李亞琴

(揚州大學 商學院，江蘇 揚州 225127)

電商平臺用戶在線評論動因研究

李亞琴

(揚州大學 商學院，江蘇 揚州 225127)

現(xiàn)有電商平臺用戶評論意愿嚴重不足，深入理解電商平臺用戶在客戶評論系統(tǒng)發(fā)表消費評論背后的動因，對于電商平臺及相應在線社區(qū)的存活和長期發(fā)展，具有非常重要的現(xiàn)實意義。文章基于社會交換和技術接受模型理論基礎，從技術、社會和用戶心理三個方面構(gòu)建電商平臺用戶在線評論的意愿模型。以電商平臺用戶為調(diào)查對象，基于結(jié)構(gòu)方程模型驗證結(jié)果表明：技術接受因素是影響電商平臺用戶評論意愿的關鍵因素；用戶的聲譽、互惠動因以及經(jīng)濟報酬動因?qū)τ脩粼u論意愿有著顯著的促進作用；評論成本則對用戶的評論意愿存在顯著的抑制作用；而用戶的社交動因、樂于助人動因和感知樂趣動因?qū)τ脩舻脑u論意愿影響不顯著。研究結(jié)果可為電商平臺客戶評論系統(tǒng)的優(yōu)化和完善提供借鑒和參考。

在線評論；客戶評論系統(tǒng)；評論動因；電商平臺；結(jié)構(gòu)方程模型

李亞琴.電商平臺用戶在線評論動因研究[J].商業(yè)經(jīng)濟與管理，2017(5)：29-41.

一、 引 言

隨著電子商務交易模式日益被廣大消費者接受，Web2.0的廣泛應用，社交化網(wǎng)站和新媒體的興起，用戶生成內(nèi)容之一的用戶在線消費評論，日益成為學術界和社會實務界關注的焦點。在線消費者(包括移動在線用戶)為減少信息的不確定性和消費風險，在網(wǎng)絡消費之前，一般先查看已有消費者的評論，以確定是否最終購買。中國互聯(lián)網(wǎng)絡信息中心(CNNIC)調(diào)查結(jié)果表明，無論用戶網(wǎng)購熟悉產(chǎn)品還是不熟悉的產(chǎn)品，現(xiàn)有用戶評價在當前網(wǎng)絡購物決策中均處于主要地位[1]。用戶評論已成為用戶網(wǎng)絡購物決策最重要的依據(jù)。

然而，用戶主動在線發(fā)表消費評論的意愿卻非常低。多數(shù)用戶往往更多的是瀏覽他人對于產(chǎn)品或服務的評論信息，自己主動發(fā)表評論的情形則較少。中國互聯(lián)網(wǎng)絡信息中心(CNNIC)調(diào)查顯示，在曾經(jīng)有過網(wǎng)絡消費體驗的網(wǎng)民中，僅僅只有3.5%的網(wǎng)購用戶經(jīng)常分享其網(wǎng)絡消費體驗，19.8%的用戶偶爾為之，兩者之和也只占23.3%，即高達76.7%的網(wǎng)購用戶從不分享其網(wǎng)絡消費體驗[2]?；诖?，對于電商企業(yè)或平臺的持續(xù)發(fā)展而言，探討用戶發(fā)表消費評論背后的動因并針對性激勵，有著十分重要的現(xiàn)實意義。

作為用戶生成內(nèi)容的在線消費評論，是一種聲譽系統(tǒng)的重要形式[3]，屬于網(wǎng)絡口碑范疇。用戶網(wǎng)絡口碑傳播意愿與傳統(tǒng)線下口碑傳播意愿有著千絲萬縷的聯(lián)系?，F(xiàn)有關于用戶線下口碑傳播動因的經(jīng)典研究主要有產(chǎn)品卷入、自我卷入、他人卷入和信息卷入動機[4]、減少失調(diào)動機[5]，以及利他主義、自我提升、減少焦慮、報復和尋求建議[6]等。而對于網(wǎng)絡口碑傳播動機，Hennig-Thurau等(2004)基于效用觀點，通過在線評論平臺實證研究結(jié)果表明，用戶渴求社會交往、經(jīng)濟激勵、關心其他消費者和自我提升是用戶網(wǎng)絡口碑行為的最主要因素[7]。在虛擬社區(qū)用戶貢獻內(nèi)容進行網(wǎng)絡口碑傳播，其背后的動因往往還與其追求在社區(qū)中的社會地位、展示自我形象聲譽[8]、互惠[9]和感知娛樂[10]等社會心理因素有著密切的關系。當然，也會受到積分、贈送樣品等物質(zhì)獎勵的驅(qū)使，即用戶網(wǎng)絡口碑行為的發(fā)生與否往往會理性地基于相應的成本收益角度綜合考慮[11]。值得一提的是，當相應的口碑網(wǎng)站或社區(qū)在技術上不便于用戶發(fā)表內(nèi)容，操作上不易實現(xiàn)，用戶所發(fā)內(nèi)容得不到及時反饋(如點贊)，貢獻內(nèi)容需要耗費大量的時間和精力時，用戶可能不愿意進行相應的網(wǎng)絡口碑傳播。也就是說，用戶的網(wǎng)絡口碑行為會受到對系統(tǒng)的感知易用性、感知有用性等技術因素的影響[12-13]。

由此可見，現(xiàn)有關于用戶網(wǎng)絡口碑行為動因研究成果頗豐，影響因素眾多，但分散在不同的文獻中，且研究結(jié)論存在差異，甚至出現(xiàn)相互矛盾的現(xiàn)象，鮮有將已有研究成果中的影響因素從盈利性電商平臺角度采用集成框架進行綜合視角分析的研究?；诖耍疚脑噲D探討用戶在電商平臺發(fā)表消費評論背后的動因是什么？這些動因與用戶消費評論意愿間是什么關系？這些動因?qū)τ脩粼u論意愿影響程度如何？這些動因之間是否存在相互影響？

