向對沖動消費意愿的影響研究模型

在線評論的共識性是消費者進行商品體驗后發(fā)表評論的一致性或對商品的平均分。結合國內(nèi)外學者的相關研究，一般來講，當面對一致性的評論或該商品的整體平均分很高時，消費者可能迫于群體壓力傾向改變自己原來的態(tài)度，從而與群體意見保持一致。因此，本文提出以下假設：

H1：在線評論的共識性與消費者對在線評論的信任呈正相關；

H2a：在線評論的共識性與消費者的沖動消費意愿呈正相關。

評論的情感傾向是在線評論最重要的維度，不同性質的在線評論(正向/負向)對潛在消費者起到完全不同的勸說效果。正、負向評論影響效應的差異一直是國內(nèi)外學者研究關注的重點，由于負面在線評論能夠提供商品質量、服務各種可能有效的信息，其在消費決策中更具可診斷性，消費者對負面評論的依賴程度明顯高于正向評論。因此，本文提出以下假設：

H2b：負面在線評論對沖動消費意愿的影響效應大于正面在線評論。

按照理性行為理論，當個體對某件事物的態(tài)度越正向，個體會傾向從事與態(tài)度相符合的行為方式，因此當消費者對評論的信任程度比較高時，就會傾向認同對商品的評價而采取消費行為。因此，本文提出以下假設：

H3：消費者對評論的信任與其沖動消費意愿呈正相關。

消費者與虛擬社區(qū)的關系強度越高，表明消費者對評論社區(qū)的熟悉度越高，消費者對評論提供者的信任程度也越高，從而在線評論對消費者的影響效應也越大。因此，本文提出以下假設：

H4：消費者—虛擬社區(qū)關系強度在假設H1、H2a中產(chǎn)生調節(jié)作用；

H4a：強關系下評論共識性與信任的相關性比弱關系下的相關性顯著；

H4b：強關系下評論共識性與沖動消費意愿的相關性比弱關系下的相關性顯著。

2 研究方法及數(shù)據(jù)收集

本文采用問卷調查法，為保證問卷數(shù)據(jù)的科學性，本次調查分為網(wǎng)上調查和現(xiàn)場調查。問卷發(fā)放數(shù)共計225份，其中網(wǎng)上問卷數(shù)為114份，現(xiàn)場問卷數(shù)為111份，刪除不合格問卷后，本文共回收問卷數(shù)為197份。

根據(jù)圖1及相關假設，本文所涉及變量包括在線評論共識性、消費者對評論的信任、沖動消費意愿、消費者—虛擬社區(qū)關系強度、口碑影響力。為了對上述變量進行測量，本文在參考國內(nèi)外相關文獻的基礎上，為每個變量設計2～3個題項，采用李克特5分量表進行測量。

為測量正、負評論對沖動消費意愿的影響效應差異，本文設計如下實驗：在淘寶/天貓商城搜集到一些有關洗面奶的在線評論，通過對收集到的評論進行整理，將其分為正向和負向評論，進而將分組后的評論供調查者參考，再測量調查者看到評論后的因變量分值。在因變量選擇中，本文沒有將沖動消費意愿作為因變量，而是采用口碑影響力作為因變量，主要是因為在實驗環(huán)境下在線評論對沖動消費意愿的影響有很大偏差，而口碑影響力能夠直接受在線評論的影響。

3 數(shù)據(jù)分析及假設檢驗

3.1 信效度分析

本文運用SPSS19.0分析得出量表內(nèi)部信度和效度檢驗。一般情況，總量表的Cronbach α系數(shù)在0.8以上，分量表的Cronbach α系數(shù)在0.7以上，則表示該量表的內(nèi)部一致性較好，信度較高。本文中總量表的α系數(shù)為0.833，評論共識性、消費者對評論的信任等變量的α系數(shù)均在0.7以上，表明模型內(nèi)部和各變量的內(nèi)部一致性較好，該量表的信度符合要求。同時，探索性因子的累積方差貢獻率為82.25%，大于60%；各測量題項的因子載荷系數(shù)均大于0.6；在KMO和Bartlett的檢驗中，該量表的KMO檢驗值為0.746，P值小于0.005，說明量表具有良好的效度水平。

3.2 相關分析

表1是采用Pearson積差相關系數(shù)進行的變量間相關關系分析。由表1可知，本文涉及的評論共識性、消費者對評論的信任等5個變量間的相關系數(shù)均在0.7以下。一般情況下，變量間的相關系數(shù)達到0.8就有可能存在嚴重共線性的標準，因此上述變量不存在嚴重共線性，本文適合回歸分析。

