在線產品評論研究綜述

□文/章　璇（嘉興學院　浙江·嘉興）

?

在線產品評論研究綜述

□文/章璇
（嘉興學院浙江·嘉興）

［提要］ 本文從在線產品評論的特征、作用和分析技術三個方面對目前該領域的研究現狀進行綜述。

關鍵詞：在線產品評論；文本評論；文本挖掘技術

收錄日期：2015年5月31日

網絡購物用戶在網上購物時很多人都會瀏覽參考其他人對商品的評論信息，并且在購物后進行在線評論。2006年開始對在線產品評論的研究不斷增多（李恒，2015）。由于該研究主題涉及信息系統、電子商務、消費者行為、圖書與情報科學等多個不同領域的交叉，相關研究文獻較難得到系統性的整理。本文擬從在線評論的特征、作用、分析技術這三個方面對這些文獻進行梳理。值得注意的是，由于文獻涉及范圍過于廣泛，為了使本文綜述主題聚焦，文中關于在線評論的文獻僅局限于商家購物網站的購買者評論，也稱為在線產品評論。其他在線評論或者在線口碑形式不在討論之列，比如第三方平臺的評論（影評、試乘試駕評論、點評網站評論等）、社交媒體中的產品或企業評論（各類口碑、輿情、內容營銷及互動等）。

一、在線產品評論特征

李恒（2015）把消費者的在線評論特征總結為分屬于評論星級和文本評論兩種形式下的12種維度。其中，評論星級指的是購買者對該次購物的總體評價。這種形式中沒有分出更多的維度，因此評論星級就是一個維度。在文本評論這一形式中，有評論標題、評論內容一般特性、評論內容的語義特征、評論內容的時間特性這四類。在這四類中分別包含了評論標題、評論質量、評論數量、評論長度、評論差異性、評論效價、評論類型、評論可讀性、評論強度、評論及時性、評論時效性等11個維度。這12個維度具體的隸屬關系以及其研究焦點屬性本文將其整理至表1中。接下來本文針對表1中的各種在線評論特征維度和其研究焦點屬性逐一進行解釋。（表1）

表1　在線產品評論特征

評論星級指的是購買者對該次購物的總體評價。這種形式中沒有分出更多的維度，因此評論星級就是一個維度。通常的研究焦點在于評論星級的極端性與中立性的作用。以大部分購物網站采用的五星評分制度為例，評論星級的極端性即一星為代表的極端負面評價與五星為代表的極端正面評價，而三星反映中立態度。

接下來的文本評論中包含了網購用戶有文字留言內容的評論中的各種特性的研究維度。大略可以分為文本評論標題和文本評論內容兩類，文本評論標題是評論者對評論內容的文本概括，在除了在線產品評論以外的在線評論中比較常見。通過評論者自擬的標題使瀏覽者容易從標題的關鍵詞以及總體情感傾向中搜索以及快速知曉評論整體內容，但是在購物網站的用戶評論中設置標題的并不多，比如國內的淘寶、京東等購物網站的用戶評論中均沒有設置文本評論的標題。因此，本文中不再贅述。文本評論內容就是網購用戶用文字留下的購買感受的評價內容，李恒（2015）將其特性分為一般特性、語義特征和時間特性三類。本文在介紹完表1這些特征之后，再對其中未包含的一些特征進行補充。

評論內容的一般特性包括評論的質量、數量、長度和差異性。其中，數量和長度比較好理解，就是該產品下購買者的累計評論的總數和評論的文字字數長度，其研究屬性也是總數和字數長度的計量值。評論質量特性借鑒了霍夫蘭德的說服模型中信息內容對說服效果的影響作用，強調了在線產品評論作為消費者用來參考購買的有用信息，信息的瀏覽者對于產品評論信息的真實性、可靠性、內容與其所評價的產品的相關性以及是否為后續購買者提供了大量有用的信息這幾個方面的主觀感知（郭國慶，2010；李宏，2011）。其研究屬性也基本圍繞這幾個有關信息質量評價的主觀因子展開。評論差異性，即評論離散度，能顯示不同評論中購買者態度或觀點上的分歧程度。其研究屬性通常采用評論者對網絡平臺設置的評分項打分的方差或標準差來度量。

