在線評論對農產品擴散的影響研究

陳 靜，王 磊，張海彬

（浙江農林大學 經濟管理學院，浙江 杭州310000）

當前，我國網絡零售市場規模不斷擴大，網購用戶持續增加，網上消費快速增長。截至2020 年3月，我國網民規模9.04 億人，網購用戶7.10 億，2019年零售市場交易規模10.63 萬億元，網絡購物超消費品零售總額的1/4［1］?！?020 中國農產品電商發展報告》顯示，2019 年農產品網絡零售出現“井噴”，零售額超5000 億元（僅包括農村電商中的數字，未包括跨境零售數），預計2020 年將達到8000億元。當前農產品電商新格局已形成，且消費者對網購有一定的依賴性［2］，洪濤認為農產品電商的“春天”已經來臨。

在體量龐大、增長迅速、政策利好的發展環境下，農村電商也面臨著物流體系建設不完善、專業電子商務人才嚴重缺乏、農村電商宣傳不到位等問題。據前瞻產業研究院整理，未來農村電商發展主要有五大趨勢：①鄉村振興帶來新機遇，農村和城市資源要素雙向流動，農村電商產業將更加“商業化”、“品牌化”和“本土化”；②農村電商模式進一步演化，零售與批發并重；③電商扶貧的實踐路徑日益多元化；④農村電商進一步推動農業產業結構升級；⑤社交電商與社區電商異軍突起，有望成為農村電商的主要模式。

本文對相關研究文獻梳理總結后發現，在線評論作為消費者的售后體驗反饋和潛在消費者購買行為的重要參考依據，是近年來國內外學者研究的熱點［3］。中國在線零售市場數據監測報告顯示，77.5%的消費者網購時會參考在線評論［4］，且在營銷和促銷策略階段，社交媒體和網絡口碑平臺占據主導地位。Racherla P、King R［5］調查了148 項研究，從在線評論傳播者和探索者的視角概述了新的研究機會，其中對在線評論的內容談論什么、評論的情感和敘述對消費者有什么樣的影響方面還是一個較新的領域，本文將針對這一問題進行深入探索。

1 文獻回顧

在線評論的定義：在線評論既是網絡口碑的一種，也是一種新的評論形式和一種新的社會現象。蔣帥［6］認為網絡口碑是消費者發布的關于產品或服務的正面或負面的評論；郭國慶、陳凱、何飛［7］將在線評論定義為消費者在網絡上發布的以文本形式為主的對產品特征和體驗感受的正面、負面、中立或者是不相關的評價。學術界很多經典的實證研究都證明了用戶在購買產品時大多會參考口碑信息，其購買行為和后續對產品的體驗和評價均會直接或間接地受到口碑的影響。

在線評論的分類：袁建［8］將口碑傳播分為客觀事實型和主管感受型；Turley L W、Kelley S W［9］將產品的廣告信息分為情感信息和理性信息，情感信息能喚起消費者的情感，理性信息是對產品功能、性價比、質量等工具性價值的描述；Cheung C M K與Thadani D R［10］根據信息類型將在線評論分為認知型和情感型，認知型是對產品或服務客觀特征的描述，包括性價比、質量等，體現了其工具性價值，情感型是對產品或服務情感體驗和審美享受的主觀評價，反映了消費者對體驗價值的表達；胡發剛和張英彥［11］按內容分類，將網絡口碑分為分析性口碑、推薦性口碑、描述性口碑和娛樂性口碑4 種。

在線評論有用性：Mudambi、Schuff 評估了導致消費者對在線評論有用性看法的因素，分析了來自Amazon.com的1500 條產品評論，發現中等價位的評論（具有3 個評分）和評論中的文字數量（信息廣泛性的代名詞）與評論的感知幫助正相關。Bronner 分析了約1 萬名荷蘭度假者的調查反饋，發現消費者更多地使用網絡口碑來評估酒店的服務質量等體驗屬性，而更多地使用營銷人員生成的信息來評估地理位置的便利等搜索質量。感知風險的程度和消費者尋求網絡口碑的動機是由考慮的產品類型決定的［5］。Smith等研究發現，同行評審比其他信息來源更值得信任。在享樂主義條件下，消費者更信任擁有更多專業知識和背景相似度的同行評論者，而在功利主義條件下，消費者更喜歡來自在線雜志編輯的評論［5］。然而，在這兩種類型的購買決策中，消費者更傾向于同行評審，盡管同行評審的專業知識較少，但被認為更值得信任。

