陶曉波,張欣瑞,楊建坤,沈曉嶺,張 璋
(1.北方工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100144; 2.北京聯(lián)合大學(xué),北京 100101)
?
在線評論、感知有用性與新產(chǎn)品擴(kuò)散的關(guān)系研究
陶曉波1,張欣瑞1,楊建坤1,沈曉嶺1,張 璋2
(1.北方工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院,北京 100144; 2.北京聯(lián)合大學(xué),北京 100101)
本研究分析了在線評論的自身特征,同時(shí)引入感知有用性作為中介變量,構(gòu)建了在線評論對新產(chǎn)品擴(kuò)散的影響機(jī)理概念模型,并通過實(shí)證分析對這一模型展開了驗(yàn)證。實(shí)證分析結(jié)果表明:在線評論數(shù)量和效價(jià)雖然都正向影響新產(chǎn)品的擴(kuò)散,但是在線評論數(shù)量和效價(jià)對新產(chǎn)品擴(kuò)散的影響存在負(fù)向的交互作用;感知有用性起到了部分中介作用,即在線評論數(shù)量和效價(jià)通過影響感知有用性影響新產(chǎn)品擴(kuò)散;搜索品和體驗(yàn)品具有不同的擴(kuò)散模型。研究成果能夠?yàn)槠髽I(yè)有效管理新產(chǎn)品的在線評論提供具體的指導(dǎo),從而提高新產(chǎn)品擴(kuò)散的效率。
在線評論;感知有用性;新產(chǎn)品擴(kuò)散
“十三五”時(shí)期是信息化引領(lǐng)全面創(chuàng)新、構(gòu)筑國家競爭新優(yōu)勢的重要戰(zhàn)略機(jī)遇期。從供給側(cè)看,推動信息化與實(shí)體經(jīng)濟(jì)深度融合,有利于提高全要素生產(chǎn)率,提高供給質(zhì)量和效率,更好地滿足人民群眾日益增長、不斷升級和個(gè)性化的需求;從需求側(cè)看,推動互聯(lián)網(wǎng)與經(jīng)濟(jì)社會深度融合,創(chuàng)新數(shù)據(jù)驅(qū)動型的生產(chǎn)和消費(fèi)模式,有利于促進(jìn)消費(fèi)者深度參與,不斷激發(fā)新的需求。這其中,依托在線評論信息促進(jìn)新產(chǎn)品的擴(kuò)散便顯得尤為重要。一方面,網(wǎng)絡(luò)購物早已成為消費(fèi)者購物的新模式,越來越多的消費(fèi)者在購物行為中將產(chǎn)品意見、經(jīng)驗(yàn)等信息通過論壇、留言板、聊天工具、購物網(wǎng)站、消費(fèi)者評論網(wǎng)站等工具進(jìn)行傳播,對經(jīng)濟(jì)發(fā)展持續(xù)發(fā)揮著重要的影響,也為企業(yè)的新產(chǎn)品擴(kuò)散帶來了良好的契機(jī);另一方面,在線評論作為消費(fèi)者生成的一種重要信息,成為了解商品性能和質(zhì)量的主要渠道,是消費(fèi)者制定購買決策時(shí)重要的參考指標(biāo),對于新產(chǎn)品擴(kuò)散存在著重要的推動作用[1-2]。因此,理解、把握和運(yùn)用在線評論對新產(chǎn)品擴(kuò)散完整的影響機(jī)理非常必要。
在線評論指的是潛在或?qū)嶋H消費(fèi)者在電子商務(wù)或第三方評論等網(wǎng)站上發(fā)表產(chǎn)品或服務(wù)的正面或負(fù)面觀點(diǎn)[3],通過在線方式傳遞給大眾群體,也是用戶與商家之間的在線互動與信息交流。絕大部分的電子商務(wù)網(wǎng)站、社區(qū)型網(wǎng)站、第三方評論網(wǎng)站會為用戶提供星級評分以及撰寫評論功能等[4]。網(wǎng)購前先看在線評論已經(jīng)成為很多網(wǎng)民的消費(fèi)習(xí)慣,在線評論為消費(fèi)者提供了更多、更真實(shí)的產(chǎn)品信息,降低購買風(fēng)險(xiǎn),幫助其做出購買決策[5-6]。在線評論近年來吸引了研究人員的廣泛關(guān)注,積累出豐富的研究成果。已有研究提取了多個(gè)自變量,研究了在線評論對感知有用性、產(chǎn)品評價(jià)、產(chǎn)品購買等因變量的影響。Chevalier等研究表明,大多數(shù)的評論信息是正面的,極低星級排名要比極高星級排名影響作用顯著;在線評論數(shù)量增加促使銷售額增加[7]。Liu從Yahoo Movies影評網(wǎng)站中選取40部影片的12000余條評論對網(wǎng)絡(luò)口碑進(jìn)行了研究,研究表明評論數(shù)量影響上映后前幾周票房,評論的傾向性不重要[8]。郝媛媛等的研究指出:正向積極評論的有用性比較高;正向情感和負(fù)情感的混雜程度比較高的感知有用性較高[9]。Zhu等人根據(jù)Game Sport.com評論數(shù)據(jù)和NPD中的行業(yè)銷售數(shù)據(jù)進(jìn)行分析后得出,評論對知名度不高的游戲和擁有玩家經(jīng)驗(yàn)比較豐富的游戲的影響作用比較顯著;同一類別中不同產(chǎn)品受消費(fèi)者評論的影響存在差異[10]。Cui從亞馬遜中獲取9個(gè)月的近340條新產(chǎn)品(電子產(chǎn)品和游戲)評論,分析后得出,評論偏向?qū)λ阉餍彤a(chǎn)品的銷售作用比較顯著,而評論數(shù)量則對體驗(yàn)型產(chǎn)品的銷售作用比較顯著;消極評論比積極評論的影響作用顯著[11]。You等人則進(jìn)一步通過元分析,將在線評論領(lǐng)域的現(xiàn)有研究主線提煉為在線評論對產(chǎn)品銷售的作用機(jī)理[12]。上述研究成果對研究在線評論與新產(chǎn)品擴(kuò)散之間的關(guān)系提供了重要的理論指導(dǎo)。