二、 理論基礎

現(xiàn)有研究表明用戶的網(wǎng)絡口碑行為受到其社會心理和技術等因素的影響[14-16]，本文試圖以社會交換理論和技術接受模型為理論基礎，構(gòu)建電商平臺用戶評論意愿的綜合模型。

(一) 社會交換理論

社會交換理論(Social Exchange Theory, SET)認為作為交換的社會行為，是一種利益互惠行為，當一方向另一方提供幫助、支持后，使得對方有了回報的義務[17]，但這種回報義務并不像經(jīng)濟交換那樣清晰明確[18]。社會交換理論假定，人們關注彼此之間相對長期的利益關系和對未來的期望，而不是一次性的交換[11,19]。電商平臺(包括移動電商)用戶發(fā)表消費評論對平臺及社區(qū)其他用戶充滿利益的期待。通常，人們往往通過成本——利益評估后才產(chǎn)生交換的行為意愿[20]。只有交換各方都能夠從交換中獲利，且感知收益大于感知成本，這樣的交換才會發(fā)生，對彼此的互動才會有吸引力，也才能持久。電商平臺用戶是否參與發(fā)表消費評論，往往也會從成本收益角度考慮參與網(wǎng)上社區(qū)行為的得失，只有在最大化利益的同時最小化成本才會積極參與社區(qū)活動[21]。

(二) 技術接受模型

技術接受模型(Technology Acceptance Model, TAM)主要用來解釋人們接受采納新技術、新系統(tǒng)等的用戶使用行為。該模型以理性行為理論為基礎，關注兩個關鍵變量——感知有用性和感知易用性對用戶使用意圖的影響。在該模型中，用戶的使用態(tài)度取決于感知有用性和感知易用性兩個變量。感知有用性和感知易用性兩個變量可以很好地用來解釋用戶網(wǎng)絡口碑意圖[22]。本質(zhì)上，電商平臺的用戶評論系統(tǒng)也是信息系統(tǒng)的一種。對于電商平臺用戶發(fā)表消費評論的意愿或態(tài)度，也與用戶感知在線評論系統(tǒng)的有用性和感知易用性有著密切的關系，TAM可以很好地用來解釋電商平臺用戶在線評論意圖。

三、 研究模型與假設

(一) 研究模型分析框架

圖1 研究模型分析框架

趙宇翔等(2009)研究認為，用戶生成內(nèi)容動因主要與技術驅(qū)動因素、社會驅(qū)動因素和個體驅(qū)動因素密切相關[14]。柳瑤等(2013)認為，微博用戶生成內(nèi)容動機主要受社會誘因、技術誘因和內(nèi)在需求三個層面的因素影響[15]。一般而言，當技術與社會人文很好地結(jié)合時產(chǎn)生的應用系統(tǒng)，更能滿足用戶的需求，取得更大的成功，如蘋果公司系列產(chǎn)品。因此，本文試圖以TAM和SET為研究理論基礎，結(jié)合趙宇翔等(2009)、柳瑤等(2013)建立的影響用戶生成內(nèi)容動因的整合模型，構(gòu)建電商平臺評論系統(tǒng)用戶評論意愿的研究框架模型，如圖1所示。本文認為，用戶在電商平臺發(fā)表消費評論動因主要受到三個方面的因素影響，即社會動因、心理動因和技術因素。其中用戶社會動因主要指用戶受外在社會因素影響而產(chǎn)生的發(fā)表消費評論動機，與消費者希望被社會(社區(qū))認可、關注等密切相關，包括期望交往到興趣相投的朋友、期望得到社區(qū)成員的尊重、提高自我形象和聲譽、互惠等。用戶個體心理動因主要指消費者個體內(nèi)在心理需要而產(chǎn)生的發(fā)表消費評論的動機，與用戶的自我認知和內(nèi)部需要密切相關，如利他主義精神、感知樂趣、渴望得到積分獎勵等。技術動因主要指用戶在線發(fā)表消費評論時，較多地關注電商平臺在線評論系統(tǒng)的有用性、易操作性、安全性等。同時，三類動因往往不是單獨對用戶行為意愿產(chǎn)生影響，它們彼此之間存在著互動，共同影響著用戶的評論意愿。即，用戶的個體心理動因、社會動因和技術動因之間還存在相互交叉影響，技術動因會促進用戶社會動因和心理動因的產(chǎn)生，用戶心理動因也會促進社會動因的形成。也就是說，社會動因和心理動因既是影響電商平臺用戶評論意愿的直接變量，同時也是技術動因的中間變量。

(二) 研究假設

1. 社會動因變量。保持與社會的聯(lián)系是人類的基本屬性，也是每一個行為人的基本需求。在虛擬的網(wǎng)絡世界，人們往往基于直接或間接的互惠、社交、提高聲譽的社會動因，提高與其他興趣、愛好相似用戶社會聯(lián)系的可能性。

(1)互惠?；セ荩椿ハ嘟o對方好處，是一種我為人人、人人為我的人生哲學，也是用戶進行社會交換的一種動力。本研究情境中的互惠是指用戶在電商平臺發(fā)表評論給他人購物參考時，期望其在購物時也能夠看到別的消費者發(fā)表對其消費有指導作用的評論，即期望將來得到回報的一種社會動因。相關研究表明，如果用戶間相互提供知識，即彼此間期望互惠行為發(fā)生，將會增進彼此間的關系，從而對知識共享行為形成積極的態(tài)度[23]，產(chǎn)生更高的滿意度[24]。在線社區(qū)成員為了回報從社區(qū)參與中獲得的社會利益，基于互惠原則更愿意積極參與社區(qū)活動。基于此，本研究提出如下假設：

H1：在電商平臺用戶評論系統(tǒng)中，互惠動因?qū)τ脩粼u論意愿有積極的影響。

(2)聲譽。聲譽，即聲望名譽。關注聲譽，表明人們關注別人怎么看和評價自己。本研究中的聲譽動因，主要是指用戶期望通過發(fā)表消費評論，提高其在在線評論社區(qū)中(或其他社區(qū)成員心中)的聲望、形象和地位。相關研究表明，網(wǎng)絡社區(qū)用戶發(fā)表觀點強烈地受到其尋求在虛擬社區(qū)的數(shù)字身份地位的動機驅(qū)使[25]，為提高自我形象、聲譽更愿意積極參與虛擬社區(qū)知識貢獻[26]和網(wǎng)絡口碑傳播[7,27]。用戶基于提高聲譽的目的，更愿意在虛擬社區(qū)中分享其個人信息，而不太在意其隱私信息安全[28]。基于此，本研究提出如下假設：

