基于扎根理論的用戶生成在線醫評信息的影響因素研究

韓璽 韓文婷

收稿日期：2020-06-04

基金項目：教育部人文社會科學規劃基金“兩階段決策視角下在線醫評信息對健康消費者擇醫決策的影響機制研究”（項目編號：20YJCZH039）;廣東省社會科學規劃基金“在線醫評信息的用戶查尋與決策研究”（項目編號：GD19YTS01）;廣東省基礎與應用基礎研究項目聯合基金“在線醫評信息對消費者擇醫決策的影響機制研究——基于兩階段決策的視角”（項目編號：2019A1515110347）;廣州市哲學社會科學規劃2020年度課題“廣州市居民在線醫評信息的采納行為及影響因素研究”（項目編號：2020GZQN38）。

作者簡介：韓璽（1984-），男，講師，博士，研究方向：健康信息行為。韓文婷（1995-），女，博士研究生，研究方向：健康信息學。

摘 要：[目的/意義]在線醫評信息對構建互聯網醫療信任十分重要，但目前醫評網站中醫生人均評論十分有限。因此，探索用戶生成在線醫評信息的影響因素有利于促進互聯網醫療的發展。[方法/過程]對34位健康信息用戶進行半結構化訪談，基于扎根理論對資料進行開放性編碼、主軸編碼和選擇性編碼。[結果/結論]通過分析得到45個初始概念、15個范疇及對應的用戶認知、用戶個體特征、醫療環境和醫生特征4個主范疇，在此基礎上構建了用戶生成在線醫評信息的影響因素模型，并從醫療政策、醫療服務提供者、網絡醫療平臺和網絡用戶4個方面提出相應的激勵對策。研究結果對在線醫評信息生成的影響因素提供了理論支持，對促進在線醫評信息的生成提供了對策和思路。

關鍵詞：醫評網站;在線醫評信息;用戶;在線評論;口碑心理動機;扎根理論;影響因素

DOI：10.3969/j.issn.1008-0821.2021.01.009

〔中圖分類號〕G203 〔文獻標識碼〕A 〔文章編號〕1008-0821（2021）01-0078-10

Influencing Factors of User-generated Online Physician Ratings Information：

An Exploratory Study Based on Ground Theory

Han Xi1，2 Han Wenting3

（1.School of Business Administration，Guangdong University of Finance & Economics，

Guangzhou 510032，China;

2.School of Information Management，Nanjing University，Nanjing 210023，China;

3.School of Management & Engineering，Nanjing University，Nanjing 210093，China）

Abstract：[Purpose/Significance]Online physician review information is important to build consumers trust toward Internet medicine.However，reviews published by per physician are limited on physician rating websites.Therefore，exploring the factors that influence users to generate online physician review is critical to promote the development of Internet medical service.[Method/Process]Based on the ground theory，the paper conducted a semi-structured interview with 34 health information users.The collected data was analyzed through open coding，axial coding and selective coding process.[Results/Conclusion]In this study，the paper identified 45 initial concepts，15 categories and corresponding 4 main categories，namely user recognition，users personal characteristics，medical policy environment and physician characteristics.On this basis，a conceptual model on generating online physician reviews has been proposed，and corresponding incentive strategies also have been put forward.The findings would provide theoretical contribution for research of online physician rating behavior，and yield some implication for the development of online physician rating websites.

Key words：physician review network;online physician rating;user;online review;psychological motivation of word-of-mouth;ground theory;influencing factors

2.2 數據收集

2.2.1 訪談對象

訪談采用立意抽樣原則，由于青少年用戶身體健康，利用醫療服務較少，而老年用戶對網絡利用較少，他們不是生成在線醫評信息的主體，因此選擇34位年齡在30歲以上、來自不同地區、從事不同行業、不同教育程度、不同性別的中青年網絡用戶為訪談對象。考慮到不同地區醫療水平和信息技術應用情況不同，因此納入了北京、上海、廣州、深圳等一線城市，也納入了珠海、東莞、西安、煙臺、南陽等不同層級城市。34位樣本的人口統計學信息如表1所示。其中9位曾在網上評價過醫生，25位曾在網上查找過醫生信息，21位曾利用過在線醫評信息。整體而言，利用在線醫評信息的人數遠高于生成在線醫評信息的人數，用戶生成在線醫評信息的行為并不普遍。