評論內容的語義特征包括評論的效價、類型、可讀性和強度，這些特性都與文字評論的文本內容的表達有關。簡單來說，效價代表了文本內容的詞語描述中總體體現出來的情感傾向，其研究屬性有正面、負面和中立（或綜合）之分；類型代表了文本詞語中對產品屬性及其體驗的描述是客觀還是主觀之分；可讀性代表了評論文本詞語中每個評論者其自身帶有的語言習慣表達、拼寫、詞匯選擇、句長句式語法等是否容易讓瀏覽閱讀的人理解，因此其研究屬性也是瀏覽評論者的一種主觀性的感知（Korfiati，2012）；強度代表了評論文本詞語措辭中表現出的情感態度的強烈程度，其研究屬性主要集中于瀏覽者對負面口碑中負面情緒強度的感知程度（黎小林，2007）。

評論內容的時間特性包括及時性和時效性，這兩條特性與評論發布的時間信息有關。評論及時性代表評論發布時間與購買時間的間隔遠近，研究屬性是評論發表的天數，但是究竟天數長好還是短更好可能并不是簡單的線性關系，因此到底是否及時的判斷也就比較模糊了；而時效性代表評論發布時間與現在（瀏覽時間）間隔遠近，以及是否在最近有頻率較高的密集評論，這反映了該產品的近期火熱與流行程度，研究屬性是評論瀏覽者對時效性強與弱的主觀評價（劉逶迤、逯萬輝，2010；郭國慶等，2010；龔思蘭等，2013）。

其他表1中未提及的較為重要的特性還有評論發布者特征等等。評論者的特征包括評論者是否匿名（身份知否披露）、評論者的專業性、評論者的聲譽、排名等等（Racherla P，Friske W，2012；Hyunmi et al.2012）。這個部分我們只是將這些現有研究中涵蓋的特征進行了簡單歸類和羅列，其中有些特征在技術、功能和研究范式發展過程中會出現不同程度的交叉重疊和所屬類別上的變化，在后文中會有所提及。

二、在線產品評論作用

以上談到的是在線產品評論的特征，對于在線產品評論的功能研究者們也有所探討。在線評論的功能一方面包含有大量產品屬性、使用價值方面的描述信息可以給潛在購買者信息上的借鑒，幫助他們降低不確定性風險；另一方面評論中含有大量購買的情感體驗和表達信息，對商品有強大的推薦作用，大量比較集中的正面或者負面評論會引起潛在購買者的從眾行為，影響他們購買或者不購買的最終決定。遵從這些意見購買產品（Park DH，et al.2007；Duan W J，et al.2008）。關于評論功能的衡量焦點主要集中在評論信息質量（評論有用性），評論可信度和消費者態度形成與改變以及具體的銷量數據等。

Mudambi和Schuff（2010）從信息經濟學中信息的診斷性角度定義了評論信息質量。早期的評論信息質量的評價并不局限于文本評論，但隨著研究者對評論內容特征的關注，評論質量越來越多用來反映文本評論內容對瀏覽者的信息參考價值。正如上文中提到對于文本評論而言評論質量包含真實性、可靠性、相關性、有用性四個方面。借鑒技術接受模型TAM中人們接收新技術會受到對新技術感知有用性的影響這一思路，評論質量中關于評論有用性的評價指標更加受到重視，并成為判斷評價信息功能的主要研究變量。早期的評論有用性研究將評論星級及評論長度作為評論有用性的衡量指標，其好處是指標簡單，易量化。后期產品評論研究的重點轉向文本內容認知，對于文本內容有用性的劃分采用了評論長度和可讀性兩個維度來衡量，有的研究中也將評論有用性定義為評論感知價值（Schindler&Bickart，2012）。由于當前對文本內容分析的方法是基于文本語義屬性的挖掘方法，對于在線產品評論相關特征的數據采集和統計大都是通過網絡信息搜索軟件實現，因此目前評論有用性的衡量通常是用網站中評論有用性的排名數據統計來替代。但是并不是所有購物網站的評論系統中都會設置評論是否有用這一瀏覽者打分機制，并且受到文化的影響，即便網站設置了這一功能，國內的消費者也沒有去給評論打分的習慣。因此這種衡量方式的有效性也一直受到爭議。

