在線評論、感知有用性與新產品擴散的關系研究

陶曉波，張欣瑞，楊建坤，沈曉嶺,張 璋

(1.北方工業大學 經濟管理學院，北京 100144； 2.北京聯合大學，北京 100101)

?

在線評論、感知有用性與新產品擴散的關系研究

陶曉波1，張欣瑞1，楊建坤1，沈曉嶺1,張 璋2

(1.北方工業大學 經濟管理學院，北京 100144； 2.北京聯合大學，北京 100101)

本研究分析了在線評論的自身特征，同時引入感知有用性作為中介變量，構建了在線評論對新產品擴散的影響機理概念模型，并通過實證分析對這一模型展開了驗證。實證分析結果表明：在線評論數量和效價雖然都正向影響新產品的擴散，但是在線評論數量和效價對新產品擴散的影響存在負向的交互作用；感知有用性起到了部分中介作用，即在線評論數量和效價通過影響感知有用性影響新產品擴散；搜索品和體驗品具有不同的擴散模型。研究成果能夠為企業有效管理新產品的在線評論提供具體的指導，從而提高新產品擴散的效率。

在線評論；感知有用性；新產品擴散

一、引言

“十三五”時期是信息化引領全面創新、構筑國家競爭新優勢的重要戰略機遇期。從供給側看，推動信息化與實體經濟深度融合，有利于提高全要素生產率，提高供給質量和效率，更好地滿足人民群眾日益增長、不斷升級和個性化的需求；從需求側看，推動互聯網與經濟社會深度融合，創新數據驅動型的生產和消費模式，有利于促進消費者深度參與，不斷激發新的需求。這其中，依托在線評論信息促進新產品的擴散便顯得尤為重要。一方面，網絡購物早已成為消費者購物的新模式，越來越多的消費者在購物行為中將產品意見、經驗等信息通過論壇、留言板、聊天工具、購物網站、消費者評論網站等工具進行傳播，對經濟發展持續發揮著重要的影響，也為企業的新產品擴散帶來了良好的契機；另一方面，在線評論作為消費者生成的一種重要信息，成為了解商品性能和質量的主要渠道，是消費者制定購買決策時重要的參考指標，對于新產品擴散存在著重要的推動作用[1-2]。因此，理解、把握和運用在線評論對新產品擴散完整的影響機理非常必要。

在線評論指的是潛在或實際消費者在電子商務或第三方評論等網站上發表產品或服務的正面或負面觀點[3]，通過在線方式傳遞給大眾群體，也是用戶與商家之間的在線互動與信息交流。絕大部分的電子商務網站、社區型網站、第三方評論網站會為用戶提供星級評分以及撰寫評論功能等[4]。網購前先看在線評論已經成為很多網民的消費習慣，在線評論為消費者提供了更多、更真實的產品信息，降低購買風險，幫助其做出購買決策[5-6]。在線評論近年來吸引了研究人員的廣泛關注，積累出豐富的研究成果。已有研究提取了多個自變量，研究了在線評論對感知有用性、產品評價、產品購買等因變量的影響。Chevalier等研究表明，大多數的評論信息是正面的，極低星級排名要比極高星級排名影響作用顯著；在線評論數量增加促使銷售額增加[7]。Liu從Yahoo Movies影評網站中選取40部影片的12000余條評論對網絡口碑進行了研究，研究表明評論數量影響上映后前幾周票房，評論的傾向性不重要[8]。郝媛媛等的研究指出：正向積極評論的有用性比較高；正向情感和負情感的混雜程度比較高的感知有用性較高[9]。Zhu等人根據Game Sport.com評論數據和NPD中的行業銷售數據進行分析后得出，評論對知名度不高的游戲和擁有玩家經驗比較豐富的游戲的影響作用比較顯著；同一類別中不同產品受消費者評論的影響存在差異[10]。Cui從亞馬遜中獲取9個月的近340條新產品(電子產品和游戲)評論，分析后得出，評論偏向對搜索型產品的銷售作用比較顯著，而評論數量則對體驗型產品的銷售作用比較顯著；消極評論比積極評論的影響作用顯著[11]。You等人則進一步通過元分析，將在線評論領域的現有研究主線提煉為在線評論對產品銷售的作用機理[12]。上述研究成果對研究在線評論與新產品擴散之間的關系提供了重要的理論指導。

