基于TF-IDF算法的農(nóng)產(chǎn)品消費(fèi)者購(gòu)買情感分析

鄧穎儀 邱秀芳 黃華乾 龐青

摘要 “互聯(lián)網(wǎng)+農(nóng)產(chǎn)品”模式大大拓寬了農(nóng)產(chǎn)品的銷售渠道，為鄉(xiāng)村振興注入活力。于京東電商平臺(tái)甄選出點(diǎn)評(píng)數(shù)達(dá)200條以上的農(nóng)產(chǎn)品共2 090種112 779條評(píng)論，借助Hanlp工具對(duì)評(píng)論文本進(jìn)行分詞，并利用TF-IDF算法對(duì)特征詞進(jìn)行關(guān)注度分析。研究表明，消費(fèi)者網(wǎng)購(gòu)農(nóng)產(chǎn)品過(guò)程中，較關(guān)心農(nóng)產(chǎn)品的新鮮度、品質(zhì)、快遞服務(wù)及包裝;消費(fèi)者網(wǎng)購(gòu)水果類、蔬菜類等農(nóng)產(chǎn)品的比例最高，其中對(duì)水果類“甜”“熟”“酸”等特征詞的關(guān)注度最高，對(duì)蔬菜類“糯”“好吃”“香甜”等特征詞關(guān)注度最高。以上結(jié)論既豐富了農(nóng)產(chǎn)品網(wǎng)絡(luò)營(yíng)銷的相關(guān)研究，也可用于指導(dǎo)農(nóng)產(chǎn)品的網(wǎng)絡(luò)營(yíng)銷實(shí)踐。

關(guān)鍵詞 農(nóng)產(chǎn)品;網(wǎng)絡(luò)營(yíng)銷;TF-IDF算法;京東

中圖分類號(hào) S-058? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 0517-6611（2022）11-0203-04

doi：10.3969/j.issn.0517-6611.2022.11.051

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Analysis on the Consumption Emotions of Agricultural Products Based on TF-IDF Algorithm—From Online Review Data of JD E-Commerce Platform

DENG Ying-yi， QIU Xiu-fang， HUANG Hua-qian et al

（Guangdong Polytechnic of Industry and Commerce， Guangzhou， Guangdong 510510）

Abstract The Internet plus agricultural products marketing model has greatly broadened the distribution channels of agricultural products and injected vitality into the development and revitalization of rural economy. Based on the JD e-commerce platform， we selected a total number of 112 779 comments from 2 090 kind of agricultural products with online comments number over 200.The Hanlp tool was used to carry out the word segmentations of these comments. Finally? TF-IDF algorithm was used to analyze the attention-degree of the feature words. Research results showed that consumers paid more attention to the freshness， quality， express service and packaging of agricultural products while shopping online;the best-selling agricultural products online were fruits， vegetables， among which consumers paid the highest attention to the fruit sweetness， ripeness and sourness， as well the vegetable waxiness， deliciousness and sweetness. The above conclusion not only enriched the research of agricultural products network marketing， but also could be used to guide the network marketing practice of agricultural products.

Key words Agricultural products;Network marketing;TF-IDF algorithm;JD e-commerce platform

