在线评论投票数的影响因素研究

消费者在线评论可信度的影响因素研究一、问题的提出基于互联网所具有的高度互动性、匿名性、便利性和个性化特征，越来越多的人接触到网络并应用网络平台发表见解、分享信息或获取资源，消费者使用电子媒介进行沟通已经显得越来越普遍，人们之间的虚拟交流互动也正在迅速扩散[1]。

因此，越来越多的企业意识到网络技术带来的全方位的挑战，从而努力在战略、营销或技术上寻找相应的变革机会和发展对策。

在线评论作为网络口碑的一种重要形式，突破了传统口碑对于时空的限制，给消费者选购商品和服务前的信息搜寻带来了极大的便利。

然而由于交流各方的匿名性，消费者难以辨别信息传播者的真实意图，可能会存在企业借用消费者身份在网上发布有利于自己的评论，或者消费者在匿名的情况下发表不实的言论。

网络环境中信息发送者和接收者的不熟悉，使得弱连结的发生更为频繁，网络人际交往的信任度低，在线评论不再具有传统口碑所具有的高信源可信度特点。

由于在线环境的特殊性，相对于传统环境中来说，消费者感受到更多的风险。

在线信任可以帮助消费者克服在线风险和不安全感，有利于消费者之间分享个人信息和卖家建议，从而影响消费者的购买意愿。

可见要了解在线评论对消费者购买决策的影响，就必须了解影响在线评论感知可信度的影响因素[2]。

因此，在线评论感知可信度影响因素研究有着重要的理论意义和实践价值。

二、文献综述在线评论(Online Review)，又被称作在线消费者评论(Online Consumer Review)，作为口碑传播的一种新形式，是消费者发布在网络上的，以文本形式为主对产品的评价，这些评价包括对产品的赞美、抱怨，或个人对特定产品或服务的购买和使用感受。

网络用户可以通过在线社区或评论网站免费阅读和分享这些评论。

在线评论是一个新兴的独立产品信息来源，日益普及和重要，引起了业界和大众媒体的极大关注(Godes和Mayzlin，2004)。

而当前在线评论网站的异军突起，更催生了在线评论的发展。

在线评论可信度影响因素探索汇报人：目录•在线评论可信度概述•影响因素之评论者特征•影响因素之评论内容特征•影响因素之评论上下文环境•在线评论可信度评估方法•提高在线评论可信度的建议与展望01在线评论可信度概述在线评论是指在网络平台上发表的针对产品或服务的评价和意见。

在线评论具有匿名性、多样性、交互性和时效性等特点。

在线评论特点在线评论定义•在线评论可信度定义：在线评论可信度是指消费者对在线评论内容的信任程度，是评估在线评论质量的重要指标。

在线评论可信度研究意义提高在线评论可信度有助于提高消费者购买意愿在线评论可信度高，能够增强消费者的购买信心，提高购买意愿。

在线评论可信度是电商网站声誉的重要组成部分电商网站声誉是吸引消费者的重要因素之一，在线评论可信度是电商网站声誉的重要组成部分。

在线评论可信度影响消费者决策消费者在购买决策中会参考在线评论，在线评论可信度对消费者决策具有重要影响。

02影响因素之评论者特征评论者专业性总结词评论者的专业性是影响在线评论可信度的重要因素之一。

详细描述具备专业背景的评论者往往能够提供更准确、客观的评论，因为他们具备对特定领域的知识和经验。

他们的评论内容可能更接近真实情况，对其他用户更具参考价值。

评论者等级或信誉评论者的等级或信誉也对在线评论的可信度产生影响。

详细描述一些在线平台会根据用户的反馈和行为给评论者评定等级或信誉。

通常，高等级或高信誉的评论者发布的评论更容易被视为可信。

评论者的参与度和活跃度也是影响在线评论可信度的因素。

总结词积极参与在线讨论和经常发表评论的评论者通常更容易获得其他用户的信任。

这表明他们更关注社区的讨论，并且对其他用户的反馈有更深入的了解。

详细描述评论者参与度与活跃度03影响因素之评论内容特征评论内容详实程度与具体性总结词评论内容的详实程度和具体性是影响在线评论可信度的重要因素。

详细描述评论内容越详实，具体性越强，越能减少消费者的感知风险，提高其信任度。

基于亚马逊平台的在线评论对购买意愿的影响研究摘要：随着电子商务的发展，在线用户评论成为一个重要的信息披露渠道，同时也是企业平台与客户之间交互的重要途径，所以，用户评论的有效性具有重要的探究意义。

首先，我们将亚马逊上提供的用户评价的数据进行筛选，清除掉存在偶然性和不真实的数据。

将处理后的数据进行自然语言的处理，利用评论中标识符号和情感词汇的特征，对评论中的情感词进行NLP情感分类统计。

然后提取影响购买力的指标要素。

通过构建回归分析模型，对消费者的购买力的时间序列的特征进行验证。

最后分析评论时间前后的情感倾向的变化。

关键词：有效评论；情感分析；自然语言处理；回归分析1.引言在大数据时代背景下，很多电子商务网站具有可见的在线评论功能，为其他顾客购买商品提供参考信息，所以在线评论交流对消费者是否购买商品有着至关重要的作用。