綜上所述，已有研究從在線評論自身特征(數量、效價)、在線評論參與者(發送者與接收者)以及感知有用性等方面研究了在線評論對新產品擴散的影響。但在線評論對新產品擴散比較完整的影響機理目前仍未獲得足夠清晰的理解。特別地，在線評論對新產品擴散的影響，不是其直接影響因素的簡單相加，各種影響因素之間也存在著相互作用。同時，在線評論數量越來越多，影響因素越來越繁雜，哪些因素能夠更好地吸引消費者的關注，讓消費者感覺到有用，從而影響到消費者決策？對于搜索品和體驗品兩種類型產品的擴散模型是否有差異？哪些因素的影響作用更加顯著？這些都是值得進一步研究的問題。本研究將在已有研究基礎上，分析在線評論數量和效價在影響新產品擴散過程中的交互效應，探討感知有用性在其中發揮的中介作用，并探究產品類型在其中發揮的調節效應，通過對影響機理更為系統深入的理解與把握，更好地依托在線評論提升我國新產品擴散工作的效率與效果。

二、理論回顧與研究假設

(一)理論回顧

本研究從新產品擴散的理論基礎——BASS模型出發，分析了在線評論的自身特征，并引入感知有用性作為中介變量，構建了在線評論對新產品擴散的影響機理概念模型，并通過實證分析對這一模型展開了驗證。BASS模型提出新產品投入市場后主要受到以下傳播途徑的影響：一是大眾媒介(mass media)，主要傳播是新產品容易得到驗證的性能，比如新產品的大小、價位、顏色以及相關性能等；二是消費者之間的口頭交流(word-of-mouth)，主要為已購買消費者對潛在消費者的宣傳，主要傳播新產品不容易得到驗證的性能，比如商品購買是否便利、使用是否可靠及是否經久耐用等。Bass模型奠定了新產品擴散的理論研究方向，并在實踐領域中得到廣泛應用，起初對電冰箱、電視機、空調、洗衣機等耐用消費品的擴散進行過很好的預測，后來被IBM、柯達等知名公司采用，成功進行了技術型新產品的擴散預測。

(二)研究假設

(1)在線評論對新產品擴散的影響

在線評論數量的多少代表著用戶對該新產品的喜愛程度。Duan研究發現電影的在線評論數量及票房的收入會促進評論數量的增加，評論數量的增多反過來又會促進票房收入的升高[13]。Cui實證分析表明在電子產品和視頻游戲的早期推廣階段在線評論起著重要的影響作用，之后影響作用逐漸降低[11]。Chen通過對書籍的實證研究表明，書籍評論的數量與其推廣速度存在較為顯著的正相關作用[14]。借助于在線評論具有的獨特優勢，學者研究發現，在線評論數量和新產品的推廣存在積極的聯系，于麗萍等實證分析表明，在線評論數量增多會增加消費者的購買意向，促使消費者做出購買的決定從而促進新產品推廣[15]。當在線評論數量很多時，則表示購買者很多，起到了宣傳，擴大知名度的效果，同時也會在社會上形成流行的壓力。基于社會心理學中的從眾理論，潛在消費者會以多數人的看法為準則，做出符合大多數人的行為的決策。從眾壓力一旦形成，會使消費者在不能判斷出新產品好壞的情況下，自覺以大多數人的意見為準則進行購買，從而促進新產品擴散。本研究據此提出假設：

H1：在線評論數量正向影響新產品擴散。

在線評論效價代表著購買者對新產品購后的滿意程度，一般用評分或星級表示。在線評論的效價越高，代表著購買者對新產品的滿意度比較高，證明新產品的價值或屬性比較高，將增加其他消費者的購買信心，從而有助于新產品的推廣；在線評論效價越低，消費者的滿意度越低，這是因為消費者負面偏見的存在，會阻礙新產品擴散。Cui通過跟蹤亞馬遜電子產品等新產品銷量，證明了負面偏見的存在，并且證明了負面評論比正面評論對新產品的影響要大。正面積極的在線評論會增加潛在消費者的購買信心，負面消極的在線評論阻礙新產品的推廣[11]。Chatterjee的研究表明在線書評效價越高越會促進圖書的推廣[16]。Zhang的研究發現消費者就餐后的評論評分與餐廳的喜愛程度存在正相關關系[17]。Reinstein研究表明消費者的評論效價會正向促進新產品的推廣[18]。

在線評論效價對新產品擴散的影響是比較直觀并且明晰的。亞馬遜網站提供的在線評論效價為1-5星，在線評論效價越高，代表已購買消費者對該產品或服務獲得的評價越高，潛在消費者感知到的該產品的質量就會越高。基于微觀個體決策理論，當個體感知到新產品的主觀價值越高時，越會做出購買的決定。因此，在線評論的效價越高，新產品擴散的速度就會越快。本研究據此提出假設：