H2：在電商平臺用戶評論系統(tǒng)中，聲譽動因?qū)τ脩粼u論意愿有積極的影響。

(3)社交。社交，是人與人之間相互交往的一種社會活動。本研究情境下的社交是指用戶期望通過發(fā)表消費評論，能夠交往到志同道合、興趣相投的朋友。用戶間追求社會聯(lián)結(jié)和社會交往動機是網(wǎng)絡評價平臺用戶進行網(wǎng)絡口碑的一個重要原因[9,29]。因此，本研究提出如下假設：

H3：在電商平臺用戶評論系統(tǒng)中，社交動因?qū)τ脩粼u論意愿有積極的影響。

2. 用戶心理變量。具體如下：

(1)樂于助人。樂于助人，是一種親社會的利他行為，是人們由于情感認同而幫助他人并從中獲得內(nèi)在享受的一種需要[30]。本研究情境下的樂于助人變量是指用戶通過在電商平臺發(fā)表消費評論以幫助其他消費者做出更好的購買決策或支持幫助商家/電商平臺，并且不求任何物質(zhì)回報的行為。相關研究結(jié)果表明，樂于幫助其他消費者與用戶網(wǎng)絡口碑、信息共享意愿間存在積極的正向關系[7,11]。另外，筆者還在網(wǎng)絡調(diào)查結(jié)果的內(nèi)容分析中發(fā)現(xiàn)，在線社區(qū)用戶的利他主義有助于用戶間互惠動因的產(chǎn)生和用戶良好聲譽的形成?；诖?，本研究提出如下假設：

H4：在電商平臺用戶評論系統(tǒng)中，樂于助人動因?qū)τ脩粼u論意愿有積極的影響。

H5：在電商平臺用戶評論系統(tǒng)中，樂于助人動因?qū)τ脩糸g互惠有積極的影響。

H6:在電商平臺用戶評論系統(tǒng)中，樂于助人動因?qū)τ脩袈曌u形成有積極的影響。

(2)感知樂趣。感知樂趣，即指使人感到快樂的情趣。本研究情境中的感知樂趣變量是指用戶通過在電商平臺發(fā)表消費評論的方式(尤其當評論被其他用戶采用時)，來釋放、放松娛樂自己，從中獲取快樂和休閑，是用戶個體感知的內(nèi)在收益。在信息系統(tǒng)研究中，樂趣常被認為是直接影響人們接受和使用新技術、系統(tǒng)的關鍵因素[31]。相關研究表明，用戶的享樂動因往往會促使其產(chǎn)生網(wǎng)絡口碑意圖[32]。另外，筆者還在網(wǎng)絡調(diào)查結(jié)果的內(nèi)容分析中發(fā)現(xiàn)，在線社區(qū)用戶的感知樂趣會促進其互惠、社交和聲譽動機的產(chǎn)生，從而進一步促使其主動發(fā)表消費評論?；诖?，本研究提出如下假設：

H7：在電商平臺用戶評論系統(tǒng)中，感知樂趣動因?qū)τ脩粼u論意愿有積極的影響。

H8：在電商平臺用戶評論系統(tǒng)中，感知樂趣動因?qū)Υ龠M用戶間互惠動機有積極的影響。

H9:在電商平臺用戶評論系統(tǒng)中，感知樂趣動因?qū)Υ龠M用戶間社交動機有積極的影響。

H10:在電商平臺用戶評論系統(tǒng)中，感知樂趣動因?qū)τ脩袈曌u動因有積極的影響。

(3)經(jīng)濟報酬。追求經(jīng)濟回報是人類行為的重要驅(qū)動力之一。虛擬社區(qū)成員在貢獻其知識時，有時會獲得在線社區(qū)給予的各種物質(zhì)獎勵，如虛擬貨幣、積分、財富值、免運費、優(yōu)惠折扣等。本研究情境下的經(jīng)濟報酬是指電商平臺為了鼓勵用戶發(fā)表更多更優(yōu)質(zhì)的消費評論，給予評論者一定的物質(zhì)獎勵，如積分、免費旅游、免費樣品等。虛擬社區(qū)提供經(jīng)濟激勵，可以看作是對用戶貢獻內(nèi)容付出代價的一種補償。在社區(qū)成員間關系較弱的交易類電商平臺,消費者不用顧忌彼此的關系、面子、身份地位等因素,在面對各種誘因時更注重實際的經(jīng)濟利益。因此，提供物質(zhì)誘因是提高用戶口碑傳播意愿的有效手段[11]?；诖?，本研究提出如下假設：

H11：在電商平臺用戶評論系統(tǒng)中，追求經(jīng)濟報酬動因?qū)τ脩粼u論意愿有積極的影響。

(4)評論成本。虛擬社區(qū)成員知識共享時除了貢獻自己的顯性、隱性知識外，還需要對知識進行編碼、發(fā)布，需要一定的時間和精力才能有效完成，同時還會產(chǎn)生相應的機會成本，也可能會付出對其隱私信息泄漏的代價等，這些都是阻礙用戶積極參與知識分享的成本因素。相關研究結(jié)果表明，在一般虛擬知識共享社區(qū)成員間弱關系的情境下，編碼努力與成員間的知識共享意愿成反向關系[11]?；诖?，本研究提出如下假設：