根據(jù)《中華人民共和國(guó)農(nóng)產(chǎn)品質(zhì)量安全法》，農(nóng)產(chǎn)品是指來(lái)源于農(nóng)業(yè)的初級(jí)產(chǎn)品，即在農(nóng)業(yè)活動(dòng)中獲得的植物、動(dòng)物、微生物及其產(chǎn)品。農(nóng)產(chǎn)品電子商務(wù)就是消費(fèi)者和銷售商利用電子數(shù)據(jù)傳輸技術(shù)，在線上完成農(nóng)產(chǎn)品交易的商務(wù)活動(dòng)。在非接觸的農(nóng)產(chǎn)品網(wǎng)購(gòu)環(huán)境下，消費(fèi)者的購(gòu)后在線評(píng)論會(huì)影響農(nóng)產(chǎn)品電商廠家的銷量和發(fā)展[1]。由于信息不對(duì)稱，消費(fèi)者在電商平臺(tái)上選購(gòu)不同類型的農(nóng)產(chǎn)品將面臨決策風(fēng)險(xiǎn)[2]。消費(fèi)者在線選購(gòu)農(nóng)產(chǎn)品時(shí)，不能直觀感受其性價(jià)比和鮮活度，只能參考在線評(píng)論做出購(gòu)買決策[3]。因此，在線評(píng)論屬于網(wǎng)絡(luò)口碑的范疇，是指消費(fèi)者通過(guò)電商平臺(tái)選購(gòu)商品，在商品送達(dá)后根據(jù)其性價(jià)比做出相應(yīng)的評(píng)價(jià)，并在商家評(píng)論區(qū)與其他消費(fèi)群體進(jìn)行互動(dòng)和交流[4]。

在線評(píng)論的各項(xiàng)內(nèi)容能夠加深消費(fèi)者對(duì)商品的了解，減少消費(fèi)者心中對(duì)商品出現(xiàn)的不確定性，幫助消費(fèi)者做出相應(yīng)的選購(gòu)決策[5]。在線評(píng)論作為網(wǎng)購(gòu)環(huán)境的一種有效的信任機(jī)制，已成為學(xué)界和業(yè)界關(guān)注的熱點(diǎn)話題[6]。相關(guān)研究表明，在線評(píng)論不僅影響消費(fèi)群體的購(gòu)買行為，而且更會(huì)影響電商平臺(tái)商品總體的銷售量[7]。消費(fèi)者所購(gòu)買的產(chǎn)品種類不同，則給出的在線評(píng)價(jià)內(nèi)容也不盡相同，評(píng)價(jià)結(jié)果產(chǎn)生的影響力同樣也會(huì)有所差異[8]，因此產(chǎn)品類型能夠?qū)υ诰€評(píng)論呈現(xiàn)出的有用性程度進(jìn)行有效的調(diào)節(jié)[9]。從農(nóng)產(chǎn)品角度來(lái)看，消費(fèi)者在購(gòu)買這類產(chǎn)品時(shí)，會(huì)非常注重產(chǎn)品質(zhì)量和產(chǎn)品安全性[10]，而在線評(píng)論作為消費(fèi)者了解和熟知農(nóng)產(chǎn)品屬性的重要渠道，對(duì)于電商平臺(tái)銷售商家的發(fā)展有一定影響。在線評(píng)論次數(shù)作為核心評(píng)價(jià)指標(biāo)，對(duì)產(chǎn)品銷量有顯著的影響[11]。目前，電商平臺(tái)的在線評(píng)論機(jī)制主要面向已經(jīng)購(gòu)買商品的消費(fèi)者。因此，某種商品的評(píng)論次數(shù)愈多則銷量愈好，間接表明該商品深受廣大消費(fèi)者的支持和認(rèn)可。在這種情況下，購(gòu)買決策面臨的不確定風(fēng)險(xiǎn)較低，且交易環(huán)節(jié)的成本支出也較少[12]。因此，挖掘電商平臺(tái)關(guān)于農(nóng)產(chǎn)品的在線評(píng)論數(shù)據(jù)，并對(duì)消費(fèi)者情感進(jìn)行分析，具有重要的理論意義和實(shí)踐意義。鑒于此，筆者于京東電商平臺(tái)甄選出點(diǎn)評(píng)數(shù)達(dá)200條以上的農(nóng)產(chǎn)品共2 090種112 779條評(píng)論，借助Hanlp工具對(duì)評(píng)論文本進(jìn)行分詞，并利用TF-IDF算法對(duì)特征詞進(jìn)行關(guān)注度分析。