H2：在線評論效價正向影響新產品的擴散。

當前學者更多地將在線評論數量和效價分割開來，各自研究其對新產品擴散的影響，并沒有具體深入研究在線評論數量和效價之間的交互作用。Duan研究發現，當新產品在線評論比較多時，雖然這些評論中既有高效價的積極評論，也有低效價的消極評論，但潛在用戶會更加深入和全面了解該新產品的相關屬性和性能，因此會更大限度影響潛在用戶的購買決策[19]。在線評論數量和效價對于新產品擴散的影響不能夠單一分割開來，兩者間存在一定的交互作用。在線評論效價低且低效價評論數量多時，會增加潛在消費者對該新產品的質量或性能等方面的懷疑，阻礙潛在消費者的購買和新產品擴散；相反，當在線評論效價高，并且數量越來越多時，會誘導消費者購買，從而促進新產品擴散。本研究據此提出假設：

H3：在線評論效價和數量在對新產品擴散的影響過程中存在正向交互作用。

(2)感知有用性的中介作用

當消費者搜尋關于新產品的信息時，消費者更加關注那些感覺有用的評論。有用的在線評論將會增加潛在消費者做出是否購買決策的確定性，從而影響新產品的推廣速度。彭敏鈺使用層次分析法，從在線感知有用性、評論者的背景等七方面構建了在線評論影響消費者購買意愿的影響模型，并賦予在線感知有用性最高的權重[20]。

在線評論數量代表著其他用戶所能搜尋到某一新產品有關信息量的多少，當消費者搜尋相關信息時發現在線評論數量很多，則會認為很多購買者認同此類新產品[21]。因此，在線評論數量增多將會提高消費者的感知有用性。消費者在線評論效價代表消費者滿意度，消費者在感知到非常滿意或者不滿意的情況下，進行在線評論的可能性更高[22]，而這種深入的評論更有用。中立在線評論，由于深入度低，無法為消費者提供有價值的商品評價信息，從而其參考性相對較小。并且極端評論的有用性已經得到學者的證實。Pavlou證實了極端評論可以讓消費者獲得較為真實的新產品信息[23]。金立印認為低效價評論對潛在消費者的阻礙作用要大于高效價的促進作用[24]。

綜上可知，一方面在線評論數量增多和效價提高將會提高潛在消費者的感知有用性，另一方面，潛在感知有用性提高，會勸說潛在消費者做出購買行為，從而推動新產品擴散。由此可知，感知有用性會是在線評論和新產品擴散之間一個重要的中介變量，并在其中起到了部分中介的作用。由此，本研究提出以下假設：

H4：在線評論數量越多，感知有用性越高，從而越促進新產品擴散。

H5：在線評論效價越高，感知有用性越高，從而越促進新產品擴散。

(3)產品類型的調節作用

本研究借助Nelson產品分類方法，將在線產品分為搜索品和體驗品兩種類型，搜索品如地毯、鞋子、家具和電子產品等，消費者在購買前可以根據具體的屬性進行評估；體驗品如香水、電影和書籍等，需要親身的體驗或感覺，很難用具體的屬性來衡量，并且不同的消費者或許有不同的體驗[25]。對于體驗品，潛在消費者會更重視尋找產品信息的深度，對于搜索品，潛在消費者會更重視尋找產品信息的廣度[26]。盡管用戶會利用在線評論幫助自己做正確的購買決策，但用戶在購買體驗品時會更加依賴在線評論[27]。消費者在對搜索品與體驗品做出購買決定時，有著不同的在線評論需求，這體現出兩種類型的產品對在線評論影響新產品擴散有著不同的路徑依賴。

鑒于網絡的虛擬性，消費者不能借助互聯網對體驗品的便利性、味覺等具體屬性進行體驗，并且消費者對于體驗品的評價也是異質性的，并不能代表體驗品的質量。此時，外部的影響因素比如產品的流行性將會對消費者購買決策產生更重要的作用[28]，在線評論數量的增多也會提高消費者對體驗品感知的有用性，進而推動體驗品的擴散。但是對于搜索品，消費者通過網上的搜索渠道可以很容易的搜集到關于產品的屬性或功能的信息，在線評論效價提高時會提高消費者對搜索品的感知有用性進而推動搜索品的擴散，因此在線評論效價將會影響消費者做出搜索品的購買決定。綜上可知，搜索品會更多受到在線評論效價的影響，而體驗品會更多受到在線評論數量的影響。本研究據此提出假設：