綜上所述,已有研究從在線評論自身特征(數(shù)量、效價(jià))、在線評論參與者(發(fā)送者與接收者)以及感知有用性等方面研究了在線評論對新產(chǎn)品擴(kuò)散的影響。但在線評論對新產(chǎn)品擴(kuò)散比較完整的影響機(jī)理目前仍未獲得足夠清晰的理解。特別地,在線評論對新產(chǎn)品擴(kuò)散的影響,不是其直接影響因素的簡單相加,各種影響因素之間也存在著相互作用。同時(shí),在線評論數(shù)量越來越多,影響因素越來越繁雜,哪些因素能夠更好地吸引消費(fèi)者的關(guān)注,讓消費(fèi)者感覺到有用,從而影響到消費(fèi)者決策?對于搜索品和體驗(yàn)品兩種類型產(chǎn)品的擴(kuò)散模型是否有差異?哪些因素的影響作用更加顯著?這些都是值得進(jìn)一步研究的問題。本研究將在已有研究基礎(chǔ)上,分析在線評論數(shù)量和效價(jià)在影響新產(chǎn)品擴(kuò)散過程中的交互效應(yīng),探討感知有用性在其中發(fā)揮的中介作用,并探究產(chǎn)品類型在其中發(fā)揮的調(diào)節(jié)效應(yīng),通過對影響機(jī)理更為系統(tǒng)深入的理解與把握,更好地依托在線評論提升我國新產(chǎn)品擴(kuò)散工作的效率與效果。
(一)理論回顧
本研究從新產(chǎn)品擴(kuò)散的理論基礎(chǔ)——BASS模型出發(fā),分析了在線評論的自身特征,并引入感知有用性作為中介變量,構(gòu)建了在線評論對新產(chǎn)品擴(kuò)散的影響機(jī)理概念模型,并通過實(shí)證分析對這一模型展開了驗(yàn)證。BASS模型提出新產(chǎn)品投入市場后主要受到以下傳播途徑的影響:一是大眾媒介(mass media),主要傳播是新產(chǎn)品容易得到驗(yàn)證的性能,比如新產(chǎn)品的大小、價(jià)位、顏色以及相關(guān)性能等;二是消費(fèi)者之間的口頭交流(word-of-mouth),主要為已購買消費(fèi)者對潛在消費(fèi)者的宣傳,主要傳播新產(chǎn)品不容易得到驗(yàn)證的性能,比如商品購買是否便利、使用是否可靠及是否經(jīng)久耐用等。Bass模型奠定了新產(chǎn)品擴(kuò)散的理論研究方向,并在實(shí)踐領(lǐng)域中得到廣泛應(yīng)用,起初對電冰箱、電視機(jī)、空調(diào)、洗衣機(jī)等耐用消費(fèi)品的擴(kuò)散進(jìn)行過很好的預(yù)測,后來被IBM、柯達(dá)等知名公司采用,成功進(jìn)行了技術(shù)型新產(chǎn)品的擴(kuò)散預(yù)測。
(二)研究假設(shè)
(1)在線評論對新產(chǎn)品擴(kuò)散的影響
在線評論數(shù)量的多少代表著用戶對該新產(chǎn)品的喜愛程度。Duan研究發(fā)現(xiàn)電影的在線評論數(shù)量及票房的收入會促進(jìn)評論數(shù)量的增加,評論數(shù)量的增多反過來又會促進(jìn)票房收入的升高[13]。Cui實(shí)證分析表明在電子產(chǎn)品和視頻游戲的早期推廣階段在線評論起著重要的影響作用,之后影響作用逐漸降低[11]。Chen通過對書籍的實(shí)證研究表明,書籍評論的數(shù)量與其推廣速度存在較為顯著的正相關(guān)作用[14]。借助于在線評論具有的獨(dú)特優(yōu)勢,學(xué)者研究發(fā)現(xiàn),在線評論數(shù)量和新產(chǎn)品的推廣存在積極的聯(lián)系,于麗萍等實(shí)證分析表明,在線評論數(shù)量增多會增加消費(fèi)者的購買意向,促使消費(fèi)者做出購買的決定從而促進(jìn)新產(chǎn)品推廣[15]。當(dāng)在線評論數(shù)量很多時(shí),則表示購買者很多,起到了宣傳,擴(kuò)大知名度的效果,同時(shí)也會在社會上形成流行的壓力。基于社會心理學(xué)中的從眾理論,潛在消費(fèi)者會以多數(shù)人的看法為準(zhǔn)則,做出符合大多數(shù)人的行為的決策。從眾壓力一旦形成,會使消費(fèi)者在不能判斷出新產(chǎn)品好壞的情況下,自覺以大多數(shù)人的意見為準(zhǔn)則進(jìn)行購買,從而促進(jìn)新產(chǎn)品擴(kuò)散。本研究據(jù)此提出假設(shè):
H1:在線評論數(shù)量正向影響新產(chǎn)品擴(kuò)散。
在線評論效價(jià)代表著購買者對新產(chǎn)品購后的滿意程度,一般用評分或星級表示。在線評論的效價(jià)越高,代表著購買者對新產(chǎn)品的滿意度比較高,證明新產(chǎn)品的價(jià)值或?qū)傩员容^高,將增加其他消費(fèi)者的購買信心,從而有助于新產(chǎn)品的推廣;在線評論效價(jià)越低,消費(fèi)者的滿意度越低,這是因?yàn)橄M(fèi)者負(fù)面偏見的存在,會阻礙新產(chǎn)品擴(kuò)散。Cui通過跟蹤亞馬遜電子產(chǎn)品等新產(chǎn)品銷量,證明了負(fù)面偏見的存在,并且證明了負(fù)面評論比正面評論對新產(chǎn)品的影響要大。正面積極的在線評論會增加潛在消費(fèi)者的購買信心,負(fù)面消極的在線評論阻礙新產(chǎn)品的推廣[11]。Chatterjee的研究表明在線書評效價(jià)越高越會促進(jìn)圖書的推廣[16]。Zhang的研究發(fā)現(xiàn)消費(fèi)者就餐后的評論評分與餐廳的喜愛程度存在正相關(guān)關(guān)系[17]。Reinstein研究表明消費(fèi)者的評論效價(jià)會正向促進(jìn)新產(chǎn)品的推廣[18]。
在線評論效價(jià)對新產(chǎn)品擴(kuò)散的影響是比較直觀并且明晰的。亞馬遜網(wǎng)站提供的在線評論效價(jià)為1-5星,在線評論效價(jià)越高,代表已購買消費(fèi)者對該產(chǎn)品或服務(wù)獲得的評價(jià)越高,潛在消費(fèi)者感知到的該產(chǎn)品的質(zhì)量就會越高。基于微觀個(gè)體決策理論,當(dāng)個(gè)體感知到新產(chǎn)品的主觀價(jià)值越高時(shí),越會做出購買的決定。因此,在線評論的效價(jià)越高,新產(chǎn)品擴(kuò)散的速度就會越快。本研究據(jù)此提出假設(shè):
