評論特征對用戶采納在線醫評信息意愿的影響機制

韓璽　蔣佩瑤　陳思然等

關鍵詞： 在線評論； 采納意愿； 健康信息； 信任轉移； 精細加工可能性模型

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００４

〔中圖分類號〕Ｇ２５２.０ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２３） ０９－００３６－１５

隨著Ｗｅｂ２ ０ 技術的發展和移動網絡的普及，“互聯網＋醫療” 模式為用戶就醫提供了極大便捷。用戶可以通過醫療服務網站在線擇醫問診， 也可以借助在線評價信息開展線下就醫。在這一過程中，醫療網站中他人對醫生能力、技術、工作態度等的評價口碑信息成為個體擇醫決策的重要信息來源［１］ 。已有研究表明， 美國［２］ 、英國［３］ 、德國［４］ 等多個國家（地區）用戶使用在線醫評信息的比例逐漸上升。與此同時， 由于長期以來電商平臺虛假評論的存在，用戶采納在線醫評信息時持謹慎態度［５］ ， 這不僅影響用戶依據評論選擇醫生， 也影響對醫療服務網站的信任與使用。因此， 在網絡醫療愈發重要的背景下， 探索用戶采納在線醫評信息的影響機制對優化平臺設計和促進在線醫療服務發展至關重要。

盡管過去不少學者針對酒店［６］ 、科技商品［７］等電商情景中用戶采納在線口碑開展了研究， 但對在線醫療情境的關注仍然不足， 尤其是醫評信息具有與普通商品評論不同的評價特征和應用情景特征。如部分醫療服務網站在醫評信息中展示了實名掛號評論人的姓氏， 部分則用隨機編碼或昵稱方式； 部分醫評信息比較簡短抽象且以評價為主， 部分醫評信息內容客觀且事實詳實。此外， 用戶利用在線醫評信息時也有不同疾病嚴重程度的情景差異和個體特征差異。基于此， 本文聚焦于醫評信息的獨特特征， 探索相關特征如何影響用戶對醫評信息的采納，以及在這一過程中使用情景特征和消費者異質性特征如何發揮作用。

１相關研究

在線評論， 也稱為口碑， 是消費者購買產品或服務后， 根據自身體驗與感受， 通過網絡分享關于產品及服務的評價內容信息［８］ 。在線評論作為共享信息資源， 本身不具備商業傳播目的， 更多是一種自發分享驅動， 但對其他消費者而言具有較強影響力與說服力。研究證明， 在線評論在消費者購買決策中發揮巨大作用， 并且成為很多公司在線發展策略的重要組成［９］ 。在網絡口碑越來越重要的背景下， 消費者傾向于瀏覽評論后， 對信息內容進行接受評估與信任采用， 因此， 促進用戶對在線評論信息的采納是該領域重要研究內容。

以往研究關注了不同情景中在線評論的采納，如社交網站［１０］ 、旅游網站［１１］ 、第三方評論網站［１２］等不同類型， 但在線醫療情景下的評論信息采納尚未引起關注。評論信息采納影響因素分析方面， 主要圍繞３ 個維度特征展開： 信息內容（信息質量、評論數量、信息可信度等）、信息來源（信息發布者可信度、專業度、客觀性、信任度等）和信息接收者特征（專業能力、產品涉入、社區涉入、自我效能等）［１３］ 。在探索評論信息如何影響用戶采納時， 詳盡加工可能性模型［１０，１４］ 、技術接受模型［１５］以及融合上述理論的信息采納模型［１６］ 是最常引用的理論基礎。

在研究內容方面， 多數研究采用問卷調查方法，在測量相關變量基礎上驗證變量如何影響用戶采納在線評論， 以及存在何種調節變量。如李平等［１７］主要圍繞社交網絡中網絡傳播者特征如何影響網絡口碑的采納， 發現信息源的專業性、活躍度和人物吸引力與認知信任顯著正向相關， 而活躍度、社交吸引力與情感信任顯著正相關， 口碑接受者的剝奪型好奇心和興趣型好奇心顯著正向調節信任對口碑的影響。晏勤［１８］ 專門探索了口碑抽象程度對消費者采納口碑的作用， 發現正面口碑越抽象， 動機越可能利他， 越具體越可能是出于自我強化； 而負面口碑越具體， 動機越出于利他， 越抽象越可能是出于發泄情緒， 動機會進一步影響消費者對評論的采納。劉詠梅等［７］ 針對科技商品在線口碑采納時，驗證了個體異質性（性別、初始購買意愿和相關專業知識）在口碑質量、來源可信度影響感知有用性過程中發揮了調節作用。有研究對比了不同口碑形式的作用， 如王藝婷［１９］ 在分析社交口碑和電商口碑對消費者采納在線評論影響時， 發現社交口碑采納時用戶更多判斷是否可信， 而電商口碑則主要判斷是否有用， 信息數量、來源吸引力等啟發性因素對用戶采納社交口碑的影響更大。武鵬飛等［１０］ 同樣針對兩類電子口碑的采納， 發現消費者對電商口碑有用性和信任度降低時， 他們更傾向于采納社交媒體口碑， 且認知水平和涉入度對口碑有用性的感知具有調節作用。

目前， 也有少量研究采用實驗方式驗證具體的口碑信息特征對特定口碑信息采納產生的影響。如陳珊珊［２０］ 研究圖片形式網絡口碑特性如何影響評論信息采納時， 發現圖片形式具有真實標記性、類比相似性和視覺刺激性３ 個特征， 這３ 個特征分別通過信息可信度、有用性、情緒啟動３ 個中介變量影響了口碑的采納。曹原［２１］ 通過組間實驗的方式驗證了加層信息的在線評論可以增強信息質量和可信度對感知有用性的影響， 加層信息的存在發揮了正向調節作用。

