C2C電商平臺(tái)中在線評(píng)論偏離真實(shí)性的誘因及應(yīng)對(duì)策略

王寧+宋嘉瑩+楊學(xué)成

摘要：通過(guò)建立C2C電商平臺(tái)規(guī)則下的買(mǎi)賣(mài)雙方不對(duì)稱(chēng)信息博弈模型，刻畫(huà)不正當(dāng)競(jìng)爭(zhēng)策略中買(mǎi)家的評(píng)價(jià)行為，得出在線評(píng)論偏離真實(shí)性的原因：采取“好評(píng)返現(xiàn)”策略的賣(mài)家，獲得高質(zhì)量好評(píng)帶來(lái)的銷(xiāo)售量增益的同時(shí)增加了買(mǎi)家的當(dāng)前收益，導(dǎo)致好評(píng)數(shù)偏高；買(mǎi)家遭受“差評(píng)威脅”時(shí)的妥協(xié)，激勵(lì)了賣(mài)家采取“差評(píng)威脅”策略，導(dǎo)致差評(píng)數(shù)減少。應(yīng)對(duì)策略：制定規(guī)則或法律，保護(hù)買(mǎi)家的人身安全，從而減少妥協(xié)率，增加賣(mài)家的威脅成本，遏制“差評(píng)威脅”的發(fā)生；制定標(biāo)準(zhǔn)化的評(píng)價(jià)內(nèi)容，減少高、低質(zhì)量好評(píng)造成的銷(xiāo)售量差額；取消默認(rèn)好評(píng)機(jī)制，且“好評(píng)返現(xiàn)”的獎(jiǎng)勵(lì)應(yīng)由平臺(tái)給出，禁止賣(mài)家返現(xiàn)，從而減少虛假好評(píng)數(shù)量。

關(guān)鍵詞：在線商品評(píng)論；委托代理理論；不對(duì)稱(chēng)信息博弈；不正當(dāng)競(jìng)爭(zhēng)；虛假評(píng)論

DOI：10.13956/j.ss.1001-8409.2017.04.22

中圖分類(lèi)號(hào)：F713.36 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-8409（2017）04-0100-04

Abstract： This paper analyzes the incentive to deviate from the authenticity of online reviews in C2C ecommerce by establishing the asymmetric information game model between buyers and sellers in the rules of the C2C ecommerce platform and characterizing the evaluating behavior of the buyers in the unfair competition strategy. Results show that， with the high quality praise， the seller who took the strategy of ‘Praise Reward obtained sales increasing， as well as， it exacerbated the benefit of the buyer， which leads to high number of praise. When suffering from ‘Criticism Threat， the buyer often comes to terms. While such behavior inspires the seller to take the ‘Criticism Threat strategy， resulting in a decrease in the number of negative comments. The countermeasures are as follows， to protect the personal safety of the buyer by making the rules or laws， thus can reduce the buyer compromise rate， increase the threat costs of the seller， as a result， curb the ‘Criticism Threat. To make the content of comment standard， the buyer can give the standardizing comment. It can reduce the sales imbalance which caused by high and low quality praise. The default praise system should be canceled and ‘Praise Reward award should be given by the platform. At the same time， prohibit the sellers ‘Praise Reward strategy， so as to reduce the number of fake praise.

Key words：online reviews； principalagent theory； asymmetric information game； unfair competition； fake reviews

引言

在線商品評(píng)論是網(wǎng)絡(luò)口碑中的一種[1]，是其中最典型和有效的形式[2]。但用戶(hù)偏好[3]各異、對(duì)產(chǎn)品特征的敏感度[4]不同、追求個(gè)體利益[5]，賣(mài)家利用電商平臺(tái)信用評(píng)價(jià)規(guī)則的不完備[6]進(jìn)行不正當(dāng)競(jìng)爭(zhēng)等原因，使在線評(píng)論的內(nèi)容偏離商品真實(shí)情況。

