廖俊云　黃敏學

(武漢大學經(jīng)濟與管理學院)

?

基于酒店銷售的在線產(chǎn)品評論、品牌與產(chǎn)品銷量實證研究

廖俊云黃敏學

(武漢大學經(jīng)濟與管理學院)

摘要：從產(chǎn)品質量的視角，以團購網(wǎng)站的酒店銷售為背景，研究了品牌和在線產(chǎn)品評論共同對于產(chǎn)品銷售的影響。結果發(fā)現(xiàn)：產(chǎn)品評分分布偏差對于產(chǎn)品銷售具有顯著的負向影響，但是品牌的作用能削弱這一負向影響；產(chǎn)品平均評分和評論量較高時，產(chǎn)品評分偏差的負向作用更加明顯；品牌與評論效價對銷售的影響具有正向的加強作用。

關鍵詞：口碑； 在線產(chǎn)品評論； 品牌； 酒店； 產(chǎn)品銷量

隨著社會化媒體時代的到來，消費者在各種類型的社會化媒體中分享產(chǎn)品信息、為產(chǎn)品寫評論、建立產(chǎn)品討論社區(qū)等等。在此情境下，很多研究者都認為，相比于企業(yè)的營銷活動，其他消費者的口碑往往更加客觀，因而更值得信賴，對消費者的購買決策影響也更大[1,2]。但在社會化媒體時代，品牌的作用會顯著降低嗎？或者說，在網(wǎng)絡評論影響產(chǎn)品銷售的條件下，品牌是否會繼續(xù)發(fā)揮作用、又如何發(fā)揮作用？學術界對在線產(chǎn)品評論和品牌共同影響產(chǎn)品銷售這一重要問題的認識還有待深化。以往的研究沒有很好地解決這一問題。實際上，盡管消費者會依賴網(wǎng)上產(chǎn)品評論推斷產(chǎn)品的質量，做出購買行為[3]，但與此同時，品牌作為反映產(chǎn)品質量的重要信號，也是影響消費者購買決策的重要因素[4]。但學術界在研究口碑的影響時，很少同時考慮品牌的作用。例如，他們通常選擇書籍、電影等多文化產(chǎn)品來考察口碑的影響，但是對這些產(chǎn)品而言，品牌的影響相對比較小[1,2,5]。

鑒于此，本研究從產(chǎn)品質量的視角，根據(jù)可及性-診斷性模型，將品牌和在線評論統(tǒng)一視為消費者借以判斷產(chǎn)品質量的線索，其中品牌作為消費者個體記憶線索，而在線評論作為外部情境線索，以團購網(wǎng)站的旅館銷售為背景，研究了品牌和在線產(chǎn)品評論兩種質量線索共同對于產(chǎn)品銷售的影響。具體而言，本研究全面分析了在線評論3個維度(評論量，評論效價與評分分布偏差)與品牌的交互作用，以及對于消費者決策和產(chǎn)品銷售的影響，從而拓展了口碑方面的研究。

1文獻回顧

1.1在線產(chǎn)品評論

(1)評論效價與評論量 在互聯(lián)網(wǎng)購物普遍流行的條件下，在線產(chǎn)品評論是消費者了解產(chǎn)品的重要途徑，閱讀產(chǎn)品評論已經(jīng)成為當前消費者網(wǎng)上購物中的重要環(huán)節(jié)。在線產(chǎn)品評論為消費者評價產(chǎn)品質量，降低購買不確定性提供了線索[6,7]。很多研究都發(fā)現(xiàn)網(wǎng)上產(chǎn)品評論對產(chǎn)品銷售具有重要的影響。例如，CHEVALIER等[2]的研究發(fā)現(xiàn)，產(chǎn)品評論中產(chǎn)品平均打分越高越有助于產(chǎn)品銷售，而負面產(chǎn)品評論帶來的負面影響尤其大?？诒r，主要是通過作用于消費者態(tài)度來影響產(chǎn)品銷售，正面口碑能反映較好的預期產(chǎn)品質量，消費者就會對產(chǎn)品產(chǎn)生積極的態(tài)度。反之，較差的評論則會形成消費者對產(chǎn)品的消極印象和消極態(tài)度。

在口碑效應的研究中，評論量的影響也是研究者最為關心問題之一?？诒靠赡芡ㄟ^多種方式來影響消費者決策。①產(chǎn)品口碑量可能通過消費者觀察學習作用于消費者。也就是說，當產(chǎn)品口碑量越大，說明購買的消費者越多，那么后來的消費者就會推測產(chǎn)品質量越高，從而提高購買的可能性[8]。②口碑量也可以通過促進消費者知曉來影響消費者決策。在消費者購買決策過程中，知曉是購買的前提條件，在網(wǎng)絡條件下產(chǎn)品的口碑量和評論量越大，消費者就會有更大的可能在網(wǎng)絡上了解到此產(chǎn)品，進而購買該產(chǎn)品[5]。③在企業(yè)的管理實踐中，通常優(yōu)先推薦評論量大的產(chǎn)品，例如給消費者“按評論量”排序的選項，這就使得評論量大的產(chǎn)品相對于其他產(chǎn)品具有一定的優(yōu)勢，可以促進產(chǎn)品銷售。

