在線評論對商家業績影響研究

陳火全

(泉州師范學院 創新創業學院,福建 泉州 362000)

隨著網絡技術和物流技術的發展，網絡購物成為時下流行的購物方式。它具有產品價格低、商品種類多、節約時間和體力的優勢，但其虛擬性也意味著消費者無法像傳統渠道那樣看到商品實體，因此網絡購物會面臨較大的不確定性和風險。此時，作為新的網絡口碑形式，在線消費者評論在消費者網絡購物決策中扮演著越來越重要的角色，并成為一個新興的市場現象。在線消費者評論(Online Reviews)，又稱在線評論( Online Consumer Reviews，OCRs)或消費者產生的內容( User-generated Content) 。Park,D.H.和J.Lee( 2009) 指出，在線消費者評論是網絡口碑(Electronic Word of Mouth,eWOM)的一種類型，是消費者對網絡購物場所提供產品的正面或負面評價[1]；Mudambi,S.M.和D.Schuff( 2010) 將其定義為同樣身份的人發表在企業或第三方網站的產品評價[2]。

在線評論對商家來說是一把雙刃劍，一方面消費者可以通過在線評論了解產品的信息，減少商家的銷售成本；另一方面在線評論的質量對產品的銷量產生重要影響。負面的評價內容對產品的銷售量會產生消極的影響，這樣，商家就會被第三方評價平臺所制約，對其產生依賴性；而正面的評價內容對提升產品的銷量具有重要作用。Chrysanthos Dellarocas[3]和Yubo Chen[4]等人研究提出在線產品評論已經成為新時代企業重要的營銷手段，在企業產品網上銷售過程中充當著企業銷售助理的作用，它對企業的銷量具有明顯的杠桿作用。越來越多的國內外學者已經在研究在線評論內容與產品銷量之間的聯系,他們的研究也表明,在線產品評論的分數與產品的銷量呈正相關關系。然而他們研究的前提假設是:假設顧客的購買決策只受到在線產品評論得分的影響，卻忽視了在線產品評論其他方面的信息,像評論內容的質量、評論者的資信度、評論者的時效性、評論數量等對用戶購買決策的影響,而這些因素能夠反映出評論的真實質量，對購物者具有重要的參考價值。

本文在前人分析的基礎之上，以數碼相機的在線評論為研究對象,重點研究在線評論內容質量、評論者資信度、評論的時效性等各方面因素對其產品銷量的影響，將產品銷量作為因變量，測量它對各影響因素變量變化的敏感程度，從中找出能夠對產品銷量產生顯著影響的因素，并利用交易成本經濟學原理對此結果進行解釋，并在此基礎上確定各影響因素對產品銷量的影響因子大小和在線產品評論與產品銷量的邏輯回歸模型，為以后企業的產品銷售策略提供參考，這也是本文的價值所在。