H6：對于搜索品而言，在線評論的效價通過感知有用性影響新產品擴散的作用要高于在線評論數量通過感知有用性影響新產品擴散的作用。

H7：對于體驗品而言，在線評論的數量通過感知有用性影響新產品擴散的作用要高于在線評論效價通過感知有用性影響新產品擴散的作用。

在上述假設的基礎上，本研究借鑒已有文獻的研究過程，把價格作為控制變量，以更好地驗證研究假設。研究理論模型如圖1所示。

圖1 本研究理論模型圖

三、研究方法

(一)樣本選擇與數據來源

借鑒已有文獻的做法，本研究將數碼產品作為搜索品的代表，將圖書作為典型體驗品的代表。在亞馬遜網站上針對五種搜索品(Nikon尼康COOLPIXP900s便攜數碼相機、Canon佳能EOS70D數碼單反套機、HUAWEI華為P8 4G手機(白色，雙卡雙待)、Olympus微型單電電動變焦鏡頭套機、Casio卡西歐EX-TR500數碼相機)和五種體驗品(《溝通的藝術：看入人里，看出人外》、《姑娘，歡迎降落在這殘酷世界》、《宿命：孤獨張藝謀》、《歷史的教訓》、《從0到1：開啟商業與未來的秘密》)的相關變量，每周進行一次面板數據的搜集，最后共搜集取得23周的面板數據：橫截面是由十種新產品在每周組成的截面觀測值，縱剖面是一個23周的時間序列，本研究運用Stata12.0數據分析軟件進行相應數據的分析。

(二)變量測量

(1)自變量

本研究將在線評論數量和在線評論星級定義為自變量，在線評論數量用消費者評論數量總數衡量；在線評論的效價用亞馬遜公布的平均星級值代替。

(2)中介變量

本研究引入在線感知有用性作為中介變量。感知有用性是指潛在消費者在瀏覽完評論后會對該評論是否有用做出投票，亞馬遜網站會對有用投票數量進行統計，并計算有用人數所占比例。很多學者采用累計有用票數對投票數的比例代表評論的有用性，感知有用性的值是一個0到1的連續值，因此本研究采用評論有用票數與總投票數的比值來衡量感知有用性，然后將每條感知有用性進行加權平均，得出每周在線感知有用性的均值，用其衡量感知有用性。

(3)因變量

本研究將新產品擴散作為因變量。亞馬遜并不公開產品銷量的數據，但亞馬遜每天都會對產品的銷量進行排名。學者的研究表明產品銷售排名和銷售額關系是帕累托最優關系，這意味著ln(產品銷量)和ln(產品排名)之間存在線性關系，即ln(產品銷量)=a + b * ln(產品排名)，這種線性關系已經在圖書、電子產品、女士服裝等獲得證明，考慮到已有研究曾在分析中用產品排名代表產品銷量[29-30]，本研究采用亞馬遜網站的每周銷售排名來代替該周的銷售量，產品排名越大，則銷量越少，產品擴散速度越慢；產品排名越小，則銷售量越多，產品擴散速度越快。

(4)控制變量

為了很好地控制價格對新產品銷量的影響，本研究只針對亞馬遜自營店產品的銷售價格進行同步跟蹤，從而更好地降低控制變量的干擾效應。

四、實證分析

(一)描述性統計分析

描述性統計分析結果見表1。

表1 描述性分析結果

由表1看出所挑選的十種新產品中，在線評論數量均值有94.6條，標準差為108.9，表明每種新產品的在線評論數量差異比較大；同時衡量新產品擴散速度的產品排名均值為1426.3，標準差為2291.3，產品排名的差異性很大，最小的排名為1，最大的排名達到13577，新產品的排名越大，證明其擴散速度越慢，而產品排名越小，證明其擴散的速度越快，產品排名與新產品擴散速度成反比。十種產品的價格差異性也非常顯著，最小的價格為13.8元，最大的價格為8999元，其標準差最大為3248.645。

分別對搜索品和體驗品進行數據分析，打開搜索品和體驗品的數據表格，在Command命令框中，輸入程序，即可得搜索品和體驗品的描述性分析結果，如表1。搜索品產品均價為5498.8元，而體驗品(圖書)的均價是28.01元，兩者相比差異性比較大，體驗品(圖書)的均價相對來說比較低。體驗品和搜索品的產品排名分別為1231.661和1621，標準差分別2039.695和2511.8，標準差的值都比較大，表明搜索品和體驗品每種產品的排名差異比較大。同時，無論體驗品還是搜索品的平均評論效價都比較高，超過了4.5，表明消費者對這十種產品的滿意度比較高。

