梁增賢，劉晨希，王 玥

(中山大學 旅游學院，廣東 廣州510275)

0 引言

微信平臺、貼吧、博客等社交媒體已經成為消費者搜索和分享旅游產品信息的平臺[1-5]。在線評論作為電子口碑(eWOM:electronic word of mouth)的重要形式[6]，已經被廣泛證明會影響消費者決策[5，7]和購買行為[8]，進而改變旅游網站和旅游供應商的信息提供方式[9-11]。截至2020年3月，我國網絡購物用戶規(guī)模達7.10億，較2018年底增長1億，占網民整體的78.6%。其中，手機網絡購物用戶規(guī)模達7.07億，較2018年底增長1.16 億，占手機網民的78.9%。2019年6月，中國在線旅行預訂用戶規(guī)模高達4.18億，其中60.8%的用戶在過去一年中有過旅游經歷分享行為①。在線酒店產品變化慢，個體間差異大，市場選擇多，其在線評論的參考價值很高，歷來受到消費者重視，也成為在線評論研究的主要對象。87%的國際旅游者會通過社交媒體安排行程，其中43%的人會閱讀在線評論[9]。旅游網站紛紛推出在線評論功能。然而，各網站的在線評論的格式和內容不同[10]，評論的水平不斷提升?，F(xiàn)有研究表明，那些較長且全面的評論比短評論更能吸引消費者[12]。盡管旅游網站也在調整評論方式，開辟專家評論和有用投票，幫助消費者判斷評論的有用性，但消費者仍可能迷失在海量的評論信息中，存在著信息過載的風險[13-14]。由于在線評論對購買意愿的顯著影響[15]，一些酒店有意識“操作”評論，甚至雇傭“水軍”刷好評，假扮消費者去攻擊競爭對手等[16]，導致評論失真[9]。與此同時，消費者也在成長，不會隨便接受評論邀請[17]，也不會輕易相信評論。近年來，消費者越來越傾向于相信差評[14]，似乎更喜歡閱讀字數(shù)較多的長評論。那么，酒店在線評論越長越極端就會越有用嗎? 本文以2 300條去哪兒網酒店評論為例，研究在線評論有用性的影響因素及其作用效果，以期了解消費者如何識別在線評論，推動旅游網站改進在線評論功能，促進酒店的在線營銷。

1 文獻綜述

1.1 研究進展

旅游在線評論的研究逐漸受到重視，主要分為兩類:一類是基于供給視角，研究在線評論對旅游產品銷量或績效的影響[1，18]；另一類基于需求視角，研究消費者的在線評論行為規(guī)律以及在線評論對消費者購買決策和行為的影響，這又可分為兩個方面:一是研究消費者如何生產在線評論[19]，二是探討在線評論如何影響消費者[15，20-21]。酒店在線評論較其他類型旅游產品而言更容易獲得，穩(wěn)定性和持續(xù)性較好，對消費者購買決策和行為的影響相對穩(wěn)定，受到更多重視[1，4，8，15，22-25]，而有用性也成為酒店在線評論研究的焦點[14]。

Sussman等提出的信息采納理論模型為理解多種因素對信息有用性的影響奠定了基礎[26]。該模型將影響信息有用性的因素歸為兩類:信息內容的質量(或評論特征因素)和信息源的可靠性(評論者特征因素)，且認為只有有用的信息才會被采納。卓四清等將該模型用于研究在線評論[7]，用評論極端性、長度和有用投票數(shù)作為評論特征因素，用評論者認可度和個人信息披露作為評論者特征，而暴露時間作為控制變量。然而，有用投票數(shù)應該是有用性的具體表現(xiàn)，而非影響因素。Liu等納入了更多變量，其中評論特征變量包括評論的星級、評論長度、評論的情感傾向、評論的可讀性[9]；而評論者特征變量包括身份信息(評論者照片、真實姓名、真實地址)、專業(yè)性、聲譽(朋友數(shù)量、粉絲數(shù)量和精華帖數(shù)量)。Kwok等也遵循類似的模型，把評論特征因素分為定量和定性兩種，而評論者特征分為人口特征和評論者經驗兩種[14]。此外，一些實證研究也探討了各種變量對有用性的影響及其對購買決策和行為意向的作用[4，5，7-9，27-29]。除少數(shù)使用問卷調查法的研究外[2，15]，大多數(shù)在線評論研究的變量選擇主要受限于旅游網站提供在線評論的信息維度[10，30]。

