錢瑛　楊定華

摘要：本文從情感傾向角度研究好評的文本內(nèi)容對用戶購買行為的影響是否一致，結(jié)果表明好評的數(shù)量和正面情感傾向的評論文本內(nèi)容對用戶購買行為均有正向影響，更重要的是好評數(shù)量與評論文本內(nèi)容情感傾向之間存在顯著交互作用；但是，好評數(shù)量并不必然會對用戶的購買行為產(chǎn)生正向影響，只有當(dāng)正面在線評論文本情感傾向較高時，好評數(shù)量才會加大用戶購買的可能性。

關(guān)鍵詞：在線評論；情感傾向分析；從眾效應(yīng)；歸因理論

中圖分類號：F713365文獻(xiàn)標(biāo)識碼：A

一、引言

在線評論為人們在網(wǎng)上購物提供了大量參考信息，成為影響消費(fèi)者網(wǎng)購決策的重要因素。在現(xiàn)實(shí)環(huán)境中，評論者對一個特定主題表達(dá)的“情感”可能隱含著大量可以被利用的有價值的信息。當(dāng)我們認(rèn)真閱讀這些在線文本評論的時候就會發(fā)現(xiàn)，并不是所有的好評下面都是正面評論。從評論的極性來看，這些評論應(yīng)該為好評，但從具體內(nèi)容的情感傾向看，卻很容易發(fā)現(xiàn)其實(shí)這些是包含負(fù)面評論的好評，嚴(yán)格地說是差評。

情感分類作為在線評論信息自動理解的一個重要環(huán)節(jié)，已經(jīng)引起越來越多學(xué)者的重視。情感分類以互聯(lián)網(wǎng)上發(fā)布的商品評論為研究對象，挖掘用戶在評論中表達(dá)的情感傾向，即正面評論或負(fù)面評論。通過對消費(fèi)者評論的情感分析，在龐雜的海量在線評論信息中自動識別有多少評論者持正面態(tài)度，有多少評論者持負(fù)面態(tài)度，可以幫助消費(fèi)者了解評論者對某種商品的態(tài)度傾向分布，從而做出正確的購買決策。

本研究把用戶從評價選項(xiàng)中勾選出的“好評”選項(xiàng)下面的文本評價欄中寫出的關(guān)于體驗(yàn)和使用商品的文本評論作為研究對象，通過對在線評論內(nèi)容進(jìn)行情感分析，以有效識別評論內(nèi)容所隱含的情感傾向及其對購買決策的影響。

二、理論基礎(chǔ)和研究假設(shè)

（一）從眾理論和歸因理論

當(dāng)消費(fèi)者在線上購物時，一般會比較關(guān)注信用和評級比較好的店鋪和商品。好評數(shù)量的說服效果可以用從眾效應(yīng)來解釋。 Bumkrant 將從眾定義為建立一個群體規(guī)范并使得個體具有遵從這一群體規(guī)范的傾向性，即如果大量的他人都做出同樣的選擇將減少購買前的知覺風(fēng)險和購買之后的決策遺憾，人們往往會遵從大多數(shù)人的意見，并忽視少數(shù)人的意見。在購買決策過程中，消費(fèi)者通常將其他消費(fèi)者對產(chǎn)品的評價作為產(chǎn)品信息的主要來源之一[1]。當(dāng)個體把從他人接受的信息作為產(chǎn)品真實(shí)質(zhì)量的證據(jù)時，從眾的壓力來源于人際間信息的影響，從眾效應(yīng)受團(tuán)體規(guī)模的影響[2]，跟隨大量做出相同決策的人們能夠降低購后后悔的風(fēng)險[3]。

歸因理論認(rèn)為人們具有一種基本的預(yù)測和控制環(huán)境的需要，以及理解他人如何做的原因之所在[4]，即當(dāng)人們試圖去尋找其他人行為的原因時，會考慮導(dǎo)致行為的原因究竟是個體內(nèi)部還是外部的原因[5]。當(dāng)消費(fèi)者在意見平臺上尋找產(chǎn)品評論時，會發(fā)現(xiàn)大量既包含正面也包含負(fù)面的信息。當(dāng)處于低一致性時，即正面評論和負(fù)面評論差不多時，消費(fèi)者可能會認(rèn)為負(fù)面評論的作者對產(chǎn)品不愿意使用或者評價。然而，當(dāng)消費(fèi)者面臨的是產(chǎn)品的大量正面信息或負(fù)面信息時，消費(fèi)者傾向于知覺為高度的一致性[6]。據(jù)此提出如下假設(shè)：

