苗 蕊, 徐 健

(1.復(fù)旦大學(xué)管理學(xué)院，上海 200433；2.東北財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，遼寧 大連 116025)

1 引言

口碑是消費(fèi)者之間有關(guān)產(chǎn)品或服務(wù)的非正式的信息溝通[1]。網(wǎng)絡(luò)技術(shù)與Web2.0的快速發(fā)展為消費(fèi)者提供了一個(gè)在網(wǎng)絡(luò)上傳播口碑的平臺(tái)，網(wǎng)絡(luò)口碑打破了傳統(tǒng)口碑在時(shí)間和空間上傳播的限制，已經(jīng)成為消費(fèi)者在選擇、購買產(chǎn)品或服務(wù)時(shí)的重要信息源[2-3]。

在線評(píng)論(Online review)是網(wǎng)絡(luò)口碑的一種重要形式，一般指潛在或?qū)嶋H消費(fèi)者在電子商務(wù)或第三方評(píng)論等網(wǎng)站上發(fā)表商品或服務(wù)的正面或負(fù)面觀點(diǎn)[4]。近年來，絕大多數(shù)的電子商務(wù)網(wǎng)站都開始建立在線評(píng)論系統(tǒng)來鼓勵(lì)消費(fèi)者發(fā)表評(píng)論，此外，諸如Epinions，Yelp和豆瓣等形式的第三方在線評(píng)論網(wǎng)站也大量涌現(xiàn)出來。隨著在線評(píng)論的普及，消費(fèi)者可以很容易地在網(wǎng)上找到各種產(chǎn)品或服務(wù)的評(píng)論信息來幫助他們做出購買決策，但這也帶來了另一個(gè)嚴(yán)重的問題，即信息過載，評(píng)論數(shù)量過多、垃圾評(píng)論和虛假評(píng)論等使消費(fèi)者很難從在線評(píng)論中找到對(duì)他們的決策有幫助的信息。為了解決這一問題，很多提供在線評(píng)論的網(wǎng)站都會(huì)在每條評(píng)論的旁邊設(shè)置評(píng)論是否有用的消費(fèi)者投票，消費(fèi)者能夠根據(jù)有用性篩選或排序評(píng)論，這有助于解決信息過載的問題[5-6]，幫助消費(fèi)者減少購買的不確定性，做出更好的購買決策[7]，提升消費(fèi)者對(duì)網(wǎng)站的使用體驗(yàn)以及服務(wù)滿意度[8]。

鑒于有用評(píng)論對(duì)消費(fèi)者和網(wǎng)站的重要性，近年來許多研究都開始關(guān)注在線評(píng)論有用性的問題，這些研究多基于信息診斷性理論或信息處理理論等探討了什么樣的在線評(píng)論被消費(fèi)者認(rèn)為更有用，希望能夠準(zhǔn)確理解并預(yù)測在線評(píng)論的有用性。目前相關(guān)研究幾乎都將評(píng)論的星級(jí)評(píng)分作為影響在線評(píng)論有用性的一個(gè)重要因素，但對(duì)于在線評(píng)論的星級(jí)評(píng)分是如何影響其有用性的至今仍缺乏一個(gè)統(tǒng)一的結(jié)論。此外，鑒于在線評(píng)論系統(tǒng)在顯示單條評(píng)論評(píng)分的同時(shí)還提供了產(chǎn)品的平均星級(jí)來綜合表示所有消費(fèi)者對(duì)產(chǎn)品的評(píng)價(jià)，一些研究基于從眾效應(yīng)，探討了評(píng)論的星級(jí)評(píng)分與產(chǎn)品平均星級(jí)間的不一致性對(duì)在線評(píng)論有用性的影響，但目前這方面的研究較少，對(duì)評(píng)分不一致性的影響機(jī)理也缺乏深入地探討。基于此，本文將在已有研究的基礎(chǔ)上，基于歸因理論，采用真實(shí)數(shù)據(jù)從評(píng)論的星級(jí)評(píng)分與產(chǎn)品的平均星級(jí)間的不一致性的角度對(duì)在線評(píng)論的星級(jí)評(píng)分對(duì)其有用性的作用機(jī)制進(jìn)行深入地探討，旨在從一個(gè)新的視角去解釋在線評(píng)論的星級(jí)評(píng)分是如何影響其有用性的。

2 理論模型與研究假設(shè)

目前對(duì)在線評(píng)論有用性的研究中所識(shí)別出的影響在線評(píng)論有用性的因素可以劃分為評(píng)論特征、評(píng)論者特征和閱讀者特征三類，如表1所示。

表1 在線評(píng)論有用性的重要研究文獻(xiàn)