1.2 評論特征因素

評論特征因素是對評論有用性討論最多的變量類型，主要涉及長度、全面性、情感傾向、極端性、圖片數(shù)和閱讀量等。

(1)評論的長度指評論的字符數(shù)?，F(xiàn)有研究認為評論越長，越有用[7]。評論的長度對評論的有用性有顯著的正向影響[31，32]。評論的長度暗示消費者會閱讀具體內容，而不僅依賴于閱讀量和有用投票數(shù)據(jù)[12]。盡管少數(shù)研究認為內容的深淺和多寡對評論的有用性并無顯著影響[2]，但大多數(shù)研究認為評論越長，提供的信息可能越全面[33]，越有用[14]?；诂F(xiàn)有研究，本文假設:

H1a:評論的長度對評論有用性存在顯著正相關。

(2)評論的全面性是指評論所涉內容反映酒店情況的程度。全面性可能與長度有一定關系，但并非絕對。因為許多長評論實際上僅就某個方面的問題進行評論，強調深度；而全面性則關注涉及面，強調廣度。一般認為，評論涉及的面越多，越容易得到關注，從而獲得更多有用投票[2，14]。因此，本文假設:

H1b:評論的全面性對評論有用性存在顯著正相關。

(3)評論情感傾向是指評論內容反映評論者對酒店的正向或負向情感，具體表現(xiàn)為評論內容中褒義詞和貶義詞的使用情況?，F(xiàn)有研究表明，評論的主觀情感傾向與評論的有用性顯著相關[13]。評論的正向情感傾向對評論的有用性有正向影響[34-35]，甚至直接影響購買決策[36-38]。積極的情感傾向、較高的正負情感混雜度、較高的主客觀表達混雜度對評論的有用性具有顯著的正面影響[32]。負面或者消極的評論會喚起消費者的風險意識，導致潛在消費者對產品購買決策的動搖[16]。消費者更容易被先前消極的評論所影響，尤其是整體評論都比較消極的時候[30]。因此，本文假設:

H1c:評論情感傾向對評論有用性存在顯著負相關。

(4)評論的極端性是指評論獲得過高或過低的評分。一些研究認為評論的極端性與情感傾向相關[32]。由于旅游網站通常根據(jù)評分高低排列酒店，為了獲得更靠前的網頁位置，酒店往往跟評論者協(xié)商評分。評分可能為妥協(xié)的結果，而評論的內容才是評論者真實意見的表達，因而極端性與情感傾向并不一定相關。一些研究認為，極端好評會獲得更多關注，有用性增強[36-38]；另一些研究認為極端差評被認為更真實有用[39]。國內學者的研究進一步認為，中差評對評論有用性具有顯著的正向影響作用[16]，而極端的評論較中立的評論更為有用[34]。因此，本文假設:

H1d:評論的極端性對評論有用性存在顯著正相關。

(5)評論圖片數(shù)越來越受到重視。由于圖片的記憶效果更好[40]，圖片比文字更容易對消費者產生積極影響[41]，“無圖無真相”逐漸成為消費者判斷有用性的標準。然而也有研究指出，雖然圖片和文字都會顯著影響消費者的認知，但只有文字會對消費者的購買意愿產生顯著影響[42]。一些研究更是認為，高認知需求的消費者更關注文字，高情感需求的消費者更關注圖片[43]。遠期消費者受文字評論影響更大，而近期消費者受到圖片評論的影響更大[11]。因此，本文假設:

H1e:評論圖片數(shù)對評論有用性存在顯著正相關。

(6)評論閱讀量是一個累計值，一些旅游網站以閱讀量作為評論的熱度依據(jù)，并置頂熱點評論，有可能影響有用投票。閱讀量越大，說明評論易受關注，增加了獲得有用投票的可能。因此，本文假設:

