李正華,劉芃希,葛世倫

(江蘇科技大學(xué) 經(jīng)濟管理學(xué)院,江蘇 鎮(zhèn)江 212100)

近年來,線上交易日趨繁榮,C2C(Customer to Customer)類型的電商數(shù)量越來越多,商家之間的競爭也越來越激烈。消費者在網(wǎng)購過程中,商品評論是判斷商品質(zhì)量的重要依據(jù),商品評論成為商家最重視的商品屬性之一[1]。因此,為了提高銷量和店鋪信譽,一些商家通過刷評方式吸引消費者。賣家通過非正常方式為自己店鋪增加銷量或好評,即正向刷評;賣家通過非正常方式為競爭對手的店鋪或商品發(fā)表差評,即負向刷評。

社會普遍認為刷評是一種不當(dāng)?shù)母偁幮袨?甚至是違法的[2],因為刷評損害了消費者的知情權(quán)和利益,因此刷評的內(nèi)容是不可信的。然而由于C2C電商行業(yè)存在“贏者通吃”的馬太效應(yīng)[3],一些新進入的電商商家由于銷量低、好評少,盡管商品物美價廉,卻依然無法吸引消費者。在這樣的情形下,一些商家會在確保商品質(zhì)量的情況下被迫刷評,其目的在于更好地打開市場[4]。此外,一些研究認為，好評返現(xiàn)是刷評的一種手段,是一種違法行為[5]。而筆者認為好評返現(xiàn)本質(zhì)上是一種消費者推薦獎勵計劃,是企業(yè)為了激勵老顧客向他人推薦購買其產(chǎn)品對老顧客的推薦行為進行獎勵的策略[6-7]。推薦者或評論者進行評價的動機可能源于對產(chǎn)品或服務(wù)的滿意,也可能是為了獲得獎勵所帶來的滿足感[8]。由此可見,刷評現(xiàn)象不僅客觀存在,對C2C電商平臺賣家而言,部分刷評行為具有一定合理性。因此，不能完全否定好評返現(xiàn)的可信性。

在商品評論充斥大量刷評的情境下,消費者難以判斷商品的真實品質(zhì)。一方面,普通消費者難以完全分辨出正常評論和刷評。不管是正向還是負向刷評,其目的都是誤導(dǎo)消費者對商品品質(zhì)的認知[9]。刷評使得消費者無法確定能否以評論信息判斷商品品質(zhì),以及哪些商品的品質(zhì)能以評論信息判斷。另一方面,在確定某個商品存在刷評的情形下,消費者更關(guān)心的問題并非是如何識別刷評,而是如何判別商品的真實品質(zhì)。

在商品評論可信度存疑的情形下,學(xué)界和業(yè)界都進行了很多研究和實踐,意圖通過理論解釋和機制設(shè)計剖析和解決此問題。在學(xué)術(shù)研究方面,研究者主要從平臺特征、評論發(fā)布者特征、評論內(nèi)容特征三方面研究評論可信度的影響因素。平臺特征包括網(wǎng)站聲譽、網(wǎng)站可信度等[10];發(fā)布者特征包括評論者的經(jīng)驗、寫作風(fēng)格[11]、在社交網(wǎng)絡(luò)中的影響力[12];評論內(nèi)容特征包括好評與差評數(shù)量[13]、評論文本的長度、詞匯結(jié)構(gòu)與可讀性等特點[14]。這些方法在一定程度上為消費者判別評論的可信度提供了參考,但同時也存在一些不足。首先，這些方法對消費者提出了較高要求,甚至需要消費者有專業(yè)的知識和工具,在實際網(wǎng)購過程中的可操作性不強;其次,總體評論包括刷評具有可信度,一概而論會導(dǎo)致研究結(jié)果有一定偏差。在具體操作上,一些電商平臺引導(dǎo)用戶對評論可信度打分、對評論進行再評論等方式以提升評論的可信度。然而C2C電商平臺引入的打分或評論機制是消費者在購物之前進行的,由于尚未完成購物過程,其對評論的打分或者評論的認知存在主觀性,并不能完全反映評論的可信度,而完成購物過程的消費者則不太可能去看別人的評論并對之進行評價。