其中，星級(jí)評(píng)分幾乎是所有文獻(xiàn)都會(huì)探討的一個(gè)影響在線評(píng)論有用性的重要特征。評(píng)論的星級(jí)評(píng)分是評(píng)論者在提交評(píng)論時(shí)，以星級(jí)形式給予商品或服務(wù)的一個(gè)總體評(píng)價(jià)，它是評(píng)論極性的一種表現(xiàn)。一星反映對(duì)商品或服務(wù)極端負(fù)面的評(píng)價(jià)，五星反映極端正面的評(píng)價(jià)，三星則反映了中立的態(tài)度。但目前的研究對(duì)于評(píng)論的星級(jí)評(píng)分對(duì)評(píng)論有用性的作用方向的觀點(diǎn)不一，總體有三種不同的觀點(diǎn)。第一，從信息診斷性來看，相比于態(tài)度模糊不清的中性評(píng)論，極端評(píng)論會(huì)提供更多的信息供消費(fèi)者做出判斷，因而被認(rèn)為更有用[5,11-12,25]。此外，確認(rèn)傾向會(huì)使得消費(fèi)者去尋找證據(jù)來確認(rèn)其對(duì)商品或服務(wù)的初始態(tài)度，即買或者不買，因?yàn)楹芏嘞M(fèi)者是想要購買商品才去閱讀評(píng)論的，對(duì)商品抱有一種正向的傾向，所以星級(jí)高的評(píng)論比星級(jí)低的評(píng)論更有用，特別是對(duì)體驗(yàn)商品而言[13-14,20]。第二，消費(fèi)者存在一種負(fù)向傾向，特別是在面對(duì)大量的正面信息的情況下。而在線評(píng)論中正向評(píng)論的數(shù)量要大于中性和負(fù)向評(píng)論的數(shù)量，所以在這種情況下，星級(jí)低的評(píng)論更有用[15]。第三，中立評(píng)價(jià)和雙邊信息會(huì)提高信息來源的可信性。對(duì)于體驗(yàn)商品，由于個(gè)人經(jīng)驗(yàn)和品味在評(píng)價(jià)中起到了很大的作用，極端評(píng)價(jià)的可信性會(huì)受到質(zhì)疑，所以中性評(píng)論相對(duì)于極端評(píng)論更有用[9,22]。還有一些研究從單條評(píng)論的星級(jí)評(píng)分和產(chǎn)品平均星級(jí)間的不一致性的角度考慮了星級(jí)評(píng)分對(duì)評(píng)論有用性的影響，認(rèn)為由于消費(fèi)者從眾心理的存在，星級(jí)評(píng)分和產(chǎn)品平均星級(jí)間的差異越大，評(píng)論有用性越低[17,23,26]。但目前這方面的研究只得到了初步的結(jié)論，沒有對(duì)評(píng)分不一致對(duì)評(píng)論有用性的影響機(jī)制作深入地探討。而鑒于目前的在線評(píng)論系統(tǒng)幾乎都同時(shí)提供了評(píng)論評(píng)分和產(chǎn)品的平均星級(jí)這兩類信息，當(dāng)消費(fèi)者同時(shí)面對(duì)這兩類信息，特別是兩類信息不一致時(shí)，會(huì)對(duì)評(píng)論的有用性做出什么樣的推斷是需要研究的一個(gè)問題。

歸因理論是關(guān)于人們?nèi)绾谓忉屪约夯蛩说男袨? 以及這種解釋如何影響其態(tài)度和行為的心理學(xué)理論。歸因理論可以解釋當(dāng)人們面對(duì)傳播者以某種方式呈現(xiàn)的某種狀態(tài)或者行為時(shí)怎樣進(jìn)行因果推斷，因而已經(jīng)被用來揭示口碑的可信度以及說服效果等關(guān)于消費(fèi)者感知和推斷的領(lǐng)域[27-34]。Sen和Lerman[29]指出歸因理論對(duì)于理解評(píng)論讀者對(duì)評(píng)論傳播者發(fā)表評(píng)論的動(dòng)機(jī)的推斷很有幫助。人們通常將傳播者的說服性信息歸因?yàn)榇碳ひ蛩?如產(chǎn)品因素)或者非刺激性因素(如傳播者或者環(huán)境等非產(chǎn)品因素)。當(dāng)消費(fèi)者越多地將傳播者有關(guān)產(chǎn)品的評(píng)論歸因?yàn)楫a(chǎn)品內(nèi)在的實(shí)際功效，消費(fèi)者就會(huì)越相信產(chǎn)品評(píng)論，對(duì)評(píng)論中所提及的產(chǎn)品功效越會(huì)產(chǎn)生堅(jiān)定的信念，從而更容易被該產(chǎn)品評(píng)論說服。另一方面，歸因理論的折扣原則認(rèn)為，當(dāng)消費(fèi)者將傳播者的評(píng)論歸因?yàn)槠渌c產(chǎn)品無關(guān)的外部刺激因素(如環(huán)境因素)時(shí)，消費(fèi)者則會(huì)對(duì)傳播者的動(dòng)機(jī)產(chǎn)生懷疑，更少被該評(píng)論說服[30-31]。李巍和王志章[32]利用歸因理論解釋了發(fā)布在不同平臺(tái)上的在線評(píng)論是如何影響消費(fèi)者對(duì)產(chǎn)品的判斷的。Sun Wenjun等[33]從歸因的角度解釋了不同類型的產(chǎn)品的正向評(píng)論的有用性的差異。Qiu Lingyun等[34]采用實(shí)驗(yàn)研究的方法從歸因理論的角度解釋了評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性對(duì)在線評(píng)論的可信性和診斷性的影響，他們的研究表明評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性表明了評(píng)論的傳播者與其他傳播者間有關(guān)產(chǎn)品評(píng)價(jià)的意見分歧。這種意見分歧越大，消費(fèi)者越會(huì)將這一分歧歸因?yàn)榕c產(chǎn)品無關(guān)的刺激因素，并認(rèn)為評(píng)論的傳播者是有隱藏動(dòng)機(jī)的，如報(bào)復(fù)或故意發(fā)布虛假信息，因而在線評(píng)論的可信性和診斷性會(huì)大打折扣。