H1f:評論閱讀量對評論有用性存在顯著正相關。

1.3 評論者特征因素

隨著網絡水軍的參與以及酒店等旅游供應商的介入，評論者的真實性和可信度受到質疑[44]。許多研究表明，閱讀者會關注評論者的相關信息以判斷信息的有用性[9，45-46]，包括評論者的網絡中心度(內部和外部)、等級、經驗或專業(yè)性。

(1)中心度(centrality)是網絡中節(jié)點特性分析的關鍵步驟，是衡量個體在社會網絡中影響力的重要指標[47]，分為內向中心度和外向中心度兩種?，F(xiàn)有研究表明，個體節(jié)點的網絡中心度與其可信任感之間具有相當強的正向相關性[48]。評論者內向、外向中心度會直接影響其發(fā)表評論的有用性[48]。基于社會網絡理論，本文假設:

H3a:內向中心度對評論有用性存在顯著正相關。

H3b:外向中心度對評論有用性存在顯著正相關。

(2)評論者等級指評論者獲得旅游網站認定的等級，主要參考閱讀者的評價。一般來說，評論者發(fā)表評論，尤其是專家評論的數(shù)量越多，等級越高，越能得到更多消費者的認可[46，49]。相較于男性，女性更看重評論者的等級[50-51]。然而，由于部分高等級的評論者可能是經常活動的網絡水軍，部分閱讀者并不信任等級。一些研究甚至認為，評論等級與評論有用性顯著負相關[52]。因此，本文假設:

H3c:評論者等級對評論有用性存在顯著正相關。

(3)評論者經驗是評論者發(fā)表評論的數(shù)量、獲得有用投票和發(fā)表專業(yè)評論數(shù)量的綜合考量。現(xiàn)有研究表明，相較于女性，男性更看重評論者的經驗和專業(yè)性[50-51]。評論者的專業(yè)身份和豐富經驗能夠有效減少閱讀者對評論的消極偏見[53]。評論者經驗越高，評論越有效[45]。為此，本文假設:

H3d:評論者經驗對評論有用性存在顯著負相關。

1.4 評論有用性模型

評論曝光天數(shù)反映的是評論發(fā)表的時效性[2]。曝光的時間越長，評論可能獲得的有用性投票就越多[54]。不同網站評論的置頂方式不同，一些網站將最新評論置頂，而另一些將有用性高的評論置頂，客觀上會影響曝光天數(shù)與有用性投票的關系。Filieri等基于最新評論置頂?shù)哪Ｊ阶C明了曝光的時效性對有用性的影響顯著但較為微弱[2]。去哪兒網同時提供了兩種置頂方式，且默認最新置頂。汪濤等的研究更為細化，認為體驗型產品時間間隔近可以提高評論的有用性感知，而對于物質型產品，時間間隔近卻降低評論的有用性感知[55]。由于曝光天數(shù)既不屬于評論本身特征，也不反映評論者特征，本研究將其作為獨立控制變量，假設認為:

H2:評論曝光天數(shù)對評論有用性存在顯著正相關。

有用性是指評論的效價(valence)，以旅游網站的有用投票數(shù)為指標[7]，或者問卷調查中的有用性感知[33]，其中最為普遍的測量方式是計算評論獲得的有用投票數(shù)[14]。一些研究為了避免個別過高有用投票對總體結果的回歸效果，使用了有用性投票數(shù)除以網站評論有用性總投票數(shù)作為代理指標[32]。基于信息采納理論模型，結合以往研究提出的影響因素，并考慮了去哪兒網提供的數(shù)據(jù)維度，本文建立酒店在線評論的有用性模式，見圖1。