2.2.2 訪談過程

為了方便對不同地區樣本的訪談，本研究通過微信語音的方式分別進行一對一訪談，相關語音轉化為文字后再與語音進行核對。在訪談開始之前獲得了受訪對象的同意和理解，并保證對受訪內容保密以獲取受訪對象的信任。受訪對象涵蓋了各地區不同職業人群，確保觀點多元化。受訪過程中當表達內容模糊或可以拓展時，通過重復提問和交流，確保受訪者正確表達真實意志。在開始正式訪談前，先開展了兩個預訪談，整個過程保證了研究效度。

訪談內容采用結構化問卷和開放式回答兩種方式結合，持續時間大約為20～25分鐘，所有訪談歷時4周。基本程序是：第一步，詢問受訪者的健康狀況和就醫經歷，并以詢問是否利用在線醫評信息為因子，進入訪談主題;第二步，簡要向受訪者介紹國內在線醫評網站的情況，并咨詢受訪者是否曾在網站評價過醫生;第三步，咨詢受訪者為何會在網上評價醫生或為何不去網上評價醫生;第四步，受訪者填寫基本信息表。

3 數據分析

3.1 編碼原則

扎根理論通過對資料的編碼實現對數據內容的定義，并通過編碼過程逐漸提煉初始理論。編碼過程包括兩個主要階段：第一階段通過對數據的每個詞、句段進行開放式編碼;第二階段采用主軸編碼，對大部分數據進行分類、整合和組織。本研究利用Nvivo11.0軟件對不同文檔進行實質性編碼。為了確保可信度，邀請兩位研究生對25份訪談記錄分別進行獨立分析和編碼，然后將編碼結果進行整合分析，形成最終編碼結果，最后將9份訪談資料用于理論飽和度檢驗。通過將原始數據逐層概念化和抽象化，把數據和概念進行不斷比較，從而形成更多的范疇和特征。開放性編碼過程中，圍繞“在線醫評信息的生成及影響因素”這一研究主題，對訪談資料進行整理、分類和歸納，形成45個概念和15個范疇。表2顯示了開放式編碼的結果和部分過程。由于編碼過程涉及大量原始訪談記錄，因此僅列舉部分編碼過程。

3.2 主軸式編碼

主軸式編碼是通過對范疇化概念和內容的總結歸納，發現開放式編碼過程中被分隔開的各獨立范疇之間存在的聯系，重新建立起概念之間的邏輯關系，從而發展出主軸范疇。本研究挖掘上一個步驟中產生的15個范疇之間的內在聯系，發現可歸納為4個主范疇，如表3所示，分別為用戶認知（A1～A6）、用戶個體特征（A7～A11）、醫生個體特征（A12～A13）和醫療環境（A14～A15）。

3.3 選擇式編碼

選擇式編碼是在已發現的概念范疇中，通過梳理主范疇之間的內在邏輯和系統化聯系，挖掘核心范疇，并將分析集中在與核心范疇相關的概念和范疇中。本研究旨在探索用戶生成在線醫評信息的行為，核心問題是哪些動因會影響用戶生成在線醫評信息，因此將“在線醫評信息生成行為”確定為核心范疇。主范疇的典型關系如表4所示。

根據扎根分析過程中梳理的“故事線”，對范疇間的行為現象進行描述，得到了在線醫評信息生成行為影響因素的理論模型如圖1所示。

3.4 理論飽和度檢驗

理論飽和度檢驗是判斷扎根理論研究過程中能否終止樣本采集的重要環節。理論飽和度是指收集到的樣本數據中沒有析出新的初始概念和范疇時，則說明理論達到飽和。為了提高研究信度和效度，預留了9份訪談資料以便再次提取分析編碼并檢驗理論飽和度。通過對9位受訪者的原始訪談資料的開放性編碼和主軸編碼過程，并沒有發現新的主范疇關系結構。因此，建立的理論模型達到飽和。