為了彌補現(xiàn)有研究和實踐的不足,為消費者提供更合理的辨別商品真實品質(zhì)的方式和途徑,筆者在問卷調(diào)查的基礎(chǔ)上,明確了刷評的類別和特征；選取淘寶網(wǎng)部分類別商品的評論數(shù)據(jù),對刷評進行識別；從商品詳情頁中識別出能反映“刷評”可信度的關(guān)鍵信息。由此回答兩個關(guān)鍵問題:刷評是否不可信?普通消費者可以通過什么信息來判斷商品的真實品質(zhì)?筆者對刷評現(xiàn)象提出了新的觀點,認為刷評也有可信的一面，通過對刷評可信度影響因素的研究，為消費者提供商品評論之外的商品品質(zhì)判斷依據(jù)。

一、 研究基礎(chǔ)及假設(shè)

(一) 刷評方式及特征

C2C電商刷好評一般有請朋友購買、刷單刷評、好評返現(xiàn)、與消費者聯(lián)系請求好評等方式。為進一步明確商家刷評方式及特征,本研究通過社交平臺發(fā)放問卷進行調(diào)查。本次調(diào)查共回收543份問卷,其中有效問卷501份。調(diào)查問卷的核心問題及調(diào)查結(jié)果如表1所示。

表1 刷評現(xiàn)象問卷調(diào)查

續(xù)表

通過對調(diào)查問卷的結(jié)果分析,并輔以專家訪談等方式,明確當(dāng)前C2C電商平臺商家刷評主要有好評返現(xiàn)及刷單刷評兩種方式,且以好評返現(xiàn)為主。

1. 刷單刷評

刷單刷評是指為了獲取商品銷量、服務(wù)評價、店鋪信譽、市場排名等特殊利益,經(jīng)營者與特定行為人聯(lián)合進行虛假交易,以謀取市場競爭優(yōu)勢的行為[15]。刷單過程中的虛假消費者可以是無組織的個人,如商家的熟人;也可以是某種評論群組,有組織地刷單[16]。對于想獲得大量刷單好評的商家而言,擁有眾多刷手的刷單平臺是更好的選擇。

刷單刷評商品的特點在于評論時間的相對集中性。在正常情況下,除了諸如“雙11”等促銷活動以及商家自主促銷的情形之外,一件商品的每日評論數(shù)量不會有太大波動。刷單平臺接受賣家的刷評任務(wù),對賣家商品進行大批量刷評。調(diào)查結(jié)果顯示,95.9%的刷單任務(wù)都有時間限制。因此,刷手在接受刷評任務(wù)后,會在短時間內(nèi)進行集中刷評。同時,由于刷評收益與刷評量相關(guān),刷手會盡快完成任務(wù),以獲取更多收益。因此,刷單刷評具有時間聚集的特點。調(diào)查也發(fā)現(xiàn),75.3%的刷單任務(wù)有評論模板,因此評語也會有一定的文本相似性。

2. 好評返現(xiàn)

調(diào)查顯示,98.6%的被調(diào)查者都收到過商家對于好評返現(xiàn)的承諾。好評返現(xiàn)是商家允諾給消費者某種利益上的好處,如現(xiàn)金紅包、購物優(yōu)惠等,誘使消費者完成交易后給予商品好評。

調(diào)查發(fā)現(xiàn),商家好評返現(xiàn)行為具有比較明顯的特征。賣家要求消費者發(fā)表一定字數(shù)的評語,并附上商品圖片。在正常情況下,消費者對商品評論的主要動機是為了表達負面情緒或者尋求網(wǎng)絡(luò)平臺幫助[17]。即使消費者對商品比較滿意,大部分人也不愿主動發(fā)表評論,更不會對商品追加評論。因此,沒有好評返現(xiàn)的商品一般會有大量的負面評論,或者雖然好評率較高,卻沒有太多帶圖片且字數(shù)多的評論。而好評返現(xiàn)的商品往往評論帶有大量圖片且評語較長,多為正面信息。此外,調(diào)查發(fā)現(xiàn)77.4%的消費者在進行返現(xiàn)評論時，會參考其他用戶的好評,這表明好評返現(xiàn)評語有一定的文本相似性。