對(duì)于在線商品評(píng)論的偏差性研究，Dellarocas首先懷疑在線商品評(píng)論的真實(shí)性和有效性[7]，提出通過(guò)用戶(hù)對(duì)評(píng)論內(nèi)容進(jìn)行滿(mǎn)意度打分，糾正偏差的方法[8]。Chen和Tseng發(fā)現(xiàn)網(wǎng)絡(luò)中存在大量評(píng)論文本直接復(fù)制、文不對(duì)題、垃圾評(píng)論、虛假評(píng)論等現(xiàn)象[9]。孟美任將虛假評(píng)論分為“虛”和“假”兩種類(lèi)型，“虛”指垃圾評(píng)論等無(wú)意義評(píng)論，可通過(guò)垃圾評(píng)論過(guò)濾規(guī)則進(jìn)行識(shí)別，例如Jindal等人通過(guò)亞馬遜的評(píng)論語(yǔ)庫(kù)檢測(cè)垃圾評(píng)論[10]。“假”指不包含真實(shí)內(nèi)容的評(píng)論[11]，這類(lèi)評(píng)論很難通過(guò)自然語(yǔ)言挖掘算法辨識(shí)。在沒(méi)有虛假評(píng)論時(shí)，在線商品評(píng)論呈正態(tài)分布[5]，在虛假評(píng)論下，Hu等人基于亞馬遜的評(píng)論數(shù)據(jù)進(jìn)行實(shí)證研究，發(fā)現(xiàn)在線商品評(píng)論數(shù)據(jù)呈“J”形的雙峰分布，評(píng)論得分的均值被推高，不能真實(shí)地反映商品質(zhì)量[12]，李雨潔對(duì)淘寶網(wǎng)的評(píng)論數(shù)據(jù)進(jìn)行分析后，發(fā)現(xiàn)線上商品評(píng)論的分布呈非正態(tài)的近似于反“L”型分布[13]。

從評(píng)價(jià)機(jī)制分析淘寶網(wǎng)的評(píng)價(jià)規(guī)則，引起在線商品評(píng)論偏離真實(shí)性的原因，可歸結(jié)為“默認(rèn)好評(píng)”、退貨無(wú)評(píng)價(jià)及評(píng)價(jià)分級(jí)等規(guī)則[14]，Alexei N.Nikitkov等人分析ebay的評(píng)價(jià)系統(tǒng)，梳理出每次規(guī)則變更下產(chǎn)生的評(píng)論偏差[15，16]。從評(píng)價(jià)者分析，消費(fèi)者的自我選擇偏差和較強(qiáng)的群體意識(shí)會(huì)引起評(píng)論偏向好評(píng)。此外，由于撰寫(xiě)評(píng)論需要花費(fèi)買(mǎi)家的額外精力，只有買(mǎi)家對(duì)商品有強(qiáng)烈的情感極性[17]和存在期望的利益刺激時(shí)[18]，才會(huì)主動(dòng)撰寫(xiě)評(píng)價(jià)。孟美任等人從評(píng)價(jià)者的性格出發(fā)，認(rèn)為即使沒(méi)有受到誘惑進(jìn)行虛假評(píng)價(jià)，買(mǎi)家也會(huì)分為“過(guò)度寬容者”和“過(guò)度完美者”，使評(píng)論偏離客觀性[11]。從商家角度分析，其通過(guò)小禮物、“好評(píng)返現(xiàn)”等方式誘使買(mǎi)家好評(píng)，通過(guò)威脅方式讓買(mǎi)家刪差評(píng)、購(gòu)買(mǎi)中介的刷好評(píng)服務(wù)等行為，使好評(píng)率偏高。但商家之間的不正當(dāng)競(jìng)爭(zhēng)也帶來(lái)大量詆毀和惡意差評(píng)[19]。本文列出引起在線商品評(píng)論偏離真實(shí)值的原因（見(jiàn)表1）。

對(duì)在線商品評(píng)論偏離真實(shí)性研究的梳理，已有前人做了大量工作：（1）證明在線評(píng)論偏離真實(shí)性的存在；（2）通過(guò)實(shí)證研究，給出在線評(píng)論的實(shí)際分布特征；（3）分析了各角色引起虛假評(píng)論的原因。但目前的研究還沒(méi)有從角色之間的相互作用展開(kāi)討論，即買(mǎi)家和賣(mài)家是如何在電商系統(tǒng)的評(píng)價(jià)規(guī)則中進(jìn)行博弈，導(dǎo)致在線商品評(píng)論偏離真實(shí)值。因此本文應(yīng)用委托代理理論，分析在C2C電商平臺(tái)的評(píng)價(jià)規(guī)則中，買(mǎi)賣(mài)雙方在行動(dòng)與信息不對(duì)稱(chēng)下，通過(guò)追求個(gè)人效用最大化的博弈行為，引起商品評(píng)價(jià)偏離真實(shí)值的過(guò)程。