(2)評分偏差 近年來的一些研究發(fā)現(xiàn)，產(chǎn)品評論的效價和評論量并不能反映口碑的全貌，而應考慮產(chǎn)品評論的偏差。評分偏差也就是不同消費者對于產(chǎn)品的不同評價，其反映在產(chǎn)品評分的分布差異上[7,9,10]。目前，眾多電子商務網(wǎng)站，例如美團網(wǎng)、亞馬遜、京東網(wǎng)都會以柱狀圖的形式為消費者提供產(chǎn)品的評分分布情況，消費者可以直觀清晰地觀察到產(chǎn)品評分分布的情況。實際上，對于同一個產(chǎn)品，不同消費者的評價可能不一樣。例如，PARK 等[10]注意到“盡管消費者評論經(jīng)?；ハ嗟钟|，但是很少有學者研究這種不一致性如何影響消費者的判斷”。HU 等[11]的研究也發(fā)現(xiàn)，產(chǎn)品評分分布呈現(xiàn)出“J”型，也就是大部分都是5分的高打分，但還存在一些1分的情況，這與CHEVALIER 等[2]的觀察一致。他們進而認為，這種嚴重偏離正態(tài)分布的評分分布形式使得平均打分并非產(chǎn)品質量的很好代理變量，因而在考慮產(chǎn)品評論時口碑效價與評論偏差是同樣重要的因素[11]。但目前，學術界對于評論效價的作用機制研究并不充分，而且最近文獻對于評論偏差如何影響產(chǎn)品銷售的結論也不一致。例如，MOE 等[12]的研究發(fā)現(xiàn)產(chǎn)品評論偏差對于銷售存在正向的影響，但是SUN[7]的研究發(fā)現(xiàn)只有平均打分相對較低時，評論偏差對于產(chǎn)品銷售才存在正向影響。本研究認為，出現(xiàn)這種差異的可能原因在于作者沒有考慮品牌的影響。

(3)在線產(chǎn)品評論與產(chǎn)品質量產(chǎn)品質量是指消費者對產(chǎn)品整體的卓越性的判斷[13]。由于信息不對稱的存在，買方通常缺乏對產(chǎn)品質量的完全認識。在社會化媒體產(chǎn)生之前，消費者更多地依賴企業(yè)的營銷活動(例如廣告、促銷)等活動來認知產(chǎn)品質量[14,15]；但是社會化媒體產(chǎn)生之后，用戶產(chǎn)生內容迅速發(fā)展，消費者通常更加愿意相信其他消費者(而非企業(yè)宣傳)的口碑推薦來做出購買決策。盡管一些學者認為在線產(chǎn)品評論中存在隨著評論量的增多可能出現(xiàn)信息過載問題[16]，先前消費者與后續(xù)消費者偏好差異而導致的在線產(chǎn)品評論的自我選擇偏差問題[17]，但是更多的學者認為，在線產(chǎn)品評論相對于企業(yè)發(fā)出的信息更具有可信度[18]，而且隨著在線評論的累積使得評論趨向于反映真正的產(chǎn)品質量[6]，因而在線產(chǎn)品評論仍然是消費者判斷產(chǎn)品質量的重要線索，是影響消費者決策的重要因素[19]。

1.2品牌的信號作用

信息經(jīng)濟學里的信號理論認為，盡管消費者希望判斷產(chǎn)品質量以確定購買決策，但是產(chǎn)品質量本身很難直接觀察，可能在購買后才能準確評價產(chǎn)品的質量。為了解決這一問題，賣方創(chuàng)造品牌，以發(fā)出關于產(chǎn)品質量的信號，買方則依據(jù)品牌信號推斷產(chǎn)品質量。在實際市場運行中，品牌產(chǎn)品若達不到自己宣稱的質量水平將會失去對于產(chǎn)品聲譽的投資，同時也會失去未來利潤。正是考慮到這一點，消費者從理性判斷品牌產(chǎn)品的質量是可靠的，這就導致品牌成為不可觀測質量的信號[20]，成為買方?jīng)Q策的重要依據(jù)。營銷學研究也表明，品牌是影響消費者決策的重要因素[4]。例如，ERDEM 等[21]的研究發(fā)現(xiàn)，品牌的清晰度和可信賴性可提高產(chǎn)品的感知質量，降低消費者感知風險和信息成本，因而提高消費者對產(chǎn)品的期望效用。在互聯(lián)網(wǎng)時代，品牌的作用依然很重要[22]。

盡管品牌和口碑(產(chǎn)品評論)都是消費者推斷產(chǎn)品質量的重要線索，但是以往的研究很少將二者結合起來，而是分別檢驗品牌或產(chǎn)品評論的作用[2,5,7]。實際上，品牌與在線評論是緊密相連的，LOVETT 等[23]的研究發(fā)現(xiàn)品牌感知風險、復雜性與品牌個性等特征都會影響消費者產(chǎn)生口碑總量。NGA 等[22]也發(fā)現(xiàn)了品牌與產(chǎn)品評論的交互作用，不過他們的研究將口碑分為正面產(chǎn)品評論和負面產(chǎn)品評論，研究了二者與品牌之間的關系，而沒有研究在線產(chǎn)品評論的其他維度(如評分偏差)與品牌之間的關系。在此基礎上，本研究根據(jù)可及性-診斷性模型，將品牌和在線產(chǎn)品評論視為消費者判斷產(chǎn)品質量的重要線索，探討品牌與在線產(chǎn)品評論的多維度屬性之間的交互影響關系。

1.3可及性-診斷性模型

可及性-診斷性模型是消費者信息處理方面的經(jīng)典理論，它特別適用于解釋消費者面對多個信息線索時的信息處理行為[24]。這一模型認為，信息線索用于消費者認知判斷的可能性取決于該線索的可及性和診斷性。可及性是指信息或者線索出現(xiàn)在頭腦中的容易程度和速度。高可及性的信息可以很快出現(xiàn)在消費者腦海中，因此也更加可能被用作判斷時的線索。診斷性是指信息對決策而言的有用性和相關性，高診斷性的信息更可能被消費者在做出判斷時使用[25]。研究發(fā)現(xiàn)，信息的可及性是診斷性的前提，當某個信息對消費者而言可及性較低時，即使它的診斷性非常高，消費者也不會使用該信息做出判斷。MENON等[26]的研究區(qū)別了基于記憶的信息和基于情景的信息。他們的研究表明，消費者更傾向于使用基于記憶的信息，而非基于情景的信息；當記憶中的信息具有可及性和診斷性時，基于情景的信息就不會被使用。具體到本研究的研究情景，品牌更多的是偏向于消費者記憶的信息，而在線產(chǎn)品評論則屬于基于情景的信息[27]。那么問題是，當消費者同時面臨品牌和在線產(chǎn)品評論兩類信息時，他們如何影響消費者決策？

