神經科學視角下在線圖書選購研究

[摘 要] 將圖書在線信息分為“高評分高銷量”“高評分低銷量”“低評分高銷量”“低評分低銷量”四種情況，通過腦電技術記錄讀者對每種圖書進行購買決策的認知過程和結果，從N200、N400以及晚正電位（Late Positive Potentinl，LPP）這三項腦電指標的變化中分析讀者在“感知風險監測”“信息沖突分析”“選項價值評估”這三個決策階段的神經活動，發現評分和銷量信息顯著影響讀者的購買意愿，且信息不一致情形下，評分信息是影響購書決策的主導因素：在信息沖突分析階段，高評分低銷量引發的認知偏差更小；在選項價值評估階段，高評分低銷量引起的購買動機喚醒更加強烈；而在感知風險監測階段，高評分低銷量和低評分高銷量引發的感知風險沒有顯著差異。

[關鍵詞] 在線購書 評分信息 銷量信息 社會化學習 認知神經科學

[中圖分類號] G235 [文獻標識碼] A [文章編號] 1009-5853 （2024） 03-0073-13

Online Book Purchasing Decision from a Neuroscience Perspective

Zhu Lian Ge Yanxi

（School of Journalism and Communication， Shanghai International Studies University， Shanghai， 200083）

[Abstract] In this study， the online information of books was classified into four conditions： “high rating and high sales”， “high rating and low sales”， “low rating and high sales” and “low rating and low sales”. Through electroencephalographic（EEG）technology， the cognitive process and results of readers’ purchasing decisions for each book were recorded under four different conditions. From the changes of the three EEG indicators， namely， N200， N400， and LPP， readers’ neural activities were analyzed in three stages： “perceptual risks monitoring”， “information conflict analysis”， and “option value assessment”. The study found that both rating and sales information significantly impacted readers’ purchasing intentions， with rating information serving as the dominant factor in scenarios characterized by information inconsistency： under “high rating and low sales” condition， less cognitive bias were triggered in the information conflict analysis stage， and more intense purchase motivation aroused in the option value assessment stage. However， in the perceptual risk monitoring stage， there was no significant difference in the perceived risk triggered by “high rating and low sales” and “low rating and high sales”.

[Key words] Online book purchasing Rating information Sales information Social learning Cognitive neuroscience

1 引 言

在線購書正在成為當前主流的購書方式。隨著移動電子設備的快速發展和數字化閱讀的普及，這一趨勢得到了進一步加強。在線購書時，圖書的評分和銷量信息通常是讀者最常接觸的信息。在無法直接接觸圖書實體的情況下，這兩類信息便顯得尤為重要。以往研究指出，對評分等在線評價信息的評估是一種“口碑學習”（Word-of-mouth Learning，WOML），而對于歷史銷量等他人選擇信息的評估則是一種“觀察性學習”（Observational Learning，OL）[1]。這兩種學習方法共同構成了“社會化學習”（Social Learning），即通過社交網絡與他人進行分享、交流和協作以獲得相關信息，最終達到輔助決策的目的。由此可見，社會化學習在讀者的在線購書決策中扮演著重要角色。然而，值得關注的是，銷量信息反映的是購買行為，而評分信息反映的是購買體驗，兩者并不總是正相關，因此讀者時常會面臨信息線索不一致的“選擇困境”—有些書籍評分很高，但銷量并不理想；有些書籍銷量很高，評分卻不盡人意。在這種情況下，讀者往往需要綜合評估評分和銷量這兩類信息，其中某一類信息可能會主導購書決策。

當前，絕大多數研究主要關注評分或銷量信息對讀者在線購書決策的獨立影響，卻忽視了它們如何共同產生影響以及相對強弱關系，導致目前對讀者在線購書行為的理解不足。本文將探索讀者在社會化學習過程中評估信息線索的認知機制，揭示評分與銷量信息如何共同影響在線購書決策。此外，本文重點關注評分和銷量信息不一致情境下讀者在線購書的決策過程，即“高評分低銷量”與“低評分高銷量”情境，這有助于辨別不同信息線索對決策的影響差異。為了更客觀地反映讀者態度并捕捉其認知特征，本文采用認知神經科學中的腦電技術（Event-related potential，ERP）深入解析讀者的內隱態度，從大腦神經層面打開認知“黑箱”，為理解讀者在線購書行為提供新的理論與方法視角，同時也為正確引導讀者在線購書提供科學的實踐指導。

2 文獻綜述與假設

2.1 社會化學習

社會化學習理論是美國心理學家阿爾伯特·班杜拉（Alert Bandura）提出的一種社會心理學說。班杜拉認為，社會化學習是一種依賴于社會互動的個人學習過程[2]。學習者通過觀察、模仿他人行為而潛移默化地習得新知識或改變原有認知和行為。口碑學習和觀察性學習是社會化學習的兩種傳統方法，口碑學習是消費者通過閱讀在線評價等網絡口碑信息補足缺失的產品信息的過程，而觀察性學習是消費者在模仿他人購買行為中形成互動的過程[3]，他人行為可以反映于產品銷量信息，也可以是購買后的推薦信息。相關研究證實，口碑學習和觀察性學習各自擁有不可替代的持續影響力，發生作用的機制也有所不同。比如，口碑學習會強化消費者的內在動機，而觀察性學習則會強化消費者的外在動機[4]。口碑學習中負面口碑比正面口碑更有影響力，但觀察性學習中正面信息會顯著增加銷售額，負面信息的影響不顯著[5]。諸多研究證明，社會化學習顯著提升了消費者對產品的評估效率和決策效率[6]，也顯著影響了購買意愿以及信息貢獻、信息分享等行為動機[7][8]。