H2:在線評論效價(jià)正向影響新產(chǎn)品的擴(kuò)散。
當(dāng)前學(xué)者更多地將在線評論數(shù)量和效價(jià)分割開來,各自研究其對新產(chǎn)品擴(kuò)散的影響,并沒有具體深入研究在線評論數(shù)量和效價(jià)之間的交互作用。Duan研究發(fā)現(xiàn),當(dāng)新產(chǎn)品在線評論比較多時(shí),雖然這些評論中既有高效價(jià)的積極評論,也有低效價(jià)的消極評論,但潛在用戶會更加深入和全面了解該新產(chǎn)品的相關(guān)屬性和性能,因此會更大限度影響潛在用戶的購買決策[19]。在線評論數(shù)量和效價(jià)對于新產(chǎn)品擴(kuò)散的影響不能夠單一分割開來,兩者間存在一定的交互作用。在線評論效價(jià)低且低效價(jià)評論數(shù)量多時(shí),會增加潛在消費(fèi)者對該新產(chǎn)品的質(zhì)量或性能等方面的懷疑,阻礙潛在消費(fèi)者的購買和新產(chǎn)品擴(kuò)散;相反,當(dāng)在線評論效價(jià)高,并且數(shù)量越來越多時(shí),會誘導(dǎo)消費(fèi)者購買,從而促進(jìn)新產(chǎn)品擴(kuò)散。本研究據(jù)此提出假設(shè):
H3:在線評論效價(jià)和數(shù)量在對新產(chǎn)品擴(kuò)散的影響過程中存在正向交互作用。
(2)感知有用性的中介作用
當(dāng)消費(fèi)者搜尋關(guān)于新產(chǎn)品的信息時(shí),消費(fèi)者更加關(guān)注那些感覺有用的評論。有用的在線評論將會增加潛在消費(fèi)者做出是否購買決策的確定性,從而影響新產(chǎn)品的推廣速度。彭敏鈺使用層次分析法,從在線感知有用性、評論者的背景等七方面構(gòu)建了在線評論影響消費(fèi)者購買意愿的影響模型,并賦予在線感知有用性最高的權(quán)重[20]。
在線評論數(shù)量代表著其他用戶所能搜尋到某一新產(chǎn)品有關(guān)信息量的多少,當(dāng)消費(fèi)者搜尋相關(guān)信息時(shí)發(fā)現(xiàn)在線評論數(shù)量很多,則會認(rèn)為很多購買者認(rèn)同此類新產(chǎn)品[21]。因此,在線評論數(shù)量增多將會提高消費(fèi)者的感知有用性。消費(fèi)者在線評論效價(jià)代表消費(fèi)者滿意度,消費(fèi)者在感知到非常滿意或者不滿意的情況下,進(jìn)行在線評論的可能性更高[22],而這種深入的評論更有用。中立在線評論,由于深入度低,無法為消費(fèi)者提供有價(jià)值的商品評價(jià)信息,從而其參考性相對較小。并且極端評論的有用性已經(jīng)得到學(xué)者的證實(shí)。Pavlou證實(shí)了極端評論可以讓消費(fèi)者獲得較為真實(shí)的新產(chǎn)品信息[23]。金立印認(rèn)為低效價(jià)評論對潛在消費(fèi)者的阻礙作用要大于高效價(jià)的促進(jìn)作用[24]。
綜上可知,一方面在線評論數(shù)量增多和效價(jià)提高將會提高潛在消費(fèi)者的感知有用性,另一方面,潛在感知有用性提高,會勸說潛在消費(fèi)者做出購買行為,從而推動新產(chǎn)品擴(kuò)散。由此可知,感知有用性會是在線評論和新產(chǎn)品擴(kuò)散之間一個(gè)重要的中介變量,并在其中起到了部分中介的作用。由此,本研究提出以下假設(shè):
H4:在線評論數(shù)量越多,感知有用性越高,從而越促進(jìn)新產(chǎn)品擴(kuò)散。
H5:在線評論效價(jià)越高,感知有用性越高,從而越促進(jìn)新產(chǎn)品擴(kuò)散。
(3)產(chǎn)品類型的調(diào)節(jié)作用
本研究借助Nelson產(chǎn)品分類方法,將在線產(chǎn)品分為搜索品和體驗(yàn)品兩種類型,搜索品如地毯、鞋子、家具和電子產(chǎn)品等,消費(fèi)者在購買前可以根據(jù)具體的屬性進(jìn)行評估;體驗(yàn)品如香水、電影和書籍等,需要親身的體驗(yàn)或感覺,很難用具體的屬性來衡量,并且不同的消費(fèi)者或許有不同的體驗(yàn)[25]。對于體驗(yàn)品,潛在消費(fèi)者會更重視尋找產(chǎn)品信息的深度,對于搜索品,潛在消費(fèi)者會更重視尋找產(chǎn)品信息的廣度[26]。盡管用戶會利用在線評論幫助自己做正確的購買決策,但用戶在購買體驗(yàn)品時(shí)會更加依賴在線評論[27]。消費(fèi)者在對搜索品與體驗(yàn)品做出購買決定時(shí),有著不同的在線評論需求,這體現(xiàn)出兩種類型的產(chǎn)品對在線評論影響新產(chǎn)品擴(kuò)散有著不同的路徑依賴。
鑒于網(wǎng)絡(luò)的虛擬性,消費(fèi)者不能借助互聯(lián)網(wǎng)對體驗(yàn)品的便利性、味覺等具體屬性進(jìn)行體驗(yàn),并且消費(fèi)者對于體驗(yàn)品的評價(jià)也是異質(zhì)性的,并不能代表體驗(yàn)品的質(zhì)量。此時(shí),外部的影響因素比如產(chǎn)品的流行性將會對消費(fèi)者購買決策產(chǎn)生更重要的作用[28],在線評論數(shù)量的增多也會提高消費(fèi)者對體驗(yàn)品感知的有用性,進(jìn)而推動體驗(yàn)品的擴(kuò)散。但是對于搜索品,消費(fèi)者通過網(wǎng)上的搜索渠道可以很容易的搜集到關(guān)于產(chǎn)品的屬性或功能的信息,在線評論效價(jià)提高時(shí)會提高消費(fèi)者對搜索品的感知有用性進(jìn)而推動搜索品的擴(kuò)散,因此在線評論效價(jià)將會影響消費(fèi)者做出搜索品的購買決定。綜上可知,搜索品會更多受到在線評論效價(jià)的影響,而體驗(yàn)品會更多受到在線評論數(shù)量的影響。本研究據(jù)此提出假設(shè):