(二) 刷評與虛假評論

Jindal等于2008年最早提出了垃圾評論(Review Spam)的相關(guān)研究問題,并將之區(qū)分為虛假評論(Untruthful Opinions)、無關(guān)評論(Reviews on Brands Only)以及非評論信息(Non-reviews)[18]。其中,虛假評論是指不基于評論者真實的產(chǎn)品或服務(wù)體驗,而蓄意吹捧或貶低產(chǎn)品聲譽的欺騙性評論。然而很多研究對這三者并沒有嚴格區(qū)分,認為它們在本質(zhì)上是一致的,即通過互聯(lián)網(wǎng)發(fā)布不真實的、具有欺騙性的評論[19]。

筆者認為刷評與虛假評論既有聯(lián)系亦有差異。刷評是指通過某種方式獲得額外的好評或差評,這種評論的可信度因刷評方式而異。刷單方式的評論雖然有真實的交易過程,但其交易目的是最終的評論,而不是為了滿足消費者的需求,因此這是建立在虛假交易基礎(chǔ)上的虛假評論。而好評返現(xiàn)具有一定的可信性。調(diào)查顯示,在接受好評返現(xiàn)的消費者中,有76.3%的好評原因是“產(chǎn)品質(zhì)量確實不錯”;而在不接受好評返現(xiàn)的消費者中,有58.5%的不接受原因是“產(chǎn)品質(zhì)量不好”。這表明,返現(xiàn)得來的好評在一定程度上反映了商品的真實質(zhì)量。當(dāng)然,也可能有部分消費者在產(chǎn)品質(zhì)量不完全滿意的情況下,由于好評返現(xiàn)的誘惑而對商品進行了虛假好評。綜上,筆者認為刷評部分可信、部分不可信。刷評與虛假評論的關(guān)系如圖1所示。

圖1 虛假評論與刷評的關(guān)系

(三) 研究假設(shè)

信息接受模型[20]是研究評論信息可信度的重要理論基礎(chǔ)[1]。依據(jù)該模型,信息內(nèi)容質(zhì)量及信息源的可靠性是信息有用性的重要影響因素。信息內(nèi)容質(zhì)量是對信息內(nèi)容本身的衡量,包含信息內(nèi)容的真實性、準(zhǔn)確性、及時性和完整性,是中心路徑;信息源可靠性包括專業(yè)性、可靠性和吸引力,是邊緣路徑。由于本研究關(guān)注的是刷評可信度的影響因素,刷評內(nèi)容與一般評論內(nèi)容沒有顯著差異,因此中心路徑失效，筆者主要基于邊緣路徑研究刷評的可信度影響因素。由于研究目的是從普通消費者角度出發(fā),識別出影響刷評可信度的因素，因此主要分析消費者所能看到的商品詳情頁中關(guān)于商品和店鋪的信息,包括店鋪的信譽、店齡、描述得分、服務(wù)得分、物流得分、是否消費者保障服務(wù)、是否7天無理由退貨承諾、30天內(nèi)累計銷量等信息。其中,聲譽是一個電商平臺店鋪最重要也是最重視的無形資產(chǎn),好聲譽需要長時間的累積,店鋪可以通過銷售高質(zhì)量商品贏得自己的聲譽。一般情況下，店鋪聲譽越高,其刷評的可靠性越高,可信度也越高。在店齡方面,鑒于當(dāng)前電商進入門檻日益提高,新進入者必須小心經(jīng)營并銷售高質(zhì)量的商品才能得以生存及發(fā)展,除此以外，用戶評價對店鋪發(fā)展至關(guān)重要。因此店齡越小,其刷評的可靠性越高,可信度也越高。描述、服務(wù)及物流三者是消費者在購物后對商品三個方面的評價打分,其中，描述是指商品詳情頁中的商品描述與商品真實品質(zhì)的匹配程度。描述得分越高,其刷評可信度也越高,而服務(wù)及物流與商品的品質(zhì)沒有關(guān)聯(lián)。商家提供的消費者保障服務(wù)是賣家與電商平臺簽署的消費者保障服務(wù)協(xié)議,在發(fā)生爭議的情形下可以通過平臺維權(quán),是對消費者的權(quán)益保障。由于引入了平臺監(jiān)管,因此提供消費者保障服務(wù)的商家吸引力相對較高,其刷評的可信度也相對較高。同樣,承諾7天無理由退貨的商家會盡量保證商品質(zhì)量,其刷評可信度也相對較高。商品銷量同樣能反映商品質(zhì)量,質(zhì)量好的商品銷量才高,因此30天累計銷量越高,其對應(yīng)的刷評可靠性和吸引力越高,可信度也越高。綜上,本研究作出以下假設(shè):