H12：在電商平臺用戶評論系統(tǒng)中，評論成本動因?qū)τ脩粼u論意愿有消極的影響。

3. 技術因素。具體有如下方面：

(1)感知有用性。感知有用性，即用戶感知使用某一特定技術對提高業(yè)務處理過程效率的有用性程度[33]。本研究情境下的感知有用性是指用戶在電商平臺評論系統(tǒng)中發(fā)表消費評論時感知系統(tǒng)的有用性程度，這種感知有用性不僅包括用戶通過評論系統(tǒng)可能提高其消費購物等業(yè)務流程處理效率的有用性和便利性，也包括用戶借助于評論系統(tǒng)獲取有形、無形的收益，如獲取積分、提高自我形象、聲譽和交到志同道合的好友等。感知有用性，作為技術接受模型的一個關鍵變量，可以用來分析用戶的在線評論行為[34]。相關研究表明感知有用性與用戶網(wǎng)絡口碑意愿間存在積極的正向關系[35]。筆者在網(wǎng)絡調(diào)查結(jié)果的內(nèi)容分析中發(fā)現(xiàn)，感知有用性有助于用戶間互惠、聲譽、社交、樂于助人和感知樂趣動因的形成。基于此，本研究提出如下假設：

H13：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩粼u論意愿有積極的影響。

H14：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩糸g互惠有積極的影響。

H15：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩袈曌u形成有積極的影響。

H16：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩糸g社交有積極的影響。

H17：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩魳酚谥擞蟹e極的影響。

H18：在電商平臺用戶評論系統(tǒng)中，感知有用性動因?qū)τ脩舾兄獦啡び蟹e極的影響。

(2)感知易用性。感知易用性，指用戶感知使用某一特定技術的容易程度[33]。本研究情境下的感知易用性是指用戶在電商平臺評論系統(tǒng)中發(fā)表評論相關操作的容易程度，如評論系統(tǒng)的界面清晰友好性、易操作性、易編碼性(如通過題項選擇方式發(fā)表評論內(nèi)容以減少輸入文字的時間和精力)、便利性(流暢的交互)等。相關研究表明感知易用性與用戶網(wǎng)絡口碑、知識共享意愿間存在積極的影響關系[35]。筆者在網(wǎng)絡調(diào)查結(jié)果的內(nèi)容分析中發(fā)現(xiàn)，在電商平臺用戶評論系統(tǒng)中，用戶感知易用性對用戶的親社會行為(利他)、感知樂趣、經(jīng)濟報酬和感知有用性間存在積極的促進作用，而對用戶感知評論成本則存在抑制作用。基于此，本研究提出如下假設：

H19：在電商平臺用戶評論系統(tǒng)中，感知易用性動因?qū)τ脩魳酚谥擞蟹e極的影響。

H20：在電商平臺用戶評論系統(tǒng)中，感知易用性動因?qū)τ脩舾兄獦啡び蟹e極的影響。

H21：在電商平臺用戶評論系統(tǒng)中，感知易用性動因?qū)τ脩糇非蠼?jīng)濟報酬有積極的影響。

H22：在電商平臺用戶評論系統(tǒng)中，感知易用性動因?qū)τ脩舾兄u論成本有消極的影響。

H23：在電商平臺用戶評論系統(tǒng)中，感知易用性動因?qū)τ脩舾兄杏眯杂蟹e極的影響。

四、 實證檢驗

(一) 問卷設計與調(diào)查

結(jié)合現(xiàn)有文獻關于用戶在線生成內(nèi)容和網(wǎng)絡口碑動因研究成果以及電商平臺客戶評論系統(tǒng)特點，本研究最終歸納出以下影響電商平臺用戶發(fā)表消費評論意愿的研究自變量，分別是互惠(RE)、聲譽(REP)、社交(SI)、感知樂趣(FE)、經(jīng)濟報酬(ER)、評論成本(RC)、樂于助人(EH)、感知易用性(PEOU)和感知有用性(PU)；因變量為評論意愿(INT)；并在現(xiàn)有成熟量表的基礎上，結(jié)合電商平臺客戶評論系統(tǒng)情境，發(fā)展了各個變量的測量量表，詳見表1。所有測度題項均采用7級李克特量表，答題選擇從“非常不同意”(1)至“非常同意”(7)。

表1 研究變量測度量表

設計形成的問卷首先進行預調(diào)查，根據(jù)問卷填寫者反饋的普遍問題，對存在歧義的語句以及一些表達不清的測度題項進行了修改和調(diào)整，最終形成正式的在線調(diào)查問卷。本文將問卷發(fā)布在國內(nèi)某專業(yè)調(diào)查網(wǎng)站上，被調(diào)查對象為在電商平臺上購買過商品并發(fā)表過消費評論的用戶，歷時3月共收集到有效問卷366份，樣本構(gòu)成情況詳見表2，樣本測試題項的探索性描述統(tǒng)計分析結(jié)果詳見表3。

表2 樣本人口統(tǒng)計信息

表3 測試題項的描述性統(tǒng)計分析

(續(xù)表3)

聲譽(REP)REP1366174.101.654-0.150-0.583REP2366173.961.698-0.096-0.774REP3366173.561.7010.087-0.725經(jīng)濟報酬(ER)ER1366173.551.8880.071-1.106ER2366173.432.0910.179-1.335ER3366173.732.134-0.023-1.411感知易用性(PEOU)PEOU1366175.131.527-0.659-0.050PEOU2366175.251.498-0.7400.034PEOU3366175.341.428-0.7470.202感知有用性(PU)PU1366173.811.7740.020-0.904PU2366174.681.725-0.519-0.486PU3366174.691.728-0.547-0.462評論成本(RC)RC1366173.131.8580.514-0.752RC2366172.941.8160.582-0.733RC3366173.391.8380.349-0.903RC4366173.681.8690.164-1.026評論意愿(INT)INT1366174.201.655-0.262-0.547INT2366174.451.701-0.402-0.589INT3366174.491.772-0.422-0.727

(二) 模型檢驗

本文在對樣本數(shù)據(jù)進行描述性統(tǒng)計分析后，結(jié)合數(shù)據(jù)特征，采用偏最小二乘的結(jié)構(gòu)方程模型(PLS-SEM)驗證評估假設模型的有效性，運用Smartpls 3.0軟件處理分析數(shù)據(jù)[36]。驗證性因子分析一般包括測量模型評估和結(jié)構(gòu)模型評估。