圖1 在線評論有用性模型

2 研究設計

2.1 數(shù)據(jù)收集

去哪兒網(www.qunar.com)是中國領先的旅游搜索引擎，提供旅游產品和服務搜索、預訂和在線評論功能。去哪兒網每月訪問人數(shù)均超過1億人次，人均單日訪問次數(shù)均高于其他旅游網站，每月通過去哪兒網App預訂產品和服務的次數(shù)超過16 萬人次②。去哪兒網用戶每次預訂酒店都會對比至少5家同類酒店，對每家酒店瀏覽至少5篇在線評論。本文選擇了去哪兒網在北京、廣州、成都、西安、杭州和珠海6個城市中評論熱度最高的18家酒店(每個酒店評論數(shù)量均在1 000條以上)，通過八爪魚軟件和人工補錄的方式，刪除那些沒有實質性內容、重復評論或疑似水軍評論后，共計得到2 300條包含研究所需維度的在線評論及評論者相關信息。其中，八爪魚軟件可以直接抓取的數(shù)據(jù)包括評論的內容、評論者身份、頭銜等文字信息和評分等級、閱讀量、有用性投票數(shù)、評論者發(fā)表過的評論數(shù)、關注去哪兒網的人數(shù)量、去哪兒網上粉絲的數(shù)量等定量數(shù)據(jù)。為彌補軟件自動抓取信息的不全，課題組人工補錄了每條評論的圖片數(shù)量、評分和評論者的專家點評數(shù)。此外，課題組也根據(jù)設定的評分標準對部分變量人工賦值，見表1。

表1 變量描述說明

2.2 研究變量

如表1所示，本研究涉及12個變量，包括1個因變量、10 個自變量和1 個控制變量。其中，評論的曝光天數(shù)、評論的長度、評論的圖片數(shù)、評論的閱讀量、內向中心度、外向中心度和經驗水平為直接獲取數(shù)據(jù)；評論內容的全面性、評論情感傾向、評論的極端性和權威性為根據(jù)相應標準和等級人工賦值。目前，大多數(shù)旅游網站如攜程、去哪兒都設置了評論的評分功能，瀏覽者可以對評論進行有用性投票。例如，去哪兒網在每條評論之后設置了評論的有用性按鈕，瀏覽者閱讀評論后可以做出有用性投票。為避免個別評論投票數(shù)過高導致有用性指標量級差太大，考慮到去哪兒網并未提供總投票數(shù)，故本文采用該評論有用性投票數(shù)除以網站評論最高的有用性投票數(shù)作為代理指標。

3 結果分析

3.1 描述性統(tǒng)計與相關性分析

效度分析中，KMO 值為0.741，P值為0.000，表明所有數(shù)據(jù)具有可靠的內容效度。由于各個變量分別采用實際數(shù)值(連續(xù)變量)、二元虛擬變量(1或0)和等序變量(1-5或1-7)，需要采取不同的量化方式加以無量綱化，降低數(shù)據(jù)量級對結果的影響。根據(jù)李玲玉等提出的無量綱化方法選擇三原則，即變異性、差異性和穩(wěn)定性[56]，評論的全面性、評論情感傾向和評論者等級基于原始數(shù)據(jù)的均值和標準差進行標準化(Z-score法)；評論曝光天數(shù)、評論的長度、評論圖片數(shù)、評論閱讀量、內向中心度、外向中心度和評論者經驗對原始數(shù)據(jù)進行線性變換，即離差標準化(Min-Max法)，部分缺失值采取均值法補充；所有虛擬變量則采用實際數(shù)值。變量描述統(tǒng)計和自變量的相關系數(shù)矩陣見表2，其中均值和標準差仍用原始數(shù)據(jù)。

表2 變量描述性統(tǒng)計和自變量的相關系數(shù)矩陣

根據(jù)表2可知，雙尾皮爾森相關性檢驗結果表明，55個相關系數(shù)中，42個低于0.4，只有9個高于0.5，且自變量的單位特征根均不等于0，條件指數(shù)數(shù)值均低于30，膨脹因子均低于10。根據(jù)Leeflang 等的標準[57]，表明自變量間不存在多重共線性問題。從均值和標準差結果看，有用性的均值很低，投票數(shù)僅為0.079 3次。根據(jù)原始數(shù)據(jù)分析，在2 300條評論中，認為有用的為439條，僅占19.09%；其中大多數(shù)評論僅獲得5次以下的有用性投票，最高的也就104次。評論的長度和閱讀量均值分別為88.29 個字符和46.78次，但各條評論的長度和閱讀量差異較大。對比閱讀量和投票數(shù)的均值可知，大多數(shù)閱讀者不會對評論投票，只有當評論非常有用時才會給予有用投票。沒有獲得有用投票的評論并非完全無用，而是它不夠有用。