1 TF-IDF算法

TF-IDF算法的主要原理是如果一個(gè)單詞在該文章出現(xiàn)的頻率（TF）高，并且在其他文章中出現(xiàn)頻率很低，則認(rèn)為該單詞具有很好的區(qū)分能力，適合用來(lái)進(jìn)行分類。

1.1 詞頻（Term Frequency） 詞頻表示單詞在該類農(nóng)產(chǎn)品評(píng)論中出現(xiàn)的頻率。

TF ij=nij.knkj（1）

式中， TF ij表示分詞ti在文檔編號(hào)dj中出現(xiàn)的頻率。分子代表分詞ti在文檔dj中出現(xiàn)的次數(shù)，分母表示文檔dj中所有詞出現(xiàn)次數(shù)的總和。

1.2 逆向文檔頻率（Inverse Document Frequency）

表示某一個(gè)特定單詞IDF可以由總文章數(shù)除以包含該單詞的文章數(shù)，再將得到的商取對(duì)數(shù)。如果包含該單詞的文章越少，則IDF越大，表明該單詞具有很好的文章區(qū)分能力。

IDFi= log |D||{j：ti∈dj}|（2）

式中，|D|代表文檔總數(shù)，|{j：ti∈dj}|代表包含了分詞ti的文件數(shù)。由此， 可以計(jì)算某一個(gè)詞語(yǔ)的TF-IDF值：

TF-IDF=詞頻（TF）×逆文檔頻率（IDF）（3）

TF-IDF算法可用來(lái)提取點(diǎn)評(píng)文本內(nèi)容的關(guān)鍵詞、摘要、核心關(guān)注點(diǎn)，該算法簡(jiǎn)單快速、普適性強(qiáng)，可以推廣到各種文本類分析場(chǎng)景。TF-IDF值越大，說(shuō)明該詞在該文檔中出現(xiàn)的頻率越高，可以作為該文檔的關(guān)鍵。

2 數(shù)據(jù)采集與清洗

2.1 數(shù)據(jù)采集

通過(guò)比較淘寶、天貓、拼多多等電商平臺(tái)，發(fā)現(xiàn)京東電商平臺(tái)（http：//www.jd.com）在售農(nóng)產(chǎn)品具有種類豐富、交易量大、在線評(píng)論多等特點(diǎn)，因而以此作為數(shù)據(jù)采集來(lái)源。截至2021年9月21日，京東電商平臺(tái)以農(nóng)產(chǎn)品為關(guān)鍵詞共檢索到6 000余條農(nóng)產(chǎn)品廣告展示，采用Scrapy爬蟲(chóng)框架爬取數(shù)據(jù)，并甄選出點(diǎn)評(píng)數(shù)達(dá)200以上的農(nóng)產(chǎn)品2 090種。為保證數(shù)據(jù)樣本質(zhì)量和網(wǎng)絡(luò)點(diǎn)評(píng)分析的準(zhǔn)確性，過(guò)濾重復(fù)、無(wú)實(shí)質(zhì)性內(nèi)容的評(píng)論。

2.2 數(shù)據(jù)清洗

由于在線評(píng)論文本數(shù)據(jù)中存在著大量的無(wú)關(guān)數(shù)據(jù)、重復(fù)數(shù)據(jù)、無(wú)效數(shù)據(jù)等，這些數(shù)據(jù)沒(méi)有實(shí)際意義，還可能對(duì)結(jié)果產(chǎn)生影響?；赟park計(jì)算框架結(jié)合Scala編程語(yǔ)言，實(shí)現(xiàn)對(duì)采集后的原始評(píng)論數(shù)據(jù)進(jìn)行清洗、規(guī)整、補(bǔ)錄和統(tǒng)計(jì)。第一，針對(duì)搜集到的評(píng)論文本進(jìn)行清洗，刪除針對(duì)研究沒(méi)有意義的無(wú)效、重復(fù)和缺失評(píng)論數(shù)據(jù);第二，將搜集到的部分半格式化的信息進(jìn)行格式化，如將包含中文的評(píng)論數(shù)字段規(guī)整為整型字段等;第三，補(bǔ)錄部分空缺的關(guān)鍵字段，針對(duì)空缺的商品種類、名稱等關(guān)鍵字段進(jìn)行補(bǔ)錄。數(shù)據(jù)清洗流程為之后的數(shù)據(jù)分析、數(shù)據(jù)建模提供優(yōu)質(zhì)的基礎(chǔ)數(shù)據(jù)。