基于以上的研究，以歸因理論為分析框架，本文將研究焦點(diǎn)放在評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性對(duì)在線評(píng)論有用性的影響上，并特別要考慮星級(jí)評(píng)分和平均星級(jí)間差異的方向和產(chǎn)品的評(píng)論總量在這一影響過程中的調(diào)節(jié)作用，本文的研究模型如圖1所示。

圖1 研究模型

2.1 評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性對(duì)在線評(píng)論有用性的影響

在線評(píng)論的傳播者與消費(fèi)者間的關(guān)系是一種弱關(guān)系，消費(fèi)者通常并不知道傳播者的真實(shí)身份和真實(shí)動(dòng)機(jī)。這種基于弱關(guān)系的口碑傳播會(huì)使得想要判斷傳播者有關(guān)產(chǎn)品評(píng)價(jià)的可靠性和可信性變得十分困難，因而消費(fèi)者試圖通過其他線索對(duì)傳播者的動(dòng)機(jī)進(jìn)行歸因判斷，進(jìn)而推斷評(píng)論的可靠性和可信性，而評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性就是消費(fèi)者的歸因線索之一。根據(jù)歸因理論，一致性被定義為個(gè)體對(duì)刺激物的響應(yīng)與他人響應(yīng)間的一致性程度。Kelly[35]認(rèn)為當(dāng)人們試圖解釋他人對(duì)刺激物的響應(yīng)時(shí)會(huì)受到一致性的影響。一致性高意味著大多數(shù)人對(duì)同一刺激物都有著相似的響應(yīng)，因而這種響應(yīng)更可能是由刺激物自身的因素引起的，而一致性低意味著個(gè)體對(duì)刺激物的響應(yīng)與大多數(shù)人不一致，因而這種響應(yīng)更可能要被歸因于與刺激物無關(guān)的外部因素。在在線評(píng)論的背景下，刺激物即為產(chǎn)品本身，評(píng)論者的評(píng)分代表其個(gè)人對(duì)產(chǎn)品這一刺激物的響應(yīng)，而產(chǎn)品的平均星級(jí)反映了所有評(píng)論者對(duì)該產(chǎn)品的響應(yīng)。當(dāng)單條評(píng)論的星級(jí)評(píng)分與平均星級(jí)間存在較大分歧時(shí)，這意味著評(píng)論者與其他人對(duì)產(chǎn)品這一刺激物的響應(yīng)不一致，這種不一致會(huì)使得消費(fèi)者將該條評(píng)論中評(píng)論者對(duì)產(chǎn)品的評(píng)價(jià)歸因于與產(chǎn)品本身無關(guān)的外部因素，而不是歸因于產(chǎn)品的真實(shí)功效，進(jìn)而懷疑評(píng)論者的真實(shí)動(dòng)機(jī)(如評(píng)論者有償發(fā)布有關(guān)產(chǎn)品的正面評(píng)價(jià)或惡意貶低產(chǎn)品等)。這種懷疑會(huì)降低消費(fèi)者對(duì)該條評(píng)論的可信性和可診斷性的感知，而評(píng)論的可信性和可診斷性是消費(fèi)者采納評(píng)論的前置變量，因此，消費(fèi)者對(duì)該條評(píng)論有用性的感知會(huì)降低。故本文提出如下研究假設(shè)：

H1 單條評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性與該條評(píng)論的有用性呈負(fù)相關(guān)關(guān)系，即評(píng)分不一致性越高，該條評(píng)論的有用性越低。

2.2 產(chǎn)品的評(píng)論總量的調(diào)節(jié)作用

產(chǎn)品的評(píng)論總量反映了對(duì)該產(chǎn)品進(jìn)行點(diǎn)評(píng)的總?cè)藬?shù)。產(chǎn)品的評(píng)論總量越高，意味著產(chǎn)品的平均星級(jí)來自越多人的評(píng)價(jià)，因此，產(chǎn)品的平均星級(jí)的代表性就越高。當(dāng)產(chǎn)品的評(píng)論總量高時(shí)，如果一條評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性很高，這就意味著與該評(píng)論者對(duì)同一刺激物的響應(yīng)存在差異的人數(shù)眾多，基于從眾心理，理性的消費(fèi)者越可能將評(píng)論中對(duì)產(chǎn)品的評(píng)價(jià)歸因?yàn)榕c產(chǎn)品功效無關(guān)的因素，而選擇依賴產(chǎn)品的平均星級(jí)即大眾的評(píng)價(jià)而不是該條評(píng)論來進(jìn)行決策。因而消費(fèi)者對(duì)該條評(píng)論可信性和有用性的感知會(huì)降低。因此，本文提出如下研究假設(shè)：

H2 產(chǎn)品的評(píng)論總量會(huì)強(qiáng)化評(píng)分不一致性與評(píng)論有用性間的負(fù)相關(guān)關(guān)系，即產(chǎn)品的評(píng)論總量越高，評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)面影響越強(qiáng)。

