在线商品评论信息内容影响因素的实证研究

1.华中师范大学湖北省电子商务研究中心　2.华中师范大学信息管理学院　董思怡

在线商品评论信息内容影响因素的实证研究

1.华中师范大学湖北省电子商务研究中心2.华中师范大学信息管理学院董思怡1，2

在线商品评论作为在线口碑的一种重要形式，是电子商务交易活动中的一类关键信息资源。研究和识别影响评论信息内容的因素，对于消费者做出正确有效的购买决策和促进电子商务平台完善自身建设等具有重要作用。该文从用户、商家/平台、在线商品这三个层面出发，采用问卷调查和统计分析法，对评论用户群体进行在线商品评论信息内容影响因素实证分析。研究发现：用户的情感分享、专业程度、与商家/平台的关系强度正向影响在线商品评论信息内容；商家/平台的态度负向影响在线商品评论信息内容。

在线评论 评论用户 详细度 可信度 电子商务

在线评论（Online Reviews）是网络口碑的一种重要形式，一般是指大众可以通过互联网获得的，潜在、实际或者先前的消费者主要以文本形式做出的，对商品、服务、企业等特质的评定或对产品或服务使用体验的表述，可以是正面的也可以是负面的［1］。随着互联网商务应用和电子技术的发展，在线商品评论已经成为了影响消费者购买决策，电子商务平台发展的重要因素。目前对于在线评论内容的研究大多集中于主观内容识别这一方面，然而此类研究主要针对评论内容效用的影响因素，而对于其他方面的评论内容信息关注较少，本文在已有的文献基础上，将针对消费者进行在线商品评论内容信息影响因素的实证分析。

本文提出三个主要的自变量，即用户情感分享、商家/平台态度、商品类型，着重研究这些因素对评论内容详细度、可信度的影响。

1　问卷设计和数据采集

本研究的测度项来自于已有文献的研究的基础和笔者的进一步完善，将可能影响在线商品评论信息内容的相关因素加入到模型中，同时引入两个因变量，再通过调研获得数据，并使用SPSS 19.0和AMOS 17.0对结果数据进行分析最终验证假设。问卷分为三部分，分别是：①用户基本信息，包括性别、年龄和受教育程度；②用户网购基本资料，包括网龄、网购频率、对在线评论的看法等；③变量度量信息，这一部分是问卷的主要部分，结合影响在线商品评论信息内容的因素模型，对这四个自变量并采用五级李克特量表的测量方法，范围从“1=非常不同意”到“5=非常同意”。七个变量的测量均采用相应的陈述方式进行。

数据收集包括线上和线下的问卷发放，在华中师范大学、武汉理工大学等高校发放问卷150份，共回收137份，排除不完整答卷和不符合要求的，其中有效问卷126份，有效率为91.97%；线上问卷通过问卷网（http：//www.sojump.com/）设计生成，并通过各类通讯工具发放，最终收到线上问卷304份，排除网购经历不丰富和不符合要求的答卷，共回收有效问卷为279份，有效率为91.78%。最终结合线上线下，共回收有效问卷405份，符合SEM大样本数量的要求。

2　数据分析

2.1信度及效度检验

本文使用Cronbach's Alpha方法对问卷量表的信度进行测量方法，使用SPSS19.0对问卷量表的数据进行信度分析，测算得出总信度Cronbach's Alpha为0.947，再对每个变量进行信度的测量，得出各Cronbach's Alpha值在0.678～0.887之间（见表1），这表明此份量表具有较好的信度，并且能够作为样本进行分析。

表1　各个变量的信度分析结果

本文对7个变量采用主成分分析法检验量表的效度，根据标准，通常认为KMO值大于0.8，Bartlett球度统计量越大且概率P（Sig）小于0.05，说明数据很适合做因子分析。用SPSS19.0对问卷量表的统计数据进行测算，结果如表2所示。

表2　KMO 和Bartlett的信度效度检验

此处相关影响因素的KMO值 （Kaiser-Meyer-Olkin） 为0.941，显示样本适合进行因子分析。另外，Bartlett 的球形度检验近似卡方值为7326.992，P（Sig）为0.00，达到显著性水平，可拒绝零假设（即拒绝变量间的偏相关不是单元矩阵的假设），说明总体的相关矩阵间有公共因子存在，适合进行因子分析。设置提取特征值大于1的因子，利用最大方差法对成分矩阵进行旋转后，共提取特征值大于1的因子7个，属于同一个变量的相关题项都聚集在一个因子上，7个因子刚好与7个变量相对应，且所有题项的最大载荷都大于0.5，具有较好的区别效度和收敛效度。综合以上信息可知，该量表具有较高的效度。

2.2描述性数据分析

根据第一部分对受访者基本信息的调查结果来看，被访问者男女比例为1：1.39，受访者年龄段集中在19～40岁之间，受教育水平集中在大学本科。

根据第二部分对受访者网购基本资料的调查结果来看，绝大部分受访者都会在购买商品前关注商品评论，有10.12%的用户甚至不购物也会关注和浏览评论，由此看出在线商品评论信息对于用户的重要性。同时此研究也具有一定的现实意义，能够帮助用户做出正确、有效的购买决策，并且丰富信息经济学的开发利用内容。