從現有文獻來看， 專門針對醫評信息特征如何影響用戶采納缺乏深入探討， 在線評論采納的研究方法較為單一。尤其是健康問題比一般產品更為敏感， 醫療服務網站不如電商網站被廣泛接受， 消費者采納醫評信息時更加慎重［２２］ ， 故而信任構建在用戶采納過程中發揮重要作用， 但目前對該機制的研究存在較大空間。此外， 在調節因素研究中， 目前主要集中在消費者個體特征方面， 對評論利用情景因素的研究有限。因此， 本研究擬通過組間實驗的方法， 基于ＥＬＭ 模型與信任轉移理論， 探索醫評信息特征（評論內容類型、評論人昵稱）如何影響消費者認知及后續采納， 尤其是將情景特征（疾病嚴重程度）和消費者異質性特征（用戶性別）納入考量范圍，探索用戶采納在線醫評信息的影響機制。

２理論基礎與研究假設

為了解決研究問題， 本文選擇ＥＬＭ 模型和信任轉移理論作為理論基礎。ＥＬＭ 模型認為個體認知改變受中心路徑和邊緣路徑兩個方面影響， 中心路徑需要用戶對信息內容特征深入分析， 邊緣路徑主要借助信息內容之外的線索進行判斷和推理［２３］ 。本研究將用戶處理評論文本內容作為中心路徑， 將用戶判斷評論人可信度作為邊緣路徑。此外， 信任轉移理論顯示信任是一個認知過程， 它可以從已知目標轉移到未知目標［２４］ 。本研究中， 用戶對評論人的信任不僅建立在對評論人昵稱認知的基礎上， 還受到用戶對網站的信任以及對評論人群體信任轉移的影響。

２.１基于ＥＬＭ 模型的相關假設

２.１.１評論文本特征對感知信息客觀性的影響

在電子商務領域， 消費者通常利用平臺提供的評論功能， 表達自己對產品或服務質量和使用體驗的評價［１３］ 。然而由于個體評價的動機不同， 使評論存在一定差異。一些消費者能夠具體、詳細地闡述產品特征及個人使用體驗， 評論字數多， 評價全面且包含客觀事實； 但也有消費者評價過于主觀，情緒表達較多， 內容抽象且不具體， 較少包含病情就醫事實。現實中， 消費者采納在線評論時主要依賴評論內容質量這一核心路徑， 此時評論客觀性是評論質量的關鍵指標。評論客觀性是指信息多大程度上被認為是無偏見的、公平的、無歧視的［２５］ 。在線評論情景中， 客觀性意味著評論內容符合事實，不摻雜較多個人情緒表達。評論內容描述越具體，代表消費者對產品或服務的了解越深入， 評論質量更高， 評論內容更加客觀［２６］ 。本研究中， 如果評論人對醫生的評論是抽象表達和情感發泄， 沒有事實內容， 受眾就會對評論的客觀性持懷疑態度。基于此， 本文提出假設：

Ｈ１： 評論文本的具體／ 抽象特征會影響用戶感知在線醫評信息客觀性

２.１.２評論人昵稱對感知具體評論人信任的影響

ＥＬＭ 理論認為當信息接收者沿著邊緣路徑處理信息時， 往往會將信息源可信度作為重要線索［２７］ ，這會直接影響信息接收者的基本判斷。尤其是在網絡口碑成為消費者決策重要決定因素的時代， 不少商家為了獲得更好的口碑使用了“控評水軍”， 這一現象增加了用戶在采納評論時的警惕性和對評論人真實性的更多關注。在醫療服務網站中， 由于評論數量較少且醫評信息是用戶接觸較少的新事物，用戶對評論和評論人的真實性更加關注。目前， 大型醫療服務網站展示評論信息時， 因考慮消費者隱私問題， 評論人名稱多以部分省略姓名、部分省略手機號碼、自定義昵稱等多種方式展示。如就醫１６０平臺是以“姓＋?” “昵稱” “用戶編碼數字” 等方式展示評論人名稱， 好大夫平臺以“匿名患者＋ＩＰ 區域” 的方式展示， 微醫平臺是以“姓＋?”

或者“用戶＋?” 的方式展示。評論人名稱信息在被用戶通過邊緣路徑處理時， 會影響他們對信息源可信度的判斷。已有研究發現， 網絡昵稱會影響人們對其產生積極或者消極的評價， 尤其是非漢字的昵稱容易引起消極的反應［２８］ 。在本研究中， 當評論人昵稱顯示真實姓氏時會增加用戶信任感知， 而以字母代碼或者個性昵稱展示時會降低用戶對具體評論人的信任感知。基于此提出假設：

Ｈ２： 評論人昵稱形式會影響用戶對具體評論人的信任感知

２.１.３信息客觀性和具體評論人信任對評論有用性影響

整合ＥＬＭ 模型和ＴＡＭ 模型的信息采納模型顯示， 具體客觀的在線評論往往被用戶認為在決策時更加有用。客觀的信息可以更好地幫助用戶對產品或服務的好壞進行判斷， 從而降低信息檢索的時間和精力成本， 有助于提高決策的效率［２９］ 。已有來自酒店等其他領域的實證研究結果顯示， 在線評論信息的客觀性會對評論的有用性產生顯著的影響［２９－３０］ 。本研究中， 當用戶面對具體在線醫評信息時， 他們感知到評論信息的客觀性越強， 這些信息就越能降低用戶決策時的不確定性感知， 因此會認為這些醫評信息更有用。基于此提出假設：