(二)假設檢驗

本研究借助Stata12.0軟件，首先研究新產品擴散的各個變量之間的關系。然后分別對自變量(數量、效價)和因變量(排名)，自變量(數量、效價)和中介變量(感知有用性)，中介變量(感知有用性)和因變量(排名)之間的關系進行豪斯曼檢驗，確定固定效應和隨機效應方式：當豪斯曼檢驗值小于0.1時，適合固定效應檢驗。當豪斯曼檢驗值大于0.1時，適合隨機效應檢驗。最后根據數據分析結果，確定感知有用性的中介作用，并分別對搜索品和體驗品進行獨立分析。

(1)總體分析

運用 Stata12.0軟件分析獲得五個變量間的Pearson相關系數，見表2。變量間相關分析初步檢驗各個變量間是否存在相關關系，是否存在一定程度的聯系。

表2 五個變量間的Pearson相關性系數

注：*表示在0.01的水平上顯著。

由表2可以看出，在線評論數量和效價與新產品排名中等程度相關，并且在0.01的顯著水平上顯著；在線評論的數量和效價與感知有用性中等程度相關，并且在0.01的顯著水平上顯著；感知有用性與因變量新產品排名中等程度相關，并且在0.01的顯著水平上顯著；控制變量價格與感知有用性和產品排名中等程度相關，并且在0.01的顯著水平上顯著。

為了更好地研究變量間的關系，使用Stata軟件展開進一步分析，分析結果如表3所示。模型1對在線評論數量和效價、兩者之間交互作用及價格對新產品擴散的影響進行了回歸分析。模型2對在線評論數量和效價、兩者之間交互作用及價格對感知有用性的影響進行了回歸分析。模型3對在線評論數量和效價、兩者之間交互作用、價格及感知有用性對新產品擴散的影響進行了回歸分析。

由模型1可知，對于控制變量價格(price)，其P值為0.026，小于0.05，價格對新產品擴散的影響是顯著的，同時回歸系數為14.011，證明價格的上漲會增加新產品的排名值，阻礙新產品擴散。對于數量和效價對排名的影響，其P值小于0.05，因此數量和效價對于新產品擴散的影響是非常顯著的，同時，兩者的回歸系數都為負，表明在線評論數量和效價增多將會降低新產品的排名值，促進新產品擴散，從而接受假設H1和假設H2。由模型2可知，價格對于感知有用性影響的P值為0.121大于0.05，其效果并不顯著。而在線評論數量、效價及其交互作用對感知有用性的P值小于0.05，并且回歸系數為正，表明在線評論數量和效價的增多會提升感知有用性，因此，在線評論數量和效價顯著正向影響感知有用性。由模型3可知，感知有用性的P值為0.023，并且感知有用性的回歸系數為-3576.853，表明感知有用性提高一個星級將會使產品排名數值降低3576.853個單位，從而促進新產品擴散，即感知有用性正向影響新產品擴散。在線評論數量和效價對感知有用性正向的影響作用是顯著的，并且感知有用性正向影響新產品擴散。在線評論數量和效價通過產品有用性影響新產品的擴散，在線評論的有用性的部分中介作用是顯著的，支持假設H4和H5。

表3 在線評論﹑感知有用性和新產品擴散之間關系的檢驗結果

注：*表示在0.05的水平上顯著，**表示在0.01的水平上顯著。

在線評論數量和效價的交互作用對新產品擴散的影響也是非常顯著的，其P值小于0.05，而在線評論數量和效價回歸系數為-231.06，表明兩者之間存在負的交互作用。

由固定效應檢驗結果，可知回歸公式為：

Y=14.011*價格-1021.72*數量-1021.2*效價-231.06*數量*效價

在已搜集的數據中選擇效價為4.6與效價為4.7的兩組數據進行分析，并分別挑選兩個在線評論數量值，帶入公式共獲得四組數據，而后繪制趨勢線圖，如圖2。從圖2可以發現，低效價的斜率絕對值要高于高效價的斜率絕對值，即當效價比較低時，在線評論數量對提高產品排名的促進作用，要強于效價較高時，數量對提高產品排名的促進作用，由此可知，在線評論數量和效價之間存在負向的交互作用，拒絕假設H3。

(2)搜索品分析

首先對搜索品自變量、控制變量和因變量關系進行回歸分析(模型4)；然后，對自變量和控制變量對感知有用性的關系進行分析(模型5)；最后，對搜索品自變量、控制變量和中介變量對新產品擴散的影響機理進行分析(模型6)。分析方法均采用豪斯曼檢驗，分析結果見表4。