[1]顾客在网络平台上成功购买商品后，越来越适应在网上发表言论，以表达对产品质量或商家口碑的看法。

[2]与商家各式各样的营销方法相比，同时更加直接地表现出顾客的使用感受。

因此，研究出客观数据与文本信息具体相结合的方式，对商家来说意义非凡。

[3]2.文本预处理顾客在在线市场平台进行评论、评分、帮助评分等多种交互行为，侧面的反映出他们浅显的兴趣或者能力。

目前，在电商平台中常用的处理文本的方法包括LDA模型和NLP模型。

由于LDA模型在处理非结构化的数据过程中，没有考虑词语之间的先后顺序，导致结果可能不准确。

[4]因此，本文选用NLP模型分析数据集中的评论标题和评论内容。

图1：文本预处理流程3. 自然语言处理技术自然语言处理是一种借助计算机智能地分析、理解、提取语言中表达的真实意思并将合理利用的技术，属于计算机科学领域和人工智能领域，主要研究人与计算机之间的交互。

[5]自然语言处理文本的步骤可概括为文本清洗，分词，去停用词和标注几部分。

4.在线用户评论时间特征影响因素模型构建亚马逊平台采用激励手段来鼓励消费者发布优质评论，并挑选经常发布优质评论的用户成为更高级别的会员并以一些优惠作为奖励。

基于调节定向理论的在线评论感知有用性差异研究李琪;任小静【摘要】基于调节定向理论,引入调节定向变量,运用实验情境设计的方法,验证了评论效价和评论质量对消费者感知有用性的影响受到调节定向类型的作用.结果显示,对于促进定向消费者,正面或低质量的在线评论信息感知有用性更高;相反,对于预防定向消费者,负面或高质量的在线评论信息感知有用性更高,且正面高质量和负面低质量评论信息对不同调节定向类型消费者的感知有用性差异不显著.【期刊名称】《大连理工大学学报（社会科学版）》【年(卷),期】2017(038)003【总页数】6页(P61-66)【关键词】感知有用性;调节定向理论;评论效价;评论质量【作者】李琪;任小静【作者单位】西安交通大学经济与金融学院, 陕西西安 710061;西安交通大学经济与金融学院, 陕西西安 710061【正文语种】中文【中图分类】F713.55在线评论作为网络口碑传播的一种特殊形式，即消费者通过网络购物或第三方评论平台发表的针对产品、服务、卖家等的正面或负面观点[1]，对消除不确定性、辅助其做出有效决策具有重要作用[2]。

目前，在线评论的发布缺乏信息审核环节[3]，评论信息多以文本形式传播，信息发布者和接收者之间处于弱关系状态，评论发布者很有可能会将错误或不准确的信息传递给消费者[4]，从而导致信息质量良莠不齐，这在一定程度上削弱了消费者从海量在线评论中甄别出有用信息的能力。

为了帮助消费者有效应对信息超载与认知成本问题[5]，各种电商企业平台相继建立了在线声誉评价系统，消费者通过回答“这条评论对您有用吗？”进行有用性投票。

但是，该机制的效果受到评论发表时长的限制，一条评论的有用票数只有经过较长时期的累积才能产生指示作用[6]。

因此，并非每一条在线评论都能对消费者做出购买决策起到相同的作用[7]，企业要想对在线评论进行快速有效的管理，就要找出影响评论有用性的因素[6]。

学术界普遍认为在线评论效价和信息质量是影响在线评论说服效果的重要因素，但未得出一致性结论[8-10]。

不同类型的产品在线评论有用性的相关研究作者：代陆群来源：《商情》2014年第31期【摘要】近年来，关于在线评论的研究引起越来越多的学者广泛关注，并且在线评论有用性的研究逐渐得到了重视。

但是，大部分的学者是探讨某一产品类型的在线评论有用性影响因素，该研究尝试对不同产品类型的在线评论有用性实证研究做整体、全面研究综述。

整合了目前国内外学者对在线评论有用性的研究成果，为研究该方面的学者提供了一些研究思路。

最后，给出了目前在线评论有用性实证研究的不足和进一步的研究方向。

【关键词】搜索型产品体验型产品在线评论有用性一、引言近年来，随着电子商务和网络的蓬勃发展，各种网络商城相继诞生。

据相关部门统计，网络购物占全部消费类购物总量的比例并不是很大。

与传统购物不同，网络购物具有空间虚拟性和产品的不对称性，并且还存在着一定的时空间隔，顾客了解商品的渠道，除了商家提供的一些基本信息和从亲朋好友那里得到一些信息外，也可以从已购买者的商品评论中获得。

有权威咨询公司调研显示，有将近80%的消费者认为购物网站用户对产品评价与推荐也会影响到他们的购物决策，其中近一半的消费者表示在浏览网上相关商品时，即使当时不急需购买，也会查看已购买者对产品的评价与意见，看到一些比较积极的评论与用户推荐，会增加购买欲望。

在线评论的发布和传播平台允许消费者与其他消费者交流，获得商品的相关信息（RacherlaP，2012）。

在实践层面，有些网站已经开始注意到在线评论的重要性和必要性，有些国外商家开始使用有用性投票系统评判在线评论的有用性。

比如，零售网站亚马孙会对消费者提出疑问“该评论对您是否有用？”，但是有些过时或者冷门的商品就很难获得消费者有用性的投票，并且有些网站允许未参加购买的消费者进行有用性的投票，其实这些投票都是无效的，这将会给消费者对商品的了解和购买产生误导。