假設(shè)1:店鋪的聲譽正向影響刷評的可信度。

假設(shè)2:店鋪的店齡負向影響刷評的可信度。

假設(shè)3:商品的描述得分與刷評可信度顯著正相關(guān)。

假設(shè)4:提供消費者保障服務(wù)正向影響商品刷評的可信度。

假設(shè)5:提供7天無理由退貨承諾正向影響商品刷評的可信度。

假設(shè)6:商品的30天累計銷量正向影響刷評的可信度。

二、 研究方法及數(shù)據(jù)獲取

(一) 研究方法

本研究首先計算每一條評論的情感得分,然后基于刷評的特征識別刷評及對應(yīng)商品,再判別刷評可信度,最后研究刷評可信度的影響因素。

1. 評論情感得分計算

情感得分計算首先分詞,然后去除停用詞,再將分詞文本匹配情感詞典,依次讀取情感詞庫、否定詞庫和程度副詞庫。提取并記錄文本中的情感詞及其在文本中的所在位置,查找記錄情感詞在情感詞庫中對應(yīng)的情感值,然后提取并記錄文本中的否定詞及其在文本中的位置,最后提取并記錄程度副詞及其在文本中的位置,查找記錄程度的副詞在程度副詞庫中對應(yīng)的情感分值。筆者使用的情感詞庫來源于BosonNLP情感詞典。計算情感得分的規(guī)則如下:設(shè)情感詞的權(quán)重為ω,從情感詞典中獲得該情感詞的情感值Q,檢測其對應(yīng)的否定詞和程度副詞,設(shè)否定詞的數(shù)量為F,程度副詞程度分值為C,則情感得分:

D=ω×Q×(-1)F×C

第k條評論的情感得分Dk為該評論所有情感詞的情感值之和與該評論長度的比值,即:

2. 刷評識別

刷評區(qū)別與其他一般評論主要體現(xiàn)在三個方面:評論內(nèi)容特征、評論時間特征、評論文本相似性。問卷調(diào)查結(jié)果顯示只有3.7%的刷單評論要求刷差評,因此本研究只從感值為正的好評中識別刷評,不考慮負向刷評。

刷評的評論內(nèi)容特征體現(xiàn)在正向評論內(nèi)容過于豐富。因此,將評論文本長度大于20字,并且在評論中附有多張圖片的評論標(biāo)識為疑似好評返現(xiàn)評論。如果一件商品的所有評論中疑似好評返現(xiàn)的比例超過50%,則將疑似好評返現(xiàn)評論確定為好評返現(xiàn)評論,對應(yīng)的商品也可確定為好評返現(xiàn)商品。

刷評的評論時間特征體現(xiàn)為評論的時間聚集性。商品的評論數(shù)量會隨商品銷量的增加而增加,但刷手為了盡早完成任務(wù)會立刻完成評論，而普通消費者會在使用商品一段時間后再評論。因此,刷評的時間聚集性明顯。以3天為時間窗,以平均值加3倍標(biāo)準(zhǔn)差為異常值判別標(biāo)準(zhǔn),如果時間窗內(nèi)的平均好評數(shù)量異常,則認為該商品存在刷單行為,可確定為刷評商品。

