體驗型產品與搜索型產品在線評論的差異性分析

互聯網的匿名性和開放性對傳統商業信用提出了新的要求。在線評論是指網購消費者通過購物網站提供的在線信譽系統分享其關于賣家、產品或服務的經驗與觀點。網絡購物存在信息不對稱，消費者在做出購買決策前需要搜集信息以降低風險。在線評論為消費者提供了產品和服務信息的交流平臺，有助于消費者做出正確的購買決策。目前淘寶網上采用的方法是分為三個評論等級，好評、中評、差評。通過好評在整個評論值的比率給所有店鋪標明好評率，還有店鋪動態評分，包括物品狀況，服務態度，發貨速度。消費者在購買前，除了關注店鋪的這些評分外，還會瀏覽其他購買者留下的評論信息，尤其是一些文字評論，會影響到消費者的購買決策。數據表明，每天淘寶網上會誕生大約320萬條評論信息。對這些信息的甄別處理，有助于購物過程的順利進行。基于此，本文利用淘寶網的在線評論信息，對被評論的產品進行分類，探討不同類型產品在線評論的差異性。

一、 在線評論的產品分類與分析指標

在線評論的產生與信息質量受到多種因素影響。產品屬性是一項重要影響因素。根據消費者是否能夠在購買前獲得產品質量的客觀評估程度，可以將產品分為搜索型產品和體驗型產品。搜索型產品是那些主要屬性可以通過可獲得的信息來客觀評估，消費者在購買前對商品的質量就能夠了解的產品，例如數碼相機、平板電腦、品牌手表。體驗型產品則在使用之前很難獲得它的質量信息，產品性質是主觀的，且難以比較，需要個人感官意識進行評論和衡量，例如，餐飲美食、彩妝、童鞋等。

本文將獲得評論的產品分為體驗型產品與和搜索型產品加以分析，原因在于購買前對產品質量、購買過程的了解將影響到購買后消費者的滿意度水平，進而影響到評論意愿和評論內容。目前，各購物平臺消費者的評論內容主要包括：①商品信息：將所購買的商品與購物網站中所描述的商品信息進行比較，如商品的尺寸、外觀、價格、性能等；②購物體驗：將消費者在交易過程中的實際體驗，如交易流程的簡單化、方便性，服務態度、售后服務等與網站上所承諾的比較；③支付方式和配送方式：評論所選擇的支付方式的安全性以及送貨速度、商品到達時的損壞程度等。④購物平臺：對網站的促銷活動，對網站信息的可靠性及豐富程度等方面做出評論。

這些評論內容的產生受到產品屬性的影響。本文將采用以下指標分析不同類型產品在線評論的差異性。

（1）主動評論率：主動評論數/評論總數。一些消費者完成購物后，不會主動評論。在這種情況下，確認收貨后14天，如果買家沒評論，系統默認給出評論。系統默認的評論與賣家給買家的評論有關，如果賣家給買家好評，則系統默認的評論也是好評，如果賣家給買家中評或差評，則統默認的評論也是中評或差。主動評論數不包括系統默認的評論數，因此主動評論率可以測算消費者購物后的主動評論參與率。

（2）有效評論率，評論內容大于2個字的評論數/評論總數。在淘寶的評價系統中，消費者除了可以直接點擊選項外，還可以文字方式留下評論內容。本文將評論內容大于2個字的評論定義為有效評論，而將“好”、“頂”諸如此類的評論排除出有效評論。這一指標用來衡量消費者在線評論的投入程度，以及提供信息的有效性。

（3）個性化評論率：個性化評論數/主動評論數。對于購買的產品，淘寶網提供了個性化評價內容。例如，童裝的個性化評價標簽有是否合身、寶寶性別、寶寶生日；洗護清潔劑的個性化評價標簽有氣味、光澤度、滋潤度、順滑度。洗衣機的個性化評價標簽有靜音、洗凈度、節水、性價比。針對這些個性化標簽，消費者可以做出相應的評論。所以，個性化評論率可以反映評論的質量的和評論信息的完備性。

（4）個性化評論賣家覆蓋度：有個性化評論的賣家數/有評論的賣家數。其中“有評論的賣家數”指消費者留下了評論的賣家數，包括淘寶網的默認評論。“有個性化評論的賣家數”是消費者留下了個性化評論的賣家數。這個指標測算受到評論的賣家中，獲得個性化評論的賣家占比。