一、文獻回顧

在線評論的特征包括評論的數量(Quantity of Review)、質量(Quality of Review)、效價(Avalibity of Review)、時效性(Timeliness of Review)、星級評分(評論者資信度)(Reputation of Reviewer)等幾個方面[5-7]。目前國內外學者對在線評論的研究集中在：(一)在線評論的可信度研究，通過挖掘在線評論的可信度來提升在線評論的經濟價值。(二)消費者情感傾向的不一致對消費者決策影響的研究。在線評論消費者情感傾向的不一致導致后期顧客進入選擇的兩難境地。學者采用各種計算方法分析消費者的感情傾向，挖掘在線評論的價值。研究發現，學者們通過各種技術手段挖掘在線評論價值的根本目的在于實現在線評論的經濟價值，目前在這一方面的研究還剛剛起步。Liu[8](2006)，Duan[9](2008)，Duan&Bin[10](2008)等以電影為研究對象，Duan&Bin提出在線產品評論數量和票房收入都對在線產品評論數量產生影響，同時在線評論數量的增加反過來又會增加電影的票房收入,兩者之間是相互影響的；Liu得出在線產品評論對每周和總的票房收入都有影響，特別是對剛開始幾周的票房有顯著影響。但對在線評論負面傾向性百分比研究發現，影響票房收入的是在線評論總數而不是評論內容的結論；Duan的研究指出在線電影評論內容對電影的票房收入沒有多大影響，但是在線電影評論的數量對電影票房收入有顯著性影響；郝媛媛[11]等(2010)指出電影在線影評中正向情感、較高正負情感混雜度、較長句子對評論的有用性具有顯著的正面影響，這種正面的影響對電影票房的提升有很大作用。綜上所述可知，電影票房的收入受在線電影評論的影響，只是在線評論四個維度對票房量的影響存在差別。Godes[12]等學者(2004)通過對1999—2000電視節目進行研究，指出利用互聯網對電視節目進行評論的形式,增加電視節目評論數量，能夠很大程度上增加這個電視節目的收視率。Forman[13]等(2008)認為評論者相關的信息對消費者判別產品的質量和可信度有著較為重要的影響,評論者身份的公開化對書籍產品的銷量有著顯著性影響。Chen[14]等(2004)也以書籍為研究對象指出在線產品評論內容對產品銷量無明顯影響,而評論的數量與書籍產品銷量呈現正相關關系。Ye[15]等(2009)通過研究酒店預訂量與在線評論的關系指出在線評論內容的正負面與酒店預定量呈現正相關關系,而評論內容的多少與酒店的預定量無直接聯系。學者李建[16]研究在線評論對網上手機銷量的實證研究指出：手機產品的價格和評論者的威望對產品的銷量相關性不大，在線評論數量、商品的關注度、評論的時效性、顧客認為評論的有用率對在線手機銷量有顯著性影響,而評論的正負情感傾向性、商品的價格、評論者的威望對產品的銷量無明顯影響。消費心理學研究表明，消費者是帶著主觀情感色彩進行在線評論的，其內容可以大大觸發潛在顧客的心理訴求，進而影響其購買決策及商家業績。Chevaliar (2006)等研究發現評論數量越多與圖書銷量就越多，反之亦然，二者呈顯著正相關關系。Trusov[17](2009)等研究表明在線評論對消費者而言具有更大的說服性，會給企業帶來更多的消費者，商家業績也相應得到提高。劉順利[18](2013)通過實證研究分析了在線評論對產品銷量及商家業績的影響，并建議企業管理者主動對在線評論進行有效的引導和管理，從而提高銷量及商家業績。因此，商家的業績與在線評論緊密結合起來。代陸群[19](2014)得出平均得分、極端評論、評論內容、節省價格對搜索型產品銷量有顯著的正向影響，而評論標題、折扣、評論時間對搜索型產品銷量有顯著的負向影響；胡志海[20](2015)根據研究得出評論數量和評論得分對護膚品的影響顯著的結論。從以上的研究中可以看出，目前對在線評論經濟價值的挖掘主要表現在評論的數量與產品銷量的關系，本文將從在線評論的數量、效價、時效性、評論者的資信度、評論的質量等方面分析其對產品銷量的影響。

二、研究假設的提出

(一)評論的數量

目前的購物網站都可以根據產品的關注程度來檢索產品，這也就是說關注程度越高的產品被其他顧客看到的可能性也就越大。評論的數量越多，消費者從中看到的有用性也會越多，越有利于顧客了解產品，對消費者的購買決策影響越大。根據經濟學中交易成本的理論解釋是由于在線評論數量越多說明購買過此產品的人數越多，客戶都有從眾心理和風險規避意識,購買數量越多說明產品是得到大眾認可的，購買所帶來的不確定風險較低，交易成本較低。學者[3,11,15]通過實證研究得出在線評論的數量對產品的銷量有顯著影響。因此，提出本文的第一個假設，產品的在線評論數量會對產品的銷量產生顯著影響。