1. 測量模型評估。測量模型評估，即測度項與潛變量之間關系的評估，判斷理論模型與樣本數(shù)據(jù)的擬合度，主要涉及信度和效度檢驗。

(1)信度檢驗。一般反映信度的指標，通常采用內(nèi)部一致性信度(Internal Consistency Reliability, ICR)來評價。而ICR可通過每個測度指標外部負荷(out loadings)值、Cronbach’s α指標值和組合信度(Composite Reliability, CR)來反映。通常要求這些指標的值越高越好，測度指標負荷不小于0.708(因為0.7082=0.5)，Cronbach’s α值不小于0.7[37-38]，組合信度值不小于0.7[36]，測度項才具有較好的穩(wěn)定性和可靠性。本研究運行結(jié)果詳見表4，所有研究變量的評估指標均高于閾值，表明本研究量表或測試題項具有較好的信度。

表4 PLS交叉負荷及組合信度

(續(xù)表4)

評論意愿(INT,α=0.891)(CR=0.932)INT10.4000.2800.4150.9000.3070.548-0.1100.4620.4910.409INT20.4760.2860.4170.9240.3370.553-0.1290.5180.4810.403INT30.4620.3210.3820.8940.3610.571-0.1030.5340.4840.396感知易用性(PEOU,α=0.954)(CR=0.970)PEOU10.4550.0600.4560.3830.9370.460-0.1910.3330.3660.307PEOU20.471-0.0510.4610.3510.9730.473-0.2860.2770.3380.256PEOU30.484-0.0890.4840.3320.9600.461-0.3140.2560.3160.256感知有用性(PU,α=0.804)(CR=0.886)PU10.2860.4170.2940.5060.2700.7290.1200.4320.4270.426PU20.4590.0920.4650.5300.4910.905-0.1910.4240.4600.406PU30.5030.1180.4400.5370.4560.905-0.1530.4110.4630.420評論成本(RC,α=0.908)(CR=0.935)RC1-0.2110.435-0.267-0.096-0.243-0.1100.9080.027-0.059-0.028RC2-0.2170.461-0.280-0.081-0.292-0.0810.9110.006-0.0460.005RC3-0.1820.351-0.339-0.152-0.230-0.1270.896-0.021-0.086-0.075RC4-0.0880.327-0.227-0.119-0.209-0.0380.8230.0260.009-0.039互惠(RE,α=0.811)(CR=0.887)RE10.5260.2450.4060.4850.2810.473-0.0560.9060.3240.405RE20.3130.4760.1940.4310.1020.3210.1460.7820.1960.310RE30.6300.3250.3500.5020.3400.446-0.0250.8600.3310.296聲譽(REP,α=0.895)(CR=0.934)REP10.3850.2250.5510.5310.3820.548-0.1000.3910.9110.624REP20.3120.2100.5000.4640.3490.450-0.0690.2550.9400.567REP30.2080.3640.3520.4570.2170.4280.0420.2720.8740.486社交(SI,α=0.864)(CR=0.917)SI10.3360.2470.5130.3910.2520.3940.0440.4050.5130.890SI20.3710.1940.6320.4630.2930.481-0.0950.4030.5660.940SI30.1730.1160.5000.3130.2020.419-0.0340.2300.5780.827

(2)效度檢驗。為了驗證測量模型的有效性，通常需要評估內(nèi)容效度(content validity)、收斂效度(convergent validity)和區(qū)別效度(discriminant validity)[23]。內(nèi)容效度是測量內(nèi)容能夠代表測量主題的程度。本研究各變量量表都是選自經(jīng)典文獻的成熟量表，結(jié)合電商平臺在線評論系統(tǒng)情境和預調(diào)查結(jié)果做適當調(diào)整而形成的，因此有著很好的內(nèi)容效度。收斂效度通常采用平均差異萃取量(average variance extracted, AVE)和組合信度(composite reliability, CR)指標評價。若AVE不小于0.5，CR不小于0.7，則測量模型具有較好的收斂效度[39]。如表4和表5所示，相應的AVE和CR均高于閾值，表明本研究測量模型具有較好的收斂效度，即所有測度項都收斂于對應的潛變量。

區(qū)別效度主要確保在PLS路徑模型中每一個潛變量與其相應的測量指標之間具有最強的關系，常用Fornell-Larcker標準和交叉負荷(Cross-loadings)指標衡量區(qū)別效度優(yōu)劣。Fornell-Larcker標準要求潛變量AVE的均方根應大于該潛變量與相關潛變量間的相關系數(shù)，即當對角線上的某AVE均方根大于其所在行和列的相關系數(shù)時，測量模型則具有較好的區(qū)別效度[39]。交叉負荷的判定標準是當每個測度項的標準外部負荷均大于其與其它測度項的交叉負荷時，測量模型則具有較好的區(qū)別效度。如表4和表5所示，本研究結(jié)果都能很好地滿足相應標準，表明測量模型具有較好的區(qū)別效度?？傮w而言，本研究測度模型的總體質(zhì)量十分令人滿意。

表5 Fornell-Larcker標準

2. 結(jié)構(gòu)模型評估。由于PLS-SEM自由分布的方差假設，評估PLS-SEM估計不適合采用單一的擬合優(yōu)度標準，而基于bootstrapping算法的非參數(shù)估計標準則比較適合[40]。通過Harman單因素檢驗結(jié)果表明，本研究樣本數(shù)據(jù)不存在嚴重的共同方法偏差問題，同時相應的方差膨脹因子(variance inflation factors, VIF)大小表明不存在過度影響本研究實證模型的多重共線性問題，可以確保本研究模型路徑系數(shù)估計的穩(wěn)定性。

注：*** P<0.01, NS表示不顯著(not significant)。圖中虛線表示假設不成立，實線表示假設成立。圖2 結(jié)構(gòu)模型分析結(jié)果

