基于內(nèi)容分析法的網(wǎng)絡(luò)口碑認(rèn)同的影響因素研究

李永忠 李思麒

摘要：本文以信息采納模型為研究框架，以知乎影評(píng)為例，采用內(nèi)容分析法并結(jié)合社會(huì)網(wǎng)絡(luò)的視角，對(duì)口碑的文本內(nèi)容和口碑評(píng)論者的特征進(jìn)行研究，探討了社會(huì)化問(wèn)答網(wǎng)站中網(wǎng)絡(luò)口碑傳播的影響因素。結(jié)果表明：口碑內(nèi)容的文本長(zhǎng)度、信息量和寫(xiě)作風(fēng)格，以及評(píng)論者的影響力和專業(yè)程度與口碑的認(rèn)同度有正向相關(guān)關(guān)系，而評(píng)論的及時(shí)性、評(píng)論內(nèi)容的情感強(qiáng)度與口碑認(rèn)同度的相關(guān)性不顯著。

關(guān)鍵詞：口碑；影響因素；內(nèi)容分析；知乎；影評(píng)

在線評(píng)論是網(wǎng)絡(luò)口碑的一種主要形式，學(xué)者常通過(guò)分析在線評(píng)論有用性來(lái)考察影響口碑傳播的因素。Mudambi[1]基于亞馬遜網(wǎng)站的用戶評(píng)論提出了在線評(píng)論有用性的概念；有學(xué)者以電影評(píng)論網(wǎng)站的評(píng)論信息作為口碑樣本來(lái)源[2，3]，分析網(wǎng)絡(luò)口碑的影響因素。

本文以知乎網(wǎng)站上的電影評(píng)論作為研究對(duì)象，基于信息采納模型，通過(guò)內(nèi)容分析法并從社會(huì)網(wǎng)絡(luò)的視角構(gòu)建基于社交網(wǎng)絡(luò)和知識(shí)分享平臺(tái)的在線口碑影響因素的理論模型。

一、理論基礎(chǔ)和研究假設(shè)

（一）在線評(píng)論的認(rèn)可度

自2010年以來(lái)，諸多評(píng)論和問(wèn)答社區(qū)陸續(xù)對(duì)用戶的評(píng)論設(shè)置了“有用/點(diǎn)贊”選項(xiàng)，一篇評(píng)論收獲的贊同數(shù)反映了其他閱讀者對(duì)該評(píng)論的認(rèn)可度。

（二）信息采納模型

本文采用信息采納模型（lnformationAdoption Model，IAM）作為研究的理論框架，如圖1所示。

（三）研究假設(shè)

1.文本長(zhǎng)度

有研究表明閱讀者更可能通過(guò)仔細(xì)閱讀長(zhǎng)文本而試圖獲取足夠的產(chǎn)品信息，以抵消自身和商家之間的信息不對(duì)稱性所帶來(lái)的風(fēng)險(xiǎn)。因此，本文提出假設(shè)：

H1：評(píng)論文本的長(zhǎng)度與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

2.評(píng)論的及時(shí)性

評(píng)論的及時(shí)性的是網(wǎng)絡(luò)口碑所特有的屬性之一，有學(xué)者認(rèn)為及時(shí)性對(duì)提高信息的質(zhì)量起到關(guān)鍵作用[4]。因此，本文提出假設(shè)：

H2：評(píng)論的及時(shí)性與閱讀者對(duì)評(píng)論的認(rèn)可度正向相關(guān)。

3.評(píng)論內(nèi)容的信息量

一份評(píng)論的信息量越大，其承載的關(guān)于商品的性能、使用體驗(yàn)、購(gòu)物環(huán)境和評(píng)論者的建議可能更加豐富，其影響效果也可能不同[5]。本文將信息量按照載體的種類分為文字、圖片、視頻、鏈接、例證和文獻(xiàn)引用來(lái)對(duì)信息量進(jìn)行測(cè)量，分析其對(duì)口碑傳播的影響。因此，本文提出假設(shè)：

H3：評(píng)論內(nèi)容的信息量與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

4.評(píng)論內(nèi)容的寫(xiě)作風(fēng)格

心理學(xué)已證實(shí)不同的語(yǔ)言技巧會(huì)產(chǎn)生不同的勸服效應(yīng)[6]，在線評(píng)論的寫(xiě)作風(fēng)格是影響消費(fèi)者購(gòu)買(mǎi)決策的重要因素[7]，因此，本文提出假設(shè)：

H4：評(píng)論文本的寫(xiě)作風(fēng)格多樣性與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

5.評(píng)論的情感強(qiáng)度

評(píng)論中體現(xiàn)出的感情強(qiáng)度會(huì)影響消費(fèi)者的判斷[8]，評(píng)論者的強(qiáng)烈推薦或反對(duì)都可能會(huì)影響讀者對(duì)其評(píng)論的認(rèn)可。據(jù)此，本文提出假設(shè)：