2研究框架與假設

在購買產(chǎn)品時，無論消費者從企業(yè)方面獲取信息或者從其他消費者方面獲取信息，其目的都在于幫助自身準確獲知產(chǎn)品真實質量，減少購買決策的不確定性[28]。本研究的研究框架見圖1。

(虛線代表已有研究，實線代表本研究)圖1　研究框架

2.1評分偏差對產(chǎn)品銷售的影響

消費者在做出購買決策時會盡力收集關于產(chǎn)品質量的確切信息以減少購買的不確定性[28]。從可及性-診斷性模型而言，評分偏差將帶來信息的模糊性，減少信息的診斷性，使得消費者難以判斷產(chǎn)品質量。首先，產(chǎn)品評分分布差異意味著一部分消費者喜愛這一產(chǎn)品(評分高)，另一部分不喜愛這一產(chǎn)品(評分較低)，這就會促使消費者產(chǎn)生購買決策上的矛盾。以往的研究表明，當消費者面臨矛盾態(tài)度時，會降低購買意愿，繼續(xù)搜尋其他產(chǎn)品，這將有損本產(chǎn)品的銷售。其次，產(chǎn)品評分分布偏差越大也就代表風險和不確定性越大[29,30]，并且極端負面的產(chǎn)品評論為消費者對產(chǎn)品質量判斷提供更加清晰并且診斷性的信息[31]，其對消費者購買決策的影響更大[2]。另一方面，高評分分布差異的產(chǎn)品在一定程度上說明產(chǎn)品本身的匹配性非常重要，高匹配能帶來高滿意和高評價，但是低匹配將導致低滿意和負面評價，這就提高了消費者在購買決策時的不匹配成本，降低消費者的購買意愿[7]。總之，高評分分布偏差會提高消費者購買決策不確定性，使得消費者購買意愿降低。因此，提出如下假設：

假設1產(chǎn)品評分分布偏差負向影響產(chǎn)品銷售。

2.2品牌的調節(jié)作用

根據(jù)信息經(jīng)濟學的理論，品牌本身是質量的信號，而且是具有診斷性的信息。當產(chǎn)品的品牌強度較高時，消費者傾向于對其產(chǎn)品持有好感，品牌能抵御消費者不一致的觀點。并且PARK等[10]的研究也發(fā)現(xiàn)，對于高偏差的評論，消費者若對其質量有積極的預期，其偏差對產(chǎn)品的作用就會削弱。以往產(chǎn)品傷害危機方面的文獻也表明，品牌對于負面事件具有一定的抵御作用[32]。因此提出假設：

假設2品牌將減弱產(chǎn)品評分分布偏差對銷售的影響。

2.3評論效價的調節(jié)作用

平均打分意味著平均的期望質量，當消費者平均打分相對比較高時，說明產(chǎn)品的期望質量較高，但是若評分偏差較大時，則會帶來額外的負面信息，降低對產(chǎn)品質量的感知。SUN[7]的研究發(fā)現(xiàn)，當產(chǎn)品評分比較低時，產(chǎn)品評分分布差異能起到正向的作用。他們認為，平均打分高代表產(chǎn)品質量比較高，但是若評分分布偏差比較大則說明這一產(chǎn)品是利基產(chǎn)品，也就是一部分消費者喜愛，另一部分消費者卻很討厭。因此，高偏差的評論的產(chǎn)品只有在平均打分比較低的情況下才能促進產(chǎn)品銷售。因此提出假設：

假設3產(chǎn)品平均得分較高時，產(chǎn)品評分分布偏差對銷售的負向影響將增強。

2.4評論量的調節(jié)作用

一般而言，產(chǎn)品評論量越大，消費者處理信息的難度就會越大[33]。當評論量較小時，即使存在評分偏差，消費者很容易通過少量的評論來確定產(chǎn)品的質量，而且將少量評論情形下的評分偏差歸因于消費者個體偏好的差異[34]，這時評分偏差所蘊含的對產(chǎn)品質量的感知風險比較小。但是當產(chǎn)品評論量較大時，而產(chǎn)品評分偏差也較大時，意味著該信息的診斷性較差，因為這一方面說明產(chǎn)品本身質量不穩(wěn)定的可能性增大；另一方面也表示消費者群體中對于產(chǎn)品質量的評價存在較大分歧，這時消費者處理矛盾信息時需要花費更大的心智資源，使得消費者難以準確推斷產(chǎn)品質量，而產(chǎn)生較大的感知風險，此時消費者更傾向于猶豫和選擇其他產(chǎn)品[35]。因此，本研究提出假設：

假設4產(chǎn)品評論量將強化產(chǎn)品評分分布偏差對于產(chǎn)品銷售的負向影響。

2.5品牌的調節(jié)作用

根據(jù)消費者信息處理理論，消費者在做產(chǎn)品選擇時，更傾向于尋找記憶中可及性高的線索以快速做出判斷；在缺乏記憶線索時，消費者更加注重具體的信息處理[36]。由于品牌是消費者對產(chǎn)品已經(jīng)建立的印象，根據(jù)信息處理的可及性-診斷性模型，品牌對于消費者判斷產(chǎn)品質量的可及性更高，而且較具體的、冗雜的產(chǎn)品評論更加具有診斷性，能夠幫助消費者迅速建立對具體產(chǎn)品的印象[31]。在此基礎上，在線評論可幫助消費者確認產(chǎn)品質量，但是消費者會降低依賴產(chǎn)品評論的具體信息(包括評論效價和評論量)判斷產(chǎn)品質量的程度。因此提出假設：