Nelson（1970）从信息经济学角度将商品分为搜索型商品和体验型商品。

搜索型商品代表有电脑、手机等，体验型商品有电影、书等。

2020年第1期 73D O I :10.19634/j.c n k i .11-1403/c .2020.01.018国外在线评论有用性研究热点与发展演进Ѳ 田依林1 张 帅2 李 星1(1.天津大学教育学院,天津 300350; 2.天津大学管理与经济学部,天津 300072)[摘要]运用文献计量法,对W e bo f S c i e n c e 收录的436篇国外在线评论有用性相关文献的现状㊁热点主题和研究发展演进进行梳理和归纳,并提出了未来研究的方向㊂[关键词]商业在线评论;评论有用性;国外;文献计量分析[中图分类号]G 203 [文献标识码]A [文章编号]1003-1154(2020)01-0073-04[基金项目]国家社会科学基金项目(19B T Q 063)㊂一㊁引 言近年来,随着电子商务和互联网技术的发展,越来越多的消费者通过电商平台购买商品,2018年全球电子零售额达到2.8万亿美元[1]㊂消费者发布的关于所购商品质量或服务体验比商家发布信息的可信任度更高,使得在线评论逐渐成为消费者获取产品质量信息㊁做出购买决策的重要来源和依据[2]㊂B r i gh t L o c a l [3]调查发现,18~34岁的年轻人中有80%发表过在线评论,信任在线评论和个人推荐的比例高达91%,足以体现在线评论在补充商品信息描述和减少消费者购买不确定性等方面的重要作用㊂然而,巨额网络销售量带来的是海量且内容质量参差不齐的在线评论信息,如何帮助在线用户对商品和服务进行甄别,快速高效的获取更有价值的信息,做出正确的购买决策,成为学术界和产业界共同关注的问题㊂在线评论有用性研究主要基于计算机为媒介传播的文本模式分析,从文本内容特征㊁评论形式特征等方面探讨与有用性之间的相关性㊂自M u d a m b i 和S c h u f f [4]将在线评论有用性定义为在线评论在消费者决策过程中的感知价值以来,已经引发了大量的相关研究探索㊂基于此,本文以2008 2018年间W e b o f S c i e n c e 数据库中刊载的在线评论有用性文献为对象,发挥文献计量法在研究整体情况的描述㊁规范和解释的功能,全方位揭示国外在线评论有用性研究的现状㊁热点主题与发展演进,预测未来一段时间的趋势,以期提高研究效率㊂二㊁研究设计(一)数据来源本文以W e bo fS c i e n c e 核心合集数据库为数据来源,包括科学引文索引扩展版(S C I -E )㊁社会科学引文索引(S S C I )㊁科学技术会议索引(C P C I -S ),检索方法选择高级检索,检索式为: T S =((o n l i n e r e v i e wo ro n l i n ec o mm e n t )a n d (u s e f u l n e s so rh e l p f u l n e s so r h e l p f u l o r u t i l i t y)n o t (h e a l t ho rm e d i c o r d e s e a s e o r c l i n i c a l )) ,时间跨度= 2008 2018 ,初步检索得到826篇文献,进一步人工剔除研究范围㊁类型不符的文献,最终得到436篇文献作为研究对象㊂(二)研究方法本文采用文献计量学和科学知识图谱方法对国外文献进行分析㊂分别从发文趋势㊁区域发文质量㊁高被引文献等不同的视角,对文献进行统计计量分析,并借助V O S V i e w e r ㊁S c i MA T 等可视化软件,绘制领域研究核心结构和发展进程的知识图谱,进一步透视在线评论有用性研究的热点主题和发展演进过程㊂三㊁文献计量分析与结果(一)发文趋势分析2008 2018年在线评论有用性研究的发文量总体上处于上升趋势,2008 2013年增长缓慢,年发文量不超过20篇,累计发文量77篇㊂2014年开始发文量呈指数增长,2015年达到67篇,2018年达到历史最高91篇,说明近三年是相关研究的蓬勃发展期,发文量将保持持续上升态势㊂(二)区域发文质量分析统计数据显示2008 2018年共有30个国家和众多机构的学者发表了相关文献,本文选取了总发文量排名前十的国家,将论文发文量㊁篇均被引频次和地区进行拟合㊂在文章数量方面,美国和中国总发文74 管理现代化量分别为149篇和127篇,远超韩国(31篇)㊁英国(30篇)㊁印度(25篇)等发文量差距不大的国家,是在线评论有用性研究较为活跃的地区㊂在研究质量和影响力方面,美国篇均被引频次最高,为48.3,研究质量优异㊂中国发文量虽位列第二,但篇均被引频次仅为20.3,影响力略低㊂韩国㊁澳大利亚㊁西班牙㊁德国虽然发文数量不多,篇均被引频次却较高,分别为35.4㊁30.9㊁27.4㊁27.2㊂(三)高被引文献分析高被引文献体现了国别㊁机构和个人学科发展㊁科研能力和学术声誉对领域研究的贡献程度㊂美国坦普尔大学福克斯商学院M u d a m b i 和S c h u f f [4]从感知价值角度,对在线评论有用性进行定义的基础上,通过对亚马逊1587条评论分析表明评论极性㊁深度和产品类型都会影响消费者的有用性感知㊂F o r m a n 等[5]指出,评论者身份信息披露是消费者做出购买决定和评估在线评论可信性的主要依据㊂G h o s e 和I pe i r o t i s [6]从评论的主观性㊁信息性㊁可读性和语言正确性等方面,探讨评论对销量和有用性感知有重要影响㊂D u a n 等[7]采用文本挖掘技术从评论文本中提取语义特征,指出具有极端意见的评论能获得更多有用性投票㊂P a n 和Z h a n g [8]认为,评论效价和长度都会对评论有用性产生积极影响,但在产品类型的调节下,相关结论存在差异,而评论内容的创新性与有用性之间存在曲线关系㊂K o r f i a t i s 等[9]基于评论内容整合性㊁可理解性和表达性的三要素理论模型,指出中立㊁极端评论的可读性和平均长度与有用性存在正向关系㊂Y i n 等[10]利用情绪和认知处理文献中的框架,证实负面评论中的焦虑和愤怒情绪是影响有用性的关键因素㊂B a e k 等[11]基于双过程理论指出,评价等级㊁评论者可信度等外部线索和评价内容等中心线索都影响评论的有用性㊂S