2.2 社會化學習影響在線購書

相關研究表明，評價和銷量對讀者購書意愿均有顯著影響。評價是研究中關注最多的信息線索，而評分則是評價的一種形式。評價對于各類產品的品牌形象和消費者的購買意愿都有重要影響[9]，特別是當在線選購圖書等體驗型產品時，讀者無法獲得切身的使用體驗，便更加依賴評價這一信息[10]。研究發現，評價的數量和效價對于圖書銷量有顯著的正向影響，而評價觀點的差異有顯著的負向影響。第一，評價數量意味著圖書信息在讀者之間的傳播范圍和知名度，不論是暢銷書還是新書，評價的數量越多，銷量往往也越高[11]。第二，評價效價方面，正負面評價都會對圖書購買產生顯著影響，正面評價無疑可以增加讀者對圖書質量的期望，提升讀者對圖書的期待[12]；而讀者對負面評價感知到的有用性更高于正面評價[13]，一星極端低評的影響大于五星極端好評[14]，并且在個別情況下通過宣傳負面評價還有可能提升圖書的知名度從而增加讀者購買的可能性，提高銷售額[15]。第三，評論的觀點差異對購買圖書也會產生負面影響，圖書評價的差異越小，即正負一致性越高時，讀者的購買意愿越堅定[16]。

歷史銷量信息也得到較多研究人員的關注。銷量提供的信息雖然相對較少，但更直觀真實地表明了人們的購買選擇，是十分有效的質量信號[17]。銷量信息可以顯著影響消費者的感知風險，從眾心理會驅使消費者優先考慮同一類型中歷史銷量更高的產品，在線購書時亦是如此[18]。圖書銷量排行榜也是讀者購買圖書的重要參考，銷量排名可預測銷售情況[19]。以往研究發現，當讀者了解到一本書的歷史銷量很高時，該書之后的銷量便會有所增長[20]。

2.3 口碑學習和觀察性學習對于在線購書的影響差異

在相關產品的消費決策研究中，口碑學習和觀察性學習的相對影響力得到了一定的關注。有研究發現，美容消費中基于行動信息的觀察性學習比基于評價信息的口碑學習更有影響力，并認為消費者的專業知識發揮了負面調節作用，消費者的參與則發揮了正面調節作用[21]。而對于動漫消費者來說，社區網絡口碑是其決定觀看動漫的最大驅動力，其次才是熱門程度，即口碑學習比觀察性學習更加重要[22]。也有研究比較了口碑學習和觀察性學習在不同涉入度的產品中的影響力區別，發現消費者在購買諸如手機等高涉入度產品時受到評價信息的影響更大，但在購買諸如洗衣液等低涉入度產品時受到銷量信息的影響更大[23]。還有研究通過建立兩期模型發現，當消費者只能進行基于銷量信息的觀察性學習時，龍頭公司總是有更有利的優勢；但是，隨著口碑信息的完善，當消費者能同時進行口碑學習和觀察性學習時，新公司可能會更具競爭力，這反映出消費者對于評價信息的信任和依賴[24]。

可見，口碑學習和觀察性學習的相對影響力可能受到產品特性因素的影響。圖書是一種典型的體驗型產品，以一定的世界觀和價值觀為精神性前提[25]，這會導致讀者買書更重“內容”[26]。因此，圖書營銷格外注重形成“讀者到讀者”的價值傳遞的口碑作用。一項數據顯示，43.4%的購書行為受網絡社群口碑的影響高于受價格的影響[27]。而針對一些體驗型產品，評分信息是抑制銷量信息診斷性的高范圍線索，無論銷量信息如何變化，消費者總是傾向于購買評分更高的產品[28]。此外，對很多產品而言，口碑都被認為是最能夠影響或預測銷售情況的因素。基于此，本研究提出行為層面的假設：

H1：社會化學習兩種方法的影響力存在差異，當評分和銷量信息不一致時，讀者更愿意相信口碑學習，選擇評分信息較高的圖書。

2.4 在線購書的決策過程及神經機制

社會化學習反映的是消費者對于信息線索意義的理解，通過加深個體對產品的認知來提升決策效率[29]。因此，本研究認為社會化學習可以理解為個體對信息線索進行認知加工的過程。相關研究表明，個體進行消費決策的認知過程經歷了感知風險監測、信息沖突分析和選項價值評估三個階段[30]。風險感知主要是指消費者對購買錯誤造成的金錢和時間等方面后果的評估， 在在線購物的選擇決策中起重要作用，負向影響著消費者的購買意愿和產品銷量。當感知風險降低時，產品的銷售表現隨之提升[31]。網購平臺能夠呈現的信息越來越豐富，但信息沖突也愈發常見，識別沖突成為決策的必要環節[32]。信息沖突會降低消費者的購買意愿并負面影響信息用戶的相關行為。在最終決策動機產生之前，有一個形成自我選擇標準和價值分類的過程[33]。消費者將既有選項與自己的預期進行比對，根據相似程度對購買既有選項的價值程度進行評估。在線購書盡管存在著一定的特殊性，但仍是一種消費行為，本研究認為其決策過程也依循以上三個階段。

決策的認知加工在讀者大腦中完成，是一個連續的、內隱的過程。自報告等傳統研究方法在捕捉這一過程的關鍵特征方面的作用往往非常有限，而認知神經科學的技術則被廣泛用于探討這種內隱過程。近年來，隨著認知神經科學與傳播學、管理學等領域的交叉融合不斷深入，已有學者關注到運用認知神經科學方法打開讀者心理“黑箱”的必要性。諸廉[34]提出認知神經科學的技術和方法可被應用于數字閱讀研究，通過獲取讀者認知過程與情感體驗的神經數據，實現數字出版從創作、閱讀、發行到傳播的全過程的科學研究；袁小群和劉葉萍[35]也指出，采用認知神經科學的研究辦法能夠幫助出版企業從神經層面解決讀者識別問題。基于此，為能捕捉決策過程中注意力、情緒等一系列認知特征，本研究采用認知神經科學領域中具有毫秒級別時間分辨率的腦電技術。