1 模型的構(gòu)建與行為分析

C2C電商平臺(tái)通過(guò)建立公平有效的信用評(píng)價(jià)規(guī)則，實(shí)現(xiàn)買(mǎi)賣(mài)雙方的效用最大化[20]。本研究基于淘寶網(wǎng)的信用評(píng)價(jià)規(guī)則[21]，建立買(mǎi)賣(mài)雙方在不對(duì)稱(chēng)信息下的委托代理模型。

1.1 模型的分析與假設(shè)

假設(shè)買(mǎi)賣(mài)雙方是理性的經(jīng)濟(jì)人，市場(chǎng)行為決定雙方都會(huì)最大化自己的支付函數(shù)。對(duì)于賣(mài)家，高質(zhì)量好評(píng)數(shù)記為g，較為中性的[22]或未達(dá)到賣(mài)家“好評(píng)返現(xiàn)”要求的低質(zhì)量好評(píng)數(shù)記為m，差評(píng)數(shù)記為b，并記F（g）、G（m）、T（b）分別為g、m、b對(duì)銷(xiāo)售量的影響函數(shù)。高質(zhì)量好評(píng)的有用性大于低質(zhì)量好評(píng)[23，24]，而差評(píng)對(duì)買(mǎi)家行為的影響更顯著，即g、m、b相等時(shí)，T（b）>F（g）>G（m），改差評(píng)需要成本，設(shè)t是賣(mài)家對(duì)差評(píng)買(mǎi)家威脅的成本。c是賣(mài)家提供的返現(xiàn)金額，由于部分賣(mài)家已將返現(xiàn)算入產(chǎn)品成本，因此用函數(shù)W（c）表示c對(duì)于賣(mài)家的成本函數(shù)。威脅成本往往大于返現(xiàn)成本，即t>W（c），其中F（g）、G（m）、T（b）、W（c）分別是g、m、b、c的單調(diào)增函數(shù)，且有g(shù)≥0、F（g）>0、m≥0、G（m）>0、b≥0、T（b）>0、c≥0、W（c）>0。

對(duì)于買(mǎi)家，用函數(shù)Q（c）表示返現(xiàn)金額c的效用。函數(shù)Y（t）表示買(mǎi)家給予差評(píng)，受到賣(mài)家威脅依然保持差評(píng)的擔(dān)心和恐懼心理效用。買(mǎi)家需要耗費(fèi)精力撰寫(xiě)評(píng)論，當(dāng)買(mǎi)家對(duì)商品有強(qiáng)烈的情感極性，才會(huì)主動(dòng)評(píng)價(jià)[17]，其抒發(fā)情感的心理效用記為s，買(mǎi)家因威脅而違心將差評(píng)改好評(píng)產(chǎn)生的自責(zé)心理效用，記為p，買(mǎi)家為編寫(xiě)符合賣(mài)家返現(xiàn)要求的好評(píng)，花費(fèi)的時(shí)間精力，記為h，其中Q（c）、Y（t）分別是c、t的單調(diào)增函數(shù)，且有s≥0、p≥0、h≥0、Q（c）>0、Y（t）>0。

不確定行為用概率表示，α是買(mǎi)家好評(píng)概率，β是賣(mài)家提供好評(píng)返現(xiàn)概率，γ是賣(mài)家威脅買(mǎi)家將差評(píng)改好評(píng)概率，δ是買(mǎi)家收到威脅后將差評(píng)改成好評(píng)概率，其中0≤α，β，γ，δ≤1。

1.2 在線商品評(píng)價(jià)中買(mǎi)賣(mài)雙方的委托代理模型

影響評(píng)論的因素有買(mǎi)家對(duì)商品的滿(mǎn)意程度，商家“好評(píng)返現(xiàn)”或“差評(píng)威脅”的激勵(lì)程度，默認(rèn)好評(píng)機(jī)制。根據(jù)事件發(fā)生的順序，有以下5種情形：