在線評論與產品擴散：郝媛媛、葉強、李一軍［12］認為在線評論的數量和正負性對消費者購買決策的影響處在動態當中，時間較長的極性評論對消費者造成的影響更加顯著；黃盼盼［13］引入消費者混合情緒概念，認為正向情緒主導的混合情緒對消費者購買意愿產生顯著正向影響，而負向情緒主導的混合情緒對消費者在進行購買決策時有顯著負向影響。賀王景雪［14］認為當購買實用品時，文字描述對購買意愿的影響明顯強于圖片評論；成潤寒［15］根據理性行為學為基礎證明了照片形式的在線評論可以強化產品的屬性信念，進一步能夠改變消費者的認知和購買決策；閆強、孟躍［16］研究表明，字數較多或情感較為豐富、突出的在線評論正向影響消費者的接收；張燕萍、周朋程［17］從評論的數量、質量和效價方面證明購買意愿受評論質量和評論效價的影響；楊雅秀［18］從在線評論的有用性、數量、在線評分3 個方面進行了研究，結果表明在線評分與創新擴散存在非線性的影響關系，評論有用性和評論數量均對創新擴散產生正向影響。

2 研究設計

2.1 樣本數據

為保證數據的有效性，本文選取農產品網購消費群體或潛在消費群體作為研究對象，采用隨機抽樣法進行數據收集。為保證研究結果的準確合理，研究剔除網購時不看在線評論且不會網購農產品的數據，利用SPSS統計軟件對316 份有效數據進行處理。

2.2 研究變量

被解釋變量：本文的被解釋變量為擴散，將其定義為消費者的選擇被其他消費者的選擇所影響，即消費者采納在線評論的過程。利用網購農產品時看了評價會選擇直接購買、收藏或加入購物車、成為粉絲或會員、推薦分享給他人4 個方面進行測量，樣本數據中被解釋變量采取以下賦值進行二元Logit 回歸：若看了評價直接進行購買，賦值為1，否則為0；若看了評價進行收藏或加入購物車，賦值為1，否則為0；若看了評價成為粉絲或會員，賦值為1，否則為0；若看了評價推薦分享給他人，賦值為1，否則為0。

解釋變量：本文選取2019 年網絡零售銷量排名前十位的農產品種類（堅果炒貨、食用油、肉干肉脯、液態奶、海鮮水產、水果、鮮肉、普洱、大米、蜜餞果干），在天貓商城選取每個類別銷量排名前五位的農產品網店，利用爬蟲技術提取每個店鋪銷量第一的產品的評價各50 條，合計2500 條寶貝評價，再對評價進行標簽分類，構建出在線評論的指標體系。在參考Turley、Cheung、胡發剛和張英彥等研究的基礎上，本文綜合在線評論的內容、表達形式、語義和敘述等方面將在線評論分為分析性評論、情感性評論、描述性評論和推薦性評論4 個維度；融入爬蟲技術提取出的標簽數據，分別對每個解釋變量選取相應的指標并構建的研究變量（表1）。

表1 研究變量定義表

3 實證檢驗

3.1 優序圖法

本文利用優序圖法對數據進行權重計算。對各項評價指標分別排序，計算出各分析項的評分，得到優序數，各個對比目標的優序數除以優序數總和，獲得對比目標的權重值，然后進行綜合評價。分析項的評分越大，意味著重要性越高，權重也會越高。優序圖權重值計算結果見圖1。

圖1 優序圖權重值計算結果

從圖1 可見，對農產品相關參數進行描述的評價和對產品進行性價比分析的評價的權重最大，權重值為9.30%和8.84%，說明對網購消費者而言，分析性評價的重要性最高。一般情況下，分析性評價通過細節數據，對比分析出商品的優劣勢，評價比較客觀且往往呈現出情感極性（正、負面評價）。有學者研究發現，負面在線評論顯著影響消費者的購買意愿［19］，網店經營者應該對負面評論進行危機把控。消費者對添加了圖片或視頻和寶貝描述得分情況的關注度僅次于產品相關參數和性價比方面的評價，權重值為8.39%和7.94%。在幾大電商購物平臺中，可以選擇性只看添加了圖片或視頻的評價，因為圖片、視頻可增加消費者的信任度，提高下單轉化率；寶貝描述得分展示的是近6 個月的動態，這種動態評分給商家足夠的管理空間，可最大化地提高店鋪綜合品質。評分過低，一般被認為店鋪商品品質存在問題，缺乏競爭力。對消費者來說，評分可直接快速地了解到商家在已購買過商品的消費者心中的滿意度；對商家來說，評分客觀的區分賣家和物流公司，若評分較低，可做針對性的整改。

