陳莉　伍青生

摘 要：在線評(píng)論特點(diǎn)尤其是評(píng)論數(shù)量與評(píng)分能對(duì)消費(fèi)決策過(guò)程產(chǎn)生顯著影響，商家公開(kāi)回復(fù)能否影響后續(xù)評(píng)論數(shù)量和評(píng)分，如何公開(kāi)回復(fù)能更加顯著地影響后續(xù)評(píng)論特點(diǎn)？對(duì)手機(jī)游戲評(píng)論數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)被用戶觀測(cè)到的公開(kāi)回復(fù)行為能顯著增加后續(xù)評(píng)論數(shù)量和評(píng)分。而隨著被回復(fù)評(píng)論的評(píng)分增加，其對(duì)評(píng)論數(shù)量的影響先減少后增加；隨著回復(fù)內(nèi)容情感傾向的變化，其對(duì)評(píng)論數(shù)量的影響先減少后增加，對(duì)后續(xù)評(píng)分的影響先增加后減少。

關(guān)鍵詞：在線評(píng)論；商家公開(kāi)回復(fù)；用戶評(píng)論特點(diǎn)

中圖分類號(hào)：F 063.2

文獻(xiàn)標(biāo)志碼：A

Research on the Influence of Managers’ Responses toOnline Reviews on Subsequent Reviews

CHEN Li WU Qingsheng

（Antai College of Economics & Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract：The characteristics of online reviews， especially the number and rate of reviews， can have a significant impact on the consumption decision-making process. Can the number and rate of subsequent reviews be affected by the managers’public responses？ How can the public responses more significantly affect the characteristics of subsequent reviews？ Through the empirical analysis of mobile game review data， it have been found that the public response behavior observed by users can significantly increase the number and rate of subsequent reviews. With the increase of the rate of the replied reviews， the impact on the number of reviews first weaken and then strengthen; with the change of emotional tendency of the reply content， the impact on the number of comments first weaken and then strengthen， and the impact on the rate first strengthen and then weaken.

Key words：online review; managers’ response; characteristics of online reviews

0 引言

隨著互聯(lián)網(wǎng)迅速發(fā)展，各個(gè)行業(yè)均發(fā)展出多樣的點(diǎn)評(píng)網(wǎng)站，有些網(wǎng)站是獨(dú)立的消費(fèi)者點(diǎn)評(píng)網(wǎng)站，如面向書(shū)籍、電影等的豆瓣網(wǎng)，而有些網(wǎng)站則包括產(chǎn)品銷售與購(gòu)后評(píng)論功能，如銷售大眾消費(fèi)品的淘寶網(wǎng)、短時(shí)性租房的Airbnb以及主營(yíng)手機(jī)游戲的TapTap等，同時(shí)在這些網(wǎng)站上，商家也可對(duì)評(píng)論進(jìn)行公開(kāi)回復(fù)。隨著線上運(yùn)營(yíng)技術(shù)的成熟，越來(lái)越多的商家會(huì)通過(guò)公開(kāi)回復(fù)點(diǎn)評(píng)來(lái)進(jìn)行客戶關(guān)系管理（如圖1所示，圖片分別來(lái)自大眾點(diǎn)評(píng)網(wǎng)、淘寶網(wǎng)、Airbnb、TapTap）。商家如何管理公開(kāi)回復(fù)的問(wèn)題是普遍存在的，如選擇哪些評(píng)論進(jìn)行回復(fù)，選擇怎樣的話語(yǔ)模式進(jìn)行回復(fù)等。本文的研究問(wèn)題是商家公開(kāi)回復(fù)對(duì)后續(xù)用戶評(píng)論特點(diǎn)的影響。眾多研究發(fā)現(xiàn)在線評(píng)論特點(diǎn)能通過(guò)影響感知有用性等因素影響該評(píng)論對(duì)消費(fèi)者購(gòu)買決策的影響。有研究顯示在線評(píng)論的正負(fù)向?qū)频觐A(yù)訂量有顯著作用；Tsekouras（2017）和Kupor（2018）等人均研究發(fā)現(xiàn)評(píng)論的極端性的重要作用，對(duì)體驗(yàn)型產(chǎn)品極端評(píng)價(jià)相對(duì)中等評(píng)價(jià)其有用性更低，而搜索型產(chǎn)品評(píng)論深度對(duì)有用性影響更顯著（Mudambi，2010；張艷輝，李宗偉，2016）；文本長(zhǎng)度也會(huì)影響產(chǎn)品銷量（Schindler，2012；王君珺等，2013）；同時(shí)Ordenes等（2017）人研究發(fā)現(xiàn)了評(píng)論文本有著不同的話語(yǔ)模式，存在著不同的喚起水平，可分為直接、承諾性和陳述性評(píng)論，同時(shí)語(yǔ)句中存在著情緒不一致性。Yin等（2017）研究證明高喚醒水平的文本可通過(guò)感知努力造成更高的感知有用性。因此，商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論特點(diǎn)的影響研究能幫助企業(yè)通過(guò)公開(kāi)回復(fù)行為影響整體輿情，同時(shí)也能通過(guò)影響評(píng)論特點(diǎn)來(lái)影響消費(fèi)者購(gòu)買行為。

已有在線評(píng)論特點(diǎn)的影響因素研究表明，評(píng)論動(dòng)機(jī)和評(píng)論環(huán)境均會(huì)顯著影響評(píng)論特點(diǎn)。Pan等（2018）研究不同親密程度人的評(píng)價(jià)時(shí)，評(píng)論者評(píng)論行為的差異，也有學(xué)者研究面對(duì)不同親密程度人群時(shí)，人們分享信息內(nèi)容和動(dòng)機(jī)的差異（Dubois，2016），即高親密程度分享更多的負(fù)面消息，有著更強(qiáng)的保護(hù)他人的動(dòng)機(jī)，而低親密者分享更多的正面消息，有著更多的自我強(qiáng)化信息。Tsekouras等（2017）研究顯示不同的評(píng)分框架量表會(huì)影響用戶進(jìn)行極端評(píng)論的傾向，Ransbotham （2019）研究發(fā)現(xiàn)移動(dòng)端創(chuàng)建的口碑更有感染力、更具體、極端性更低。但只有較少目光聚焦于商家公開(kāi)回復(fù)對(duì)在線評(píng)論的影響。Proserpio（2017）對(duì)酒店在線評(píng)論數(shù)據(jù)的實(shí)證分析顯示，商家首次回復(fù)會(huì)增加后續(xù)評(píng)分和12%左右的評(píng)論數(shù)量，并且會(huì)收到更少但更長(zhǎng)的負(fù)面評(píng)論，其可能的原因是消費(fèi)者意識(shí)到酒店會(huì)監(jiān)測(cè)評(píng)論，使得不滿意的消費(fèi)者更少可能留下短評(píng)；但Chevalier（2018）研究證明商家回復(fù)會(huì)減少評(píng)分，其原因在于商家的首次公開(kāi)回復(fù)能提供一個(gè)商家可能會(huì)解決問(wèn)題的信號(hào)，消費(fèi)者提供反饋和獲得回復(fù)的動(dòng)機(jī)顯著增強(qiáng)了；而Wang（2018）等人繼續(xù)研究證明被觀察到的經(jīng)理人的回復(fù)能影響消費(fèi)者的后續(xù)評(píng)價(jià)，正向評(píng)論的回復(fù)會(huì)使得后續(xù)評(píng)分下降，而負(fù)向評(píng)論的回復(fù)會(huì)使后續(xù)評(píng)分上升。李宗偉等人（2020）從淘寶網(wǎng)數(shù)據(jù)分析中發(fā)現(xiàn)，賣家回復(fù)能正向影響評(píng)論長(zhǎng)度和圖片評(píng)論數(shù)，同時(shí)店鋪星級(jí)水平、店鋪服務(wù)能力起到調(diào)節(jié)作用。從這些研究結(jié)果可以看出，商家公開(kāi)回復(fù)對(duì)評(píng)論特點(diǎn)有著顯著影響，但其效果仍具有爭(zhēng)議，而且其研究的主要是商家首次公開(kāi)回復(fù)的影響，并未探究多次公開(kāi)回復(fù)造成的累積效應(yīng)。與此同時(shí)，這些研究數(shù)據(jù)來(lái)源集中于酒店行業(yè)，主要由于酒店行業(yè)的產(chǎn)品質(zhì)量是易變的（如客房服務(wù)），評(píng)論者將評(píng)論信息和商家回復(fù)都當(dāng)作一種信息參考，商家有更多的動(dòng)機(jī)與必要性去進(jìn)行公開(kāi)回復(fù)（Chevalier，2018）。而本文將研究多次的商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論特點(diǎn)（即后續(xù)評(píng)論數(shù)量和后續(xù)評(píng)論評(píng)分）的影響。

