中图分类号: G203
收稿日期: 2017-05-23
修回日期: 2017-07-5
网络出版日期: 2017-09-25
版权声明: 2017 《数据分析与知识发现》编辑部 《数据分析与知识发现》编辑部
基金资助:
展开
摘要
【目的】购物网站评论系统中的投票机制有利于帮助消费者筛选出高质量评论。本文以评论有用性投票数为研究对象, 探讨什么样的评论更容易获得有用性投票。【方法】以信息采纳理论和负面偏差理论为基础, 基于亚马逊购物网站中的12 393条手机评论数据, 结合文本分析与零膨胀负二项回归分析方法, 从评论者信度、评论信息质量、评论极性三个方面探究评论有用性投票影响因素。【结果】研究结果表明, 评论者有用性、评论信息量、评论回复数、极端评分、评论文本消极倾向对评论有用性投票数具有积极正向影响。评论者发表评论数、评论者是否确认购买对评论有用性投票数有负向影响。【局限】仅以手机这一搜索型产品为研究对象, 研究结果欠缺普适性。【结论】本文研究成果对于改善电子商务评论排序系统具有借鉴意义。
关键词：
Abstract
[Objective] This article examines online reviews attracting more positive votes from consumers, aiming to identify those high quality reviews based on the information adoption and negative bias theories. [Methods] First, we retrieved 12 393 reviews on cellphones from Amazon.cn. Then, we investigated the impacts of the review’s characteristics on the numbers of positive votes with the help of zero inflated negative binomial regression and text analysis methods. The characteristics we studied include reviewer’s credibility, review’s quality and extremity. [Results] The usefulness of the reviewer’s previous posting, the information quality of the reviews, the number of comments, the extreme ratings, and the negative level of the reviews helped them receive more positive votes. However, the reviewers bought the products or not, and the number of the previously posted reviews had negative influence on the number of votes. [Limitations] Only investigated cellphones in this study. [Conclusions] This paper helps E-commerce websites improve their review ranking algorithms.
Keywords：
用户生成内容(User Generated Content, UGC)是Web 2.0时代的一个重要产物, 并随着微博、微信、论坛等社交平台的出现而逐渐扩大了影响力。购物网站中的在线评论是UGC中的一个重要内容, 对于消费者购买决策过程具有辅助作用。然而, 购物网站中的在线评论存在数量庞大且质量参差不齐等问题[1]。为了帮助消费者对评论质量进行评估并筛选出高质量评论, 亚马逊、淘宝、京东等购物网站推出了评论有用性投票机制。例如, 亚马逊在每一条评论后向消费者提问“该条评论是否对你有用?”。消费者回答“是”, 则评论有用投票数加1, 消费者回答“否”, 有用投票数不增加, 总投票数加1。每一条评论后都有一个有用性评估指标, 例如“10人中有9人认为此评论有用”。许多研究者以评论有用性投票数除以评论总投票数的值为评论有用性衡量指标, 进一步探究什么样的评论才是消费者认为有用的评论, 即评论有用性影响因素[2-8]。例如, Liu等[3]以IMDB上的影评数据为例, 采用回归分析方法, 以评论有用性为因变量, 探究了评论者的专业程度、评论书写的模式、评论发表时间对评论有用性的影响。Mudambi等[4]以亚马逊上6种商品(包括搜索品和体验品两种)的评论投票数大于2的评论数据为研究对象, 利用tobit回归模型, 研究评论评分、评论长度对评论有用性的影响, 并进一步探究了商品类型对这种影响的调节作用, 从信息诊断性这一角度对结果进行解释。
这些研究在探讨什么样的评论对于消费者来说有用这一问题上做出了许多贡献。但是这些研究存在两个问题。首先, 多数研究以亚马逊中的评论有用性为因变量研究评论的质量[4-5,7]。这种衡量模式忽略了投票基数带来的影响力。例如, 评论有用性为1的投票, 可以是“1人中有1人觉得该评论有用”, 也可以是“10人中有10人觉得该评论有用”。这两种计算方式的结果虽然一样, 但是显然后者的质量和影响力高于前者, 而许多前人研究忽略了这一点。其次, 这些研究在探讨评论有用性时, 所采用的评论都是有投票的评论, 对于没有投票的评论因为无法计算评论有用性而排除在样本之外。然而有的商品评论集中, 超过50%的评论并没有投票[1]。本研究采用的12 393条评论数据集中, 也有高达69%的评论没有投票, 这些没有投票的评论并不都是没有用的。只包含有投票评论的样本将是一个非随机样本, 采用该样本进行回归会产生误差[9]。
为避免这两个问题, 同时体现评论对于消费者的有用性价值, 本文以评论有用性投票为研究对象。评论有用性投票一方面体现了消费者对评论的认可度, 另一方面体现了评论的高影响力。因为评论投票数越高, 代表赞成这一观点的消费者越多, 那么该观点所影响的消费者数越多。因而, 评论有用性投票这一指标相对评论有用性增加了对投票人数的考量。那么, 什么样的评论更容易获得有用性投票呢?研究这样一个问题, 将有助于理解消费者的投票行为, 帮助改善购物网站评论投票系统。本文以此为出发点, 以亚马逊中的手机评论数据为研究对象, 将有投票和没有投票的评论都纳入样本中, 以评论的有用性投票数为因变量, 采用零膨胀负二项回归模型对评论有用性投票影响因素进行探究。
(1) 信息采纳理论
为了更好地解释消费者判断评论是否有用的行为过程, 笔者引入Sussman和Siegal[10]提出的信息采纳模型, 这也是前人关于评论有用性研究中最常用的理论模型[11-13]。因为消费者在对评论进行投票的过程实际上是评估评论信息是否有用, 进而决定是否采纳的过程。该模型认为消费者决定对一条信息是否采纳的过程中, 通常会从两个角度考虑, 一是信息源的可信度, 二是信息的质量[9]。即消费者从信息质量和信息源可信度两个角度对信息进行权衡以后, 则会判断该条信息是否对自己有用, 进一步地确定是否采纳该信息, 从而做出态度或行为的改变。