假設5a當品牌強度較強時，產(chǎn)品評論效價對產(chǎn)品銷售的影響會降低。

假設5b當品牌強度較強時，產(chǎn)品評論量對產(chǎn)品銷售的影響會降低。

3數(shù)據(jù)與模型設定

3.1數(shù)據(jù)來源

本研究以團購行業(yè)為例，選擇了中國最大的團購網(wǎng)站——美團網(wǎng)中的酒店行業(yè)作為研究背景。這一研究背景的選擇基于如下理由：①以往口碑效應的檢驗多集中在電影[1,37]、電視[38]、書籍[2]和等文化產(chǎn)品的背景中[39]，文化產(chǎn)品的特征在于其生命周期比較短，樣本數(shù)據(jù)收集受到所處生命周期的影響比較大[5]，并且消費者是一種沖動型和體驗型的產(chǎn)品，本研究背景酒店行業(yè)同樣是一種體驗型產(chǎn)品，但是其產(chǎn)品價格相對于電影和書籍，價格更高，為了確定產(chǎn)品質量消費者會更加重視網(wǎng)上口碑的評價。②以書籍和電影為背景的研究較少考慮品牌因素所起的作用，這有可能是因為這兩類產(chǎn)品較少有品牌因素的影響，但是酒店業(yè)中有明顯的品牌劃分，有些酒店是全國著名的連鎖酒店，有些則是沒有品牌的私人旅館，這一背景使我們能考察品牌與口碑效應對銷售的共同作用。③在數(shù)據(jù)來源上，以往很多研究數(shù)據(jù)來自于亞馬遜，但是亞馬遜并不提供產(chǎn)品銷售數(shù)據(jù)而只是提供了產(chǎn)品銷售在類別內的銷售排名，因此很多研究以產(chǎn)品銷售排名作為銷量的代理變量來進行研究，使研究結果可能存在一定失真。但是本研究的團購網(wǎng)站提供了每天準確的產(chǎn)品銷售數(shù)據(jù)，便于我們進行分析。

在數(shù)據(jù)收集上，我們選擇的樣本是美團網(wǎng)北京地區(qū)的經(jīng)濟型酒店，這些酒店的價格處在150～200元之間，屬于中間水平。在確定了研究樣本后，本研究使用網(wǎng)頁爬蟲工具每天定時跟蹤爬取產(chǎn)品數(shù)據(jù)，這些數(shù)據(jù)包括：產(chǎn)品網(wǎng)址，產(chǎn)品名稱及ID，產(chǎn)品銷售量，產(chǎn)品價格，產(chǎn)品使用限制，產(chǎn)品總體評分，1～5分的各自打分人數(shù)，產(chǎn)品總評論數(shù)還包括產(chǎn)品文本評論等。在經(jīng)過軟件的穩(wěn)定性測試之后，正式的數(shù)據(jù)抓取從2014年7月7日到8月4日歷時29天，得到了252個產(chǎn)品的數(shù)據(jù)。在這些樣本中，為了保證分析的完整性，刪除了此期間存在數(shù)據(jù)缺失的樣本或下架的樣本，保留了以天為單位74個產(chǎn)品29天的平衡面板數(shù)據(jù)，作為本研究的最終數(shù)據(jù)。

3.2描述性統(tǒng)計

對于捕捉消費者評分不一致的方法主要有兩種：①評分分布百分比標準差[7]。利用亞馬遜中每個產(chǎn)品1～5分打分，計算1～5分每一刻度打分人數(shù)占總打分人數(shù)的百分比(消除了評論量的影響)，依據(jù)這5個百分比分值計算出標準差來衡量消費者評論的不一致性。文獻[9]也使用了這一方法。②利用信息熵的概念來反映不確定性程度，這一方法被CLEMONS等[40]采用。實際上這兩個方法沒有顯著差異，因為熵和偏差呈負相關關系，當偏差最大時，熵最小；而當偏差最小時，熵最大[38]。本研究采用了第一種較為簡潔卻不失一般性的做法，也就是評論效價則用評論的總體平均打分表示，這一分數(shù)由爬蟲每天抓取。評論量和銷售數(shù)據(jù)也由軟件每天抓取，其中銷售數(shù)據(jù)做對數(shù)變換。美團中酒店種類比較多，既有全國性連鎖品牌，也有地方個體不知名品牌。由于缺乏品牌資產(chǎn)的具體數(shù)字，很多研究者為了研究需要往往根據(jù)具有公信力的品牌排名而將品牌區(qū)分為強品牌和弱品牌，如NGA等[22]。本研究遵循這一做法，根據(jù)中國旅游飯店業(yè)協(xié)會公布的《2014中國經(jīng)濟型連鎖酒店品牌規(guī)模30強排行榜》，將出現(xiàn)在名單中的酒店品牌編碼為1，其他酒店編碼為0。其中有17個全國連鎖品牌酒店出現(xiàn)在此榜單中，將其作為強品牌，剩下的57個酒店則作為弱品牌。 A代表平均評分，N代表評論數(shù)目，V代表評分分布偏差，B代表品牌性質，S是銷售量的對數(shù)。變量的描述性統(tǒng)計和相關分析見表1和表2。

表1　描述性統(tǒng)計(N=2 146)