本文基于手機(jī)游戲下載點(diǎn)評(píng)APP（TapTap）的評(píng)論數(shù)據(jù)和商家回復(fù)數(shù)據(jù)，即包括157個(gè)游戲樣本的49 289條有效觀測(cè)值分析發(fā)現(xiàn)：

（1）被觀測(cè)到的商家回復(fù)能顯著影響后一天的總體評(píng)論特點(diǎn)，包括增加后一天新增評(píng)論數(shù)量和評(píng)分。

（2）新增評(píng)論數(shù)量隨著被回復(fù)評(píng)論評(píng)分變化呈現(xiàn)U型變化；隨著回復(fù)內(nèi)容情感傾向變化呈現(xiàn)U型變化。

（3）后續(xù)評(píng)分隨著商家公開(kāi)回復(fù)內(nèi)容的情感強(qiáng)度傾向變化呈現(xiàn)倒U型變化。

與已有的相關(guān)文獻(xiàn)中的結(jié)果不同的是。

（1）累積的商家公開(kāi)回復(fù)會(huì)使后續(xù)整體評(píng)分顯著增加。Proserpio（2017）發(fā)現(xiàn)商家首次回復(fù)會(huì)增加后續(xù)評(píng)分，Chevalier（2018）研究證明商家回復(fù)會(huì)減少評(píng)分，其結(jié)果有一定矛盾性。本文對(duì)手機(jī)行業(yè)的數(shù)據(jù)分析發(fā)現(xiàn)，觀測(cè)到的商家公開(kāi)回復(fù)能顯著增加后續(xù)評(píng)論評(píng)分和評(píng)論數(shù)量。

（2）本文發(fā)現(xiàn)無(wú)論是對(duì)正向還是負(fù)向評(píng)論的回復(fù)均能顯著增加評(píng)論數(shù)量，但對(duì)負(fù)向評(píng)論的回復(fù)增長(zhǎng)更加顯著；但無(wú)論是對(duì)正向還是負(fù)向評(píng)論的回復(fù)均無(wú)法增加后續(xù)評(píng)分，但增加負(fù)向評(píng)論回復(fù)比例可以增加后續(xù)評(píng)論評(píng)分。這與過(guò)去Wang（2018）研究發(fā)現(xiàn)正向評(píng)論的回復(fù)會(huì)使得后續(xù)評(píng)分下降，而負(fù)向評(píng)論的回復(fù)會(huì)使后續(xù)評(píng)分上升的結(jié)果也有差異。

（3）本文相比其他研究，更多地探討了商家公開(kāi)回復(fù)的策略，如回復(fù)內(nèi)容的情感強(qiáng)度導(dǎo)致后續(xù)評(píng)論特點(diǎn)的影響，發(fā)現(xiàn)回復(fù)內(nèi)容情感強(qiáng)度對(duì)后續(xù)評(píng)論數(shù)量和評(píng)分的增長(zhǎng)模式有所差異。

本文對(duì)商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論特點(diǎn)的影響研究，一方面補(bǔ)充了評(píng)論特點(diǎn)影響因素的研究，將商家公開(kāi)回復(fù)的研究范圍從首次擴(kuò)展到多次的累積影響，同時(shí)也補(bǔ)充了在該研究問(wèn)題上數(shù)據(jù)來(lái)源相對(duì)單一的問(wèn)題，補(bǔ)充了國(guó)內(nèi)市場(chǎng)手機(jī)游戲行業(yè)的分析；另一方面，為商家如何管理評(píng)論來(lái)引導(dǎo)整體評(píng)論特點(diǎn)，選擇怎樣的評(píng)論回復(fù)以及使用怎樣的回復(fù)內(nèi)容提供了一定的參考。

1 相關(guān)文獻(xiàn)與研究假設(shè)

1.1 理論基礎(chǔ)：社會(huì)反應(yīng)理論（Social Respond Theory）

Moon（2000）提出社會(huì)反應(yīng)理論（Social Respond Theory），即當(dāng)機(jī)器與人產(chǎn)生互動(dòng)行為時(shí)，人會(huì)傾向于將機(jī)器作為一個(gè)社會(huì)角色，從而更有可能分享自身的私人信息。該觀點(diǎn)的提出基于互惠原則和社會(huì)取向。對(duì)自我披露（self-disclosure）的研究發(fā)現(xiàn)，由于互惠原則，如果人們第一次從談話伙伴那里獲得了這樣的信息，即使是相對(duì)陌生的人，他們也會(huì)進(jìn)行親密的自我表露（Archer ， 1978）。同時(shí)人類是社會(huì)性動(dòng)物，在進(jìn)化過(guò)程中傾向于社會(huì)取向 （Reeves and Nass，1996），而當(dāng)人類面對(duì)一種表現(xiàn)出類人特征的技術(shù)時(shí)，這種社會(huì)取向變得更加明顯。有研究發(fā)現(xiàn)，網(wǎng)站可以被認(rèn)為是一個(gè)有效的社會(huì)行動(dòng)者，其特征與任何其他人際關(guān)系的特征基本相同（Kumar， 2002）。Horton和Wohl（1956）在對(duì)電視行為的研究中發(fā)現(xiàn)，電視人物可以將各種社會(huì)線索融入他們?cè)阽R頭中的舉止行為中，人格可以創(chuàng)造出一種準(zhǔn)社會(huì)在場(chǎng)。

閆幸（2013）在企業(yè)微博互動(dòng)策略對(duì)消費(fèi)者品牌關(guān)系影響的研究中也基于社會(huì)互動(dòng)理論分析了通過(guò)設(shè)計(jì)社交媒體中的互動(dòng)來(lái)增加對(duì)網(wǎng)站社會(huì)化的感知，同時(shí)Wang（2007）基于社會(huì)互動(dòng)理論也分析零售網(wǎng)站可通過(guò)一些社會(huì)化設(shè)計(jì)來(lái)提高用戶社會(huì)化感知。在商家公開(kāi)回復(fù)中，商家與后續(xù)評(píng)論者之間并非是直接互動(dòng)的，而是通過(guò)評(píng)論網(wǎng)站上的公開(kāi)回復(fù)創(chuàng)造出社會(huì)化線索而提高其社會(huì)化感知，對(duì)于商家而言，其可以通過(guò)各種線索創(chuàng)造出人格的準(zhǔn)在場(chǎng)，而后續(xù)評(píng)論者將其作為一個(gè)社會(huì)角色來(lái)產(chǎn)生自我披露，在此處自我披露表現(xiàn)為在線評(píng)論，尤其表現(xiàn)為消費(fèi)者的評(píng)論文本。

1.2 商家公開(kāi)回復(fù)行為和評(píng)論特點(diǎn)

評(píng)論數(shù)量是評(píng)論特點(diǎn)中常見(jiàn)的研究變量，Duan（2008）對(duì)電影票房的研究表明在線評(píng)論數(shù)量和票房對(duì)在線評(píng)論數(shù)量產(chǎn)生顯著影響，其他很多研究也表明了評(píng)論數(shù)量對(duì)產(chǎn)品銷量的影響（Liu，2006；Ye at el，2009）。Henning-Thurau（2003）提出發(fā)表在線評(píng)論的動(dòng)機(jī)：平臺(tái)支持、負(fù)面情緒發(fā)泄、關(guān)心其他消費(fèi)者、提升社區(qū)地位、社會(huì)利益、幫助企業(yè)、經(jīng)濟(jì)激勵(lì)和尋求建議。由于品牌與消費(fèi)者之前的溝通能影響品牌形象（Escalas，2004），商家公開(kāi)回復(fù)行為可能使后續(xù)評(píng)論者眼中產(chǎn)生該品牌是“能接受消費(fèi)者建議”的形象，從而直接提高消費(fèi)者幫助企業(yè)的動(dòng)機(jī)（Proserpio，2017；Chevalier，2018）；同時(shí)商家公開(kāi)回復(fù)行為表現(xiàn)出“積極與用戶互動(dòng)”的形象，產(chǎn)生更高的類人行為，從而用戶將其作為社會(huì)角色對(duì)待，增加互惠動(dòng)機(jī)（Moon， 2000），即幫助商家與支持商家，從而評(píng)論數(shù)量增加。