a l e h a n 和K i m [12]采用情感挖掘技术构建在线评论有用性预测模型,指出标题中积极情绪较高的评论会吸引更多阅读者,而中立评论对消费者购买决策具有正向影响㊂S c h i n d l e r 和B i c k a r t [13]通过模拟网络购物活动发现,适度长度和积极的评论与有用性相关,非评价性产品信息和评论者信息披露与有用性相关,而拼写和语法错误与价值较低的评论相关,表达性俚语和幽默与价值较高的评论相关㊂四、研究主题演进(一)热点主题学术研究领域较长时域内的大量文献中关键词的集合,能够揭示主题概念㊁研究内容之间的联系以及学术发展脉络,关键词出现的频次代表受关注的程度㊂本文将在线评论有用性相关文献中频次大于10的246个关键词作为节点,根据共现强弱关系生成自然聚类㊂第一大聚类聚焦于在线评论的信息接受过程,根据技术接受模型(T AM )㊁双过程理论(D u a l -P r o c e s sT h e o r y )㊁精细加工可能性理论(E L M )㊁信息釆纳模型(I AM )中影响消费者信息采纳的决定因素构建在线评论评价系统,突出有用性是消费者做出购买决策的一种主观感知㊂第二大聚类标签是有用性排序,其中涉及在线评论排序㊁商品推荐排序㊁算法技术等内容,该聚类体现了大数据分析技术在领域研究中应用,相关研究证实,采用不同算法的在线评论排序,明显优于电商平台现有的排序机制㊂第三大聚类标签是销量预测,出现时间较晚,主要以评论有用性排序研究作为基础,从为电商企业提供优化方案和提升消费者购物体验值的商业价值视角分析在线评论,将在线评论质量分类和销量预测的聚合研究作为核心㊂第四大聚类标签为影响因素分析,主要对在线评论产生作用过程中的影响因素及其作用程度进行判别㊂第五大聚类㊁第六大聚类和第七大聚类是第四大聚类的分支,通过对评论内容特征㊁评论者特征和评论阅读者特征中影响因素的筛选与识别,分析影响因素与有用性之间的相关性㊂第八大聚类为商品类型对消费者有用性感知的调节作用㊂(二)研究演进领域研究演进是以关键词为表征的主题在时间维度上的发展变化,体现研究内容的新陈代谢过程㊂关键词的多样性㊁复杂性决定了研究内容的丰富性和具体性,并随着时间推移,反映出文献研究内容和主题的裂变和衍生过程㊂本文采用S c i MA T 软件绘制在线评论有用性研究主题演进知识图谱,如图1㊂图1 在线评论有用性研究主题演进1.以理论研究为框架的影响因素识别各时间段在线评论有用性研究主题逐年增加,在2020年第1期 752008 2009年形成口碑传播㊁意见挖掘和信息技术模型等主题,说明口碑传播意见挖掘是在线评论有用性研究的基础㊂随着网络购物模式的普及,各类电商平台为在线用户提供多种表达意见的途径,海量的评论数据使得商品在线评论的有用性研究成为主导方向㊂2010 2012年,口碑传播研究演化为在线评论影响因素㊁文本特征㊁文本分析㊁E L M 理论㊁满意度等主题㊂由此可见,早期在线评论有用性研究主要基于信息理论模型,对评论内容特征因素进行分析,识别消费者信息接受过程的影响因素㊂在线评论所包含的信息较多,感知有用性和感知易用性,是消费者信息采纳的决定因素[14],相关研究证实评论质量㊁数量是感知有用性的关键因素,而评论质量㊁互动性是影响感知易用性和信任度的关键因素[15]㊂消费者对在线评论信息处理的思维方式不同,影响因素存在差异,积极参与信息处理的消费者,往往会根据在线评论等级和类型改变态度,而凭借主观印象的消费者,则会优先选择内容一致且数量较多的评论作为购买意愿依据[16]㊂随着研究的深入,学者们开始从社会因素视角探索在线评论对消费者感知有用性㊁服务质量和价值的影响机理,涉及归因理论㊁消费者行为学㊁心理学等相关理论的应用㊂与此同时,通过词性标注从文本中提取属性名词和形容词作为情感描述项,分析情感认知过程对消费者决策的影响,也为后期在线评论的情感分析奠定了基础㊂2.以影响因素分类为基础的作用判别2013 2015年,在线评论影响因素识别研究从信息理论模型构建评价系统的视角,转化为领域本体的影响因素分类作用判别㊂以评论内容特征㊁评论者特征作为影响因素的分类标准,从信息可信性视角探讨各类影响因素与评论可信性㊁有用性之间的关系㊂评论语义特征和形式特征通过文本上下文脉之间的关系㊁长度㊁评论时间,以及评论中所包含的图片㊁追评㊁评论星级等因素反映完整性㊁可读性和正确率对消费者有用性感知的影响作用㊂评论者特征与评论有用性之间的关系主要是从可信性特征这一视角出发,围绕评论者个人信息披露㊁专业性㊁经验等方面,探讨信息真实性和专业性对提升消费者评论信任程度的作用㊂但相关研究因实验方法㊁因素选取标准不同,并未获得一致性结论㊂在对影响因素作用判别的研究过程中,逐渐形成采用平台有用性投票数作为衡量有用性的代理指标,证明假设作用判别的研究范式㊂由于研究数据来源多为A m a z o n ㊁Y e l p ㊁I M D B 等网站,对象涉及电影㊁图书㊁手机㊁电脑等不同类型商品,也使得从产品类型视角分析对影响因素作用的调节成为焦点㊂加之该时期情感分析方法主题和机器学习主题的出现,为从社会因素主题视角判别在线评论有用性作用提供了技术支持,从浅层复制逐渐发展为深层理解,学者们致力于通过语料收集㊁专业词库构建㊁标注规范和情感分析等挖掘技术分析感知有用性对消费者行为的影响㊂3.以作用交互为桥梁的商业价值体现2016 2018年,理论研究㊁影响因素筛选㊁作用判别等相关研究持续深入,产品类型调节㊁情感分析成为研究主导㊂影响因素的选取进一步细化,新增关于评论阅读者互联网经验㊁感知价值㊁有用性感知㊁态度倾向等影响因素研究㊂消费者对信息的有用性感知受多维因素影响,有用性感知作用相互交叠,使得采用社会学㊁心理学等不同视角,从更为深入细致的层面,探讨影响因素之间的作用交互和机制的研究出现㊂为更好的满足用户信息需求和提高购物体验,学者们根据影响因素之间的作用交互,选取如评论文本特征㊁有用性投票和评论者等级等关键因素,基于梯度提升算法㊁机器学习方法㊁回归模型等算法构建有用性排序模型,从电商平台评论设置改进机制视角为消费者消除信息干扰㊂有用性排序的相关研究不仅为在线评论质量分类和销量预测的聚合影响提供了新的技术解决方案与思路,更建立了连通理论研究与应用价值的桥梁,突显领域研究的商业价值㊂在线评论的产品销量预测,是衡量消费者信息有用性感知和购买决策的间接方式,也是电商企业改善产品质量和信息服务的重要依据,但研究主要针对图书销量㊁电影票房等产品的预测,具有一定的局限性,并未得到普适性结论㊂此外,在线评论有用性研究发展演进过程中,存在诸如 