4 結果討論與啟示

4.1 結果討論

在經過扎根理論的質性編碼后，可以發現影響用戶生成在線醫評信息的因素包括用戶認知、用戶個體特征、醫療環境和醫生特征4個維度。

1）用戶認知

用戶認知包括用戶動機、自我效能、信任和技術接受等方面。動機主要包括利他和利己主義兩個方面。利他主義是個體認為發表在線醫評信息對他人（醫生、病人）有好處，利己主義是個體認為發表在線醫評信息可以使自己受益。在訪談中，有6位受訪者表示在網上撰寫對醫生的評價信息可以為其他病人提供參考，幫忙他們甄選醫生，同時也是對醫生的鼓勵和回報，利他主義是促成用戶生成在線醫評信息的重要因素。有4位受訪者表示在網上評論醫生會給自己帶來額外的負擔，如果有返利或其他優惠措施，他們可能會去評論，因此較低的利己收益感知是阻礙用戶生成在線醫評信息的因素。

自我效能表示個體是否有時間、能力等生成在線醫評信息。在訪談中，有7位受訪對象均表示作為外行是沒有能力去評價專業醫生做得好與不好、醫生治療疾病存在不確定所以沒法評價，以及時間和精力有限不允許他們去網上評價醫生，較低的自我效能感知是阻礙生成在線醫評信息的因素。信任主要指個體認為在線醫評信息是否可信。盡管國內已有不少醫評網站，但多數網站中醫生獲得的用戶評論數量有限，降低了醫評信息的可信度。訪談中有2位受訪者表示來自其他病人的評價比職稱更加值得信賴，也有5位受訪者表示刷屏和病人評價公信力較低等原因會影響他們去生成醫評信息。

此外，技術接受因素包括感知有用性和感知易用性，分別代表個體認為在網上生成醫評信息是否有用以及是否容易使用。技術接受感知被認為是影響信息系統采納的重要因素，在訪談中有2位受訪者表示通過網站公開評價醫生可以使醫生更加謹慎地面對病患，提高醫療服務水平，減少醫患糾紛。6位受訪者表示評價沒有什么用處，意義不大，也不會有太多人注意，所以他們沒有去評價。有5位受訪者表示好多醫院提供了在線掛號服務，通過微信或APP看病后打分非常容易，網站也會提醒進行評價，所以會順手發表評價。也有4位受訪者表示曾嘗試去評價，但是因注冊登陸過程太麻煩、界面混亂不友好而最終放棄。

2）用戶個體特征

用戶個體特征如搜索技能、網絡就醫經歷、健康狀況、評論習慣和就醫體驗等都會對用戶生成在線醫評信息產生影響。搜索技能考察個體搜尋醫評網站的能力，搜索技能越高，越容易發現醫評網站并實施評價行為。有1位受訪者表示自己擅長信息搜索，所以知道醫評網站并發表評價;有7位受訪者表示不知道哪里可以評價醫生，如果知道肯定會去評價。網絡就醫經歷指在互聯網醫療背景下，網絡用戶是否有網絡掛號、在線問診等經歷。有網絡就醫經歷的對象對在線醫評信息更為熟悉，也更可能去生成評價信息。有3位受訪者表示自己是因為在網上咨詢過醫生所以才會去評價醫生。健康狀況指用戶及家人是否患慢性病、急性病以及是否常去醫院。健康狀況較差則就醫機會較多，進而評價醫生的概率較高。如2位受訪者表示家中有慢性病患者，因此與一位醫生特別熟悉，所以就進行了評價;1位受訪者表示家人曾患急病，在診治結束后在網上評價以表示感謝;也有5位受訪者表示家人健康狀況良好，偶爾小病就醫后很少考慮去評價醫生。評論習慣是指個體是否喜歡在網絡上發表評論。如1位受訪者表示自己在服務后被提醒評價時一般都會進行評價;也有9位受訪者表示因為嫌麻煩所以網上購物后很少去評價。就醫體驗表示用戶就醫過程中對醫生診療服務的滿意度，非常滿意或者非常不滿意等極致體驗都會提高受訪者網絡評價醫生的概率。如2位受訪者因為和醫生交流時發現醫生非常和藹而忍不住給醫生好評;也有2位受訪者表示曾經遇到態度特別惡劣的醫生而特意去評價;有6位受訪者表示因為沒有遇到特別好或差的醫生，所以沒考慮開展評價。