研究中與評論有用性常常共同出現的一個衡量評論的功能的變量就是評論的可信度。由于在交流有關研究領域發現可信度與勸說性之間的強相關，可信度被用來作為評論信息是否對潛在消費者態度以及行為有強的勸說性的衡量指標。從信息傳播的角度來說，信息源、消息和接受者是信息評價的3個主要的信息元素。因此相比于有用性，在線評論的可信度更強調從評論強度、信息源的可信度、評論間的一致性、評論累積排名等維度來度量，從已有的研究文獻來看，其中又主要側重于對信息源可信度的判斷，也就是對評論發布者的可信度的判斷（Cheung等，2009）。Lis（2013）將信息源的專業度和值得信任程度作為信息源可信度的衡量標準和評論排名一起作為評論可信度的決定因素，其中值得信任程度中包含評論內容的質量、與其他評論的一致性以及其他消費者對評論的認可這幾個方面。因此，評論可信度與評論有用性是有交叉又各有側重的兩個研究變量。研究者會根據研究方法以及目標選擇其中合適的變量作為對評論功能的衡量。不過由于目前側重于文本評論數據挖掘的研究方法所限，還是以有用性的排名統計作為評論價值功能的衡量更多見。

其他還有一些研究變量，比如將瀏覽者看完評論信息以后持有的態度作為衡量評論功能實現的衡量指標，比如對產品的購買意愿、感知的產品質量、滿意度、忠誠度等（Reyes A& Rosso P，2012；Chang&Yen，2013），以及直接用企業經營數據，比如產品的銷量、企業收入、公司股價來作為評論的作用，不過后兩者多用于第三方評論或者公眾輿論有關的評論效果研究中，與在線產品評論有關的經營數據最主要的還是被評論產品的銷量數據（Sonnier等，2011）。

三、在線產品評論分析技術

在線評論信息挖掘研究集中在信息系統、電子商務管理科學等領域。近幾年，在線評論信息挖掘日益成為在線產品評論研究的熱點，由于文本挖掘技術的研究進展還處于不太成熟的階段，各領域中計算機科學和信息科學領域對文本挖掘技術的研究居多。文本挖掘技術和自然語言處理等技術現在已經能對半結構化和非結構化數據進行挖掘，在線評論的表現形式為數量眾多且非結構化的文本，但是如何提高對在線評論的挖掘精確度也一直是技術研究領域關注的焦點。目前，在挖掘技術上的研究集中于信息抽取、情感分析和文本分類這三類主流研究方法。信息抽取是情感分析的基礎，同時信息抽取和情感分析又是文本分類的基礎。信息抽取主要是通過對評論中描述產品性能或功能的名詞或短語進行關鍵詞的抽取，情感分析是通過語義分析對評論中需要聯系上下文才能理解評論者表達效價進行情感傾向的判斷，挖掘出的信息結果包括抽取的主題特征（價格、質量、外觀等）、情感傾向（正面、中立、負面）、文本類別（主題和情感類別）。以情感分析為例，當前所廣泛采用的文本語義屬性分析的挖掘方法是不夠成熟的，無論是詞語極性推測法、點互信息法、抽取主觀表達式法還是構造情感詞典法，都是基于文本內容字面信息的加工和處理，而文本內容所包含的潛在信息卻是無法挖掘的，如說話人的語言風格所反映出的評論人所屬的用戶群體或專業程度等，因此僅從字面來進行情感傾向的判斷存在一定的不精確性。

