欧美成人午夜在线全部免费,亚洲一区二区日韩欧美gif,亚洲无码在线午夜电影,国产精品不卡永久免费,中文字幕欧美成人免费

網絡口碑對體驗型產品在線銷量的影響——基于電影在線評論面板數據的實證研究

（1.上海理工大學管理學院，上海市200093；2.上海出版印刷高等專科學校，上海市200093）

摘要：現代消費者在購買體驗型產品時，越來越傾向于通過第三方網站的網絡口碑信息來進行購買決策。文章通過格瓦拉網上電影評論的樣本面板數據，從在線評論數量、評論分數、星級評論三個角度，對網絡口碑和電影票房收入的關系進行實證分析。研究發現，第三方網站在線評論對電影票房收入有顯著影響。其中，評論數量對票房收入有顯著正向影響，并且影響效應隨時間呈現出拋物線的變化趨勢。星級評論對票房收入的影響主要發生在第1周，并且一星級的負面評論對票房收入的影響大于五星級的正面評論。電影網絡銷售商應積極在第三方網站上建立和完善消費者在線評論系統，激勵消費者參與在線評論，并對負面口碑進行積極管理。

消費者在購買產品時，往往會根據此產品的口碑進行決策。[1]傳統意義上的口碑是人際間進行的與品牌、企業、產品、服務等相關的口頭傳播行為，是不以商業為目的的人際口頭傳播。[2]有研究表明口碑是購買決策最重要的影響因素，這種影響甚至是新聞雜志的7倍、廣播廣告的2倍。[3]

在互聯網時代，消費者在社交網站、電子商務網站等互聯網平臺上發表自己對產品的評論已經成為消費生活的一部分，口碑從傳統的一對一、面對面的口頭傳播方式發展成為在匿名環境下同時傳遞給眾多潛在消費者的方式。這種由實際的或潛在的消費者通過互聯網發布相關正面、負面或中立評論內容的傳播形式被稱為網絡口碑。[4]不僅如此，網絡口碑信息還可以被存儲、搜索和再傳播，而不像傳統口碑那樣即時和短暫。因此，網絡口碑可以通過互聯網渠道無止境地擴散出去，具有比傳統口碑更強的影響力。

尼爾森（Nelson）[5]在其研究中把產品分為兩類：一種為體驗型產品，另一種為搜索型產品。其中搜索型產品的質量可以在購買之前通過搜索等來進行確定，通常一般功能性產品都屬于這個范疇；而體驗型產品的質量只能在購買后得出結論，通常指服務類產品或者娛樂產品，例如音樂會、電影等。貝等（Bei et al）[6]的研究發現，購買體驗型產品的消費者與購買搜索類產品的消費者相比，前者較頻繁地使用網絡獲取產品信息，并且更傾向接受網絡口碑。

近年來，國內電子商務網站發展得如火如荼，其中，格瓦拉網（www.gewara.com）是國內領先的體驗型產品第三方網站，不僅可以讓消費者發表電影評論信息，而且也提供電影票在線購買服務。本文以格瓦拉網所收集到的電影信息（包括電影評論、票房、上映天數、每天上映場數）的大樣本面板數據為研究基礎，通過建立計量模型對電影在線評論與電影票房的關系進行實證分析。

一、文獻綜述與假設

學者們采用各種計量模型和研究方法，從不同維度測量網絡口碑對企業的傳播效應。最常采用的三個維度為口碑數量（Volume）、口碑效價（Valence）和口碑離散度（Dispersion）。[7]口碑離散度是指口碑在不同網絡社區間傳播的程度，口碑的離散度越高，說明網絡口碑的影響力越廣。由于本文的研究僅囿于格瓦拉網這一網絡社區內，無法從離散度的維度來測量，因此，本文主要從數量和效價的維度來分析網絡口碑對銷量的影響。

口碑數量主要指消費者對某一產品的評論數量，反映的是網絡口碑的知曉效應（Awareness Ef?fect）。高德斯和梅茲林（Godes & Mayzlin）[8]認為評論數量越多，說明有越多的消費者參與到對產品的討論中，這不僅反映了該產品消費人群的規模，也反映了消費者對該產品討論的熱度。熱度越高，其他消費者知曉該產品的可能性就越大，從而能夠產生更多的后續銷量。陳等（Chen et al）[9]根據在亞馬遜網站上收集的數據，實證研究了消費者的反饋和評價對銷售的影響，發現更多的推薦提高了亞馬遜網站上產品的銷量，同時，消費者的評論數量與銷量呈正相關關系。劉（Liu）[10]通過對雅虎（Yahoo）網站收集的數據分析發現，評論數量越多，電影票房越高。段等（Duan et al）[11]在對電影票房的研究中發現，消費者評論的數量對于票房收入有顯著的正向作用。由此，本文提出假設H1：