3）醫療環境

醫療環境，主要包括醫療資源分布和醫療政策兩個方面。由于國內醫療資源分布不均衡，大城市集中了更多三甲醫院，三甲醫院集聚了優勢醫療資源。雖然國內推廣三級診療制度，但是居民喜歡直接去三甲醫院就醫的習慣難以改變。三甲醫院作為稀缺資源，病患對醫院和醫生的信任度較高，對稀缺醫療資源進行評價的必要性不大。如2位受訪者表示三甲醫院醫生水平都挺好，名醫也不用普通人評價。此外，在醫療政策方面，盡管衛生管理部門重視以病人為中心的醫療服務工作，但是目前多數醫院并未將病患意見納入對醫生的評價考核。即使個別醫院開展了用戶滿意度調查，但這些數據也并未公開，無法為其他用戶使用。很多醫生也不愿意被病患評價打分，在沒有政策公開支持病患對醫療衛生服務評價的情況下，病患評價較難被醫療提供者接受，患者本身也較難形成評價醫療服務的習慣。如1位受訪者表示他所在的城市已經普遍推廣在線掛號和在線問診，所以評價是常見的事;2位受訪者表示從政策方面看，醫院管理方沒有認可病人對醫生的評價，所以零星在線評價也變得沒有意義。

4）醫生特征

醫生特征主要包括醫生的社會資本和醫患交流兩個方面。醫生社會資本指醫生的工作城市、醫院級別、學術頭銜和職稱等。雖然同是醫生，大城市、較高職稱、有學術頭銜的三甲醫院醫生顯然比小城市、基層醫院醫生擁有更多的社會資本。較高社會資本的醫生必然擁有更多的患者，且患者信息技術能力也較強，這樣醫生就會獲得更好、更多的評價。如2位受訪者表示不知名的醫生連名字都難記住，更不可能會去評價了;2位受訪者表示專家（教授、副教授）講得很專業且有道理，也比較火爆，所以會去點評。醫患交互是指醫生和患者通過網絡的交流互動（如在線掛號、在線問診等）。當醫生在網絡付出更多精力與患者溝通時，線下患者轉化為線上評價者的可能性也必然提高。如有2位受訪者表示看病時醫生會推薦他去網上進行交流或評價，通過網絡咨詢醫生次數多了則必然會在網上給予好評;也有6位受訪者表示看病結束后沒有機會在網上和醫生有交流或聯系，所以很難專門去評價醫生。

4.2 啟示對策

盡管不少學者對在線評論生成的影響因素開展研究，但多數研究主要關注用戶的認知特征。本文基于扎根理論從多個維度構建了用戶生成在線醫評信息的影響因素模型，不僅將在線評論的對象從商品拓展到人，豐富了醫療情景下的在線評論研究，還突破了僅從用戶認知角度探索在線評論生成影響因素的局限，多維影響因素模型有利于更加真實、全面認識在線醫評信息的生成行為。基于上述影響因素模型，可以從醫療政策、醫療服務提供者、網絡醫療平臺和網絡用戶4個方面提出促進在線醫評信息生成的相關對策。

1）醫療政策角度

醫療政策這一宏觀背景因素對在線醫評信息生成十分重要。過去在線醫療和患者體驗未得到足夠重視的情況下，在線醫評信息的可用性、必要性無法得到健康消費者的認可。在互聯網醫療作為未來醫療服務發展趨勢情況下，醫療管理部門應該考慮從政策制定角度支持在線醫評信息作為構建互聯網醫療信任的關鍵環節。

政策部門需要強化“以病人為中心”的醫療工作方針，重視在線醫評信息在互聯網醫療中的獨特作用。盡管我國醫院很早就提倡將工作方針從“以疾病為中心”向“以病人為中心”轉變，但病患的意見并未得到足夠重視。在互聯網醫療中重視在線醫評信息是“以病人為中心”方針的體現，同時也是構建健康消費者對互聯網醫療信任和感知有用性的最佳途徑。在線醫評信息可以反映病患的意見，促進醫患溝通和擇醫決策，公開透明和大量正面評價信息也可以緩解醫患矛盾。