評(píng)論的效價(jià)值意味著消費(fèi)者對(duì)產(chǎn)品的滿意度（Chevalier，2006；Liu，2006），也常被作為評(píng)論特點(diǎn)研究變量。有研究認(rèn)為評(píng)論效價(jià)值會(huì)影響評(píng)論數(shù)量（Liu，2006），某些研究將效價(jià)值分為正向、負(fù)向和中立三類（Sonnier，2011），研究結(jié)果證明在線評(píng)論的正負(fù)面對(duì)酒店預(yù)訂量有顯著作用（Ye， 2009）。Moon （2004）采用對(duì)服務(wù)的整體滿意程度和對(duì)服務(wù)提供者的整體滿意程度兩個(gè)維度來(lái)衡量總體顧客滿意度。商家公開(kāi)回復(fù)一方面可能對(duì)消費(fèi)者使用過(guò)程中出現(xiàn)的服務(wù)問(wèn)題進(jìn)行補(bǔ)救，從而提高服務(wù)滿意度（Spreng et.al， 1995）；另一方面商家公開(kāi)回復(fù)行為可能使后續(xù)評(píng)論者將該品牌作為社會(huì)角色對(duì)待，增加互惠動(dòng)機(jī)，從而使消費(fèi)者對(duì)品牌滿意度增加，從而增加評(píng)分。

綜上， 提出假設(shè)1：

H：商家的公開(kāi)回復(fù)行為會(huì)使后續(xù)用戶評(píng)論的（a）評(píng)論數(shù)量顯著增加；（b）評(píng)分顯著增加。

1.3 商家公開(kāi)回復(fù)與被回復(fù)評(píng)論評(píng)分的交互作用

在商家公開(kāi)回復(fù)的研究中，Wang（2018）發(fā)現(xiàn)當(dāng)商家首次公開(kāi)回復(fù)的評(píng)論的評(píng)分極性不同時(shí)，后續(xù)評(píng)分變化有所差異，主要是消費(fèi)者認(rèn)為回復(fù)不同極性的評(píng)論時(shí)，商家公開(kāi)回復(fù)行為的動(dòng)機(jī)是有所差異的。Gu （2014）研究表明低滿意度的客戶收到商家在線回復(fù)后客戶滿意度會(huì)提高，因此對(duì)負(fù)面評(píng)論的回復(fù)可看作一種服務(wù)補(bǔ)救行為（Spreng et.al， 1995; Wang， 2018）; 而對(duì)正向評(píng)論的回復(fù)則更可能被看作一種營(yíng)銷活動(dòng)（Wang， 2018）。根據(jù)社會(huì)反應(yīng)理論，后續(xù)評(píng)論者將通過(guò)商家公開(kāi)回復(fù)留下的線索而將其視為一種社會(huì)角色來(lái)進(jìn)行對(duì)待。因此，我們可以假設(shè)商家對(duì)不同評(píng)分評(píng)論的回復(fù)產(chǎn)生了差異性的社會(huì)線索，從而后續(xù)影響產(chǎn)生差異。

評(píng)論評(píng)分越負(fù)向極端，說(shuō)明消費(fèi)者體驗(yàn)越差，越可能需要補(bǔ)救，商家在其他消費(fèi)者中產(chǎn)生更強(qiáng)的“積極解決問(wèn)題”形象，消費(fèi)者幫助企業(yè)解決問(wèn)題的的動(dòng)機(jī)顯著增加，從而評(píng)論數(shù)量增加（Henning-Thurau，2004；Proserpio，2017）。同時(shí)，商家對(duì)負(fù)向極端評(píng)論的公開(kāi)回復(fù)行為更可能對(duì)消費(fèi)者使用過(guò)程中出現(xiàn)的更為嚴(yán)重服務(wù)問(wèn)題進(jìn)行補(bǔ)救，從而提高服務(wù)滿意度，后續(xù)用戶評(píng)分增加更為顯著。

評(píng)論評(píng)分越正向極端，說(shuō)明消費(fèi)者體驗(yàn)越好，商家對(duì)這類評(píng)論進(jìn)行評(píng)分時(shí)，會(huì)在其他消費(fèi)者心目中產(chǎn)生更強(qiáng)的“積極與用戶互動(dòng)”及“希望得到用戶支持和鼓勵(lì)”形象，表現(xiàn)出更強(qiáng)的類人行為（Gouldner，1960），其他評(píng)論者將其更可能作為社會(huì)角色對(duì)待，增加消費(fèi)者互惠動(dòng)機(jī)，從而評(píng)論數(shù)量增加（Henning-Thurau，2003）。商家對(duì)正向極端的評(píng)論的公開(kāi)回復(fù)行為更可能使后續(xù)評(píng)論者眼中產(chǎn)生更強(qiáng)的類人行為，更可能將其作為社會(huì)角色對(duì)待，其互惠動(dòng)機(jī)更為顯著，因此評(píng)論評(píng)分增加更為顯著。

另一方面，對(duì)正向評(píng)論的公開(kāi)回復(fù)，更有可能被認(rèn)為是“廣告宣傳”的線索（Wang， 2018），而根據(jù)抗拒理論（Clee， 1980），即促銷活動(dòng)、廣告操縱都被視為威脅自由的方式，消費(fèi)者對(duì)此會(huì)產(chǎn)生抗拒心理，此時(shí)消費(fèi)者的抗拒心理會(huì)顯著增加，因此消費(fèi)者評(píng)論意愿下降，評(píng)論數(shù)量也會(huì)顯著減少。

綜上所述，被回復(fù)的評(píng)論評(píng)分越極端，無(wú)論是正向還是負(fù)向，均會(huì)使其他消費(fèi)者增加更強(qiáng)的幫助企業(yè)動(dòng)機(jī)，因此后續(xù)評(píng)論數(shù)量增加越顯著。對(duì)極端負(fù)向評(píng)論的回復(fù)能對(duì)消費(fèi)過(guò)程中產(chǎn)生的更嚴(yán)重服務(wù)問(wèn)題進(jìn)行補(bǔ)救，服務(wù)滿意度增加更為顯著，因此后續(xù)評(píng)論評(píng)分增加更為顯著；正向評(píng)論的回復(fù)更能加強(qiáng)企業(yè)在其他評(píng)論者眼中“積極與用戶互動(dòng)”“希望得到用戶支持和鼓勵(lì)”形象，更可能使其他評(píng)論者將其作為社會(huì)角色對(duì)待，產(chǎn)生更強(qiáng)烈的互惠動(dòng)機(jī)，從而后續(xù)評(píng)分增加更為顯著。因此，后續(xù)評(píng)論數(shù)量和后續(xù)評(píng)分均隨著被回復(fù)評(píng)論的評(píng)論變化呈U型變化。

因此，提出假設(shè)2：

H：商家公開(kāi)回復(fù)后，被回復(fù)評(píng)論評(píng)分對(duì)后續(xù)用戶評(píng)論特點(diǎn)有一種U型影響。（a）后續(xù)評(píng)論數(shù)量隨著被回復(fù)評(píng)論的評(píng)分呈現(xiàn)U型變化；（b）后續(xù)評(píng)分隨著被回復(fù)評(píng)論的評(píng)分呈現(xiàn)U型變化。

1.4 商家公開(kāi)回復(fù)與回復(fù)內(nèi)容情感強(qiáng)度的交互作用

在商家回復(fù)策略中，商家首先可采用不同的回復(fù)內(nèi)容，Wang（2018）發(fā)現(xiàn)在對(duì)負(fù)面評(píng)論的回復(fù)中常采用“承認(rèn)、解釋、行動(dòng)”的回復(fù)模式，同時(shí)也可采用情感強(qiáng)度更加明顯的回復(fù)內(nèi)容。一方面，隨著回復(fù)內(nèi)容情感強(qiáng)度極端性增加，則其表現(xiàn)出更加類人行為，其他評(píng)論者更可能將其視作社會(huì)角色，增加互惠行為，即支持和幫助商家，因此增加評(píng)論數(shù)量；另一方面，隨著公開(kāi)回復(fù)情感強(qiáng)度的增加，其更有可能被認(rèn)為是“廣告宣傳”的線索（Wang， 2018）。而根據(jù)抗拒理論（Clee， 1980），此時(shí)消費(fèi)者的抗拒心理會(huì)顯著增加，因此消費(fèi)者評(píng)論意愿下降，評(píng)論數(shù)量也會(huì)顯著減少。因此，商家回復(fù)策略對(duì)后續(xù)評(píng)論數(shù)量的調(diào)節(jié)作用可能是正U型的，但當(dāng)情感強(qiáng)度增加時(shí)其可能會(huì)減少后續(xù)評(píng)論數(shù)量。