信息源的可信度是指由于信息源具有和用户信息需求主题相关的知识或经验而使用户相信信息源能提供与需求和预期相关的客观性信息或意见的程度。信息源的可信性具体表现为专业性和真实性[14]。
而关于信息质量的定义及度量就要复杂得多, 不同的学者给出了不同的答案[15-16]。对于信息质量的度量, Gorla等[17]认为信息质量涉及完整性、准确性和及时性三个维度。Filieri等[18]在对用户对旅游评论信息的采纳研究中, 在Gorla等的基础上进一步加上相关性、可理解性和增值性三个维度探讨在线评论的信息质量。在本文中, 由于研究的情境是电子商务购物网站中的在线商品评论, 用户浏览评论的目的是为了减少信息不对称性从而做出购物决策, 因此将信息质量定义为信息能够满足用户进行购物决策所达到的要求。
在消费者对评论进行投票的情境中, 消费者对信息源的评估指的是对评论者信息的评估, 而信息质量的评估主要是指评论内容的评估。
(2) 负面偏差理论
Kanouse和Hansonn在1972年提出的负面偏差理论[19]指出, 相同强度的负面事情(例如, 不开心的想法、情绪、事件等)相对于中立或者积极的事情, 对一个人的心理状态有着更强烈的影响[20]。也就是说, 对于同等情感强度的正面信息和负面信息, 负面信息对于消费者的行为和认知的影响强于正面信息。进一步地, 负面偏差对于消费者的决策具有影响[21]。因为当个体在获得和损失之间进行决策时, 个体更多地会考虑损失。因而, 相比于正面评论对于商品的肯定, 消费者更看重负面评论中的内容。因为负面评论会传递这样一个信息: 我付钱购买该商品将会产生哪些效用损失。因此, 除了信息源和信息的质量以外, 信息所包含的情感极性也会影响消费者对信息的采纳。
因此, 本文从评论者信度、评论信息质量、评论极性三个角度考察评论有用性投票影响因素。
许多研究发现, 评论者信息对消费者对评论有用性的评估具有显著影响。前文指出, 评论者信息与评论有用性之间的关系主要是从信息源的可信度这一视角考虑的。关于信息源可信度的度量角度包括评论者声誉、评论者等级、评论者排名、评论者专业性、评论者历史评论信息等[5-6, 22-23]。这些角度可归纳为两个方面: 评论者的专业性和真实性。本文结合亚马逊网站的数据特点, 对评论者信度的衡量也从这两个方面展开。
亚马逊网站上提供的评论者信息包括评论是否为排名前1 000名的评论者、评论者历史发表评论的有用性即评论者有用性(评论者发表的所有评论获得的有用性投票数除以总投票数)、评论者发表的评论数、评论者是否确认在亚马逊上购买过商品。对于评论排名前1 000名的评论者, 亚马逊都会在评论页上提示。而本文不采用此种衡量方式, 因为亚马逊上的评论者数量庞大, 有一些商品的评论中可能不包含排名在前1 000名的评论者。在本文采集的12 393条样本数据中, 也只有40条评论的评论者是前1 000名评论者, 采用该指标并不合适。
除评论者排名外, 有学者研究发现评论者的历史评论信息可以预测评论的有用性[5,23]。Ghose和Ipeirotis[5]研究发现, 对于DVD产品和数码相机, 评论者的历史信息对其评论有用性存在显著影响。评论者的历史信息反映了评论者的评论撰写经验, 是对评论者可信度中专业性的度量。本研究认为评论者有用性是对评论者所发表的历史评论质量的度量, 评论者有用性越高, 评论所获得有用性投票数越高。评论者所发表的评论数是对评论者的评论经验的考察, 评论者所发表的历史评论数越多, 其当前评论所获得评论有用性投票数将越高。因此本文提出如下假设:
H1a: 评论者有用性对评论有用性投票数有显著的正向影响。
H1b: 评论者发表评论数对评论有用性投票数有显著的正向影响。
而对于评论者信息真实度的衡量, 本文采用“评论者是否确认购买”这一指标。确认已经在亚马逊上购买商品的用户其评论通常是真实的, 而那些没有确认购买的用户其发表的评论可能是虚假的, 其信服力更低。因此本文提出如下假设:
H1c: 评论者的购买真实性对评论有用性投票数有显著的正向影响。
评论信息质量的好坏体现在为消费者购物决策提供信息支持的评论内容上。许多学者在对评论有用性的研究中将评论内容纳为影响因素。其中评论可读性[5, 7, 24]和评论长度[4, 7, 25]是研究最多的两个变量。评论可读性是指评论是否容易阅读, 这一指标会影响消费者对评论内容的理解[5]。英文中有FRES[24]、FOG[7]等较成熟的文本可读性测量方法, 可以方便地做文本可读性计算。然而, 中文中并没有成熟的可读性测量方法, 因此本文不考虑这一影响因素。评论长度代表评论中的信息总量, 越长的评论, 信息量越大, 评论越有用[4]。但另一部分学者研究发现, 评论长度与评论有用性并不成正比, 中等长度的评论比过短或过长的评论更有用[15]。过短的评论无法提供足量有效信息, 过长的评论可能使消费者失去阅读耐心, 因而这两种评论对消费者而言都没有用[26]。另有学者质疑以在线评论长度代表评论信息量的方式[27]。因为有些评论虽然很长, 但是包含许多无用信息。那么什么才是有效的信息, 什么样的信息对于消费者而言有用?如果评论中所包含的内容能够集中代表其他用户所反映的观点, 那么可以认为该条评论所包含的信息是有效的, 该评论对消费者而言也越有用。
本研究认为, 当一条评论所包含的内容越能够代表其他评论的内容时, 该评论所包含的信息量越高。评论所包含的信息量越多, 评论有用性越高。本文采用一种自动文本摘要算法, 对每个产品的评论集中每条评论文本所包含的信息量进行评估。因而本文提出如下假设:
H2a: 评论信息量对评论有用性投票数有显著的正向影响。
亚马逊网站允许所有浏览评论的浏览者对评论进行回复。这些回复包括浏览者和评论者之间的回复互动及亚马逊商家对评论者在评论中提出的问题的官方解答。这些回复是对评论文本内容的补充, 能够帮助其他消费者进一步加深对商品和服务的了解, 对其十分有用。因而, 本文认为评论的回复数越多, 评论获得的有用性投票数将越高。因而本文提出如下假设:
H2b: 评论回复数对评论有用性投票数有显著的正向影响。
前文指出, 信息的情感极性对信息采纳也具有影响。在以往评论研究中, 对于评论极性的衡量从两个角度出发: 评论评分极性、评论文本极性。评论评分的极性认为评分过高或过低的评论为极性高的极端评论, 中间评分的评论为极性低的温和评论[4]。这种评分的变化实际上反映了评论者态度极性的变化。关于评论极性和评论有用性之间的关系, 不同的学者的研究结果有所差异。一方面, 中间评分的评论由于能够更客观地表述产品的优点和缺点, 因而更令人信服, 通常会被消费者认为更有用。例如, Mudambi等[4]发现对于经验型产品, 中间评分比极端评分更有用。另一方面, 也有学者研究发现, 相比于中间评分, 消费者更容易受极端评分的影响[28]。本研究认为, 在不考虑评论内容的前提下, 极端评分相对于中间评分更能够吸引消费者的注意, 因而能够获得更多的有用性投票。因而提出如下假设:
H3a: 评分极性对评论有用性投票数有显著的正向影响。
评论评分仅仅是对评分极性的衡量, 并没有涉及到评论内容的情感极性。因而有学者利用文本分析方法, 进一步探究了评论文本中的积极和消极[24,29-31]、焦虑和生气[8]、主客观[5]等情感因素对评论有用性的影响, 即评论文本极性。本文将探讨评论中的积极情感和消极情感对评论有用性投票的影响。负面偏差理论指出, 相对于中立和积极信息, 消极信息对消费者影响更大[19]。因而本文提出如下假设:
H3b: 评论消极情感倾向对评论有用性投票数有正向影响。
H3c: 评论积极情感倾向对评论有用性投票数有负向影响。
本文的研究模型如图1所示。
在线评论的相关研究多以英文亚马逊网站为研究对象。为和国外研究结果进行对比, 本文以亚马逊中国网站中的评论数据为研究对象。有学者研究发现产品类型对消费者感知评论有用性具有调节作用[4]。因而选取以往研究[4,32]中常用的搜索品——手机为研究对象进行数据爬取, 排除了产品类型对评论有用性的影响。利用GooSeeker爬取亚马逊2016年1月8日这一天销量排名前100的100部手机评论数据。为保证研究的准确性, 按照评论ID对重复数据进行删除; 同时, 删除总评论数小于100的样本。最后共得19部手机的12 393条评论数据。其中每条评论数据包括以下内容: 评论评分; 评论时间; 评论文本; 评论回复数; 评论者排名; 评论者有用性; 评论者发表评论数; 评论者是否确认购买该商品; 手机总评论数; 手机销量排名; 评论有用性投票数。
为了验证本文假设, 设计了如表1所示的变量。其中因变量为评论有用性投票数, 即认为该条评论有用的投票的总数。自变量包括评论者信度、评论信息质量、评论极性三个部分。
表1 变量设计
| 变量类型 | 变量名 | 变量 | 变量解释 |
|---|---|---|---|
| 自变量 | 评论者有用性 | reUse | 评论者获得有用性投票数/ 评论者获得的总投票数 |
| 评论者发表 评论数 | reNum | 评论者已经发布的评论的 总数 | |
| 是否确认购买 | buyornot | 评论者是否确认在亚马逊 上购买商品(0表示未确 认购买; 1表示确认购买) | |
| 评论信息量 | reInfo | 评论文本所包含信息量 | |
| 评论回复数 | comment | 评论下的回复总数 | |
| 评分极性 | rateGap | 评分与平均评分差值的绝 对值 | |
| 评论积极倾向 | pos | 积极词汇总数/评论长度 | |
| 评论消极倾向 | neg | 消极词汇总数/评论长度 | |
| 因变量 | 评论有用 性投票数 | usefulNum | 评论获得的有用性投票 总数 |
(1) 评论者信度
评论者信度信息包括评论者有用性(reuse)、评论者发表评论数(reNum)、是否确认购买(buyornot)三个变量。其中评论者有用性指评论者发表的所有评论所获得总有用投票数与总投票数的比值, 是一个值域在[0, 1]的数值变量; 该值越大表示该评论者所发表的评论受到其他消费者认可度越高, 是对消费者已发表评论的质量的衡量。评论者发表评论数是消费者在亚马逊网站上发表的所有评论的数目。评论者是否确认购买, 是一个二元变量, 0表示评论者未确认在亚马逊上购买该商品, 1表示评论者已确认在亚马逊上购买该商品。
(2) 评论信息质量
评论信息质量衡量指标包括评论信息量(reInfo)、评论回复数(comment)两个变量。对于评论信息量的计算, 采用基于文本相似性思想的LexRank[33]算法。该算法是一种文本自动摘要算法, 能够对文档中每个句子所包含的信息量进行评估, 从中抽取出信息含量最多的一个句子[34]。算法的基本思想是: 将每一个句子视作无向图G=(S, E)中的节点, 当句子间的相似度大于某一阈值时, 则认为这两个句子语义相关并将它们连接起来; 节点s的度d代表与节点s相连的边的数目; 当节点的度d越大时, 代表与其关联的句子越多, 那么该节点就越重要, 同时与重要节点相连的节点也很重要, 而节点的特征向量中心性可以表征这一关系; 通过计算节点的特征向量中心性, 来表示节点对于整个网络的重要程度, 节点的特征向量中心性越大, 该节点就越重要, 即该句子所包含的信息量越大。因此可以利用LexRank算法计算每一个商品评论集中所包含的评论的信息量。采用LexRank算法计算评论信息量之前, 需要计算评论之间的文本相似度。对于评论文本之间的相似度, 采用经典的基于TF-IDF的余弦相似度算法[35]。本研究中的具体做法如下:
①构建用户词典与停用词词表。其中用户词典来源是搜狗语料库中的手机、网购词库及第三方手机评测网站中关村在线上关于本研究所涉及的手机产品零部件的描述, 一共234个。
②利用ICTCLAS分词系统[36]对每一个商品中所有评论进行分词处理, 去掉停用词及低频词, 形成基于不同商品的评论词袋。
③计算某一商品每一条评论中词语的TF-IDF值, 从而对商品的评论集进行VSM建模。所形成的矩阵的每一行表示商品中的每一条评论, 而每一行中的值是每一条评论中每一个词的TF-IDF值。
④计算矩阵中每一行的值与其余行的余弦夹角值, 以其作为每一条评论与商品评论集中其余评论的余弦相似性值, 从而形成评论余弦相似性矩阵。
⑤利用LexRank算法对余弦相似性矩阵进行处理, 获得每一条评论的信息量, 用变量reInfo表示。
评论回复数(comment)为每一条评论下其他消费者对该评论的回复总数。这些回复能够进一步揭露消费者所关心的问题, 有助于丰富评论信息内容, 提高消费者对该条评论有用程度的感知。
(3) 评论极性
评论极性包括评分极性(rateGap)、评论积极倾向(pos)、评论消极倾向(neg)。评分极性(rateGap)采用评论评分和商品平均评分的差值的绝对值。该值越大, 表示该评论持有不一样的观点, 可能会吸引更多的消费者进行有用性投票[28]。评论文本的积极和消极情感倾向的计算, 采用评论文本中积极或消极词汇的数量除以评论长度的方式[24, 27]。本文利用台湾大学的NTUSD情感极性词典[37]识别评论文本中的积极和消极词汇。考虑到评论文本中包含一些表达情感的网络用语(例如“赞”、“坑爹”等), 以及关于手机的情感词汇(例如“瑕疵品”、“推荐”、“值得购买”等), 而NTUSD中不包含这些词汇, 因此需要补充加入。关于这一部分词汇的补充, 利用ICTCLAS系统对所有样本数据进行分词[36], 统计高频词汇, 从词频大于10的词汇中筛选高频情感词汇; 两位实验室人员分别阅读1 000条长度最长评论, 选出情感词, 而后对比情感词选择结果, 对情感词典进一步补充; 最后重组成基于手机网购评论的NTUSD情感词典。通过ICTCLAS分词器及NTUSD情感词典, 可以有效地对样本数据中的评论文本进行情感词汇识别与情感计算。
为验证本模型中假设, 采用零膨胀负二项回归模型。采用该模型的原因主要有三个:
(1) 因变量评论有用性投票数是一个计数变量, 并不是一个连续变量, 且不呈正态分布, 不满足普通最小二乘回归模型的基本要求, 因而采用泊松回归和负二项回归等计数模型更合适;
(2) 因变量均值为1.7、方差为189, 方差远大于均值, 数据较为分散, 此种情况下采用泊松回归模型拟合效果不理想[38], 因而采用负二项回归模型;
(3) 因变量零值比例高达69%, 而零膨胀负二项回归模型能够在数据分散、零值多的情况下进行更好的拟合[39]。
零膨胀负二项模型通常由两部分组成: 决定因变量是否发生的逻辑回归模型, 该模型对因变量中的零值进行解释; 负二项回归模型, 该模型对因变量的值的大小进行解释。消费者对评论进行投票时, 并没有阅读所有的评论。因此有的评论的有用性投票数为0, 并不是因为该评论没有用, 而可能是该评论并没有被消费者所阅读。如果直接采用负二项回归模型会产生偏差, 因此需要对因变量中的零值进行解释。