Ｈ３： 感知評論客觀性正向影響用戶感知評論有用性

此外， 信息采納模型顯示除了代表信息內容質量的客觀性會通過中心路徑影響信息有用性感知外， 對信源的信任也會通過邊緣路徑影響信息有用性感知［２７］ 。在線評論日益增多且產品技術日益復雜的背景下， 用戶為了減少精力投入會根據評論特征篩選有用的在線評論［３１］ 。Ｃｈａｉｋｅｎ Ｓ 等［３２］ 認為，評論人的特征會作為額外線索幫助用戶進一步形成對評論內容的判斷。過去有不少研究均證實用戶對網絡口碑來源可信度的感知會影響有用性的判斷。如有學者發現網絡口碑信息源可信度正向影響網絡口碑的信息有用性［３３］ ， 對綠色商品在線口碑的研究發現， 評論人信任會影響用戶對評論有用性的判斷［１３］ 。朱振濤等［３４］ 對智能可穿戴設備在線評論有用性分析時， 發現評論者排名這一來源可信度的指標會影響評論的有用性評價。Ｌｅｅ Ｊ 等［２９］ 對酒店在線評論的研究發現， 評論人的信任也會進一步影響用戶的評論有用性感知。本研究中， 用戶面對特定在線醫評信息， 評論人是否值得信任會影響他們對評論有用性的判斷。因此提出假設：

Ｈ４： 感知具體評論人信任正向影響用戶感知評論有用性

２.１.４感知評論有用性對評論采納意愿的影響

感知評論有用性指的是消費者感知到在線評論信息對自己是有參考意義且具有價值的， 它是用戶評估在線評論最基本的方式［２６］ 。信息采納模型認為用戶對信息的采納受感知信息有用性的影響， 用戶對信息有用性感知越高， 其采納信息的意愿越強［２７］ 。以往不少研究已經發現信息有用性是信息采納的積極決定因素［３５］ 。Ｅｒｋａｎ Ｉ 等［３３］ 也發現社交媒體產生的在線口碑感知有用性能促進消費者對信息的采納， 從而促進購買。通過上述結論可以預期用戶在閱讀、判斷和采納在線醫評信息時會產生同樣的效應， 即用戶對在線醫評信息有用性感知越強， 他們越愿意采納評論內容。基于此， 本文提出假設：

Ｈ５： 感知醫評信息有用性正向影響用戶對評論的采納意愿

２.２基于信任轉移理論的相關假設

信任轉移理論認為信任是個體對特定對象認知的過程， 由于對象特征不同以及個體對其熟悉程度不同， 個體對具體對象的信任程度存在差異， 且這種信任可以從已知目標轉移到未知目標［２４］ 。本研究主要涉及３ 個信任對象： 對網站的信任、對網站評論人群體的信任和面對某具體評論人的信任。首先， 對網站的信任經常歸因于其聲譽、大小或者運作的機制（如評論政策和虛假評論過濾等）［３６］ ； 其次， 評論人群體的信任會受到評論人聲譽、能力和虛假評論事件的影響； 最后， 對某些具體評論人的信任可能受到評論人經驗、專業度以及信息呈現模糊性等影響［３７］ 。

根據ＭｃＫｎｉｇｈｔ Ｄ Ｈ 等［３８］ 的研究， 信任可以分為人際信任、機構信任和傾向性信任。例如在交易過程中買賣雙方的信任就是一種特定情景中的人際信任， 機構信任是用戶對一定的情景或者機構（如互聯網平臺）的信任， 傾向信任是個體對其他人作為一個整體信任程度的心理特征。本研究中， 由于醫療服務網站提供了評價的工具和機制， 因此對醫療網站的信任可歸為機構信任； 對平臺中一般評論人群體的信任比較接近于傾向信任， 它塑造了個體對醫療服務網站上未知評論人整體信任情況； 對具體醫評信息評論人的信任是人際信任的典型， 它反映了一個醫生評論尋找者和醫生評論生成者之間的信任。依據信任轉移理論， 信任可以從已知對象轉移到與之相關的未知對象［３９］ 。截至目前， 信任轉移理論已經在不同情景和不同電子商務渠道［４０］ 中被驗證。在電子商務活動中， 消費者的信任可以從傳統媒介轉移到對應的互聯網媒介［４１］ ， 可以從傳統渠道轉移到移動渠道［４２］ ， 可以從營銷人員轉移到營銷人員所在的公司［４３］ 。

由于用戶在閱讀在線評論過程中需要在不確定認知中做出決策， 因此用戶采納在線評論的過程也可能包括信任轉移。已有研究發現， 在不確定情形中， 信任可以從已知對象轉移到未知對象［３９］ 。對消費者而言， 已知信任對象可能由于比較熟悉而賦予初始信任， 而未知對象由于不熟悉而難以形成信任。當消費者對不熟悉對象擁有了信任后， 他們會愿意采取比較積極的行為［４４］ 。本研究中， 用戶在評估在線醫評信息過程中可能涉及３條信任轉移的路徑： 一是從對醫療平臺的信任轉移到一般評論人群體； 二是從一般評論人轉移到具體評論人； 三是從對醫療平臺信任轉移到具體評論人。

第一條信任轉移路徑的潛在假設是知名醫療服務網站更加值得信任， 并且這些網站上具體評論人也值得信任。用戶會由于網站聲譽以及網站評論產生機制等原因， 傾向于對醫療服務網站予以初始信任。已有研究表明， 一個網站的聲譽［４３］ 和網站為減少交易風險形成的機制［４４］ 都可能促進消費者的信任， 從而促進交易的發生。對大型醫療服務網站形成的積極信任會使用戶相信這些網站上一般評論人群體也是值得信任的。從信任轉移視角看， 用戶很可能由于對一個知名機構（如醫療服務網站）的信任， 進而信任一個不太知名的對象（如醫療服務網站中的一般評論人群體）［３９］ 。基于上述分析， 提出如下假設：

Ｈ６： 感知網站信任正向影響用戶對一般評論人群體的信任

第二條信任轉移路徑關注對一般評論人群體信任及演繹歸納后得到針對具體評論人信任的結論。如前所述， 假定醫療服務網站上評論人群體是值得信任的， 那么用戶有理由相信所被呈現的具體評論的評論人作為群體的一員也是值得信任的。這是對整體評論人進行推理可以得到的合理結論。如信任轉移理論所示， 用戶對未知對象（如具體評論人）的信任可以從與未知對象有關的已知知名對象（如評論人群體）衍生發展［４０］ 。基于此， 提出如下假設：