（5）個性化評論買家覆蓋度：有個性化評論的買家數/寫評論的買家數。其中“寫評論的買家數”指凡是寫過評論的買家數目，不管評論字數有多少，“有個性化評論的買家數”是參與了個性化評論的買家數。這個指標測算在寫過評論的買家中，留下了個性化的評論買家占比。

二、 在線評論的差異化分析

本文選取了2012年8月19日到2013年2月19日6個月中的評論數據，評論總數共231 112 200條，涉及住宅家具、床上用品、大家電等28個一級類目，127個葉子類目。例如，一級類目大家電包括洗衣機、燃氣灶、冰箱、電視機等四個葉子類目。本文將127個葉子類目產品分為搜索型產品和體驗型產品。搜索型產品共30個類目，主要包括洗護清潔劑、數碼相機、平板電腦、品牌手表、大家電等。體驗型產品共97各類目，主要包括住宅家具、童裝、特價酒店、女士內衣、餐飲美食等。通過對在線評論相關指標的方差分析，得到以下幾點結論。

（1）搜索型產品的主動評論率高于體驗型產品。如表1所示，運用評論數據，根據公式測算出127個產品類目的主動評論率均值為0.750 4。其中，搜索型產品的主動評論率均值為0.859 5，標準差為0.079 5。體驗型產品的主動評論率均值為0.716 7，標準差為0.085。這意味著在購物完成后，有75.04%的消費者會主動進行在線評論。其中，搜索型產品的消費者，有85.95%會主動進行在線評論。體驗型產品的消費者，有71.67%會主動進行在線評論。通過方差分析，發現搜索型產品的主動評論率顯著高于體驗型產品。

消費者在搜索信息時會主動查找電商及商品的評論信息，希望得到借鑒信息，但是在購物完成后不是所有消費者都能主動進行信息評論。不同類型產品的主動評論率體現了消費者不同的評論意愿。對于搜索型產品，消費者在購買前就能通過搜集信息來客觀了解分析產品的質量，所以消費者對這類產品在購買前的感知和購買后的實際使用效果差異較小，如數碼相機。對于體驗型產品，則恰好相反，產品的實際效用與預期價值容易存在較大差異，如餐飲美食。這種差異會激發消費者的評論意愿。所以，一般而言，體驗型產品的主動評論率會高于搜索型產品。但是，本文的數據分析結論恰好與此相反。原因在于相對于體驗型產品而言，搜索型產品價格較高，如3C產品， 多為耐用性消費品，使用周期長，購買頻率低，持續購買能力低。銷售只是完成購物消費過程的一個環節，多數產品需要后續服務支持。除產品價格因素外，消費者也注重購物的便捷性及相關服務。這些因素會影響到消費者的購物滿意度，并激發消費者的在線評論熱情。

此外，主動評價率的不同也和平臺的推動力度有關。交易完成后，評論頁面會主動引導消費者進行在線評論。一些搜索型產品的在線評論成本比較低，由于產品的標準化程度比較高，如手機，產品屬性可以比較容易的描述出來，對這類產品的評論主要是點擊及簡單的字符評論，評論過程比較簡單，所以主動評論率較高。

（2）搜索型產品的有效評論率高于體驗型產品。有效評論率測算評論內容大于2個字的評論數在評論總數中的占比。127個產品類目的有效評論率均值為0.430 0。其中，搜索型產品的主動評論率均值為0.515 0，標準差為0.076 4。體驗型產品的主動評論率均值為0.403 7，標準差為0.108 3。這意味著在購物完成后，在進行了在線評論的消費者中，有43.00%的人通過輸入文字進行了在線評論，且輸入文字數大于等于2個。其中，進行了在線評論的搜索型產品的消費者，有51.50%進行了有效評論。在進行了在線評論的體驗型產品的消費者，有40.37%進行了有效評論。通過方差分析，發現搜索型產品的主動評論率同樣顯著高于體驗型產品。

這一結論與上一個分析結果保持一致。原因也是類似的。體驗型產品的消費預期差異大，一旦出現與消費預期不一致，高出期望或低于期望的消費結果，消費者參與評論的積極性應該高于搜索型產品。但由于平臺推動力度等原因，如送禮物、打折，舉辦與評論相關的競賽活動，一些搜索型產品獲得更多的有效評論。此外，一些體驗型產品如女裝款式多樣，消費者偏好十分個性化，因此對客觀描述造成一定困難，這也導致了有效評論率偏低。

