負面在線評論及商家回復對顧客購買意愿的影響

杜學美,吳亞偉,高 慧,李美菱

(同濟大學 經濟與管理學院,上海 200092)

隨著網絡消費觀念的普及以及網購和在線支付等條件的日益改善,消費者的購物行為逐漸向線上轉移,互聯網創造了新的商業行為和經濟模式,也逐漸改變了人們的生活習慣。然而,相較于傳統線下購物形式,網絡購物過程中的商品、物流、售后等多個環節都可能會導致顧客不愉快的購物體驗。

在線評論是網絡口碑的主要形式之一,指的是消費者在購買和使用了產品后,通過互聯網向大眾群體或組織發布關于產品或商家的評論信息[1]。目前,在線評論已經成為消費者網絡購物時獲取商品信息的最重要來源,也是影響其做出購買決策的最關鍵因素[2]。相比于商家圖文介紹,已購消費者發布的在線評論能夠反映更加真實和全面的信息[3]。對于大多數產品而言,消費者既能在網絡上看到正面評論,也能看到負面評論。負面評論反映了顧客不滿的或糟糕的網購體驗[4],會對品牌形象、企業信譽、顧客態度和購買意愿等造成不利的影響,大大提升了消費者的感知風險。因此,負面評論對于企業吸引潛在顧客是不利的。對于消費者而言,與正面評論相比,負面評論的真實性和可信度更高,消費者往往對負面評論表現得更加敏感,他們更愿意關注負面評論的內容來獲取真實的信息。如果商家對于負面評論不予回應,潛在消費者只能通過負面評論的一面之詞來推斷產品和服務質量,這無疑使商家處于比較被動的局面。有效的在線評論反饋管理既能吸引新顧客,同時也能彌補抱怨顧客不愉快的經歷,保留住老顧客。商家對在線評論進行回復作為服務失誤補救的一種方式,為商家提供了解釋的機會。從國內主流的購物網站來看,商家對負面評論回復的質量參差不齊,很多商家并不重視對負面在線評論的管理,有的商家對所有好評和差評予以相同的較為官方的答謝回復,并未解決負面評論中所提及的問題;而有的商家則會通過道歉、解釋和補償等方式來彌補失誤造成的損失。

負面在線評論是網絡口碑最重要的形式之一,也是消費者接觸最直接、最頻繁的網絡口碑形式之一。楊雪[5]運用實證方式檢驗了負面在線評論強度對消費者認知和品牌信任的影響作用,結果表明,負面評論的內容質量和評論屬性會通過影響消費者理性和感性的情感認知過程,進而影響顧客的品牌信任。吳菲等[6]從體驗型產品的經濟性、功能性和服務3個維度驗證了負面在線評論的數量、質量和強度會通過影響顧客感知風險和信任,進而影響消費者對體驗型產品的購買決策。黃華等[7]將品牌認同作為調節變量,通過實證研究的方式驗證了負面在線評論的長度、數量、質量和時效性會影響消費者的感知易用性和感知有用性,進而影響消費者的購物意愿,同時感知易用性也會對感知有用性產生顯著影響。張亞明等[8]分析了負面在線評論、商家服務以及消費者個人因素對于消費者感知風險的影響機制。現有研究大多關注負面評論對消費者感知風險、感知公平、顧客滿意度和行為意向等的影響,很少考慮商家回復對負面在線評論影響潛在顧客購買意愿的調節作用。同時,歸因理論相關研究也多是將歸因維度作為自變量來研究不同維度的歸因對消費者滿意度、負面口碑傳播意愿和購買決策等因變量的影響。Kim 等[9]以歸因-情感-行為模型為基礎,研究了顧客感知失誤歸屬性歸因對顧客負面情緒和重購意愿的影響。Swanson等[10]研究了服務補救過程中的歸屬性歸因和穩定性歸因如何影響潛在顧客感知服務質量,進而影響顧客滿意度和顧客后續行為意向。很少有學者進一步探究哪些因素會影響消費者的歸因,從負面在線評論的角度研究對消費者失誤歸因影響的研究更少。

基于當前的購物環境和研究現狀,本文探討網絡購物環境下負面在線評論如何通過影響消費者失誤歸因從而影響其購買意愿的內在機理,以及商家不同方式的回復策略在其中所起的調節作用,這不僅豐富了負面在線評論和服務補救相關的研究,為后續研究提供了啟發,而且為網絡商家重視和管理負面在線評論提供了理論依據和切實可行的建議,可以幫助網絡商家樹立良好的形象從而吸引更多的顧客。