刷評的評論文本相似性特征識別采用Simhash算法以及漢明距離結(jié)合的方法[21]。其主要任務(wù)是對文本進行降維,生成一個Simhash值,通過比較不同文本的Simhash值進而比較漢明距離(Hamming Distance),從而判斷兩個文本的相似度。Simhash算法主要有五個過程:分詞、Hash、加權(quán)、合并、降維。漢明距離是信息論中表示兩個長碼字x=(x1,x2,…,xn)和y=(y1,y2,…,yn)之間的距離,計算公式為:

其中⊕表示模2加運算,xk計算過程為:計算同一件商品所有評論兩兩直接Simhash距離,取最大相似數(shù)值,與評論文本形成映射。

3. 刷評可信度分析

將刷評商品的所有評論分為刷評和普通評論,刷評的情感得分表示商品刷評品質(zhì),普通評論的情感得分表示商品實際品質(zhì)。若刷評品質(zhì)與實際品質(zhì)無顯著差異,則表示該商品的刷評是可信的；若兩者有顯著差異,則表示該商品的刷評不可信。

4. 刷評可信度的影響因素研究

應(yīng)用多元回歸探索刷評可信度的影響因素。因變量Y為商品的刷評情感均值與普通評論情感均值之差的倒數(shù)并歸一化,Y越大表示刷評越可信。自變量為消費者在商品詳情頁中能找到的關(guān)于商品和店鋪的客觀信息,包括店鋪的信譽Rep、店齡Age、描述Des、服務(wù)Ser、物流Log、是否消費者保障服務(wù)Cus、是否7天無理由退貨承諾Pro、30天內(nèi)累計銷量Sale,控制變量為商品種類Cati和商品價格Pri。其中,Rep及Sale取自然對數(shù)之后歸一化處理;Age為當(dāng)前年份減開店年份再加1,而后歸一化;Cus為虛擬變量,商家提供“消費者保障服務(wù)”則用1表示,否則用0表示;Pro為虛擬變量,商家承諾7天無理由退貨則用1表示,否則為0;Cati為對應(yīng)不同商品類別的多個虛擬變量;Des、Ser、Log、Pri等變量為同一類別,因此作歸一化處理。

(二) 數(shù)據(jù)獲取

本研究選取了女裝、食品、數(shù)碼產(chǎn)品和化妝品四大類商品的評論數(shù)據(jù)。這些類別的商品在平均價格、購買頻次、售后服務(wù)模式、不同品牌商品功能差異性等方面存在一定區(qū)別。爬取每類商品銷量排行前90位的商品,共計360個商品,爬取每個商品最多前500條評論數(shù)據(jù),最終獲得89 586條評論。在剔除無效樣本之后剩余77 131條評論,各類商品樣本的評論數(shù)量如表2所示。

表2 各類商品評論數(shù)據(jù)統(tǒng)計表

從表2可以看出，食品類商品平均評論數(shù)遠高于平均值,化妝品和女裝評論數(shù)相當(dāng),電子產(chǎn)品評論總數(shù)相對較少。每一種商品的評論中好評都占絕大多數(shù),電子產(chǎn)品類商品評論中的帶圖評論及追加評論所占比例較大。

三、 刷評可信度分析結(jié)果

(一) 商品評論情感分析

通過基于情感詞典的文本情感分析,計算出每一條商品評論的情感值。情感值大于0為好評,小于0為差評,等于0為中評。各種類商品的三種評論情況如表3所示。結(jié)果顯示,商品評論中好評占有絕大部分。其中，食品類商品好評率相對較低,差評率較高;女裝好評率相對較高,差評率較低。

表3 各類商品情感值統(tǒng)計表

(二) 刷評識別

從評論情感分析結(jié)果中選取所有好評評論,分別分析評論內(nèi)容特征、評論時間特征、評論文本相似性。

1. 基于評論內(nèi)容特征的識別

評論字數(shù)超過20且?guī)в袌D片的評論為疑似好評返現(xiàn)評論,一共有12 815條,占所有評論的20.68%。若某個商品的疑似好評返現(xiàn)評論占該商品評論數(shù)的50%以上,則認定該商品為刷評商品。據(jù)此原則,識別出56件好評返現(xiàn)商品,平均好評數(shù)量350條,其中返現(xiàn)好評平均為32.82%。