路徑(假設)路徑系數(shù)標準誤T值顯著性結(jié)果EH→INT(H4)0.0850.0541.559NS不成立EH→RE(H5)0.4500.0548.388***成立EH→REP(H6)-0.0160.0570.281NS不成立ER→INT(H11)0.1580.0523.072***成立FE→INT(H7)0.0160.0510.312NS不成立FE→RE(H8)0.0470.0530.879NS不成立FE→REP(H10)0.3560.0635.628***成立FE→SI(H9)0.5050.05010.072***成立PEOU→EH(H19)0.3270.0635.216***成立PEOU→ER(H21)-0.0300.0570.527NS不成立PEOU→FE(H20)0.3370.0526.461***成立PEOU→PU(H23)0.4850.04810.210***成立PEOU→RC(H22)-0.2770.0525.339***成立PU→EH(H17)0.3380.0595.745***成立PU→FE(H18)0.3130.0595.291***成立PU→INT(H13)0.2910.0535.542***成立PU→RE(H14)0.2480.0534.684***成立PU→REP(H15)0.3670.0546.748***成立PU→SI(H16)0.2480.0524.819***成立RC→INT(H12)-0.1350.0502.703***成立RE→INT(H1)0.2220.0534.214***成立REP→INT(H2)0.2130.0573.703***成立SI→INT(H3)0.0060.0530.109NS不成立

注：*** 表示在0.01顯著性水平下顯著。

本文運用軟件Smartpls3.0對樣本數(shù)據(jù)集進行了PLS算法測試，同時使用非參數(shù)bootstrapping方法，5000個子樣本，無跡象改變(No Sign Changes)算法檢驗結(jié)構(gòu)模型路徑系數(shù)的顯著性[41]，運行結(jié)果詳見表6和圖2。圖2中提供了變量間路徑系數(shù)及其顯著性和可決系數(shù)R2值。標準路徑系數(shù)大小、方向及其顯著性，是用來衡量結(jié)構(gòu)模型關系、反映變量間的假設關系是否成立、評估結(jié)構(gòu)模型質(zhì)量的首要標準。可決系數(shù)是用來說明每個內(nèi)生變量解釋方差的程度，據(jù)以衡量模型的預測精確性，是評估結(jié)構(gòu)模型解釋力最常用的指標。本研究最終內(nèi)生變量用戶評論意愿(INT)的R2值為0.536，說明相應的預測變量對評論意愿(INT)方差解釋比例達到53.6%?？梢娬w而言，本研究結(jié)構(gòu)模型有著較好的預測精確度，模型對于電商平臺用戶發(fā)表消費評論意愿的解釋力可接受且令人滿意。

3. 分析結(jié)果。圖2及表6表明結(jié)構(gòu)模型中所有的變量間關系在1%重要性水平下顯著(除了EH→REP、EH→INT、FE→INT、FE→RE、PEOU→ER和SI→INT外)，說明模型具有良好的內(nèi)部結(jié)構(gòu)。從圖2和表6中，我們發(fā)現(xiàn)對“互惠”(RE)變量影響最大的外生變量是樂于助人(EH)，其次為感知有用性(PU)；對“聲譽”(REP)變量影響較大的外生變量則是感知有用性(PU)和感知樂趣(FE)，而樂于助人(EH)則對其影響極小且不顯著；對“社交”(SI)變量影響較大的外生變量是感知樂趣(FE)和感知有用性(PU)；對因變量評論意愿(INT)影響最大的外生變量是感知有用性(PU)，其次分別為互惠(RE)、聲譽(REP)、經(jīng)濟報酬(ER)和評論成本(RC)，而樂于助人(EH)、感知樂趣(FE)和社交(SI)則對其影響極弱且不顯著，表明感知有用性對用戶評論意愿發(fā)揮著最強的影響力。

五、 研究結(jié)論與啟示

(一) 研究結(jié)論

本研究提出的所有假設中，除H3、H4、H6、H7、H8、H21研究假設不顯著，未得到驗證外，其余假設均得到了支持，總體上表明本研究模型有著很好的解釋力。表明電商平臺用戶評論意愿受到技術因素(感知易用性和感知有用性)、社會因素(互惠和聲譽動因)和用戶個體心理因素(經(jīng)濟報酬和評論成本)的影響。

值得說明的是，本研究中，社交動因?qū)τ脩粼u論意愿的正向影響假設未得到驗證，這可能是由于本研究的調(diào)查對象是亞馬遜電商平臺的用戶，該電商平臺目前的社交功能還非常有限，不同于一般的社交網(wǎng)站和社會化商務平臺，用戶間往往是陌生的，是一種弱聯(lián)結(jié)，從而使其社交動因不強。對于社會化商務網(wǎng)站平臺(包括移動)用戶的社交動因與其消費評論意愿間是否存在正向影響關系，值得今后進一步深入研究。

令人意外的是，樂于助人動因?qū)τ脩粼u論意愿的正向影響假設未得到驗證，這是否表明人們在現(xiàn)實社會中的親社會行為與在虛擬網(wǎng)絡中的行為存在差異？或者在營利性電商平臺的行為意愿與在非營利性社區(qū)的親社會行為不同？值得今后進一步深入探討。樂于助人動因?qū)τ脩袈曌u形成產(chǎn)生正向影響的假設未得到驗證，這可能是由于電商平臺用戶的匿名身份以及用戶間的弱關系，用戶并不特別在意在陌生人中間提高其形象和地位。

感知樂趣動因?qū)τ脩粼u論意愿的正向影響假設未得到驗證，這可能與當前的電商平臺在線評論系統(tǒng)本身缺乏娛樂性、趣味性有關，也可能是當前電商平臺用戶更看重評論系統(tǒng)的其他實質(zhì)性功能和應用，而不太在意其娛樂性。

(二) 啟示

研究結(jié)果表明為更好地鼓勵用戶發(fā)表高質(zhì)量的消費評論，首先應關注技術因素。電商平臺用戶評論系統(tǒng)應以“用戶為中心”的指導思想開發(fā)設計、激勵和運營，以進一步提高用戶的易用性體驗和有用性感知，并且降低用戶的評論成本認知。在確保用戶評論信息有用性的同時，提高評論信息對用戶的有用性感知。