2）醫療服務提供者角度

在“互聯網+醫療健康”的背景下，在線醫評信息對于醫院和醫生的聲譽都至關重要。盡管對于在線醫評信息是否可以預測治療效果尚有不同結論[36-37]，但不可否認的是用戶在互聯網醫療發展趨勢下會越來越多地利用在線醫評信息。作為醫療服務提供者，醫院和醫生都應該盡早擁抱在線醫評信息，在互聯網醫療時代贏得更多機會。

首先，醫院應該為病人在線評價醫生提供支持，同時也要鼓勵醫生積極面對在線醫評信息。無論是醫院的掛號APP，還是第三方在線掛號平臺，醫院管理者應該將在線評價與掛號結合，并提醒病患開展評價。這些措施可以增強用戶感知的有用性、易用性、自我效能，方便醫患交互，促進在線醫評信息的生成。其次，醫生應該關注患者的就醫體驗，好的體驗可以促進病患生成在線醫評信息。盡管醫療工作有較強專業性，但與病患的溝通也十分重要，用戶的就醫體驗和滿意度息息相關。再次，醫生在線下應積極向病患推薦在線醫評網站，并鼓勵患者去網上評論。盡管被患者評分有些尷尬，但以往研究發現多數醫評信息都是正面的[38]，醫評信息可能會促進醫患關系。與此同時，醫生推薦將增加用戶對在線醫評信息的信任，并直接帶來更多評論。最后，在互聯網醫療的趨勢下，醫生應該積極參與在線醫療活動。這不僅可以提高醫療服務效率，也有利于獲取更多的網絡客戶和更好的在線評價。

3）網絡醫療平臺角度

由于多數醫院沒有提供在線評價功能，商業在線醫評網站是目前健康消費者獲取在線醫評信息的主要來源。大量在線醫評信息對互聯網醫療和在線醫評網站的發展都是重要的，因此互聯網醫療網站應該采取措施促進用戶生成評論。

首先，在線醫評網站需要與搜索引擎和社交媒體合作，使健康消費者了解在線醫評網站。訪談顯示許多用戶沒有評論醫生的原因是不了解在線醫評網站。盡管不少醫評網站已經運作多年，但是過去互聯網醫療未被廣泛接受，用戶對醫評網站不夠熟悉。隨著互聯網醫療更廣泛應用，在線醫評網站將發揮重要作用。其次，在線醫評網站需要與醫院正式合作。健康消費者對公立醫院信任度更高，因此醫評網站應該發揮自身優勢，加強和醫院的合作以增強用戶對醫評信息的信任、感知有用性和易用性。再次，商業醫評網站應該提供更多激勵以促進用戶生成醫評信息。知識共享是無私的，然而利己主義因素也應該被重視。訪談結果顯示沒有利益刺激是阻礙用戶生成在線醫評信息的重要因素，醫療網絡平臺應該通過精神和物質等方式來激發用戶參與積極性。最后，醫評網站應該吸引醫生提供在線醫療服務。近兩年不少醫生開始通過互聯網醫療平臺提供在線服務，極大提高了在線醫評信息的數量和可用性。醫生在線服務可以創造在線醫評情景，互聯網醫療平臺應該采取有效措施激勵醫生參與在線醫療。

4）網絡用戶角度

網絡用戶是在線醫評信息生成的主體，其個體特征和動機等認知特征對在線醫評信息的生成十分重要。當在線醫療成為“互聯網+”時代的常用就醫渠道時，網絡用戶應該在評價醫生環節貢獻自己的力量。