H1：在線評論的數量對產品的銷量有正向影響。

(二)在線評論的質量

在線評論的質量指評論內容的真實性、可靠性、內容與所評價產品的相關性、以及是否為后來的購買者提供了大量有用的信息。由于網絡環境的特殊性，會產生一些新的問題。賣家可能會注冊其它的用戶名，冒充買家對產品進行評價，這樣的評價就沒有任何的質量可言。同時，由于消費者自身能力素質的不同，他們關于產品知識的理解也不盡相同，因此他們發表的評論質量有高有低，不同的評論對后續購買者的購買決策的影響也是不一樣的。許多學者Pei-yu chen[21]、Samita Dhanascbhon[21]、Chatter jee(2001)[22]、Dellarocas[3]、Godes[12]、鄭小平[23]等都提出在線評論的質量對于產品的銷量有重要影響。因此本文提出第二個假設，在線評論內容的質量對產品的銷售量有顯著影響。

H2：在線評論內容的質量越高，產品的銷售量越好。

(三)在線評論的效價

在線評論的效價即評論內容的正面性和負面性價[24]，或在線評論的極性，也是指正負情感傾向。在線評論的效價反映的是一種整體正負程度，當在線評論中大多數為正面評論時，總體的評論效價就為正。在線評論的內容反映了顧客對產品的切實看法，基本上代表了產品的內在價值。從經濟學上來說它給了潛在購買者一個間接的商品使用體驗，使得他們能感受到產品的價值，幫助他們降低交易成本。從文獻綜述可以看出，學者Ye認為在線評論情感傾向性對產量的銷量有顯著的影響，正負面的情感傾向評價可以告知后續顧客產品是否值得購買，可能改變顧客原有的觀點。基于以上分析，本文提出第三個假設，在線評論內容的情感傾向性與產品的銷量正相關。

H3：在線評論的效價與產品的銷量正相關。

(四)在線評論的時效性

評論的時效性是指評論所包含內容的新舊程度，是否包含了最新產品的信息。盡管在線評論的數量能在一定程度反應出評論時間跨度的長久，但它們兩個是不同的概念，沒有必然的聯系。評論的時間跨度反應了評論的時效性，對于剛剛上架的產品，顧客對它們了解甚小，很大程度上依賴于在線評論的內容，同時由于是剛上市的產品，在線評論時間跨度也不會太大，新增的一條稍微傾向性較強的評論多會引起客戶的極大關注，當上市數周后評論數量增多，顧客對產品的了解渠道也趨于多元化，因此在線產品評論對銷量的影響會隨著評論時間跨度的增長而減弱。因此，提出本文的第四個假設，產品銷量隨著評論的時間跨度增長而減弱。

H4：評論的時間跨度(效價)與產品的銷量負相關。

(五)評論者的資信度

信用一詞最早起源于經濟學，它是指把某一財產的所有權讓渡，以獲得其他財產的所有權，貨幣銀行學中的信用指一種借貸行為。對于網上購物而言，評論者的資信度是指顧客的星級，也是指顧客的威望。這種威望是消費者長期購物過程中形成的，代表了后續購買者對其的信任和接收程度。網上消費者的評論質量參差不齊，因此顧客需要關注那些等級高、信用度好的評論者評論的內容。因為他們較高的威望值說明他們之前提供過高質量的評論，同時說明他們有責任地進行客觀評價產品。正由于評論者與購買者之間的信息不對稱，才使得顧客更加關注威望值高的評論者，來降低對產品質量的不確定感。因此提出理論假設5。

H5：評論者的資信度與產品的銷量正相關。

(六)其他因素

商品的價格和品牌是影響產品銷量的重要因素，預測任何商品銷量時都需考慮，因此提出理論假設H6 和H7。

H6:商品的價格與在線產品的銷量負相關;