价效 的孤立主题,其能否推动消费者期望与信息感知之间关系的研究有待进一步追踪与检验㊂五、结论与展望(一)结论本研究基于文献计量学方法和科学知识图谱,对在线评论有用性相关文献的研究现状㊁研究主题进行系统归纳和整理,然后以时间为线索进一步探究研究发展演进过程㊂从研究概况上,该领域的总体发文量在经历了2008 2013年的缓慢增速后,在2014年实现了发文量的井喷式持续增长㊂根据发文量㊁篇均被引频次和发文地区的拟合,存在量与质的不均衡现象㊂中国以127篇的发文量位居世界前列,但篇均被引频次与其他国家相比略低,研究质量亟待提升㊂文中还列举了高被引文献中前十的文献,从内容分布来看主要围绕影响因素识别㊁作用判别和有用性排序等方面㊂根据关键词聚类分析,国外在线评论有用性研究主要围绕理论研究㊁有用性排序㊁销量预测㊁影响因素㊁商品类型调节等5个方面㊂然而,学术研究应紧密联系实际,在线评论有用性研究在考察对消费者决76 管理现代化策感知作用的同时,还是要体现该领域研究的商业价值㊂(二)未来研究展望在线评论有用性相关研究经过多年的发展,沿着不同的逻辑视角和演进形式向前推进,呈现出内涵纵深化和外延化的趋势㊂但仍存在以描述性统计与假设检验的实证研究为主导,借鉴其他学科理论和方法的研究较多,领域本体理论体系尚未形成,未能充分发挥研究的商业价值等问题㊂展望未来,在线评论有用性研究应在如下方面重点加强:第一,促进基于实证的研究范式转型,提升在线评论有用性的研究水平㊂通过对评论数据内容的深层次挖掘,掌握在线评论对消费者购买动机㊁情感体验和态度形成过程的作用规律和机制,进一步克服评论有用性投票㊁评论文本长度㊁评论星级投票等浅层数据分析中存在的弊端㊂第二,以跨学科的交叉研究,推动在线评论有用性的领域本体理论体系的形成㊂基于评论内容特征㊁评论者特征和评论阅读者特征等影响消费者有用性感知的因素,深入分析瞬时㊁分布式在线评论信息效应特征与网络消费者之间的循环互动机制,加强在线消费者信息感知㊁评论参与行为㊁信息选择决策等内容的研究,培植新的领域生长点㊂第三,加强科研机构与商业组织之间的合作,通过研究形态的拓展和成果的转化,实现技术商品化和研究市场化,保持热度和活力㊂围绕消费者对在线评论系统的实际需求,突破技术瓶颈,解决商业平台在评论机制设置中存在的问题,提高在线消费者信息利用度和黏性㊂Ѳ通讯作者:张帅,E -m a i l :z s h u a i t ju @163.c o m ㊂[参考文献][1]S t a t i s t a .E -c o mm e r c e W o r l d w i d e -S t a t i s t i c s &F a c t s [E B /O L ].[2019-03-12].h t t ps :ʊw w w.s t a t i s t a .c o m /t o p i c s /871/o n l i n e -s h o p p i n g /.[2]C h e v a l i e r JA M a yz l i nD .T h eE f f e c t o fW o r d o f M o u t ho nS a l e s :O n l i n eB o o k R e v i e w s [J ].J o u r n a lo fM a r k e t i n g Re s e a r c h ,2006,43(03):345-354.[3]B r i g h t l o c a l L o c a l C o n s u m e r R e v i e w S u r v e y[E B /O L ].[2018-12-07]h t t p s :ʊw w w.b r i gh t l o c a l .c o m /r e s e a r c h /l o c a l -c o n s u m e r -r e v i e w -s u r v e y /.[4]M u d a m b i S M ,S c h u f f D .W h a t M a k e s aH e l p f u l O n l i n e R e v i e w ?A S t u d y o f C u s t o m e r R e v i e w s o nA m a z o n .c o m [J ].M I SQ u a r t e r l y,2010,34(01):185-200.[5]F o r m a nC ,G h o s eA ,W i e s e n f e l dB .E x a m i n i n gt h e R e l a t i o n s h i p B e t w e e n R e v i e w sa n d S a l e s :T h e R o l eo f R e v i e w e rI d e n t i t y Di s c l o s u r ei n E l e c t r o n i c M a r k e t s [J ].I n f o r m a t i o nS ys t e m sR e s e a r c h ,2008,19(03):291-313.[6]G h o s e A ,I p e i r o t i s P G.E s t i m a t i n g th e H e l p f u l n e s s a n d E c o n o m i c I m pa c t o f P r o d u c t R e v i e w s :M i n i n g T e x t a n dR e v i e w e rC h a r a c t e r i s t i c s [J ].K n o w l e d g e a n d D a t a E n g i n e e r i n g,I E E E T r a n s a c t i o n s o n ,2011,23(10):1498-1512.