H6:對于搜索品而言,在線評論的效價(jià)通過感知有用性影響新產(chǎn)品擴(kuò)散的作用要高于在線評論數(shù)量通過感知有用性影響新產(chǎn)品擴(kuò)散的作用。
H7:對于體驗(yàn)品而言,在線評論的數(shù)量通過感知有用性影響新產(chǎn)品擴(kuò)散的作用要高于在線評論效價(jià)通過感知有用性影響新產(chǎn)品擴(kuò)散的作用。
在上述假設(shè)的基礎(chǔ)上,本研究借鑒已有文獻(xiàn)的研究過程,把價(jià)格作為控制變量,以更好地驗(yàn)證研究假設(shè)。研究理論模型如圖1所示。
圖1 本研究理論模型圖
(一)樣本選擇與數(shù)據(jù)來源
借鑒已有文獻(xiàn)的做法,本研究將數(shù)碼產(chǎn)品作為搜索品的代表,將圖書作為典型體驗(yàn)品的代表。在亞馬遜網(wǎng)站上針對五種搜索品(Nikon尼康COOLPIXP900s便攜數(shù)碼相機(jī)、Canon佳能EOS70D數(shù)碼單反套機(jī)、HUAWEI華為P8 4G手機(jī)(白色,雙卡雙待)、Olympus微型單電電動變焦鏡頭套機(jī)、Casio卡西歐EX-TR500數(shù)碼相機(jī))和五種體驗(yàn)品(《溝通的藝術(shù):看入人里,看出人外》、《姑娘,歡迎降落在這殘酷世界》、《宿命:孤獨(dú)張藝謀》、《歷史的教訓(xùn)》、《從0到1:開啟商業(yè)與未來的秘密》)的相關(guān)變量,每周進(jìn)行一次面板數(shù)據(jù)的搜集,最后共搜集取得23周的面板數(shù)據(jù):橫截面是由十種新產(chǎn)品在每周組成的截面觀測值,縱剖面是一個(gè)23周的時(shí)間序列,本研究運(yùn)用Stata12.0數(shù)據(jù)分析軟件進(jìn)行相應(yīng)數(shù)據(jù)的分析。
(二)變量測量
(1)自變量
本研究將在線評論數(shù)量和在線評論星級定義為自變量,在線評論數(shù)量用消費(fèi)者評論數(shù)量總數(shù)衡量;在線評論的效價(jià)用亞馬遜公布的平均星級值代替。
(2)中介變量
本研究引入在線感知有用性作為中介變量。感知有用性是指潛在消費(fèi)者在瀏覽完評論后會對該評論是否有用做出投票,亞馬遜網(wǎng)站會對有用投票數(shù)量進(jìn)行統(tǒng)計(jì),并計(jì)算有用人數(shù)所占比例。很多學(xué)者采用累計(jì)有用票數(shù)對投票數(shù)的比例代表評論的有用性,感知有用性的值是一個(gè)0到1的連續(xù)值,因此本研究采用評論有用票數(shù)與總投票數(shù)的比值來衡量感知有用性,然后將每條感知有用性進(jìn)行加權(quán)平均,得出每周在線感知有用性的均值,用其衡量感知有用性。
(3)因變量
本研究將新產(chǎn)品擴(kuò)散作為因變量。亞馬遜并不公開產(chǎn)品銷量的數(shù)據(jù),但亞馬遜每天都會對產(chǎn)品的銷量進(jìn)行排名。學(xué)者的研究表明產(chǎn)品銷售排名和銷售額關(guān)系是帕累托最優(yōu)關(guān)系,這意味著ln(產(chǎn)品銷量)和ln(產(chǎn)品排名)之間存在線性關(guān)系,即ln(產(chǎn)品銷量)=a + b * ln(產(chǎn)品排名),這種線性關(guān)系已經(jīng)在圖書、電子產(chǎn)品、女士服裝等獲得證明,考慮到已有研究曾在分析中用產(chǎn)品排名代表產(chǎn)品銷量[29-30],本研究采用亞馬遜網(wǎng)站的每周銷售排名來代替該周的銷售量,產(chǎn)品排名越大,則銷量越少,產(chǎn)品擴(kuò)散速度越慢;產(chǎn)品排名越小,則銷售量越多,產(chǎn)品擴(kuò)散速度越快。
(4)控制變量
為了很好地控制價(jià)格對新產(chǎn)品銷量的影響,本研究只針對亞馬遜自營店產(chǎn)品的銷售價(jià)格進(jìn)行同步跟蹤,從而更好地降低控制變量的干擾效應(yīng)。
(一)描述性統(tǒng)計(jì)分析
描述性統(tǒng)計(jì)分析結(jié)果見表1。
表1 描述性分析結(jié)果
由表1看出所挑選的十種新產(chǎn)品中,在線評論數(shù)量均值有94.6條,標(biāo)準(zhǔn)差為108.9,表明每種新產(chǎn)品的在線評論數(shù)量差異比較大;同時(shí)衡量新產(chǎn)品擴(kuò)散速度的產(chǎn)品排名均值為1426.3,標(biāo)準(zhǔn)差為2291.3,產(chǎn)品排名的差異性很大,最小的排名為1,最大的排名達(dá)到13577,新產(chǎn)品的排名越大,證明其擴(kuò)散速度越慢,而產(chǎn)品排名越小,證明其擴(kuò)散的速度越快,產(chǎn)品排名與新產(chǎn)品擴(kuò)散速度成反比。十種產(chǎn)品的價(jià)格差異性也非常顯著,最小的價(jià)格為13.8元,最大的價(jià)格為8999元,其標(biāo)準(zhǔn)差最大為3248.645。
分別對搜索品和體驗(yàn)品進(jìn)行數(shù)據(jù)分析,打開搜索品和體驗(yàn)品的數(shù)據(jù)表格,在Command命令框中,輸入程序,即可得搜索品和體驗(yàn)品的描述性分析結(jié)果,如表1。搜索品產(chǎn)品均價(jià)為5498.8元,而體驗(yàn)品(圖書)的均價(jià)是28.01元,兩者相比差異性比較大,體驗(yàn)品(圖書)的均價(jià)相對來說比較低。體驗(yàn)品和搜索品的產(chǎn)品排名分別為1231.661和1621,標(biāo)準(zhǔn)差分別2039.695和2511.8,標(biāo)準(zhǔn)差的值都比較大,表明搜索品和體驗(yàn)品每種產(chǎn)品的排名差異比較大。同時(shí),無論體驗(yàn)品還是搜索品的平均評論效價(jià)都比較高,超過了4.5,表明消費(fèi)者對這十種產(chǎn)品的滿意度比較高。