本研究将评论发表时间(time)、商品总评论数(comNum)、商品排名(rank)作为解释变量, 纳入零膨胀模型中。评论投票数是否为零值受两方面因素影响, 一是消费者的投票习惯, 如果消费者的投票习惯越为成熟, 那么评论被投票的几率越高; 二是评论的被阅读量, 如果评论的被阅读量越少, 那么评论投票数为零值的可能性越大。时间有助于评论投票习惯养成, 消费者参与网上互动的行为将随着时间推移越来越强烈, 因此将评论已经发表的时间(time)作为零膨胀因子。同时商品总评论数越多, 平均每条评论被阅读的几率越小, 被投票的几率都会减少; 商品排名越靠前, 代表商品热门程度越高, 那么单位时间内相对于其他商品, 其评论的浏览量更高, 因而平均每条评论被投票的可能性越高。
本研究中的零膨胀负二项模型如下所示:
逻辑回归模型:
usefulNum=β1time+β2comNum+β3rank+β4keyNums+ε,
usefulNum=0
负二项回归模型:
usefulNum=β1reUse+β2reNum+β3buyornot+β4reInfo+β5comment+β6rateGap+β7pos+β8neg+ε, usefulNum=1, 2, 3…
其中逻辑回归模型是对因变量有用性投票数为0进行解释; 负二项回归模型是本文的主要研究对象, 其解释因子由评论者信度、评论信息质量、评论极性三大部分组成。
各变量的描述性统计分析结果如表2所示。其中评论有用性投票数最小为0, 最大为755, 有用性投票数分布较离散。对有用性投票数进行频数统计, 发现其呈现左偏分布。约69%的评论有用性投票数为0, 约28%的评论有用性投票数为1到10之间, 仅有2%的评论有用性投票数大于10。同有用性投票数一样, 评论者发表的评论数也呈现较大的离散现象。虽然评论者发表评论数的均值达到10, 但是约有51%的评论者只在亚马逊发表过1到2次评论, 这表明大部分评论者在亚马逊的评论经验不丰富。
表2 描述性统计分析结果
| 类别 | 变量名 | 平均值 | 标准差 | 最大值 | 最小值 |
|---|---|---|---|---|---|
| 评论者信度 | usefulNum | 1.70 | 13.77 | 755.00 | 0.00 |
| reUse | 0.37 | 0.38 | 1.00 | 0.00 | |
| reNum | 9.91 | 27.73 | 781.00 | 1.00 | |
| buyornot | 0.97 | 0.17 | 1.00 | 0.00 | |
| 评论信息质量 | reInfo | 0.29 | 0.25 | 1.00 | 0.00 |
| comment | 0.19 | 0.81 | 44.00 | 0.00 | |
| 评论极性 | rateGap | 1.01 | 0.81 | 3.41 | 0.03 |
| pos | 0.02 | 0.03 | 0.31 | 0.00 | |
| neg | 0.01 | 0.02 | 0.18 | 0.00 | |
| 零膨胀因子 | time | 417.72 | 265.92 | 973.00 | 0.00 |
| rank | 34.20 | 20.01 | 97.00 | 1.00 | |
| comNum | 652.26 | 2495.11 | 6011.00 | 100.00 |
各变量之间的相关系数如表3所示, 变量time和comNum相关系数达到0.78, 表明两者呈现正相关, 根据变量对模型拟合优度贡献程度舍弃变量comNum, 而选择变量time; 其余自变量之间的相关系数均小于0.3, 表明自变量之间不存在共线性问题。
表3 变量相关系数
| reUse | reNum | buyornot | reInfo | comment | rateGap | pos | neg | comNum | time | rank | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| reUse | 1.00 | 0.22 | -0.06 | 0.01 | 0.08 | 0.07 | 0.00 | 0.02 | -0.06 | -0.01 | -0.05 |
| reNum | 0.22 | 1.00 | -0.05 | 0.00 | 0.00 | -0.06 | 0.00 | -0.01 | 0.02 | 0.00 | 0.02 |
| buyornot | -0.06 | -0.05 | 1.00 | 0.02 | -0.07 | -0.10 | 0.02 | -0.05 | 0.07 | 0.01 | -0.06 |
| reInfo | 0.01 | 0.00 | 0.02 | 1.00 | 0.04 | -0.06 | -0.05 | -0.04 | -0.05 | -0.02 | 0.01 |
| comment | 0.08 | 0.00 | -0.07 | 0.04 | 1.00 | 0.08 | -0.03 | 0.01 | -0.13 | -0.13 | -0.07 |
| rateGap | 0.07 | -0.06 | -0.10 | -0.06 | 0.08 | 1.00 | -0.13 | 0.19 | 0.04 | -0.01 | 0.08 |
| pos | 0.00 | 0.00 | 0.02 | -0.05 | -0.03 | -0.13 | 1.00 | -0.13 | -0.08 | -0.07 | 0.00 |
| neg | 0.02 | -0.01 | -0.05 | -0.04 | 0.01 | 0.19 | -0.13 | 1.00 | 0.00 | 0.00 | 0.02 |
| comNum | -0.06 | 0.02 | 0.07 | -0.05 | -0.13 | 0.04 | -0.08 | 0.00 | 1.00 | 0.78 | 0.26 |
| time | -0.01 | 0.00 | 0.01 | -0.02 | -0.13 | -0.01 | -0.07 | 0.00 | 0.78 | 1.00 | 0.17 |
| rank | -0.05 | 0.02 | -0.06 | 0.01 | -0.07 | 0.08 | 0.00 | 0.02 | 0.26 | 0.17 | 1.00 |
为更好地体现评论者信度、评论信息质量、评论极性三个部分的自变量对模型的解释作用。除包含全部变量的模型外, 另加入两个模型进行对比。其中模型1是只包含有关评论者信度一类自变量的零膨胀负二项模型, 模型2是包含有关评论者信度和评论信息质量两类自变量的零膨胀负二项模型, 模型3是包含评论者信度、评论信息质量、评论极性三类自变量的零膨胀负二项模型。模型回归结果如表4所示, 发现模型3的对数似然值的绝对值比模型1和模型2都要小, 表明加入评论信息质量和评论极性两类变量能够提高模型的拟合优度。因此, 本文以模型3的结果进行分析。同时, 将模型3中的零膨胀负二项模型与包含模型3中所有变量的负二项模型进行Vuong检验。检验结果表明本研究采用零膨胀负二项模型比负二项模型拟合效果更好。