2.3 星級(jí)評(píng)分與平均星級(jí)間差異方向的調(diào)節(jié)作用

當(dāng)評(píng)論的星級(jí)評(píng)分高于產(chǎn)品的平均星級(jí)時(shí)，二者間存在正向差異，反之，二者之間存在負(fù)向差異。根據(jù)歸因理論，人們對(duì)于正向信息和負(fù)向信息的因果歸因是不同的。基于社會(huì)規(guī)范理論，人們更傾向于發(fā)布正面信息而不是負(fù)面信息以符合社會(huì)規(guī)范，因而當(dāng)評(píng)論的星級(jí)評(píng)分與產(chǎn)品的平均星級(jí)間不一致性高是由過高的正向差異導(dǎo)致時(shí)，消費(fèi)者更可能會(huì)將由極端正向評(píng)論導(dǎo)致的不一致性歸因于產(chǎn)品之外的因素如評(píng)論者對(duì)社會(huì)規(guī)范的遵從。而當(dāng)消費(fèi)者面對(duì)負(fù)向產(chǎn)品評(píng)論與產(chǎn)品的平均星級(jí)差異較大時(shí)，消費(fèi)者會(huì)表現(xiàn)出風(fēng)險(xiǎn)厭惡的傾向，出于自我保護(hù)的動(dòng)機(jī)，他們可能會(huì)選擇相信單條評(píng)論的評(píng)分而不是平均星級(jí)，以降低購買產(chǎn)品的風(fēng)險(xiǎn)，減少不必要的損失。因此，當(dāng)評(píng)論的星級(jí)評(píng)分與產(chǎn)品平均星級(jí)間存在負(fù)向差異時(shí)，評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)面影響會(huì)降低，故本文提出如下研究假設(shè)：

H3 當(dāng)評(píng)論的星級(jí)評(píng)分與產(chǎn)品平均星級(jí)間為正向差異時(shí)，相比較于負(fù)向差異，評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)面影響更強(qiáng)。

3 數(shù)據(jù)與模型設(shè)定

3.1 數(shù)據(jù)收集

本文以攜程旅行網(wǎng)上有關(guān)酒店的在線評(píng)論為研究對(duì)象。攜程網(wǎng)是一個(gè)提供酒店、機(jī)票和景點(diǎn)門票等預(yù)訂服務(wù)的網(wǎng)站，網(wǎng)站上也提供了在線評(píng)論系統(tǒng)供消費(fèi)者來發(fā)表和查找評(píng)論。酒店是一種典型的體驗(yàn)型產(chǎn)品，消費(fèi)者在購買之前很難評(píng)估產(chǎn)品的真實(shí)質(zhì)量，因此消費(fèi)者會(huì)主動(dòng)搜集詳細(xì)和可靠的信息來降低決策的不確定性，而其他消費(fèi)者發(fā)表的在線評(píng)論是獲取信息的一個(gè)重要渠道。據(jù)Tnooz在2014年的調(diào)查表明，80%的消費(fèi)者在預(yù)訂酒店之前會(huì)閱讀大量的在線評(píng)論。因此，酒店產(chǎn)品的在線評(píng)論為我們研究在線評(píng)論的有用性提供了一個(gè)非常好的背景。本研究采用自行開發(fā)的爬蟲工具在2016年6月抓取了攜程網(wǎng)上所有位于北京的酒店的在線評(píng)論數(shù)據(jù)，基本覆蓋了抓取點(diǎn)之前北京市537家酒店共計(jì)1048575條評(píng)論。本研究抓取了每一條在線評(píng)論的星級(jí)評(píng)分、評(píng)論正文、發(fā)表時(shí)間、評(píng)論者ID和有用投票數(shù)等，還抓取了每一家酒店的名稱、成立年份、總的評(píng)論數(shù)量、平均星級(jí)及其在位置、設(shè)施、服務(wù)、衛(wèi)生四個(gè)方面的評(píng)分等數(shù)據(jù)。為了保證研究的有效性，我們首先剔除了評(píng)論的星級(jí)評(píng)分為0的樣本以及缺少評(píng)論正文內(nèi)容的樣本；其次，由于近期的評(píng)論沒有足夠的時(shí)間來累積有用投票數(shù)，故我們剔除了在數(shù)據(jù)抓取日期前兩個(gè)月內(nèi)發(fā)表的評(píng)論，最終共計(jì)保留832233條有效的在線評(píng)論。

3.2 研究變量

在線評(píng)論有用性是研究模型中的因變量?，F(xiàn)有文獻(xiàn)對(duì)在線評(píng)論有用性的測度方法有兩種：一種通過評(píng)論的有用投票數(shù)占總投票數(shù)的比例來測度有用性；另一種是通過評(píng)論的累積有用投票數(shù)來測度。因?yàn)閿y程網(wǎng)只提供了有用投票一個(gè)選項(xiàng)，故本文采用評(píng)論的累積有用投票數(shù)來測量在線評(píng)論有用性。

自變量評(píng)分的不一致性以每條評(píng)論的星級(jí)評(píng)分和酒店的平均星級(jí)之間差值的絕對(duì)值來度量。一個(gè)酒店的評(píng)論總量和評(píng)論的星級(jí)評(píng)分與平均星級(jí)間差異的方向作為本研究的調(diào)節(jié)變量。此外，本研究還參照以往的研究，將評(píng)論的長度，酒店的平均星級(jí)和評(píng)論發(fā)表天數(shù)作為控制變量。研究中使用的各變量的定義如表2所示。