(二)假設(shè)檢驗(yàn)
本研究借助Stata12.0軟件,首先研究新產(chǎn)品擴(kuò)散的各個(gè)變量之間的關(guān)系。然后分別對自變量(數(shù)量、效價(jià))和因變量(排名),自變量(數(shù)量、效價(jià))和中介變量(感知有用性),中介變量(感知有用性)和因變量(排名)之間的關(guān)系進(jìn)行豪斯曼檢驗(yàn),確定固定效應(yīng)和隨機(jī)效應(yīng)方式:當(dāng)豪斯曼檢驗(yàn)值小于0.1時(shí),適合固定效應(yīng)檢驗(yàn)。當(dāng)豪斯曼檢驗(yàn)值大于0.1時(shí),適合隨機(jī)效應(yīng)檢驗(yàn)。最后根據(jù)數(shù)據(jù)分析結(jié)果,確定感知有用性的中介作用,并分別對搜索品和體驗(yàn)品進(jìn)行獨(dú)立分析。
(1)總體分析
運(yùn)用 Stata12.0軟件分析獲得五個(gè)變量間的Pearson相關(guān)系數(shù),見表2。變量間相關(guān)分析初步檢驗(yàn)各個(gè)變量間是否存在相關(guān)關(guān)系,是否存在一定程度的聯(lián)系。
表2 五個(gè)變量間的Pearson相關(guān)性系數(shù)
注:*表示在0.01的水平上顯著。
由表2可以看出,在線評論數(shù)量和效價(jià)與新產(chǎn)品排名中等程度相關(guān),并且在0.01的顯著水平上顯著;在線評論的數(shù)量和效價(jià)與感知有用性中等程度相關(guān),并且在0.01的顯著水平上顯著;感知有用性與因變量新產(chǎn)品排名中等程度相關(guān),并且在0.01的顯著水平上顯著;控制變量價(jià)格與感知有用性和產(chǎn)品排名中等程度相關(guān),并且在0.01的顯著水平上顯著。
為了更好地研究變量間的關(guān)系,使用Stata軟件展開進(jìn)一步分析,分析結(jié)果如表3所示。模型1對在線評論數(shù)量和效價(jià)、兩者之間交互作用及價(jià)格對新產(chǎn)品擴(kuò)散的影響進(jìn)行了回歸分析。模型2對在線評論數(shù)量和效價(jià)、兩者之間交互作用及價(jià)格對感知有用性的影響進(jìn)行了回歸分析。模型3對在線評論數(shù)量和效價(jià)、兩者之間交互作用、價(jià)格及感知有用性對新產(chǎn)品擴(kuò)散的影響進(jìn)行了回歸分析。
由模型1可知,對于控制變量價(jià)格(price),其P值為0.026,小于0.05,價(jià)格對新產(chǎn)品擴(kuò)散的影響是顯著的,同時(shí)回歸系數(shù)為14.011,證明價(jià)格的上漲會增加新產(chǎn)品的排名值,阻礙新產(chǎn)品擴(kuò)散。對于數(shù)量和效價(jià)對排名的影響,其P值小于0.05,因此數(shù)量和效價(jià)對于新產(chǎn)品擴(kuò)散的影響是非常顯著的,同時(shí),兩者的回歸系數(shù)都為負(fù),表明在線評論數(shù)量和效價(jià)增多將會降低新產(chǎn)品的排名值,促進(jìn)新產(chǎn)品擴(kuò)散,從而接受假設(shè)H1和假設(shè)H2。由模型2可知,價(jià)格對于感知有用性影響的P值為0.121大于0.05,其效果并不顯著。而在線評論數(shù)量、效價(jià)及其交互作用對感知有用性的P值小于0.05,并且回歸系數(shù)為正,表明在線評論數(shù)量和效價(jià)的增多會提升感知有用性,因此,在線評論數(shù)量和效價(jià)顯著正向影響感知有用性。由模型3可知,感知有用性的P值為0.023,并且感知有用性的回歸系數(shù)為-3576.853,表明感知有用性提高一個(gè)星級將會使產(chǎn)品排名數(shù)值降低3576.853個(gè)單位,從而促進(jìn)新產(chǎn)品擴(kuò)散,即感知有用性正向影響新產(chǎn)品擴(kuò)散。在線評論數(shù)量和效價(jià)對感知有用性正向的影響作用是顯著的,并且感知有用性正向影響新產(chǎn)品擴(kuò)散。在線評論數(shù)量和效價(jià)通過產(chǎn)品有用性影響新產(chǎn)品的擴(kuò)散,在線評論的有用性的部分中介作用是顯著的,支持假設(shè)H4和H5。
表3 在線評論﹑感知有用性和新產(chǎn)品擴(kuò)散之間關(guān)系的檢驗(yàn)結(jié)果
注:*表示在0.05的水平上顯著,**表示在0.01的水平上顯著。
在線評論數(shù)量和效價(jià)的交互作用對新產(chǎn)品擴(kuò)散的影響也是非常顯著的,其P值小于0.05,而在線評論數(shù)量和效價(jià)回歸系數(shù)為-231.06,表明兩者之間存在負(fù)的交互作用。
由固定效應(yīng)檢驗(yàn)結(jié)果,可知回歸公式為:
Y=14.011*價(jià)格-1021.72*數(shù)量-1021.2*效價(jià)-231.06*數(shù)量*效價(jià)
在已搜集的數(shù)據(jù)中選擇效價(jià)為4.6與效價(jià)為4.7的兩組數(shù)據(jù)進(jìn)行分析,并分別挑選兩個(gè)在線評論數(shù)量值,帶入公式共獲得四組數(shù)據(jù),而后繪制趨勢線圖,如圖2。從圖2可以發(fā)現(xiàn),低效價(jià)的斜率絕對值要高于高效價(jià)的斜率絕對值,即當(dāng)效價(jià)比較低時(shí),在線評論數(shù)量對提高產(chǎn)品排名的促進(jìn)作用,要強(qiáng)于效價(jià)較高時(shí),數(shù)量對提高產(chǎn)品排名的促進(jìn)作用,由此可知,在線評論數(shù)量和效價(jià)之間存在負(fù)向的交互作用,拒絕假設(shè)H3。