H7:商品的品牌關注度與在線產品的銷量正相關。

三、研究數據與結果分析

(一)研究對象及其數據采集

本文選取經濟型數碼相機①為實證分析對象，采取淘寶網站價位為1200—2000元的352件商品②為研究對象。收集數據采集日商品的交易量、前一周的評論及其商品前兩頁的評論③來分析在線評論對商品銷售量的影響。在線評論的數量直接網站上得出；根據淘寶網默認排序的特點，評論的效價利用商品前兩頁的評論通過人工標注得出其中正面、中立、負面評論條數；在線評論的質量通過認為評論有用性的人數④得出；評論的時效性依據前兩頁中評論的時間距離數據采集日的時長；評論者的資信程度根據買家星級分布圖得出，根據淘寶網的規格分為鉆石級別、五星級別、四星級別、三星級別、二星級別、一星級別⑤；商品的交易數量抓取網站上的交易記錄得出；商品的價格直接從網站上抓取；品牌關注度直接從百度數碼相機品牌排行榜抓取。其中，第一個數據采集日所得數據，在淘寶網352件商品中27天中有交易記錄的商品有59件，而有效數據17組，以一周7天為周期，可得有效數據337個。

(二)結果分析

1.一元回歸分析

(1)品牌關注度與交易數量

一元回歸分析是分析一個自變量與應變量的關系。筆者統計了數據收集日數碼品牌排名度：尼康占市場份額23%、佳能占21%、索尼占20%、卡西歐占5%、柯達占1%。根據調查資料統計得出30天各品牌的交易數量分別為索尼333件、尼康99件、佳能995件、卡西歐255件、柯達52件。這說明數碼相機的品牌排名度與交易數量基本呈正相關關系，支持假設7。本文在研究中認為品牌關注度表現為評論數量對交易數量的影響，不再列入多元回歸分析中的自變量因素進行考量。

(2)商品價格與交易數量

根據國內外學者的研究結果得出商品的價格與商品的交易數量存在負相關關系。而本文的研究對象是指1200—2000元的實用性數碼相機，隨著人們生活水平的提高，消費者對不夠明顯的價格差距并不是很敏感，而且本文所選取的研究對象價格基本在同一水平。因此，本文剔除了價格這一因素對交易數量的影響，假設6在本文的研究中剔除。

(3)交易數量與評論數量

本文利用SPSS17.0對所收集的337個數據進行一元線性回歸分析。假設回歸方程為Y=aX+b。

第一，散點圖分析。利用SPSS17.0進行散點圖分析，取自變量評價數量為X軸，應變量交易數量為Y軸，線形擬合，置信區間95%，得出圖1。由圖1所示，交易數量與評論數量之間線形正相關，且這種相關性隨著評論數量的增加減弱，以評論數量數值20為分界點。這說明商品銷售初期受評論數量的影響較大，而后期這種影響會減弱。

圖1 交易數量與評論數量的關系圖

第二，回歸分析。由圖1所示，交易數量和評論數量之間存在相關性，線形回歸如表1所示。

表1 交易數量與評論數量的線形回歸表

a.All requested variables entered.

b.Dependent Variable:交易數量

表1表示交易數量與評論數量的線形回歸。

表2 擬合模型的情況匯總表

a.Predictors:(Constant)，評論數量

表2為擬合模型的情況匯總，如表中所示相關系數R=0.480，擬合優度R方=0.230，調整后的擬合優度=0.228，標準估計的誤差=3.919。由此可知，根據原始數據分析的一元線形回歸中交易數量與評價數量之間存在低中度正相關，R方的值偏小，說明回歸性不是很好，而且這種相關性會隨著產品銷售時間的加長而減弱。

第三，顯著性檢驗。由表3中所示的F統計值=100.179，P值=0，說明此假設是成立的，交易數量與評價數量存在正相關。進行T檢驗，得出a=0.136,b=1.778.