Ｈ７： 對網站一般評論人群體的信任正向影響網站中具體評論人信任

第三條信任轉移路徑證明與溯源信任有關。消費者通過評論網站查看產品或服務的評論， 并對發表此評論的具體評論人進行信任評估。由此可見，具體評論人可以追溯到醫療服務網站， 而信任轉移路徑認為信任從這些來源轉移到具體目標［２９］ 。學者Ｍｉｌｌｉｍａｎ Ｒ Ｅ 等［４５］ 認為， 商業發展可以通過對作為來源的行業協會的信任來建立對具體營銷人員的信任， 在這種情況下， 信任從行業協會轉移給了營銷員。因此， 評論網站的聲譽和可信度越高， 發表評論的具體評論人就越有可能值得信賴， 用戶越可能對具體評論人產生信任。基于上述合理的邏輯分析， 本文提出假設：

Ｈ８： 感知網站信任正向影響用戶感知具體評論人信任

２.３性別和疾病嚴重程度的調節效應

２.３.１用戶性別的調節作用

在線評論信息的內容和外圍線索對消費者認知發揮直接效用時， 消費者本身存在的異質性也會產生一定影響。有研究顯示， 具有不同個性特質的消費者其認知和行為會有所不同， 這種差異會對信息理解能力、信息處理方式等產生不同反應［４６］ 。以往研究顯示， 性別差異會對在線口碑感知信任產生影響。學者Ｇｅｆｅｎ Ｄ 等［４７］ 認為在虛擬網絡交流中，女性相對男性更喜歡對線上信息進行評估， 女性在網購時具有較高的感知風險， 對獲取的信息具有更高警惕性［４８］ ， 進而會負向影響對網站評論信息的信任意愿。劉詠梅等［７］ 也發現女性比男性感知的信源信任對評論信息有用性的影響更大。在在線醫評信息采納中， 女性參與程度高于男性， 因此她們對醫評信息的關注度更高， 了解程度也更高， 所以在面對醫評信息時感知的信息客觀性和信任程度更強。根據以上分析， 提出以下假設：

Ｈ９ａ： 相比男性， 女性用戶狀態下評論內容特征對感知評論客觀性的影響較大

Ｈ９ｂ： 相比男性， 女性用戶狀態下評論人特征對感知具體評論人可信度的影響較大

２.３.２疾病嚴重程度的調節作用

用戶查閱醫生評價信息的動機往往與疾病嚴重程度相關。疾病嚴重程度指的是用戶感知到疾病事件嚴重程度以及與自身相關程度。患者的差異性決定其不同的健康行為， 尤其是當患者就診病情不同時， 可能會產生不同健康需求， 其選擇行為也具有差異性［４９］ 。研究顯示， 在醫療環境中， 不同疾病的患者對健康信息質量的認知需求不同［５０］ ， 當疾病嚴重程度更高時， 消費者對于信息的關注程度更高， 更傾向于信任完整性、相關性和客觀性更強的信息， 從而掌握更多、更全面的信息。基于此， 本文提出假設：

Ｈ１０ａ： 疾病嚴重程度正向調節評論內容特征與感知評論客觀性的關系

Ｈ１０ｂ： 疾病嚴重程度正向調節評論人特征與具體評論人可信度的關系

２.４研究模型

基于上述分析， 最終構建以下研究模型， 如圖１ 所示。模型中， Ｈ１～Ｈ４、Ｈ８ 是基于ＥＬＭ 模型，探索用戶在醫療服務網站接收到評論內容與評論人昵稱信息后， 如何通過中心與邊緣路徑進行信息加工， 在產生認知改變后影響醫評信息的采納意愿。Ｈ５～ Ｈ７ 主要探索了信任轉移理論下， 網站信任、一般評論人信任與具體評論人信任之間的轉移關系，Ｈ９ａ～Ｈ９ｂ、Ｈ１０ａ～Ｈ１０ｂ 分別引入性別與疾病嚴重程度變量， 探索它們的調節作用。

３研究方法

３.１實驗設計

目前， 中國一些知名醫療服務網站， 如好大夫、就醫１６０和微醫等， 均向用戶提供許多可供選擇的醫生， 網站還顯示了每個醫生的具體評論信息以及評論人信息。用戶在就醫決策時可以參考網站中的醫生信息和評論信息， 在采納參考評論信息后縮小其選擇范圍。其中， 好大夫是首批互聯網醫療服務平臺， 目前已有１０ 多年運營歷史。網站還有大量醫生評價信息， 是目前病人和醫療服務提供者廣泛接受的平臺。因此選擇好大夫網站的評論信息作為模擬來源， 其特征可以代表多數醫療服務網站。

本次研究采用情景模擬實驗方式開展， 實驗方式為２（事實／ 抽象文本評論內容）?２（真實／ 虛擬評論人昵稱）?２（嚴重病癥／ 輕度病癥）的組間實驗。研究主要邀請潛在醫評信息利用者參與， 并隨機給參與者呈現了如下簡要情景描述： 您好朋友小李的兒子今年３ 歲， 最近患上了感冒（ｖｓ白血病）， 他不知道找哪位醫生看病， 您幫他在某醫療服務網站查到了Ａ 醫院的薛醫生， 并看到了一些具體評論信息。請您仔細閱讀評論信息， 回答以下問題。該問卷展示模擬的好大夫網站界面， 并創建了８ 個不同版本的醫生評價情景。所有８ 個版本的模擬截圖均顯示了該醫生收到的評論內容以及評論人信息，這些信息均模擬自真實評論信息。為了避免附加信息造成的干擾， 本文模糊處理了醫生所在醫院及其職稱頭銜。實驗參與者被要求基于問卷中情景回答一些認知和行為意愿的問題。