2.3假设验证

对于理论模型中所假设的变量之间的关系，本文通过结构方程模型进行检验，并利用AMOS17.0软件进行运算。运算结果的核心主要有：①模型统计参数，②路径系数的估计参数。模型统计参数通常有7个：χ2（卡方）、DF（自由度）、GFI（适配度指数）、AGFI（调整后适配度指数）、NFI（规准适配指数）、IFI（增值适配指数）、RMSEA（渐进残差均方和平方根）。当1≤χ2/DF≤3，GFI、AGFI、NFI、IFI均大于0.9，RMSEA小于0.08时表明该模型拟合程度高。通过AMOS 17.0运算得到各指标数值：χ2/DF=1.404， GFI=0.947， AGFI=0.926， NFI= 0.937， IFI=0.980， CFI=0.979， RMSEA=0.041。以上检验结果说明，本文假设的理论模型比较符合实际数据的现况，具有较好的拟合效果。

3　结果与讨论

随着在线商品评论信息的日益丰富，如今对于评论信息内容的相关研究也越来越多，其中有许多学者着重于研究评论信息内容可信度的影响因素，而对于评论信息内容的其他方面研究并不多。本文在借鉴已有文献的基础上，从用户相关、商家/平台相关和商品相关这三个构面入手，旨在研究影响在线商品评论信息内容详细度和可信度的因素。通过对上述数据的分析得出以下结论：

（1）从用户相关来看，用户的情感分享动机越强烈，越会对在线商品评论信息内容的详细度和可信度产生正面影响。商家/平台可以通过增加自身活动的趣味性、提供方便的服务以及快捷的沟通渠道来利用或增强用户的情感分享动机，从而提高用户的购物体验，提升客户的忠诚度和积极性。

（2）从用户相关来看，专业程度越高的用户发表的在线商品评论也越详细和可信，因此对于刚刚开店的商家/平台，可以通过邀请专业程度较高的用户来对产品进行预体验和评价，从而增加其他用户对新店铺或购物平台的感知信任度并降低其感知风险，有利于促进商家/平台的发展。

（3）从商家/平台相关来看，商家/平台的态度与详细度没有显著相关关系，但会负向影响在线商品评论的可信度，当商家/平台的态度过于友好时，用户会觉得不太真实，并且会认为这是商家/平台的一种营销手段，由此使得用户感知信任度降低。

（4）从商家/平台相关来看，用户与商家/平台之间的关系强度会正向影响在线商品评论的详细度和可信度，也就是说，商家应当注重关系强度的提升，具体可以通过及时主动地对用户的评论进行反馈，对积极的口碑传播进行答谢，对负面的评论进行解释或采取恰当的措施予以补救等方法实现，从而提高消费者的购物体验和满意度，增强用户粘性，形成商家/平台与用户之间的强关系纽带。

（5）从商品相关来看，商品类型与在线商品评论详细度和可信度之间没有显著相关关系。结合已有文献和研究，商品类型更多作为一种调节变量来影响在线商品评论的极性。比如相对于体验型商品，负向评论对搜索型商品的有用性更高；相对于搜索型商品，体验型商品的正向评论与负向评论的有用性差异更大［2］。而本文的商品类型作为一种直接变量，对在线商品评论的可信度和详细度的影响并不显著，该结果说明在线商品评论的详细度和可信度并不会因为商品类型的改变而出现很大的差异。若用户购买了体验型商品，即使事先无法像搜索型商品那样准确获知其主要属性，但是也可以通过后期体验和感知逐步获得，因此评论时也可以十分详细；此外用户一般是经过亲身体验和使用之后才对体验型商品进行评价，因此这种评价也能够增加其他用户的感知信任度。

本文实证研究的结果有助于用户准确利用评论信息做出有效的商品购买决策，能够启发商家通过在线商品评论信息提升客户忠诚度和感知信任度，也能指导评论发布平台的建设者完善在线商品评论信息的质量管理和控制机制，取得更佳的用户体验。同时本研究也存在一定的局限性：（1）本文侧重于用户层面对在线商品评论信息内容的影响因素，对于其他层面只提取了其中的主要影响因素，除此之外还有诸如用户性格、网站架构、商家信誉度等其他可能的影响因素；（2）对于问卷设计、数据处理等方面存在一定的不足和误差；（3）对于受调查者可通过以性别、年龄、受教育水平为区分对样本进行对比分析。

［1］ 郝媛媛. 在线评论对消费者感知与购买行为影响的实证研究［D］.哈尔滨：哈尔滨工业大学，2010.

［2］ 张磊. 商品类型对在线评论极性影响力的调节作用研究［D］.哈尔滨： 哈尔滨工业大学，2011.