1 理論基礎與研究假設

1.1 負面在線評論的直接作用

在真實的網絡環境中,評論很少單獨出現,而且消費者對產品在線評論的評估不是由單獨的某一條在線評論產生的,而是對多條在線評論綜合形成,研究多條評論如何共同作用從而影響消費者決策過程是必要的。因此,本文從負面在線評論比例和失誤嚴重性兩個角度出發,探討負面在線評論對顧客購買意愿的直接作用。Purnawirawan等[11]將負面評論比例定義為負面評論數量除以正面評論和負面評論數量之和,負面評論比例反映了在線評論的總體傾向。根據最佳喚醒理論和從眾理論的推斷,潛在消費者在閱讀在線評論時,大多數人的意見更能夠影響其態度和行為意向。當大多數人都對商家提供的產品或服務表示滿意時,潛在顧客往往更容易產生一致性的認同并產生積極的購買意愿,從而購買更多的產品。失誤嚴重性是指顧客感知服務失誤造成的損失的強度,包括有形損失和無形損失[12]。Zeithaml等[13]認為顧客對服務失誤的容忍范圍視情況而不同。對潛在消費者而言,如果顧客認為負面評論中描述的失誤是無關緊要的,并且不在商家的可控范圍內,那么,他們可能不會追問失誤發生的原因,也不會責怪商家。但當他們感受到負面評論中反映的服務失誤問題超出了他們的容忍范圍時,為了避免類似的失誤發生在自己身上,則選擇不購買商品。基于此,提出:

假設1a負面在線評論比例對購買意愿有顯著影響,負面在線評論比例越高,潛在顧客的購買意愿越低。

假設1b失誤的嚴重性對購買意愿有顯著影響,潛在顧客感知服務失誤嚴重性越高,其購買意愿就越低。

1.2 感知信任和失誤歸因的中介作用

潛在消費者更傾向于將在線評論作為減少購買風險和不確定性的一種方式[14]。負面在線評論比例越高,所反映的失誤越嚴重,潛在顧客對損失的感知就越強烈,從而使顧客對商家產生不信任感。信任是對合作伙伴可靠性和誠信的信心,滿意的客戶會感到信任和承諾,并產生積極的購買意愿,從而購買更多的產品。而感知信任是與信任高度相關但本質不同的一個概念,信任的行為主體是信任者,感知信任的行為主體是被信任者。信任反映的是基于對他人的積極預期而愿意承擔其行為風險的意愿,而感知信任則是指被信任者感知到他人對自己不確定性行為進行風險承擔的意愿,其反映的是消費者相信商家所提供的產品、服務、信息的可靠度與誠信。基于此,提出:

假設2a負面在線評論比例對感知信任有顯著影響,負面評論比例越高,潛在顧客感知信任越低。

假設2b失誤的嚴重性對感知信任有顯著影響,失誤越嚴重,潛在顧客感知信任越低。

假設3感知信任對購買意愿有顯著影響,潛在顧客感知信任越高,購買意愿越強烈。

歸因理論在市場與消費者行為研究中被廣泛應用。本文采用Weiner[15]的三維度歸因,將失誤歸因分為歸屬性歸因、穩定性歸因和可控性歸因。歸屬性歸因是指顧客對服務失誤商家責任的感知[16]。潛在顧客在閱讀負面在線評論時,會考慮失誤是誰造成的。當潛在顧客在閱讀在線評論時不斷地看到與商家有關的負面評論且失誤非常嚴重時,他們更傾向于將負面評論歸咎于商家而非顧客,從而產生抱怨的情緒與較低的購買意愿。可控性歸因是指顧客感知商家是否能控制失誤的發生[17]。雖然一些外部環境引起的失誤是商家無法控制的,但商家仍有機會防止失誤的發生。當負面在線評論比例很高且失誤非常嚴重時,容易讓顧客感知到服務失誤其實是商家可以通過努力去避免的,這些失誤就會引發他們的抱怨情緒,從而削弱他們的購買意愿。穩定性歸因是指失誤是短期或偶爾出現的還是長期存在的[18]。較高的負面在線評論比例與失誤嚴重性會使顧客認為失誤是長期存在的,即失誤的穩定性較高,進而產生對商家的不信任從而降低其購買意愿。基于此,提出:

假設4a負面評論比例對歸屬性、可控性、穩定性歸因均有顯著影響,負面評論比例越高,潛在顧客對商家的歸屬性歸因以及對失誤的可控性、穩定性感知越強。

假設4b失誤嚴重性對歸屬性、可控性、穩定性歸因均有顯著影響,失誤嚴重性越高,潛在顧客對商家的歸屬性歸因以及對失誤的可控性、穩定性感知越強。

假設5歸屬性、可控性、穩定性歸因都對購買意愿有顯著影響,潛在顧客對商家的歸屬性歸因,對失誤的可控性、穩定性感知越強,購買意愿越低。

1.3 商家回復策略的調節作用

商家回復策略是指商家如何對服務失誤引起的顧客抱怨進行反饋。參考文獻[19],將商家回復分為無回復、反駁、道歉、道歉加解釋以及道歉加解釋加修復5個維度,修復包括經濟物質方面的補償以及避免失誤重復出現的舉措建議[20]。Utz等[21]的研究表明,如果商家違背了顧客信任,相比于無回復或對負面評論進行反駁,道歉能夠產生更高的可信度。如果潛在顧客因為較高的正面評論比例與較低的失誤嚴重性而對商家持肯定態度,那么,商家對負面評論回復與否對這些顧客無顯著影響。道歉可以獲得潛在顧客的同情,但同時也是在承認自己的過失,這就意味著肯定了小部分人的抱怨。當大多數顧客都對商家的服務表示滿意時,商家不需要對少數負面評論進行回復,即使商家不回復,潛在顧客依然會有較高的感知信任。當負面評論比例、失誤嚴重性較高時,商家仍不對負面評論進行回復顯然是不明之舉,對負面評論進行反駁無疑會使情況變得更糟。而單純的道歉可能會放大潛在顧客的負面情緒,這種負面情緒對商家是非常不利的。由于抱怨的顧客比滿意的顧客數量多很多或服務失誤嚴重性過高,潛在顧客更傾向于認為失誤是無法修復的,即使商家做出解釋也沒有顯著影響。因此,商家需要對失誤進行道歉,解釋問題出現的原因,提供具體的方案來彌補過失,并承諾將采取何種行動防止失誤不會再次出現,從而影響潛在顧客的失誤歸因和感知信任。基于此,提出:

假設6a當負面評論比例較低時,不同的回復策略對潛在顧客對商家的歸屬性歸因和對失誤的可控性、穩定性歸因的影響無顯著差異。

假設6b當負面評論比例較低時,不同的回復策略對潛在顧客的感知信任的影響無顯著差異。

假設6c當負面評論比例較高時,相比于其他幾種回復策略,道歉加解釋加修復更能夠降低潛在顧客對商家的歸屬性歸因和對失誤的可控性、穩定性歸因。

假設6d當負面評論比例較高時,相比于其他幾種回復策略,道歉加解釋加修復更能夠提升顧客的感知信任。

假設7a當失誤嚴重性較低時,不同的回復策略對潛在顧客對商家的歸屬性歸因和對失誤的可控性、穩定性歸因的影響無顯著差異。

假設7b當失誤嚴重性較低時,不同的回復策略對潛在顧客的感知信任的影響無顯著差異。

假設7c當失誤嚴重性較高時,相比于其他幾種回復策略,道歉加解釋加修復更能降低潛在顧客對商家的歸屬性歸因和對失誤的可控性、穩定性歸因。

假設7d當失誤嚴重性較高時,相比于其他幾種回復策略,道歉加解釋加修復更能提升顧客的感知信任。

理論模型如圖1所示。

圖1 概念模型

2 研究設計

2.1 情境設計

本文的自變量和調節變量均為非連續變量,需要取不同的水平進行測量。實驗設計包含3 個因子,分別為負面評論比例(高、低)、失誤嚴重性(高、低)及商家回復策略(無回復、反駁、道歉、道歉加解釋、道歉加解釋加修復)。為了研究因子間的交互作用,采用2(負面評論比例)×2(失誤嚴重性)×5(商家回復策略)的組間設計,共20個實驗組。組間設計是指參與不同實驗組的被訪者接受不同的實驗處理,即每一組被試僅在一種實驗條件下接受實驗處理。組間設計的好處在于不會出現一個實驗組污染另一實驗組的情況。本實驗計劃每個實驗組包含30個樣本,共需600個樣本,他們將會被隨機分到不同的實驗組中。

Xplorer的一項調查顯示,近85%的人都相信在線評論的內容,并且消費者在選購3C 類電子產品時最喜歡尋求其他人的意見來輔助自己的購買決策。當潛在顧客對某一產品具有較高的參與度時,他們更可能通過閱讀大量的在線評論來了解更多的產品信息和其他顧客使用后的感受。考慮到手機作為時下最流行的移動設備,是使用頻率和購買較高的電子產品,因此,從產品涉入度的角度考慮,選擇手機作為試驗品并假設了一個場景,假設被測試者有真實的手機購買需求,并且有足夠的購買能力。本文將通過預實驗來檢驗選取手機作為高涉入度產品的有效性。為了避免潛在顧客對手機品牌的偏好,在實驗情景中并未指明具體是哪個品牌的手機。