最后，針對(duì)評(píng)論文本的分詞結(jié)果進(jìn)行清洗，刪除低頻、無(wú)意義的詞語(yǔ)，總共搜集的評(píng)論數(shù)114? 724條，其中好評(píng)數(shù)據(jù)為80 849條，差評(píng)為33 875條。經(jīng)清洗過(guò)后，有效好評(píng)數(shù)據(jù)為79 476條，差評(píng)為33 303條。清洗部分無(wú)效數(shù)據(jù)及其對(duì)應(yīng)分類如表1所示。

3 數(shù)據(jù)分析結(jié)果

3.1 數(shù)據(jù)分詞

運(yùn)用Hanlp分詞工具對(duì)在線評(píng)論文本進(jìn)行分詞，該框架分詞性能較好，且支持用戶自定義詞語(yǔ)，比如“不好吃”“不便宜”等單詞，用普通分詞會(huì)切分為“不”“好吃”“不”“便宜”，導(dǎo)致切分后的語(yǔ)義發(fā)生嚴(yán)重誤導(dǎo)，利用Hanlp分詞工具可以將“不好吃”“不便宜”設(shè)置為自定義單詞，使切詞后不失去原來(lái)的語(yǔ)義。部分處理樣例結(jié)果如表2所示。

為了研究的普遍性，將分詞結(jié)果中無(wú)意義的語(yǔ)氣詞、副詞等，如“的”“么”“一方面”“快”“可以”等加入停用詞表進(jìn)行過(guò)濾。

3.2 消費(fèi)者情感分析

運(yùn)行Spark計(jì)算框架，得到有效正面評(píng)價(jià)特征詞1 323個(gè)，有效負(fù)面評(píng)價(jià)特征詞693個(gè)，表3為排名前5的分詞結(jié)果。

分別提取正面評(píng)價(jià)和負(fù)面評(píng)價(jià)詞頻前40的特征詞，制作詞云分布圖，結(jié)果如圖1所示。

圖1a正面評(píng)價(jià)詞云中“很好吃”“包裝”“順豐”“味道”等特征詞的詞頻較高，說(shuō)明消費(fèi)者對(duì)網(wǎng)購(gòu)農(nóng)產(chǎn)品的口感、順豐快遞服務(wù)及包裝等給予較高的好評(píng)。圖1b負(fù)面評(píng)價(jià)詞云中“壞”“爛”“差”“發(fā)貨慢”等特征詞的詞頻較高，說(shuō)明消費(fèi)者對(duì)網(wǎng)購(gòu)農(nóng)產(chǎn)品的品質(zhì)、快遞服務(wù)等給予較低的評(píng)價(jià)?？傮w而言，消費(fèi)者網(wǎng)購(gòu)農(nóng)產(chǎn)品過(guò)程中，較關(guān)心農(nóng)產(chǎn)品的新鮮度、品質(zhì)、快遞服務(wù)及包裝。

3.3 農(nóng)產(chǎn)品分類情況

通過(guò)對(duì)在線評(píng)論數(shù)據(jù)各個(gè)維度進(jìn)行統(tǒng)計(jì)分析，將農(nóng)產(chǎn)品劃分為8大類，包括水果類、蔬菜類、肉禽類、藥材類、糧油類、水產(chǎn)類、干貨類、茶葉類（表4）。