表2 相關性分析

注： * 、**分別表示p<0.05和p<0.01，雙尾檢驗，下同。

3.3實證模型設定

本研究關注的問題是，在線評論與品牌的相互依賴關系，以及在線評論與品牌共同對于產(chǎn)品銷售的影響。因此，在模型設定時必須要考慮到這兩個問題。值得注意的是，在研究口碑效應的研究中，研究者必須注意到口碑并非外生性變量[38]。也就是說，口碑和產(chǎn)品銷售之間的互為因果的可能，即口碑可能是產(chǎn)品歷史銷售的反映，例如，今日較高的口碑可能是前期產(chǎn)品銷售較好帶來的結果，它并不一定導致明天更高的銷售量。不同研究者采用了不同的方式來解決這種口碑非外生的問題，本研究遵循DUAN等[5]的方法使用兩方程系統(tǒng)模型以消除產(chǎn)品銷售量和評論內生性的內生性影響，兩方程系統(tǒng)模型同時可以幫助我們理解品牌與口碑多個維度之間的相互依賴關系(例如平均評分對于評論量的影響)。

(1)

(2)

式中，i = 1,2，…，N，代表每個酒店產(chǎn)品。Sit代表每個產(chǎn)品在第t天的銷售量，它滯后一天的銷售額用Sit-1表示。Nit代表每個產(chǎn)品在第t天的評論量。每個方程都包含啞變量Wit,這是因為要控制由于周末(Wit=1)和平時(Wit=0)差異而出現(xiàn)的銷售量和評論量的差異。Ait代表第i個產(chǎn)品在第t天的平均評分(效價)，Vit代表第i個產(chǎn)品在第t天的評分偏差。Bi代表酒店i的品牌類別，Bi=1代表酒店i是強品牌;而Bi=0則代表酒店i是弱品牌。

θt和ηt的截距代表每個酒店總的時間差異。對于每個方程，同時考慮到固定效應，用μi，ρi來捕捉每個酒店除了品牌之外其他影響銷售的隨機性因素，例如酒店的位置等等。固定效應捕捉了每個酒店不可觀察的、不隨時間而變化的異質性，因此我們控制了不同酒店之間的不可觀察因素的影響。此外，固定效應估計使得殘差項與其他解釋變量相關，因此使得模型估計更加靈活和穩(wěn)健[5]。

3.4模型估計與分析結果

由于本模型的設定中，兩個方程中的回歸因子都包括內生變量和滯后變量，故使用普通最小二乘估計的結果將不穩(wěn)健。本研究將遵循文獻[5]的做法，采取三階段最小二乘法來估計方程，方程估計的結果見表3。

(1)評分分布偏差負向影響銷售(β=-0.689，p<0.01)。這驗證了本研究的假設1，也就是評分分布差異負向影響產(chǎn)品銷售。這也證實， 評分分布偏差在一定程度上反映了群體對于質量評價的不一致性， 因而能引起后續(xù)購買者對于產(chǎn)品質量上感知的不確定性，提高后來消費者感知風險，因而會降低消費者購買意愿。本研究的結論與[40]有一些差異，但他們的假設是所有產(chǎn)品的總體質量都不高，在這樣的情況下，消費者購買某一特性突出的產(chǎn)品，而不購買各種屬性特征比較均勻而不突出的產(chǎn)品。但是本研究評分分布偏差反映的是整體過去消費者對產(chǎn)品的評價的分布狀態(tài)，而并不突出產(chǎn)品的某些屬性，這種整體評分偏差可能帶給消費者是對質量的不確定，因而能降低產(chǎn)品銷售。

表3　模型估計結果

(2)品牌強度(知名連鎖品牌VS不知名品牌)對與評分分布對銷售的影響起調節(jié)的作用(β=0.369，p<0.01)，這支持了假設2。這表明品牌能起到一定的作用，減弱評分分布對銷售的負面影響。以往的信息經(jīng)濟學、品牌相關的研究指出，品牌本來就是質量的象征，在消費者缺少其他信息的比較下，品牌是影響消費者的重要因素。同時，營銷方面的理論表明，品牌能促進消費者忠誠，使得品牌具有抵御負面信息的作用，因為消費者在品牌偏好的條件下，可能將不一致的評價歸因于評價者自身。因而，品牌能削弱品牌分布偏差帶來的負面影響。

(3)平均打分(效價)對與評分分布對銷售的影響起調節(jié)的作用(β=-0.164，p<0.05)，這支持了本研究的假設3。這表明評分值越高，評分分布的正向影響作用就會越突出。本研究的結論與SUN[7]的研究結論有一致之處。也就是評分值越高代表總體上口碑效價越高，其評分分布差異的影響反而是負向影響，但是評分分值較低代表總體上口碑效價較低，其評分分布差異越大則意味著也有一部分消費者喜歡這類產(chǎn)品，此時產(chǎn)品評價偏差的負向影響將會受到削弱。

(4)評論量對與評分偏差對銷售的負向影響也起著加強作用(β=-0.000 7，p<0.01)，這就支持了本研究的假設4。這表明評論量越高，評分分布偏差影響作用就會越負面。評論越高代表總體上口碑效價越高，其評分分布差異的影響相對較小，但是評分分值較低代表總體上口碑效價較低，其評分分布差異的影響就相對比較大。

(5)品牌與評論效價和評論量的關系上，品牌對于評論效價具有顯著的正向調節(jié)作用(β=0.089，p<0.05)，與本研究的假設5a的預測相反。這可能是因為在團購背景下，產(chǎn)品評分的區(qū)分度并不大，使得消費者難以通過平均打分識別產(chǎn)品質量，只有當產(chǎn)品質量和平均打分都比較高時，消費者通過二者相互印證才能確定產(chǎn)品質量，從而做出購買決策。與此同時，品牌對于產(chǎn)品的評論量的影響的調節(jié)作用并不顯著(β=3.34×10-5，p=0.418)，本研究的假設5b沒有得到支持。這表明消費者將品牌與評論數(shù)量看作獨立的判斷產(chǎn)品質量的因素，品牌并不能削弱評論量的影響。這可能因為本研究的酒店屬于體驗型產(chǎn)品，即使消費者將品牌視為酒店質量的一個因素，但是他們也注重從消費者的評論中發(fā)現(xiàn)酒店的實際體驗。