而對(duì)于評(píng)論的用戶而言，當(dāng)商家采用情感強(qiáng)度極端性更加明顯的回復(fù)時(shí)，評(píng)論者更可能將其作為社會(huì)角色對(duì)待，增加評(píng)論者的互惠行為，增加對(duì)品牌的評(píng)價(jià)，即增加后續(xù)評(píng)論評(píng)分；另一方面，Yin（2017）在對(duì)評(píng)論文本的研究中發(fā)現(xiàn)，文本情感強(qiáng)度對(duì)感知有用性的正向影響將隨著情感強(qiáng)度呈倒U型，即先增加后減少直至成為負(fù)向影響。因此，其他消費(fèi)者對(duì)商家公開(kāi)回復(fù)的感知有用性可能也隨著回復(fù)文本情感強(qiáng)度的增加呈倒U型，即先增加后較少。根據(jù)Rust等（1994）提出的服務(wù)質(zhì)量三因素模型，即公開(kāi)回復(fù)信息的感知有用性可以影響服務(wù)的交互質(zhì)量從而影響服務(wù)質(zhì)量，從而正向影響用戶滿意度，其他消費(fèi)者對(duì)商家公開(kāi)回復(fù)的服務(wù)滿意度會(huì)隨著回復(fù)文本情感強(qiáng)度的增加呈倒U型。因此，后續(xù)評(píng)論評(píng)分的增加也會(huì)隨著回復(fù)內(nèi)容情感強(qiáng)度的增加呈現(xiàn)倒U型。

因此，提出假設(shè)3：

H：商家公開(kāi)回復(fù)和回復(fù)內(nèi)容的情感強(qiáng)度對(duì)后續(xù)評(píng)論特點(diǎn)有交互作用，即 （a）對(duì)評(píng)論數(shù)量的影響隨著公開(kāi)回復(fù)內(nèi)容的情感強(qiáng)度呈正U型變化；（b）對(duì)后續(xù)評(píng)論評(píng)分的影響隨著公開(kāi)回復(fù)內(nèi)容的情感強(qiáng)度呈倒U型變化。

2 研究方法

2.1 數(shù)據(jù)收集

本研究將采用實(shí)證研究的方法，實(shí)證數(shù)據(jù)來(lái)源于手機(jī)游戲行業(yè)。一方面由于手機(jī)游戲行業(yè)市場(chǎng)競(jìng)爭(zhēng)比較充分，我們可以獲得足夠的樣本數(shù)據(jù)，同時(shí)點(diǎn)評(píng)數(shù)據(jù)也較易獲得，其產(chǎn)品與服務(wù)具有持續(xù)性，也易于做出改變，商家回復(fù)更具有實(shí)踐意義，因此選擇該行業(yè)點(diǎn)評(píng)數(shù)據(jù)作為樣本選擇數(shù)據(jù)。另一方面，也有學(xué)者通過(guò)APP點(diǎn)評(píng)數(shù)據(jù)做在線評(píng)論的影響研究的實(shí)證分析（Zhou，2016; Yin， 2017）。

數(shù)據(jù)來(lái)源于一款移動(dòng)端游戲下載與點(diǎn)評(píng)APP（TapTap）。國(guó)內(nèi)手機(jī)游戲廠商會(huì)選擇的發(fā)行渠道包括官方網(wǎng)站、iOS應(yīng)用商店、Android應(yīng)用商店（包括安卓系統(tǒng)手機(jī)自帶游戲下載中心，如華為游戲中心、應(yīng)用寶等第三方應(yīng)用下載商店）、TapTap APP（iOS和Android均有）。除官方網(wǎng)站外，這些應(yīng)用商店均提供游戲評(píng)價(jià)功能，包括評(píng)分和評(píng)論文本，同時(shí)商家也可以進(jìn)行公開(kāi)回復(fù)。在這些應(yīng)用商店中，只有TapTap是專門的游戲下載應(yīng)用商店，游戲運(yùn)營(yíng)商也會(huì)專門對(duì)TapTap內(nèi)容進(jìn)行運(yùn)營(yíng)。因此，TapTap可以為我們提供足夠的游戲評(píng)論與商家回復(fù)數(shù)據(jù)，而且其同時(shí)有Android端和iOS端，可以消除游戲終端差異對(duì)分析結(jié)果的影響。

通過(guò)網(wǎng)絡(luò)爬蟲(chóng)爬取了包括單機(jī)、角色扮演、動(dòng)作、moba、策略、卡牌、生存、模擬、競(jìng)速、益智、二次元、音游、開(kāi)放世界、高畫(huà)質(zhì)、MMORPG、武俠、乙女、冒險(xiǎn)、戀愛(ài)、休閑、經(jīng)營(yíng)、射擊、文字、解謎、聯(lián)機(jī)、Roguelike、養(yǎng)成、放置、像素、掛機(jī)在內(nèi)的30個(gè)類別的游戲，每個(gè)類別按照網(wǎng)站下載熱度從高到低爬取了30個(gè)游戲的游戲信息，包括游戲名稱、發(fā)行商、游戲大小、平臺(tái)總體評(píng)分、總評(píng)論數(shù)量、游戲價(jià)格、游戲標(biāo)簽（如單機(jī)、有內(nèi)購(gòu)、女性向）等，并且通過(guò)數(shù)據(jù)清洗刪除游戲信息缺失、未開(kāi)服、測(cè)試服（包括體驗(yàn)服和先行服）、國(guó)際服（日本、美國(guó)、韓國(guó)等其他國(guó)家）游戲和評(píng)論數(shù)量少于30條的樣本，最后剩下266個(gè)有效游戲樣本。同時(shí)，爬取了這些游戲2018年6月-2019年6月的所有評(píng)論信息，包括評(píng)分、評(píng)論時(shí)間、評(píng)論文本和商家回復(fù)信息（包括商家公開(kāi)回復(fù)時(shí)間，回復(fù)內(nèi)容），共375699條評(píng)論數(shù)據(jù)。

當(dāng)前評(píng)論文本的文本分析技術(shù)主要包括預(yù)處理、屬性抽取和情感分析三大類。預(yù)處理包括中文分詞、詞性標(biāo)注和語(yǔ)言學(xué)特征處理。情感分析主要分為基于機(jī)器學(xué)習(xí)的情感分析和基于詞典的情感分析。基于詞典的情感分析方法主要首先標(biāo)記句中的情感表達(dá)詞進(jìn)行正向與負(fù)向打分，然后處理情感轉(zhuǎn)換詞和情感副詞（如很、非常、稍微等），最后進(jìn)行情感聚合打分。本文采用的文本情感分析是基于詞典的情感分析方法，結(jié)合BosonNLP詞語(yǔ)情感得分和HowNet副詞詞庫(kù)進(jìn)行處理。

2.2 變量

2.2.1 自變量

商家是否公開(kāi)回復(fù)（IsReply）變量為二元變量，即游戲i在時(shí)間t（以每日為單位間隔）的第k條評(píng)論是否被商家回復(fù)，如果已被回復(fù)則為1，否則為0（Proserpio， 2017）。IsReply均值為0.238，即在整個(gè)樣本中商家公開(kāi)回復(fù)的比例占到23.8%，說(shuō)明在游戲行業(yè)商家公開(kāi)回復(fù)為普遍策略。因此，像過(guò)去的研究那樣只考慮第一次回復(fù)的影響是不合適的，我們需要考慮商家多次回復(fù)的累積影響。

2.2.2 因變量

評(píng)論數(shù)量（AddReviewNum）為游戲i在時(shí)間t（天）新增的評(píng)論數(shù)量，為連續(xù)變量（Liu，2006；Ye at el，2009； Duan， 2008），其均值為14.1567條，極差相距較大。

評(píng)分（Rate）為游戲i在時(shí)間t的新增的第k條評(píng)論的評(píng)分，為順序離散變量，取值為1、2、3、4、5（Chevalier，2006；Liu，2006）。整體均值為3.831，符合均值分布的J型分布特點(diǎn)。

2.2.3 調(diào)節(jié)變量

評(píng)論評(píng)分（ReplyRate）為1～5的離散變量，即被回復(fù)的評(píng)論j的評(píng)分，與因變量Rate的區(qū)別為此處為被回復(fù)的評(píng)論的評(píng)分，Rate為后續(xù)（本文為t+1時(shí)間）新增評(píng)論的評(píng)分。

