在線商品評論信息內容影響因素的實證研究

1.華中師范大學湖北省電子商務研究中心　2.華中師范大學信息管理學院　董思怡

在線商品評論信息內容影響因素的實證研究

1.華中師范大學湖北省電子商務研究中心2.華中師范大學信息管理學院董思怡1，2

在線商品評論作為在線口碑的一種重要形式，是電子商務交易活動中的一類關鍵信息資源。研究和識別影響評論信息內容的因素，對于消費者做出正確有效的購買決策和促進電子商務平臺完善自身建設等具有重要作用。該文從用戶、商家/平臺、在線商品這三個層面出發，采用問卷調查和統計分析法，對評論用戶群體進行在線商品評論信息內容影響因素實證分析。研究發現：用戶的情感分享、專業程度、與商家/平臺的關系強度正向影響在線商品評論信息內容；商家/平臺的態度負向影響在線商品評論信息內容。

在線評論 評論用戶 詳細度 可信度 電子商務

在線評論（Online Reviews）是網絡口碑的一種重要形式，一般是指大眾可以通過互聯網獲得的，潛在、實際或者先前的消費者主要以文本形式做出的，對商品、服務、企業等特質的評定或對產品或服務使用體驗的表述，可以是正面的也可以是負面的［1］。隨著互聯網商務應用和電子技術的發展，在線商品評論已經成為了影響消費者購買決策，電子商務平臺發展的重要因素。目前對于在線評論內容的研究大多集中于主觀內容識別這一方面，然而此類研究主要針對評論內容效用的影響因素，而對于其他方面的評論內容信息關注較少，本文在已有的文獻基礎上，將針對消費者進行在線商品評論內容信息影響因素的實證分析。

本文提出三個主要的自變量，即用戶情感分享、商家/平臺態度、商品類型，著重研究這些因素對評論內容詳細度、可信度的影響。

1　問卷設計和數據采集

本研究的測度項來自于已有文獻的研究的基礎和筆者的進一步完善，將可能影響在線商品評論信息內容的相關因素加入到模型中，同時引入兩個因變量，再通過調研獲得數據，并使用SPSS 19.0和AMOS 17.0對結果數據進行分析最終驗證假設。問卷分為三部分，分別是：①用戶基本信息，包括性別、年齡和受教育程度；②用戶網購基本資料，包括網齡、網購頻率、對在線評論的看法等；③變量度量信息，這一部分是問卷的主要部分，結合影響在線商品評論信息內容的因素模型，對這四個自變量并采用五級李克特量表的測量方法，范圍從“1=非常不同意”到“5=非常同意”。七個變量的測量均采用相應的陳述方式進行。

數據收集包括線上和線下的問卷發放，在華中師范大學、武漢理工大學等高校發放問卷150份，共回收137份，排除不完整答卷和不符合要求的，其中有效問卷126份，有效率為91.97%；線上問卷通過問卷網（http：//www.sojump.com/）設計生成，并通過各類通訊工具發放，最終收到線上問卷304份，排除網購經歷不豐富和不符合要求的答卷，共回收有效問卷為279份，有效率為91.78%。最終結合線上線下，共回收有效問卷405份，符合SEM大樣本數量的要求。

2　數據分析

2.1信度及效度檢驗

本文使用Cronbach's Alpha方法對問卷量表的信度進行測量方法，使用SPSS19.0對問卷量表的數據進行信度分析，測算得出總信度Cronbach's Alpha為0.947，再對每個變量進行信度的測量，得出各Cronbach's Alpha值在0.678～0.887之間（見表1），這表明此份量表具有較好的信度，并且能夠作為樣本進行分析。

表1　各個變量的信度分析結果

本文對7個變量采用主成分分析法檢驗量表的效度，根據標準，通常認為KMO值大于0.8，Bartlett球度統計量越大且概率P（Sig）小于0.05，說明數據很適合做因子分析。用SPSS19.0對問卷量表的統計數據進行測算，結果如表2所示。

表2　KMO 和Bartlett的信度效度檢驗

此處相關影響因素的KMO值 （Kaiser-Meyer-Olkin） 為0.941，顯示樣本適合進行因子分析。另外，Bartlett 的球形度檢驗近似卡方值為7326.992，P（Sig）為0.00，達到顯著性水平，可拒絕零假設（即拒絕變量間的偏相關不是單元矩陣的假設），說明總體的相關矩陣間有公共因子存在，適合進行因子分析。設置提取特征值大于1的因子，利用最大方差法對成分矩陣進行旋轉后，共提取特征值大于1的因子7個，屬于同一個變量的相關題項都聚集在一個因子上，7個因子剛好與7個變量相對應，且所有題項的最大載荷都大于0.5，具有較好的區別效度和收斂效度。綜合以上信息可知，該量表具有較高的效度。

2.2描述性數據分析

根據第一部分對受訪者基本信息的調查結果來看，被訪問者男女比例為1：1.39，受訪者年齡段集中在19～40歲之間，受教育水平集中在大學本科。

根據第二部分對受訪者網購基本資料的調查結果來看，絕大部分受訪者都會在購買商品前關注商品評論，有10.12%的用戶甚至不購物也會關注和瀏覽評論，由此看出在線商品評論信息對于用戶的重要性。同時此研究也具有一定的現實意義，能夠幫助用戶做出正確、有效的購買決策，并且豐富信息經濟學的開發利用內容。