口碑效價指消費者對產品評價的好壞或正負性，通常用評論分數及其好壞的比例來衡量，反映的是網絡口碑的說服效應（Persuasive Effect）。說服效應是指產品評價越好，越能夠引起潛在消費者態度的轉變，從而說服他們購買該產品。克萊蒙斯等（Clemons et al）[12]通過消費者對啤酒的網絡評論分析，發現評論效價與啤酒的銷量呈正相關關系。郝媛媛等[13]認為五星評論的正面影響大于一星評論的負面影響，而中評沒有顯著影響。漢森（Hanson）[14]研究認為，不滿意的消費者會通過網絡平臺將負面口碑信息傳播超過六千人。夏維勒和梅茲林（Chevalier & Mayzlin）[15]發現，一本書評論的改善會增加該書的銷量，同時負面口碑對降低產品銷量比正面口碑提升產品銷量的效果更加顯著。但是，也有部分學者的研究結論認為口碑效價對產品銷量沒有顯著影響。段（Duan）[16]通過對雅虎網站上電影評論分數對電影票房的影響分析，發現評論分數對于票房并沒有顯著影響。陳（Chen）[17]通過亞馬遜網站上收集的數據分析，沒有發現消費者的評論效價與銷量之間有顯著關系。劉（Liu）[18]通過正負評論的百分比測量分析，發現口碑的正負性對電影票房的影響沒有解釋力度。在此基礎上，本文提出假設H2、假設H3、假設H4和假設H5。

H3：正面網絡口碑（五星評論比例）對票房收入有顯著正向影響。

H4：負面網絡口碑（一星評論比例）對票房收入有顯著負向影響。

H5：負面網絡口碑對票房收入的影響大于正面網絡口碑的影響。

此外，在研究網絡口碑對電影票房收入的影響時，還需考慮其他相關的重要因素，如放映場數、周末效應以及上映天數等。斯瓦米等（Swa?mi et al）[19]研究認為，放映場數與票房收入之間存在顯著正相關關系。段（Duan）[20]研究發現周末票房通常會出現周期上的高峰，同時還發現電影上映天數與票房存在負相關關系。由此，本文提出以下假設：

在網絡口碑與產品銷量關系的研究中，內生性也是一個重要的因素。因為票房的收入通常會和電影的質量、主演的受歡迎程度、導演的票房號召力等因素有關，這些因素可能同時與網絡口碑和票房收入相關，從而產生內生性。

二、數據描述

目前格瓦拉網會員超過1500萬，占全國電影票在線選座市場的75%份額，在體驗型產品第三方網站中具有較強的代表性。此外，郝媛媛等[21]的研究數據主要來源于雅虎網站，該網站是獨立的電影在線評論網站，而不是體驗型產品購買網站。因此，選擇格瓦拉網作為電影數據來源，可以與他們的研究結果進行比較。

通過編程收集了格瓦拉網站2013年11月、12月上映電影的數據，包括購票人數、評論數量、評論分數、星級評論所占比例、上映天數、每天上映場數等相關數據。由于格瓦拉網站票房統計數據是購票人數，而非直接的票房收入，因此，用購票人數來替代票房收入。根據研究需要，剔除了信息缺失嚴重的電影，以保證分析結果的有效性，最終確定21部電影為樣本。考慮到電影生命周期為6周左右、[22]在線購買服務的周期為4周左右，以及為方便與郝媛媛等的研究結果進行比較，本文以電影上映28天的時間序列為時間觀測點。最后得到容量為588（21個截面成員×28個觀測點）的面板數據。表1為數據的描述性統計結果。網絡口碑的數據包含了每部電影的評論數量、評論分數和各星級的比例。其中，評論數量的均值為2604，與中位數1138有較大的差異，說明有部分電影獲得了大量消費者評論，最多的一部電影獲得了15208條評論。其次，電影評論分數（10分制）的均值為7.38，與中位數7.3接近，最高分為9，最低分為5.5。從電影星級評論的分布比例來看，五星級評論、四星級評論、三星級評論占了總體評論的大多數，分別為36.15%、21.21%和25.91%；二星級評論和一星級評論分別為7.02%和9.5%。