評(píng)分文本一致性為（SaRateBias）類別變量，其分類如圖1所示。評(píng)論情感強(qiáng)度（ReviewSa）為用戶評(píng)論文本的情感得分（Ordenes ，Ludwig et al.， 2017）。本文情感分析的基本方法為基于詞典的情感分析方法。首先將整個(gè)文本根據(jù)標(biāo)點(diǎn)符號(hào)分拆為n個(gè)語(yǔ)句，每個(gè)語(yǔ)句通過(guò)jieba分詞插件分拆為多個(gè)詞語(yǔ)，并去掉停用詞；語(yǔ)句中的情感詞匯基于BosonNLP詞語(yǔ)情感得分進(jìn)行賦值，并根據(jù)HowNet的程度副詞庫(kù)確定程度（如非常：2；稍微：0.5；不：-1）得到每個(gè)語(yǔ)句的情感程度，然后聚合整個(gè)文本的情感程度。如文本t中有s個(gè)語(yǔ)句，即{t， t，…， t}， 在語(yǔ)句t中有n個(gè)情感詞匯，即{t，t，…， t}，情感詞匯對(duì)應(yīng)的副詞修飾程度為{a，a，…， a}，則文本t的情感程度Sa=∑si=1∑nj=1a*t。設(shè)SaRate1、SaRate2、SaRate3、SaRate4四個(gè)虛擬變量。當(dāng)評(píng)論j的評(píng)分（Rate）大于3分時(shí)，即為正向評(píng)分，當(dāng)評(píng)論情感強(qiáng)度（ReviewSa）大于0時(shí)即為正向文本，此時(shí)SaRate1為1，否則為0；其他三個(gè)變量類似。當(dāng)評(píng)論j評(píng)分小于3分，評(píng)論情感強(qiáng)度大于0時(shí)，SaRate2為1，否則為0；當(dāng)評(píng)論j評(píng)分大于3分，評(píng)論情感強(qiáng)度小于0時(shí)，SaRate3為1，否則為0；當(dāng)評(píng)論j評(píng)分小于3分，評(píng)論情感強(qiáng)度小于0時(shí)，SaRate4為1，否則為0。從樣本數(shù)據(jù)來(lái)看，46.5%的評(píng)論屬于第1類，僅8.96%的評(píng)論屬于第2類，第3類評(píng)論占16.0%，第4類評(píng)論占11.6%。

回復(fù)情感強(qiáng)度（ReplySa）為連續(xù)變量，其測(cè)量方法與評(píng)論情感強(qiáng)度相同，同時(shí)本文計(jì)算的情感得分為第一次回復(fù)文本的情感得分。其均值為1.892902，但極值相差較大，說(shuō)明商家回復(fù)的情感強(qiáng)度具有較大差異，但大部分情感強(qiáng)度為0。

2.2.4 控制變量

游戲本身的總體評(píng)論特點(diǎn)會(huì)對(duì)商家回復(fù)的效應(yīng)有所影響。游戲的評(píng)論總數(shù)（ReviewNum）反映了游戲整體的熱度，也會(huì)對(duì)因變量產(chǎn)生影響（Liu，2006；Ye at el，2009）。

其他游戲特點(diǎn)，如游戲大?。⊿ize），即游戲的安裝包大小，反映了游戲的下載門檻，也可能會(huì)對(duì)用戶態(tài)度產(chǎn)生影響。是否為女性向游戲（IsFemale）則反映了游戲主要用戶的性別群體，而男女性在游戲中的評(píng)論可能具有差異，因此也可能對(duì)結(jié)果產(chǎn)生影響，當(dāng)游戲標(biāo)簽中包含“女性向”“乙女”時(shí)，其值為1，否則為0。是否為個(gè)人開(kāi)發(fā)者游戲（IsPersonal）也將影響用戶將商家作為社會(huì)角色對(duì)待的可能性，從而對(duì)商家回復(fù)的效應(yīng)產(chǎn)生影響。游戲總體評(píng)論比率（ReviewRatio）為游戲評(píng)論總數(shù)除以游戲下載總數(shù)得到，表明了游戲總體吸引人進(jìn)行用戶評(píng)論的比例，與游戲本身類別與其他因素有關(guān)，也可能對(duì)因變量產(chǎn)生影響。是否為單機(jī)游戲（IsSolo）將會(huì)影響商家是否會(huì)持續(xù)投入運(yùn)營(yíng)，也可能會(huì)對(duì)商家回復(fù)的效應(yīng)產(chǎn)生影響。

回復(fù)時(shí)間（ReplyLag）為商家回復(fù)時(shí)間與評(píng)論時(shí)間的差值，精確到天，其均值為2.5943天，極差較大。但整體而言75%的評(píng)論回復(fù)在1天之內(nèi)（含1天），因此我們?cè)诜治龌貜?fù)對(duì)后一天的影響時(shí)，包含了75%的回復(fù)內(nèi)容（在一天之內(nèi)回復(fù)，第二天評(píng)論者可以看到，為有效回復(fù)；而在一天之后回復(fù)，由于排序原因評(píng)論者看到的可能性較低，影響較低）。

評(píng)論影響力（Perserate）為游戲i的評(píng)論j的影響力。之前的研究表明，評(píng)論所在的順序和評(píng)論的有用性對(duì)（Cheung et al.，2008；Forman et al.，2008）用戶決策均會(huì)產(chǎn)生影響，因此本研究需控制由商家公開(kāi)回復(fù)引起的用戶影響力增加而對(duì)后續(xù)評(píng)論特點(diǎn)造成的影響。其測(cè)量方式為計(jì)算游戲i在評(píng)論時(shí)間為t的所有評(píng)論的點(diǎn)贊數(shù)up和down，即N=∑nk=1up+down（n為游戲i在評(píng)論時(shí)間t的評(píng)論總數(shù)），則游戲i在時(shí)間t的第k條評(píng)論的評(píng)論影響力為Perserate=upN。

通過(guò)數(shù)據(jù)清洗，剩下157個(gè)游戲樣本的49 289條觀測(cè)值，其變量的描述性統(tǒng)計(jì)如表4所示。

2.3 模型

本文采用動(dòng)態(tài)面板數(shù)據(jù)的分析方法，分析時(shí)間t的所有商家回復(fù)內(nèi)容對(duì)后一天（時(shí)間t+1）總體評(píng)論特點(diǎn)的影響。在前文的描述性統(tǒng)計(jì)中可以看出，50%以上的商家回復(fù)都是評(píng)論發(fā)表后一天以內(nèi)發(fā)生的，因此我們分析商家回復(fù)對(duì)后一天的評(píng)論既能簡(jiǎn)化模型，又能包含絕大部分的回復(fù)信息。而根據(jù)前文分析，商家公開(kāi)回復(fù)需要觀測(cè)到才可能影響后續(xù)評(píng)論者的行為，而Wang（2018）的研究也證明了商家的回復(fù)只有被觀測(cè)到才是有影響的，因此我們引入變量IsObserve，當(dāng)回復(fù)間隔ReplyLag大于1時(shí)，第二天的評(píng)論者是無(wú)法觀測(cè)到商家回復(fù)的，因此IsObserve為0，否則為1。我們?cè)诖颂幈硎镜墓_(kāi)回復(fù)均為可觀測(cè)到的，后文不再贅述。

本文研究的是在時(shí)間t商家回復(fù)的累積效應(yīng)對(duì)后一天的影響，在度量累積影響時(shí)，采用的是測(cè)量游戲i在時(shí)間t所有評(píng)論的影響的均值的方法。但由于自變量為二元變量，當(dāng)游戲i在時(shí)間t有觀測(cè)到前一天任意一條公開(kāi)回復(fù)均為1，否則為0，則本文的研究模型為：

Y=β+β IsReply+β f（IsReplyM）+β C+ε

其中。i為游戲i。由于游戲的重大版本更新可能會(huì)影響產(chǎn)品質(zhì)量與體驗(yàn)，從而影響到消費(fèi)者評(píng)論，為控制產(chǎn)品質(zhì)量對(duì)評(píng)論特點(diǎn)的影響，我們的觀測(cè)窗口為版本更新后的第4到第30天（Proserpio， 2017）。而不同樣本更新時(shí)間具有差異性，為解決面板數(shù)據(jù)的非平衡問(wèn)題，我們將時(shí)間t設(shè)置為版本更新后的第t天，因此t的取值為。k為游戲i在時(shí)間t的第k條評(píng)論。

Y為游戲i在時(shí)間t+1的總體評(píng)論特點(diǎn)（包括上述的AddReviewNum， Rate）。評(píng)分的總體特點(diǎn)測(cè)量采用的是求取游戲i在時(shí)間t+1時(shí)評(píng)論評(píng)分均值的方法。

M為上述的調(diào)節(jié)變量，f（IsReplyM）為調(diào)節(jié)效應(yīng)的累積影響，本研究對(duì)累積影響的度量為均值函數(shù)。C為上述控制變量的向量組合。n為游戲i在時(shí)間t的評(píng)論總數(shù)。