神經領域相關研究表明，決策過程中的感知風險監測、信息沖突分析和選項價值評估可通過N200、N400和晚正電位 （Late Positive Potential，LPP）三項神經指標來反映[36]。前文提到，口碑學習和觀察性學習的影響力可能不相同。因此，本研究推測，決策的認知加工過程中，當評分和銷量信息線索不一致時，在“高評分低銷量”和“低評分高銷量”兩種情況下，各項神經指標會呈現出特定差異。

研究表明，感知風險監測階段，正面評價能夠有效降低感知風險[37]，而負面評價帶來更強的感知風險，會削弱甚至消除購買意愿[38]。評分和銷量信息線索不一致的情境下，消費者只通過評分的高低感知風險，相較于低評分來說，高評分引起更小的感知風險；而銷量的變化則并未引起感知風險的顯著差異[39]。腦電技術中的N200成分可以有效體現風險感知強度的變化[40]。N200是一種在刺激開始后250—350毫秒左右達到峰值的負向成分，主要分布在腦部前區。感知風險程度越強烈，N200波幅越大。比如，關于社會風險對于消費者購買決策的影響研究發現，相較于無社會風險條件，有社會風險條件引發了更加顯著的N200波幅[41]。因此，本研究提出神經層面的假設：

H2a：在感知風險監測階段，相較于低評分高銷量，高評分低銷量引發的感知風險更小（體現在更小的N200波幅上）。

在信息沖突分析階段，無論銷量如何變化，相較于低評分來說，高評分總是與消費者的預期偏差更小，更能夠被接受[42]，所以高評分和低銷量之間可能并不存在所謂的沖突。此外，還有大量研究強調了負面評價的強效應。例如，相較于正面評價來說，負面評價對于消費者購買力的影響甚至可能高達兩倍以上[43]；負面評價對降低銷售的效果比正面評價對提升銷量的效果更顯著[44]。這意味著，相較于高評分來說，消費者對于低評分信息的認知加工可能更加謹慎和敏感，低評分更加不被接受，且更加不可能與高銷量信息形成組合。腦電技術中的N400成分可以有效體現對于沖突監測的變化。N400是一種中期負向成分，一般出現于刺激開始后的300—500毫秒之間。以往N400被普遍用以反映語義沖突[45]，但已有越來越多的研究證實N400還可以作為信息和情感沖突的信號，反映既有信息線索和可接受的信息線索之間的偏差，偏差越大，N400振幅越大。比如，購買假冒大牌產品時，相較于有徽標的情況，與消費者情感需求沖突的無產品徽標的情況引發了更加顯著的N400波幅[46]。因此，本研究提出神經層面的假設：

H2b：在信息沖突分析階段，相較于低評分高銷量，高評分低銷量引發的認知偏差更小（體現在更小的N400波幅上）。

在選項價值評估階段，當評分和銷量信息線索不一致時，無論銷量如何變化，相較于低評分來說，高評分總是更符合消費者的理想選項，引發更強烈的購買意愿[47]；和其他信息線索相比，評分信息也更能刺激購買意愿[48]。這表明，無論其他信息線索的效價如何，高評分信息總是符合消費者的期待。因此，在信息線索不一致的情境下，包含高評分信息的選項更具有優勢。腦電技術中的晚正電位對決策中的深度評估分類敏感[49]，可用以反映選項與預期的相似性和決策難度；同時，它象征著動機情感的喚醒，預示著消費者的潛在購買行為[50]。晚正電位是一種晚期正向成分，一般出現于刺激開始后的300—700 毫秒間。選項價值評估越理想，決策難度越小，購買動機喚醒越強烈，晚正電位振幅越大。比如，在一項研究中，相較于中性評價，更利于價值評估并且使得決策更加容易的極端評價引發了顯著的晚正電位波幅[51]。因此，本研究提出神經層面的假設：

H2c：在選項價值評估階段，相較于低評分高銷量，高評分低銷量引發的購買動機喚醒更強（體現在更大的晚正電位波幅上）。

3 研究設計

3.1 實驗參與者

本研究為被試內的腦電實驗，招募被試前，我們首先使用G* Power 3.1軟件分析以估計樣本量，面板參數設置如下：冪值為0.95，效應大小至少為0.25（f），α值為0.05，默認測量相關性為0.5，非球形相關值（?）為1。最終計算結果為，樣本量需 ≥ 29，與目前已發表的被試內設計腦電實驗文獻中報告的被試數一致[52]。正式實驗中共有38名被試，包含20位男性，18位女性，年齡在18到29歲之間（M年齡 = 22.184， S.E. = 0.426）。被試均有過在線購書經歷，全部為右利手，無精神、神經疾病史及家族史（如癲癇等），視力或矯正視力正常，實驗時無頭部外傷，實驗前一周內未服用精神興奮類藥物或影響中樞神經功能的其他藥物。本實驗通過了上海外國語大學倫理審查委員會審查。實驗前，所有被試均簽署書面知情同意書，實驗后獲得100元報酬。

3.2 實驗設計與材料

本研究有評分和銷量信息兩個自變量，采用2（評分：高vs. 低）× 2（銷量：高vs. 低）的實驗設計，共4種情況。評分以5星制形式呈現，參考前人研究[53]并結合網絡書店的真實情況，以4.75顆星和5顆星代表高分，2和2.25顆星代表低分。銷量的數值則根據天貓圖書平臺的真實銷售數據確定，分別選擇月銷量最高和最低的各100本圖書并計算兩種情況下的平均數，再±5%確認取值范圍，最終以1798—1988作為高銷量數據，24—26為低銷量數據。四種信息組合下均設置了72個實驗試次，共計288個實驗試次；共呈現圖書名稱144個，每個書名隨機出現在2個試次中。本研究在大學生群體中展開，因為大學生具有較高的圖書消費需求并且往往通過在線購書渠道滿足該需求[54]，具有較強代表性。依據該群體的特征，本研究選擇學習類的和非學習類兩種圖書展開實驗，以控制功利性動機的影響。