[7]D u a n W ,C a o Q ,G a n Q.I n v e s t i g a t i n gD e t e r m i n a n t so f V o t i n g f o rt h e H e l p f u l n e s s o f O n l i n e C o n s u m e r R e v i e w s :A T e x t M i n i n gA p p r o a c h [J ].D e c i s i o nS u p p o r tS y s t e m s ,2011,50(02):511-521.[8]P a nY ,Z h a n g JQ.B o r n U n e q u a l :A S t u d y o f t h eH e l p f u l n e s so fU s e r -G e n e r a t e dP r o d u c tR e v i e w s [J ].J o u r n a l o fR e t a i l i n g ,2011,87(04):598-612.[9]K o r f i a t i sN ,G a r c ía -B a r r i o c a n a lE ,S S 췍n c h e z --A l o n s o .E v a l u a t i n g C o n t e n tQ u a l i t y a n dH e l pf u l n e s s o fO n l i n eP r o d u c tR e v i e w s :T h e I n t e r p l a y o fR e v i e w H e l pf u l n e s s v s .R e v i e w C o n t e n t [J ].E l e c t r o n i c C o mm e r c e R e s e a r c h a n d A p p l i c a t i o n s ,2012,11(03):205-217.[10]Y i nD ,B o n dS ,Z h a n g H.A n x i o u s o rA n g r y?E f f e c t s o f D i s c r e t e E m o t i o n s o n t h e P e r c e i v e dH e l p f u l n e s s o fO n l i n eR e v i e w s [J ].M I S Q u a r t e r l y,2014,38(02):539-560.[11]B a e k H ,A h nJ H ,C h o i Y.H e l p f u l n e s so f O n l i n eC o n s u m e rR e v i e w s :R e a d e r s O b je c t i v e sa n d R e v i e w C u e s [J ].I n t e r n a t i o n a l J o u r n a l o fE l e c t r o n i cC o mm e r c e ,2012,17(02):99-126.[12]S a l e h a n M ,K i mD J .P r e d i c t i n g th e P e r f o r m a n c e o f O n l i n e C o n s u m e r R e v i e w s :A S e n t i m e n t M i n i n g A p p r o a c ht o B i g D a t a A n a l y t i c s [J ].D e c i s i o nS u p p o r t S y s t e m s ,2015,81(C ):30-40.[13]S c h i n d l e rRM ,B i c k a r t B .P e r c e i v e dH e l pf u l n e s s o fO n l i n eC o n s u m e rR e v i e w s :T h eR o l e o f M e s s ag e C o n t e n t a n d S t yl e [J ].J o u r n a l o f C o n s u m e rB e h a v i o u r ,2012,11(03):234-342.[14]D a v i s F D .P e r c e i v e d U s e f u l n e s s ,P e r c e i v e dE a s eo f U s e ,a n d U s e r A c c e pt a n c eo fI n f o r m a t i o n T e c h n o l o g y [J ].M I S Q u a r t e r l y,1989,13(03):319-340.[15]L i Z ,T a n g S .A n E m pi r i c a l R e s e a r c h o f I m p a c t s o f R e v i e w S y s t e m o n O n l i n e S h o p p e r s I n t e n t i o n B a s e d o n T AM [C ]ʊP r o c e e d i n g s o f I n t e r n a t i o n a lW o r k s h o p o n D a t a b a s eT e c h n o l o g y &A p pl i c a t i o n s .D B L P ,2010:1-4.[16]L e e J ,P a r kD ,H a n I .T h eD i f f e r e n t E f f e c t s o fO n l i n eC o n s u m e rR e v i e w so n C o n s u m e r s P u r c h a s eI n t e n t i o n sD e p e n d i n g o n T r u s t i n O n l i n eS h o p p i n g M a l l s [J ].I n t e r n e tR e s e a r c h ,2011,21(02):187-206.。