2.2 變量測量

除了人口統計學變量以及回復策略外,本文中涉及的其他變量均采用Likert7點法進行量度,1～7表示從“非常低”到“非常高”或從“非常不同意”到“非常同意”。

(1)負面評論比例。該變量的控制借鑒Doh等[22]的設計,選取10條在線評論,認為40%的負面評論比例是相對較高的,10%的負面評論比例是相對較低的。為了進一步檢測負面評論比例是否被有效操控,在預實驗和正式實驗中都設置了相應的問題進行檢測。

黨的十八大以來，黨中央、國務院把脫貧攻堅擺到治國理政的突出位置，近幾年，盡管脫貧攻堅在不斷深入，但因病致貧、因病返貧的比例不降反升，仍然是導致農村貧困人口致貧的主要原因。

(2)失誤嚴重性。首先,為了保證實驗的真實性,實驗中用到的所有在線評論都是從真實的購物網站中截取,并做了微小的調整,使得正面和負面評論在表達方式和語氣強度上基本一致;其次,將在線評論的字數(正面和負面評論)均控制在20～30字,以剔除在線評論字數對失誤嚴重性感知的影響。該變量的控制借鑒Hess等[23]的量表,在預實驗和正式實驗中都設置了相應的問題進行檢測。

(3)失誤歸因。該變量的測量分為3 個維度(歸屬性歸因、可控性歸因和穩定性歸因),采用文獻[24-26]中的量表,并根據實驗環境做了適當的修改,共8個題項,如在歸屬性歸因維度設計了“我認為顧客不愉快的經歷是由商家造成的”。

(4)感知信任。該變量的測量采用文獻[27-28]中的量表,分別從能力,仁慈心和正直3個方面測量潛在顧客對負面評論及商家回復的感知信任,并根據實驗環境做了適當的修改,共3個題項,如“我相信商家提供的商品/服務是可靠的”。

(5)回復策略。參考文獻[19],將商家回復分為無回復、反駁、道歉、道歉加解釋以及道歉加解釋加修復5個維度,每一條負面評論的5種商家回復策略內容一部分是參考真實的網購商家回復并做了適當的調整,一部分則為自行設計,并將5種回復策略的字數均控制在50～60字。

(6)購買意愿。該變量的測量參考文獻[29-31]中的量表,共3 個題項,如“如果最近有需要,我會考慮在該商家處網購手機”。

2.3 預實驗

預實驗1是為了確保其正式實驗選用的實驗產品具有較高的涉入度。涉入度是指基于個人消費者的需要、興趣和價值觀而被感知的消費者與某種產品的關系[33]。本文是建立在消費者對產品具有較高涉入度的基礎上進行研究的,因為只有當消費者對某個產品具有較高涉入度,在選購時才更有可能通過閱讀在線評論獲取信息來了解產品和服務以及商家對抱怨顧客的反饋,以此來輔助他們的購買決策。采用Zaichkowsky[32]修訂后的涉入度量表(RPII),共10個題項,每個題項均用Likert7點法進行測量,要求每名被訪者閱讀選購手機的實驗情景,根據選購手機過程中的感受在量表上打分,分數從10～70分,分數越高,表示產品涉入度越高。實驗對象為高校學生,共收集30份問卷。被訪者的涉入度量表結果如表1所示。研究發現,所有被訪者的RPII得分都在45分以上,且均值為57.819,符合本次研究對實驗品的要求。因此,本文選取手機為本研究的實驗品。

表1 RPII描述性統計分析

預實驗2是為了檢驗上文中確定的負面評論比例高低所對應的負面評論數量是否與被訪者的感知一致。每個實驗組均選用10條在線評論,其中:負面評論比例高的實驗組為6條正面評論,4條負面評論;負面評論比例低的實驗組為9條正面評論,1條負面評論。在測試負面評論比例的影響時,為了剔除失誤嚴重程度的影響,被訪者將被隨機分配在“負面評論比例(高/低)×失誤嚴重性(高/低)”4個實驗組中的一個,分別測試不同被訪者對4個實驗組負面評論比例的感知。選取高校學生為實驗對象,將每個被訪者隨機分配到4個實驗組中的一個,由他們來判斷哪些是正面評論,哪些是負面評論,以及他們認為負面評論在所有評論中所占比例是高還是低。每組各收集了10 份有效問卷,結果顯示,92.5%的受訪者都給出了與本文設定相同的分類,單因素方差分析結果對如表2所示。被訪者對負面評論比例高組的負面評論比例感知(均值=4.15)顯著高于對負面評論比例低組(均值=2.80),因此,本實驗對負面評論比例的操控有效。