表3給出了樣本數(shù)據(jù)中各變量的描述性統(tǒng)計(jì)結(jié)果。從評(píng)論層面來看，因變量評(píng)論有用投票數(shù)的均值為0.164，這是由于樣本數(shù)據(jù)中有91.63%的在線評(píng)論其有用性投票數(shù)為0導(dǎo)致的，因變量的方差為0.921，顯著高于其均值，說明樣本數(shù)據(jù)中因變量取值高度地離散化；評(píng)論的平均長度為22.959個(gè)字；評(píng)分不一致性的均值為0.603。本研究還分別計(jì)算了評(píng)論的星級(jí)評(píng)分與產(chǎn)品的平均星級(jí)間的正向和負(fù)向差異，從表3中可以看出，負(fù)向差異顯著高于正向差異，這說明評(píng)論者在給出低于平均星級(jí)的評(píng)分時(shí)，會(huì)偏離大眾意見更多一些。從酒店層面來看，每家酒店平均收到4484.264條評(píng)論，酒店平均星級(jí)的均值為4.354。

表2 模型變量與測度指標(biāo)

表3 變量的描述性統(tǒng)計(jì)

3.3 模型設(shè)定

本研究的因變量在線評(píng)論有用性是一個(gè)計(jì)數(shù)變量，從其分布來看，在數(shù)據(jù)集中91.63%的評(píng)論沒有獲得任何有用性投票，也就是因變量的取值中存在了太多的0值，并且因變量的離差過大，因此，選用零膨脹負(fù)二項(xiàng)回歸模型對(duì)研究假設(shè)進(jìn)行檢驗(yàn)更為合適。零膨脹負(fù)向二項(xiàng)回歸是分兩步進(jìn)行的。在本研究中，第一步先決定因變量取0值是由于該條評(píng)論沒有被閱讀因而沒有有用性投票，還是由于該條評(píng)論被閱讀了但是被消費(fèi)者認(rèn)為沒有用因而沒有有用性投票，這相當(dāng)于二值選擇；第二步再?zèng)Q定在那些被消費(fèi)者閱讀了的評(píng)論中有用性投票數(shù)的多少。因變量的混合分布如下所示：

(1)

p(y=h)=(1-π)

(2)

其中，π為零膨脹參數(shù)(0<π<1)，π越大表示計(jì)數(shù)數(shù)據(jù)中零占的比例越大，θ為負(fù)二項(xiàng)分布中的散度參數(shù)，λ=exp(βx+ε)，x為模型中的自變量和控制變量，π，θ和β均為待估計(jì)的參數(shù)。

4 結(jié)果與討論

本文為了去除各變量取值量綱的影響，在回歸前，對(duì)產(chǎn)品的評(píng)論總量，評(píng)論長度和評(píng)論發(fā)表天數(shù)三個(gè)變量取其自然對(duì)數(shù)。此外，為了檢驗(yàn)產(chǎn)品的評(píng)論總量這一連續(xù)型變量的調(diào)節(jié)作用，本文遵循已有研究將自變量評(píng)分不一致性和調(diào)節(jié)變量產(chǎn)品的評(píng)論總量做了去中心化處理。

本文采用分層回歸的方法來檢驗(yàn)自變量的主效應(yīng)和產(chǎn)品的評(píng)論總量的調(diào)節(jié)效應(yīng)，首先將自變量、控制變量以及產(chǎn)品的評(píng)論總量這一調(diào)節(jié)變量加入模型中進(jìn)行回歸，即為模型1，然后再將自變量和調(diào)節(jié)變量的交叉項(xiàng)加入模型，得到模型2，并分別用負(fù)二項(xiàng)回歸(NB)、零膨脹泊松回歸(ZIP)和零膨脹負(fù)二項(xiàng)回歸(ZINB)三種方法對(duì)兩個(gè)模型進(jìn)行了回歸。兩個(gè)模型的回歸結(jié)果如表4所示。

零膨脹泊松回歸和零膨脹負(fù)二項(xiàng)回歸的第一步是估計(jì)因變量取值中過多的0值是由什么原因造成的，因?yàn)槠邢?，故本文沒有報(bào)告第一步的回歸結(jié)果，而只報(bào)告了第二步的回歸結(jié)果。從表4可以看出，三種方法的估計(jì)結(jié)果差別不大，主要變量的估計(jì)系數(shù)的符號(hào)和顯著性水平基本一致。

表4的第3和6列分別給出了兩個(gè)模型零膨脹負(fù)二項(xiàng)回歸的Vuong統(tǒng)計(jì)量的值，其在1%的顯著性水平下均顯著，這說明零膨脹負(fù)二項(xiàng)回歸模型要優(yōu)于負(fù)二項(xiàng)回歸模型。表4的第3和6列兩個(gè)模型零膨脹負(fù)二項(xiàng)回歸的LR檢驗(yàn)顯示存在過度離散現(xiàn)象，因此拒絕零膨脹泊松分布，而應(yīng)選擇零膨脹負(fù)二項(xiàng)回歸方法。

從兩個(gè)模型零膨脹負(fù)二項(xiàng)回歸的Likelihood Ratio的顯著性和McFadden's R2值來看，兩個(gè)模型的整體擬合結(jié)果都可以接受。從系數(shù)的估計(jì)結(jié)果來看，兩個(gè)模型呈現(xiàn)較好的一致性。下面僅對(duì)表4中第6列顯示的模型2的零膨脹負(fù)二項(xiàng)回歸的結(jié)果進(jìn)行分析。