表1 Pearson相關系數(shù)分析

3.3 回歸分析

本文運用SPSS19.0對評論共識性與消費者對評論的信任、沖動消費意愿的相關性，評論信任與沖動消費意愿的相關關系進行多元回歸分析，具體分析結果如表2、表3所示。

表2 評論共識性與信任、沖動消費意愿的回歸分析結果

表3 信任與沖動消費意愿的回歸分析結果

表2、表3的結果驗證了評論共識性與消費者對評論的信任有正向作用，評論共識性對沖動消費意愿有正向作用，評論的信任對沖動消費意愿有正向作用，因此原假設H1、H2a、H3成立。

3.4 消費者—虛擬社區(qū)關系強度的調節(jié)作用

在對關系強度的調節(jié)作用進行驗證時，本文以評論共識性、關系強度、評論共識性與關系強度的乘積為自變量，以評論的信任、沖動消費意愿為因變量，分別進行回歸分析，具體結果如表4所示。

表4 關系強度在評論共識性與信任、沖動消費意愿關系中的調節(jié)效應

通過對表4進行分析，加入關系強度的調節(jié)因素后，評論共識性與消費者對評論的信任關系模型中的復相關系數(shù)R有顯著變化(0.015)，且其顯著性小于0.05，表明關系強度在評論共識性與信任的關系中有明顯的調節(jié)作用；在加入關系強度的調節(jié)因素后，評論共識性與沖動消費意愿關系中的復相關系數(shù)R有顯著的變化(0.016)，且顯著性水平小于0.05，表明關系強度對評論共識性與沖動消費意愿有顯著的調節(jié)作用，因此原假設H4a、H4b成立。

3.5 獨立樣本T檢驗分析

本文采用獨立樣本T檢驗驗證不同情感極性評論對沖動消費意愿的影響效應是否有差異，具體正負情感傾向評論的獨立樣本T檢驗分析結果如表5、表6所示。

表5 不同情感極性的在線評論口碑效應描述性統(tǒng)計

通過表5、表6結果發(fā)現(xiàn)，正向在線評論的口碑效應均值為3.0132，負向在線評論的口碑效應為3.7530，同時T檢驗中T=-6.368，顯著性水平小于0.05，表明負面在線評論的口碑效應大于正向在線評論，因此原假設H2b成立。

表6 不同情感極性的在線評論口碑效應獨立樣本T檢驗

4 結語

通過實證分析，本文驗證了在線評論共識性對消費者的評論信任、沖動消費意愿有一個正向作用。因此，本文認為企業(yè)應重視在線評論的口碑效應，通過各種激勵措施鼓勵消費者積極參與商品的評論環(huán)節(jié)。具體來講，企業(yè)應不斷完善官方網(wǎng)站或網(wǎng)絡店鋪的評論系統(tǒng)，設置好評、差評等不同功能和購物體驗分享的智能輸入功能，為消費者創(chuàng)造良好的在線評論和分享體驗。通過現(xiàn)金返利、有獎轉發(fā)、精神獎勵各種措施鼓勵消費者發(fā)表正面評論和有效評論，同時鼓勵消費者在第三方社交網(wǎng)站或評論社區(qū)進行鏈接推廣。

通過對問卷數(shù)據(jù)的獨立樣本T檢驗分析發(fā)現(xiàn)，雖然負面評論的數(shù)量小于正面評論，但是負面評論的口碑效應遠遠大于正面在線評論，因此本文建議企業(yè)重視負面評論對企業(yè)形象和消費行為的影響，加強對負面評論的有效應對和危機公關管理。具體來講，企業(yè)應該積極引導消費者對商品進行正面、多角度詳細點評，鼓勵消費者通過文字、圖片和視頻等形式參與到評論環(huán)節(jié)，對商品的評論應該從質量、售后服務、賣家態(tài)度等全方位進行積極點評，從而提高評論對消費者的被依賴力度和影響力度。面對消費者的負面評論，企業(yè)應該及時給予有效地反饋和誠懇道歉，并對負面評論中提到的問題積極解決，同時給消費者造成的損失應該進行善后賠償或退貨，從而將負面評論轉為正面評論。對于消費者在負面評論中對企業(yè)或商品的誤解，企業(yè)應積極與評論者溝通，有效、及時地消除誤解，從而將負面信息對企業(yè)的損失降低到最小。