首先，網絡用戶應該積極提升自身的健康信息搜索技能，搜索技能的提升有利于充分利用有益的網絡健康信息資源，提升網絡醫療效率，逐漸形成對在線醫療的信任和網絡就醫的依賴，也有利于促進用戶生成在線醫評信息。其次，網絡用戶需要意識到在線醫評信息有利于幫助他人更好地選擇醫生，幫助醫生獲得應有的在線聲譽，通過利他動機的提升來激發用戶生成在線醫評信息的意愿。最后，用戶在發表在線醫評信息時應該真實、公平、客觀、詳細，這有利于構建他人對評價信息的信任，并進一步促進其他用戶采納和生成更多在線醫評信息。

5 結論與展望

5.1 研究結論

由于醫療情景和非電子交易模式下在線評論研究較少，本文采用扎根理論對34位中青年網民生成在線醫評信息的影響因素進行質性分析，并從用戶認知、用戶個體特征、醫療環境和醫生特征4個維度構建影響因素模型。在此基礎上，從醫療政策、醫療服務提供者、網絡醫療平臺和網絡用戶4個角度提出相關對策。研究結果從理論上為醫療情景下健康消費者參與評價醫生的影響因素提供了系統解讀，從實踐方面為各利益相關方提供了建設性指導意見，有利于促進互聯網醫療的發展。

5.2 研究展望

本研究采用扎根理論對用戶生成在線醫評信息的影響因素進行研究，由于質性研究方法本身的局限，編碼過程不可避免地存在主觀性。同時，由于目前生成醫評信息并不是一個普遍現象，樣本中有實際生成醫評信息經歷的對象相對較少，小規模樣本的代表性和研究結果的普適性未經過大樣本的檢驗，可能會影響概念類屬與范疇的提煉。因此在后續的研究中，需要增加有生成在線醫評信息經歷的對象，并利用大樣本數據通過實證研究對相關因素進行驗證，從而提高模型的客觀性和科學性。

參考文獻

[1]韓璽.在線醫評信息研究述評與未來展望[J].現代情報，2019，39（11）：146-158.

[2]吳江，周露莎.網絡健康信息服務用戶購買決策的影響因素研究[J].情報學報，2017，36（10）：1058-1065.

[3]Segal J，Sacopulos M，Sheets V，et al.Online Doctor Reviews：Do They Track Surgeon Volume，a Proxy for Quality of Care？[J].Journal of Medical Internet Research，2012，14（2）：e50.

[4]Han X，Qu J，Zhang T.Exploring the Impact of Review Valence，Disease Risk，and Trust on Patient Choice Based on Online Physician Reviews[J].Telematics and Informatics，2019，45：101276.

[5]Hennig-Thurau T，Gwinner K P，Walsh G，et al.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.

[6]Wang Y，Fesenmaier D R.Towards Understanding Members General Participation in and Active Contribution to an Online Travel Community[J].Tourism Management，2004，25（6）：709-722.

[7]Dholakia U M，Bagozzi R P，Pearo L K.A Social Influence Model of Consumer Participation in Network-and Small-group-based Virtual Communities[J].International Journal of Research in Marketing，2004，21（3）：241-263.

[8]Huang Y，Basu C，Hsu M K.Exploring Motivations of Travel Knowledge Sharing on Social Network Sites：An Empirical Investigation of U.S.College Students[J].Journal of Hospitality Marketing & Management，2010，19（7）：717-734.

[9]Gretzel，Ulrikeyoo，Hyanpurifoy K，et al.Online Travel Review Study：Role and Impact of Online Travel Reviews[J].Texas A&M University，2007，2（7）：10-27.

[10]Bronner F，Hoog R D.Vacationers and eWOM：Who Posts，and Why，Where，and What？[J].Journal of Travel Research，2011，50（1）：15-26.

[11]Mladenovic D，Krajina A，Milojevic I.Motives for Writing Online Reviews in Post-vacation Phase[J].International Journal of Culture，Tourism and Hospitality Research，2019，13（2）：244-256.

[12]Helena Martins G，Miranda S G A，Gomes M T.Motivations for Posting Online Reviews in the Hotel Industry[J].Psychology and Marketing，2018，35（11）：807-817.

[13]Han S，Anderson C K.Customer Motivation and Response Bias in Online Reviews[J].Cornell Hospitality Quarterly，2020，61：142-153.