表4 回归分析结果
| 模型1 | 模型2 | 模型3 | ||||
|---|---|---|---|---|---|---|
| 系数 | P值 | 系数 | P值 | 系数 | P值 | |
| (Intercept) | -1.598 | 0.000 | -1.576 | 0.000 | -2.081 | 0.000 |
| reUse | 5.836 | 0.000 | 4.841 | 0.000 | 4.651 | 0.000 |
| reNum | -0.006 | 0.000 | -0.005 | 0.000 | -0.004 | 0.000 |
| buyornot | -1.445 | 0.000 | -1.334 | 0.000 | -1.152 | 0.000 |
| reInfo | 0.451 | 0.000 | 0.630 | 0.000 | ||
| comment | 0.476 | 0.000 | 0.441 | 0.000 | ||
| rateGap | 0.324 | 0.000 | ||||
| pos | -2.136 | 0.001 | ||||
| neg | 2.418 | 0.034 | ||||
| Log(theta) | -0.961 | 0.000 | -0.721 | 0.000 | -0.640 | 0.000 |
| 零膨胀模型 | ||||||
| (Intercept) | -30.124 | 0.000 | -30.445 | 0.000 | -30.500 | 0.000 |
| rank | 0.043 | 0.000 | 0.0435 | 0.000 | 0.044 | 0.000 |
| Log(time) | 4.230 | 0.000 | 4.272 | 0.000 | 4.277 | 0.000 |
| LogLike | -12940 | -12530 | -12380 | |||
本文的膨胀因子系数均显著, 说明添加的膨胀因子有效。这表明, 评论发表时间和商品排名会影响评论是否被投票。
(1) 评论者信度
评论者有用性(reuse)的系数为正且P值显著(P<0.001), 表明评论者有用性对评论有用性投票数有正向影响, H1a得到支持。评论者发表的评论数reNum的系数P值虽然显著, 但是系数为负, 表明评论者发表的评论数对评论有用性投票数有负向影响, 与假设H1b相悖, 因此假设H1b没有得到支持。评论者发表的评论数与评论有用性投票呈现负向关系, 如表5所示, 样本中约37%的评论者是第一次评论, 在其他变量相同的情况下, 这些评论者的平均评分极性差rateGap值为1.13, 大于其他评论者的rateGap值0.93; 前者平均评分(3.87)小于后者(4.24)。表明第一次发表评论的评论者的评论通常负面偏激, 负面情绪促使用户参与第一次评论, 而多次参与评论的评论者所发表的评论更为客观, 评论更为温和; 负面评论相对于正面评论能够获得更多有用性投票, 因此评论有用性投票数与评论者发表的评论数呈现负面关系。若将评论者有用性看作评论者发表评论质量, H1a得到支持而H1b没有得到支持的结果表明, 评论者历史发表的评论数越多, 其当前所发表的评论获得有用性投票数不一定越高; 而评论者历史发表的评论质量越高, 则其当前所发表的评论获得有用性投票数将越高。
评论者是否确认购买(buyornot)系数为负且P值显著(P<0.001), 表明那些没有确认在亚马逊上购买商品的评论者的评论相对于确认在亚马逊上购买商品的评论者的评论能够获得更多投票, 与假设H1c相悖, 假设H1c没有得到支持。如表6所示, 样本中约3%的评论者属于没有确认在亚马逊上购买商品的评论者, 另外97%的评论者属于已经确认在亚马逊上购买商品的群体。前者的有用性投票数的均值为7.73, 而后者的均值为1.51。这表明没有在亚马逊上确认购买商品的评论相比于确认购买的评论能够获得更多消费者的关注和认可。同时也表明, 亚马逊的“是否确认购买”功能对于用户感知评论真实性方面没有影响。因为所选商品为亚马逊自营商品, 不会出现商家操纵评论的现象即恶意差评与好评现象, 保证了评论的真实性。因而亚马逊的“是否确认购买”这一功能仅能确认评论者的购买渠道是否是亚马逊。这些“没有确认在亚马逊购买”的评论者, 极有可能是在线下门店等其他渠道购买商品后, 再前往亚马逊撰写评论。而这样的行为需要更强的主动性, 因此在撰写评论时会更认真。同时由表6可知, 这一部分评论者的评论表现为负面偏激, 因而根据负面偏差理论及下文有关评论极性与评论有用性投票数的关系可知, 负面评论相对于正面评论更易获得有用性投票。
(2) 评论信息质量
评论信息量(reInfo)系数为正且P值显著(P<0.001), 表明评论信息量与评论有用性投票数成正比, 评论信息量越多, 评论有用性投票数将越高, 假设H2a得到支持。根据本研究对评论信息含量的计算, 那些与其他评论相似度越高的评论, 其信息量越丰富, 即这些评论是对该产品评论集中观点的概括。因而假设H2a成立的结果表明那些具有代表性的观点, 其受到消费者的认可度越高, 其获得的有用性投票数将越多。
评论回复数(comment)系数为正且P值显著, 表明评论回复数对评论有用性投票具有正向影响, 假设H2b得到支持。评论回复数越多, 能够披露更多消费者所关心的问题, 进而提高评论信息的诊断性。那么, 该条评论获得有用性投票的可能性越高。评论回复数越多, 表明该条评论的消费者关注度越高, 因而获得的评论投票数越多。
(3) 评论极性
评分极性(rateGap)系数为正且P值显著, 表明评分极性对评论投票有正向影响, 假设H3a得到支持。当消费者所发表的评分偏离平均评分越多时, 即消费者观点越极端时, 该条评论就越能够吸引消费者进行有用性投票。
评论文本消极倾向(neg)对评论有用性投票数具有正向影响, 假设H3b成立。评论文本积极情感倾向(pos)的P值显著且系数为负, 假设H3c成立。这一结果表明, 消极评论相对积极评论更容易获得有用性投票; 积极词汇比例越高的评论, 其投票数越少, 表明积极描述并不能吸引用户投票。本文的研究结果也与负面偏差理论一致, 即消极评论相对于积极评论对消费者的影响更大。电子商务卖家在对商品进行宣传的时候, 会尽可能阐述商品的优点而不谈商品的缺点。事实上消费者在商品的详情页, 已经对于商品的优点有所了解。因此消费者在阅读评论时更想知道: 商家阐述的这些优点是否真实以及该商品还有何缺点。因而负面评论相对于正面评论能够为消费者提供更多有价值的信息。同时, 有学者研究表明, 大部分在线评论都是积极的[40-41], 那么消极评论在众多评论中能够吸引更多消费者的注意, 从而可能获得更多投票。
假设验证结果如表7所示。
表7 假设结果
| 类别 | 假设 | 结果 |
|---|---|---|
| 评论者 信度 | H1a: 评论者有用性对评论有用投票数有显著的正向影响。 | 支持 |
| H1b: 评论者发表的评论数对评论有用性投票数有显著的正向影响 | 不支持 | |
| H1c: 评论者的购买的真实性对评论有用性投票数有显著的正向影响。 | 不支持 | |
| 评论 信息 质量 | H2a: 评论信息量对评论有用性投票数有显著的正向影响。 | 支持 |
| H2b: 评论回复数对评论有用性投票数有显著的正向影响。 | 支持 | |