３.２量表設計

為了保證問卷量表的有效性， 大部分測量項目都是根據以往文獻改編而成。每個變量由３ 個題項的７ 分Ｌｉｋｅｒｔ 量表（１＝完全不同意和７＝完全同意）來測量。其中網站信任改編自Ｈｏｎｇ Ｉ Ｂ 等［５２］ 發表的文獻。一般評論人信任和具體評論人信任這兩個構念改編自Ｊｅｎｓｅｎ Ｍ Ｌ 等［５３］ 和ＭｃＫｎｉｇｈｔ Ｄ Ｈ 等［５４］ 發表的文獻。信息客觀性改編自Ｗａｎｇ Ｒ Ｙ 等［５５］ 發表的文獻。評論有用性改編自Ｃｏｎｎｏｒｓ Ｌ 等［５６］ 發表的文獻。評論采納意愿改編自Ｌｕ Ｊ 等［５７］ 發表的文獻。

３.３數據收集

實驗問卷在“問卷星” 平臺設計生成后， 研究人員將鏈接在微信和ＱＱ 等渠道進行投放。為了保證問卷填寫質量， 在設定潛在代表性目標人群后，發揮社交關系使大家將問卷滾雪球式在朋友間傳播。調查從２０２２ 年１ 月２０ 日開始持續了兩周， 共回收問卷５５０ 份， 剔除填答呈規律排列等無效問卷， 共回收有效問卷５３９ 份， 有效問卷回收率９８.０％。為保證每個情景的均衡， 利用身份證尾號控制方式，使參與者隨機被分配在不同情景， 最終每個情景樣本數量在６２～７４ 不等， 如表１ 所示。

３.４數據分析

研究使用ＳＰＳＳ ２３.０ 和Ｓｍａｒｔ ＰＬＳ軟件， 并應用ＰＬＳ－ＳＥＭ 來檢驗研究模型。ＰＬＳ－ＳＥＭ 不僅能夠最大限度地解釋潛在變量的方差［５８］ ， 還允許以最小的偏倚同時檢驗中介， 從而更好地評價完全效果。按照兩步分析程序方法， 對量表和結構模型分析進行了評估。由于ＰＬＳ 計算不產生每個參數的正式顯著性檢驗結果， 因此采用了Ｂｏｏｔｓｔｒａｐ 技術來獲得ｔ 統計量和標準誤差［５９］ 。本研究使用５ ０００個重復樣本進行了Ｂｏｏｔｓｔｒａｐ。

４研究結果

４.１樣本特征

表２ 描述了參與對象的人口統計特征。從樣本數據來看， 本次實驗中９０.９１％的參與者年齡在２５～４５ 歲之間。女性占５９.３７％， 男性占４０.６３％， 已婚人士占８０.３３％。同時， 參與者中６４.１９％具有大專及以上程度的學歷， ７９.２％的參與者月收入高于６ ０００元， ９３.１３％的參與者日均上網時間超過３小時。上述人口學特征符合本次實驗人群要求。

４.２量表檢驗

研究對所有構念的信度和效度進行了檢驗。其中， 克朗巴哈系數和組合信度值被用來評價構念的信度。如表３ 所示， 一般評論人信任、網站信任、評論內容客觀性、具體評論人信任、評論有用性、評論采納意愿６ 個構念對應量表的Ｃｒｏｎｂａｃｈｓ Ａｌ?ｐｈａ 系數均介于０.８７６ ～ ０.９４５ 之間， 大于臨界值０.７； 所有構念的組合信度（ＣＲ 值）均大于０.９３２，大于Ｆｏｒｎｅｌｌ 和Ｌａｒｃｋｅｒ 提出０.７０ 的臨界值［６０］ ， 所有構念具有可接受的信度。

本文使用了每個構念的因子載荷和平均萃取方差兩個指標來測量聚合效度。如表３ 所示， 每個構念的因子載荷均是顯著的（ｐ＜０.００１）且高于被推薦的臨界值０.５； 平均萃取方差（ＡＶＥ）介于０.８１９ ～０.９００ 之間， 均超過了臨界值０.５［５８］ ， 因此所有變量的聚合效度得到了支持。此外， 由于相關系數的ＨＴＭＴ 比值均低于閾值０.８５， 且ＨＴＭＴ 置信區間（ＣＩ＝０.０１９～０.８１８）不包括１.０， 所有構念的區分效度均較好。上述結果為所有量表的信度和效度提供了支持性證據。此外， 本文開展了共線性檢驗以確定是否有任何構念的方差膨脹系數（ＶＩＦ）等于或者大于３.３［６１］ ， 結果顯示ＶＩＦ 值均小于閾值， 證實共同方法偏差對本研究不構成威脅。

４.３操控檢驗

為了保證情景實驗設計準確， 并且參與者均認真閱讀具體情景， 本次實驗進行了操控檢驗。每一個參與者需要回答對于所處情境中面臨的疾病嚴重程度、評論內容特征以及評論人昵稱的認知。研究利用ＳＰＳＳ 對３ 個模擬變量進行了單因素ＡＮＯＶＡ分析， 結果顯示疾病嚴重程度（Ｍ_１ ＝ １.８１４， Ｍ_２＝５.８６１， Ｆ（１，５３８） ＝ ６ ７９４.２６９， ｐ＜０.０００）、評論內容具體／ 抽象感知（Ｍ_１＝ ２.０４３， Ｍ_２＝ ６.１１９， Ｆ（１，５３８）＝ ５ ８７５.８５７， ｐ＜０.０００）和評論人昵稱真實／虛擬感知（Ｍ１＝２.０９４４， Ｍ_２＝５.９５１， Ｆ（１，５３８）＝４０６７.７６８， ｐ＜０.０００）在不同情景下均存在顯著差異， 上述結果顯示實驗操控比較成功。