（1）買(mǎi)家給予好評(píng)，賣(mài)家返現(xiàn)。買(mǎi)家與賣(mài)家的支付函數(shù)分別是：s+Q（c）-h、F（g）-W（c）。（2）買(mǎi)家給予好評(píng)，賣(mài)家不返現(xiàn)。支付函數(shù)分別是：s、G（m）。（3）買(mǎi)家給予差評(píng)，賣(mài)家威脅，買(mǎi)家改成好評(píng)。支付函數(shù)分別是：-p、F（g）-t。（4）買(mǎi)家給予差評(píng)，賣(mài)家威脅，買(mǎi)家保持差評(píng)。支付函數(shù)分別是：-Y（t）+s、-T（b）-t。（5）買(mǎi)家給予差評(píng)，賣(mài)家不威脅。支付函數(shù)分別是：s、-T（b）。建立博弈樹(shù)模型，如圖1所示。

2 模型的求解與結(jié)論

模型采用博弈的擴(kuò)展式，在博弈過(guò)程中，每一個(gè)子博弈的歷史結(jié)果和雙方的支付函數(shù)對(duì)參與人買(mǎi)家A和賣(mài)家S都是共同知識(shí)，求解過(guò)程屬于完全且完美信息的動(dòng)態(tài)博弈，采用逆推歸納法進(jìn)行推演。

2.1 賣(mài)家行為分析

命題1：買(mǎi)家給予“差評(píng)”后，如果賣(mài)家的威脅成本與好評(píng)數(shù)量和差評(píng)數(shù)量帶來(lái)的銷(xiāo)售量變動(dòng)之和的比大于買(mǎi)家好評(píng)概率，則賣(mài)家的策略是“不威脅”；反之則采取“威脅”策略。

證明：當(dāng)買(mǎi)家和賣(mài)家的策略分別是“差評(píng)”和“威脅”，賣(mài)家的期望支付ES=δ[F（g）+T（b）]-T（b）-t，由ESδ=F（g）+T（b）≥0，ES是δ的增函數(shù)，說(shuō)明賣(mài)家采取威脅策略時(shí)，買(mǎi)家改好評(píng)概率越大，賣(mài)家收益越大。賣(mài)家預(yù)期買(mǎi)家會(huì)因威脅改好評(píng)時(shí)，就會(huì)采取威脅策略。當(dāng)買(mǎi)家和賣(mài)家的策略分別是“差評(píng)”和“不威脅”，賣(mài)家期望支付ES=-T（b），當(dāng)賣(mài)家采取“不威脅”策略的期望支付大于采取“威脅”策略的期望支付時(shí)，ES（γ=0）≥ES（γ=1），得到tF（g）+T（b）≥δ。說(shuō)明賣(mài)家認(rèn)為威脅的成本較高，或認(rèn)為偶爾的差評(píng)不足以對(duì)銷(xiāo)售量產(chǎn)生影響，或好評(píng)呈現(xiàn)邊際遞減的趨勢(shì)，多一個(gè)好評(píng)并不會(huì)帶來(lái)銷(xiāo)售量的大量增加，因此不采取威脅的方式。

命題2：買(mǎi)家的策略是“改成好評(píng)”，如果賣(mài)家對(duì)買(mǎi)家威脅的成本等于好評(píng)和差評(píng)數(shù)量引起的銷(xiāo)售量變化之和，則無(wú)論賣(mài)家選擇“威脅”與否都不能改變賣(mài)家的收益，-T（b）或F（g）-t；如果賣(mài)家威脅的成本大于好評(píng)和差評(píng)數(shù)量引起的銷(xiāo)售量變化之和時(shí)，賣(mài)家的收益隨著采取威脅概率的增大而增大，此時(shí)賣(mài)家會(huì)選擇“威脅”，最大收益F（g）-t；反之賣(mài)家的收益隨著采取威脅概率的增大而減小，此時(shí)賣(mài)家會(huì)選擇“不威脅”，最大收益-T（b）。