平均評(píng)論數(shù)越多則可以認(rèn)為購(gòu)買人數(shù)越多，表4中可見(jiàn)數(shù)據(jù)情況基本符合現(xiàn)實(shí)的消費(fèi)者在電商平臺(tái)農(nóng)產(chǎn)品的購(gòu)買行為。消費(fèi)者購(gòu)買水果類、蔬菜類占多數(shù)，水果類相比蔬菜類具有地域性強(qiáng)的特點(diǎn);其中茶葉類購(gòu)買人數(shù)最少，茶葉是屬于感官體驗(yàn)型產(chǎn)品，對(duì)于品茶的人來(lái)說(shuō)，線下實(shí)體店適合品鑒是必不可少的環(huán)節(jié)，所以與其他農(nóng)產(chǎn)品相比，消費(fèi)者在電商平臺(tái)上購(gòu)買茶葉較少。

3.4 基于TF-IDF算法的關(guān)注度分析

該研究基于搜集的8大類農(nóng)產(chǎn)品，對(duì)歸屬于相同產(chǎn)品種類的商品好評(píng)內(nèi)容進(jìn)行聚類，形成8個(gè)不同的大文檔，并創(chuàng)新使用TF-IDF算法對(duì)這8個(gè)文檔進(jìn)行分析，挖掘不同種類的農(nóng)產(chǎn)品影響消費(fèi)者積極消費(fèi)行為的個(gè)性化核心主題，這些主題代表著消費(fèi)者針對(duì)該類農(nóng)產(chǎn)品有異于非同類產(chǎn)品的觀點(diǎn)和關(guān)注重點(diǎn)，以便根據(jù)不同的商家推薦更符合該產(chǎn)品的營(yíng)銷維度，為農(nóng)產(chǎn)品的個(gè)性化營(yíng)銷模式提供決策方向。

基于TF-IDF算法的分析結(jié)果如表5所示，按照概率大小排序，分別把8大類農(nóng)產(chǎn)品排名前10個(gè)特征詞抽取出來(lái)（表5）。

關(guān)鍵詞權(quán)重越大，說(shuō)明其針對(duì)該類產(chǎn)品的關(guān)注度越高，商家在做廣告以及推銷產(chǎn)品時(shí)候可以用此類情感詞，達(dá)到吸引消費(fèi)者購(gòu)買的效果。

3.4.1 水果類。該類農(nóng)產(chǎn)品的特征詞是熟、水分、維生素、物超所值、完好無(wú)損等，說(shuō)明了消費(fèi)者對(duì)水果最關(guān)心的是是否含有豐富的維生素和水分，因?yàn)樨S富的維生素和水分可以給身體提供營(yíng)養(yǎng)成分。銷售者可以多推銷蘋(píng)果、橙子、獼猴桃等富含維生素的水果，并且強(qiáng)調(diào)層層包裹完好無(wú)損，如有損壞可免費(fèi)退還。

3.4.2 蔬菜類。該類農(nóng)產(chǎn)品的特征詞是糯、好吃、品質(zhì)、綠色健康等，說(shuō)明了隨著生活水平的提高，消費(fèi)者對(duì)蔬菜的需求不僅僅局限于夠吃，還追求口感品質(zhì)、綠色健康等方面。銷售者可以主打綠色主題，捕捉消費(fèi)者心態(tài)，多推銷有機(jī)蔬菜，另外在包裝處可附有產(chǎn)地、采摘時(shí)間、營(yíng)養(yǎng)價(jià)值等詳情，增加可信度。

3.4.3 肉禽類。該類農(nóng)產(chǎn)品的特征詞是肉質(zhì)、生鮮、順豐等，其中肉質(zhì)這個(gè)特征詞說(shuō)明消費(fèi)者對(duì)家禽類養(yǎng)殖的焦點(diǎn)在于養(yǎng)殖過(guò)程中是否用激素催生，是否采用工業(yè)化養(yǎng)殖飼料。銷售者在推銷家禽類時(shí)可以重點(diǎn)強(qiáng)調(diào)用谷、飯、菜葉或小蟲(chóng)子喂養(yǎng)，養(yǎng)殖地空氣質(zhì)量高，因此肌肉質(zhì)地結(jié)實(shí)，加上配送只限順豐速遞，保障肉質(zhì)鮮美。