3 結(jié)果

我們采用隨機(jī)效應(yīng)模型對(duì)數(shù)據(jù)進(jìn)行分析。如表5所示，Model1至Model4驗(yàn)證的是商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論數(shù)量的影響。由于新增評(píng)論數(shù)量沒(méi)有呈現(xiàn)正態(tài)分布，我們對(duì)新增評(píng)論數(shù)量進(jìn)行取對(duì)數(shù)處理（即lnARN）。Model1結(jié)果表明了商家公開(kāi)回復(fù)能顯著增加后一天評(píng)論數(shù)量（p<0.01），H得到驗(yàn)證，結(jié)果顯示商家的公開(kāi)回復(fù)行為會(huì)使后一天的評(píng)論數(shù)量平均增加22.3%。

Model2驗(yàn)證了商家公開(kāi)回復(fù)與被回復(fù)評(píng)論評(píng)分的交互效應(yīng)，即公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論數(shù)量的影響隨著被回復(fù)評(píng)論評(píng)分的增加呈U型變化，其影響差異如圖3所示，H得到驗(yàn)證。同時(shí)從圖4可以看出，隨著評(píng)分極端性的增加，商家的行為出現(xiàn)出更強(qiáng)的類人性，而消費(fèi)者產(chǎn)生了更強(qiáng)的互惠動(dòng)機(jī)，評(píng)論數(shù)量增加的比例更高；而同時(shí)回復(fù)評(píng)分為5的新增評(píng)論數(shù)量不如回復(fù)評(píng)分為1的評(píng)論數(shù)量增長(zhǎng)，說(shuō)明了對(duì)正向評(píng)論的回復(fù)會(huì)使商家此時(shí)的行為給消費(fèi)者產(chǎn)生營(yíng)銷的印象，使消費(fèi)者產(chǎn)生抗拒心理，減少了評(píng)論行為。

Model3驗(yàn)證了回復(fù)內(nèi)容情感強(qiáng)度對(duì)商家公開(kāi)回復(fù)影響的交互作用，且其作用為正U型，即隨著回復(fù)內(nèi)容情感強(qiáng)度的增加，其影響先減少后增加，H得到了支持。即隨著回復(fù)內(nèi)容情感強(qiáng)度的增加，其表現(xiàn)出的類人性先減少后增加，從而消費(fèi)者幫助商家的行為也先減少后增加，即評(píng)論數(shù)量先顯著減少后顯著增加。

在控制變量中，是否為獨(dú)立開(kāi)發(fā)者在Model1里對(duì)后續(xù)評(píng)論數(shù)量產(chǎn)生了正向顯著，進(jìn)一步驗(yàn)證了當(dāng)產(chǎn)品有更多的類人行為線索時(shí)，根據(jù)社會(huì)反應(yīng)理論，其更可能產(chǎn)生互惠動(dòng)機(jī)，從而增加評(píng)論數(shù)量。

如表6所示，Model4至Model6驗(yàn)證的是商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論評(píng)分的影響，Model4結(jié)果表明了商家公開(kāi)回復(fù)能顯著增加后一天評(píng)論評(píng)分（p<0.05），H得到驗(yàn)證，結(jié)果顯示商家存在公開(kāi)回復(fù)行為會(huì)使后一天的評(píng)論評(píng)分平均增加0.1603。

Model5驗(yàn)證的是商家公開(kāi)回復(fù)與被回復(fù)評(píng)分的交互作用，數(shù)據(jù)結(jié)果顯示其沒(méi)有顯著影響，即H沒(méi)有得到支持。從這個(gè)結(jié)果可以看出，在對(duì)后續(xù)評(píng)分的影響中，社會(huì)反應(yīng)理論產(chǎn)生的互惠影響較小，也有可能是因?yàn)樵u(píng)論動(dòng)機(jī)的變化對(duì)評(píng)分沒(méi)有顯著影響。Wang（2018）的研究結(jié)果顯示，對(duì)負(fù)面評(píng)論的回復(fù)會(huì)增加后續(xù)評(píng)分，對(duì)正面評(píng)論的回復(fù)會(huì)降低評(píng)分。本文因此也檢驗(yàn)了商家回復(fù)正向或負(fù)向的評(píng)論時(shí)，其后續(xù)評(píng)分是否會(huì)有差異。與Wang（2018）的結(jié)果不同的是，評(píng)分并未出現(xiàn)變化；但是隨著負(fù)向評(píng)論回復(fù)比例的增加，其后續(xù)評(píng)分增長(zhǎng)也會(huì)更加顯著。我們猜測(cè)其可能原因?yàn)樾枰碳页掷m(xù)地對(duì)負(fù)面評(píng)論進(jìn)行公開(kāi)回復(fù)才能使后續(xù)評(píng)分增加，而單一的負(fù)面評(píng)論回復(fù)無(wú)法表現(xiàn)出商家能有效地解決問(wèn)題，提高用戶滿意度。

Model6檢驗(yàn)了公開(kāi)回復(fù)內(nèi)容文本情感強(qiáng)度對(duì)該影響的交互作用，結(jié)果顯示其作用為倒U型，即隨著回復(fù)內(nèi)容情感強(qiáng)度的增加，其影響先增加后減少，H得到了支持。圖4顯示的是公開(kāi)回復(fù)內(nèi)容情感強(qiáng)度對(duì)后續(xù)評(píng)論數(shù)量和評(píng)分的影響。從圖4中可以看出，負(fù)向情感的回復(fù)內(nèi)容會(huì)增加后續(xù)評(píng)論數(shù)量但是會(huì)減少評(píng)分，同時(shí)從回復(fù)內(nèi)容情感強(qiáng)度對(duì)后續(xù)評(píng)論數(shù)量和評(píng)分的不同影響模式也可以看出，在對(duì)評(píng)論數(shù)量的影響中起到主導(dǎo)性作用的是社會(huì)反應(yīng)理論使消費(fèi)者對(duì)商家產(chǎn)生的互惠動(dòng)機(jī)，但是在評(píng)分的影響上，起到主導(dǎo)性作用的是商家公開(kāi)回復(fù)作為一種服務(wù)對(duì)消費(fèi)者服務(wù)滿意度的增加。

在控制變量上，Model4結(jié)果表明是否為個(gè)人開(kāi)發(fā)者會(huì)顯著增加后續(xù)評(píng)論評(píng)分，表明了更多類人線索存在時(shí)，消費(fèi)者更可能對(duì)商家產(chǎn)生互惠行為，驗(yàn)證了社會(huì)反應(yīng)理論的解釋。

4 結(jié)論與討論

本文基于TapTap網(wǎng)站的游戲用戶評(píng)論數(shù)據(jù)和商家回復(fù)數(shù)據(jù)（總共包括157個(gè)游戲樣本的49 289條觀測(cè)值），分析了商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論總體特點(diǎn)的影響。

本文的主要研究結(jié)果，可以概括為以下幾個(gè)方面：

被觀測(cè)到的商家回復(fù)能顯著影響后一天的總體評(píng)論特點(diǎn)，即增加后續(xù)評(píng)論數(shù)量和后續(xù)評(píng)分。本文使用手機(jī)游戲行業(yè)的評(píng)論數(shù)據(jù)進(jìn)一步驗(yàn)證了Proserpio（2017）的商家回復(fù)會(huì)增加后續(xù)評(píng)分和評(píng)論數(shù)量的結(jié)論。本文認(rèn)為其影響是兩方面的：在對(duì)評(píng)論數(shù)量的影響上，一方面是商家公開(kāi)回復(fù)會(huì)直接影響消費(fèi)者的評(píng)論動(dòng)機(jī)（Proserpio，2017），另一方面是商家公開(kāi)回復(fù)會(huì)留下類人行為線索，根據(jù)社會(huì)反應(yīng)理論，消費(fèi)者將商家看作社會(huì)人來(lái)進(jìn)行互動(dòng)，即進(jìn)行互惠行為，從而增加評(píng)論數(shù)量；在對(duì)后續(xù)評(píng)分的影響上，一方面是作為一種服務(wù)直接影響商家服務(wù)滿意度來(lái)影響評(píng)分，另一方面是通過(guò)社會(huì)反應(yīng)理論來(lái)增加對(duì)品牌的互惠行為從而增加品牌滿意度來(lái)影響評(píng)分。本研究也通過(guò)其他的交互效應(yīng)驗(yàn)證了這兩種影響方式的存在。