其次，促進用戶以社會動因追求為目標的評論系統(tǒng)激勵機制。促進和充分利用用戶的聲譽和互惠動因。如基于評論瀏覽者對評論者發(fā)表的評論信息質(zhì)量進行的點贊、再評價(如有用性與否)排名、評論具體信息以及用戶聲譽排名，在評論系統(tǒng)顯著位置予以呈現(xiàn)；再比如類似于亞馬遜的優(yōu)秀評論者排名榜、等級不同的稱號徽章等，使評論者感知到其評論得到社區(qū)的承認和尊重，從而更愿意發(fā)表高質(zhì)量的消費評論。評論系統(tǒng)應充分有效地利用用戶的互惠動因，提供相應的功能設計及時反饋互惠信息，即互惠動機需要通過用戶間、用戶與商戶間以及用戶與平臺間的相互反饋加以呈現(xiàn)，使用戶感知到這種互惠，促進用戶間的互動，從而吸引用戶參與，進而增強用戶的評論意愿。

另外，重視用戶的利他主義與感知樂趣動因的心理因素對評論意愿的間接影響。盡管實證研究結(jié)果顯示，用戶的樂于助人和感知樂趣動因?qū)﹄娚唐脚_評論系統(tǒng)用戶評論意愿的正向影響在統(tǒng)計上不顯著，但這兩個因素通過互惠和聲譽因素間接影響著用戶的評論意愿。電商運營者在設計平臺評論系統(tǒng)時應采用合適的激勵機制，為用戶的利他主義和感知樂趣動機產(chǎn)生創(chuàng)造條件和情境，從而使其主動積極地發(fā)表有效的消費評論。

最后，對于電商平臺評論系統(tǒng)，應謹慎使用社交功能。電商平臺用戶參與行為不同于社交平臺，前者用戶參與更關注商品或服務信息的提供或獲取，而后者用戶參與關注的則是彼此間的交互。因此，對于電商平臺評論系統(tǒng)功能設計應區(qū)別于社交類網(wǎng)站，謹慎使用社交類功能。

總之，研究結(jié)果表明用戶的技術、社會和心理動因相互制約、共同影響用戶評論意愿。這就要求電商平臺評論系統(tǒng)設計和完善優(yōu)化時應綜合考慮這三類因素對用戶評論意愿的影響。

(三) 研究展望

研究電商平臺用戶評論意愿背后的動因，對于優(yōu)化用戶在線評論系統(tǒng)、完善用戶評論激勵機制、提高用戶評論意愿具有非常重要的理論和實踐意義。但本文主要是基于中國用戶的研究，用戶評論意愿可能存在國家文化差異，今后可以從跨文化視角進一步探討用戶評論意愿。

[1]中國互聯(lián)網(wǎng)絡信息中心(CNNIC).2013年中國網(wǎng)絡購物市場研究報告[EB/OL].(2014-09-01)[2016-10-12].http://www.cnnic.cn/hlwfzyj/hlwxzbg/201409/P020140901332431510284.pdf.

[2]中國互聯(lián)網(wǎng)絡信息中心(CNNIC).2014年中國社交類應用用戶行為研究報告[EB/OL].(2014-08-22)[2016-10-14].http://www.cnnic.cn/hlwfzyj/hlwxzbg/201408/P020140822379356612744.pdf.

[3]PICAZO-VELA S,CHOU S Y,MELCHER A J,et al.Why provide an online review? an extended theory of planned behavior and the role of Big-Five personality traits[J].Computers in Human Behavior,2010,26(4):685-696.

[4]DICHTER E.How word-of-mouth advertising works[J].Harvard Business Review,1966,44(6):147-160.

[5]ENGEL J F,BLACKWELL R D,MININARD P W.Consumer behavior (8th ed.)[M].Fort Worth:Dryden Press,1993.

[6]SUNDARAM D S,MITRA K,WEBSTER C.Word-of-mouth communications:a motivational analysis[J].Advances in Consumer Research,1998,25(1):527-531.

[7]HENNIG-THURAU T,GWINNER K P,WALSH G,et al.Electronic word-of-mouth via consumer-opinion platforms:what motivates consumers to articulate themselves on the Internet?[J].Journal of Interactive Marketing,2004,18(1):38-52.

[8]KIM D H,JANG S C,ADLER H.What drives cafe customers to spread eWOM? examining self-relevant value,quality value,and opinion leadership[J].International Journal of Contemporary Hospitality Management,2015,27(2):261-282.

[9]MUNZEL A,KUNZ W H.Creators,multipliers,and lurkers:who contributes and who benefits at online review sites[J].Journal of Service Management,2014,25(1):49-74.

[10]LUARN P,YANG J C,CHIU Y P.Why people check in to social network sites[J].International Journal of Electronic Commerce,2015,19(4):21-46.

[11]KANKANHALLI A,TAN B C Y,WEI K K.Contributing knowledge to electronic knowledge repositories:an empirical investigation[J].MIS Quarterly,2005,29(1):113-143.

[12]AYEH J K.Travelers’ acceptance of consumer-generated media:an integrated model of technology acceptance and source credibility theories[J].Computers in Human Behavior,2015,48:173-180.

[13]ELWALDA A,LU K,ALI M.Perceived derived attributes of online customer reviews[J].Computers in Human Behavior,2016,56:306-319.

[14]趙宇翔,朱慶華.Web2.0環(huán)境下影響用戶生成內(nèi)容的主要動因研究[J].中國圖書館學報，2009(5)：107-116.

[15]柳瑤,郎宇潔,李凌.微博用戶生成內(nèi)容的動機研究[J].圖書情報工作，2013(10):51-57.

[16]尹敬剛,李晶,魏登柏.移動互聯(lián)網(wǎng)環(huán)境下發(fā)表評論意愿的影響因素研究——一個整合模型的視角[J].圖書情報工作,2012(2):135-141.

[17]劉小平.員工組織承諾的形成過程:內(nèi)部機制和外部影響——基于社會交換理論的實證研究[J].管理世界,2011(11):92-104.

