基于內(nèi)容分析法的網(wǎng)絡口碑認同的影響因素研究

李永忠 李思麒

摘要：本文以信息采納模型為研究框架，以知乎影評為例，采用內(nèi)容分析法并結(jié)合社會網(wǎng)絡的視角，對口碑的文本內(nèi)容和口碑評論者的特征進行研究，探討了社會化問答網(wǎng)站中網(wǎng)絡口碑傳播的影響因素。結(jié)果表明：口碑內(nèi)容的文本長度、信息量和寫作風格，以及評論者的影響力和專業(yè)程度與口碑的認同度有正向相關(guān)關(guān)系，而評論的及時性、評論內(nèi)容的情感強度與口碑認同度的相關(guān)性不顯著。

關(guān)鍵詞：口碑；影響因素；內(nèi)容分析；知乎；影評

在線評論是網(wǎng)絡口碑的一種主要形式，學者常通過分析在線評論有用性來考察影響口碑傳播的因素。Mudambi[1]基于亞馬遜網(wǎng)站的用戶評論提出了在線評論有用性的概念；有學者以電影評論網(wǎng)站的評論信息作為口碑樣本來源[2，3]，分析網(wǎng)絡口碑的影響因素。

本文以知乎網(wǎng)站上的電影評論作為研究對象，基于信息采納模型，通過內(nèi)容分析法并從社會網(wǎng)絡的視角構(gòu)建基于社交網(wǎng)絡和知識分享平臺的在線口碑影響因素的理論模型。

一、理論基礎和研究假設

（一）在線評論的認可度

自2010年以來，諸多評論和問答社區(qū)陸續(xù)對用戶的評論設置了“有用/點贊”選項，一篇評論收獲的贊同數(shù)反映了其他閱讀者對該評論的認可度。

（二）信息采納模型

本文采用信息采納模型（lnformationAdoption Model，IAM）作為研究的理論框架，如圖1所示。

（三）研究假設

1.文本長度

有研究表明閱讀者更可能通過仔細閱讀長文本而試圖獲取足夠的產(chǎn)品信息，以抵消自身和商家之間的信息不對稱性所帶來的風險。因此，本文提出假設：

H1：評論文本的長度與閱讀者對評論認可度正向相關(guān)。

2.評論的及時性

評論的及時性的是網(wǎng)絡口碑所特有的屬性之一，有學者認為及時性對提高信息的質(zhì)量起到關(guān)鍵作用[4]。因此，本文提出假設：

H2：評論的及時性與閱讀者對評論的認可度正向相關(guān)。

3.評論內(nèi)容的信息量

一份評論的信息量越大，其承載的關(guān)于商品的性能、使用體驗、購物環(huán)境和評論者的建議可能更加豐富，其影響效果也可能不同[5]。本文將信息量按照載體的種類分為文字、圖片、視頻、鏈接、例證和文獻引用來對信息量進行測量，分析其對口碑傳播的影響。因此，本文提出假設：

H3：評論內(nèi)容的信息量與閱讀者對評論認可度正向相關(guān)。

4.評論內(nèi)容的寫作風格

心理學已證實不同的語言技巧會產(chǎn)生不同的勸服效應[6]，在線評論的寫作風格是影響消費者購買決策的重要因素[7]，因此，本文提出假設：

H4：評論文本的寫作風格多樣性與閱讀者對評論認可度正向相關(guān)。

5.評論的情感強度

評論中體現(xiàn)出的感情強度會影響消費者的判斷[8]，評論者的強烈推薦或反對都可能會影響讀者對其評論的認可。據(jù)此，本文提出假設：

H5：評論情感強度與閱讀者對評論認可度正向相關(guān)。

6.評論者的影響力

評論者在社交網(wǎng)絡中的影響力會影響到信息接收者對其所發(fā)送信息的認可度[9]。在社會網(wǎng)絡分析理論中，網(wǎng)絡中心度衡量的是個體在其所處網(wǎng)絡中的影響力[10]。因此，本文提出假設：

H6：評論者的網(wǎng)絡中心度與閱讀者對評論認可度正向相關(guān)。

7.評論者的專業(yè)程度

社會化問答網(wǎng)站中專業(yè)性和答題者的經(jīng)驗能力會影響閱讀者對答案內(nèi)容可信度的判斷。因此，本文提出以下假設：

H7：評論者的專業(yè)程度與閱讀者對評論認可度正向相關(guān)。

二、實證研究

（一）數(shù)據(jù)來源

本文選取知乎網(wǎng)站的問題“如何評價電影《你的名字?！罚俊弊鳛榉治霭咐?。截至2017年10月30日，該問題共獲得2532條答案，本文選取非匿名并且贊同數(shù)大于零的全部635條回答對前述假設進行驗證分析。

（二）內(nèi)容分析

本文采用內(nèi)容分析法對評論的信息量和評論的寫作風格兩個變量進行分析。選取每篇完整的答案作為分析單位。對評論內(nèi)容的信息量進行測量的編碼方式見表1。對評論文本的寫作風格編碼方式見表2。

（三）建立信度及編碼

本研究采用霍爾斯蒂指數(shù)測量信度，所得各變量的信度指數(shù)分別為0.91（答案內(nèi)容的信息量）和0.87（答案文本的寫作風格），均大于該信度系數(shù)的接受門檻（0.85）[11]。