2.3假設驗證

對于理論模型中所假設的變量之間的關系，本文通過結構方程模型進行檢驗，并利用AMOS17.0軟件進行運算。運算結果的核心主要有：①模型統計參數，②路徑系數的估計參數。模型統計參數通常有7個：χ2（卡方）、DF（自由度）、GFI（適配度指數）、AGFI（調整后適配度指數）、NFI（規準適配指數）、IFI（增值適配指數）、RMSEA（漸進殘差均方和平方根）。當1≤χ2/DF≤3，GFI、AGFI、NFI、IFI均大于0.9，RMSEA小于0.08時表明該模型擬合程度高。通過AMOS 17.0運算得到各指標數值：χ2/DF=1.404， GFI=0.947， AGFI=0.926， NFI= 0.937， IFI=0.980， CFI=0.979， RMSEA=0.041。以上檢驗結果說明，本文假設的理論模型比較符合實際數據的現況，具有較好的擬合效果。

3　結果與討論

隨著在線商品評論信息的日益豐富，如今對于評論信息內容的相關研究也越來越多，其中有許多學者著重于研究評論信息內容可信度的影響因素，而對于評論信息內容的其他方面研究并不多。本文在借鑒已有文獻的基礎上，從用戶相關、商家/平臺相關和商品相關這三個構面入手，旨在研究影響在線商品評論信息內容詳細度和可信度的因素。通過對上述數據的分析得出以下結論：

（1）從用戶相關來看，用戶的情感分享動機越強烈，越會對在線商品評論信息內容的詳細度和可信度產生正面影響。商家/平臺可以通過增加自身活動的趣味性、提供方便的服務以及快捷的溝通渠道來利用或增強用戶的情感分享動機，從而提高用戶的購物體驗，提升客戶的忠誠度和積極性。

（2）從用戶相關來看，專業程度越高的用戶發表的在線商品評論也越詳細和可信，因此對于剛剛開店的商家/平臺，可以通過邀請專業程度較高的用戶來對產品進行預體驗和評價，從而增加其他用戶對新店鋪或購物平臺的感知信任度并降低其感知風險，有利于促進商家/平臺的發展。

（3）從商家/平臺相關來看，商家/平臺的態度與詳細度沒有顯著相關關系，但會負向影響在線商品評論的可信度，當商家/平臺的態度過于友好時，用戶會覺得不太真實，并且會認為這是商家/平臺的一種營銷手段，由此使得用戶感知信任度降低。

（4）從商家/平臺相關來看，用戶與商家/平臺之間的關系強度會正向影響在線商品評論的詳細度和可信度，也就是說，商家應當注重關系強度的提升，具體可以通過及時主動地對用戶的評論進行反饋，對積極的口碑傳播進行答謝，對負面的評論進行解釋或采取恰當的措施予以補救等方法實現，從而提高消費者的購物體驗和滿意度，增強用戶粘性，形成商家/平臺與用戶之間的強關系紐帶。

（5）從商品相關來看，商品類型與在線商品評論詳細度和可信度之間沒有顯著相關關系。結合已有文獻和研究，商品類型更多作為一種調節變量來影響在線商品評論的極性。比如相對于體驗型商品，負向評論對搜索型商品的有用性更高；相對于搜索型商品，體驗型商品的正向評論與負向評論的有用性差異更大［2］。而本文的商品類型作為一種直接變量，對在線商品評論的可信度和詳細度的影響并不顯著，該結果說明在線商品評論的詳細度和可信度并不會因為商品類型的改變而出現很大的差異。若用戶購買了體驗型商品，即使事先無法像搜索型商品那樣準確獲知其主要屬性，但是也可以通過后期體驗和感知逐步獲得，因此評論時也可以十分詳細；此外用戶一般是經過親身體驗和使用之后才對體驗型商品進行評價，因此這種評價也能夠增加其他用戶的感知信任度。

本文實證研究的結果有助于用戶準確利用評論信息做出有效的商品購買決策，能夠啟發商家通過在線商品評論信息提升客戶忠誠度和感知信任度，也能指導評論發布平臺的建設者完善在線商品評論信息的質量管理和控制機制，取得更佳的用戶體驗。同時本研究也存在一定的局限性：（1）本文側重于用戶層面對在線商品評論信息內容的影響因素，對于其他層面只提取了其中的主要影響因素，除此之外還有諸如用戶性格、網站架構、商家信譽度等其他可能的影響因素；（2）對于問卷設計、數據處理等方面存在一定的不足和誤差；（3）對于受調查者可通過以性別、年齡、受教育水平為區分對樣本進行對比分析。

［1］ 郝媛媛. 在線評論對消費者感知與購買行為影響的實證研究［D］.哈爾濱：哈爾濱工業大學，2010.

［2］ 張磊. 商品類型對在線評論極性影響力的調節作用研究［D］.哈爾濱： 哈爾濱工業大學，2011.