４.４模型驗證

１） 模型的適配度檢驗

為驗證模型的合理性和有效性， 本研究采用Ｓｍａｒｔ ＰＬＳ 軟件對模型進行適配度檢驗， 模型擬合結果如表４ 所示。模型擬合的指標包括ＳＲＭＲ（判斷標準＜０.０８）、ｄ＿ＵＬＳ（判斷標準＜０.９５）、ｄ＿Ｇ（判斷標準＜０.９５）， 本研究飽和模型與估計模型的各項指標均小于臨界值， 說明模型各項檢驗指標均能較好地滿足擬合設定的標準， 具有良好的擬合度。

２） 直接效應檢驗

相關路徑檢驗方面， 本文直接采用Ｓｍａｒｔ ＰＬＳ對模型進行檢驗以判定相關路徑系數是否顯著。結果如表５ 所示， 本次研究提出的７ 個直接假設得到支持， １ 個假設未得到支持。

首先， 基于ＥＬＭ 模型的５ 個假設均得到支持，說明醫評信息內容和信息來源的特征可以影響用戶感知的內容客觀性和信源可信度， 并進一步影響用戶的評論有用性感知和具體評論采納意愿。其中，Ｈ１ 證實了評論內容具體和抽象的特征顯著影響了用戶對醫評信息內容客觀性的判斷（ｐ＜０.００１）， 內容具體的醫評信息比抽象簡單的醫評信息更能使用戶感知到更高的醫評信息客觀性（Ｍ_１＝５.８８９， Ｍ_２＝２.７８７）。不同的評論人昵稱可以顯著影響用戶對醫評信息源的信任（ｐ＜０.００１）， 真實姓氏來源的評論人比虛擬昵稱的評論人更被用戶認為可信（Ｍ_１＝５.８１３， Ｍ_２＝ ２.４７５）， Ｈ２ 得到證實。信息客觀性的感知可以顯著正向影響用戶對醫評信息有用性的感知（ｐ＜０.００１）， Ｈ３ 得到支持。同樣， 醫評信息源的可信性也顯著正向影響用戶對醫評信息有用性的感知（ｐ＜０.００１）， Ｈ４ 得到支持。用戶對醫評信息有用性的感知也顯著正向影響用戶對醫評信息的采納意愿（ｐ＜０.００１）， Ｈ５ 得到支持。

Ｈ６～Ｈ８ 主要涉及用戶對具體評論人信任的形成機制。如表５ 所示， 用戶對醫療服務網站的信任不僅直接影響他們對一般評論人的信任（ｐ＜０.００１），還進一步影響對具體評論人的信任（ｐ＜０. ００１）， 醫療服務網站信任未能直接對特定情景下的具體評論人信任產生影響（ｐ＞０.０５）， 假設Ｈ６ 和Ｈ７ 均得到了支持， Ｈ８ 未得到支持。結果顯示， 信任轉移可以在網站、一般評論人群體和特定評論人之間發生轉移， 但無法直接由網站轉移至具體評論人。

３） 中介效應檢驗

中介變量的存在可以更好地解釋因變量和自變量之間的關系。本研究主要關注了醫評信息特征如何影響用戶認知和行為改變， 以及一般評論人信任如何在網站信任和具體評論人信任之間發揮作用。具體而言， 利用Ｂｏｏｔｓｔｒａｐｐｉｎｇ 中介方法生成一個對稱置信區間來評估中介效應， 如表６ 所示。

表６ 顯示評論信息文本的詳細／ 抽象可以通過評論客觀性→評論有用性的序列中介發揮作用， 評論人真實／ 個性化昵稱的展示可以通過感知評論人可信度→評論有用性的序列中介發揮作用。網站信任可以通過一般評論人信任的中介作用影響具體評論人的信任。總體而言， 基于Ｂｏｏｔｓｔｒａｐｐｉｎｇ 中介效應分析發現， 表６ 中所有的中介效應均是顯著的。

４） 調節效應檢驗

除了上述主效應分析， 本文還探索了用戶個人特征和疾病情景發揮的調節作用。在用戶個人特征方面， 如表７ 調節效應分析所示， 性別特征在評論信息特征和評論感知的關系中發揮了調節作用。對女性用戶而言， 事實型的評論內容可以使她們感受到更高程度的醫評信息客觀性（ｐ＜０.０１）， 真實姓?方式的評論人名稱展示可以使她們感知到更高程度的評論人可信度（ｐ＜０.０１）， 假設Ｈ９ａ 和Ｈ９ｂ 得到支持。在具體醫評信息應用情景方面， 本文發現疾病嚴重情景下， 事實型評論內容可以使參與者感受到更高程度的醫評信息客觀性（ｐ＜０.００１）， 真實姓?方式的評論人名稱可以使參與者感知到更高程度的評論人可信度（ｐ＜０.０１）。假設Ｈ１０ａ 和Ｈ１０ｂ 得到了支持。

５結果討論

５.１研究結論

數字經濟背景下在線評論成為消費者感知產品和服務的途徑， 同時也在消費者購買決策中變得非常重要［９，１２］ 。隨著“互聯網＋醫療” 的推進， 在線醫評信息也將更多用戶用于線上和線下擇醫決策中。然而， 由于在線醫評對多數用戶是一個陌生且非專業的話題， 不少網站中的醫生擁有的評論數量有限， 電商平臺中大量虛假評論的存在使人對在線評論存有疑慮， 因此， 判斷在線醫評信息的質量和可信性對用戶后續采納和決策非常重要。本研究通過實驗方式， 基于ＥＬＭ 模型和信任轉移理論對用戶評估和采納在線醫評信息進行探索。研究聚焦于建立一個具體評論采納意愿的前因變量理論模型， 尤其是關注應用情景和個體特質在評論特征影響用戶認知過程中的作用， 并利用結構方程模型方法進行檢驗。實證結果支持本文提出的模型， 并且得出一些關鍵的結論。