從21 個指標權重值來看，推薦性評價中名人推薦、商家推薦、融入互聯媒體熱點事件的評價、買家推薦、推薦數和粉絲數6 個指標權重值最小，其次是個人購買故事的評價，關于產品包裝、產品特色、產品喜惡程度的評價和追加評價，買家問答互動的評價，是否回購的評價，對于同行對比、客服及售后、月銷量或評價數，物流、寶貝描述得分、添加圖片或視頻、性價比評判，對相關參數進行解讀8 個方面的評價權重值較高。結合前文對指標的歸類和解釋變量的定義來看，推薦性評價對于消費者的重要性最低，其次是描述性評價，而分析性評價和情感性評價對于消費者的重要性最高，說明消費者網購時更傾向于關注產品自身的實際價值和已購消費者對產品的滿意度，對于產品的附加價值（如包裝、物流、客服及售后等）僅做參考，而在產品的營銷廣告方面更是關注度低。

3.2 相關性檢驗

本文采用相關分析來判別變量之間的重疊程度，避免回歸分析時研究變量出現高度相關的情況。Pearson相關系數矩陣顯示，相關系數在0.3—0.7 之間，21 個解釋變量之間均顯著兩兩相關，存在信息重疊。因此，在對農產品擴散的影響因素進行分析時先把原變量歸納為幾個因子，即采用因子分析對21個解釋變量進行降維，以此減少變量個數和變量自相關對Logit回歸結果的影響。

3.3 因子分析

KMO和Bartlett 球形度檢驗：KMO 值為0.951，高于0.9，說明樣本數據非常適合進行因子分析。Bartlett檢驗對應的p 值為0，通過了Bartlett 球形度檢驗（p ＜0.05），說明樣本數據適合進行因子分析。首先，構造因子變量。從各個成分的初始特征值、方差解釋率和累積結果來看，因子分析一共提取出4個主成分，旋轉后的方差解釋率分別為17.386%、16.502%、16.286%和15.437%。4 個主成分可以解釋原始變量中65.611%的信息，有較好的代表性。其次，因子載荷矩陣。使用最大方差旋轉方法進行旋轉，找到因子和研究項的對應關系。SPSS 輸出結果顯示，所有研究項的共同度值均高于0.4，說明研究項和因子之間有很強的對應關系，因子有效地提取出信息。因子一包含表現出會回購的評價、追加的評價、農產品月銷量或評價數量、寶貝描述的得分情況、添加了圖片或視頻的評價、買家賣家之間進行問答互動的評價，反映了在線評論的情感性維度；因子二包含對相關參數、同行對比、綜合性價比、農產品特色和喜惡程度5 個方面進行分析的評價，反映了在線評論的分析性維度；因子三包含店鋪粉絲數，推薦數，融入互聯媒體熱點事件的評價，買家、賣家和業界專家、偶像明星、網紅主播等名人推薦的農產品，反映了在線評論的推薦性；因子四包含對包裝、物流、客服及售后和對個人購買情況進行描述的評價，反映了在線評論的描述性。

結合專業理論知識進行判斷，原始數據的21 個指標整合為4 個因子，本文將因子變量重新命名為情感性評價、分析性評價、推薦性評價和描述性評價。用提取出的因子變量進行回歸分析，既減少了變量的數量，又避免了多重共線性問題。

3.4 二元Logit 回歸分析

本文以情感性評價、分析性評價、推薦性評價和描述性評價作為自變量，將購買、收藏或加入購物車、成為粉絲或會員和推薦分享他人作為因變量，利用二元Logit回歸分析方法來研究在線評論各維度對農產品擴散發生概率的影響程度。二元Logit 回歸模型為：

式中，X為各解釋變量，即在線評論的分析性、情感性、描述性和推薦性4 個方面；pi為農產品擴散發生的概率；β為各解釋變量的系數；ε為殘差。Logitpi依賴于解釋變量的取值，且對于參數是線性的。二元Logit 回歸分析的4 個模型中p 值均小于0.05，說明模型構建有效且有意義。處理后得到的回歸結果見表2。