由模型4可知，價格對于搜索品新產品擴散的影響p值為0.02，小于0.05，回歸系數為1.5，其負向的影響作用是顯著的；效價的顯著性概率為0.000，同時，回歸系數為-1076.87，表明在線評論效價對于搜索品擴散的正向影響是顯著的，而在線評論數量對于新產品排名影響的P值為0.315遠大于0.05，其效果是不顯著的。因此，在線評論效價正向影響搜索品的擴散，在線評論數量對搜索品擴散的影響作用并不顯著。由模型5可知，搜索品在線評論效價和數量對感知有用性影響的P值小于0.05，同時回歸系數為正，表明搜索品在線評論效價和數量正向影響感知有用性。由模型6分析得出在線評論的效價P值為0.002，感知有用性P值為0.000，都小于0.05，兩者的回歸系數都為負，因此在線評論效價和感知有用性正向影響新產品擴散。價格和在線評論數量對產品排名影響的P值分別為0.164和0.205，大于0.05，因此價格和在線評論數量對產品排名的影響并不顯著。

表4 搜索型產品檢驗結果

注：*表示在0.05的水平上顯著，**表示在0.01的水平上顯著。

綜合以上對搜索品的分析可以發現，對于搜索品，在線評論效價通過感知有用性顯著影響新產品擴散，感知有用性在評論效價對新產品擴散的影響中起到部分中介作用；而評論數量并不直接影響新產品擴散，需通過影響感知有用性，進而影響新產品擴散，因此，感知有用性在評論數量影響新產品擴散的過程中起完全中介作用，假設6得到部分支持。至此，本研究得出在線評論對搜索型新產品擴散的影響機理模型圖，如圖3所示。

圖3 在線評論對搜索型新產品擴散的影響模型

(3)體驗品分析

接下來驗證體驗品的調節作用。首先分析體驗品自變量在線評論數量和效價與因變量新產品擴散的關系(模型7)；然后對體驗品自變量和感知有用性進行分析(模型8)；最后，對體驗品自變量、中介變量與新產品擴散進行綜合分析(模型8)。分析方法均采用豪斯曼檢驗，分析結果見表5。

由模型7可知，對體驗品而言，價格對于新產品擴散的影響p值為0.454，遠大于0.05，因此對于體驗品，價格的影響并不顯著。同時，在線評論效價對體驗品擴散的P值為0.418，大于0.05，

因此在線評論效價對體驗品的作用也不顯著。而在線評論數量對體驗品擴散影響的P值為0.000，小于0.05，并且回歸系數為-1202.765，因此，在線評論數量正向影響體驗品新產品擴散。在模型8中，可以發現在線評論數量和在線評論效價對感知有用性影響的P值都為0.000，小于0.05，并且兩者的回歸系數都為正，由此，在線評論數量和效價正向影響體驗品的感知有用性。模型9發現對于體驗品，感知有用性P值為0.063，接近0.05，并且回歸系數為-4832.248，因此感知有用性正向影響體驗品新產品擴散。而在線評論數量對體驗品擴散影響的P值為0.002，小于0.05，其顯著作用進一步得到驗證；在線評論效價對體驗品擴散影響的P值為0.78，大于0.05，其不顯著作用得到進一步驗證。

綜合以上對體驗品的分析可以發現：對于體驗品，在線評論數量通過感知有用性顯著影響新產品擴散，感知有用性在評論數量對新產品擴散的影響過程中起到部分中介作用；而評論效價并不直接影響新產品擴散，需通過影響感知有用性，進而影響新產品擴散，因此，感知有用性在評論效價影響體驗型新產品擴散的過程中起到完全中介作用，假設7得到部分支持。同時，分析也發現，對于體驗品，價格對新產品擴散的影響作用并不顯著。至此，本研究得出在線評論對體驗型新產品擴散的影響機理模型圖，如圖4所示。

表5 體驗型產品檢驗結果

注：*表示在0.05的水平上顯著，**表示在0.01的水平上顯著。

圖4 在線評論對體驗型新產品擴散的影響模型

五、結論與啟示

(一)研究結論

本研究從新產品擴散的理論基礎——BASS模型出發，分析了在線評論的自身特征，并引入感知有用性作為中介變量，構建了在線評論對新產品擴散的影響機理概念模型，并通過實證分析對這一模型展開了驗證。實證分析結果表明：(1)在線評論數量和效價雖然都正向影響新產品擴散，但是在線評論數量和效價對新產品擴散的影響存在負向的交互作用，當效價越高時，在線評論數量對新產品擴散的作用越小。(2)感知有用性起到了部分中介作用，即在線評論數量和效價通過影響感知有用性影響新產品擴散。(3)搜索品和體驗品具有不同的擴散模型，對于搜索品，在線評論效價既直接影響新產品擴散，又通過影響消費者的感知有用性影響新產品擴散，而在線評論數量只通過影響消費者的感知有用性影響新產品擴散；對于體驗品，在線評論數量既直接影響新產品的擴散，又通過影響消費者的感知有用性影響新產品擴散，而在線評論效價只通過影響感知有用性影響新產品的擴散。本研究的理論意義在于：發現了在線評論數量和效價之間的負向交互作用、感知有用性的中介作用以及不同類型新產品擴散模型之間的差異，從而豐富了本領域的已有研究成果。