H5：評(píng)論情感強(qiáng)度與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

6.評(píng)論者的影響力

評(píng)論者在社交網(wǎng)絡(luò)中的影響力會(huì)影響到信息接收者對(duì)其所發(fā)送信息的認(rèn)可度[9]。在社會(huì)網(wǎng)絡(luò)分析理論中，網(wǎng)絡(luò)中心度衡量的是個(gè)體在其所處網(wǎng)絡(luò)中的影響力[10]。因此，本文提出假設(shè)：

H6：評(píng)論者的網(wǎng)絡(luò)中心度與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

7.評(píng)論者的專業(yè)程度

社會(huì)化問(wèn)答網(wǎng)站中專業(yè)性和答題者的經(jīng)驗(yàn)?zāi)芰?huì)影響閱讀者對(duì)答案內(nèi)容可信度的判斷。因此，本文提出以下假設(shè)：

H7：評(píng)論者的專業(yè)程度與閱讀者對(duì)評(píng)論認(rèn)可度正向相關(guān)。

二、實(shí)證研究

（一）數(shù)據(jù)來(lái)源

本文選取知乎網(wǎng)站的問(wèn)題“如何評(píng)價(jià)電影《你的名字。》？”作為分析案例。截至2017年10月30日，該問(wèn)題共獲得2532條答案，本文選取非匿名并且贊同數(shù)大于零的全部635條回答對(duì)前述假設(shè)進(jìn)行驗(yàn)證分析。

（二）內(nèi)容分析

本文采用內(nèi)容分析法對(duì)評(píng)論的信息量和評(píng)論的寫(xiě)作風(fēng)格兩個(gè)變量進(jìn)行分析。選取每篇完整的答案作為分析單位。對(duì)評(píng)論內(nèi)容的信息量進(jìn)行測(cè)量的編碼方式見(jiàn)表1。對(duì)評(píng)論文本的寫(xiě)作風(fēng)格編碼方式見(jiàn)表2。

（三）建立信度及編碼

本研究采用霍爾斯蒂指數(shù)測(cè)量信度，所得各變量的信度指數(shù)分別為0.91（答案內(nèi)容的信息量）和0.87（答案文本的寫(xiě)作風(fēng)格），均大于該信度系數(shù)的接受門(mén)檻（0.85）[11]。

（四）變量的測(cè)量

如圖2所示，本研究模型共包含7個(gè)自變量，1個(gè)因變量。其中，閱覽者對(duì)評(píng)論的認(rèn)同度為因變量，用答案所獲得點(diǎn)贊數(shù)來(lái)測(cè)量。評(píng)論的文本長(zhǎng)度用字?jǐn)?shù)來(lái)測(cè)量，評(píng)論的及時(shí)性以評(píng)論日期距本文數(shù)據(jù)收集的截止日期的天數(shù)來(lái)表示，評(píng)論的信息量和寫(xiě)作風(fēng)格以其對(duì)應(yīng)編碼作為測(cè)度指標(biāo)，評(píng)論文本的情感強(qiáng)度采用NLPIR語(yǔ)義分析系統(tǒng)進(jìn)行測(cè)量并將分值分為7個(gè)等級(jí)，取值范圍為1-7，評(píng)論者的影響力以其粉絲數(shù)量作為測(cè)度指標(biāo)，評(píng)論者的專業(yè)程度以其在電影類問(wèn)題的歷史答題數(shù)量作為測(cè)度指標(biāo)。

（五）回歸結(jié)果分析

本文選用多元線性回歸模型作為驗(yàn)證理論的計(jì)量模型，并首先以評(píng)論內(nèi)容特征所包含的變量作為自變量建立回歸模型1，然后在自變量中加入評(píng)論者特征所包含的評(píng)論者的影響力和評(píng)論者的專業(yè)程度兩個(gè)變量，從而建立回歸模型2。首先進(jìn)行多變量的多重共線性問(wèn)題檢測(cè)，兩個(gè)模型中的自變量的VIF均小于2，可認(rèn)為變量之間不存在明顯的多重共線性問(wèn)題。分析結(jié)果如表3所示。

從兩個(gè)回歸模型的分析結(jié)果來(lái)看，模型2的擬合程度明顯優(yōu)于模型1，可見(jiàn)模型2的解釋力更強(qiáng)。其中，評(píng)論文本長(zhǎng)度的系數(shù)顯著，因此假設(shè)H1成立。評(píng)論的及時(shí)性系數(shù)在兩個(gè)模型中都不顯著，假設(shè)H2沒(méi)有得到驗(yàn)證。評(píng)論的信息量的系數(shù)在兩個(gè)模型中都顯著，假設(shè)H3得到驗(yàn)證。初步認(rèn)為，知乎用戶在認(rèn)同一條影評(píng)時(shí)，影評(píng)包含的信息量是其較為重要的考量因素之一。評(píng)論的寫(xiě)作風(fēng)格的系數(shù)在兩個(gè)模型中都顯著，假設(shè)H4得到驗(yàn)證，在以往的研究中，對(duì)文本的寫(xiě)作風(fēng)格和評(píng)論認(rèn)可度的相關(guān)關(guān)系研究較少，從本研究的結(jié)果可以推斷，寫(xiě)作風(fēng)格是影響讀者對(duì)評(píng)論認(rèn)可度的因素之一。評(píng)論的情感強(qiáng)度的系數(shù)在模型1中顯著，在模型2中不顯著，可推斷在模型2加入的兩個(gè)變量與評(píng)論的情感強(qiáng)度這一變量可能存在競(jìng)爭(zhēng)關(guān)系，其原因可能是評(píng)論的情感強(qiáng)度這一變量缺乏足夠的解釋力。加入評(píng)論者的影響力和評(píng)論者的專業(yè)程度兩個(gè)變量之后，都呈顯著的正向相關(guān)關(guān)系，證實(shí)了假設(shè)H6和H7，也與信息采納模型中邊緣路徑的影響效應(yīng)相吻合。