表3 方差分析表

a.Predictors:(Constant)，評論數量

b.Dependent Variable:交易數量

表4 Coefficients分析表

a.Dependent Variable:交易數量

綜合以上分析得到交易數量與評價數量的一元回歸方程為

Y=0.136X+1.778

①

這反映了1200—2000元實用型數碼相機交易數量與評論數量的線形關系，支持假設1。

2.多元回歸分析

在線評論對交易數量的影響是多方面的，而不僅僅表現為評價數量。如前文所示，在線評論包含在線評論的數量、有質量的評論、評論的效價、評論的時效性及其評論者的資信度等5個指標。本文收集了淘寶網中售價為1200—2000元的實用性數碼相機為期一周每日前兩頁(40條)的評論，通過人工標注收集商品有質量的評論條數、正面(負面、中立)評論的條數、時效性和評論者的資信度，對資料進行匯總整理，然后利用SPSS17.0軟件進行分析。

(1)相關分析

相關分析是為了判斷變量之間是否存在相關關系，通過相關關系分析可以從影響交易數量的眾多因素中判斷哪些因素影響是顯著的，哪些因素影響是不顯著的，結果如表5所示。

利用SPSS17.0作相關分析如表5所示， 由表中可知當顯著水平為5%時，所有的自變量與產品的成交量存在顯著相關關系，當顯著水平為1%時，“有質量的評論系數”與產品的銷量不那么顯著相關。而正面的評論條數(支持假設3)、評論的數量(支持假設1)、三星及以上的評論者人數(支持假設5)與產品的交易量顯著正相關，時效、負面的評論條數、二星及以下的評論者人數與產品的交易量負相關(支持假設4)。

表5 Correlations分析表

**.Correlation is significant at the 0.01 level (2-tailed).

*.Correlation is significant at the 0.05 level (2-tailed).

(2)回歸分析

通過相關分析得出自變量與應變量之間存在線性相關關系，進一步做回歸分析為了分析自變量與應變量之間的統計關系，側重考查數量變化關系，本文采用全回歸分析和多元分布回歸分析考查各自變量與交易數量的數量變化規律，進一步研究交易數量受自變量的影響程度。

第一，全回歸分析。設多元回歸方程Y=aX1+bX2+cX3+dX4+eX5+F。全回歸分析是指所有自變量一次性進入方程，而不考慮自變量對交易數量的影響程度，分析結果如表6所示。

表6 Coefficients分析表

a.Dependent Variable:交易數量

從表6中可以看出，回歸方程的統計量F值為35.806，P值為0.000，可見方程極其顯著。因此，前一周的評論數量(β=0.349，P=0.000)與交易數量成顯著正相關(支持假設1)、正面評論的條數(β=0.198，P=0.11)與成交數量顯著正相關(支持假設3)有質量的條數(β=0.056，P=0.438)與交易數量有正向影響、三星以上的評論者(β=0.340，P=0.000)占交易數量顯著相關(支持假設5)。評論的時效性(β=-0.291，P=0.000)與交易數量有顯著的負向相關關系(支持假設4)。由此可得回歸方程

Y=0.349X1+0.056X2+0.198X3-0.291X4+0.340X5-8.356

②

由表6可知，方程及其顯著但是質量這一自變量的因素P值不合理。因此，本文繼續選擇做逐步回歸分析。

第二，逐步回歸分析。逐步回歸分析的基本方法是對自變量X1、X2、X3、X4、X5，按它們對Y的貢獻大小進行比較，并通過F檢驗法，選擇偏回歸平方和顯著的變量進入回歸方程，每一步只引入一個變量，同時建立一個偏回歸方程。當一個變量被引入后，對原已引入回歸方程的變量，逐個檢驗它們的偏回歸平方和，如果由于引入新的變量而使得已經進入方程的變量變得不顯著時，則及時從偏回歸方程中剔除。在引入了兩個自變量以后，便開始考慮是否有需要剔除的變量。只有當回歸方程中的所有自變量對Y都有顯著影響而不需要剔除時，再考慮從未選入方程的自變量中，挑選對Y有顯著影響的新的變量進入方程。不論引入還是剔除一個變量都稱為一步。不斷重復這一過程，直至無法剔除已引入的變量，也無法再引入新的自變量時，逐步回歸過程結束。假設回歸方程Y=aX1+bX2+cX3+dX4+eX5+F，分析結果如表7所示。