三、模型建立

本文建立的面板數據線性回歸模型中引入固定效應μi來控制模型中所有未被涉及因素的影響，如電影質量、導演和主演的票房號召力等因素。因變量購票人數和自變量電影上映場數、上映時間、網絡口碑的數量以及評分均取自然對數形式，將潛在的非線性關系轉變為線性關系，使回歸模型的結果更加穩健。[23]回歸模型如下：

其中，i=1,…n為電影樣本數；t=1,…n為時間；Ln Revenue為電影第t天在格瓦拉網上購票人數的自然對數；LnVol為電影第t天評論數量的自然對數；LnVal為電影第t天評論分數的自然對數；LnTime為電影上映天數的自然對數；LnCinema為電影第t天放映場數的自然對數；star1、star5分別為電影第t天一星級和五星級評論所占比例；Weekend為電影放映第t天是否為周末的虛擬變量（1表示周六和周日，0表示工作日）。μi為固定效應，用于控制電影的質量、主演的受歡迎程度、導演的票房號召力等非觀測效應的影響。

四、模型結果分析

通過收集到的21×28個樣本電影面板數據，采用EVIEWS6.0對構建的面板數據回歸模型進行分析。在建模過程中，由于各自變量可能存在多重共線性，首先檢查單獨變量的影響效應，在單獨變量影響效應顯著的基礎上，采用逐步回歸的方法來進行分析。由于在模型中假設非觀測效應μi與多個網絡口碑變量相關，所以采用固定效應模型取代隨機效應模型來進行面板數據的回歸分析。[24]此外，從豪斯曼（Hausman）檢驗的結果來看，固定效應模型優于隨機效應模型。回歸模型結果見表2。

從表2可以看出，網絡口碑的相關變量并不在模型1中，模型1僅將購票人數與控制變量進行回歸分析。模型1的回歸結果顯示所有的控制變量均對因變量有顯著影響。其中，LnTime的系數是負向顯著影響（α5= -0.2415，p<0.01），這表示上映天數對當天票房收入有顯著負向影響，上映時間越長，當天票房收入越低。H8假設成立。LnCine?ma的系數是正向顯著影響（α6= 0.9903，p<0.001），這表示電影放映場數對當天票房收入有顯著正向影響，當天放映的場數越多，票房收入越高。H6假設成立。Weekend的系數是正向顯著影響（α7=0.3520，p<0.001），這表示周末對當天票房收入有顯著正向影響，即周末票房收入比工作日更高。H7假設成立。

在模型2、3、4、5中，逐步加入評論數量、評論分數、一星級評論和五星級評論4個網絡口碑的相關變量。在將這4個變量逐步加入模型后，R2由0.9048逐步增加到0.9132，說明在加入網絡口碑變量后模型的解釋能力更強。模型2回歸結果顯示，LnVol的系數是正向顯著影響（α1= 0.2476，p< 0.001），這表示消費者在格瓦拉網上對某部電影的評論數量越多，其購票人數多，即票房越高。H1假設成立。這一結論與絕大多數文獻的研究結果一致。LnVol的系數還可以解釋為評論數量每增加1%，電影的購票人數增加0.25%。模型3的回歸結果顯示，LnVal對購票人數的影響不顯著，即電影的評論分數對票房收入沒有顯著影響，這驗證了段（Duan）和陳（Chen）的研究結論。H2假設不成立。模型4的回歸結果顯示star1的系數對票房收入是負向顯著影響（α3= - 0.2033，p<0.05），表示消費者在格瓦拉網上對某部電影的一星級評論越多，其購票人數越少，票房越低。H4假設成立。模型5的回歸結果顯示star5對票房收入沒有顯著影響。H3假設不成立。由于H4假設成立，H3假設不成立，因此H5假設成立，即負面網絡口碑對票房收入的影響大于正面網絡口碑的影響，盡管這與郝媛媛等的研究結論相悖，但卻與漢森和麥準樂、梅茲林的研究結論相一致。

由于樣本以電影上映28天的時間為觀測點，為便于分析網絡口碑對處于不同周期的電影票房收入的影響，對電影上映后4周內各周的網絡口碑對票房收入的影響分別進行回歸分析，結果見表3。