| 评论 极性 | H3a: 评分极性对评论有用性投票数有显著的正向影响。 | 支持 |
| H3b: 评论文本消极情感倾向对评论有用性投票数有正向影响。 | 支持 | |
| H3c: 评论文本积极情感倾向对评论有用性投票数有负向影响。 | 支持 |
本文探究了一个以往在线评论研究中较少涉及的问题: 什么样的评论更容易获得有用性投票。只有当评论获得投票后, 评论投票系统才能有效运作。因此, 研究这个问题是必要的。以信息采纳理论和负面偏差理论为基础, 将有可能会影响评论有用性投票数的因素分成评论者信度、评论信息质量、评论极性三个大类。从这三个角度探讨了什么样的评论更容易获得有用性投票, 并以亚马逊网站中的12 393条手机评论为研究对象, 利用零膨胀负二项回归模型进行分析。
研究结果显示, 在评论者信度信息方面, 历史发表评论质量越高的用户, 越容易获得有用性投票; 同时, 第一次发表评论的评论者及未通过亚马逊渠道购买商品的评论者, 其评论通常负面偏激, 容易引起其他用户共鸣, 更容易获得更多有用性投票。在评论信息质量方面, 回复数较多的评论更能够吸引消费者进行有用性投票; 评论中包含的信息量越高, 对消费者而言越有用。在评论极性方面, 评分越极端的评论, 越有可能获得有用性投票; 负面评论相对于正面评论更能够吸引消费者进行有用性投票。
基于这些研究结论, 对于电子商务评论系统的管理者提出如下建议:
(1) 改善评论排序机制。本文的研究结果表明评论者有用性及评论回复数这些指标对影响消费者感知评论有用性具有正向影响。因此, 除了传统的以时间、有用性、综合排序外, 在线评论系统的评论排序逻辑可以将评论者有用性、评论回复数等因素也纳入其中。
(2) 重视负面评论。本研究结论表明消费者容易受负面评论影响。因此亚马逊的商家需要对负面评论进行积极回应, 消除其他消费者对商品和服务质量的疑惑。
(3) 重视网站首次评论及从其他渠道购买商品的评论者。这部分用户的评论内容通常负面偏激, 容易引起其他用户的关注。
本文主要贡献如下:
(1) 关于评论有用性研究的有益补充。评论的有用性投票有助于其他消费者快速找出有助于决策的评论。前人大多是对评论有用性进行研究, 最终达到对没有投票的评论做出有用性预测, 从而帮助消费者做出更加明智的购物决策。本研究试图从另外一个角度为消费者的购物决策做出贡献, 探究评论有用性投票数的影响因素有哪些。这一研究视角对于帮助消费者快速获得有质量的信息非常有意义, 可以帮助人们进一步了解哪些因素影响评论获得有用性投票。
(2) 利用零膨胀负二项模型对评论有用性投票进行研究, 不仅纳入了有投票的评论还纳入了没有投票的评论。采用此种方法避免了因样本选择带来的结果偏差, 因而结果更为准确, 对后续研究具有借鉴意义。
本研究还存在一些局限:
(1) 评论有用性投票影响因素的研究样本选取的是搜索品, 而未对体验型产品这一类型进行探究。在今后的研究中, 将进一步以体验型产品为样本进行研究并对比结论的差异。
(2) 在评论回复数的处理上, 仅从数量上分析了评论回复量与评论有用性投票数之间的关系, 而未深入分析回复内容及回复对象对消费者感知评论有用性的影响, 这也是今后研究的重点方向。
吴江: 提出研究思路, 设计研究方案, 论文最终版本修订;
刘弯弯: 采集、清洗和分析数据, 起草论文。
所有作者声明不存在利益冲突关系。
支撑数据由作者自存储, E-mail: jiangw@whu.edu.cn。
[1] 刘弯弯. regression.xls. 回归分析所用数据.
[2] 刘弯弯. emotion.xls. 计算评论情感得分所用文本及结果数据.
[3] 台湾大学. NTUSD.xls. 情感词典.
[4] 刘弯弯. reviewInfo.xls. 评论文本及评论信息量计算结果.
[5] 刘弯弯. review.xsl. 基础数据.
[6] 刘弯弯. method.txt. 研究方法详细描述.
[7] 刘弯弯. emotionAnalysis.R. 情感计算程序.
[8] 刘弯弯. lexRank.R. 评论信息量计算程序.
| [1] |
Manipulation of Online Reviews: An Analysis of Ratings, Readability, and Sentiments [J].https://doi.org/10.1016/j.dss.2011.11.002 URL [本文引用: 2] 摘要
78 We examine the existence of manipulation in reviews that may mislead customers. 78 We assess reviews in terms of their readability. 78 We examine if reviews are manipulated through ratings and sentiments. 78 We observe that reviews of 10.3% of the products in the sample are manipulated. 78 Consumers are able to detect manipulation of ratings but not of sentiments.
|
| [2] |
Automatically Assessing Review Helpfulness [C]// |
| [3] |
Modeling and Predicting the Helpfulness of Online Reviews [C]// |
| [4] |
What Makes a Helpful Online Review? A Study of Customer Reviews on Amazon.com [J]. |
| [5] |
Estimating the Helpfulness and Economic Impact of Product Reviews: Mining Text and Reviewer Characteristics [J]. |
| [6] |
Helpfulness of Online Consumer Reviews: Readers’ Objectives and Review Cues [J].https://doi.org/10.2753/JEC1086-4415170204 URL [本文引用: 1] 摘要