表4 模型回歸結(jié)果

注： ***代表1%的顯著性水平，**代表5%的顯著性水平。

在模型2中，三個(gè)控制變量對(duì)因變量的影響都是正向且顯著的，其中，評(píng)論長度越長，在線評(píng)論有用性越高；評(píng)論發(fā)表的天數(shù)越長，則其越有足夠的時(shí)間來累積有用投票，因此在線評(píng)論有用性越高，這些結(jié)果與已有文獻(xiàn)的結(jié)論相吻合。自變量評(píng)分不一致性的回歸系數(shù)為-0.135且在1%的水平下顯著，說明評(píng)分不一致性越高，在線評(píng)論有用性越低，假設(shè)H1得到了驗(yàn)證，這一結(jié)論也與已有研究的結(jié)論一致[17, 23, 26]。產(chǎn)品的評(píng)論總量的系數(shù)為負(fù)向且顯著，說明某種產(chǎn)品的總評(píng)論量越高，則單條評(píng)論的有用性越低。模型中評(píng)分不一致性與產(chǎn)品的評(píng)論總量的交叉項(xiàng)的系數(shù)為-0.036且在1%的水平下顯著，說明產(chǎn)品的評(píng)論總量強(qiáng)化了評(píng)分不一致性對(duì)因變量的負(fù)向影響，即產(chǎn)品的總評(píng)論量越高，評(píng)分不一致性對(duì)在線評(píng)論有用性的負(fù)向影響越大，假設(shè)H2得到了驗(yàn)證。

為了進(jìn)一步驗(yàn)證評(píng)論的星級(jí)評(píng)分與平均星級(jí)間差異的方向的調(diào)節(jié)作用，本文分別對(duì)星級(jí)評(píng)分與平均星級(jí)間存在正向差異和負(fù)向差異的評(píng)論進(jìn)行了回歸分析，結(jié)果如表5所示。

從表5可以看出，當(dāng)評(píng)論的星級(jí)評(píng)分與平均星級(jí)間存在正向差異時(shí)，評(píng)分不一致性的系數(shù)為-0.495且在1%的水平下顯著，而當(dāng)評(píng)論的星級(jí)評(píng)分與平均星級(jí)間存在負(fù)向差異時(shí)，評(píng)分不一致性的系數(shù)為-0.080且在1%的水平下顯著?？梢?，當(dāng)評(píng)論的星級(jí)評(píng)分與平均星級(jí)間存在正向差異時(shí)，評(píng)分不一致性對(duì)在線評(píng)論有用性的負(fù)向影響要比存在負(fù)向差異時(shí)更大，假設(shè)H3得到了驗(yàn)證。

表5 星級(jí)評(píng)分與平均星級(jí)間差異方向的調(diào)節(jié)作用

注： ***代表1%的顯著性水平，**代表5%的顯著性水平。

5 結(jié)語

本文圍繞著什么樣的在線評(píng)論更有用這一核心問題，考察了評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性對(duì)評(píng)論有用性的影響。以往的研究在評(píng)論的星級(jí)評(píng)分或評(píng)分不一致性是如何影響評(píng)論有用性這一問題上給出了不同的解釋和結(jié)論，本文試圖從歸因的視角來更深入地解釋評(píng)分不一致性對(duì)在線評(píng)論有用性的影響，同時(shí)也為解釋在在線評(píng)論的背景下，消費(fèi)者的行為歸因提供了新的證據(jù)。本文首先基于歸因理論構(gòu)建了在線評(píng)論有用性模型及相關(guān)假設(shè)，之后，本文從攜程網(wǎng)上收集客觀數(shù)據(jù)對(duì)研究模型進(jìn)行了實(shí)證檢驗(yàn)。本研究得出如下的結(jié)論。

(1)在線評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的不一致性會(huì)對(duì)評(píng)論有用性產(chǎn)生負(fù)向的影響。當(dāng)評(píng)分不一致性高時(shí)，消費(fèi)者基于從眾心理會(huì)將單條評(píng)論歸因?yàn)榕c產(chǎn)品無關(guān)的外部因素，進(jìn)而對(duì)評(píng)論者的動(dòng)機(jī)產(chǎn)生懷疑，從而降低消費(fèi)者對(duì)評(píng)論的診斷性和可信性的感知，進(jìn)而降低其對(duì)評(píng)論有用性的評(píng)價(jià)。

(2)產(chǎn)品的評(píng)論總量會(huì)對(duì)評(píng)分不一致性與評(píng)論有用性間的關(guān)系起到調(diào)節(jié)作用，當(dāng)產(chǎn)品評(píng)論總量高時(shí)，評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)向影響越強(qiáng)。產(chǎn)品評(píng)論總量越高，消費(fèi)者的從眾心理會(huì)越強(qiáng)，越會(huì)將評(píng)論的星級(jí)評(píng)分與平均星級(jí)間的差異歸因于與產(chǎn)品功效無關(guān)的因素，因而消費(fèi)者對(duì)評(píng)論有用性的感知就會(huì)越低。