５.１.１醫評信息文本內容和評論人特征對用戶采納的影響

結果顯示評論內容的詳細／ 抽象特征與評論人昵稱特征均會通過內容客觀性感知和來源可信性感知影響用戶評論有用性感知及后續采納意愿， 且中心路徑的影響力大于邊緣路徑的影響力， 這一結果符合詳盡加工可能性模型［２３，６２］ 和信息采納模型［１６］的假設。

在中心路徑方面， 詳細具體的評論內容蘊含著更高價值的信息， 增強用戶感受到評論內容的客觀性， 可以激發用戶認真閱讀、思考并對醫生服務質量進行評估， 進而加強用戶對評論信息有用性的判斷， 最后采納信息用于擇醫決策。與此同時， 面對抽象、簡單的評論信息時， 用戶會認為評論人較為隨意、情緒化和不認真， 主觀的評論使用戶對其客觀度的評價較低， 因此， 用戶感知的決策參考價值不大， 降低用戶對其有用性的評價， 并最終影響用戶對這些評論的采納意愿。

除中心路徑外， 評論本文上側顯示的評論人信息會通過邊緣路徑的方式影響用戶的認知。電商平臺中商家為了獲得好的在線聲譽， 經常會通過虛假刷評的方式得到更多、更好的評論。對于醫療服務網站而言， 一方面很多用戶對其評價機制不甚了解； 另一方面會將電商領域刷評的不信任認知遷移到這一領域， 因此， 評論人可信度是用戶利用醫評信息時的重要關注點。正如ＥＬＭ 模型所示， 用戶會通過一些邊緣線索來判斷評論信息源的可信度。本研究驗證了評論人以“姓＋?” 和個性昵稱兩種不同命名方式發布評論對用戶感知評論人可信度的影響， “姓＋?” 的方式更容易讓用戶感知到評論人是真實可信的， 而個性化昵稱則會降低用戶對其信任感知。用戶對評論人的真實性感知越高， 會越認為這些評論有用， 并進一步增進他們采納這些評論去選擇醫生的意愿。

本文通過實驗的方式證明了網站的內容和機制設計可以誘發用戶中心和邊緣路徑處理信息， 還進一步在醫評信息采納領域驗證了ＥＬＭ 模型， 深化了對評論信息質量和信息源可信度的理解， 拓展該模型應用的范疇， 為在線評論領域的研究做出了貢獻。

５.１.２初始信任對后續信任的轉移影響

除文本特征會對信息源的可信度產生影響外，研究顯示信任可以從先前階段針對網站的信任轉移到對一般評論人的信任， 并進一步轉移到具體的評論人， 但是無法從網站直接轉移到特定的評論人。用戶對信息源的信任受到多重因素的影響， 盡管來源于具體文本特征（如評論人昵稱等）的影響最大，但原有與信息源（評論人）信任相關的其他信任也會發揮作用。

如信任轉移理論所述， 信任可以從建立密切關系的熟悉對象向非熟悉對象轉移［２４］ 。本研究中， 用戶在接觸實驗情景前對醫療服務網站已有初步了解，構建了對網站和評論人群體的初始信任， 這些信任在用戶面對具體醫評信息時會發揮一定作用。醫療服務網站作為大型機構， 長期以來有政府和社會大眾的監督， 網站得到廣泛利用的事實使網絡用戶對其建立了熟悉事物的信任。醫療服務網站是用戶有一定了解的對象， 而對普通評論人群體， 用戶對其能力、水平以及是否真實等了解不多， 因此對評論人群體并不熟悉， 但理論和實證結果顯示用戶可以將對網站的信任轉移到對評論人群體的信任上。此外， 在進一步面對具體在線評論時， 由于用戶難以去評估每一個匿名評論人的可信度［６３］ ， 需要借由一些熟悉的對象進行推斷。但由于一個受信任的網站并不絕對意味著網站上任何一個具體評論人都是值得信任的， 因此前一階段對網站的信任不會轉移到具體評論人的信任上， 這一結論與先前的一項研究一致［２９］ 。從某種意義上講， 醫療服務網站和具體評論人之間并沒有建立密切的關系。但由于評論人群體和具體評論人相對密切的關系， 使得對醫療服務網站的信任可以通過評論人群體轉移到具體的評論人。

５.１.３評論利用情景和用戶個人特征的影響

正如以往在線購買中經驗型商品和搜索型商品兩種不同的購買需求情景會存在一些差異一樣， 在利用評價信息開展醫療決策時， 疾病嚴重程度也會對用戶帶來影響。在嚴重疾病就醫情景中， 用戶卷入程度更高， 他們對評價信息的需求更為迫切和旺盛。在信息過載社會中， 人們更渴望得到客觀、可信的信息。本文實驗發現， 疾病嚴重程度發揮了較為顯著的正向調節作用。在嚴重疾病情景中， 中心路徑處理的具體、詳細的在線評論可以使他們感知到更高程度的客觀性， 而抽象、簡單的在線評論使他們感受到更低程度的客觀性。當邊緣路徑影響用戶認知時， 就醫情景因素也會同樣產生作用。嚴重疾病就醫情景中， 用戶更期待獲取來源值得信任的信息， 因此“姓＋?” 展示的方式可以讓用戶感受到比輕微疾病情景下更高程度的信源信任， 而個性化昵稱方式的評論人使他們更為謹慎， 產生更低程度的評論人信任。

除醫評信息的利用情景外， 用戶個體特征也會對他們閱讀并采納醫評信息的過程產生影響。由于女性用戶在處理就醫等家庭事物方面擔任更重要的角色， 她們會更加謹慎， 電子商務環境下女性也更習慣利用在線評論。因此， 當她們面對在線醫評信息進行決策時， 具體、細致的在線醫評信息會讓她們感知到比男性更高的客觀性， 而抽象、簡單的在線醫評信息會讓她們感知比男性更低的客觀性。在依賴邊緣路徑判斷信源可信性時， 女性更為謹慎細心， “姓＋?” 的展示方式讓她們感知的信源可信度高于男性， 而個性化昵稱的評論人展示方式讓她們感知到信源可信度低于男性。