H1：好評數(shù)量對用戶購買決策有正向影響。

（二）信息易獲得性與診斷力理論

情感傾向分析是對用戶主動發(fā)布的內(nèi)容進(jìn)行有效的分析和挖掘，識別出這些內(nèi)容的情感趨勢——贊同或反對、高興或者悲傷，了解用戶真正感受。由于現(xiàn)實(shí)生活中中文對情感的表達(dá)往往是微妙的和復(fù)雜的，面向大規(guī)模文本時，需通過不同維度探測和評估文本對特定主題的情感傾向。Liu 等認(rèn)為評論者的經(jīng)驗(yàn)、評論的寫作風(fēng)格和評論的時效對潛在消費(fèi)者購買決策有影響[7]；郝媛媛等以電影的在線評論為研究對象，考察了包括正負(fù)情感、觀點(diǎn)表達(dá)形式、評論體裁以及評論標(biāo)題等影響評論有用性的重要文本特征[8]；Chen等提出了評價在線商品評論質(zhì)量的9個維度[9]；蔡曉珍證明產(chǎn)品詞匯量、修飾詞匯量、評論者活躍度、評論支持率、評論長度以及情感表達(dá)強(qiáng)度指標(biāo)在面向情感分析的評論質(zhì)量識別中確實(shí)有較大的影響[10]。

Herr等人認(rèn)為信息易獲得性在消費(fèi)者產(chǎn)品判斷中具有中介作用。信息易獲得性越強(qiáng)，越容易幫助人們形成對產(chǎn)品的判斷，但若信息診斷力同時也較強(qiáng)時，信息易獲得性的中介效應(yīng)會減弱[11]。Ludwig的研究指出當(dāng)負(fù)面評論中的情感內(nèi)容與語言風(fēng)格相匹配時即文本內(nèi)容質(zhì)量高時，會降低消費(fèi)者的購買意愿[12]。戢芳等的研究認(rèn)為消費(fèi)者通常不會僅僅根據(jù)差評的數(shù)量做出判斷，他們更希望了解差評的發(fā)布者是因何原因給出差評的，這樣差評下面所跟隨的評論內(nèi)容就成為影響消費(fèi)者決策的一個關(guān)鍵因素[13]。本研究認(rèn)為，當(dāng)好評內(nèi)容中透露出強(qiáng)烈的正面情感時，明確地告知他人自己購買商品之后的滿足、愉悅的信息為高診斷力正向情感分享信息，用戶就越有可能根據(jù)這條信息做出判斷和決策；當(dāng)好評內(nèi)容情感傾向具有中立性時，對用戶購買決策的輔助作用較小。因此，我們提出如下假設(shè)：

H2：好評文本內(nèi)容的正向情感傾向?qū)οM(fèi)者的購買決策有正向影響。

當(dāng)前我國電子商務(wù)網(wǎng)站在線評論的總體情況為“正面評論占絕大多數(shù)，負(fù)面評論數(shù)量極少”，從歸因理論的角度來看，占數(shù)量極少數(shù)的負(fù)面評論由于存在于大量正面評論當(dāng)中，會使得評論的閱讀者將評論歸因于“高度的一致性”，而這“高度的一致性”后面是否隱含“不一致”？在大量的正面評論下，文本評論所隱含的不同情感傾向是否會對潛在顧客的購買意愿產(chǎn)生影響？

評論數(shù)量決定了消費(fèi)者看到評論口碑的可能性。Liu認(rèn)為口碑?dāng)?shù)量反映了口碑互動的總量，是關(guān)于某一產(chǎn)品和服務(wù)評論的數(shù)量；口碑?dāng)?shù)量越多，消費(fèi)者接觸到它的可能性越大[14]。鄭小平的研究表明：在線評論數(shù)量越多，在線評論對消費(fèi)者購買決策的影響越大；如果對某產(chǎn)品的相關(guān)評論越多，且評論中既有正面評論也有反面評論，那么消費(fèi)者對產(chǎn)品的了解會更深入和全面，在線評論對其購買決策的影響更大[15]。據(jù)此提出如下假設(shè)：

