在线评论有用性影响因素实证研究[摘要]随着互联网的迅速发展，消费者购物决策越来越依赖于在线评论。从信息接受模型对信息有用性影响出发，构建在线评论有用性投票增量的时间窗，建立在线评论有用性影响因素模型，研究在线评论内容和评论者对在线评论有用性的影响。基于TripAdvisor的4258条酒店评论数据，运用负二项回归进行实证分析。研究发现评论内容长度、评论极端性、评论有用性投票数、评论者认可度和个人信息披露对在线评论有用性具有显著正影响，这对在线零售商和消费者具有重要的启发和建议。[关键词]在线评论；评论有用性；负二项回归；大数据[]F724.6[文献标识码]A[]1008-0821（2015）04-0052-05随着互联网的迅速发展，电子商务凭借其快捷、方便和低成本优势已占据着重要地位，越来越多的消费者通过网上购买商品和服务。基于互联网的高效性、共享性、匿名性等特点，消费者愿意将产品的特征描述、购物后的使用体验发表在博客、论坛或第三方评论网站上，与他人分享商品使用心得，即消费者在线评论。越来越多的人在网络购物时将其他消费者发表的在线评论作为购物决策的重要参考。在线评论作为网络口碑的重要形式，逐渐替代了传统的商品口碑。据德勤咨询调查显示，阅读并发表商品评论的网络购物者占总人数的63%，71%的用户乐意选择购买带有网上在线评论的商品和服务。消费者越来越依赖于在线评论作出购物决策，对产品和品牌的认知态度受到在线评论的巨大影响，在线评论已成为影响消费者进行购买决策的关键因素。在线评论不仅能够帮助企业树立良好的品牌形象，也是销售的重要宣传方式。因此，在大数据日趋成熟的时代，对于海量在线评论数据的挖掘和运用，预示着新一波生产率的增长和消费者盈余浪潮的到来。根据消费者购买决策理论，购物决策过程包括5个阶段：需求认知、搜索信息、评估方案、购买决策和购买后评价。为了减少不确定性，增强购买信心，消费者会尽可能搜索相关的产品信息。但对于海量的在线评论，什么样的评论对消费者购物决策具有参考价值？为了解决信息过载的问题，许多电商和第三方评论网站开发了信息评估系统，消费者可以对在线评论进行有用性投票。例如，每条在线评论后面，TripAdvisor会问“这条评论对您有用吗？”，亚马逊还会在评论旁边提供评论有用性的参考信息（如“30/50人认为此评论有用”）。这些有用性投票成为诊断评论信息的指标，作为提示用户过滤信息的信号，以提高用户决策效率。目前，对在线评论有用性的研究存在诸多缺陷。首先，几乎所有研究者将有用性投票数占总投票数的百分比作为有用性的测度标准。但对于只提供了在线评论有用性投票数，而没有提供总投票数的网站则不能用这种方法来度量，以前的研究没有为这种情况构建理论模型来测度和解释有用评论的影响因素。其次，百分比会隐藏一些重要的信息，比如，“50/100人认为此评论有用”和“500/1000人认为此评论有用”应该具有不同的解释。第三，过去的研究大多聚焦于在线评论本身，少有学者将评论内容和评论者结合起来。鉴于此，本文在前人研究的基础上建立了在线评论有用性影响因素概念模型，并基于TripAdvisor酒店评论数据，从评论内容和评论者特征两个信息源维度出发，进行实证研究在线评论有用性影响因素。1国内外研究综述1.1国外研究现状消费者在购物决策中，如果受到在线评论的影响，则会对商品和服务的原有认知发生改变或者认同，该评论对消费者就具备了有用性。Mudambi和Schuff借鉴信息经济学中搜索型商品和体验型商品范式，建立了在线评论有用性的概念模型，通过对2类6种产品的1587条评论研究发现，产品类型、评论深度和评论极端性会对在线评论感知有用性产生影响。Forman的研究表明，评论长度对在线评论有用性具有正向影响，搜索型商品比体验型商品这种影响作用更强。Korfiatis发现，评论极端性与有用性呈正相关关系，尤其是对于体验型商品，评论极端性的影响更为明显。Ghose和Ipeirotis采用文本挖掘方法和回归统计技术，将评论类型作为调节变量，并把评论文本的可读性、极端性和评论发表时长作为模型的影响因子，运用计量经济学的方法建立回归模型，预测文本的有用性。Forman和G...