在线评论有用性影响因素研究综述作者：张鑫朱振中来源：《商业经济研究》2017年第17期内容摘要：随着网络购物的流行，越来越多的消费者在互联网上发表对网购产品的评价，使得在线评论的数量猛增。

本文首先总结了在线评论有用性的定义和测量方法，然后从评论特征、评论者特征、阅读者特征、产品类型等几个方面对在线评论有用性影响因素进行了梳理，最后对未来研究方向进行了展望。

关键词：在线评论评论有用性影响因素在线评论有用性相关释义由于关于在线评论有用性的研究尚处于探索阶段，学者们对其定义还未达成共识。

学术界主要从感知价值、有用程度和影响力三个角度对其进行定义，目前前两种定义方式占据主流。

Mudambi和Schuff（2010）是最早从感知价值角度对在线评论有用性进行定义的，该定义得到学者们的广泛认可。

根据他们的定义，在线评论有用性即消费者做出决策过程中对在线评论感知到的价值，有用性可以看作是对评论中包含信息的潜在价值的主观测量（Pan、Zhang，2011），评论的有用性等同于评论的价值（Fang et al.，2016）。

Pan、Zhang（2011）最早从有用程度的角度提出在线评论有用性的定义，即消费者在做出购物决策过程中感知到的产品评论有用的程度，这种有用程度是针对促进判断和做出购买决策而言的（Li et al.，2013）。

基于此，很多学者提出了类似的概念。

有用程度和感知价值其实都是消费者对在线评论的一种主观感知（Qazi et al.，2016），且都是在购物决策过程中产生的，两者并没有实质性差别。

与绝大部分研究不同，黄卫来和潘晓波（2014）从影响力的角度定义在线评论有用性，认为有用性表现为在线评论对于消费者商品评估的影响力，而影响的强弱程度反映有用性的大小。

本文采纳Mudambi、Schuff的观点。

在线评论有用性的测量目前有超过70%的研究是依据一条评论获得的有用性投票数占总投票数的比例和一条评论获得的总有用性投票数来对在线评论有用性进行测量。

在线问答系统中的答案质量评估研究随着互联网的发展，一些在线问答系统已经成为求助和知识获取的重要途径。

这些系统提供了便捷的解决方案，并能够在社区中与用户交流。

对于这些系统的受欢迎程度，答案的质量是关键因素之一。

在这种背景下，对答案质量进行评估和提高也成为了研究的热点。

一方面，好的答案可以吸引更多用户关注，增加知识交流的价值。

另一方面，不正确的答案可能会误导用户，导致错误的决策或解决方案。

为了提供准确的信息，在线问答系统需要正确地评估答案的质量。

本文将探讨在线问答系统中的答案质量评估研究，包括评估方法、评估因素以及提高答案质量的策略。

常见的在线问答系统评估方法包括以投票或评论为基础的方法，以及使用机器学习和自然语言处理算法进行自动评估的方法。

投票和评论是最简单的评估方法，在很多社区中被广泛使用。

这些方法通过用户列表、投票、点赞或反对等方式，使得用户能够表达自己的意见和看法。

投票和评论的优点在于简单易用，同时可以获得用户的反馈。

但是，这些方法也存在一些不足，例如容易受到用户偏见的影响，或者只能获取有限的反馈信息。

相比于基于投票和评论的方法，机器学习和自然语言处理算法可以更准确地评估答案的质量。

这些算法可以通过分析文本中的语言模式、语法以及结构等信息，从大量的答案中自动判断答案的质量。

机器学习和自然语言处理算法的优点在于高度智能化和自动化，可以快速处理大量的答案数据。

然而，这些算法也存在缺点，例如需要足够的训练数据来提高精度，或者存在人工标注和处理数据的时间和成本问题。

因此，为了获得更准确的结果，这些算法通常需要有一定的专业知识和技能的支持。

在评估答案质量时，需要考虑到一些因素，例如答案的可信度、可读性、针对问题的准确性和全面性等。

其中，答案的可信度是指答案的来源及其权威性；可读性是指答案的表达是否清晰易懂；针对问题的准确性是指答案的关键点是否正确；全面性是指答案是否涵盖了主要内容并提供了详细说明。