表2 負面評論比例操控檢驗

預實驗3是為了選取體現不同程度失誤嚴重性的負面評論。從真實的購物網站上選取8條負面評論,并做了適當的調整以保證所有評論的字數均控制在20～30字,且表達方式和語氣基本一致。邀請5位網絡購物經驗豐富的高校學生進行小組訪談,對每條負面評論的表達方式和嚴重性進行討論和修改,并初步確認了4條負面評論的失誤較為嚴重,其余4條的失誤嚴重性較輕微。在此基礎上,共回收了30份問卷,采用Hess等[23]的Likert7點量表,要求被訪者根據自身感受來判斷每一條負面評論反映的失誤嚴重性。單因素方差分析結果對如表3 所示。被訪者對失誤嚴重性高組的負面評論嚴重性感知(均值=5.07)顯著高于對失誤嚴重性低組的負面評論嚴重性感知(均值=4.13),因此,本實驗對失誤嚴重性的操控有效。

表3 失誤嚴重性操控檢驗

2.4 正式實驗流程

本實驗共有600名高校學生參加,所有的被訪者將被隨機分配到20個實驗組中。每一位被訪者都不知道該實驗還有其他不同版本的問卷,也未告知實驗的真正目的。在開始正式的實驗問卷之前,將對此次實驗問卷的目的做簡短說明,以盡量減少受訪者的顧慮和理解上的偏差。采用線下問卷收集方法,面對面發放,當場回收,并按批次整理對應實驗組的問卷數據。

3 實證分析

3.1 描述性統計

實驗共發放問卷600份,回收525份,通過問卷填寫的合理性過濾,最終得到有效問卷份496份,有效問卷回收率95%。20個實驗組人數分布均勻,每組人數均控制在25人左右。對有效樣本進行人口統計特征分析,具體信息如下:①性別。男性占48.79%,女性占51.21%。②年齡。22 歲及以下占24.19%,23～25 歲占59.48%,26～28 歲占13.71%,29 歲及以上占2.62%,③受教育程度。博士占8.06%,碩士占60.89%,本科占29.44%,其他占1.61%。④月平均網購頻率。2次及以下占34.27%,3～5次占47.18%,6～8次占7.26%,9次及以上占11.29%。⑤網購年限。2年及以下占5.85%,3～5年占53.43%,6～8年占37.30%,9年以上占3.43%。⑥最近一次網絡購物時間。幾天前占49.80%,一周前占22.78%,半個月前占15.73%,一個月前占8.06%,兩個月前占1.81%,兩個月以上占1.81%。

3.2 信度效度檢驗

采用SPSS19.0軟件進行統計分析。各變量的Cronbach’sα系數均大于0.7,說明具有較高的內部一致性,信度良好。研究中所采用的量表均是在前人研究的基礎上整理出的,具有良好的內容效度。對失誤歸因、感知風險和購買意愿3個測度項進行KMO 和Bartlett檢驗結果顯示:KMO=0.822,大于0.5;Bartlett球體檢驗卡方值為3 156,自由度為91,卡方統計值的顯著性水平為0.000＜0.001,說明該組數據具有較高的相關性,適合進行因子分析。在探索性因子分析中,通過主成分分析法提取因子。根據特征根大于1的判斷方法,剔除特征根小于1的因子,找出主要因子,并把測度項進行歸類。對應于概念模型中的5個構念,最終抽取出5個因子,各變量題項因子載荷在0.56～0.83,AVE 值均高于0.5,并且提取的5個因子共解釋總方差的62%,表明量表聚合效度良好。同時,各因子間相關系數均小于其對應的AVE 值的方根,表明各變量間具有良好的區分效度。

3.3 變量操控檢驗

在進行假設檢驗之前,需要檢驗實驗對自變量的操控是否有效。本文主要操控的是負面在線評論的比例和失誤嚴重性。由于已經通過預實驗選出了正式實驗所需的在線評論和商家回復,故在正式問卷中針對負面在線評論比例和失誤嚴重性各設置了一個問題,再一次驗證被訪者對所設計的實驗場景中兩個變量的感知。進行單因素方差分析結果如表4所示,負面在線評論比例的高低以及服務失誤嚴重性的高低均具有顯著性差異(p＜0.05),說明本文實驗情境中對兩個變量的操控是有效的。