(二)對策建議

根據上述研究結論，本研究給出以下幾個方面的對策建議。

(1)當企業發布新產品遇到評論效價比較低的情況時，應當一方面對消費者積極進行反饋，爭取最大限度提高評論效價，另一方面也應采取各種措施，諸如獎勵性的措施來吸引更多的消費者購買，同時引導已購買的消費者積極進行評論，來增加在線評論的數量。原因在于在線評論數量的增加會產生較大的正向影響，從而緩解在線評論效價對新產品擴散的阻礙作用，最大限度地合理利用在線評論。

(2)企業需加強關注感知有用性高的評論，并建立針對高有用性差評的應急處理機制，最大限度減少高有用性差評的數量，增加高有用性好評的數量。有用的好評可以起到很好的宣傳效果，而有用的差評將會降低潛在消費者的購買興趣，因此企業要對有用的差評及時進行反饋，爭取已購買者的諒解，降低有用評論的殺傷力，增強用戶粘性。同時，也為了避免個別用戶進行刻意消極，減少給商家和用戶造成的損失，企業要及時進行相關信息更新，積極采取補救措施。

(3)對于發布搜索型新產品的企業來說，應該有效利用互聯網平臺，對企業的搜索型產品進行有效的網絡營銷宣傳，特別是做好已購買的消費者低分評價的反饋工作，對低分評價的消費者進行及時溝通，建立良好的互動關系，找出存在的原因，客觀分析并予以解決，提高已購買者的滿意度，最大限度地提高搜索型產品的在線評分，可以直接讓潛在消費者感到滿意，從而增加購買的意向，促進搜索型產品的推廣作用。

(4)對于發布體驗型新產品的企業而言，可以釆取諸多獎勵性的措施引導更多的已購買消費者進行在線評論，形成一種流行效應，利用消費者的從眾心理促進消費者購買。流行效應的宣傳效果大于廣告宣傳效果，同時成本也非常低，因此體驗型企業采取措施增加購買消費者的數量是新產品快速擴散的關鍵。

(5)企業應當根據影響新產品的不同類型設計更為合理的網站功能。對于體驗型的產品，可以設計以評論數量為主的網站形式，讓消費者第一時間看到的是評論數量的多少；對于搜索型產品，可以設計以評論效價為主的網站形式，讓消費者直接看到已購買消費者對于評論的效價高低，這樣可以最大限度降低消費者的搜尋成本，一方面可以直接更加快速、有效的影響新產品的擴散，另一方面也可以吸引更多消費者的前來關注、購買，增加網站的知名度和點擊率。

[1]龔艷萍，黃 凱，張 琴，等. 新產品預告的時間距離、消費者在線評論及其購買目標的關系研究[J]. 研究與發展管理，2015，27(4): 36-44.

[2]杜曉夢，趙占波，崔 曉. 評論效價、新產品類型與調節定向對在線評論有用性的影響[J]. 心理學報，2015(4): 555-568.

[3]Chen Y, Xie J. Online consumer review: Word-of-mouth as a new element of marketing communication mix [J]. Management Science, 2008, 54(3): 477-491.

[4]殷國鵬. 消費者認為怎樣的在線評論更有用?——社會性因素的影響效應[J]. 管理世界，2012(12): 115-124.

[5]王 軍，丁丹丹. 在線評論有用性與時間距離和社會距離關系的研究[J]. 情報理論與實踐，2016，39(2): 73-77.

[6]苗 蕊. 在線評論有用性研究綜述[J]. 中國管理信息化，2014(18): 126-128.

[7]Chevalier J A, Mayzlin D. The effect of word of mouth on sales: online book reviews [J]. Social Science Electronic Publishing, 2004, 43(3): 345-354.

[8]Liu Y. Word ofmouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 7(3): 74-89.

[9]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(8): 78-96.

[10]Zhu F, Zhang X. Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics [J]. Journal of Marketing, 2010, 74(2): 133-148.

[11]Cui G, Lui H K, Guo X. The effect of online consumer reviews on new product sales [J]. International Journal of Electronic Commerce, 2014, 17(1): 39-58.

[12]You Y, Vadakkepatt G G, Joshi A M. A meta-analysis of electronic word-of-mouth elasticity [J]. Journal of Marketing, 2015, 79(2): 19-39.