3.3 實驗流程與數據記錄

實驗在一間安靜、無干擾的實驗室進行，流程如圖1所示。實驗準備階段，為了降低腦電電極阻抗，被試需清洗并吹干頭發，隨后端坐在一臺計算機顯示器前（約70 厘米）；接著，由主試為其佩戴32導濕電極腦電帽（Brain Products），電極排布按照國際標準10—20系統，在線參考為FCz電極，前額接地，離線分析時轉化為雙側乳突平均參考；佩戴完成后，主試在腦電帽的每一個電極點中注入導電膏，通過調整導電膏與頭皮的接觸將所有電極點電阻降至10 kΩ以下；最后，被試練習實驗操作，熟悉后方可開始正式實驗。實驗過程中，腦電帽與腦電圖放大器連接，后者負責收集和放大頭皮電極記錄的腦電信號并傳輸到電腦，再由BrainVision Recorder 軟件進行全程同步呈現和記錄，采樣率為500 Hz，0.1—100 Hz帶寬。

每個實驗試次中，屏幕中央首先呈現600—800毫秒隨機的注視點，伴隨著時長為600毫秒的空屏，然后屏幕中央呈現圖書書名（2000毫秒）。1200—1400 毫秒隨機的空屏后，隨機呈現該書的月銷量和星級評分數據（2000 毫秒）。600—800毫秒隨機的空屏后，被試需要對針對該書的購買意愿進行評分。評分采用7點滑動條的形式，被試需要在1（非常不想買）到7（非常想買）的范圍內評定對于該書的購買意愿。實驗程序由E-prime 3.0軟件編寫和呈現。為了排除不同自變量水平下實驗試次順序可能帶來的干擾，所有試次隨機出現[55]。此外，為方便后續數據提取時區分不同的實驗設置情況，程序在腦電圖中設置不同“標記”，以記錄四種不同情況下刺激屏的出現時間。

3.4 數據處理

腦電數據采用EEGLAB v14.1.1進行離線分析：首先手動去除漂移較大的腦電波偽跡，利用0.1—30 Hz的有限脈沖響應（Finite Impulse Response，FIR）濾波對數據進行處理，然后使用獨立成分分析（Independent Component Analysis，ICA），輔以Adjust插件對眨眼、眼瞟、肌電、頭動等偽跡進行校正；選取刺激前200 毫秒至刺激后800毫秒的這段時程對數據進行分段，使用刺激前200 毫秒的平均幅值作為基線；最后，去除所有電極峰值差大于±100 μV的試次，將剩余試次按照先前程序設置的“標記”區分不同的實驗設置情況，然后分別對四種情況下的所有試次數據進行疊加平均。本研究中所有被試各情況下的可用試次數均≥ 40。

結合腦電波圖形特征和相關腦電研究規范，本研究提取N200、N400和晚正電位這三項神經指標，根據相應電極點和時間窗的腦電波特征，分析被試進行感知風險監測、信息沖突分析和選項價值評估的情況：選取F3、Fz、F4、FC1、FC2、C3、Cz、C4這8個電極點和280—350毫秒的時間窗對N200波幅進行重復測量方差分析。選取F3、Fz、F4、Fc1、Fc2這5個電極點和380—500毫秒的時間窗對N400波幅進行重復測量方差分析。選取C3、Cz、C4、CP1、CP2這5個電極點和400—600毫秒的時間窗對晚正電位波幅進行重復測量方差分析。統計分析使用SPSS26.0（International Business Machines Corporation）軟件。

4 結 果

4.1 行為結果

對被試匯報的購買意愿進行重復測量方差分析，發現：（1）評分信息的主效應顯著（F（1，37） = 120.905， p < 0.001，=0.766），被試對于高評分圖書的購買意愿（M高評分 = 4.682， S.E. = 0.161）顯著高于低評分圖書（M低評分 = 2.576，S.E. = 0.142）。（2）銷量信息的主效應顯著（F（1，37） = 42.459， p < 0.001，=0.668），被試對于高銷量圖書的購買意愿（M高銷量 = 4.158， S.E. = 0.144）顯著高于低銷量圖書（M低銷量 = 3.101， S.E. = 0.120）。（3）評分和銷量信息的交互效應顯著（F（1， 37）= 21.681， p < 0.001，=0.369），進一步做簡單效應分析，發現每組情況之間均有顯著差異：在高評分的情況下，被試對于高銷量圖書（M高評分高銷量 = 5.378， S.E. = 0.183）的購買意愿顯著高于對于低銷量圖書（M高評分低銷量 = 3.986， S.E. = 0.174）的購買意愿（F（1， 37） = 80.379， p < 0.001，=0.685）；在低評分的情況下，被試對于高銷量圖書（M低評分高銷量 = 2.937， S.E. = 0.185）的購買意愿顯著高于對于低銷量圖書（M低評分低銷量 = 2.215， S.E. = 0.120）的購買意愿（F（1，37） = 32.077， p < 0.001，=0.464）；在高銷量的情況下，被試對于高評分圖書的購買意愿（M高評分高銷量 = 5.378， S.E. = 0.183）顯著高于對于低評分圖書（M低評分高銷量 = 2.937， S.E. = 0.185）的購買意愿（F（1， 37） = 114.793， p < 0.001，=0.756）；在低銷量的情況下，被試對于高評分圖書（M高評分低銷量 = 3.986， S.E. = 0.174）的購買意愿顯著高于對于低評分圖書（M低評分低銷量 = 2.215， S.E. = 0.120）的購買意愿（F（1， 37） = 98.544， p < 0.001，=0.727）。