(2)搜索品分析
首先對搜索品自變量、控制變量和因變量關(guān)系進(jìn)行回歸分析(模型4);然后,對自變量和控制變量對感知有用性的關(guān)系進(jìn)行分析(模型5);最后,對搜索品自變量、控制變量和中介變量對新產(chǎn)品擴(kuò)散的影響機(jī)理進(jìn)行分析(模型6)。分析方法均采用豪斯曼檢驗(yàn),分析結(jié)果見表4。
由模型4可知,價(jià)格對于搜索品新產(chǎn)品擴(kuò)散的影響p值為0.02,小于0.05,回歸系數(shù)為1.5,其負(fù)向的影響作用是顯著的;效價(jià)的顯著性概率為0.000,同時(shí),回歸系數(shù)為-1076.87,表明在線評論效價(jià)對于搜索品擴(kuò)散的正向影響是顯著的,而在線評論數(shù)量對于新產(chǎn)品排名影響的P值為0.315遠(yuǎn)大于0.05,其效果是不顯著的。因此,在線評論效價(jià)正向影響搜索品的擴(kuò)散,在線評論數(shù)量對搜索品擴(kuò)散的影響作用并不顯著。由模型5可知,搜索品在線評論效價(jià)和數(shù)量對感知有用性影響的P值小于0.05,同時(shí)回歸系數(shù)為正,表明搜索品在線評論效價(jià)和數(shù)量正向影響感知有用性。由模型6分析得出在線評論的效價(jià)P值為0.002,感知有用性P值為0.000,都小于0.05,兩者的回歸系數(shù)都為負(fù),因此在線評論效價(jià)和感知有用性正向影響新產(chǎn)品擴(kuò)散。價(jià)格和在線評論數(shù)量對產(chǎn)品排名影響的P值分別為0.164和0.205,大于0.05,因此價(jià)格和在線評論數(shù)量對產(chǎn)品排名的影響并不顯著。
表4 搜索型產(chǎn)品檢驗(yàn)結(jié)果
注:*表示在0.05的水平上顯著,**表示在0.01的水平上顯著。
綜合以上對搜索品的分析可以發(fā)現(xiàn),對于搜索品,在線評論效價(jià)通過感知有用性顯著影響新產(chǎn)品擴(kuò)散,感知有用性在評論效價(jià)對新產(chǎn)品擴(kuò)散的影響中起到部分中介作用;而評論數(shù)量并不直接影響新產(chǎn)品擴(kuò)散,需通過影響感知有用性,進(jìn)而影響新產(chǎn)品擴(kuò)散,因此,感知有用性在評論數(shù)量影響新產(chǎn)品擴(kuò)散的過程中起完全中介作用,假設(shè)6得到部分支持。至此,本研究得出在線評論對搜索型新產(chǎn)品擴(kuò)散的影響機(jī)理模型圖,如圖3所示。
圖3 在線評論對搜索型新產(chǎn)品擴(kuò)散的影響模型
(3)體驗(yàn)品分析
接下來驗(yàn)證體驗(yàn)品的調(diào)節(jié)作用。首先分析體驗(yàn)品自變量在線評論數(shù)量和效價(jià)與因變量新產(chǎn)品擴(kuò)散的關(guān)系(模型7);然后對體驗(yàn)品自變量和感知有用性進(jìn)行分析(模型8);最后,對體驗(yàn)品自變量、中介變量與新產(chǎn)品擴(kuò)散進(jìn)行綜合分析(模型8)。分析方法均采用豪斯曼檢驗(yàn),分析結(jié)果見表5。
由模型7可知,對體驗(yàn)品而言,價(jià)格對于新產(chǎn)品擴(kuò)散的影響p值為0.454,遠(yuǎn)大于0.05,因此對于體驗(yàn)品,價(jià)格的影響并不顯著。同時(shí),在線評論效價(jià)對體驗(yàn)品擴(kuò)散的P值為0.418,大于0.05,
因此在線評論效價(jià)對體驗(yàn)品的作用也不顯著。而在線評論數(shù)量對體驗(yàn)品擴(kuò)散影響的P值為0.000,小于0.05,并且回歸系數(shù)為-1202.765,因此,在線評論數(shù)量正向影響體驗(yàn)品新產(chǎn)品擴(kuò)散。在模型8中,可以發(fā)現(xiàn)在線評論數(shù)量和在線評論效價(jià)對感知有用性影響的P值都為0.000,小于0.05,并且兩者的回歸系數(shù)都為正,由此,在線評論數(shù)量和效價(jià)正向影響體驗(yàn)品的感知有用性。模型9發(fā)現(xiàn)對于體驗(yàn)品,感知有用性P值為0.063,接近0.05,并且回歸系數(shù)為-4832.248,因此感知有用性正向影響體驗(yàn)品新產(chǎn)品擴(kuò)散。而在線評論數(shù)量對體驗(yàn)品擴(kuò)散影響的P值為0.002,小于0.05,其顯著作用進(jìn)一步得到驗(yàn)證;在線評論效價(jià)對體驗(yàn)品擴(kuò)散影響的P值為0.78,大于0.05,其不顯著作用得到進(jìn)一步驗(yàn)證。
綜合以上對體驗(yàn)品的分析可以發(fā)現(xiàn):對于體驗(yàn)品,在線評論數(shù)量通過感知有用性顯著影響新產(chǎn)品擴(kuò)散,感知有用性在評論數(shù)量對新產(chǎn)品擴(kuò)散的影響過程中起到部分中介作用;而評論效價(jià)并不直接影響新產(chǎn)品擴(kuò)散,需通過影響感知有用性,進(jìn)而影響新產(chǎn)品擴(kuò)散,因此,感知有用性在評論效價(jià)影響體驗(yàn)型新產(chǎn)品擴(kuò)散的過程中起到完全中介作用,假設(shè)7得到部分支持。同時(shí),分析也發(fā)現(xiàn),對于體驗(yàn)品,價(jià)格對新產(chǎn)品擴(kuò)散的影響作用并不顯著。至此,本研究得出在線評論對體驗(yàn)型新產(chǎn)品擴(kuò)散的影響機(jī)理模型圖,如圖4所示。
表5 體驗(yàn)型產(chǎn)品檢驗(yàn)結(jié)果
注:*表示在0.05的水平上顯著,**表示在0.01的水平上顯著。