表7 Excluded Variables分析表

a.Predictors in the Model:(Constant)，評價數量

b.Predictors in the Model:(Constant)，評價數量，三星及以上

c.Predictors in the Model:(Constant)，評價數量，三星及以上，時效

d.Predictors in the Model:(Constant)，評價數量，三星及以上，時效，正面

e.Dependent Variable:交易數量

由表7可知，質量這一自變量將被剔除。其余變量回歸分析結果如表8所示。

表8 Coefficients分析表

a.Dependent Variable:交易數量

由表8可知，F統計值=44.798，而P值=0，方程顯著相關得Y=0.349X1+0.342X5-0.292X4+0.229X3-2.989

③

分析全回歸與逐步回歸的F值與P值(見表6及表8)，可見兩個方程都極其的顯著。只是根據P值判斷，逐步回歸分析更精確些。于是本文采用逐步回歸分析所得結果，依據回歸方程①②③，說明前一周的銷售數量對交易量有顯著影響(β>0，P=0支持假設1)，而前兩頁的評論對交易數量也存在顯著影響，正面的評論對交易數量有正面的影響(β=0.229，P=0.01)，也就是說負面的評論對交易數量存在負面的影響(本文中選取的對象是正面的條數與負面條數相加40條)，支持假設3。評論發表的時間越長，時間跨度越長，時效性越差對商品的交易數量負面相關(β=0.292，P=0)支持假設4。三級以上的評論者越多，交易數量越多(β=0.342，P=0)，支持假設5。而評論的質量對交易數量沒有顯著性影響。

四、結論及展望

本文以在線評論為研究對象，根據前人的研究成果提出本文的研究假設，通過對淘寶網上售價為1200—2000元的實用性數碼相機進行實證研究，得出以下結論。

(一)產品的知名度與產品的銷量存在相關性。知名度是產品打開銷量的第一把鑰匙，因此商家在網上進行產品銷售時應當首先做好產品宣傳工作。產品的知名度與產品的交易量存在正相關關系。

(二)產品的價格對網上商品的交易量影響越來越小。本文選取的研究樣本是1200—2000元實用性的數碼相機，幾百元的價格差距已經對顧客不構成決策方面的影響。這說明網絡顧客越來越理性，價格不再是顧客關注的主要因素，而商家利用價格大戰這種營銷手段已經過時，通常低價意味著低的品質和服務。因此，商家在進行網上銷售時要注重產品的質量及其售后服務。

(三)在線評論的數量、評論的時效性、評論的效價和評論者的資信度對數碼相機的銷量有顯著性影響。實證表明，在線評論的數量與數碼相機的交易數量存在顯著正相關，但是需要注意的是這些傳統因素已不是影響網上產品銷量的唯一考量標準。評論的時效性、顧客評論所表現出來的情感偏好及其顧客的資信度都對產品銷量產生重要的影響。評論的時效性會隨著評論發表日期與成交日相距時間增長而降低，最近發表的評論對顧客的影響最大。評論的資信度越高，其所發表的評論就更具有可信度，越能吸引后續顧客關注并購買。顧客正面的情感評論會給后續顧客對商品留下好的印象，吸引顧客購買。這些研究發現可以幫助企業和網站設計者根據影響產品銷量的主要因素制定更為合理的營銷策略和網站設計形式，從而提高產品的在線銷量。比如：根據日期，正面的評論安排在前兩頁的在線評論(天貓商城就是根據日期排列評論順序)；提高產品質量和服務，鼓動顧客多發表正面的評論等等。需要指出的是在本文的研究中，評論的質量對產品的銷售數量影響并不顯著，因此一些商家利用淘寶賬戶進行虛假評論實乃無用之舉。

本文研究在線評論對銷量的影響時，把在線產品銷量當作外在因素。由于選取樣本的關系剔除了價格和產品關注度等影響因素，只是從宏觀和數量關系方面進行考量，沒有考慮到產品評論數量與其產品銷量之間影響的深層機制，同時產品的評論內容、評論形式、各自變量混雜度等因素對交易數量的影響機制，也是值得進一步研究的問題。