證明：買(mǎi)家的策略“改成好評(píng)”需要滿(mǎn)足-p>-Y（t）+s，賣(mài)家期望效用ES=γT（b）+F（g）-t-T（b），其中ESγ=T（b）+F（g）-t，當(dāng)T（b）+F（g）=t時(shí)，ES與γ無(wú)關(guān)，T（b）+F（g）>t時(shí)，ES是γ的增函數(shù)，反之ES是γ的減函數(shù)。

命題3：如果買(mǎi)家的策略是“保持差評(píng)”，則賣(mài)家的策略是“不威脅”。

證明：買(mǎi)家的策略是“保持差評(píng)”需要滿(mǎn)足條件-p<-Y（t）+s，賣(mài)家的期望效用ES=-T（b）-γt，其中ESγ=-t，-t<0，ES是γ的減函數(shù)，γ越小賣(mài)家的期望效用越大，因此賣(mài)家選擇“不威脅”是最優(yōu)策略。“威脅，保持差評(píng)”是弱貫序均衡，不會(huì)出現(xiàn)在博弈的均衡結(jié)果集中。

2.2 買(mǎi)家行為分析

命題4：如果買(mǎi)家感到返現(xiàn)金額的效用大于寫(xiě)高質(zhì)量好評(píng)耗費(fèi)的精力和時(shí)間時(shí)，則會(huì)受到“好評(píng)返現(xiàn)”的激勵(lì)，寫(xiě)出高質(zhì)量好評(píng)；反之，則不會(huì)受到“好評(píng)返現(xiàn)”的影響。

證明：在賣(mài)家行為不確定時(shí)買(mǎi)家選擇好評(píng)，買(mǎi)家期望收益EA=β[Q（c）-h]+s，由EAβ=Q（c）-h，當(dāng)Q（c）>h，EA是β的增函數(shù)，買(mǎi)家期望賣(mài)家“好評(píng)返現(xiàn)”，并會(huì)寫(xiě)高質(zhì)量好評(píng)獲得返現(xiàn)，即β=1時(shí)得到最大收益Q（c）-h+s。當(dāng)Q（c）=h時(shí)，EA與β無(wú)關(guān)，賣(mài)家提供好評(píng)返現(xiàn)與否都不影響買(mǎi)家收益，買(mǎi)家會(huì)給予客觀的評(píng)價(jià)。同時(shí)存在部分買(mǎi)家不評(píng)價(jià)，系統(tǒng)默認(rèn)好評(píng)。當(dāng)Q（c）

命題5：賣(mài)家的策略集是“返現(xiàn)”和“威脅”，買(mǎi)家的策略集是“改成好評(píng)”時(shí)，如果買(mǎi)家認(rèn)為寫(xiě)高質(zhì)量好評(píng)所花費(fèi)的精力和時(shí)間小于對(duì)產(chǎn)品情緒的自然抒發(fā)產(chǎn)生的快樂(lè)、賣(mài)家返現(xiàn)的效用、受到威脅后違心修改差評(píng)的自責(zé)之和時(shí)，則給予好評(píng)的概率α越大，自身的收益越大，此時(shí)，就會(huì)給予好評(píng)，使α=1；同時(shí)，買(mǎi)家給予好評(píng)的概率α越大，賣(mài)家的收益越大。

3 “好評(píng)返現(xiàn)”和“差評(píng)威脅”策略產(chǎn)生的效用

“好評(píng)返現(xiàn)”策略實(shí)施的前提：一是高質(zhì)量好評(píng)產(chǎn)生的銷(xiāo)售量增益大于賣(mài)家的返現(xiàn)成本，即F（g）-G（m）>W（c）；二是保證買(mǎi)家參與，要求Q（c）>h，賣(mài)家給予返現(xiàn)的效用大于買(mǎi)家撰寫(xiě)高質(zhì)量評(píng)論所花費(fèi)的精力。變量關(guān)系如圖2所示。對(duì)于相同的返現(xiàn)金額，賣(mài)家的成本小于買(mǎi)家的效用，即W（c）