H3：好評數(shù)量和好評文本內(nèi)容情感傾向存在交互作用；

H3a：當(dāng)好評文本內(nèi)容的情感傾向正向時，數(shù)量多比數(shù)量少的好評對用戶購買決策影響大；

H3b：當(dāng)好評文本內(nèi)容的情感傾向中立時，好評數(shù)量多對用戶購買決策有影響；

H3c：當(dāng)好評文本內(nèi)容的情感傾向反向時，好評數(shù)量多對用戶購買決策有影響。

綜上，本研究構(gòu)建圖1所示的概念模型，即好評的數(shù)量和好評文本內(nèi)容的情感傾向?qū)τ脩舻馁徺I決策有影響，好評文本內(nèi)容的不同情感傾向決定了好評數(shù)量對購買行為的影響。

三、研究設(shè)計(jì)

（一）實(shí)驗(yàn)情境設(shè)計(jì)

本研究采用情景模擬實(shí)驗(yàn)法來檢驗(yàn)上述提出的假設(shè)。實(shí)驗(yàn)設(shè)計(jì)為3（情感傾向：正向 vs 中立 vs 反向）*2（評價數(shù)量：20條好評 vs 5條好評）共6種實(shí)驗(yàn)條件，每種實(shí)驗(yàn)條件至少保證30個被試。本研究以選用沒有性別需求差異，且大學(xué)生都很喜歡和感興趣、網(wǎng)上評論又比較多的智能手環(huán)為實(shí)驗(yàn)商品，以其在線好評內(nèi)容為研究背景。

在正式實(shí)驗(yàn)之前，利用抓取程序獲取初始評論集，經(jīng)過濾篩選后，選用ICTCLAS中文分詞系統(tǒng)進(jìn)行斷句、分詞，基于句子中出現(xiàn)的情感字及上下文的句法結(jié)構(gòu)對比情感分類器來判定每個句子的情感傾向；而后邀請了20名不參加主實(shí)驗(yàn)的被試對象仔細(xì)閱讀篩選后的評論，從“修飾詞匯、情感表達(dá)、產(chǎn)品詞匯、評價尺度”4個維度進(jìn)行3量表評價，1分代表最低，3分代表最高（表1），對情感性傾向的好評進(jìn)行操控性檢驗(yàn)。結(jié)果表明正向情感、中立情感、反向情感的好評均值呈現(xiàn)顯著差異（M正向情感=249 vs M中立情感=175，t=357，p=0038<05；M正向情感=249 vs M反向情感=235，t=376，p=0027<05；M中立情感=175 vs M反向情感=235，t=341，p=0031<05），量表的信度α=07。

正式實(shí)驗(yàn)開始，被試被隨機(jī)分到6個實(shí)驗(yàn)組。每個實(shí)驗(yàn)組的被試者閱讀到不同情境設(shè)置條件下的相關(guān)評論，然后回答隨后的與購買意愿有關(guān)的題項(xiàng)。為了保證所有參加實(shí)驗(yàn)的被試都仔細(xì)閱讀了實(shí)驗(yàn)材料，本研究特意設(shè)置在每個評價組有一個情感傾向中性的中評。

（二）研究變量

1.被解釋變量。將用戶是否購買設(shè)為因變量。用戶閱讀相關(guān)評論后，選0表示用戶沒有購買該產(chǎn)品，選1表示用戶購買了該產(chǎn)品。

2.解釋變量。好評數(shù)量和情感傾向的評價內(nèi)容為自變量。我們把好評數(shù)量分別確定為5條和20條。從“修飾詞匯、情感表達(dá)、產(chǎn)品詞匯、評價尺度”4個維度進(jìn)行5量表評價，1分代表最低，5分代表最高。

3.控制變量。在問卷中，把購物經(jīng)歷、產(chǎn)品認(rèn)知程度、用戶對線上評論的態(tài)度及信任傾向作為控制變量，均采用linkert 5分量表測量。購物經(jīng)歷和產(chǎn)品認(rèn)知程度用一個題項(xiàng)測量，購物經(jīng)歷“非常少”用1表示，“非常豐富”用5表示；產(chǎn)品認(rèn)知程度“從沒聽說”用1表示，“非常熟悉”用5表示；用戶對線上評論的態(tài)度用3個題項(xiàng)測量，分別是“購物總看網(wǎng)上評論”、“網(wǎng)上評論對我有用”和“網(wǎng)上評論使我對購買該商品有信心”；信任傾向用3個題項(xiàng)測量，分別是“一般都會相信他人”、“傾向于信賴他人”以及“覺得人性是可以信賴的”。