3. 體驗型產品的個性化評論率高于搜索型產品。個性化評論率測算了個性化評論數在主動評論數中的占比。分析結果表明，127個產品類目的個性化評論率均值為0.662 3。其中，搜索型產品的個性化評論率均值為0.539 3，標準差為0.133 5。體驗型產品的個性化評論率均值為0.700 4，標準差為0.250 5。這意味著在主動進行在線評論的消費者中，有66.23%的人進行了個性化評論。其中，對于搜索型產品，在主動評論的消費者中，有53.93%的人進行了個性化評論。對于體驗型產品，在主動評論的消費者中，有70.04%的人進行了個性化評論。方差分析表明，體驗型產品的個性化評論率顯著高于搜索型產品。

這一結論與常規判斷相符。體驗型產品更具有個性化內容。如男鞋的個性化評價內容有腳長、腳寬。女裝的個性化評價內容有買家身高、買家體重。車飾品的個性化評價內容有車子品牌、車系、車型等。相對而言，搜索型產品的型號、類別等特征更具標準化。消費者個性化特征對購物滿意度的影響要低于體驗型產品。例如，消費者對服裝的消費要比對手機更具個性化特征。體驗型產品的這種滿足個性化需求的特征對賣家的產品定位等更具影響力。

同時可以發現，依然有一部分消費者沒有提供個性化評論。這要受到多種因素影響。評論界面是否友好，容易操作，評論內容是否清晰，便于填寫。評論內容是否在涉及隱私，如內衣的個性化評論內容有上胸圍、下胸圍，童裝有寶寶性別、生日。對于這類信息，消費者一般不愿透露。所以，對個性化評論內容的設置也會影響到個性化評論率。

4. 不同類型產品個性化評論的覆蓋度沒有顯著差異。個性化評論覆蓋度分別從賣家和買家兩個角度加以測算。127個產品類目的個性化評論賣家覆蓋度均值為0.777 2。搜索型和體驗型產品的個性化評論賣家覆蓋度均值分別為0.762 5和0.781 8，標準差分別為0.081 7和0.149 2。這意味著在有評論的賣家中，有個性化評論的賣家占77.72%。對于搜索型產品，有個性化評論的賣家占有評論賣家數的76.25%。對于體驗型產品，有個性化評論的賣家占78.18%。方差分析表明，兩類產品的個性化評論賣家覆蓋度沒有顯著差異。

127個產品類目的個性化評論買家覆蓋度均值為0.507 7。搜索型和體驗型產品的個性化評論買家覆蓋度均值分別為0.496 9和0.511 0，標準差分別為0.125 5和0.170 2。這意味著在寫評論的買家中，留下個性化評論的買家占50.77%。對于搜索型產品，留下個性化評論的買家占寫評論買家數的49.69%。對于體驗型產品，留下個性化評論的買家占51.10%。方差分析表明，兩類產品的個性化評論買家覆蓋度沒有顯著差異，主要的原因在于平臺對于消費者參與評論的拉動在兩類產品上沒有明顯差異。在完成交易后，淘寶將通過旺旺等在線工具提示消費者進行評價，另外，一些激勵消費者評價的措施如評論有禮等，也激發了消費者評論的積極性。

三、 結論與啟示

1. 體驗型產品賣家應重視在線評論的推介效應。分析結果表明，搜索型產品的個性化評論率均值為0.539 3，體驗型產品為0.700 4，體驗型產品的個性化評論率高于搜索型產品。對于體驗型產品，如女裝與餐飲美食，消費者在選購此類產品時，用戶體驗是最主要的標準，往往也具有高度的個性化色彩。此類產品為消費者帶來的效用很難用標準化的方式進行概括，產品品種多樣，價格透明度低，產業鏈上游渠道也較為復雜。消費者在選購此類商品時往往需要參考多方意見，精挑細選，不斷嘗試。還有資料顯示，女裝、餐飲美食在打聽、朋友網店、論壇、博客發文數，及好友數量上都比屬于搜索產品的手機點卡高，這種區別提示了體驗型產品賣家更重視與同行和消費者的互動，也反映了經營或者購買體驗商品時面對更多的個性化與多樣化需求，需要信息的廣泛交流。