由表3可知，從電影上映的第1周到第4周，網絡口碑數量均對電影票房收入有顯著正向影響，第1周對票房的影響為0.2996，第2周的影響增大到3.2414，第3周的影響增大到5.2282，而從第4周開始，影響逐漸衰減到1.3089。H1假設成立。網絡口碑數量對票房影響在前幾周逐漸增大，最后又逐漸衰減的研究結論基本與郝媛媛等的研究結果一致。對于網絡口碑評分，第1周到第4周對電影票房收入均沒有顯著影響。H2假設依然不成立。對于星級評論，由表2的模型4和模型5已知，一星級評論對28天總票房收入是負向顯著影響；五星級評論對28天總票房收入沒有顯著影響。但是，表3的回歸結果顯示，在電影上映的4周內，一星級評論僅在第1周內對票房收入是負向顯著影響（α3= - 0.3308，p<0.05），從第2周開始，對票房收入沒有顯著影響。五星級評論盡管從電影上映的總體時間上來說對票房收入沒有顯著影響，但是在第1周對票房收入有顯著影響（α4= 0.1178，p<0.05）。從star1和star5的系數方面看，電影上映的第1周內，一星級評論對票房收入的影響（- 0.3308）要大于五星級評論的影響（0.1178）。即一星級評論每增加1%，票房收入則要降低0.3308%；而五星級評論每增加1%，票房收入會提高0.1178%。因此，在電影上映第1周內H3、H4、H5假設均成立。

五、結論與啟示

本文采用國內領先的體驗型產品第三方網站——格瓦拉網站電影在線評論的面板數據，通過建立計量模型，對電影在線評論與票房收入的關系進行了實證分析，主要結論如下：

（1）網絡口碑數量從電影上映的第1周到第4周均對電影票房收入有顯著正向影響，并且影響效應隨時間呈現出拋物線的形狀。這不僅驗證了文獻提出的知曉效應，也說明網絡口碑的知曉效應隨時間表現出拋物線形狀的變化趨勢。這種變化趨勢的可能解釋是，隨著電影上映時間越久，消費者獲得電影信息的其他渠道也越來越多，包括傳統口碑、媒體宣傳、廣告等等。這些渠道對網絡口碑產生了替代作用，從而減弱了網絡口碑的傳播效應。

（2）星級評論反映的是消費者對電影質量的個人判斷，也即說服效應。星級評論對票房收入的影響并沒有貫穿于電影上映的整個生命周期，而是主要發生在第1周，呈現出首周效應。即在電影上映的第1周，潛在消費者會根據上映電影的星級評論做出購買決策，而從第2周開始說服效應逐漸失去了影響力，不再能夠引起潛在消費者態度的轉變。而且，在星級評論中，盡管五星級的評論占36.15%，一星級的評論僅占9.5%，但是一星級的負面評論對票房收入的影響大于五星級的正面評論，即負面網絡口碑對票房收入的影響大于正面網絡口碑的影響。

（1）網絡口碑對電影票房的影響主要來自于知曉效應。因此，電影網絡銷售商應積極在第三方網站上建立和完善消費者在線評論系統，激勵消費者積極參與在線評論，提升消費者對產品討論的熱度，充分發揮網絡口碑的知曉效應，推動電影票房的快速增長。

（2）根據研究結論，潛在消費者在電影上映第1周內對負面網絡口碑信息會做出更敏感的反應。因此，電影網絡銷售商應認識到與其在網絡上炒作好評，不如避免負面口碑在網絡上的傳播，電影網絡銷售商尤其應重點關注與跟蹤電影上映第1周的網絡口碑信息，遏制負面口碑在網絡上的傳播。

＊本文受國家社會科學基金重大項目“推動文化產業成為國民經濟支柱性產業的戰略層面及支撐體系研究”（項目編號：12&ZD024）、教育部人文社會科學研究規劃基金項目“數字出版內容社會化生產模式及管理機制研究”（項目編號：14YJA860001）、上海市教育委員會科研創新項目“大數據背景下圖書在線評論對銷售績效的影響研究”（項目編號：14zs169）、上海市促進文化創意產業發展財政扶持資金重點研究課題“文化創意產業前沿科技應用發展研究”（課題編號：2013020015）的資助。

[1]Keaveney Susan M.Customer Switching Behaviour in Service Industries：An Exploratory Study[J].Journal of Market?ing，1995（2）：71-82.

[2]Arndt J..Role of Product-related Conversations in the Diffusion of a New Product[J].Journal of Marketing Research，1967（4）：291-295.