圖4 在線評論對體驗(yàn)型新產(chǎn)品擴(kuò)散的影響模型
(一)研究結(jié)論
本研究從新產(chǎn)品擴(kuò)散的理論基礎(chǔ)——BASS模型出發(fā),分析了在線評論的自身特征,并引入感知有用性作為中介變量,構(gòu)建了在線評論對新產(chǎn)品擴(kuò)散的影響機(jī)理概念模型,并通過實(shí)證分析對這一模型展開了驗(yàn)證。實(shí)證分析結(jié)果表明:(1)在線評論數(shù)量和效價(jià)雖然都正向影響新產(chǎn)品擴(kuò)散,但是在線評論數(shù)量和效價(jià)對新產(chǎn)品擴(kuò)散的影響存在負(fù)向的交互作用,當(dāng)效價(jià)越高時(shí),在線評論數(shù)量對新產(chǎn)品擴(kuò)散的作用越小。(2)感知有用性起到了部分中介作用,即在線評論數(shù)量和效價(jià)通過影響感知有用性影響新產(chǎn)品擴(kuò)散。(3)搜索品和體驗(yàn)品具有不同的擴(kuò)散模型,對于搜索品,在線評論效價(jià)既直接影響新產(chǎn)品擴(kuò)散,又通過影響消費(fèi)者的感知有用性影響新產(chǎn)品擴(kuò)散,而在線評論數(shù)量只通過影響消費(fèi)者的感知有用性影響新產(chǎn)品擴(kuò)散;對于體驗(yàn)品,在線評論數(shù)量既直接影響新產(chǎn)品的擴(kuò)散,又通過影響消費(fèi)者的感知有用性影響新產(chǎn)品擴(kuò)散,而在線評論效價(jià)只通過影響感知有用性影響新產(chǎn)品的擴(kuò)散。本研究的理論意義在于:發(fā)現(xiàn)了在線評論數(shù)量和效價(jià)之間的負(fù)向交互作用、感知有用性的中介作用以及不同類型新產(chǎn)品擴(kuò)散模型之間的差異,從而豐富了本領(lǐng)域的已有研究成果。
(二)對策建議
根據(jù)上述研究結(jié)論,本研究給出以下幾個(gè)方面的對策建議。
(1)當(dāng)企業(yè)發(fā)布新產(chǎn)品遇到評論效價(jià)比較低的情況時(shí),應(yīng)當(dāng)一方面對消費(fèi)者積極進(jìn)行反饋,爭取最大限度提高評論效價(jià),另一方面也應(yīng)采取各種措施,諸如獎勵性的措施來吸引更多的消費(fèi)者購買,同時(shí)引導(dǎo)已購買的消費(fèi)者積極進(jìn)行評論,來增加在線評論的數(shù)量。原因在于在線評論數(shù)量的增加會產(chǎn)生較大的正向影響,從而緩解在線評論效價(jià)對新產(chǎn)品擴(kuò)散的阻礙作用,最大限度地合理利用在線評論。
(2)企業(yè)需加強(qiáng)關(guān)注感知有用性高的評論,并建立針對高有用性差評的應(yīng)急處理機(jī)制,最大限度減少高有用性差評的數(shù)量,增加高有用性好評的數(shù)量。有用的好評可以起到很好的宣傳效果,而有用的差評將會降低潛在消費(fèi)者的購買興趣,因此企業(yè)要對有用的差評及時(shí)進(jìn)行反饋,爭取已購買者的諒解,降低有用評論的殺傷力,增強(qiáng)用戶粘性。同時(shí),也為了避免個(gè)別用戶進(jìn)行刻意消極,減少給商家和用戶造成的損失,企業(yè)要及時(shí)進(jìn)行相關(guān)信息更新,積極采取補(bǔ)救措施。
(3)對于發(fā)布搜索型新產(chǎn)品的企業(yè)來說,應(yīng)該有效利用互聯(lián)網(wǎng)平臺,對企業(yè)的搜索型產(chǎn)品進(jìn)行有效的網(wǎng)絡(luò)營銷宣傳,特別是做好已購買的消費(fèi)者低分評價(jià)的反饋工作,對低分評價(jià)的消費(fèi)者進(jìn)行及時(shí)溝通,建立良好的互動關(guān)系,找出存在的原因,客觀分析并予以解決,提高已購買者的滿意度,最大限度地提高搜索型產(chǎn)品的在線評分,可以直接讓潛在消費(fèi)者感到滿意,從而增加購買的意向,促進(jìn)搜索型產(chǎn)品的推廣作用。
(4)對于發(fā)布體驗(yàn)型新產(chǎn)品的企業(yè)而言,可以釆取諸多獎勵性的措施引導(dǎo)更多的已購買消費(fèi)者進(jìn)行在線評論,形成一種流行效應(yīng),利用消費(fèi)者的從眾心理促進(jìn)消費(fèi)者購買。流行效應(yīng)的宣傳效果大于廣告宣傳效果,同時(shí)成本也非常低,因此體驗(yàn)型企業(yè)采取措施增加購買消費(fèi)者的數(shù)量是新產(chǎn)品快速擴(kuò)散的關(guān)鍵。
(5)企業(yè)應(yīng)當(dāng)根據(jù)影響新產(chǎn)品的不同類型設(shè)計(jì)更為合理的網(wǎng)站功能。對于體驗(yàn)型的產(chǎn)品,可以設(shè)計(jì)以評論數(shù)量為主的網(wǎng)站形式,讓消費(fèi)者第一時(shí)間看到的是評論數(shù)量的多少;對于搜索型產(chǎn)品,可以設(shè)計(jì)以評論效價(jià)為主的網(wǎng)站形式,讓消費(fèi)者直接看到已購買消費(fèi)者對于評論的效價(jià)高低,這樣可以最大限度降低消費(fèi)者的搜尋成本,一方面可以直接更加快速、有效的影響新產(chǎn)品的擴(kuò)散,另一方面也可以吸引更多消費(fèi)者的前來關(guān)注、購買,增加網(wǎng)站的知名度和點(diǎn)擊率。
[1]龔艷萍,黃 凱,張 琴,等. 新產(chǎn)品預(yù)告的時(shí)間距離、消費(fèi)者在線評論及其購買目標(biāo)的關(guān)系研究[J]. 研究與發(fā)展管理,2015,27(4): 36-44.
[2]杜曉夢,趙占波,崔 曉. 評論效價(jià)、新產(chǎn)品類型與調(diào)節(jié)定向?qū)υ诰€評論有用性的影響[J]. 心理學(xué)報(bào),2015(4): 555-568.