（四）變量的測量

如圖2所示，本研究模型共包含7個自變量，1個因變量。其中，閱覽者對評論的認同度為因變量，用答案所獲得點贊數(shù)來測量。評論的文本長度用字數(shù)來測量，評論的及時性以評論日期距本文數(shù)據(jù)收集的截止日期的天數(shù)來表示，評論的信息量和寫作風格以其對應編碼作為測度指標，評論文本的情感強度采用NLPIR語義分析系統(tǒng)進行測量并將分值分為7個等級，取值范圍為1-7，評論者的影響力以其粉絲數(shù)量作為測度指標，評論者的專業(yè)程度以其在電影類問題的歷史答題數(shù)量作為測度指標。

（五）回歸結(jié)果分析

本文選用多元線性回歸模型作為驗證理論的計量模型，并首先以評論內(nèi)容特征所包含的變量作為自變量建立回歸模型1，然后在自變量中加入評論者特征所包含的評論者的影響力和評論者的專業(yè)程度兩個變量，從而建立回歸模型2。首先進行多變量的多重共線性問題檢測，兩個模型中的自變量的VIF均小于2，可認為變量之間不存在明顯的多重共線性問題。分析結(jié)果如表3所示。

從兩個回歸模型的分析結(jié)果來看，模型2的擬合程度明顯優(yōu)于模型1，可見模型2的解釋力更強。其中，評論文本長度的系數(shù)顯著，因此假設H1成立。評論的及時性系數(shù)在兩個模型中都不顯著，假設H2沒有得到驗證。評論的信息量的系數(shù)在兩個模型中都顯著，假設H3得到驗證。初步認為，知乎用戶在認同一條影評時，影評包含的信息量是其較為重要的考量因素之一。評論的寫作風格的系數(shù)在兩個模型中都顯著，假設H4得到驗證，在以往的研究中，對文本的寫作風格和評論認可度的相關(guān)關(guān)系研究較少，從本研究的結(jié)果可以推斷，寫作風格是影響讀者對評論認可度的因素之一。評論的情感強度的系數(shù)在模型1中顯著，在模型2中不顯著，可推斷在模型2加入的兩個變量與評論的情感強度這一變量可能存在競爭關(guān)系，其原因可能是評論的情感強度這一變量缺乏足夠的解釋力。加入評論者的影響力和評論者的專業(yè)程度兩個變量之后，都呈顯著的正向相關(guān)關(guān)系，證實了假設H6和H7，也與信息采納模型中邊緣路徑的影響效應相吻合。

三、結(jié)語

本文的研究發(fā)現(xiàn)和創(chuàng)新點有：（1）在評論的文本長度、信息量、寫作風格、評論者的影響力以及專業(yè)程度與閱讀者對該評論的認可度存在正向相關(guān)關(guān)系，評論的及時性和評論文本的感情強度與評論的認可度之間的線性相關(guān)關(guān)系未得到驗證。（2）本文根據(jù)勸服理論引入文本的寫作風格作為變量，并通過內(nèi)容分析法對其進行量化研究，確定它對評論認可度的影響效應。（3）知乎網(wǎng)站與傳統(tǒng)電商平臺和點評網(wǎng)站不同，評論者可以在評論中添加多種形式的內(nèi)容，本文依據(jù)此特點引入評論的信息量這一變量，驗證其影響效應。

對于評評論系統(tǒng)的完善以及用戶反饋的獲取，本文研究結(jié)論具有一定的啟示。就傳統(tǒng)電商平臺而言，一般將用戶的評論內(nèi)容限制在文本和圖片兩種形式，并限制文本字數(shù)，這將對用戶意見的表達起到限制作用，對產(chǎn)品口碑的影響力亦會起到限制。因此建議電商平臺和點評網(wǎng)站適度放寬對評論系統(tǒng)的限制，以獲得更好的意見反饋的口碑傳播效果。

參考文獻：

[1]Mudambi S M. What makes a helpfulonline review？[C]// Study of Customer Reviewson Amazon.com. MIS Quarterly. 2010.

[2]郝媛媛，葉強，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].管理科學學報，2010，13（8）：78-88.

[3]殷國鵬.消費者認為怎樣的在線評論更有用？——社會性因素的影響效應[J].管理世界，2012（12）：115-124.

[4]ChenC C，TsengYD.Quality evaluationof product reviews uslng an information qualityframework[M]. Elsevier Science Publishers B.V2011.

[5]宋雪雁，王萍.信息采納行為概念及影響因素研究[J].情報科學，2010（5）：760-762.

[6]Tversky A. Kahneman D. The framingof decisions and the psychology of choice.[J].Science. 1981. 211（4481）：453-8.

[7]Liu Y， Huang X. An A， etal. Modeling andPredicting the Helpfulness of Online Reviews[C]//Eighth IEEE International Conference on DataMining. IEEE Computer Society， 2008：443-452.

[8]戢芳，周庭銳，尹訓國.負面網(wǎng)絡口碑特征對消費者品牌態(tài)度變化的影響一一信息易獲得性與診斷力理論視角[J].財經(jīng)論叢（浙江財經(jīng)大學學報），2013（5）：95-99.

[9]Wang G，Liu X. Fan W.A KnowledgeAdoption Model Based Framework for FindingHelpful User-Generated Contents in OnlineCommunities[C]// Intemational Conference onInformation Systems，Icis 2011，Shanghai，China，December. DBLP 2011.

[10]林聚任.社會網(wǎng)絡分析：理論、方法與應用[M].北京師范大學出版社，2009.

[11]Kassarjian H H. Content Analysis inConsumer Research[J]. Journal of ConsumerResearch，1977. 4（1）：8-18.