With the growth of e-commerce, online consumer reviews have increasingly become important sources of information that help consumers in their purchase decisions. However, the influx of online consumer reviews has caused information overload, making it difficult for consumers to choose reliable reviews. For an online retail market to succeed, it is important to lead product reviewers to write more helpful reviews, and for consumers to get helpful reviews more easily by figuring out the factors determining the helpfulness of online reviews. For this research, 75,226 online consumer reviews were collected from Amazon.com using a Web data crawler. Additional information on review content was also gathered by carrying out a sentiment analysis for mining review text. Our results show that both peripheral cues, including review rating and reviewer's credibility, and central cues, such as the content of reviews, influence the helpfulness of reviews. Based on dual process theories, we find that consumers focus on different information sources of reviews, depending on their purposes for reading reviews: online reviews can be used for information search or for evaluating alternatives. Our findings provide new perspectives to online market owners on how to manage online reviews on their Web sites.
|
| [7] |
Evaluating Content Quality and Helpfulness of Online Product Reviews: The Interplay of Review Helpfulness vs. Review Content [J].https://doi.org/10.1016/j.elerap.2011.10.003 URL [本文引用: 4] 摘要
ABSTRACT Online reviews have received much attention recently in the literature, as their visibility has been proven to play an important role during the purchase process. Furthermore, recent theoretical insight argue that the votes casted on how helpful an online review is (review helpfulness) are of particular importance, since they constitute a focal point for examining consumer decision making during the purchase process. In this paper, we explore the interplay between online review helpfulness, rating score and the qualitative characteristics of the review text as measured by readability tests. We construct a theoretical model based on three elements: conformity, understandability and expressiveness and we investigate the directional relationship between the qualitative characteristics of the review text, review helpfulness and the impact of review helpfulness on the review score. Furthermore, we examine whether this relation holds for extreme and moderate review scores. To validate this model we applied four basic readability measures to a dataset containing 37,221 reviews collected from Amazon UK, in order to determine the relationship between the percentage of helpful votes awarded to a review and the review text stylistic elements. We also investigated the interrelationships between extremely helpful and unhelpful reviews, as well as absolutely positive and negative reviews using intergroup comparisons. We found that review readability had a greater effect on the helpfulness ratio of a review than its length; in addition, extremely helpful reviews received a higher score than those considered less helpful. The present study contributes to the ever growing literature on on-line reviews by showing that readability tests demonstrate a directional relationship with average length reviews and their helpfulness and that this relationship holds both for moderate and extreme review scores.
|
| [8] |
Anxious or Angry? Effects of Discrete Emotions on the Perceived Helpfulness of Online Reviews [J].