注釋：

①數據相機不受顧客、季節、尺碼等因素的影響,選取為研究對象，相對比較穩定。

②收集時間：2017-03-13、2017-03-22至2017-03-28為期一周；收集路徑：淘寶網首頁—照相機—數碼相機—(1200—2000元)—按銷量排列。

③淘寶網的評論內容是推薦排序(而非時間排序)，顧客基本查看的都是前兩頁的評論內容。天貓商城默認排序是時間排序。

④淘寶網上標注有用性的人數幾乎沒有，本文把質量作為考量商品最好的要素。因此評論質量的人數即為評論有用性的人數。

⑤本文資信程度對交易數量的影響以27天為整體進行橫向比較。

[1]PARK D H，J.Lee.eWOM.Overload and its Effect on Consumer Behavioral Intention Depending on Consumer Rnvolvement[J].Electronic Commerce Research and Applications,2009,7(4):386-398.

[2]MUDAMBI S M，SCHUFF D.What Makes a Helpful Online Reviews:A Study of Customer Reviews on AMAZON.COM.Mis Quarterly,2010,34(1):185-200.

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

[4]CHEN Yubo,XIE Jinhong.Online Consumer Review——word-of-Mouth as a News Element of Marketing Communication Mix[J].Management Science,2008,54(3):477-491.

[5]張強．網絡口碑與電影消費者態度及觀賞動機的關系研究[D]．上海：上海交通大學，2008.

[6]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.

[7]馬艷麗．在線評論引起的消費者決策困境：概念與相關問題[J]．求索，2013(7)：244-246.

[8]LIU Yong.Word-of-mouth for Movies:Its Dynamics and Impact on Box Office Revenue[J].Journal of Marketing,2006,70(3):74-89.

[9]DUAN Wenjing.The Dynamics of Online Word-of-Mouth and Produc Tsales—An Empirical Investigation of the Movie Industry[J].Journal of Retailing,2008,84(2):233-242.

[10]DUAN Wenjing,Bin Gu,Whinston A B.Do online reviews matter:An empirical investigation of panel data [J].Decision Support Systems,2008,45(4):1007-1016.

[11]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):78-89.

[12]GODES D,MAYZLIN D.Using Online Conversations to Study Word of Mouth Communication [J].Marketing Science,2004,23(4):545-560.

[13]FORMAN C,GHOSE A,WIESENFELD B.Examining the Relationship Between Reviews and Sales:The Role of Reviewer Identity Discloser in Electronic Markets[J].Information Systems Research,2008,19(3):291-313.

[14]CHEN Peiyu,WU Shinyi.The Impact of Online Recommendations and Consumer Feedback on Sales[C].Proceedings of International Conference on Information Systems (ICIS),2004:711-724.

[15]YE Q,LAW R,GU B.The Impact of Online User Reviews on Hotel Room Sales[J].International Journal of Hospitality Management ,2009,28(1):180-182.

[16]李建.在線商品評論對產品銷量影響研究[J].現代情報科學，2012，32(1):164-167.

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

[18]劉順利.在線評論對網上書店銷量影響實證研究[D]．長沙：湖南大學，2013．

[19]代陸群.在線評論對搜索型產品和體驗型產品銷量影響的研究[D].西安：西安電子科技大學,2014.

[20]胡志海，趙丹丹，張義.在線評論對商品銷售影響的實證研究[J].重慶工商大學學報(自然科學版)，2015(12):52-55.

[21]CHEN Peiyu,Samita Dhanasobhon.Analysis of the Differential Impact of Reviews and Reviewers at Amazon.com[J].Twenty Eighth International Conference On Information Systems Montreal,2007.

[22]CHATTER P.Online Review:Do Consumers Use Them?[J].Advances in Consumer Research,2001(28):133-139.

[23]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.

[24]邱凌云.網上口碑的信息效價與情感線索對說服效果的影響機制研究[J].營銷科學學報,2008(4):32-44.