3.4.4 藥材類。該類農(nóng)產(chǎn)品的特征詞是泡水、味濃、貨真價(jià)實(shí)、方便等，說(shuō)明消費(fèi)者偏向喜歡藥材能夠直接泡水代替煎熬，方便服用。最近幾年藥材類為了迎合消費(fèi)者需要，特別是中藥類研制了顆粒，可直接泡水服用，代替瓦煲煎熬，銷售者在推銷藥材的時(shí)候可以在這方面多加強(qiáng)調(diào)。

3.4.5 糧油類。該類農(nóng)產(chǎn)品的特征詞是精美、產(chǎn)品包裝、拌飯、老人、家鄉(xiāng)等，一方面說(shuō)明消費(fèi)者偏好精美的包裝，由此可推測(cè)糧油類除了家庭日常所需之外，還是節(jié)日送禮的首選;另一方面深受家里老人喜歡，具有家鄉(xiāng)的味道。銷售者可以在包裝方面發(fā)揮想象，設(shè)計(jì)別與其他商家的包裝，吸引消費(fèi)者的眼球。

3.4.6 水產(chǎn)類。該類農(nóng)產(chǎn)品的特征詞是鮮美、冰塊、存活率、廣東等，說(shuō)明消費(fèi)者偏好廣東的海鮮，在配送過(guò)程中喜歡有冰塊保鮮，這樣可以提高海鮮的存活率。銷售者可以多推銷產(chǎn)地是廣東的海鮮，配送中加入冰塊，確保存活率。

3.4.7 干貨類。該類農(nóng)產(chǎn)品的特征詞是飽滿、燉肉、煲湯、解饞、新疆等，說(shuō)明消費(fèi)者偏好新疆產(chǎn)的干貨，用途大多用于煲湯或者閑余時(shí)間解饞。銷售者可以多入手產(chǎn)地是新疆的干貨類，滿足消費(fèi)者的需求。

3.4.8 茶葉類。該類農(nóng)產(chǎn)品的特征詞是泡水、減肥、無(wú)雜質(zhì)、降血壓等，泡水喝能夠起到到擴(kuò)張血管，清熱解暑以及降血壓的作用，由此對(duì)于女性消費(fèi)者而言，通過(guò)喝茶能夠達(dá)到減肥的效果。銷售者可以在推銷茶葉的時(shí)候，針對(duì)具有減肥、降血壓等功效的茶類品種多做廣告，加大口碑宣傳。

4 結(jié)論與展望

該研究采用Scrapy爬蟲(chóng)框架爬取京東電商平臺(tái)農(nóng)產(chǎn)品網(wǎng)絡(luò)消費(fèi)者在線評(píng)論數(shù)據(jù)，利用Spark計(jì)算框架分析消費(fèi)者正負(fù)面的情感評(píng)價(jià)，并進(jìn)一步采用TF-IDF算法對(duì)不同類型農(nóng)產(chǎn)品的消費(fèi)者關(guān)注度進(jìn)行分析。結(jié)果表明，①消費(fèi)者網(wǎng)購(gòu)農(nóng)產(chǎn)品過(guò)程中，較關(guān)心農(nóng)產(chǎn)品的新鮮度、品質(zhì)、快遞服務(wù)及包裝;②消費(fèi)者網(wǎng)購(gòu)水果類、蔬菜類等農(nóng)產(chǎn)品的比例最高，其中對(duì)水果類甜、熟、酸等特征詞的關(guān)注度最高，對(duì)蔬菜類糯、好吃、香甜等特征詞關(guān)注度最高。