對信息線索不一致情形下的兩組結果進行配對t檢驗發現：存在顯著差異（t （1， 37）= 4.456， p < 0.001，d=0.723），被試對于高評分低銷量圖書（M高評分低銷量 = 3.986， S.E. = 0.174）的購買意愿顯著高于低評分高銷量圖書（M低評分高銷量 = 2.937， S.E. = 0.185），支持H1。

4.2 腦電結果

腦電實驗中被試在感知風險監測階段（N200成分，280—350毫秒）、信息沖突分析階段（N400成分，380—500毫秒）以及選項價值評估階段（晚正電位成分，400—600毫秒）的腦電波幅如表1所示。

4.2.1 感知風險監測階段（N200）

對評分（高-低）×銷量（高-低）×電極點（F3、Fz、F4、FC1、FC2、C3、Cz、C4）進行重復測量方差分析，結果顯示：（1）評分信息的主效應不顯著（F（1， 37） = 2.797， p = 0.103，=0.070）。（2）銷量信息的主效應顯著（F（1， 37） = 4.784， p = 0.035，=0.114），低銷量圖書（M低銷量 = -1.135， S.E. = 0.509）引起的N200波幅顯著大于高銷量圖書（M高銷量 = -0.724， S.E. = 0.488）。（3）評分和銷量信息的交互效應不顯著（F（1， 37） = 0.321， p = 0.574，=0.009）。

對信息線索不一致情形下的兩組結果進行配對t檢驗發現：高評分低銷量圖書（M高評分低銷量 = -0.971， S.E. = 0.521）和低評分高銷量圖書（M低評分高銷量 = -0.980， S.E. = 0.494）引起的N200波幅無顯著差異（t （1， 37） = 0.034， p = 0.973，d =0.006），不支持H2a。

4.2.2 信息沖突分析階段（N400）

對評分（高-低）×銷量（高-低）×電極點（F3、Fz、F4、FC1、FC2）進行重復測量方差分析，結果顯示：（1）評分信息的主效應顯著（F（1， 37） = 12.466， p = 0.001，=0.252），低評分圖書（M低評分 = -0.193， S.E. = 0.540）引起

的N400波幅顯著大于高評分圖書（M高評分

= 0.612， S.E. = 0.574）。（2）銷量信息的主效應不顯著（F（1， 37） = 0.357， p = 0.554，=0.010）。（3）評分和銷量信息的交互效應顯著（F（1， 37） = 14.571， p < 0.001，=0.283），進一步做簡單效應分析發現：高評分情況下高銷量和低銷量圖書引起的N400波幅有顯著差

異（F（1， 37） = 5.085， p = 0.030，=0.121），

高評分高銷量圖書（M高評分高銷量 = 0.905， S.E. = 0.595）引起的N400波幅顯著大于高評分低銷量圖書（M高評分低銷量 = 0.319， S.E. = 0.582）；低評分情況下高銷量和低銷量圖書引起的N400波幅有顯著差異（F（1， 37） = 10.704， p = 0.002，=0.224），低評分高銷量圖書（M低評分高銷量 = -0.590， S.E. = 0.549）引起的N400波幅顯著大于低評分低銷量圖書（M低評分低銷量 =0.204， S.E. = 0.559）；高銷量情況下高評分和低評分銷量圖書引起的N400波幅有顯著差異（F（1， 37） = 22.683， p < 0.001，=0.380），高銷量低評分圖書（M低評分高銷量 = -0.590， S.E. = 0.549）引起的N400波幅顯著大于高銷量高評分圖書（M高評分高銷量 = 0.905， S.E. = 0.595；低銷量情況下高評分（M高評分低銷量 = 0.319， S.E. = 0.582）和低評分（M低評分低銷量 = 0.204， S.E. = 0.559）圖書引起的N400波幅無顯著差異（F（1， 37） = 0.185， p = 0.670，=0.005）。

對信息線索不一致情形下的兩組結果進行配對t檢驗發現：存在顯著差異（t（1， 37） = 4.078， p < 0.001，d=0.662），低評分高銷量圖書（M低評分高銷量 = -0.590， S.E. = 0.549）引起的N400波幅顯著大于高評分低銷量圖書（M高評分低銷量 = 0.319， S.E. = 0.582），支持H2b。

4.2.3 選項價值評估階段（晚正電位）

對評分（高-低）×銷量（高-低）×電極點（C3、Cz、C4、CP1、CP2）進行重復測量方差分析，結果顯示：（1）評分信息的主效應顯著（F（1， 37） = 14.462， p = 0.001，=0.281），高評分圖書（M高評分 = 3.164， S.E. = 0.523）引起的LPP波幅顯著大于低評分圖書（M低評分 = 2.193， S.E. = 0.491）。（2）銷量信息的主效應不顯著（F（1， 37） = 1.408， p = 0.243，=0.037）。（3）評分和銷量信息的交互效應顯著（F（1， 37） = 8.577， p = 0.006，=0.188），進一步做簡單效應分析發現：高評分情況下高銷量和低銷量圖書引起的晚正電位波幅有顯著差異（F（1， 37） = 6.679，p = 0.014，=0.153），高評分高銷量圖書

（M高評分高銷量 = 3.492， S.E. = 0.547）引起的晚正電位波幅顯著大于高評分低銷量圖書（M高評分低銷量 = 2.835， S.E. = 0.530）；低評分情況下高銷量（M低評分高銷量 = 2.076， S.E. = 0.510）和低銷量（M低評分低銷量 = 2.311， S.E. = 0.494）圖書引起的晚正電位波幅無顯著差異（F（1， 37）= 1.220， p = 0.276，=0.032）；高銷量情況下的高評分和低評分圖書引起的晚正電位波幅有顯著差異（F（1， 37） = 20.104，p < 0.001，=0.352），高銷量高評分圖書（M高評分高銷量 = 3.493， S.E. = 0.547）引起的晚正電位波幅顯著大于高銷量低評分圖書（M低評分高銷量 = 2.076， S.E. = 0.510）；低銷量情況下高評分（M高評分低銷量 = 2.835， S.E. = 0.530）和低評分（M低評分低銷量 = 2.311， S.E. = 0.494）圖書引起的晚正電位波幅無顯著差異（F（1， 37） = 3.574， p = 0.067，=0.088）。