(3)評(píng)論的星級(jí)評(píng)分與產(chǎn)品平均星級(jí)間差異的方向?qū)υu(píng)分不一致性與評(píng)論有用性間的關(guān)系也會(huì)起到調(diào)節(jié)作用。當(dāng)評(píng)論的星級(jí)評(píng)分與平均星級(jí)間存在正向差異時(shí)，評(píng)分間過高的不一致性會(huì)讓消費(fèi)者將這種差異歸因?yàn)榕c產(chǎn)品無關(guān)的因素，如消費(fèi)者對(duì)社會(huì)規(guī)范的遵從，因而評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)面影響更大。當(dāng)星級(jí)評(píng)分與產(chǎn)品平均星級(jí)間存在負(fù)向差異時(shí)，消費(fèi)者出于風(fēng)險(xiǎn)厭惡和自我保護(hù)的動(dòng)機(jī)，會(huì)將評(píng)分不一致歸因?yàn)楫a(chǎn)品本身的因素，而選擇相信和接受該條評(píng)論，因而評(píng)分不一致性對(duì)評(píng)論有用性的負(fù)面影響會(huì)降低。

本文的研究為管理實(shí)踐也提供了啟示。首先，本文的研究表明了產(chǎn)品的平均星級(jí)和產(chǎn)品評(píng)論總量對(duì)消費(fèi)者判斷一條評(píng)論是否有用的重要性，因而電子商務(wù)網(wǎng)站或第三方評(píng)論網(wǎng)站在設(shè)計(jì)在線評(píng)論系統(tǒng)時(shí)應(yīng)該把產(chǎn)品的平均星級(jí)和產(chǎn)品評(píng)論總量放在醒目的位置上，讓消費(fèi)者能夠時(shí)刻注意到。其次，本文的研究表明當(dāng)評(píng)論的評(píng)分與平均星級(jí)間存在較大的負(fù)向不一致性時(shí)，風(fēng)險(xiǎn)厭惡的消費(fèi)者可能會(huì)更依賴單條評(píng)論進(jìn)行決策從而降低購買風(fēng)險(xiǎn)。因此，商家必須重視少數(shù)的負(fù)面評(píng)論，盡可能控制負(fù)面評(píng)論對(duì)產(chǎn)品和商家的負(fù)面影響。再次，亞馬遜的在線評(píng)論系統(tǒng)中提供了從五星到一星各星級(jí)評(píng)論的分布情況，根據(jù)本文的研究結(jié)論這對(duì)于消費(fèi)者判斷在線評(píng)論的有用性也是十分重要的。因?yàn)楦餍羌?jí)評(píng)分的分布情況可以提供額外的信息，使消費(fèi)者意識(shí)到負(fù)向評(píng)論可能僅來自于極少數(shù)評(píng)論者，進(jìn)而影響消費(fèi)者的的歸因判斷，降低負(fù)面評(píng)論的不利影響。

本文的研究也有一些不足之處。首先，本文的研究選擇了酒店這一體驗(yàn)型產(chǎn)品，因而研究結(jié)論能否推廣到其他的搜索型產(chǎn)品需要進(jìn)一步地驗(yàn)證。其次，本文的研究沒有考察除評(píng)論長度外的評(píng)論的內(nèi)容特征，星級(jí)評(píng)分相同的兩條評(píng)論，其主客觀性分布不同，正負(fù)情感傾向不同都會(huì)影響消費(fèi)者對(duì)評(píng)分不一致性的歸因判斷，因而未來的研究將把評(píng)論的內(nèi)容特征加入到研究模型中，進(jìn)一步考察評(píng)分不一致性對(duì)評(píng)論有用性的影響。

參考文獻(xiàn)：

[1] Anderson E W. Customer satisfaction and word of mouth [J]. Journal of Service Research, 1998, 1(1): 5-17.

[2] Duan Wenjin, Gu Bin, Whinston A B. Do online reviews matter?-An empirical investigation of panel data [J]. Decision Support Systems, 2008, 45(4): 1007-1016.

[3] 史偉, 王洪偉, 何紹義. 網(wǎng)絡(luò)口碑對(duì)市場銷售分布的影響:基于不同產(chǎn)品評(píng)價(jià)標(biāo)準(zhǔn)[J]. 系統(tǒng)工程理論與實(shí)踐, 2016,36(7):1744-1752.

[4] Chen Yubo, Xie Jinhong. Online consumer review: Word-of-mouth as a new element of marketing communication mix [J]. Management Science, 2008, 54(3):477-491.

[5] Cao Qing, Duan Wenjing, Gan Qiwei. Exploring determinants of voting for the “helpfulness” of online user reviews: A text mining approach[J]. Decision Support Systems, 2011, 50(2):511-521.

[6] Ghose A, Ipeirotis P G. The EconoMining project at NYU: Studying the economic value of user-generated content on the internet [J]. Journal of Revenue & Pricing Management, 2009, 8(2-3):241-246.

[7] Chen Peiyu, Dhanasobhon S, Smith M D. All reviews are not created equal: The disaggregate impact of reviews and reviewers at Amazon.Com [J]. Ssrn Electronic Journal, 2008, 10(11):396-401.

[8] Connors L, Mudambi S M, Schuff D. Is it the review or the reviewer? A multi-method approach to determine the antecedents of online review helpfulness[C]// Proceedings of 44th Hawaii International Conference on System Sciences, Kauai, HI, USA,4-7 January, 2011.

[9] Mudambi S M, Schuff D. Research note: What makes a helpful online review? A study of customer reviews on amazon.com[J]. MIS Quarterly, 2010, 34(1): 185-200.

[10] Liu Yang, Huang Xiangji, An Xiaohui, et al. Modeling and predicting the helpfulness of online reviews [C]// Proceedings of Eighth IEEE International Conference on Data Mining, Pisa, Italy, 15-19 December, 2008: 443-452.