“差評(píng)威脅”策略實(shí)施的前提：一是買(mǎi)家改好評(píng)的效用大于保持差評(píng)的效用，即-p>-Y（t）+s；二是賣(mài)家“威脅”的效用比“不威脅”大，即F（g）-t>-T（b）。此時(shí)，賣(mài)家的收益是F（g）-t+T（b）>0，買(mǎi)家的收益是-p-s<0，二者的總收益是F（g）+T（b）-p-s-t，變量關(guān)系如圖3所示。“差評(píng)威脅”活動(dòng)使買(mǎi)家效用為負(fù)，賣(mài)家效用為正，隨著威脅的成本t逐漸增大，賣(mài)家效用也會(huì)減小，導(dǎo)致“差評(píng)威脅”逐漸消失。說(shuō)明加強(qiáng)對(duì)“差評(píng)威脅”的懲罰力度，提高賣(mài)家“差評(píng)威脅”的成本，就能遏制這種現(xiàn)象的發(fā)生。

4 結(jié)論與建議

通過(guò)分析C2C平臺(tái)中買(mǎi)賣(mài)雙方的博弈行為，得出在線評(píng)論偏離真實(shí)性的誘因：（1）高質(zhì)量好評(píng)產(chǎn)生的銷(xiāo)售量增益較高，而換取高質(zhì)量好評(píng)的返現(xiàn)成本通常較低，賣(mài)家為最大化自身效用會(huì)采取“好評(píng)返現(xiàn)”策略。同時(shí)對(duì)于時(shí)間和精力充沛，違心改好評(píng)后自責(zé)較少的買(mǎi)家，較低的返現(xiàn)金額就可以使其給出高質(zhì)量好評(píng)。“好評(píng)返現(xiàn)”的出現(xiàn)，同時(shí)增加了買(mǎi)賣(mài)雙方的當(dāng)前收益，因此在網(wǎng)店中“好評(píng)返現(xiàn)”出現(xiàn)的頻率很高，導(dǎo)致在線評(píng)論整體打分偏高。（2）買(mǎi)家遭受威脅時(shí)，有很大概率選擇妥協(xié)，而妥協(xié)的概率越大，賣(mài)家采取“威脅”的概率就越大。而差評(píng)對(duì)賣(mài)家的銷(xiāo)售量有很大影響，一些賣(mài)家寧愿冒風(fēng)險(xiǎn)也會(huì)采取“威脅”策略。同時(shí)買(mǎi)家估計(jì)到賣(mài)家采取“威脅”策略的概率越大，給出差評(píng)的概率就越小，因此“差評(píng)威脅”策略使得差評(píng)數(shù)量明顯減少。

減少“好評(píng)返現(xiàn)”和“差評(píng)威脅”現(xiàn)象，能夠在一定程度上糾正評(píng)論偏差，給出建議如下：（1）電商平臺(tái)應(yīng)給予買(mǎi)家舉報(bào)威脅的權(quán)利，或國(guó)家出臺(tái)相關(guān)法律，使買(mǎi)家不害怕威脅，堅(jiān)持自己的評(píng)價(jià)原則，同時(shí)應(yīng)對(duì)采用威脅手段改好評(píng)的賣(mài)家進(jìn)行嚴(yán)厲懲罰，使賣(mài)家的威脅成本增加。（2）平臺(tái)將評(píng)價(jià)的內(nèi)容標(biāo)準(zhǔn)化，給定規(guī)范的描述指標(biāo)，使高、低質(zhì)量好評(píng)對(duì)銷(xiāo)售量的影響差別減小，增加寫(xiě)高質(zhì)量評(píng)論的時(shí)間和精力，使賣(mài)家進(jìn)行“好評(píng)返現(xiàn)”的收益減小。（3）取消系統(tǒng)默認(rèn)好評(píng)，禁止賣(mài)家的“好評(píng)返現(xiàn)”活動(dòng)，同時(shí)應(yīng)由平臺(tái)將獎(jiǎng)勵(lì)給予高質(zhì)量評(píng)論的買(mǎi)家。

參考文獻(xiàn)：

[1]Chevalier J A M D. The Effect of Word of Mouth on Sales： Online Book Reviews [J]. Journal of Marketing Research，2006， 43（3）： 345-354.

[2]Picazo-Vela S C S Y M. Why Provide an Online Review？ An Extended Theory of Planned Behavior and the Role of Big-Five Personality Traits [J]. Computers in Human Behavior， 2010， 26（4）： 685-696.