表4 變量操控有效性檢驗結果

3.4 分組有效性檢驗

為了檢驗分組是否對控制變量和因變量產生影響,通過單因素方差分析對實驗數據進行處理。如表5所示,各組的性別、年齡、受教育程度、網購年限、網購頻率以及網購時間均無顯著差異,并且各組樣本對選取的試驗品手機的涉入度和專業程度無顯著差異。同時,各組的歸屬性歸因、可控性歸因、穩定性歸因、感知信任以及購買意愿有顯著差異。即分組對人口統計變量沒有顯著影響,而中介變量和因變量受到分組的影響。因此,實驗分組對中介變量和因變量是有效的。

表5 分組對人口統計變量,中介變量和因變量的影響結果

3.5 假設檢驗

負面在線評論比例與失誤嚴重性分別對失誤歸因、感知信任和購買意愿的單因素方差分析結果如表6、7所示。

表6 負面在線評論影響作用方差分析

表7 負面在線評論影響作用均值

綜合表6、7的結果可以看出,負面在線評論比例與失誤嚴重性對購買意愿的影響具有顯著差異(P=0.001,0.000),并且負面在線評論比例越高,潛在顧客的購買意愿越弱(均值=4.198＜4.694),失誤嚴重性越高,潛在顧客的購買意愿也越弱(均值=4.016＜4.883)。因此,假設1a、1b成立。負面在線評論比例與失誤嚴重性對感知信任有顯著影響(P=0.032,0.000),并且相比于較低比例的負面在線評論(均值=4.787),較高比例的負面在線評論更可能產生更低的潛在顧客感知信任(均值=4.565)。同理,失誤嚴重性越高,潛在顧客的感知信任越低(均值=4.434＜4.922)。因此,假設2a、2b成立。負面在線評論比例對失誤的歸屬性歸因、可控性歸因以及穩定性歸因有顯著影響(P=0.001,0.014,0.043),并且負面在線評論比例越高,顧客對商家的歸屬性歸因越強(均值=4.262＞3.822),對失誤的可控性歸因越強(均值=5.321＞5.01),對失誤的穩定性歸因也越強(均值=5.225＞5.026)。因此,假設4a得到驗證。同理,失誤嚴重性對失誤的3種歸因均有顯著影響(P=0.033,0.001 4,0.002 7),并且失誤嚴重性越高,顧客對商家的歸屬性歸因越強(均值=4.184＞3.903),對失誤的可控性歸因越強(均值=5.321＞5.01),對失誤的穩定性歸因也越強(均值=5.234＞5.016)。因此,假設4b成立。

引入商家回復這一調節變量,檢驗商家回復是否在自變量與中介變量之間起調節作用。此外,通過組間均值差異和單因素方差分析檢驗不同實驗場景下5種回復策略的效果以及回復策略之間是否具有顯著性差異(見表8、9)。

表8 負面在線評論比例與商家回復策略交互作用的雙因素方差分析

表9 負面在線評論比例與商家回復策略交互作用均值

通過雙因素方差分析,由表8結果顯示,負面在線評論比例對商家的歸屬性歸因及對失誤的可控性歸因、穩定性歸因和感知信任均有顯著影響(P=0.001,0.016,0.049,0.027),該結論也再次驗證了本文2a、4a的假設。商家回復也對商家的歸屬性歸因、對失誤的可控性歸因和穩定性歸因有顯著影響(P=0.002,0.043,0.004),為了進一步比較,選取負面在線評論比例高和低兩種情況,分別對5種商家回復策略進行單因素方差分析。當負面在線評論比例較低時,5種商家回復對商家的歸屬性歸因、對失誤的可控性和穩定性歸因的影響無顯著差異(P=0.308,0.128,0.328),并且對3種歸因影響的均值都較為相近,假設6a成立;但此時5種商家回復對感知信任的影響具有顯著差異(P=0.002),在95%的置信水平上,道歉(均值=4.922)與反駁(均值=4.261),道歉加解釋(均值=4.977)與反駁,道歉加解釋加修復(均值=5.115)與反駁均存在顯著差異,并且相比于其他幾種回復策略,道歉加解釋加修復更能夠增加潛在顧客的感知信任,假設6b沒有得到驗證。當負面在線評論比例較高時,5種商家回復對商家的歸屬性歸因、失誤的穩定性歸因和感知信任具有顯著差異(P=0.008,0.008,0.000),通過均值對比,相比于無回復、反駁、道歉和道歉加解釋,道歉加解釋加修復回復策略更能夠降低潛在顧客對商家的歸屬性歸因、失誤的穩定性歸因,增加顧客的感知信任,但是不同回復策略對可控性歸因的影響依然沒有顯著性差異(P=0.277)。因此,假設6c部分成立,假設6d成立。