这些因素在在线问答系统中特别重要，好的答案应该能够满足这些标准，从而为用户提供有效的解决方案和准确的信息。

1引言在线评论被认为是传统口碑的数字化表现形式[1],承载了消费者的直接产品体验,蕴含了大量的管理和决策支持信息。

其价值可以从买方和卖方两方面来分析:(1)买方价值:在线评论属于一种无偏产品信息,其可信度大大高于商家的促销信息,对潜在客户的购买决策具有重要影响[2]。

(2)卖方价值:厂商可以通过对用户发表的在线评论的研究,来发现用户对本企业产品的满意程度,本产品与同类产品相比的优势和劣势,据此对产品进行改进,从而增强企业竞争力。

然而,随着在线评论的不断增加,在线评论也出现了信息爆炸时代的普遍问题———信息过载[3-4]。

在线评论数量的巨大和质量的参差不齐严重干扰了评论阅读者对产品质量的有效判断,增加了信息搜寻成本,降低了决策的效率[5]。

因此,有效地识别在线评论的价值就显得至关重要。

许多电子商务网站会鼓励阅读者对自己看到的在线评论进行投票,然后利用投票数来评价一条评论的有用性。

本文在现有研究的基础上,构建在线评论投票数的影响因素模型。

本文的研究目的是更好地解释为什么有的评论会得到较多的投票数,而有的评论只得到很少的投票数。

本文收集了中国最大的电子产品交易网站———京东商城热门手机的在线评论信息,结合文本挖掘技术和实证研究方法,从数字特征、写作风格和语义3个维度来研究在线评论投票数的影响因素、作用方向和重要程度。

本文内容组织如下:第2节,根据相关理论和文献研究提出理论假设,建立在线评论投票数的影响因素模型。

第3节,阐述数据采集、处理和实证分析的过程,并对分析结果进行分析和解释。

第4节,给出研究结论及其意义,并指出研究局限和后续研究方向。

2模型与理论假设在之前研究的基础上,本文构建的在线评论投票数影响因素模型如图1所示。

2.1数字特征维度数字特征指的是不涉及文本内容的信息,包括:①产品的平均得分,记为AvgScore。

②评论者评分,记为Rating。

③评论发表距今的时间间隔,记为ElapsedDay。

在线用户评论行为时效特征影响因素实证研究作者：张艳丰李贺彭丽徽等来源：《现代情报》2019年第01期摘要：[目的/意义]针对我国在线用户评论习惯，探索用户评论行为对评论时间的影响作用因素，对电子商务运营商探究用户评论行为规律及探索潜在用户评论时间偏好具有重要的潜在商业价值。

[方法/过程]基于TAM模型抽取在线用户评论行为时间特征规律研究的影响因素并构建模型，通过抽取消费者购买行为和评论行为的时间间隔为时间序列，通过多元线性回归模型进行假设验证。

[结果/结论]通过对在线评论数据的实例验证，本文所构模型能够很好地发现在线用户评论行为对评论时间的影响作用关系，对消费者评论行为的时间特征规律发现和预测具有辅助作用。

关键词：TAM模型；用户；在线评论；评论行为；时间特征；影响因素DOl：10.3969/j.issn.1008-0821.2019.01.008[中图分类号]G252.0；G202 [文献标识码]A [文章编号]1008-0821（2019）01-0060-10在线用户评论是在线消费用户在电子商务平台上发表的对产品或服务的使用体验和质量评估。

第三方平台不仅提供电商企业整体评价端口，同时用户在电商平台进行购买和评论行为的同时，电商平台也记录了消费者的行为时间轨迹，通过时间记录的在线用户评论为潜在消费者提供了真实购买和使用信息来源，不同时间内评论内容关注的重点各不相同，电子商务用户作为经济人，其在线评论的时间特征必然折射出其内在特质，不同评论行为特征表现的消费者通常具有不同的时间行为习惯，通过时间记录的用户特征规律分析，能够为企业、平台和厂商提供不同时间段的商品购买、评论信息规律，同时也是用户行为分析和商品推荐的重要渠道。

目前通过量化方法针对在线评论时间维度的研究还很少。

Jin L等通过实验研究发现消费者偏好受在线用户评论发布时间点的影响，近期评论对及时购买力决策更有吸引力，而长期评论对用户的远期购买决策更具影响力；Tirunillai S等综合多家公司和市场的产品评论数据，使用无监督LDA来抽取与消费者满意相关的关键潜在维度，通过动力学分析跟踪这些维度重要性随着时间的变化。