[3]Chen Y, Xie J. Online consumer review: Word-of-mouth as a new element of marketing communication mix [J]. Management Science, 2008, 54(3): 477-491.
[4]殷國鵬. 消費(fèi)者認(rèn)為怎樣的在線評論更有用?——社會性因素的影響效應(yīng)[J]. 管理世界,2012(12): 115-124.
[5]王 軍,丁丹丹. 在線評論有用性與時(shí)間距離和社會距離關(guān)系的研究[J]. 情報(bào)理論與實(shí)踐,2016,39(2): 73-77.
[6]苗 蕊. 在線評論有用性研究綜述[J]. 中國管理信息化,2014(18): 126-128.
[7]Chevalier J A, Mayzlin D. The effect of word of mouth on sales: online book reviews [J]. Social Science Electronic Publishing, 2004, 43(3): 345-354.
[8]Liu Y. Word ofmouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 7(3): 74-89.
[9]郝媛媛,葉 強(qiáng),李一軍. 基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J]. 管理科學(xué)學(xué)報(bào),2010(8): 78-96.
[10]Zhu F, Zhang X. Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics [J]. Journal of Marketing, 2010, 74(2): 133-148.
[11]Cui G, Lui H K, Guo X. The effect of online consumer reviews on new product sales [J]. International Journal of Electronic Commerce, 2014, 17(1): 39-58.
[12]You Y, Vadakkepatt G G, Joshi A M. A meta-analysis of electronic word-of-mouth elasticity [J]. Journal of Marketing, 2015, 79(2): 19-39.
[13]Duan W, Gu B, Whinston A B. Do online reviews matter? an empirical investigation of panel data [J]. Decision Support Systems, 2008, 45(4): 1007-1016.
[14]Chen P Y S, Wu S Y, Yoon J. The impact of online recommendations and consumer feedback on sales [C]. International Conference on Information Systems, 2004: 711-724.
[15]于麗萍,夏志杰,王冰冰. 在線評論對消費(fèi)者網(wǎng)絡(luò)購買意愿影響的研究[J]. 現(xiàn)代情報(bào),2014(11): 34-38.
[16]Chatterjice P. Online review: do consumer use them [J]. Advances in Consumer Research, 2001(28): 133-139.
[17]Zhang Z, Ye Q, Law R, Li Y. The impact of e-word-of-mouth on the online popularity of restaurants: A comparison of consumer reviews and editor reviews [J]. International Journal of Hospitality Management, 2010(29): 694-700.
[18]Reinstein D A, Snyder C M. The influence of expert reviews on consumer demand for experience goods: A case study of movie critics [J]. The Journal of Industry Economics, 2005, 53(1): 27-51.
[19]Duan W J. The dynamics of online word-of-mouth and product sales-an empirical investigation of the movie industry [J]. Jornal of Retailing, 2008, 84(2): 233-242.
[20]彭敏鈺,肖 婷,李旭芳. 在線評論對消費(fèi)者行為意愿的影響研究[J]. 河南科技,2014(15): 219-220.
[21]廖成林,蔡春江,李 憶. 電子商務(wù)中在線評論有用性影響因素實(shí)證研究[J]. 軟科學(xué),2013(5): 46-50.
[22]NgaN, Ho-Dac, Stephen J, et al. The effects of positive and negative online customer review: Do brand strength and category maturity matter? [J]. Journal of Marketing, 2013, 77(6): 37-53.
[23]Pavlou P, Liang H, XueY. Uncertainty and mitigating uncertainty in online exchange relationships: A principal-agent perspective [J]. MIS Quarterly, 2007, 31(1): 105-136.
[24]金立印. 網(wǎng)絡(luò)口碑信息對消費(fèi)者購買決策的影響[J]. 經(jīng)濟(jì)管理,2007,22(2): 36-43.
[25]Nelson P. Information and consumer behavior [J]. Journal of Political Economy, 1970, 78(2): 311-329.
[26]Huang P, Lurie N H, Mitra S. Searching for experience on the web: an empirical examination of consumer behavior for search and experience goods [J]. Journal of Marketing, 2013, 73(2): 55-69.
[27]Levin R P. Commentary: online reviews and other digital marketing strategies [J]. Journal of Periodontology, 2017, 88(2): 135.
[28]Lee S H. The role of consumers’ network positions on information-seeking behavior of experts and novices: A power perspective [J]. Journal of Business Research, 2014, 67(1): 2853-2859.
[29]Floyd K, Freling R, Alhoqail S, et al. How online product reviews affect retail sales: A meta-analysis [J]. Journal of Retailing, 2014, 90(2): 217-232.
[30]李 健. 在線商品評論對產(chǎn)品銷量影響研究[J]. 現(xiàn)代情報(bào),2012(1): 164-167.
(本文責(zé)編:辛 城)
Online Reviews, Perceived Usefulness and New Product Diffusion
TAO Xiao-bo1,ZHANG Xin-rui1,YANG Jian-kun1,SHEN Xiao-ling1,ZHANG Zhang2
(1.CollegeofEconomicsandManagement,NorthChinaUniversityofTechnology,Beijing100144,China; 2.BeijingUnionUniversity,Beijing100101,China)
Based on Bass model and the characteristics of online reviews, this paper introduces consumer perceived usefulness as a mediator, product type as the moderator, and proposes a model on impact of online reviews on new product diffusion. We bring forward to the influence mechanism model, which is tested by an empirical analysis. Results show that volume and valence of online reviews both have positive impact on diffusion of new product, and there is a negative interaction between the volume and valence of online reviews. Consumer perceived usefulness plays a mediating role, search products and experience products have the different diffusion model. For enterprises, this research will help them effectively manage online reviews of new products, and improve the efficiency of new product diffusion.Key words: online reviews; perceived usefulness; new product diffusion
2016-09-24
2017-04-18
國家自然科學(xué)基金青年項(xiàng)目(71202136);北京市青年拔尖人才個(gè)人項(xiàng)目(2016000026833ZS05);北方工業(yè)大學(xué)優(yōu)勢(建設(shè))學(xué)科項(xiàng)目(XN081);北方工業(yè)大學(xué)科研創(chuàng)新團(tuán)隊(duì)項(xiàng)目(XN018008)。
陶曉波(1981-),男,重慶云陽人,北方工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院副教授,博士,研究方向:網(wǎng)絡(luò)環(huán)境下的技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新。通訊作者:張 璋。
F204
A
1002-9753(2017)07-0162-10