失誤嚴重性與商家回復策略交互作用的雙因素方差結果如表10所示。

表10 失誤嚴重性與商家回復策略交互作用的雙因素方差分析

失誤嚴重性對商家的歸屬性歸因及對失誤的可控性歸因、穩定性歸因和感知信任均有顯著影響(P=0.024,0.012,0.020,0.000),該結論也再次驗證了本文2b、4b的假設。商家回復也對商家的歸屬性歸因、對失誤的可控性和穩定性歸因有顯著影響(P=0.002,0.040,0.004),為了進一步比較,對組間進行單因素方差分析。表11的結果表明,當失誤嚴重性較低時,5種商家回復對商家的歸屬性歸因、對失誤的可控性和穩定性歸因的影響無顯著差異(P=0.070,0.132,0.205),假設7a得到驗證;但此時5種商家回復對感知信任的影響具有顯著差異(P=0.014),相比于無回復(均值=4.859)、反駁(均值=4.537)、道歉(均值=4.972)和道歉加解釋(均值=4.965),道歉加解釋加修復更能夠增強潛在顧客對感知信任的感知(均值=5.286)。因此,假設7b沒有得到驗證。當失誤嚴重性較高時,5種商家回復對商家的歸屬性歸因、失誤的可控性和穩定性歸因及感知信任具有顯著差異(P=0.002,0.006,0.004,0.000),通過均值對比,相比于無回復、反駁、道歉和道歉加解釋,道歉加解釋加修復回復策略更能夠降低潛在顧客對商家的歸屬性歸因、失誤的可控性和穩定性歸因,增加顧客的感知信任。因此,假設7c、7d成立。

表11 失誤嚴重性與商家回復策略交互作用均值

在LISERL中創建結構方程模型對其他假設進行檢驗。結構方程模型檢驗了失誤歸因和感知信任對購買意愿的影響關系,模型擬合結果如圖2所示。

圖2 結構方程模型分析結果

模型的chi-square和自由度之比為1.57,小于3,漸近殘差均方和平方根RMSEA 的值為0.033,小于0.1,GFI=0.96,大于0.9,說明模型具有良好的擬合度。商家的歸屬性歸因對潛在顧客購買意愿存在顯著的負向影響,標準化路徑系數為-0.220(P＜0.001),即潛在顧客越傾向于認為應該將失誤歸咎于商家,其購買意愿就越低;同時,失誤的可控性歸因對潛在顧客購買意愿存在顯著的負向影響,標準化路徑系數為-0.170(P＜0.01),失誤的穩定性歸因也對潛在顧客購買意愿存在顯著的負向影響,標準化路徑系數為-0.210(P＜0.001)。因此,假設5成立。從標準化路徑系數和顯著性水平來看,歸屬性歸因對購買意愿的影響強于穩定性歸因,強于可控性歸因。感知信任對購買意愿有顯著的正向影響,標準化路徑系數為0.500(P＜0.001),即潛在顧客的感知信任越高,購買意愿越強烈。因此,假設3成立。此外,該結構模型的因變量潛在顧客購買意愿的R2=0.56,說明該理論模型的解釋能力得到了良好的驗證。

4 結語

本文以負面在線評論為研究對象,從負面評論的嚴重性和負面評論比例兩個角度出發,引入歸因理論、從眾理論和服務補救等相關內容探究負面評論對潛在顧客購買意愿影響機制和內部機理,運用SPSS 19.0對情景實驗收集到的樣本數據進行假設檢驗等數據分析,并借助LISERL 進行結構方程模型分析。得出如下結論:

(1)負面在線評論比例對失誤歸因的3個維度(歸屬性、可控性和穩定性)均有顯著的正向影響,對潛在顧客的感知信任和購買意愿有顯著的負向影響。即當負面在線評論的比例較高時,顧客更傾向于認為商家應該對頻頻出現的服務失誤負責,商家有必要提前采取適當的措施避免此類失誤的再次發生;但也會認為失誤是長期存在的,如果其選擇購買了該產品也很有可能會遇到類似的失誤,從而認為商家是不可信的,降低了購買的意愿。