表2 二元Logit回歸分析結果

如表2 所示，將推薦性、情感性、描述性、分析性4 項作為自變量，將購買作為因變量進行二元Logit回歸分析，情感性的回歸系數為0.904，并且呈現出0.05 水平的顯著性（z ＝2.473，p ＝0.013 ＜0.05），意味著情感性會對購買產生顯著的正向影響關系；優勢比（OR值）為2.471，說明情感性增加一個單位，Y的變化為2.471 倍。將收藏或加入購物車作為因變量進行二元Logit回歸分析，情感性的回歸系數值為0.730，且呈現出0.05 水平的顯著性（z ＝2.076，p ＝0.038 ＜0.05），說明情感性會對收藏或加入購物車產生顯著的正向影響關系；優勢比（OR 值）為2.076，說明情感性增加一個單位，Y 的變化為2.076倍。通常情況下，網購消費者將產品收藏或加入購物車是購買的前提。據調查，購物車下單的比例在25%左右。消費者沒有選擇直接購買而是收藏或加入購物車主要有幾方面的考慮：一是貨比三家，先收藏加購，再選擇性價比最高的；二是還不滿意目前商品的價格，處于觀望狀態；三是選擇的商品可能沒達到預期，并不是自己真正想要的；四是受他人意見的影響；五是購物流程體驗不佳，主要來自負面評價或賣家服務上面。農產品網店商家要想增加購買率和提高購物車的支付轉化率，可以從在線評論的以下幾個方面著手進行改進：表現出會回購的評價、追加評價、月銷量或評價數、寶貝描述得分、有圖/視頻的評價、買家問答互動的評價。

將成為粉絲或會員作為因變量進行二元Logit回歸分析。推薦性的回歸系數值為0.897，在0.01水平下顯著（z ＝3.756，p ＝0.000 ＜0.01），說明推薦性對成為粉絲或會員正向影響；OR 值為2.452，說明推薦性增加1 個單位，Y 將變化2.452 倍。將推薦或分享他人作為因變量進行二元Logit 回歸分析。推薦性的回歸系數值為0.714，在0.01 水平下顯著（z ＝3.023，p ＝0.003 ＜0.01），說明推薦性會對推薦或分享他人正向影響。OR 值為2.041，說明推薦性增加1 個單位，Y 將變化2.041 倍。從伍德洛夫的顧客價值層次模型來看，消費者進行推薦是顧客價值的最頂層，也是顧客使用產品和服務非常滿意的結果。相關研究發現，65%的消費者信任在線評論，絕大部分潛在消費者是從眾心理，且推薦性口碑的影響力與社會地位呈正相關，將推薦性的口碑與社會地位或社會影響力相結合更能引起粉絲效應和推薦效應。

從樣本數據的控制變量來看，月收入對購買產生顯著的負向影響，說明高收入的消費群體傾向于理性消費，非常有主見，不易受他人影響而沖動消費。通過寶貝評價了解農產品的口碑狀況，對購買、成為粉絲或會員和推薦分享他人均有顯著的正向影響，充分證明農產品網店商家在經營過程中該重視引導消費者進行寶貝評價的撰寫，在提高評價質量的同時增加評價數量。在網購時觀看直播對消費者成為粉絲或會員有顯著的正向影響關系。直播中最常見的營銷手段就是給主播點關注，加入粉絲團，從而促進轉化購買。粉絲會員是忠誠度、知名度和美譽度的象征，更是促進成交和回頭客的關鍵。2020年直播產業將突破9000 億元，作為新興的電商營銷模式不可忽視。

4 結論與啟示

主要結論為：①消費者網購時更傾向于關注關于產品自身實際價值和已購消費者對產品滿意度的評價，對產品附加價值（如包裝、物流、客服及售后等）方面的評價僅做參考，對產品營銷廣告方面的評價關注度較低。②網購消費者體驗產品或服務后的滿意度顯著正向影響潛在消費者直接購買產品或將產品收藏加入購物車。③出于個人感受進行口碑推薦對于網店商家吸引粉絲會員有顯著正向影響，同時對消費者推薦分享他人也有正向的促進作用。

根據結論，本文為農產品網店經營者將在線評論納入農產品銷售和服務的動態決策過程提出以下營銷建議：①農產品網店商家可以通過對分析性評價和情感性評價的管理，更多地展示對產品功能屬性進行描述的評價和消費者滿意度較高的評價，以提高評價的有用性，為潛在消費者提供更優質的參考信息。②網店商家在針對顧客閱讀評價后直接購買和收藏加入購物車方面，應該重視在線評論的情感性方面，即商家應管理利用好店鋪寶貝描述的得分情況，產品的月銷量和評價數量，買家賣家之間進行問答互動的評價、添加了圖片或視頻的評價、表現出會回購的評價和追加的評價。③商家在針對店鋪吸引粉絲（會員）和消費者推薦（分享）給他人方面，應重視在線評論的推薦性方面，即店鋪的粉絲數，買家進行推薦的評價，商家進行宣傳推廣的文案，業界專家、偶像明星、網紅主播等名人進行推薦的口碑，寶貝詳情頁推薦數的數值和植入互聯媒體熱點事件的產品推薦。