(6)產(chǎn)品評論量對于銷售具有積極的作用。CHEN 等[8]認為評論數(shù)量增加會造成一種積極的觀察學習效應。就如同吃飯時選擇人多的地方，其他人的選擇就是質量的暗示，也就造成評論量越多，消費者越認為酒店的質量越好，越有利于產(chǎn)品銷售。同時產(chǎn)品銷售能預測評論數(shù)量(β=2.368，p<0.01)，這表明產(chǎn)品銷售和評論數(shù)量之間存在互為因果的關系，應該引起后續(xù)研究口碑效應的學者重視[38]。值得注意的是，平均打分對銷售的影響并不顯著(β=-0.02，p=0.319)。本研究在一定程度上與文獻[5]的研究一致，也就是口碑的平均效價可能并不是影響產(chǎn)品銷售的顯著因素。這可能是因為口碑效價在平均值上一般都相對比較高，而且由于評分分布通常并不服從正態(tài)分布而是J型分布，從而平均效價掩蓋了評論內部中的不一致性，不能反映消費者口碑的全貌[11]。

(7)評分分布偏差對評論量的產(chǎn)生沒有顯著的影響(β=0.463，p=0.973)。平均打分值正向影響評論量(β=0.695，p<0.05)。這與以往的研究有一致之處[12]，當最初的打分較高時，后續(xù)的消費者傾向于對產(chǎn)品給予更低分數(shù)的評價，這就促使平均打分高可能正向影響后續(xù)的評論。但是當最初的打分比較低的時候，一方面抑制了產(chǎn)品的銷售從而減少了評論量，另一方面也使后續(xù)的消費者與最初消費者較低打分的觀點一致而降低消費者發(fā)表產(chǎn)品評論的動機。

4結論與討論

4.1研究結論與意義

產(chǎn)品評論的影響已經(jīng)受到了廣泛關注和研究，學者們多關注產(chǎn)品評論效價(如產(chǎn)品打分)和產(chǎn)品評論量的影響，而最近的研究表明，產(chǎn)品評分偏差也是產(chǎn)品評論中的重要維度，但是他們對于產(chǎn)品評分偏差對于產(chǎn)品銷售的影響的結論并不一致。本研究在質量理論的視角下，認為產(chǎn)品評分偏差實際上反映了現(xiàn)有消費群體對于產(chǎn)品質量評價的不一致性，這種不一致性或者矛盾性給后續(xù)的消費者帶來信息處理上的困難，帶來購買決策和感知質量上的不確定性，并且實證結果表明產(chǎn)品評分偏差對銷售存在負向影響。這也證實，評分偏差是一個與評論量和評論效價并行的重要維度。事實上，文獻[41]研究了品牌評價偏差對企業(yè)價值的影響，發(fā)現(xiàn)了其降低市場回報和企業(yè)風險的雙重作用，他們進而指出，排除相關表示偏差的變量，品牌評價的效價對企業(yè)價值的影響將會被錯誤估計。因此，未來關于產(chǎn)品評論的研究應該考慮評論評分偏差這一重要因素。

同時，盡管品牌和口碑(產(chǎn)品評論)都是消費者推斷產(chǎn)品質量的重要線索，但是以往的研究很少將二者結合起來，而是分別檢驗品牌或產(chǎn)品評論的作用[2,5,7]。但實際上，品牌與在線評論是緊密相連的，例如LOVETT等[23]的研究發(fā)現(xiàn)品牌感知風險、復雜性與品牌個性等特征都會影響消費者產(chǎn)生口碑總量。NGA等[22]的研究表明，在互聯(lián)網(wǎng)背景下，品牌與口碑也是緊密關聯(lián)的。本研究也發(fā)現(xiàn)，品牌作為自身產(chǎn)品質量信號的作用仍然很突出，品牌能直接影響銷售，并且能與產(chǎn)品評論一起影響產(chǎn)品銷售，如品牌能削弱產(chǎn)品評分偏差帶來的負向影響，而強化產(chǎn)品評分的對產(chǎn)品銷售的積極作用。這表明，在考慮產(chǎn)品評論的影響時，可能更要避免單獨地研究產(chǎn)品評論的影響，而必須要考慮到產(chǎn)品特征(本研究中的品牌)的影響[19]。

4.2管理啟示

本研究對企業(yè)管理口碑，進行網(wǎng)上銷售具有比較重要的管理意義。①企業(yè)在管理網(wǎng)上口碑時，要全面衡量口碑的多個維度，包括產(chǎn)品的平均打分、評論量和評分的偏差。本研究表明，評分分布差異對企業(yè)銷售起負向作用，而且平均打分和評論量比較大時，這種負向影響更加顯著。在營銷實踐中，一些商家往往努力提高自己的評論量或者平均打分，提高自己在銷售平臺中的排名以增加銷售，盡管這一做法能夠起到一定作用，但是他們也要注意到若是評論量和平均打分比較高，同時評分分布也比較大時，可能企業(yè)的產(chǎn)品銷售反而會受到負面的影響，達不到想要的效果。②網(wǎng)絡銷售時不可忽視品牌的作用，應該著力樹立互聯(lián)網(wǎng)品牌。本研究表明，品牌仍然作為一種產(chǎn)品質量信號，在提升網(wǎng)上產(chǎn)品銷售時起著重要的作用。例如，當評分分布差異對強品牌的負面作用會降低，但是弱品牌的負面作用仍然顯著。這就表明，當品牌較強時，品牌能夠防御一定程度的對負面信息的曝光。這可能是因為，當品牌資產(chǎn)較高時，消費者面臨評分分布差異時，消費者可能不會將這些偏差歸結為品牌自身的原因，而是更傾向于將其歸結于評論人的原因；但是當產(chǎn)品的品牌并不強勢時，消費者可能將品牌評分分布差異歸因于產(chǎn)品本身。因此，企業(yè)在網(wǎng)上銷售時盡管評論非常重要，但是建立強大的品牌資產(chǎn)仍然具有重要意義。