四、假設(shè)檢驗(yàn)和數(shù)據(jù)分析

用線性回歸模型檢驗(yàn)好評數(shù)量和情感傾向評論內(nèi)容對消費(fèi)者購買行為的影響，共線性檢驗(yàn)表明各自變量之間不存在共線性問題（容差=1，VIF=1<10）。

首先驗(yàn)證H1：好評數(shù)量對消費(fèi)者購買行為的影響?？刂瀑徫锝?jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評論態(tài)度四個變量后，好評數(shù)量對消費(fèi)者購買行為有正向影響（β=0213，p<005），即好評的數(shù)量越高，消費(fèi)者購買的可能性越大，H1通過檢驗(yàn)。

而后驗(yàn)證情感傾向的好評內(nèi)容對消費(fèi)者購買行為的影響?？刂瀑徫锝?jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評論態(tài)度四個變量后，正向情感傾向的評價內(nèi)容對消費(fèi)者購買行為有顯著的正向影響（β=0331，p<005），即評價內(nèi)容的正向情感傾向越強(qiáng)，用戶購買的可能性越高，H2通過檢驗(yàn)。

最后，檢驗(yàn)好評的數(shù)量和情感傾向評價內(nèi)容之間的交互作用。控制購物經(jīng)歷、產(chǎn)品認(rèn)知程度、信任傾向和線上評論態(tài)度四個變量后，二者的交互作用顯著（β=0206，p<001），H3通過驗(yàn)證（見表2）；接著對這種交互關(guān)系進(jìn)行進(jìn)一步驗(yàn)證，二項(xiàng)邏輯回歸的分析結(jié)果（見表3）說明：（1）好評的數(shù)量和情感傾向的文本內(nèi)容對消費(fèi)者購買行為均有正向影響，但好評數(shù)量并不必然對用戶的購買行為有正向影響。（2）當(dāng)好評情感傾向正向時，好評的數(shù)量對消費(fèi)者購買行為有正向影響（β=0393，p<005）；但是當(dāng)好評情感傾向中立（β=02，p>005）或反向（β=0099，p>005）時，好評數(shù)量的多少對用戶購買行為并不會產(chǎn)生影響。

五、研究結(jié)論與不足

（一）研究結(jié)論

首先，好評對用戶購買行為的影響不是簡單的線性關(guān)系。好評數(shù)量和情感傾向的好評內(nèi)容之間有交互影響，好評的數(shù)量和正向情感傾向的評論文本內(nèi)容對用戶購買行為有正向影響。好評數(shù)量越多，用戶購買的可能性越高，說明好評數(shù)量可以產(chǎn)生從眾效應(yīng)，從而對用戶的購買行為產(chǎn)生影響。

其次，當(dāng)好評文本內(nèi)容的情感傾向正向時，用戶會將其歸因于商品評價內(nèi)容透露出的購買商品之后的滿足、愉悅的高診斷力信息，就可能根據(jù)這條信息做出判斷和決策；當(dāng)好評內(nèi)容情感傾向中立但不極端時，用戶歸因于商品評價內(nèi)容情感表達(dá)模糊，購買決策會受影響；當(dāng)好評內(nèi)容情感傾向反向時，用戶歸因于商品評價內(nèi)容透露出的不滿意，購買決策也會受影響。

最后，當(dāng)好評內(nèi)容正向情感傾向時，好評數(shù)量會影響消費(fèi)者的購買行為，數(shù)量最多的好評會顯著增大消費(fèi)者購買的可能性；當(dāng)好評內(nèi)容情感傾向中立或反向時，好評數(shù)量的多少對消費(fèi)者購買行為沒有顯著影響。這說明簡單地通過好評數(shù)量判斷好評的影響力是不準(zhǔn)確的，好評內(nèi)容的情感傾向才是關(guān)系到用戶是否購買的關(guān)鍵因素。

（二）研究局限與展望

首先，本研究僅僅考慮了線上評論的好評，但在實(shí)際的網(wǎng)絡(luò)評價體系中，好評很多時候是確認(rèn)收貨時，對收到商品第一感覺（寶貝與實(shí)物相符）、包裝、發(fā)貨速度、服務(wù)態(tài)度或物流的評價，并不是真實(shí)使用或體驗(yàn)產(chǎn)品后的感受，而用戶使用產(chǎn)品后進(jìn)行的無法修改的追評，可以更真實(shí)地反映商品情況，深入分析追評內(nèi)容的情感傾向如何影響用戶的購買決策無疑是關(guān)于線上評論的一個更有實(shí)踐價值的研究。