[18]BLAU P M.Exchange and Power in Social Life[M].New York:J.Wiley,1964:159-160.

[19]ZHANG X,DE PABLOS P,XU Q.Culture effects on the knowledge sharing in multi-national virtual classes:a mixed method[J].Computers in Human Behavior,2014,31(2):491-498.

[20]JIN B,PARK J Y,KIM H S.What makes online community members commit? a social exchange perspective[J].Behaviour & Information Technology,2010,29(6):587-599.

[21]CHEUNG C M K,LEE Z W Y,CHAN T K H.Self-disclosure in social networking sites:the role of perceived cost,perceived benefits and social influence[J].Internet Research,2015,25(2):279-299.

[22]HSU C L,LIN J C C.Acceptance of blog usage:the roles of technology acceptance,social influence and knowledge sharing motivation[J].Information & Management,2008,45(1):65-74.

[23]BOCK G W,ZMUD R W,KIM Y G,et al.Behavioral intention formation in knowledge sharing:examining the roles of extrinsic motivators,social-psychological forces,and organizational climate[J].MIS Quarterly,2005,29(1):87-111.

[24]CHEUNG C M K,LEE M K O,LEE Z W Y.Understanding the continuance intention of knowledge sharing in online communities of practice through the post knowledge sharing evaluation processes[J].Journal of the American Society for Information Science and Technology,2013,64(7):1357-1374.

[25]LAMPEL J,BHALLA A.The role of status seeking in online communities:giving the gift of experience[J].Journal of Computer-Mediated Communication,2007,12(2):434-455.

[26]WASKO M,FARAJ S.Why should I share? examining social capital and knowledge contribution in electronic networks of practice[J].MIS Quarterly,2005,29(1):35-57.

[27]CHEUNG C M K,LEE M K O.What drives consumers to spread electronic word of mouth in online consumer-opinion platforms[J].Decision Support Systems,2012,53(1):218-225

[28]KIM H S.What drives you to check in on Facebook? motivations,privacy concerns,and mobile phone involvement for location-based information sharing[J].Computers in Human Behavior,2016,54:397-406.

[29]CHEUNG C M K,LIU I L B,LEE M K O.How online social interactions influence customer information contribution behavior in online social shopping communities:a social learning theory perspective[J].Journal of the Association for Information Science and Technology,2015,66(12):2511-2521.

[30]BATSON C D.The altruism question:toward a social-psychological answer[M].New York:Psychology Press,2014:4-6.

[31]BROWN S A,VENKATESH V.Model of adoption of technology in households:a baseline model test and extension incorporating household life cycle[J].MIS Quarterly,2005,29(3):399-426.

[32]HSU L C,WANG K Y,CHIH W H,et al.Investigating the ripple effect in virtual communities:an example of Facebook fan pages[J].Computers in Human Behavior,2015,51:483-494.

[33]DAVIS F D,BAGOZZI R P,WARSHAW P R.User acceptance of computer technology:a comparison of two theoretical models[J].Management Science,1989,35(8):982-1003.

[34]PARK C,LEE T M.Antecedents of online reviews’ usage and purchase influence:an empirical comparison of US and Korean consumers[J].Journal of Interactive Marketing,2009,23(4):332-340.

[35]YANG F X.Effects of restaurant satisfaction and knowledge sharing motivation on eWOM intentions:the moderating role of technology acceptance factors[J].Journal of Hospitality & Tourism Research,2013,DOI:10.1177/1096348013515918.

[36]HAIR J F,HULT G T M,RINGLE C M,et al.A primer on partial least squares structural equation modeling (PLS-SEM)[M].Thousand Oaks:Sage,2014:102.

[37]CRONBACH L J.Coefficient alpha and the internal structure of tests[J].Psychometrika,1951,16(3):297-334.

[38]NUNNALLY J C,BERNSTEIN I H,BERGE J M T.Psychometric theory[M].New York:McGraw-Hill,1967:206-235.

[39]FORNELL C,LARCKER D F.Structural equation models with unobservable variables and measurement error:algebra and statistics[J].Journal of Marketing Research,1981,18(3):382-388.

[40]HAIR J F,SARSTEDT M,RINGLE C M,et al.An assessment of the use of partial least squares structural equation modeling in marketing research[J].Journal of the Academy of Marketing Science,2012,40(3):414-433.

[41]HENSELER J,RINGLE C M,SINKOVICS R R.The use of partial least squares path modeling in international marketing[J].Advances in International Marketing,2009,20:277-319.

Research on the Motivation of Customers Online Reviews on E-commerce Platforms

LI Ya-qin

(BusinessCollege,YangzhouUniversity,Yangzhou225127,China)

Most online shoppers are not willing to take the initiative to write and post their consumption experience or product reviews at e-commerce platforms. It is important for e-commerce platforms and related platforms service providers to understand the motivation of consumers posting product reviews accurately. Based on the technology acceptance model and social exchange theory, the paper attempts to take online shoppers and reviewers as research object, with the employment of the research framework composed of the motivation of customer reviews including social motivation, individual psychological motivation and technological motivation. With the method of partial least squares structural equation modeling (PLS-SEM), the researcher tests the reliability and validity of the model. The results reveal that technical acceptance factors are the key ones affecting the consumer reviews motivation of the e-commerce platforms. The motivations of reputation, reciprocity and economic rewards all positively influence consumer online reviews intention, while review cost motivation plays a negative role. Meanwhile, the motivations of enjoying helping others, perceived fun and social interaction have less significant influence on the customer review intention. The model provides one of theoretical explanation for the optimization and improvement of customer review systems on the e-commerce platforms.

online reviews; customer review system; review motivation; e-commerce platforms; structural equation modeling

(責任編輯 游旭平)

2017-03-09

李亞琴，女，講師，管理學博士，主要從事電商企業(yè)用戶行為、營銷管理等研究。

F713.5

A

1000-2154(2017)05-0029-13

10.14134/j.cnki.cn33-1336/f.2017.05.003