[3]Katz Elihu，Paul F. Lazarsfeld.Personal Influence：The Part Played by People in the Flow of Mass Commu-nications [J].Free Press，1955（12）：113-115.

[4]Henning Thurau T.，Gwinner K.P.，Walsh G.，et al. Electronic Word of mouth Via Consumer opinion Platforms：What Motivates Consumers to Articulate Themselves on the In?ternet[J].Journal of Interactive Marketing，2004（1）：38-52.

[5]Nelson P..Advertising as Information[J].Journal of Polit?ical Economy，1974（81）：729-754.

[6]Bei L.，Chen E. Y..Widdows R.. Consumers'online In?formation Search Behavior and the Phenomenon of Search Ex?perience Products[J].Journal of Family and Economic，2004 （4）：449-467.

[7]Dellarocas C.，ZHANG Xiaoquan，Awad N. F.. Explor?ing the Value of Online Product Reviews in Forecasting Sales：The Case of Motion Pictures[J].Journal of Interactive Market?ing，2007（4）：23-45.

[8]Godes D.，Mayzlin D..Using Online Conversations to Study Word-of-mouth Communication[J].Marketing Science，2004（4）：545-560.

[9]、[17]Chen，P-Y.，S-Y. Wu，J. Yoon. The Impact of Online Recommendations and Consumer Feedback on Sales [A].Proceeding of International Conference on Information Sys?tems（ICIS），Washington，D.C. 2004：711-724.

[10]、[18]Liu Yong. Word of Mouth for Movies：Its Dy?namics and Impact on Box Office revenue[J].Journal of Market?ing，2006（3）：74-89.

[11]、[16]、[20]DuanWenjing，Gu Bin，Whinston A.B.. Do Online Reviews Matter? An Empirical Investigation of Pan?el Data[J].Decision SupportSystems，2008（4）：1007-1016.

[12]Clemons E. K.，GAO Guodong，Hitt L. M..When On?line Reviews Meet Hyper Differentiation：A Study of the Craft Beer Industry[J].Journal of Management Information Systems，2006（2）：149-171.

[13]、[21]郝媛媛，鄒鵬，李一軍，葉強.基于面板數據的在線評論情感傾向對銷售收入影響的實證研究[J].管理評論，2009（10）：95-103.

[14]Hanson W.A..Principles of Internet Marketing [M]. Ohio：South Western College Publishing，2000：4.

[15]Chevalier J.，D. Mayzlin. The Effect of Word of Mouth on Sales：Online Book Reviews[J].Forthcoming in Journal of Marketing Research，2005：345-354.

[19]Swami S.，J. Eliashberg，C.B. Weinberg. Silver Screen?er：A Modeling Approach to Movie Screens Management[J]. Marketing Science，1999（18）：352-372.

[22]Elberse A. J.Eliashberg. Demand and Supply Dynam?ics for Sequentially Released Products in International Mar?kets：The Case of Motion Pictures[J].Marketing Science，2003 （22）：329-354.

[23]、[24]龔詩陽，劉霞，趙平.線上消費者評論如何影響產品銷量?——基于在線圖書評論的實證研究[J].中國軟科學，2013（6）：171-183.

Internet Word-of-mouth Impacts on the Sales of Experience Product——Empirical Study Based on Panel Data of Online Movie Reviews

（1.University of Shanghai for Science and Technology，Shanghai 200093，China；2.Shanghai Publishing and Printing College，Shanghai，200093，China）

Abstract：When purchasing experience products，more and more modern consumers are inclined to make a purchase decision through internet word-of-mouth on third-party websites. Based on a sample panel data of online movie reviews from gewara.com，the author analyzes the impact of online reviews on movie box-office revenue from three dimensions：review volume，review scores and star reviews. The results show that the online reviews have a significant impact on movie box-office revenue. Specifically，the review volume has a significant positive impact on box-office revenue，and the impact effect shows parabola trends overtime. The impact of star review on box-office revenue mainly occurred in the first week，and the negative effect of 1 star reviews exceeds the positive effect of 5 star reviews. So，the online movie sellers should build and perfect the consumer online review system，encourage the consumers to participate in online review，and take some actions to the management of negative word-of mouth.

[作者簡介]楊揚（1981-），男，江蘇省南京市人，上海理工大學管理學院博士研究生，上海出版印刷高等專科學校教師，主要研究方向為行為管理、傳媒管理。