對信息線索不一致情形下的兩組結果進行配對t檢驗發現：存在顯著差異（t（1， 37） = 2.834， p = 0.007， d=0.460），高評分低銷量圖書（M高評分低銷量 = 2.835， S.E. = 0.530）引起的晚正電位波幅顯著大于低評分高銷量圖書（M低評分高銷量 = 2.076， S.E. = 0.510），支持H2c。

5 結論與討論

本文以社會化學習為視角，運用認知神經科學的方法探索讀者在線購書的認知機制，得到行為和神經兩個層面的發現，下面是對本文發現的討論。

5.1 行為結果討論

行為結果表明，評分和銷量信息的主效應顯著，相較于低評分或低銷量的圖書，讀者更愿意購買高評分或高銷量的圖書；評分和銷量信息的交互效應顯著，面對評分和銷量中的某一類信息相同的兩項選擇時，讀者更愿意購買另一類信息更為積極的圖書。這說明，評分和銷量兩類信息線索分別并共同對讀者的購書意愿產生顯著影響，讀者總是更愿意購買信息線索更加積極的圖書。

當信息線索不一致時，讀者對于高評分低銷量圖書的購買意愿顯著大于低評分高銷量圖書，說明評分信息對讀者在線購書決策的影響更大，支持H1。也就是說，當面臨選擇的“糾結”時，讀者將評分信息看作第一性參考因素，這與一些學者研究其他產品時產生的結論相似[56]，證明口碑學習具有強大的影響。但這項結果與張（Cheung）等[57]的研究結果相反。雖然同為體驗型產品，張等的研究發現美容產品消費者更愿意跟從他人的選擇，而非更看重口碑。

產生相反結果的原因可能是產品特性的差異。Z世代讀者對于圖書的剛性需求更加明顯，他們期望通過看書來實現自我提升、社會交往、愛好滿足等多重目的，因此購書的目的性和功能性更強，讀者的購買選擇也更加理智[58]，對于內容質量的評估顯得更加重要。因而，購書區別于其他一般的體驗型產品消費，享樂性更弱，沖動消費、行為跟隨等特征[59]也相應減弱了。

5.2 腦電結果討論

腦電結果表明，評分和銷量信息在不同階段分別呈現出顯著的主效應，并共同呈現出顯著的交互效應，體現在N200、N400、晚正電位三項神經指標上。這代表著讀者綜合運用兩種社會化學習方法做出在線購書決策，評分和銷量信息對決策過程前期的感知風險監測、中期的信息沖突分析以及后期的選項價值評估三個階段產生影響。具體來說，感知風險監測階段，效應體現在N200波幅的差異上。銷量信息的主效應顯著，低銷量比高銷量信息引發更大的N200波幅，說明讀者基于銷量信息評估購買風險，銷量低被認為購買風險更大；評分信息的主效應不顯著，評分和銷量信息的交互效應也不顯著，說明讀者對于圖書的感知風險程度不受評分信息的影響。信息沖突分析階段，效應體現在N400波幅的差異上。評分和銷量信息的交互效應顯著，代表讀者基于兩條信息線索進行了協同分析；評分信息的主效應顯著，銷量信息的主效應不顯著，代表評分信息產生了更大的影響；高評分信息比低評分信息引發更小的N400波幅，代表高評分信息引發的情感沖突更小。選項價值評估階段，效應體現在晚正電位波幅的差異上。評分和銷量信息的交互效應顯著，意味著讀者基于前兩階段的認知加工進行了深入評估，根據既有的信息線索組合與理想情況的相似度來評估選項價值，喚醒購買動機；評分信息的主效應顯著，銷量信息的主效應不顯著，代表評分信息產生了更大的影響；高評分比低評分信息引發了更大的晚正電位波幅，代表高評分更具價值，喚醒的購買動機更強烈。

當信息線索不一致時，在感知風險監測階段，高評分低銷量和低評分高銷量引發的感知風險沒有顯著差異，這體現在N200波幅在上述兩種情況下無顯著差異，H2a未得到支持，即評分信息未對風險感知產生顯著影響，這與一些研究結果不一致。例如，普羅希特（Purohit）和斯里瓦斯塔瓦（Srivastava）[60]提出的線索診斷理論將信息線索根據影響力分為高范圍和低范圍線索；研究發現，個體在風險監測階段傾向于只依賴評分信息這一高范圍線索[61]，而銷量作為低范圍線索不起到特殊作用。本文得到相反結論可能跟決策過程中的信息加工難度有關，可從階段任務和心理變化過程對此展開解釋，N200成分出現在信息加工的早期階段，讀者可能會首先選擇一種更加直觀簡單的信息線索進行學習，形成所謂的“第一眼印象”。相較于評分來說，銷量信息的高低差異和含義更加直觀，更加容易判斷，讀者可以進行快速的觀察性學習。由此，本文創新性地證明了銷量信息這一低范圍線索在風險感知過程中作為主要評估依據發揮的基礎作用，肯定了銷量信息的必要性。

