基于情感傾向的在線評論對購買決策的影響

錢瑛　楊定華

摘要：本文從情感傾向角度研究好評的文本內容對用戶購買行為的影響是否一致，結果表明好評的數量和正面情感傾向的評論文本內容對用戶購買行為均有正向影響，更重要的是好評數量與評論文本內容情感傾向之間存在顯著交互作用；但是，好評數量并不必然會對用戶的購買行為產生正向影響，只有當正面在線評論文本情感傾向較高時，好評數量才會加大用戶購買的可能性。

關鍵詞：在線評論；情感傾向分析；從眾效應；歸因理論

中圖分類號：F713365文獻標識碼：A

一、引言

在線評論為人們在網上購物提供了大量參考信息，成為影響消費者網購決策的重要因素。在現實環境中，評論者對一個特定主題表達的“情感”可能隱含著大量可以被利用的有價值的信息。當我們認真閱讀這些在線文本評論的時候就會發現，并不是所有的好評下面都是正面評論。從評論的極性來看，這些評論應該為好評，但從具體內容的情感傾向看，卻很容易發現其實這些是包含負面評論的好評，嚴格地說是差評。

情感分類作為在線評論信息自動理解的一個重要環節，已經引起越來越多學者的重視。情感分類以互聯網上發布的商品評論為研究對象，挖掘用戶在評論中表達的情感傾向，即正面評論或負面評論。通過對消費者評論的情感分析，在龐雜的海量在線評論信息中自動識別有多少評論者持正面態度，有多少評論者持負面態度，可以幫助消費者了解評論者對某種商品的態度傾向分布，從而做出正確的購買決策。

本研究把用戶從評價選項中勾選出的“好評”選項下面的文本評價欄中寫出的關于體驗和使用商品的文本評論作為研究對象，通過對在線評論內容進行情感分析，以有效識別評論內容所隱含的情感傾向及其對購買決策的影響。

二、理論基礎和研究假設

（一）從眾理論和歸因理論

當消費者在線上購物時，一般會比較關注信用和評級比較好的店鋪和商品。好評數量的說服效果可以用從眾效應來解釋。 Bumkrant 將從眾定義為建立一個群體規范并使得個體具有遵從這一群體規范的傾向性，即如果大量的他人都做出同樣的選擇將減少購買前的知覺風險和購買之后的決策遺憾，人們往往會遵從大多數人的意見，并忽視少數人的意見。在購買決策過程中，消費者通常將其他消費者對產品的評價作為產品信息的主要來源之一[1]。當個體把從他人接受的信息作為產品真實質量的證據時，從眾的壓力來源于人際間信息的影響，從眾效應受團體規模的影響[2]，跟隨大量做出相同決策的人們能夠降低購后后悔的風險[3]。

歸因理論認為人們具有一種基本的預測和控制環境的需要，以及理解他人如何做的原因之所在[4]，即當人們試圖去尋找其他人行為的原因時，會考慮導致行為的原因究竟是個體內部還是外部的原因[5]。當消費者在意見平臺上尋找產品評論時，會發現大量既包含正面也包含負面的信息。當處于低一致性時，即正面評論和負面評論差不多時，消費者可能會認為負面評論的作者對產品不愿意使用或者評價。然而，當消費者面臨的是產品的大量正面信息或負面信息時，消費者傾向于知覺為高度的一致性[6]。據此提出如下假設：

H1：好評數量對用戶購買決策有正向影響。

（二）信息易獲得性與診斷力理論

情感傾向分析是對用戶主動發布的內容進行有效的分析和挖掘，識別出這些內容的情感趨勢——贊同或反對、高興或者悲傷，了解用戶真正感受。由于現實生活中中文對情感的表達往往是微妙的和復雜的，面向大規模文本時，需通過不同維度探測和評估文本對特定主題的情感傾向。Liu 等認為評論者的經驗、評論的寫作風格和評論的時效對潛在消費者購買決策有影響[7]；郝媛媛等以電影的在線評論為研究對象，考察了包括正負情感、觀點表達形式、評論體裁以及評論標題等影響評論有用性的重要文本特征[8]；Chen等提出了評價在線商品評論質量的9個維度[9]；蔡曉珍證明產品詞匯量、修飾詞匯量、評論者活躍度、評論支持率、評論長度以及情感表達強度指標在面向情感分析的評論質量識別中確實有較大的影響[10]。