[11] Forman C, Ghose A, Wiesenfeld B. Examining the relationship between reviews and sales: The role of reviewer identity disclosure in electronic markets [J]. Information Systems Research, 2008, 19(3): 291-313.

[12] Ghose A, Ipeirtis P G. Estimating the helpfulness and economic impact of product reviews: Mining text and reviewer characteristics [J]. IEEE Transactions on Knowledge & Data Engineering, 2011, 23(10):1498-1512.

[13] Pan Yue, Zhang J Q. Born unequal: A study of the helpfulness of user-generated product reviews [J]. Journal of Retailing, 2011, 87(4):598-612.

[14] Korfiatis N, Garcia-Bariocanal E, Sanchez-Alonso S. Evaluating content quality and helpfulness of online product reviews: The interplay of review helpfulness vs. review content [J]. Electronic Commerce Research & Applications, 2012, 11(3):205-217.

[15] Racherla P, Friske W. Perceived ‘usefulness’ of online consumer reviews: An exploratory investigation across three services categories [J]. Electronic Commerce Research & Applications, 2013, 11(6):548-559.

[16] Schindler R M, Bickart B. Perceived helpfulness of online consumer reviews: The role of message content and style [J]. Journal of Consumer Behaviour, 2012, 11(3):234-342.

[17] Baek H, Ahn J, Choi Y. Helpfulness of online consumer reviews: Readers' objectives and review cues [J]. International Journal of Electronic Commerce, 2012, 17(2):99-126.

[18] Peng C H, Yin Dezhi, Wei C P, et al. How and when review length and emotional intensity influence review helpfulness: Empirical evidence from Epinions.com [C]// Proceedings of the 35th International Conference on Information Systems, Auckland, 2014.

[19] Yin Dezhi, Bond S D, Zhang Han. Anxious or angry? Effects of discrete emotions on the perceived helpfulness of online reviews [J]. Mis Quarterly, 2014, 38(2):539-560.

[20] Huang A H, Chen K, Yen D C, et al. A study of factors that contribute to online review helpfulness [J]. Computers in Human Behavior, 2015, 48(C):17-27.

[21] 郝媛媛, 葉強(qiáng), 李一軍. 基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究 [J]. 管理科學(xué)學(xué)報(bào), 2010, 13(8): 78-88, 96.

[22] 殷國鵬, 劉雯雯, 祝珊. 網(wǎng)絡(luò)社區(qū)在線評(píng)論有用性影響模型研究——基于信息采納與社會(huì)網(wǎng)絡(luò)視角[J]. 圖書情報(bào)工作, 2012, 56(16): 140-147.

[23] 殷國鵬. 消費(fèi)者認(rèn)為怎樣的在線評(píng)論更有用？——社會(huì)性因素的影響效應(yīng)[J]. 管理世界, 2012, (12): 115-124.

[24] 嚴(yán)建援, 張麗, 張蕾. 電子商務(wù)中在線評(píng)論內(nèi)容對(duì)評(píng)論有用性影響的實(shí)證研究[J]. 情報(bào)科學(xué), 2012, 30(5): 713-716.

[25] 閆強(qiáng)，孟躍. 在線評(píng)論的感知有用性影響因素——基于在線影評(píng)的實(shí)證研究[J]. 中國管理科學(xué), 2013,21(S1):126-131.

[26] 劉偉, 徐鵬濤. O2O電商平臺(tái)在線點(diǎn)評(píng)有用性影響因素的識(shí)別研究——以餐飲行業(yè)O2O模式為例 [J]. 中國管理科學(xué), 2016, 24(5): 168-176.

[27] Pornpitakpan C. The persuasiveness of source credibility: A critical review of five decades' evidence [J]. Journal of Applied Social Psychology, 2004, 34(2):243-281.

[28] Laczniak R N, Decarlo T E, Ramaswami S N. Consumers’ responses to negative word-of-mouth communication: An attribution theory perspective [J]. Journal of Consumer Psychology, 2001, 11(1):57-73.

[29] Sen S, Lerman D. Why are you telling me this? An examination into negative consumer reviews on the Web [J]. Journal of Interactive Marketing, 2007, 21(4):76-94.

[30] Goldsmith R E, Horowitz D. Measuring motivations for online opinion seeking [J]. Journal of Interactive Advertising, 2006, 6(2):1-16.

[31] Lee M, Youn S. Electronic word of mouth (eWOM): How eWOM platforms influence consumer product judgement [J]. International Journal of Advertising, 2009, 28(3):473-499.

[32] 李巍, 王志章. 網(wǎng)絡(luò)口碑發(fā)布平臺(tái)對(duì)消費(fèi)者產(chǎn)品判斷的影響研究——?dú)w因理論的視角[J]. 管理學(xué)報(bào), 2011, 08(9):1345-1352.

[33] Sun Wenjun, Zhang Lei, Ye Qiang. How the interaction of product type and online review valence affects online review usefulness: An empirical study based on amazon.com [C]//Proceedings of the 3rd International Symposium on Information Engineering and Electronic Commerce, 2011.

[34] Qiu Lingyun, Pang Jun, Lim K H. Effects of conflicting aggregated rating on eWOM review credibility and diagnosticity: The moderating role of review valence [J]. Decision Support Systems, 2012, 54(1):631-643.

[35] Kelley H H. The processes of causal attribution [J]. American Psychologist, 1973, 28(2): 107-128.