其次，本研究只考慮了評論內(nèi)容的情感傾向維度，今后的研究應(yīng)該挖掘文本內(nèi)容中其他對消費(fèi)者購買行為影響力強(qiáng)的診斷性線索，從而完善對線上評論文本內(nèi)容的研究。

最后，在線購物環(huán)境下，好評是用戶選擇商品和店鋪的首選指標(biāo)，這是好評具有的積極效應(yīng)，但本研究沒有把可信度這一變量考慮進(jìn)來，未來研究可以考慮追評的情感傾向?qū)οM(fèi)者購買行為影響，以及各種評論可信度產(chǎn)生的積極效應(yīng)與反向情感傾向的消極效應(yīng)之間的權(quán)衡效應(yīng)對用戶購買行為的影響。

參考文獻(xiàn)：

[1]Bumkrant， R.E.， Cousineau， A. Informational And Normative Social Influence In Buyer Behavior[J].Journal of Consumer Research，1975，2（3）：206-215.

[2]Lascu，D.N.，Bearden，W.O.，Rose，R.L. Norm Extremity and Interpersonal Influences on Consumer Conformity[J].Journal of Business Research，1995，32（3）：437-445.

[3]Sternthal，B.Tybout，A.M.Calder，B.J.Experimental Design：Generalization and Theoretical Explanation[M].in：Richard P.Bagozzi（Ed.）， Principles of Marketing Research，Blackwell Publishers，Cambridge，MA，1994.

[4] Heider，F(xiàn).The Psychology Of Interpersonal Relations. Wiley， New York，1958.

[5]Kelley，H.H.，Michela，J.L. Attribution Theory And Research[J].Annual Review of Psychology， 1980（31）： 457-501.

[6]Chiou，J.-S.，Cheng， C. Should A Company Have Message Boards On Its Web Sites？[J].Journal of Interactive Marketing，2003，17（3） ：50-61.

[7]Liu Y.Huang X J. Modeling and Predicting the Helpfulness of Online Reviews[C].In： Proceedings of the 8th IEEE International Conference on Data Mining，2008： 443-452.

[8]郝媛媛，葉強(qiáng)，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報，2010，13（8）：78-88.

[9]Chen C C.，Tseng Y D. Quality Evaluation of Product Reviews Using an Information Quality Framework[J].Decision Support Systems，2011，50（4）：755-768.

[10]蔡曉珍.面向情感分析的用戶評論過濾模型研究[J].現(xiàn)代圖書情報技術(shù)，2014（4）：58-64.

[11]Herr P.，F(xiàn)rank R.，John K.Effects of Word of Mouth and Product Attribute Information on Persuasion：An Accessibility-Diagnostieity Perspective[J].Journal ofConsumer Research，1991（17）：454-462.

[12]Ludwig，S.Ruyter，K.de，F(xiàn)riedman，M. More Than Words：The Influence of Affective Content and Linguistic Style Matches in Online Reviews on Conversion Rates[J].Journal of Marketing，2013，77（1）：87-103.

[13]戢芳，周庭銳，尹訓(xùn)國.負(fù)面網(wǎng)絡(luò)口碑特征對消費(fèi)者品牌態(tài)度變化的影響-信息易獲得性與診斷力理論視角[J].財經(jīng)論叢，2013（5）：95-100.

[14]Liu Y.Word of mouth for movies：its dynamics and impact on box office revenue[J].Journal of Marketing，2006，70（3）：74-89.

[15]鄭小平.在線評論對網(wǎng)絡(luò)消費(fèi)者購買決策影響的實(shí)證研究[D].北京：中國人民大學(xué)，2008.

Abstract：This paper studies the impact of the favorable text content on the users′ purchasing behaviors from the perspective of the semantic orientation. The results show that the quantity of favorable comments and the positive sentiment have positive influence on the purchasing behavior. Moreover， there is a significant amount of interaction between the quantity of favorable comments and emotional tendencies of text content； however， the quantity of favorable comments doesn′t necessarily have a positive impact on users′ purchasing behavior. Only when emotional tendencies of the positive online comment text is high， he quantity of favorable comments will increase the possibility of users′ purchasing.

Key words：online review； analysis of semantic orientation； herd mentality； attribution theory

（責(zé)任編輯：張曦）