Herr等人認為信息易獲得性在消費者產品判斷中具有中介作用。信息易獲得性越強，越容易幫助人們形成對產品的判斷，但若信息診斷力同時也較強時，信息易獲得性的中介效應會減弱[11]。Ludwig的研究指出當負面評論中的情感內容與語言風格相匹配時即文本內容質量高時，會降低消費者的購買意愿[12]。戢芳等的研究認為消費者通常不會僅僅根據差評的數量做出判斷，他們更希望了解差評的發布者是因何原因給出差評的，這樣差評下面所跟隨的評論內容就成為影響消費者決策的一個關鍵因素[13]。本研究認為，當好評內容中透露出強烈的正面情感時，明確地告知他人自己購買商品之后的滿足、愉悅的信息為高診斷力正向情感分享信息，用戶就越有可能根據這條信息做出判斷和決策；當好評內容情感傾向具有中立性時，對用戶購買決策的輔助作用較小。因此，我們提出如下假設：

H2：好評文本內容的正向情感傾向對消費者的購買決策有正向影響。

當前我國電子商務網站在線評論的總體情況為“正面評論占絕大多數，負面評論數量極少”，從歸因理論的角度來看，占數量極少數的負面評論由于存在于大量正面評論當中，會使得評論的閱讀者將評論歸因于“高度的一致性”，而這“高度的一致性”后面是否隱含“不一致”？在大量的正面評論下，文本評論所隱含的不同情感傾向是否會對潛在顧客的購買意愿產生影響？

評論數量決定了消費者看到評論口碑的可能性。Liu認為口碑數量反映了口碑互動的總量，是關于某一產品和服務評論的數量；口碑數量越多，消費者接觸到它的可能性越大[14]。鄭小平的研究表明：在線評論數量越多，在線評論對消費者購買決策的影響越大；如果對某產品的相關評論越多，且評論中既有正面評論也有反面評論，那么消費者對產品的了解會更深入和全面，在線評論對其購買決策的影響更大[15]。據此提出如下假設：

H3：好評數量和好評文本內容情感傾向存在交互作用；

H3a：當好評文本內容的情感傾向正向時，數量多比數量少的好評對用戶購買決策影響大；

H3b：當好評文本內容的情感傾向中立時，好評數量多對用戶購買決策有影響；

H3c：當好評文本內容的情感傾向反向時，好評數量多對用戶購買決策有影響。

綜上，本研究構建圖1所示的概念模型，即好評的數量和好評文本內容的情感傾向對用戶的購買決策有影響，好評文本內容的不同情感傾向決定了好評數量對購買行為的影響。

三、研究設計

（一）實驗情境設計

本研究采用情景模擬實驗法來檢驗上述提出的假設。實驗設計為3（情感傾向：正向 vs 中立 vs 反向）*2（評價數量：20條好評 vs 5條好評）共6種實驗條件，每種實驗條件至少保證30個被試。本研究以選用沒有性別需求差異，且大學生都很喜歡和感興趣、網上評論又比較多的智能手環為實驗商品，以其在線好評內容為研究背景。

在正式實驗之前，利用抓取程序獲取初始評論集，經過濾篩選后，選用ICTCLAS中文分詞系統進行斷句、分詞，基于句子中出現的情感字及上下文的句法結構對比情感分類器來判定每個句子的情感傾向；而后邀請了20名不參加主實驗的被試對象仔細閱讀篩選后的評論，從“修飾詞匯、情感表達、產品詞匯、評價尺度”4個維度進行3量表評價，1分代表最低，3分代表最高（表1），對情感性傾向的好評進行操控性檢驗。結果表明正向情感、中立情感、反向情感的好評均值呈現顯著差異（M正向情感=249 vs M中立情感=175，t=357，p=0038<05；M正向情感=249 vs M反向情感=235，t=376，p=0027<05；M中立情感=175 vs M反向情感=235，t=341，p=0031<05），量表的信度α=07。