本文研究發(fā)現(xiàn)商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論數(shù)量的影響隨著回復(fù)評(píng)論評(píng)分的增加呈現(xiàn)U型特點(diǎn)，不管是對(duì)正向還是負(fù)向評(píng)論的回復(fù)均能顯著增加后續(xù)評(píng)論數(shù)量，且隨著評(píng)分極端性的增加，其評(píng)論數(shù)量增加得越多，回復(fù)中立評(píng)論時(shí)（3分），評(píng)論數(shù)量增加是最少的；同時(shí)回復(fù)同樣極端性的正向評(píng)論相比負(fù)向評(píng)論（即5分相比1分；4分相比2分），評(píng)論數(shù)量增加得更少，可能原因?yàn)橄M(fèi)者將商家公開(kāi)回復(fù)的行為看作一種營(yíng)銷行為，產(chǎn)生了抗拒心理，從而減少了評(píng)論數(shù)量；但是在評(píng)分的影響上，商家公開(kāi)回復(fù)的影響隨著回復(fù)評(píng)論評(píng)分變化沒(méi)有顯著性變化，同時(shí)本文也檢驗(yàn)了商家回復(fù)正向或負(fù)向的評(píng)論時(shí)，其后續(xù)評(píng)分是否會(huì)有差異，與Wang（2018）的結(jié)果不同的是，評(píng)分并未出現(xiàn)變化；但是隨著對(duì)負(fù)向評(píng)論回復(fù)比例的增加，其后續(xù)評(píng)分增長(zhǎng)也會(huì)更加顯著，其可能原因?yàn)樵u(píng)分的增加需要商家持續(xù)公開(kāi)回復(fù)。

本文研究顯示公開(kāi)回復(fù)內(nèi)容情感強(qiáng)度也會(huì)對(duì)后續(xù)評(píng)論特點(diǎn)產(chǎn)生影響，即后續(xù)評(píng)論數(shù)量會(huì)隨著回復(fù)內(nèi)容情感強(qiáng)度的增加呈現(xiàn)正U型，隨著商家公開(kāi)回復(fù)情感強(qiáng)度的增加其后續(xù)評(píng)論數(shù)量增長(zhǎng)率先減少直至為負(fù)向，后開(kāi)始增加；而后續(xù)評(píng)分則隨著回復(fù)內(nèi)容情感強(qiáng)度的增加呈現(xiàn)倒U型，即先增加后減少。研究表明隨著評(píng)論內(nèi)容情緒喚醒的增加，其有用性感知是先增加后減少的，商家回復(fù)的內(nèi)容也是隨著情感強(qiáng)度的增加，有用性先增加后減少，因此后續(xù)評(píng)分的變化趨勢(shì)也呈現(xiàn)倒U型。公開(kāi)回復(fù)內(nèi)容的情感強(qiáng)度對(duì)評(píng)分?jǐn)?shù)量和評(píng)分的影響模式具有差異性，其可能原因是對(duì)評(píng)論數(shù)量的影響起到主導(dǎo)性作用的是社會(huì)反應(yīng)理論使消費(fèi)者對(duì)商家產(chǎn)生的互惠動(dòng)機(jī)，但是在評(píng)分的影響上，起到主導(dǎo)性作用的是商家公開(kāi)回復(fù)作為一種服務(wù)對(duì)消費(fèi)者服務(wù)滿意度的增加，后者也可以解釋被回復(fù)評(píng)論的評(píng)分對(duì)后續(xù)評(píng)論評(píng)分變化無(wú)顯著性影響，而負(fù)向評(píng)論的回復(fù)比例越大，評(píng)分增加越多，說(shuō)明商家持續(xù)對(duì)負(fù)向評(píng)論進(jìn)行回復(fù)才可能增加其服務(wù)滿意度，社會(huì)反應(yīng)理論在對(duì)評(píng)分的影響上起到的效應(yīng)較小。

本文研究的幾個(gè)理論貢獻(xiàn)主要體現(xiàn)在以下幾個(gè)方面：

（1）本文在對(duì)商家公開(kāi)回復(fù)的影響研究中，首次討論了商家公開(kāi)回復(fù)的累積效應(yīng)，過(guò)去的研究中，學(xué)者討論的均是第一次公開(kāi)回復(fù)對(duì)消費(fèi)者的影響。這些文章表明，第一次的公開(kāi)回復(fù)會(huì)使消費(fèi)者意識(shí)到自己的行為受到了商家的監(jiān)控（Chevalier，2018）， 同時(shí)自己的意見(jiàn)可能會(huì)得到反饋（Proserpio，2017），從而影響了消費(fèi)者的評(píng)論行為。但當(dāng)前，商家公開(kāi)回復(fù)已是一個(gè)普遍存在的事實(shí)，本文數(shù)據(jù)顯示，有23.5%的評(píng)論收到了商家的公開(kāi)回復(fù)，因此首次公開(kāi)回復(fù)的影響可能變得更弱，而累積回復(fù)的影響更為重要，本文研究的即是前一天所有公開(kāi)回復(fù)對(duì)后一天評(píng)論特點(diǎn)的影響。

（2）本文討論了不同的回復(fù)策略對(duì)評(píng)論特點(diǎn)影響的差異，Wang（2018）的研究中討論了商家公開(kāi)回復(fù)的評(píng)論的極性不同時(shí)后續(xù)評(píng)論評(píng)分的差異，本文除了分析被回復(fù)評(píng)論評(píng)分差異，被回復(fù)內(nèi)容的評(píng)分文本極性不一致性的影響，還討論了商家回復(fù)內(nèi)容差異的影響。即后續(xù)評(píng)論數(shù)量增加會(huì)隨著被回復(fù)評(píng)論評(píng)分變化呈現(xiàn)U型變化，先增加后減少，同時(shí)回復(fù)4分或者5分的評(píng)論相比2分和1分的評(píng)論，其評(píng)論數(shù)量增加得更少，驗(yàn)證了Wang（2018）研究中認(rèn)為回復(fù)正向評(píng)論相比負(fù)向評(píng)論能增加消費(fèi)者的抗拒心理。回復(fù)負(fù)向評(píng)分正向評(píng)論文本情感的評(píng)論，相比正向評(píng)論負(fù)向評(píng)論文本情感的評(píng)論更加顯著減少了評(píng)論數(shù)量，但更加顯著地增加了后續(xù)評(píng)論評(píng)分，其可能的原因還需要進(jìn)一步研究驗(yàn)證。而公開(kāi)回復(fù)內(nèi)容情感強(qiáng)度也會(huì)對(duì)后續(xù)評(píng)論特點(diǎn)產(chǎn)生影響，即后續(xù)評(píng)論數(shù)量會(huì)隨著回復(fù)內(nèi)容情感強(qiáng)度的增加呈現(xiàn)正U型，后續(xù)評(píng)分則隨著回復(fù)內(nèi)容情感強(qiáng)度的增加呈現(xiàn)倒U型。公開(kāi)回復(fù)內(nèi)容的情感強(qiáng)度對(duì)評(píng)分?jǐn)?shù)量和評(píng)分的影響驗(yàn)證了社會(huì)反應(yīng)理論在對(duì)評(píng)論數(shù)量的影響中起到主導(dǎo)作用，而在評(píng)分上公開(kāi)回復(fù)服務(wù)在對(duì)滿意度的影響中起到主導(dǎo)作用。李宗偉（2020）在對(duì)淘寶網(wǎng)的實(shí)證分析中，討論的是店鋪的星級(jí)水平和服務(wù)水平的影響，而未討論選擇何種類型評(píng)論回復(fù)和用怎樣的方式回復(fù)的影響。本文對(duì)商家選擇策略的研究也對(duì)商家如何采取回復(fù)策略實(shí)踐有著更加直接的參考價(jià)值。

（3）本文在商家公開(kāi)回復(fù)對(duì)后續(xù)評(píng)論特點(diǎn)的影響研究中，首次認(rèn)為其對(duì)評(píng)論數(shù)量和評(píng)分的影響是存在直接效應(yīng)和間接效應(yīng)的，間接效應(yīng)以社會(huì)反應(yīng)理論作為中介效應(yīng)，商家公開(kāi)回復(fù)后，后續(xù)用戶將商家看做社會(huì)角色來(lái)進(jìn)行互動(dòng)，同時(shí)被回復(fù)評(píng)論評(píng)分和回復(fù)內(nèi)容情感強(qiáng)度對(duì)評(píng)論數(shù)量和評(píng)分的不同影響也證明了在對(duì)評(píng)論數(shù)量的影響中，有著更強(qiáng)的間接效應(yīng)，因此商家在公開(kāi)回復(fù)中表現(xiàn)出的類人線索越多，其評(píng)論數(shù)量增長(zhǎng)越多；而在對(duì)評(píng)分的影響中，直接效應(yīng)的影響更顯著，即商家公開(kāi)回復(fù)作為一種服務(wù)，使用戶的感知滿意度上升。

在實(shí)踐上，本文為商家如何管理評(píng)論，即商家選擇怎樣的評(píng)論進(jìn)行公開(kāi)回復(fù)以及采用怎樣的回復(fù)內(nèi)容來(lái)引導(dǎo)后續(xù)評(píng)論特點(diǎn)起到了一定的參考作用。