2. 基于評論時間特征的識別

三天的時間窗內(nèi)評論數(shù)量出現(xiàn)異常值則視為疑似刷單評論。數(shù)據(jù)分析顯示,疑似刷單商品129件,占比35.8%。剔除疑似刷單銷量30件以下的商品,剩余18件刷單商品。這18件商品平均日銷量為7.6件,而刷單時平均日銷量為50.1件,最高81件。

3. 基于評論文本相似的識別

使用Simhash算法以及漢明距離計算文本相似度,再根據(jù)每條商品好評的最大相似度確定是否存在刷評。根據(jù)漢明距離計算文本相似度的一般規(guī)則,最大相似度大于0.8則認定為相似文本。剔除文本長度小于10字的短文本,識別出文本相似度高的刷評商品99件,相似文本評論平均占評論總數(shù)34.1%。

綜上,基于三種特征的四類商品刷評識別結(jié)果如表4所示?？梢?，電子產(chǎn)品類的刷評數(shù)量相對較少,其原因可能是由于其固有的購買頻次低、平均價格高等屬性所致。由于其刷評數(shù)量相對較少,后續(xù)研究剔除這一類別的商品。

表4 基于多種特征的刷評商品數(shù)量統(tǒng)計

(三) 刷評可信度分析

將每件刷評商品的評論劃分為刷評和普通評論,并分別計算每件商品的兩類評論情感均值,對化妝品、食品、女裝三類商品的兩大類評論分別進行配對樣本T檢驗,結(jié)果如表5所示。

表5 兩類評論t檢驗結(jié)果

雖然表5的結(jié)果顯示所有類別的商品刷評情感均值均顯著高于普通評論情感均值，即總體而言，所有類別商品的刷評是不可信的。但在分析單個商品的兩類評論情感差值后可發(fā)現(xiàn)，其差值在[0.03,1.73]范圍內(nèi)，且呈均勻分布。由此可見，有些商品的刷評品質(zhì)與真實品質(zhì)相近，而有些商品的刷評品質(zhì)與真實品質(zhì)相差較大。結(jié)合上述分析可知，商家刷評的目的不盡相同，不能完全否定刷評的可信度。

(四) 刷評可信度影響因素分析

多元回歸的相關(guān)變量均值、標(biāo)準(zhǔn)差及相關(guān)性分析結(jié)果如表6所示。從中可以看出,Rep、Age、Des、Cus、Sale等變量與因變量呈顯著性相關(guān),變量的相關(guān)系數(shù)都小于0.7,說明變量之間不存在明顯的多重共線性。

表6 變量的均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)

表7是各自變量和因變量的回歸分析結(jié)果。其中，模型1是店鋪屬性對刷評可信度影響因素的回歸分析結(jié)果,模型2加入了電商交易相關(guān)屬性,模型3加入了控制變量的回歸模型。從三個模型分析的結(jié)果來看,Rep、Age、Des、Cus、Sale在三個模型中均與刷評可信度有顯著相關(guān)性。這表明店鋪的聲譽、店齡、商品描述得分、是否提供消費者保障服務(wù)是判斷刷評是否可信的重要依據(jù)。由此,假設(shè)1至假設(shè)4得到驗證,而假設(shè)5和6未得到驗證。其原因可能是當(dāng)消費者購買了質(zhì)量差的商品而要求退貨時,如果商家拒絕則很可能會被消費者投訴或者差評,而這會大大影響商家的聲譽,因此7天無理由退貨逐漸成為電商的普遍承諾。銷量未能反映商品質(zhì)量,進而未能判別刷評的可信度,其原因可能是消費者未能正確識別商品質(zhì)量,這也進一步從側(cè)面證明了本研究的重要性。