正式實驗開始，被試被隨機分到6個實驗組。每個實驗組的被試者閱讀到不同情境設置條件下的相關評論，然后回答隨后的與購買意愿有關的題項。為了保證所有參加實驗的被試都仔細閱讀了實驗材料，本研究特意設置在每個評價組有一個情感傾向中性的中評。

（二）研究變量

1.被解釋變量。將用戶是否購買設為因變量。用戶閱讀相關評論后，選0表示用戶沒有購買該產品，選1表示用戶購買了該產品。

2.解釋變量。好評數量和情感傾向的評價內容為自變量。我們把好評數量分別確定為5條和20條。從“修飾詞匯、情感表達、產品詞匯、評價尺度”4個維度進行5量表評價，1分代表最低，5分代表最高。

3.控制變量。在問卷中，把購物經歷、產品認知程度、用戶對線上評論的態度及信任傾向作為控制變量，均采用linkert 5分量表測量。購物經歷和產品認知程度用一個題項測量，購物經歷“非常少”用1表示，“非常豐富”用5表示；產品認知程度“從沒聽說”用1表示，“非常熟悉”用5表示；用戶對線上評論的態度用3個題項測量，分別是“購物總看網上評論”、“網上評論對我有用”和“網上評論使我對購買該商品有信心”；信任傾向用3個題項測量，分別是“一般都會相信他人”、“傾向于信賴他人”以及“覺得人性是可以信賴的”。

四、假設檢驗和數據分析

用線性回歸模型檢驗好評數量和情感傾向評論內容對消費者購買行為的影響，共線性檢驗表明各自變量之間不存在共線性問題（容差=1，VIF=1<10）。

首先驗證H1：好評數量對消費者購買行為的影響。控制購物經歷、產品認知程度、信任傾向和線上評論態度四個變量后，好評數量對消費者購買行為有正向影響（β=0213，p<005），即好評的數量越高，消費者購買的可能性越大，H1通過檢驗。

而后驗證情感傾向的好評內容對消費者購買行為的影響。控制購物經歷、產品認知程度、信任傾向和線上評論態度四個變量后，正向情感傾向的評價內容對消費者購買行為有顯著的正向影響（β=0331，p<005），即評價內容的正向情感傾向越強，用戶購買的可能性越高，H2通過檢驗。

最后，檢驗好評的數量和情感傾向評價內容之間的交互作用。控制購物經歷、產品認知程度、信任傾向和線上評論態度四個變量后，二者的交互作用顯著（β=0206，p<001），H3通過驗證（見表2）；接著對這種交互關系進行進一步驗證，二項邏輯回歸的分析結果（見表3）說明：（1）好評的數量和情感傾向的文本內容對消費者購買行為均有正向影響，但好評數量并不必然對用戶的購買行為有正向影響。（2）當好評情感傾向正向時，好評的數量對消費者購買行為有正向影響（β=0393，p<005）；但是當好評情感傾向中立（β=02，p>005）或反向（β=0099，p>005）時，好評數量的多少對用戶購買行為并不會產生影響。

五、研究結論與不足

（一）研究結論

首先，好評對用戶購買行為的影響不是簡單的線性關系。好評數量和情感傾向的好評內容之間有交互影響，好評的數量和正向情感傾向的評論文本內容對用戶購買行為有正向影響。好評數量越多，用戶購買的可能性越高，說明好評數量可以產生從眾效應，從而對用戶的購買行為產生影響。

其次，當好評文本內容的情感傾向正向時，用戶會將其歸因于商品評價內容透露出的購買商品之后的滿足、愉悅的高診斷力信息，就可能根據這條信息做出判斷和決策；當好評內容情感傾向中立但不極端時，用戶歸因于商品評價內容情感表達模糊，購買決策會受影響；當好評內容情感傾向反向時，用戶歸因于商品評價內容透露出的不滿意，購買決策也會受影響。

最后，當好評內容正向情感傾向時，好評數量會影響消費者的購買行為，數量最多的好評會顯著增大消費者購買的可能性；當好評內容情感傾向中立或反向時，好評數量的多少對消費者購買行為沒有顯著影響。這說明簡單地通過好評數量判斷好評的影響力是不準確的，好評內容的情感傾向才是關系到用戶是否購買的關鍵因素。