在信息沖突分析階段，相較于低評分高銷量，高評分低銷量引發的認知偏差更小，這體現在更小的N400波幅上；在選項價值評估階段，相較于低評分高銷量，高評分低銷量引起的購買動機喚醒更加強烈，這體現在更大的晚正電位波幅上。N400和晚正電位的結果不僅肯定了優良口碑對于讀者決策的積極推動作用，還印證了“負面效應”的強影響力[62]，H2b、H2c均得到支持。讀者對于低評分信息的敏感性很強，他們可能普遍認為，一本口碑好的書暢銷或不暢銷都是有可能且合理的，但遭到差評的圖書卻出現熱賣的情況則是不合理的。這樣的內隱態度明顯地影響了他們對于不同信息組合的價值評估以及最終的購買意愿。其實，高評分低銷量的信息線索組合在網絡書店等在線購物的情境中并不少見。圖書存在內部的橫向差異，主題、體裁等不盡相同，一本圖書不可能適用于所有讀者。有些圖書雖然只被少部分的讀者群體需要，但在小范圍內形成了良好的口碑，高評分低銷量便傳遞出了“小眾優質”的信息。而低評分高銷量的信息線索組合卻更有可能使得讀者產生商家“刷數據”的造假質疑。

此外，本文關注了性別作為一項變量可能引起的結果差異。但最終無論是從行為還是腦電數據上來看，差異均不顯著。這說明，男性和女性讀者在線購書時的決策認知機制是基本一致的。因此，本文的研究結果具有較為理想的普適性。

5.3 實踐建議

綜上，本文為網絡書店制定與完善營銷策略提供以下建議。

第一，注重圖書的口碑建設。讀者在線購書時更加關注評分信息，而當前商家多提供圖書的歷史銷量信息，設置各種圖書熱銷榜單，評分信息相對較少。因此，商家在主動提供評分信息的同時，可以嘗試運用多種形式著重突出良性評價，如呈現圖書在各平臺獲得的高評分數據，節選以往讀者的精彩點評或邀請權威專家進行推薦等，由此對數字化的評分信息進行具體補充。

第二，注重各類信息線索的一致性。信息沖突是影響讀者在線購書決策的重要因素，因此商家應該注重信息管理。一方面要展開有效的信息監測，及時發現信息沖突情況；另一方面要展開深度調研，充分了解信息沖突出現的原因，并制定具有針對性的調整策略。

第三，注重多元化信息呈現。讀者面對信息沖突時往往比較糾結，難以決策。因此，有必要呈現多元化信息線索輔助決策。如開設免費試讀功能，根據評分變化制定口碑上升榜單，根據銷量的長尾效應制定長期熱銷榜單、回購榜單等。

本文采用神經科學技術為在線購書決策研究提供了理論和方法上的新視角，加深了對在線購書決策的理解，仍存在一些局限。第一，在神經科學實驗對于重復試次數量的嚴格要求下，受到條件限制，本文只能選擇兩個變量進行探索。今后在實驗條件的不斷完善下，可選擇更多變量，疊加更多試次，進行更加豐富的研究。第二，神經科學實驗的樣本數相較于大數據樣本數偏少，其更大的實際價值在于預測趨勢，因此，今后可利用神經科學的范式開展更多預測研究。

注 釋

[1][21][57]Cheung C， Xiao B， Liu I. The impact of observational learning and electronic word of mouth on consumer purchase decisions： The moderating role of consumer expertise and consumer involvement[A]. 2012 45th Hawaii International Conference on System Sciences， 2012：3228–3237

[2]Bandura A， Walters R H. Social learning theory [M]. Englewood cliffs Prentice Hall.1977： 1

[3][6][29]張亦文. 消費者社會化學習、個體認知與在線消費決策各階段效率的互動關系[J]. 商業經濟研究， 2022， 4：81-84

[4][23]Wang F， Wang M， Wan Y， et al. The power of social learning： How do observational and word-of-mouth learning influence online consumer decision processes？[J]. Information Processing & Management， 2021， 58（5）：102632

[5]Chen Y， Wang Q， Xie J. Online social interactions： A natural experiment on word of mouth versus observational learning[J]. Journal of Marketing Research， 2011， 48（2）：238-254

[7]Patil A， Malhotra K， Maity M. Observational learning： Influence of regulatory focus， knowledge， and summarized observable recommendations on consumer decision outcomes in an online environment[J]. International Journal of Consumer Studies， 2022， 46（4）：1428-1450

[8]Wang Y， Yu C. Social interaction-based consumer decision-making model in social commerce： The role of word of mouth and observational learning[J]. International Journal of Information Management， 2017， 37（3）：179-189

[9]Jasin M. The role of social media marketing and electronic word of mouth on brand Image and purchase intention of SMEs product[J]. Journal of Information Systems and Management， 2022， 1（4）： 54-62

[10]Monfared A， Ghaffari M， Barootkoob M， et al. The role of social commerce in online purchase intention： Mediating role of social interactions， trust， and electronic word of mouth[J]. Journal for International Business and Entrepreneurship Development， 2021， 13（1）：22-39

[11]Kaur K， Singh T. Impact of online consumer reviews on Amazon books sales： Empirical evidence from India[J]. Journal of Theoretical and Applied Electronic Commerce Research， 2021， 16（7）：2793-2807

[12]任娟. 大數據背景下在線評論在圖書銷售中的策略分析[J]. 編輯學刊， 2016， 4：42-46

[13][62]任小靜， 李琪. “負面偏見”對平臺認證型評論感知有用性的影響[J]. 中國管理科學， 2019， 27（9）：149-159

[14][44]Chevalier J， Mayzlin D. The effect of word of mouth on sales： Online book reviews[J]. Journal of Marketing Research， 2006， 43（3）：345-354

[15]Berger J， Sorensen A， Rasmussen S. Positive effects of negative publicity： When negative reviews increase sales[J]. Marketing Science， 2010， 29（5）：815-827

[16][49]Chen M， Ma Q， Li M， et al. The neural and psychological basis of herding in purchasing books online： An event-related potential study[J]. Cyberpsychology， Behavior， and Social Networking， 2010， 13（3）：321-328

[17]上官莉莉， 繆朝煒， 藍永泉， 等. 線上零售商的新商品定價與銷量信息披露策略分析[J]. 管理工程學報， 2023， 37（2）：209–221

[18]白蘭英. 讀者購書的從眾心理分析[J]. 出版發行研究， 2017， 1：43-46.