三、結(jié)語(yǔ)

本文的研究發(fā)現(xiàn)和創(chuàng)新點(diǎn)有：（1）在評(píng)論的文本長(zhǎng)度、信息量、寫(xiě)作風(fēng)格、評(píng)論者的影響力以及專業(yè)程度與閱讀者對(duì)該評(píng)論的認(rèn)可度存在正向相關(guān)關(guān)系，評(píng)論的及時(shí)性和評(píng)論文本的感情強(qiáng)度與評(píng)論的認(rèn)可度之間的線性相關(guān)關(guān)系未得到驗(yàn)證。（2）本文根據(jù)勸服理論引入文本的寫(xiě)作風(fēng)格作為變量，并通過(guò)內(nèi)容分析法對(duì)其進(jìn)行量化研究，確定它對(duì)評(píng)論認(rèn)可度的影響效應(yīng)。（3）知乎網(wǎng)站與傳統(tǒng)電商平臺(tái)和點(diǎn)評(píng)網(wǎng)站不同，評(píng)論者可以在評(píng)論中添加多種形式的內(nèi)容，本文依據(jù)此特點(diǎn)引入評(píng)論的信息量這一變量，驗(yàn)證其影響效應(yīng)。

對(duì)于評(píng)評(píng)論系統(tǒng)的完善以及用戶反饋的獲取，本文研究結(jié)論具有一定的啟示。就傳統(tǒng)電商平臺(tái)而言，一般將用戶的評(píng)論內(nèi)容限制在文本和圖片兩種形式，并限制文本字?jǐn)?shù)，這將對(duì)用戶意見(jiàn)的表達(dá)起到限制作用，對(duì)產(chǎn)品口碑的影響力亦會(huì)起到限制。因此建議電商平臺(tái)和點(diǎn)評(píng)網(wǎng)站適度放寬對(duì)評(píng)論系統(tǒng)的限制，以獲得更好的意見(jiàn)反饋的口碑傳播效果。

參考文獻(xiàn)：

[1]Mudambi S M. What makes a helpfulonline review？[C]// Study of Customer Reviewson Amazon.com. MIS Quarterly. 2010.

[2]郝媛媛，葉強(qiáng)，李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào)，2010，13（8）：78-88.

[3]殷國(guó)鵬.消費(fèi)者認(rèn)為怎樣的在線評(píng)論更有用？——社會(huì)性因素的影響效應(yīng)[J].管理世界，2012（12）：115-124.

[4]ChenC C，TsengYD.Quality evaluationof product reviews uslng an information qualityframework[M]. Elsevier Science Publishers B.V2011.

[5]宋雪雁，王萍.信息采納行為概念及影響因素研究[J].情報(bào)科學(xué)，2010（5）：760-762.

[6]Tversky A. Kahneman D. The framingof decisions and the psychology of choice.[J].Science. 1981. 211（4481）：453-8.

[7]Liu Y， Huang X. An A， etal. Modeling andPredicting the Helpfulness of Online Reviews[C]//Eighth IEEE International Conference on DataMining. IEEE Computer Society， 2008：443-452.

[8]戢芳，周庭銳，尹訓(xùn)國(guó).負(fù)面網(wǎng)絡(luò)口碑特征對(duì)消費(fèi)者品牌態(tài)度變化的影響一一信息易獲得性與診斷力理論視角[J].財(cái)經(jīng)論叢（浙江財(cái)經(jīng)大學(xué)學(xué)報(bào)），2013（5）：95-99.

[9]Wang G，Liu X. Fan W.A KnowledgeAdoption Model Based Framework for FindingHelpful User-Generated Contents in OnlineCommunities[C]// Intemational Conference onInformation Systems，Icis 2011，Shanghai，China，December. DBLP 2011.

[10]林聚任.社會(huì)網(wǎng)絡(luò)分析：理論、方法與應(yīng)用[M].北京師范大學(xué)出版社，2009.

[11]Kassarjian H H. Content Analysis inConsumer Research[J]. Journal of ConsumerResearch，1977. 4（1）：8-18.