（二）研究局限與展望

首先，本研究僅僅考慮了線上評論的好評，但在實際的網絡評價體系中，好評很多時候是確認收貨時，對收到商品第一感覺（寶貝與實物相符）、包裝、發貨速度、服務態度或物流的評價，并不是真實使用或體驗產品后的感受，而用戶使用產品后進行的無法修改的追評，可以更真實地反映商品情況，深入分析追評內容的情感傾向如何影響用戶的購買決策無疑是關于線上評論的一個更有實踐價值的研究。

其次，本研究只考慮了評論內容的情感傾向維度，今后的研究應該挖掘文本內容中其他對消費者購買行為影響力強的診斷性線索，從而完善對線上評論文本內容的研究。

最后，在線購物環境下，好評是用戶選擇商品和店鋪的首選指標，這是好評具有的積極效應，但本研究沒有把可信度這一變量考慮進來，未來研究可以考慮追評的情感傾向對消費者購買行為影響，以及各種評論可信度產生的積極效應與反向情感傾向的消極效應之間的權衡效應對用戶購買行為的影響。

參考文獻：

[1]Bumkrant， R.E.， Cousineau， A. Informational And Normative Social Influence In Buyer Behavior[J].Journal of Consumer Research，1975，2（3）：206-215.

[2]Lascu，D.N.，Bearden，W.O.，Rose，R.L. Norm Extremity and Interpersonal Influences on Consumer Conformity[J].Journal of Business Research，1995，32（3）：437-445.

[3]Sternthal，B.Tybout，A.M.Calder，B.J.Experimental Design：Generalization and Theoretical Explanation[M].in：Richard P.Bagozzi（Ed.）， Principles of Marketing Research，Blackwell Publishers，Cambridge，MA，1994.

[4] Heider，F.The Psychology Of Interpersonal Relations. Wiley， New York，1958.

[5]Kelley，H.H.，Michela，J.L. Attribution Theory And Research[J].Annual Review of Psychology， 1980（31）： 457-501.

[6]Chiou，J.-S.，Cheng， C. Should A Company Have Message Boards On Its Web Sites？[J].Journal of Interactive Marketing，2003，17（3） ：50-61.

[7]Liu Y.Huang X J. Modeling and Predicting the Helpfulness of Online Reviews[C].In： Proceedings of the 8th IEEE International Conference on Data Mining，2008： 443-452.

[8]郝媛媛，葉強，李一軍.基于影評數據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.

[9]Chen C C.，Tseng Y D. Quality Evaluation of Product Reviews Using an Information Quality Framework[J].Decision Support Systems，2011，50（4）：755-768.

[10]蔡曉珍.面向情感分析的用戶評論過濾模型研究[J].現代圖書情報技術，2014（4）：58-64.

[11]Herr P.，Frank R.，John K.Effects of Word of Mouth and Product Attribute Information on Persuasion：An Accessibility-Diagnostieity Perspective[J].Journal ofConsumer Research，1991（17）：454-462.

[12]Ludwig，S.Ruyter，K.de，Friedman，M. More Than Words：The Influence of Affective Content and Linguistic Style Matches in Online Reviews on Conversion Rates[J].Journal of Marketing，2013，77（1）：87-103.

[13]戢芳，周庭銳，尹訓國.負面網絡口碑特征對消費者品牌態度變化的影響-信息易獲得性與診斷力理論視角[J].財經論叢，2013（5）：95-100.

[14]Liu Y.Word of mouth for movies：its dynamics and impact on box office revenue[J].Journal of Marketing，2006，70（3）：74-89.

[15]鄭小平.在線評論對網絡消費者購買決策影響的實證研究[D].北京：中國人民大學，2008.

Abstract：This paper studies the impact of the favorable text content on the users′ purchasing behaviors from the perspective of the semantic orientation. The results show that the quantity of favorable comments and the positive sentiment have positive influence on the purchasing behavior. Moreover， there is a significant amount of interaction between the quantity of favorable comments and emotional tendencies of text content； however， the quantity of favorable comments doesn′t necessarily have a positive impact on users′ purchasing behavior. Only when emotional tendencies of the positive online comment text is high， he quantity of favorable comments will increase the possibility of users′ purchasing.

Key words：online review； analysis of semantic orientation； herd mentality； attribution theory

（責任編輯：張曦）