[3]王洪偉，王偉. 特征觀點(diǎn)對(duì)購(gòu)買(mǎi)意愿的影響：在線評(píng)論的情感分析方法[J]. 系統(tǒng)工程理論與實(shí)踐，2015. 35（1）：1-14.

[4]王偉，王洪偉，孟園. 協(xié)同過(guò)濾推薦算法研究：考慮在線評(píng)論情感傾向[J]. 系統(tǒng)工程理論與實(shí)踐，2014（12）： 3238-3249.

[5]Li X， Hitt L M. Self-Selection and Information Role of Online Product Reviews [J]. Information Systems Research，2008， 19（4）： 456-474.

[6]彭惠，王永瑞. C2C電子商務(wù)市場(chǎng)整體賣(mài)家信用分布研究[J]. 情報(bào)雜志，2012（5）： 122-127.

[7]Dellarocas C. The Digitization of Word of Mouth： Promise and Challenges of Online Feedback Mechanisms [J]. Management Science，2003， 49（10）： 1407-1424.

[8]Dellarocas C， Wood C A. The Sound of Silence in Online Feedback： Estimating Trading Risks in the Presence of Reporting Bias [J]. Management Science，2008， 54（3）： 460-476.

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

[10]Jindal N L B. Review Spam Detection[C]. Proceedings of the 16th International Conference on World Wide Web. New York， NY， USA： ACM， 2007.

[11]孟美任，丁晟春. 虛假商品評(píng)論信息發(fā)布者行為動(dòng)機(jī)分析[J].情報(bào)科學(xué)， 2013（10）： 100-104.

[12]Hu N， Zhang J， Pavlou P A. Overcoming the J-Shaped Distribution of Product Reviews [J]. Communications of the ACM，2009， 52（10）： 144.

[13]李雨潔，廖成林，于輝. 線上商品評(píng)論反“L”型分布的偏差與糾正[J]. 統(tǒng)計(jì)研究， 2013（4）： 46-51.

[14]李雨潔，廖成林，李憶. 消費(fèi)者個(gè)體行為偏好對(duì)在線評(píng)論真實(shí)性的影響機(jī)理研究[J]. 軟科學(xué)， 2015（1） ： 105-109.

[15]Nikitkov A N， Stone D N， Miller T C. Internal Controls， Routine Activity Theory （RAT）， and Sustained Online Auction Deception： A Longitudinal Analysis[J]. Journal of Information Systems， 2014， 28（1）： 311-337.

[16]Bauerly R J. Online Auction Fraud and Ebay [J]. Marketing Management Journal， 2009（Spring）： 133-143.

[17]張曉飛，董大海. 網(wǎng)絡(luò)口碑傳播機(jī)制研究述評(píng)[J]. 管理評(píng)論， 2011（2）： 88-92.

[18]Hennig-Thurau T G K P W. Electronic Word-of-Mouth via Consumer-Opinion Platforms： What Motivates Consumers to Articulate Themselves on the Internet？[J]. Journal of Interactive Marketing， 2004， 18（1）： 38-52.

[19]陳燕方，婁策群. 在線商品虛假評(píng)論形成路徑研究[J]. 現(xiàn)代情報(bào)， 2015（1）： 49-53.

[20]周梅華，李佩镅，牟宇鵬. 在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響——心理距離的中介作用[J]. 軟科學(xué)， 2015（1） ： 101-104.

[21]苗苗，李晴雯. C2C電子商務(wù)中交易雙方的博弈模型分析[J]. 統(tǒng)計(jì)與決策， 2012（8）： 182-185.

[22]陸海霞，吳小丁，蘇立勛. 差評(píng)真的那么可怕嗎？——負(fù)面線上評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)行為的影響研究[J]. 北京社會(huì)科學(xué)， 2014（5）： 106-114.

[23]李琪，梁妮. 在線評(píng)論中產(chǎn)品評(píng)論和服務(wù)評(píng)論的感知有用性差異研究[J]. 軟科學(xué)， 2015（10） ： 101-104.

[24]閆強(qiáng)，孟躍. 在線評(píng)論的感知有用性影響因素——基于在線影評(píng)的實(shí)證研究[J].中國(guó)管理科學(xué)， 2013（S1）：126-131.

（責(zé)任編輯：秦 穎）