(2)失誤嚴重性對失誤歸因的3個維度(歸屬性、可控性和穩定性)均有顯著的正向影響,對潛在顧客的感知信任和購買意愿有顯著的負向影響。即當失誤嚴重性較低時,潛在顧客往往會認為失誤的出現是無關緊要的,并且超出了商家的控制范圍,他們不會把過多的精力放在負面在線評論上,也就不會在意到底失誤是由誰造成的或者是否會經常發生,對商家會產生信任感,購買的意愿也較強。

(3)當負面在線評論比例較低時,5 種商家回復失誤歸因的3個維度的影響無顯著差異;當負面評論比例較高時,道歉加解釋加修復回復策略更能夠降低潛在顧客對商家的歸屬性歸因、失誤的穩定性歸因,但不同回復策略對失誤的可控性歸因的影響不顯著,因為顧客對商家對失誤究竟可不可控更多地來自對失誤嚴重性的考量,而非負面評論比例,進一步驗證了上一條結論。無論負面評論比例高或低,道歉加解釋加修復完整的回復策略無疑能顯著提高顧客的感知信任。當失誤嚴重性較低時,5種商家回復失誤歸因的3個維度的影響無顯著差異;當失誤嚴重性較高時,道歉加解釋加修復回復策略更能夠降低潛在顧客對商家的歸屬性歸因、失誤的可控性和穩定性歸因,但無論失誤嚴重性高或低,道歉加解釋加修復回復策略總是能顯著提高顧客的感知信任。

針對上述實證結果有如下管理啟示:

(1)商家對負面在線評論進行回復時,需要考慮負面在線評論在總評論中所占的比例。當負面評論比例較高時,商家不僅要就顧客的抱怨進行道歉,還需要就失誤產生的原因進行解釋,并采取適當的補償或承諾等修復措施來修復潛在顧客的感知信任和購買意愿;相反,當負面評論比例較低時,盡管道歉加解釋加修復能夠提升顧客的感知信任,但對歸因的3個維度無顯著差異。因此,商家可以采取不回復的策略從而降低商家的運營成本。

(2)面對差評,很多商家都選擇統一內容的官方套話進行回復,這會給潛在顧客帶來一種敷衍了事的感覺,不但不會起到積極作用,反而可能增加潛在顧客反感的情緒。研究結果表明,當失誤較為嚴重時,商家需要通過道歉對遭受服務失誤的顧客表示同情,也需要解釋失誤出現的原因,并告知會通過何種方式彌補失誤帶來的損失,或者未來可以通過哪些方式避免失誤的再次發生,以使潛在顧客感受到商家的誠意和對責任的擔當。這樣不僅能夠打消潛在顧客的顧慮,同時,也會讓潛在顧客重拾信心,恢復對商家和產品的信任,進而提升其購買意愿。當失誤嚴重性不高時,潛在顧客往往會認為失誤是無關緊要的,盡管道歉加解釋加修復的全面策略會對感知信任有所提升,但也帶來了高昂成本。因此,權衡后商家可以不對負面評論進行回復。

(3)電子商務網站的優勢在于為顧客提供了一個開放的并且有商家回復的顧客抱怨發布和處理的平臺,網絡商家應當充分重視對顧客抱怨的管理。首先,商家需要對售后人員進行負面評論響應培訓,對已購顧客發布的負面評論迅速做出反應,應用良好的溝通技巧來安撫顧客不滿的情緒;其次,售后人員也要定期對顧客抱怨進行評審,從顧客抱怨處理的過程中獲得信息,對服務失誤進行分析和評價,以便改進產品和顧客服務質量,通過改正來防止類似失誤的發生,使顧客更加滿意;再次,商家可以在處理顧客抱怨的同時建立顧客抱怨案例庫,用于記錄已發生過的服務失誤以及商家的反饋信息,便于商家對負面評論進行統一化管理和一致性的響應,提升潛在顧客的感知公平;最后,商家可以對負面評論發布者進行隨機調查或其他方法,確定抱怨顧客對抱怨處理過程及結果的滿意程度。

本文的研究結果表明,負面評論比例過高會降低消費者的購買意愿,但是正面評論數量過高或無負面評論也會引起消費者的警戒。由此可見,負面評論的比例不是越高越好,未來的研究可以從這一方向入手。除了在線評論,網絡口碑的形式還有很多種,商家回復的形式和渠道也有很多,未來的研究可以進一步考慮其他形式的網絡口碑和商家回復。此外,本文的研究數據均來自高校學生填答,未來研究可以考慮擴大實驗樣本范圍,覆蓋盡可能多的網絡購物群體。