[13]Duan W, Gu B, Whinston A B. Do online reviews matter? an empirical investigation of panel data [J]. Decision Support Systems, 2008, 45(4): 1007-1016.

[14]Chen P Y S, Wu S Y, Yoon J. The impact of online recommendations and consumer feedback on sales [C]. International Conference on Information Systems, 2004: 711-724.

[15]于麗萍，夏志杰，王冰冰. 在線評論對消費者網絡購買意愿影響的研究[J]. 現代情報，2014(11): 34-38.

[16]Chatterjice P. Online review: do consumer use them [J]. Advances in Consumer Research, 2001(28): 133-139.

[17]Zhang Z, Ye Q, Law R, Li Y. The impact of e-word-of-mouth on the online popularity of restaurants: A comparison of consumer reviews and editor reviews [J]. International Journal of Hospitality Management, 2010(29): 694-700.

[18]Reinstein D A, Snyder C M. The influence of expert reviews on consumer demand for experience goods: A case study of movie critics [J]. The Journal of Industry Economics, 2005, 53(1): 27-51.

[19]Duan W J. The dynamics of online word-of-mouth and product sales-an empirical investigation of the movie industry [J]. Jornal of Retailing, 2008, 84(2): 233-242.

[20]彭敏鈺，肖 婷，李旭芳. 在線評論對消費者行為意愿的影響研究[J]. 河南科技，2014(15): 219-220.

[21]廖成林，蔡春江，李 憶. 電子商務中在線評論有用性影響因素實證研究[J]. 軟科學，2013(5): 46-50.

[22]NgaN, Ho-Dac, Stephen J, et al. The effects of positive and negative online customer review: Do brand strength and category maturity matter? [J]. Journal of Marketing, 2013, 77(6): 37-53.

[23]Pavlou P, Liang H, XueY. Uncertainty and mitigating uncertainty in online exchange relationships: A principal-agent perspective [J]. MIS Quarterly, 2007, 31(1): 105-136.

[24]金立印. 網絡口碑信息對消費者購買決策的影響[J]. 經濟管理，2007，22(2): 36-43.

[25]Nelson P. Information and consumer behavior [J]. Journal of Political Economy, 1970, 78(2): 311-329.

[26]Huang P, Lurie N H, Mitra S. Searching for experience on the web: an empirical examination of consumer behavior for search and experience goods [J]. Journal of Marketing, 2013, 73(2): 55-69.

[27]Levin R P. Commentary: online reviews and other digital marketing strategies [J]. Journal of Periodontology, 2017, 88(2): 135.

[28]Lee S H. The role of consumers’ network positions on information-seeking behavior of experts and novices: A power perspective [J]. Journal of Business Research, 2014, 67(1): 2853-2859.

[29]Floyd K, Freling R, Alhoqail S, et al. How online product reviews affect retail sales: A meta-analysis [J]. Journal of Retailing, 2014, 90(2): 217-232.

[30]李 健. 在線商品評論對產品銷量影響研究[J]. 現代情報，2012(1): 164-167.

(本文責編：辛 城)

Online Reviews, Perceived Usefulness and New Product Diffusion

TAO Xiao-bo1，ZHANG Xin-rui1，YANG Jian-kun1，SHEN Xiao-ling1，ZHANG Zhang2

(1.CollegeofEconomicsandManagement,NorthChinaUniversityofTechnology,Beijing100144,China; 2.BeijingUnionUniversity,Beijing100101,China)

Based on Bass model and the characteristics of online reviews, this paper introduces consumer perceived usefulness as a mediator, product type as the moderator, and proposes a model on impact of online reviews on new product diffusion. We bring forward to the influence mechanism model, which is tested by an empirical analysis. Results show that volume and valence of online reviews both have positive impact on diffusion of new product, and there is a negative interaction between the volume and valence of online reviews. Consumer perceived usefulness plays a mediating role, search products and experience products have the different diffusion model. For enterprises, this research will help them effectively manage online reviews of new products, and improve the efficiency of new product diffusion.Key words: online reviews; perceived usefulness; new product diffusion

2016-09-24

2017-04-18

國家自然科學基金青年項目(71202136)；北京市青年拔尖人才個人項目(2016000026833ZS05)；北方工業大學優勢(建設)學科項目(XN081)；北方工業大學科研創新團隊項目(XN018008)。

陶曉波(1981-)，男，重慶云陽人，北方工業大學經濟管理學院副教授，博士，研究方向：網絡環境下的技術創新與商業模式創新。通訊作者：張 璋。

F204

A

1002-9753(2017)07-0162-10