５.２研究啟示

本研究以在線醫療蓬勃發展為背景， 通過實驗方式驗證了評論特征如何影響用戶采納在線醫評信息， 研究在理論和實踐上均有一定啟示。

５.２.１理論啟示

首先， 研究證明了ＥＬＭ 模型可以和信任轉移理論一起在理論上闡釋用戶評估和采納醫評信息的行為。本研究中， 用戶對具體醫評信息有用性和采納意愿的判斷依賴于評論本文客觀性感知和評論來源可信性感知， 這由ＥＬＭ 模型和信任轉移理論共同決定。其中， 文本客觀性的感知主要由文本是否詳細、具體決定， 而評論來源的信任則主要由評論人的信任以及對醫療服務網站和一般評論人的信任決定。

其次， 研究揭示醫評信息采納預測因素——評論人信任的形成機制和轉移機制。由于信任在用戶采納在線評論及決策過程中發揮越來越重要的作用， 探索口碑信任的形成和轉移機制十分重要。結果顯示， 對具體評論人的信任源于醫療服務網站信任對一般評論人群體信任的轉移， 且最終會影響用戶的評論有用性感知和采納意愿。從這一角度講，研究通過對不同對象間信任轉移的探索， 為理解用戶是否信任在線評論提供了理論知識。

５.２.２實踐啟示

研究從目前醫療服務網站的一些實踐現象出發， 探索了不同的評論特征如何影響用戶后續的認知與采納。基于研究結果， 有以下啟示供相關利益方參考。

首先， 醫療服務網站應該鼓勵用戶生成詳細、具體的評論內容。根據研究結果， 越是具體、詳細的評論內容越能讓用戶感到客觀、有用并進一步采納， 因此， 醫療服務網站可以采取措施鼓勵用戶積極發表對醫生以及就醫體驗的高質量評論， 提供一定的撰寫指引， 引導用戶從不同角度發表具有一定細節描寫和滿足最低字數的評論。醫療服務網站也可以參考電商平臺商家為鼓勵消費者積極評價而設置的好評返現或者好評折扣措施， 通過優質評價抵扣在線診療費等方式刺激用戶生成高質量評論。

其次， 鼓勵用戶進行實名認證并在保護隱私的前提下展示更多用戶真實信息。研究發現， 真實評論人昵稱為用戶帶來更高程度評論人信任， 并促進其有用性評價和后續采納。尋找滿意的醫生對用戶而言比購買普通商品更為重要， 因此， 落實實名認證， 無論是對平臺還是用戶皆有重大意義。由于用戶擔心實名會帶來隱私問題， 網站需要建立一定的隱私保護機制并為用戶提供可信服的承諾。

第三， 網站應該加強與醫院、衛生管理機構的合作， 使用戶在增強對網站信任的基礎上強化對評論人的信任。本文實證分析顯示， 網站信任可以通過一般評論人信任向具體評論人信任進行轉移。因此， 醫療服務網站一方面需要通過優質內容、有效的認證體系贏得消費者好評； 另一方面需要對網站做好口碑管理， 當出現信任危機時及時處理， 避免用戶將對網站的不信任轉移到對評論人的不信任。

最后， 用戶性別與疾病嚴重程度的調節作用也不容小覷。從性別角度看， 由于男女消費者風險意識以及謹慎程度存在差別， 網站應該精準識別用戶性別， 尤其關注女性用戶。在展示排序時將詳細、具體的評論排在前面， 以評論長短作為默認排序，這樣更有利于女性用戶對評論信息的采納。從疾病嚴重程度看， 由于疾病嚴重程度會影響用戶對評論內容客觀性以及評論人信任的判斷， 醫療服務網站應該對重癥疾病相關的評論信息予以重視， 對相關評論內容進行更嚴格的質量把關， 減少用戶的不信任和不客觀感知， 提升他們對醫評信息的采納。

５.３研究局限

雖然本研究為探索用戶采納在線醫評信息提供了有益見解， 但在研究上也有一定局限。首先， 研究只關注了部分評論特征（評論內容抽象程度以及評論人昵稱）， 但實際上評論對用戶采納的影響是多維度的， 評論文本的長短、評論情感、發表時間、位置等也可能對用戶采納信息產生影響， 未來可以進一步探索更多特征對用戶采納醫評信息的作用機制； 其次， 實驗中每個參與者被展示的文本信息是客觀事實型或者主觀型的一種， 但是現實中用戶看到的在線醫評文本信息均是二者混合交叉， 本研究未考慮這種混合型在線醫評文本信息對用戶采納意愿的影響， 未來可以考慮將該情況納入研究范圍；第三， 本研究選擇兒童疾病就醫的情景， 該情景較為特殊和單一， 是否可以將研究結論推廣到其他疾病情景尚不確定， 未來需要進一步研究； 最后， 研究只模擬了一個醫療服務網站， 不同參與者對該網站的信任程度不同， 未來可以納入更多醫療服務網站探索其信任轉移機制。

６結語

盡管在線醫評信息的存在提高了健康信息用戶擇醫決策的能力， 但是他們卻面臨著如何對醫評信息內容和可信度進行判斷的問題。本研究通過實驗的方式， 試圖回答不同的評論內容和評論人特征如何影響用戶的認知、對評論人的信任如何形成與轉移， 以及情景與個體特征如何帶來不同影響。實證結果顯示， 詳細具體的文本評論和真實姓?的評論人展示方式可以提升用戶對評論內容客觀性的認知和評論來源可信度的感知， 并進一步提升用戶對評論有用性的認知和后續采納意愿。對具體評論人的信任不僅受具體評論人特征的影響， 還受到網站信任和一般評論人群體信任轉移的影響。此外， 性別特征和疾病嚴重程度特征分別負向和正向調節了評論特征對用戶認知的影響。研究提出的相關建議可以為醫療服務網站的優化提供參考。