表7 多元回歸分析

續(xù)表

四、 研究結(jié)論與啟示

(一) 研究結(jié)論

本研究通過對C2C電子商務(wù)平臺的商品評論文本進行情感分析、刷評識別和刷評可信度影響因素分析,證實刷評是客觀存在的,而且并非完全不可信,可以通過其他信息來判斷商品的真實品質(zhì)。由調(diào)查問卷和數(shù)據(jù)分析結(jié)果可得出以下結(jié)論:

首先,電商刷評現(xiàn)象比較嚴重,但不同類別商品的刷評現(xiàn)象差異比較大。如電子產(chǎn)品價格高、購買頻率低，刷評現(xiàn)象不明顯；日用商品諸如食品類價格相對較低、購買頻率高，刷評現(xiàn)象明顯?？梢?商品的固有屬性很大程度上決定了商家是否采用刷評手段促進商品銷售。因此,消費者在選購商品時需重點考慮其對商品固有屬性的需求,如功能、性能、價格、售后等。對于價格相對較低和購買頻次較高的日用品,商家會較多采用刷評手段。

其次,電商平臺刷評可信度差異較大。以刷評情感值與普通評論情感值之差衡量的刷評可信度差異較大。某些商品的刷評品質(zhì)與實際品質(zhì)相差較小,表明其實際品質(zhì)是優(yōu)良的,其刷評行為可能是為了拓展市場而進行的廣告行為。另有一些商品的刷評品質(zhì)與實際品質(zhì)差異很大,其刷評行為誤導(dǎo)了消費者對商品的認知。

最后,刷評可信度受多種因素影響。多元回歸結(jié)果表明,刷評可信度受店鋪的聲譽、店齡、商品描述得分、是否提供消費者保障服務(wù)等因素影響。其中，店鋪的聲譽、商品描述得分、是否提供消費者保障服務(wù)與刷評的可信度顯著正相關(guān),而店鋪的店齡與刷評可信度顯著負相關(guān)。信譽是一個店鋪重要的無形資產(chǎn),為了維護它,網(wǎng)店會特別注重其運營,將商品質(zhì)量保證放在重要位置。店齡與刷評的可信度顯著負相關(guān),即新開的店鋪的評論可信度相對較高。這也驗證了新店鋪確實在保證其產(chǎn)品質(zhì)量基礎(chǔ)上使用刷評方式開拓市場。商品描述分值較好地反映了商家的信譽及其評論的可信度。而通過提供消費者保障服務(wù),保障消費者權(quán)益，對店鋪起到了一定的震懾作用。

(二) 理論貢獻

首先,筆者將口碑傳播的“消費者獎勵計劃”理論拓展到C2C電商平臺的商品評論領(lǐng)域,將電商平臺客觀存在的刷評區(qū)分為可信刷評和不可信刷評,彌補了以往將電商刷評籠統(tǒng)判定為不可信或者違法的不足,厘清了刷評與虛假評論的聯(lián)系與區(qū)別,分析了刷單刷評和好評返現(xiàn)兩種形式,并論證了好評返現(xiàn)的合理一面。

其次,基于信息接受理論,在中心路徑失效的情形下,通過邊緣路徑的分析,找到除了商品評論之外判定商品真實品質(zhì)的方式,論證了消費者可以通過店鋪的聲譽、描述、店齡、是否提供消費者保障服務(wù)等其他信息合理地判斷商品的品質(zhì)。

(三) 實踐啟示

消費者在C2C電商平臺購物瀏覽評論時,需要注意不要被商品詳情頁中圖文并茂的好評所蒙蔽,而要留意評論在某段時間內(nèi)集中出現(xiàn)的評論,并且需要留意評論的內(nèi)容是否類似,特別是對日常用品類商品更應(yīng)保持警惕。很明顯，具有這些特征商品的好評中有接近一半的評論是“刷”出來的。消費者在通過一些特征發(fā)現(xiàn)某商品存在刷評現(xiàn)象,則其評論是否可信是不確定的。為了能更好地判斷商品的真實品質(zhì),需要結(jié)合店鋪的一些其他信息進行綜合判斷。如果店鋪具有以下一些特征，如店齡小、信譽高、提供消費者保障服務(wù)、商品描述綜合分值高,則其商品的好評在較大概率上是可以信賴的。