2. 搜索型產品賣家應重視提高服務水平。手機與數碼相機屬于典型的搜型產品，產品屬性可以比較容易的描述出來，而且一旦消費者知悉這些屬性，實際享受到的產品體驗與這些描述之間不會有顯著差異。該類產品標準化與同質化程度較高，價格透明，傳統線下的宣傳較為充分，產業鏈上游渠道相對簡單。選購此類商品的消費者往往不需要在線精挑細選，消費者的選擇過程在上線購買之前已基本確定，價格與服務是更重要的考慮因素。在線評論數據表明，對搜索型產品的有效評論內容，主要聚焦于物流速度、安裝服務質量、退換貨服務等，這在大家電類目尤為突出。由于消費者針對服務環節更有評論意愿，以至于出現本文分析得到的結果，搜索型產品的主動評論率和有效評論率都顯著高于體驗型產品。

3. 以多種方式促進在線評論。獲得評論的關鍵是讓添加評論盡可能簡單，可以給一些提示或者文案，甚至可以給出一兩個示例，從而產生一個有效的評價。針對個性化評論內容，應考慮顧客隱私，并采取更簡單的方式，設立各種產品選項供用戶選擇評分。這樣就不需要顧客寫任何東西，僅僅在一個預設的區域做出一個評分，并回答一個是或者否的問題，從而讓用戶針對商品輕松地留下評論而不必深思熟慮。為獲得有質量的評價，可以邀請用戶在一個預先擬定的優劣比較表單中做選擇，允許他們建議添加新的項目，讓用戶設置他們的檔案。這樣，個性化評論的內容將更真實可靠。

為提高主動評論率，賣家可以舉辦與用戶評論相關的競賽活動。買家參與評論可以在下一筆交易中得到優惠。可以通過Email、MSN等聊天工具回訪，邀請用戶評論。要掌握恰當的回訪時間，必須是當產品已經在用戶手中，并進行充分使用時，評價邀請會得到更好的結果和高質量的評價內容。對于負面評價，如果賣家回復評論并給出解決方案，就可以將負面評價轉化為正面評價，并提高評論的可行度。

4. 完善在線評論體系。目前，淘寶在信用評價方法的各部分中都對許多細節進行了詳細的規定與說明，希望能盡可能涵蓋各方面內容，如對買家匿名評價方式及系統默認評價功能的規定，對信用評價修改與刪除具體情況的規定，以及對信用評價炒作的規定等。但是，規章制度繁多復雜容易造成查詢不便，容易增加市場約束，造成交易者對電子商務提供商的過度依賴。此外，在現行評價系統中，一次一萬元的交易與一次一元的交易獲得的評論機會都是一樣的，信用值的增減也相同，這就造成了信用度的不對等。實際上，信用度高的評價用戶做出的評價更具有可信性，對其評價結果應給予更大的重視。但現有的評論體系未能兼顧到這一點。所以，現有評論體系還有待繼續完善。

參考文獻：

1. Forman C.，Ghose A.， Wiesenfeld B.， Exa- ming the relationship between reviews and sales：the role of reviewer identity disclosure in electronic markets.Information Systems Research， 2008，19（3）：291-313.

2. Mudambi S.， Schuff D.， What makes a hel- pful online review？ a study of customer reviews on Amazon.MlS Quarterly，2010，34（1）：185-200.

3. Dellarocas， C.， The digitization of word of mouth： promise and challenges of online feedback mechanisms.Management Science，2003，49（10）：1407-1424.

4. 郝媛嬡.在線評論對消費者感知與購買行為影響的實證研究.哈爾濱工業大學博士論文，2010.

5. 張茉，陳毅文.產品類別與網上購物決策過程的關系.心理科學進展，2006，14（3）：433-437.

6. 葉樹昱，陳華平，沈祥，李燕.影響顧客網上購物因素的實證研究.預測，2008，（4）：53-58.

基金項目：2012年國家自然科學基金青年項目資助“創意產業融入制造環節的共生演化機制研究”（項目號：71203063）；2012年華東理工大學培育課題。

作者簡介：李宗偉，復旦大學管理學院博士后流動站、阿里巴巴集團博士后工作站博士后；張艷輝，華東理工大學商學院副教授，經濟學博士。

收稿日期：2013-07-20。