（1）本文研究結(jié)果表明，商家可以通過(guò)對(duì)評(píng)論的公開(kāi)回復(fù)來(lái)影響后續(xù)評(píng)分的評(píng)分?jǐn)?shù)量和評(píng)分，即評(píng)論的整體輿論，被觀測(cè)到的商家回復(fù)能顯著增加后一天評(píng)論數(shù)量和評(píng)分。而評(píng)論數(shù)量和評(píng)分在過(guò)去研究中表明能顯著影響決策流程和增加產(chǎn)品銷量，因此商家在進(jìn)行運(yùn)營(yíng)時(shí)，應(yīng)積極地對(duì)評(píng)論進(jìn)行公開(kāi)回復(fù)。

（2）與以往結(jié)果不同的是，無(wú)論選擇負(fù)向還是正向的評(píng)論進(jìn)行回復(fù)，后續(xù)評(píng)論數(shù)量均能顯著增加，但評(píng)分沒(méi)有顯著的變化。但負(fù)向評(píng)論回復(fù)相比正向評(píng)論，評(píng)論數(shù)量增長(zhǎng)更加顯著，而選擇評(píng)分更極端的評(píng)論進(jìn)行回復(fù)也能更加顯著地增加后續(xù)評(píng)論數(shù)量。雖然單一的正向或負(fù)向評(píng)論公開(kāi)回復(fù)無(wú)法顯著影響后續(xù)評(píng)分，但增加負(fù)向評(píng)論回復(fù)比例能顯著增加后續(xù)評(píng)分，因此盡量多地回復(fù)負(fù)面評(píng)論能讓消費(fèi)者感受到商家積極解決問(wèn)題的態(tài)度，最終能增加評(píng)分。另一方面，商家也可以通過(guò)回復(fù)內(nèi)容來(lái)影響后續(xù)的評(píng)論特點(diǎn)，商家選擇更加極端的情感內(nèi)容能更加顯著地增加評(píng)論數(shù)量，但是會(huì)減少后續(xù)評(píng)分。當(dāng)商家想要更加顯著地增加后續(xù)評(píng)分時(shí)，應(yīng)該選擇情感傾向正向且適度的回復(fù)內(nèi)容，既能表現(xiàn)出廠商良好的解決問(wèn)題態(tài)度，也能最大化回復(fù)內(nèi)容的感知可用性，從而通過(guò)公開(kāi)回復(fù)內(nèi)容來(lái)提高消費(fèi)者滿意度。

（3）從數(shù)據(jù)分析結(jié)果發(fā)現(xiàn)個(gè)人開(kāi)發(fā)者的游戲有著更高的情感強(qiáng)度，因?yàn)橄M(fèi)者更可能將這類游戲商家看作社會(huì)角色，從而增加了自我披露，進(jìn)一步驗(yàn)證了社會(huì)反應(yīng)理論，所以對(duì)于個(gè)人開(kāi)發(fā)者而言，采取非官方的形式，保持“個(gè)人”特點(diǎn)能更顯著地增加后續(xù)評(píng)論的情感強(qiáng)度。而對(duì)于廠商而言，通過(guò)類人化的線索能提高消費(fèi)者幫助商家動(dòng)機(jī)，即能提高評(píng)論數(shù)量，但是對(duì)于提高評(píng)分而言，通過(guò)服務(wù)內(nèi)容來(lái)提高服務(wù)質(zhì)量能更顯著地增加評(píng)分。

5 不足與進(jìn)一步研究的方向

在其他對(duì)商家公開(kāi)回復(fù)的研究中，多選擇兩個(gè)或多個(gè)網(wǎng)站的點(diǎn)評(píng)數(shù)據(jù)，在部分網(wǎng)站商家無(wú)法進(jìn)行回復(fù)，而在另一部分網(wǎng)站商家可以進(jìn)行回復(fù)，通過(guò)DID的方法用同一家酒店的數(shù)據(jù)分析商家首次公開(kāi)回復(fù)的影響。而手機(jī)游戲難以找到?jīng)]有商家回復(fù)的評(píng)論網(wǎng)站（第三方網(wǎng)站使用人數(shù)、評(píng)論數(shù)量都與TapTap差距較大，不適合使用DID），因此本文采用的是同類型有商家公開(kāi)回復(fù)和無(wú)商家公開(kāi)回復(fù)游戲之間的DID分析，而游戲本身的差異可能會(huì)對(duì)結(jié)果造成一定影響。

在計(jì)算多次商家公開(kāi)回復(fù)的累積效應(yīng)時(shí)，采用的是簡(jiǎn)單相加的形式，可能還需要考慮商家多次公開(kāi)回復(fù)的相似性和差異性。

參考文獻(xiàn)：

［1］YE Q， LAW R， GU B. The impact of online user reviews on hotel room sales［J］. International Journal of Hospitality Management， 2009， 28（1）：180-182.

［2］TSEKOURAS D. The effect of rating scale design on extreme response tendency in consumer product ratings［J］. International Journal of Electronic Commerce， 2017， 21（2）：270-296.

［3］KUPOR D， TORMALA Z. When moderation fosters persuasion：the persuasive power of deviatory reviews［J］. Journal of Consumer Research， 2018， 45（3）：490-510.

［4］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.

［5］張艷輝，李宗偉.在線評(píng)論有用性的影響因素研究：基于產(chǎn)品類型的調(diào)節(jié)效應(yīng)［J］. 管理評(píng)論， 2016， 28（10）：123-132.

［6］SCHINDLER R M， BICKART B. Perceived helpfulness of online consumer reviews：the role of message content and style［J］. Journal of Consumer Behaviour， 2012， 11（3）：234-243.

［7］王君珺，閆強(qiáng).不同熱度搜索型產(chǎn)品的在線評(píng)論對(duì)銷量影響的實(shí)證研究［J］.中國(guó)管理科學(xué)， 2013， 21（增刊2）：406-411.

［8］ORDENES F V. Unveiling what is Written in the stars：analyzing explicit， implicit and discourse patterns of sentiment in social media［J］. Journal of Consumer Research， 2017， 43（6）：875-894.

［9］YIN D， BOND S D， ZHANG H. Keep your cool or let it out：nonlinear effects of expressed arousal on perceptions of consumer reviews［J］. Journal of Marketing Research， 2017， 54（3）：447-463.

［10］PAN X. Do reviews from friends and the crowd affect online consumer posting behavior differently［J］. Electronic Commerce Research and Applications， 2018， 29：102-112.

［11］DUBOIS D， BONEZZI A， DE ANGELIS M. Sharing with friends versus strangers：how interpersonal closeness influences word-of-mouth valence［J］. Journal of Marketing Research， 2016， 53（5）：712-727.

［12］RANSBOTHAM S， LURIE N， LIU H. Creation and consumption of mobile word of mouth：how are mobile reviews different［J］. Marketing Science， 2019， 38（5）：773-792.

［13］PROSERPIO D， ZERVAS G. Online reputation management：estimating the impact of management responses on consumer reviews［J］. Marketing Science， 2017， 36（5）：645-665.

［14］CHEVALIER J A， DOVER Y， MAYZLIN D. Channels of impact：user reviews when quality is dynamic and managers respond［J］. Marketing Science， 2018， 37（5）：688-709.

［15］WANG Y， CHAUDHRY A. When and how managers’ responses to online reviews affect subsequent reviews［J］. Journal of Marketing Research， 2018， 55（2）：163-177.

［16］李宗偉，張艷輝，夏偉偉.賣家反饋能否引發(fā)高質(zhì)量的在線評(píng)論信息？——基于淘寶網(wǎng)的實(shí)證分析［J］.中國(guó)管理科學(xué).

［17］MOON Y. Intimate exchanges：using computers to elicit self：disclosure from consumers［J］. Journal of Consumer Research， 2000， 26（4）：323-339.

［18］BERG J H. Disclosure reciprocity and its limits：a reactance analysis［J］. Journal of Experimental Social Psychology， 1978， 14 （5）：527-540.

［19］REEVES， BYRON， CLIFFORD I. Nass， the media equation［M］. Stanford：CSLI Publications.

［20］閆幸，常亞平. 企業(yè)微博互動(dòng)策略對(duì)消費(fèi)者品牌關(guān)系的影響基于新浪微博的扎根分析［J］. 營(yíng)銷科學(xué)學(xué)報(bào)， 2013， 9（1）：62-78.

［21］WANG L C， BAKER J， WAGNER J A， et al. Can a retail web site be social［J］. Journal of Marketing， 2007， 71（3）：143-157.