理論上，該研究豐富了農(nóng)產(chǎn)品網(wǎng)絡(luò)營(yíng)銷的相關(guān)研究，創(chuàng)新性地引入TF-IDF算法對(duì)不同類型農(nóng)產(chǎn)品的消費(fèi)者關(guān)注度進(jìn)行分析，拓展了TF-IDF的應(yīng)用領(lǐng)域。實(shí)踐上，該研究結(jié)果和結(jié)論可為農(nóng)產(chǎn)品網(wǎng)絡(luò)營(yíng)銷實(shí)踐提供指導(dǎo)，即農(nóng)產(chǎn)品電商應(yīng)注重農(nóng)產(chǎn)品的保鮮、儲(chǔ)存和包裝，并運(yùn)送及時(shí)、服務(wù)優(yōu)質(zhì)的快遞服務(wù)商。

鄉(xiāng)村振興戰(zhàn)略背景下，農(nóng)產(chǎn)品電商紛紛入駐京東、淘寶、天貓、拼多多、抖音等各大電商平臺(tái)，促使我國(guó)農(nóng)產(chǎn)品網(wǎng)絡(luò)營(yíng)銷蓬勃發(fā)展。該研究?jī)H以京東電商平臺(tái)為案例，消費(fèi)者在線評(píng)論數(shù)據(jù)覆蓋面存在一定的局限性，未來(lái)研究可進(jìn)一步拓展數(shù)據(jù)獲取范圍，如增加淘寶、天貓、抖音等電商平臺(tái)的數(shù)據(jù)，使研究結(jié)果和結(jié)論更具代表性。

參考文獻(xiàn)

[1] 王秀清，孫云峰.我國(guó)食品市場(chǎng)上的質(zhì)量信號(hào)問(wèn)題[J].中國(guó)農(nóng)村經(jīng)濟(jì)，2002（5）：27-32.

[2] 李愛(ài)國(guó)，鄧召惠，毛冰潔.在線負(fù)面評(píng)論對(duì)體驗(yàn)型產(chǎn)品銷量的影響：基于商家回復(fù)視角[J].商業(yè)研究，2016（7）：138-144.

[3] DE PELSMACKER P，VAN TILBURG S，HOLTHOF C.Digital marketing strategies，online reviews and hotel performance[J].International journal of hospitality management，2018，72：47-55.

[4] 游浚，張曉瑜，楊豐瑞.在線評(píng)論有用性的影響因素研究：基于商品類型的調(diào)節(jié)效應(yīng)[J].軟科學(xué)，2019，33（5）：140-144.

[5] 張耕，劉震宇.在線消費(fèi)者感知不確定性及其影響因素的作用[J].南開(kāi)管理評(píng)論，2010，13（5）：99-106.

[6] 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.

[7] WEATHERS D，SHARMA S，WOOD S L.Effects of online communication practices on consumer perceptions of performance uncertainty for search and experience goods[J].Journal of retailing，2007，83（4）：393-401.

[8] 宋鵬，郭勤勤.異質(zhì)產(chǎn)品的在線評(píng)論特征對(duì)產(chǎn)品銷量的影響[J].山西大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2019，42（4）：105-112.

[9] 張艷輝，李宗偉.在線評(píng)論有用性的影響因素研究：基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)[J].管理評(píng)論，2016，28（10）：123-132.

[10] 周小梅，范鴻飛.區(qū)域聲譽(yù)可激勵(lì)農(nóng)產(chǎn)品質(zhì)量安全水平提升嗎？——基于浙江省麗水區(qū)域品牌案例的研究[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2017，38（4）：85-92，112.

[11] FINK L，ROSENFELD L，RAVID G.Longer online reviews are not necessarily better[J].International journal of information management，2018，39：30-37.

[12] LIU Y M，DU R.The effects of image-based online reviews on customers’ perception across product type and gender[J].Journal of global information management，2019，27（3）：139-158.