[14]Yang F X.Effects of Restaurant Satisfaction and Knowledge Sharing Motivation on eWOM Intentions[J].Journal of Hospitality & Tourism Research，2016，41（1）：93-127.

[15]蔣音播.消費者網絡口碑傳播的動機研究[D].武漢：華中科技大學，2009.

[16]李玲玲.消費者網絡口碑傳播動機研究[D].上海：上海外國語大學，2014.

[17]錢玉霞.國內虛擬品牌社區中網絡口碑傳播動機實證研究[D].合肥：中國科學技術大學，2014.

[18]閻俊，蔣音波，常亞平.網絡口碑動機與口碑行為的關系研究[J].管理評論，2011，23（12）：84-91.

[19]李恒.WEB2.0時代旅游者網絡口碑傳播動機研究[D].武漢：湖北大學，2013.

[20]畢達宇，張苗苗，熊青.依戀理論視角下用戶在線評論信息生成動力機制[J].圖書情報工作，2017，61（18）：5-11.

[21]Shen W，Cai J，Li L.Electronic Word-of-Mouth in China：A Motivational Analysis[C].International Conference on E-business & E-government，2011：1263-1268.

[22]Gretzel U，Yoo K H.Use and Impact of Online Travel Reviews[C]//Information and Communication Technologies in Tourism 2008：Proceedings of the International Conference in Innsbruck，Austria，2008：35-46.

[23]Zheng T，Youn H，Kincaid C S.An Analysis of Customers E-Complaints for Luxury Resort Properties[J].Journal of Hospitality Marketing & Management，2009，18（7）：718-729.

[24]Jeong E，Jang S S.Restaurant Experiences Triggering Positive Electronic Word-of-Mouth（eWOM）Motivations[J].International Journal of Hospitality Management，2011，30（2）：356-366.

[25]王宇燦，袁勤儉.消費者在線評價參與意愿影響因素研究——以體驗型商品為例[J].現代情報，2014，34（10）：166-173.

[26]陶安，劉雁妮.影響消費者參與在線交易評價因素的實證研究[J].廣東廣播電視大學學報，2013，22（5）：109-112.

[27]尹英姿.基于TAM的酒店在線評論參與行為研究[D].青島：中國海洋大學，2012.

[28]曹高輝，虞松濤，張煜軒，等.消費者持續參與在線評論意愿實證研究[J].管理評論，2017，29（11）：148-158.

[29]楊宜苗，郭佳偉.線上服務互動如何影響口碑推薦——行為慣性的中介作用和優惠待遇的調節作用[J].北京工商大學學報：社會科學版，2019，34（6）：12-22.

[30]金曉彤，徐尉，姚鳳.個體需求影響消費者正面口碑傳播嗎？[J].經濟管理，2019，41（11）：141-156.

[31]戴國良.不同促銷方式對網絡口碑傳播意愿的影響[J].中國流通經濟，2019，33（10）：43-50.

[32]李研，金慧貞，李東進.社交網絡情境下消費者口碑生成的影響因素模型：基于真實口碑文本的扎根研究[J].南開管理評論，2018，21（6）：83-94.

[33]趙楊.不同傳播渠道對消費者口碑傳播意愿的影響機制研究[J].商業經濟研究，2018，（17）：43-45.

[34]劉春年，黃俊，周濤.基于扎根理論的付費數字閱讀用戶需求的分層特征及其驅動力[J].現代情報，2019，39（11）：80-89.

[35]Strauss A，Corbin J.Basics of Qualitative Research[M].London：Sage Publications，1998.

[36]Liu J J，Matelski J，Cram P，et al.Association Between Online Physician Ratings and Cardiac Surgery Mortality[J].Circulation Cardiovascular Quality & Outcomes，2016，9（6）：788-791.

[37]Okike K，Peterbibb T K，Xie K C，et al.Association Between Physician Online Rating and Quality of Care[J].Journal of Medical Internet Research，2016，18（12）：e324.

[38]Emmert M，Halling F，Meier F.Evaluations of Dentists on a German Physician Rating Website：An Analysis of the Ratings[J].Journal of Medical Internet Research，2015，17（1）：e15.

（責任編輯：陳 媛）