4.3局限與未來研究

本研究有一定的局限。①由于本研究僅根據(jù)面板數(shù)據(jù)，而沒有進行實驗操縱，無法準確探知評論偏差與消費者決策之間的影響機制，以后的研究可以考慮使用實驗方法來檢驗產(chǎn)品評論偏差對于個體消費者的影響；②本研究根據(jù)相關的資料將酒店品牌分為強勢品牌和弱勢品牌，但這一方法可能顯得過于粗淺，未來的研究可以采用更加準確的數(shù)據(jù)來檢驗本研究的結果。

本研究使用評分分布差異實際上反映的是消費者群體偏好的不一致性帶來的影響，但是本研究的不一致性是用評分分布來衡量的，后續(xù)研究可以考慮使用其他方式來研究。實際上消費者個體內部的評論之間也存在不一致性，這種不一致性如何測量，其如何影響其他消費者的決策乃至產(chǎn)品消費者是一個非常值得探索的問題。CHEVALIER 等[2]的研究表明，消費者并不僅僅閱讀統(tǒng)計性的數(shù)據(jù)，而且關注評論文本本身，并且評論文本之間往往存在相互矛盾和沖突[10]。因此，未來的研究應該發(fā)展捕捉評論文本之間的矛盾性(或不一致性)的方法，并且檢驗這種矛盾性對于消費者產(chǎn)品評價和產(chǎn)品銷售的影響。

MUDAMBI等[18]的研究表明，消費者對于搜索品和體驗品購買時對于產(chǎn)品評論的有用性判斷存在差異，例如，對于體驗品而言，具有極端打分的評論的有用性感知更低。這也就表明消費者在購買不同的產(chǎn)品類型中對于信息的處理機制是不同的。同時，他們也認為搜索品的感知質量主要包括客觀屬性的狀態(tài)，但是體驗品的感知質量主要包括一些主觀屬性的狀態(tài)，這些屬性可能與個人偏好非常相關。因此，對于不同產(chǎn)品類型，產(chǎn)品評論的偏差對于銷售的影響有何差異值得進一步研究。

參考文獻

[1] LIU Y. Word of Mouth for Movies: Its Dynamics and Impact on Box Office Revenue[J]. Journal of Marketing, 2006, 70(3): 74～89

[2] CHEVALIER J A, MAYZLIN D. The Effect of Word of Mouth on Sales: Online Book Reviews[J]. Journal of Marketing Research, 2006, 43(3): 345～354

[3] ZHAO Y, YANG S, NARAYAN V，et al. Modeling Consumer Learning from Online Product Reviews[J]. Marketing Science, 2013, 32(1): 153～169

[4] ERDEM T, SWAIT J, VALENZUELA A. Brands as Signals: A Cross-Country Validation Study[J]. Journal of Marketing, 2006, 70(1): 34～49

[5] DUAN W, GU B, WHINSTON A B. Do Online Reviews Matter? —— An Empirical Investigation of Panel Data[J]. Decision Support Systems, 2008, 45(4): 1007～1016

[6] KWARK Y, CHEN J, RAGHUNATHAN S. Online Product Reviews: Implications for Retailers and Competing Manufacturers[J]. Information Systems Research, 2014, 25(1): 93～110

[7] SUN M. How Does the Variance of Product Ratings Matter?[J]. Management Science, 2012, 58(4): 696～707

[8] 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

[9] CLEMONS E K, GAO G, HITT L M. When Online Reviews Meet Hyperdifferentiation: A Study of the Craft Beer Industry[J]. Journal of Management Information Systems, 2006, 23(2): 149～171

[10] PARK S B, PARK D H. The Effect of Low- Versus High-Variance in Product Reviews on Product Evaluation The Effect of Low- versus High-Variance in Product Reviews on Product Evaluation[J]. Psychology & Marketing, 2013, 30(7): 543～554

[11] HU N, PAVLOU P A, ZHANG J. Overcoming the J-shaped Distribution of Product Reviews[J]. Communications of the ACM, 2009, 52(10): 144～147

[12] MOE W W, TRUSOV M. The Value of Social Dynamics in Online Product Ratings Forums[J]. Journal of Marketing Research, 2011, 48(3): 444～456

[13] ZEITHAML V A. Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence[J]. Journal of Marketing, 1988, 52(3): 2～22

[14] KIRMANI A, RAO A R. No Pain, No Gain: A Critical Review of the Literature on Signaling Unobservable Product Quality[J]. Journal of Marketing, 2000, 64(2): 66～79

[15] ERDEM T, KEANE M P, SUN B. A Dynamic Model of Brand Choice When Price and Advertising Signal Product Quality[J]. Marketing Science, 2008, 27(6): 1111～1125

[16] YIN D, BOND S D, ZHANG H. Anxious or Angry? Effects of Discrete Emotions on the Perceived Helpfulness of Online Reviews[J]. Mis Quarterly, 2014, 38(2): 539～560

[17] LI X, HITT L M. Self-Selection and Information Role of Online Product Reviews[J]. Information Systems Research, 2008, 19(4): 456～474

[18] MUDAMBI S M, SCHUFF D. What makes a helpful online review? A study of customer reviews on Amazon. com[J]. MIS quarterly, 2010, 34(1): 185～200