[19]Liebowitz S， Zentner A. The challenges of using ranks to estimate sales[J]. Journal of Economics & Management Strategy， 2024， 33（1）：3-24

[20]Huang J， Chen Y. Herding in online product choice[J]. Psychology & Marketing， 2006， 23（5）：413-428

[22]Ameri M， Honka E， Xie Y. Word-of-mouth， observational learning， and product adoption： Evidence from an anime platform[J]. Soc Sci Elect Pub， 2016：1-54

[24]Zhou J， Xu R， Jiang C. Sales volume and online reviews in a sequential game[J]. Journal of the Operational Research Society， 2023， 74（10）：2277-2288

[25]鮑金. 全面建成小康社會的歷史方位、重大意義及現代化指向[J]. 上海交通大學學報（哲學社會科學版）， 2023， 31（8）：36-46

[26]柳斌杰. 中國出版業的擔當與作為[J]. 現代出版， 2017， 2：5-9

[27]鄒積凱. 圖書數字化精準營銷的五大關注點[J]. 科技與出版， 2021， 9：103-106

[28][42][47]Chen K， Zhang W， Jiang P. Ratings or sales？ The neural and psychological processes of online experience product purchase： Evidence from a sample of Chinese university students[J]. Behavioral Sciences， 2022， 12（12）：499

[30][36]潘煜， 萬巖， 陳國青， 等. 神經信息系統研究：現狀與展望[J]. 管理科學學報， 2018， 21（5）：1-21

[31]盧超， 呂文霞， 蔣璐， 等. 基于改進UTAUT模型的責任式創新公眾接受度研究：以智能網聯汽車為例[J]. 科學學與科學技術管理， 2023， 44（06）：86-100

[32]施卓敏， 張珊. 神經營銷ERP研究綜述與展望[J]. 管理世界， 2022， 38（04）： 226-240

[33]Xiao L， Wang F， Wang S， et al. How do review party’ s identity cues influence consumers’ online review adoption intention？[J]. Frontiers in Psychology， 2022， 13：865877

[34]諸廉. 認知神經科學在數字閱讀研究中的應用與展望[J]. 出版科學， 2021， 29（3）：92-101

[35]袁小群， 劉葉萍. 基于神經信息學的出版內容傳輸路徑研究[J]. 出版發行研究， 2020， 8：39-44

[37]陳祥兵， 孫玉志. 顧客參與對網絡新產品擴散影響的實證檢驗[J]. 商業經濟研究， 2015， 30：68-70

[38]戴世富， 韓曉丹. 社交化背景下口碑營銷在出版社品牌形象塑造中的應用[J]. 中國出版， 2015， 15：57-60

[39][55][61]Wang Q， Meng L， Liu M， et al. How do social-based cues influence consumers’ online purchase decisions？ An event-related potential study[J]. Electronic Commerce Research， 2016， 16：1-26

[40]Ma Q， Pei G， Wang K. Influence of negative emotion on the framing effect： Evidence from event-related potentials[J]. Neuroreport， 2015， 26（6）：325-332

[41]Shang Q， Pei G， Jin J. My friends have a word for It： Event-related potentials evidence of how social risk inhibits purchase intention[J]. Neuroscience Letters， 2017， 643：70-75

[43]張卓. 企業官方微博的溝通策略、議題設置與負面口碑管理[J]. 企業經濟， 2023， 42（06）：42-52

[45]孫香杰， 彭興， 孫晗， 等. 事件相關電位在阿爾茨海默疾病譜中的應用[J]. 中國健康心理學雜志， 2022， 30（12）：1916-1920

[46]Zhang W， Jin J， Wang A， et al. Consumers’ implicit motivation of purchasing luxury brands： An EEG study[J]. Psychology Research and Behavior Management， 2019：913-929

[48]Sun L， Zhao Y， Ling B. The joint influence of online rating and product price on purchase decision： An EEG study[J]. Psychology Research and Behavior Management， 2020， 13：291-301

[50]Wang X， Ma Q， Wang C. N400 as an index of uncontrolled categorization processing in brand extension[J]. Neuroscience Letters， 2012， 525（1）：76-81

[51]Shen Y， Shan W， Luan J. Influence of aggregated ratings on purchase decisions： An event-related potential study[J]. European Journal of Marketing， 2018， 52（1/2）：147-158

[52]Wang， J.， Wang， A.， Zhu， L.， & Wang， H. （2021）. The effect of product image dynamism on purchase intention for online aquatic product shopping： An eeg study[J]. Psychology Research and Behavior Management， 759-768

[53]Kao C， Rao Hill S， Troshani I. Effects of cue congruence and perceived cue authenticity in online group buying[J]. Internet Research， 2020， 30（3）：945-970

[54]解登峰， 溫江妮， 宮兆陽. “互聯網+”背景下館配服務O2O模式發展路徑研究[J]. 出版發行研究， 2019， 11：81-85

[56]Juliana， Pramono R， Djakasaputra A， et al. Observational learning and word of mouth against consumer online purchase decision during the pandemic COVID-19[J]. Systematic Reviews in Pharmacy， 2020， 11：751-758

[58]隗靜秋. 新消費時代下圖書營銷：情感鏈接、價值輸出與品牌塑造[J]. 編輯之友， 2022， 8：55-61

[59]Hazari S， Bergiel B， Sethna B. Hedonic and utilitarian use of user-generated content on online shopping websites[J]. Journal of Marketing Communications， 2017， 23（6）：572-591

[60]Purohit D， Srivastava J. Effect of manufacturer reputation， retailer reputation， and product warranty on consumer judgments of product quality： A cue diagnosticity framework[J]. Journal of Consumer Psychology， 2001， 10（3）：123-134

（收稿日期：2024-01-30 ）