3.2 多元線性回歸分析

為了更好地比較每一個評論特征與評論者特征變量和控制變量(評論曝光天數(shù))對因變量有用性解釋程度，本文進行了5組線性回歸模型操作:(1)模型一僅放入控制變量評論曝光天數(shù)；(2)模型二放入了除評論圖片數(shù)以外的所有評論特征變量和控制變量；(3)模型三放入所有評論特征變量和控制變量；(4)模型四放入所有評論者特征變量和控制變量；(5)模型五放入所有變量，上述5組回歸模型結果見表3。

表3 多元線性回歸結果

由表3可知，評論曝光天數(shù)對評論有用性具有顯著的正向作用(B=0.070，t=14.451)，評論曝光時間越長，越有用。此結果與Li等的研究一致[54]，但與卓四清和馮永洲的研究相反。卓四清等人的研究認為評論暴露的時間越長，其后續(xù)獲得有用性投票會越少[7]；隨著時間的推移，評論有用性呈現(xiàn)出衰減的狀態(tài)[1]。事實上，這與近年來旅游網站置頂熱門評論和專家評論有關。這導致部分曝光的熱門帖獲得有效投票的機會增加，因而有用性增強。少數(shù)熱門評論長期占據(jù)顯著位置，獲得更高投票。

模型二和模型三表明，評論的圖片數(shù)對評論的有用性產生顯著的正向影響，圖片越多、越有效，模型的解釋力也上升。與此同時，評論圖片數(shù)與評論的長度具有一定的替代效應，模型二中未考慮評論圖片數(shù)時，評論的長度對有效性產生積極正向作用。當模型三納入評論圖片數(shù)時，評論的長度對有用性影響系數(shù)變小，可以判定評論圖片數(shù)一定程度上代替了評論的長度對有用性的影響。

僅從模型三可知，在所有評論特征的變量中，除了評論的極端性外，評論的長度、評論的全面性、評論閱讀量和評論圖片數(shù)對有用性具有顯著正向作用，評論的情感性傾向呈現(xiàn)顯著負向作用。這說明，評論越長、評論的內容越全面，或評論閱讀量越高，抑或評論圖片數(shù)越多，評論有用性越高；而評論的情感傾向越趨于正面，評論的有用性越低。與積極樂觀的評論相比，人們更傾向于認為那些表達負面情感的評論是真實有用的，而不是“網絡水軍”的“灌水”。

模型四和模型一表明，增加所有評論者特征變量后，模型的解釋力上升。除評論者經驗之外，其余評論者特征變量對有用性存在不同程度的顯著影響，其中內向中心度和評論者等級存在顯著的正向影響，而評論者經驗存在微弱的負向影響。這說明，人們更愿意相信那些等級較高、粉絲數(shù)量較多的評論者做出的評論，而認為那些評論太多的評論者所發(fā)表的評論更沒用。閱讀者可能認為那些經常發(fā)表評論的人是“網絡水軍”。

模型五表明，在同時考慮控制變量與評論特征和評論者特征時，除評論的極端性和評論者經驗外，其余變量均對有用性產生不同程度的顯著影響，其中評論曝光天數(shù)、評論的長度、評論的全面性、評論閱讀量、評論圖片數(shù)、內向中心度和評論者等級呈現(xiàn)顯著正向影響，而評論情感傾向和外向中心度具有顯著的負向影響。評論者經驗具有負向影響，但顯著性較弱。評論的極端性具有較弱的相關系數(shù)和較弱的顯著性，且在模型二和模型三中均不顯著，故可判定為影響不顯著。

從模型三、模型四和模型五的結果看，評論特征變量對有用性的解釋力大于評論者特征變量。這說明，相比于評論者，人們在判定評論的有用性時，更關注評論本身。

4 結論與討論

本文通過多元線性回歸進行實證分析，在以往在線評論研究的基礎上，重新檢驗了影響酒店在線評論有用性的因素及其作用機制，具體的理論貢獻有3個方面:

第一，建立了比早期研究更為全面科學的評估模型。與卓四清和馮永洲的6個變量模型[7]、Liu等的10個變量模型[9]以及張艷輝等的7變量模型[16]相比，本文建立的有用性評價概念模型(圖1)涉及3 個維度的11個變量。同時，采納Filieri等研究的結論[2]，把曝光天數(shù)作為控制變量來分析，使得分析結果更符合實際，更為全面地解釋了評論有用性的影響機制。

第二，為消費者如何識別評論有用性提供了新的理解和實證論據(jù)。評論特征因素對評論有用性的影響總體大于評論者特征因素，消費者更關注評論本身，而非評論者。評論的長度、評論的全面性、評論閱讀量、評論圖片數(shù)、內向中心度和評論者等級對有用性呈現(xiàn)顯著正向影響，而評論情感傾向和外向中心度具有顯著的負向影響。然而，評論者經驗對評論有用性的負向影響微弱，評論的極端性對評論有用性并未產生顯著影響，見表4。

表4 假設檢驗結果

第三，研究結果證明了閱讀量與有用性的差異，更高的閱讀量并不代表更有用。早期研究使用閱讀量表征“有用性”，或者使用閱讀量作為重要變量的做法需要持慎重態(tài)度[23，25]，因為閱讀量并不能反映閱讀者對它的興趣或價值判斷。本研究表明，有用投票率是很低的(閱讀量中只有7.93%的有用投票率)，類似的情況在其他網站也一樣[10]。閱讀者只有在認為非常有用的情況下才會投票，是理性分析后做出的選擇。實證結果表明，經驗豐富的評論者所做的評論和極端評論都容易博得眼球，增加閱讀量[36-38]，這些評論往往被閱讀者認為“水份”很大，并不表示有用(見表4)。

網站不斷改善，酒店也在更新信息的供給方式，網絡“水軍”可能“魔高一丈”，但消費者也在進步，旅游研究不能忽視消費者的自我成長來單方面討論評論的供給。旅游在線評論的有用性應該基于一個動態(tài)的共變過程來研究。本研究與先前研究所呈現(xiàn)的結果差異可能不是地域間、網絡平臺間或者群體間的差異，而是時間上的差異。早期的在線評論研究表明，評論者的經驗、等級、中心度等特征對閱讀者判斷有用性影響很大[45，48]，然而隨著網絡“水軍”的出現(xiàn)，消費者對評論者特征的信任度下降，轉而更關注評論信息特征。在所有評論信息特征中，“有圖有真相”[42-43]、“越長越可信”[31]、“極端好評或差評最可信”等信條曾被認可[36-39]，然而信息供給方也在這方面“灌水”，長評論的有用性已經被質疑[2]，本文也證明了評論的極端性是無用的。

旅游網站和酒店應該更注重評論質量的提升，而非花費太多資金用于邀請專家或職業(yè)評論人來做評論。在有限的時間里，閱讀者很少閱讀一個酒店的全部評論，無論評論長短或極端，他們只會關注自己感興趣的部分。旅游網站應該建立多元評論平臺，提供各種長度、內容和情感傾向的評論，以滿足不同閱讀者的關切。旅游網站也可以進一步優(yōu)化評論檢索功能，提供內容維度的檢索，以便閱讀者在海量評論中找到自己感興趣的內容。操縱評論可能在短期內能夠達到營銷目的，但卻可能是殺雞取卵，最終損害消費者對酒店評論的信任。在一個信息分享、共同成長的網絡社會中，消費者的理性和經驗也在提高、增加，那些長期保持信息真實的旅游網站和酒店將最終獲得消費者的有用評價。未來的研究可以進一步探討消費者自我成長與在線評論有用性之間的關系。

注釋

①中國互聯(lián)網絡信息中心.中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告.北京，2020年4月28日。

②艾瑞咨詢研究院.2016年去哪兒用戶媒體價值研究報告.2016年10月。