[19] ZHU F, ZHANG X. Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics[J]. Journal of Marketing, 2010, 74(2): 133～148

[20] SPENCE M. Job Market Signaling[J]. Quarterly Journal of Economics, 1973, 87(3): 355～374

[21] ERDEM T, SWAIT J. Brand Equity as a Signaling Phenomenon[J]. Journal of Consumer Psychology (Lawrence Erlbaum Associates), 1998, 7(2): 131～157

[22] NGA N， HO-DAC, CARSON S J, MOORE W L. The Effects of Positive and Negative Online Customer Reviews: Do Brand Strength and Category Maturity Matter?[J]. Journal of Marketing, 2013, 77(6): 37～53

[23] LOVETT M J, PERES R, SHACHAR R. On Brands and Word of Mouth[J]. Journal of Marketing Research, 2013, 50(4): 427～444

[24] FELDMAN J M, LYNCH Jr J G. Self-Generated Validity and Other Effects of Measurement on Belief, Attitude, Intention and Behavior[J]. Journal of Applied Psychology, 1988, 73(3): 421～435

[25] PARK C W, MOTHERSBAUGH D L, FEICK L. Consumer Knowledge Assessment[J]. Journal of Consumer Research, 1994, 21(1): 71～82

[26] MENON G, RAGHUBIR P, SCHWARZ N. Behavioral Frequency Judgments: An Accessibility-Diagnosticity Framework[J]. Journal of Consumer Research, 1995, 22(2): 212～228

[27] LYNCH Jr J G, MARMORSTEIN H, WEIGOLD M F. Choices from Sets Including Remembered Brands: Use of Recalled Attributes and Prior Overall Evaluations[J]. Journal of Consumer Research, 1988, 15(2): 169～184

[28] GOH K Y, HENG C S, LIN Z. Social Media Brand Community and Consumer Behavior: Quantifying the Relative Impact of User- and Marketer-Generated Content[J]. Information Systems Research, 2013, 24(1): 88～107

[29] ELLSBERG D. Risk, Ambiguity, and the Savage Axioms[J]. The Quarterly Journal of Economics, 1961, 75(4): 643～669

[30] MEYER R J. A Model of Multiattribute Judgments under Attribute Uncertainty and Informational Constraint[J]. Journal of Marketing Research, 1981, 18(4): 428～441

[31] HERR P M, KARDES F R, KIM J. Effects of Word-of-Mouth and Product-Attribute Information on Persuasion: An Accessibility-Diagnosticity Perspective[J]. Journal of Consumer Research, 1991, 17(4): 454～462

[32] CLEEREN K, DEKIMPE M G, HELSEN K. Weathering product-harm crises[J]. Journal of the Academy of Marketing Science, 2008, 36(2): 262～270

[33] MALHOTRA N K. Reflections on the Information Overload Paradigm in Consumer Decision Making[J]. Journal of Consumer Research, 1984, 10(4): 436～440

[34] HE S X, BOND S D. Why Is the Crowd Divided? Attribution for Dispersion in Online Word of Mouth[J]. Journal of Consumer Research, 2015, 41(6): 1509～1527

[35] OTNES C, LOWREY T M, SHRUM L J. Toward an Understanding of Consumer Ambivalence[J]. Journal of Consumer Research, 1997, 24(1): 80～93

[36] SHER P J, LEE S H. Consumer skepticism and online reviews: An Elaboration Likelihood Model perspective[J]. Social Behavior and Personality: an international journal, 2009, 37(1): 137～143

[37] CHINTAGUNTA P K, GOPINATH S, VENKATARAMAN S. The Effects of Online User Reviews on Movie Box Office Performance: Accounting for Sequential Rollout and Aggregation Across Local Markets[J]. Marketing Science, 2010, 29(5): 944～957

[38] GODES D, MAYZLIN D. Using Online Conversations to Study Word-of-Mouth Communication[J]. Marketing Science, 2004, 23(4): 545～560

[39] ROMANIUK J. Word of Mouth and the Viewing of Television Programs[J]. Journal of Advertising Research, 2007, 47(4): 462～471

[40] CLEMONS E, GAO G, HITT L. When Online Reviews Meet Hyperdifferentiation: A Study of the Craft Beer Industry[J]. Journal of Management Information Systems, 2006, 23(2): 149～171

[41] LUO X, RAITHEL S, WILES M A. The Impact of Brand Rating Dispersion on Firm Value[J]. Journal of Marketing Research, 2013, 50(3): 399～415

(編輯劉繼寧)

Online Product Reviews, Brands and Product Sales: An Empirical Study Based on Sales of Hotel

LIAO JunyunHUANG Minxue

(Wuhan University， Wuhan， China)

Abstract：Based on the perspective of product quality, this paper explores the question that how online product reviews and brand affect product sales together in Group-buying websites. The results demonstrate that: product distribution deviation imposes a significant negative impact on product sales, but brand can weaken the negative impact; product ratings and reviews number strength the negative effect of product distribution deviation on sales; brand strength has a positive interaction effect with the valence of reviews in terms of their effect on sales .

Key words：word of mouth; online product reviews; brand; hotel; product sales

通訊作者：黃敏學(1973～)，男，湖北大冶人。武漢大學(武漢市430072)經(jīng)濟與管理學院教授、博士研究生導師。研究方向為網(wǎng)絡營銷。E-mail：huangminxue@126.com.

中圖法分類號：C93

文獻標志碼：A

文章編號：1672-884X(2016)01-0122-09

基金項目：國家自然科學基金資助項目(71372127)；國家自然科學基金資助海外及港澳學者合作研究項目(71328203)；教育部新世紀優(yōu)秀人才計劃資助項目(NCET-12-0420)

收稿日期：2015-01-14

DOI編碼： 10.3969/j.issn.1672-884x.2016.01.016