但是也有越來越多的學者在信息抽取和文本挖掘的基礎上從實證研究角度對在線評論的有用性、對消費者態度以及商家銷量的影響等進行研究。有學者利用主題特征信息抽取技術從在線評論中抽取產品特征和主題信息，并以此研究發現評論中消費者提及最多的產品主題特征并不一定對他們的滿意度影響最大（You WJ，et al.2012）。Cao等（2011）運用潛在語義文本分析文本挖掘法（LSA）應用logit回歸模型研究了評論星級、評論時間、評論字數、評論中包含的句子數、語義特征（評論中的情感傾向）對評論有用性投票數的影響，經過發現評論的語義特征對評論有用性影響最大。Min和Park（2012）從評論者經驗這一角度出發應用文本挖掘和實證分析方法研究如何根據評論者經驗識別出高質量評論。還有研究者通過對手機評論進行情感分析，識別手機是否存在過度的功能設計并以此獲得更多的顧客滿意度來提高銷售績效（Liu P，et al.2010）。未來隨著文本挖掘技術的進步，分析精確性不斷提高，相信這類結合實證方法證明在線產品評論商業應用效果的研究也會越來越多并得出更有價值的結論。

四、結語

綜上所述，在線產品評論現階段為止的研究有以下三個方面的特點：第一，研究中關于在線產品評論的一般特征，內容特征，評論者特征等等這些特征形式早期研究較多。雖然在研究發展過程中會出現不同程度的交叉重疊和所屬類別上的變化，但隨著購物網站評論體系設置的成熟化，這些特征形式基本穩定下來，并且主要的特征屬性都集中在評論文本的特征描述中，這也說明了文本評論的重要作用。因此，現階段的研究主要集中于評論文本內容的深度挖掘帶來的新的特征屬性；第二，文本挖掘技術和自然語言處理等技術現在已經能對半結構化和非結構化數據進行挖掘，而在線評論的表現形式為數量眾多且非結構化的文本，如何提高對在線產品評論的挖掘精確度也一直是技術研究領域關注的焦點。正因為文本挖掘技術的研究進展還處于不太成熟的階段，現階段的挖掘主題比較少，情感分析精度也不夠高，因此其他領域即便將現有挖掘技術應用于實證研究中，也難以得到穩定的和有價值的結論。相信未來隨著文本挖掘技術的進步，這類結合實證方法證明在線產品評論商業應用效果的研究也會越來越多，并得出更有價值的結論；第三，在商業應用研究領域，如何選取合適的研究變量和指標，比如消費者行為變量及觀測指標來與文本挖掘技術得到的計量數據相結合，從而實現更準確有價值的實證研究，也是在研究方法上需要繼續探索和解決的問題，比如目前用網站評論有用性的排名數據統計來替代評論有用性度量的方式過于單一且準確性受到質疑。

另外，還有兩個在線產品評論研究中比較集中的主題未來也可能會繼續發展：一個是購買者參與評論的動機及其在社交網絡中的作用；另一個是對購物網站上越來越多出現的虛假評論現象的研究，目前的研究集中在虛假評論的識別以及其影響方面，未來隨著消費者的經驗增加以及網站成熟運作，這方面的研究還會有新的熱點出現。

主要參考文獻：

［1］李恒.在線評論特征的維度綜述［J］.企業技術開發，2015.1.

［2］李宏，喻葵，夏景波.負面在線評論對消費者網絡網絡購買決策的影響，一個實驗研究［J］.情報雜志，2011.5.

［3］龔思蘭，丁晟春，周夏偉，巢乃鵬.在線商品評論信息可信度影響因素實證研究［J］.情報雜志，2013.32.11.

［4］宋曉晴，孫習祥.消費者在線評論采納研究綜述［J］.現代情報，2015.1.

［5］羅彪，叢日飛.留、傳、搜、用：消費者行為視角下的電子口碑研究綜述與展望［J］.外國經濟與管理，2015.37.8.

［6］You W J，Xia M，Li u，L，etal.Customer know l edge dis covery form online reviews［J］.Elect ron Market s，2012.7.7.

［7］Cao Q，Gan Q W.Exploring determinants of voting for the helpfulness of online user reviews：Atextmining approach［J］.Decision Support Systems，2011.11.9.

［8］Min H，Park JC.I dent if ying helpful revi ews based on customer’s ment ion about experiences［J］.Expert Sys tems with Appli cation，2012.39.1.

基金項目：教育部人文社會科學研究青年基金項目：“網頁中產品屬性文本信息對消費者購買決策的影響機制研究”（編號：14Y JC630204）

中圖分類號：F724.6

文獻標識碼：A