This paper explores the effects of emotions embedded in a seller review on its perceived helpfulness to readers. Drawing on frameworks in literature on emotion and cognitive processing, we propose that over and above a well-known negativity bias, the impact of discrete emotions in a review will vary, and that one source of this variance is reader perceptions of reviewers cognitive effort. We focus on the roles of two distinct, negative emotions common to seller reviews: anxiety and anger. In the first two studies, experimental methods were utilized to identify and explain the differential impact of anxiety and anger in terms of perceived reviewer effort. In the third study, seller reviews from Yahoo! Shopping web sites were collected to examine the relationship between emotional review content and helpfulness ratings. Our findings demonstrate the importance of examining discrete emotions in online word-of-mouth, and they carry important practical implications for consumers and online retailers.
|
| [9] |
|
| [10] |
Informational Influence in Organizations: An Integrated Approach to Knowledge Adoption [J].https://doi.org/10.1287/isre.14.1.47.14767 URL [本文引用: 1] 摘要
This research investigates how knowledge workers are influenced to adopt the advice that they receive in mediated contexts. The research integrates the Technology Acceptance Model (Davis 1989) with dual-process models of information influence (e.g., Petty and Cacioppo 1986, Chaiken and Eagly 1976) to build a theoretical model of information adoption. This model highlights the assessment of information usefulness as a mediator of the information adoption process. Importantly, the model draws on the dual-process models to make predictions about the antecedents of information usefulness under different processing conditions. The model is investigated qualitatively first, using interviews of a sample of 40 consultants, and then quantitatively on another sample of 63 consultants from the same international consulting organization. Data reflect participants' perceptions of actual e-mails they received from colleagues consisting of advice or recommendations. Results support the model, suggesting that the process models used to understand information adoption can be generalized to the field of knowledge management, and that usefulness serves a mediating role between influence processes and information adoption. Organizational knowledge work is becoming increasingly global. This research offers a model for understanding knowledge transfer using computer-mediated communication.
|
| [11] |
网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角 [J].
以信息采纳理论为研究框架,探讨消费者在购买决策中采纳与接受在线评论信息(亦即在线评论有用性)的两类影响因素——评论本身特征、评论者要素,并结合社会网络视角构建在线评论有用性影响模型及研究假设。之后,以豆瓣网数据进行理论模型的实证分析。结果表明:评论长度与在线评论有用性为正相关关系,评论星级极端性与在线评论有用性则为负相关关系;评论者中心度与在线评论有用性之间为倒U型关系,评论者历史发表数量、参加群组情况与在线评论有用性之间关系未得到足够的实证支持。
What Makes a Helpful Online Review?——The Perspective of Information Adoption and Social Network [J].
以信息采纳理论为研究框架,探讨消费者在购买决策中采纳与接受在线评论信息(亦即在线评论有用性)的两类影响因素——评论本身特征、评论者要素,并结合社会网络视角构建在线评论有用性影响模型及研究假设。之后,以豆瓣网数据进行理论模型的实证分析。结果表明:评论长度与在线评论有用性为正相关关系,评论星级极端性与在线评论有用性则为负相关关系;评论者中心度与在线评论有用性之间为倒U型关系,评论者历史发表数量、参加群组情况与在线评论有用性之间关系未得到足够的实证支持。
|
| [12] |
在线商品评价信息有用性模型研究——纳入应用背景因素的信息采纳扩展模型 [J].URL 摘要
将在线商品评价信息应用背景因素——评价信息的可借鉴性纳入模型,根据ELM思路和信息采纳模型框架,构建在线商品评价信息有用性的三维模型。对模型中信息质量和信息可信度维度结合已有研究成果和网购特殊环境重新识别其构成要素,并探究各构成要素基于二手资料的测量指标,为实际应用领域中建立独立于消费者主观数据的评价有用性自动识别机制提供参考。综合实证结果研究发现,在对在线商品评价信息进行处理时,阅读者更多的启用中心路线,边缘路线的作用由于评价发布者信息的有限性以及消费者之间较低的关联度而降低,应用背景因素对于在线评价信息有用性有着显著影响。
The Research of the Information Usefulness of Online Product Reviews——The Extented Information Adoption Model with Background Factor [J].URL 摘要
将在线商品评价信息应用背景因素——评价信息的可借鉴性纳入模型,根据ELM思路和信息采纳模型框架,构建在线商品评价信息有用性的三维模型。对模型中信息质量和信息可信度维度结合已有研究成果和网购特殊环境重新识别其构成要素,并探究各构成要素基于二手资料的测量指标,为实际应用领域中建立独立于消费者主观数据的评价有用性自动识别机制提供参考。综合实证结果研究发现,在对在线商品评价信息进行处理时,阅读者更多的启用中心路线,边缘路线的作用由于评价发布者信息的有限性以及消费者之间较低的关联度而降低,应用背景因素对于在线评价信息有用性有着显著影响。
|
| [13] |
一致性与矛盾性在线评论对消费者信息采纳的影响研究——基于感知有用性的中介作用和自我效能的调节作用 [J].https://doi.org/10.13266/j.issn.0252-3116.2016.22.014 URL [本文引用: 1] 摘要
[目的/意义]基于评论效价,将从初始评论到追加评论的动态变化分为一致性在线评论和矛盾性在线评论,结合信息采纳模型,研究不同变化类型对消费者信息采纳的影响,构建理论模型并进行研究.[方法/过程]以淘宝网上运动鞋的初始评论和追加评论为例,采取实验研究的方法,通过4组调查问卷设计,利用SPSS21.0软件对调查问卷的数据进行分析和处理.[结果/结论]结果表明,一致性和矛盾性在线评论相比,消费者对矛盾性在线评论的有用性感知更强,两种变化类型的评论都是通过感知有用性作用于消费者的信息采纳,自我效能会调节消费者对在线评论的有用性感知.
Research on How the Consistent and Contradictory Online Reviews Affect Consumer Information Adoption——Based on the Mediating Effects of Perceived Usefulness and the Moderating Effects of Self-efficacy [J].https://doi.org/10.13266/j.issn.0252-3116.2016.22.014 URL [本文引用: 1] 摘要
[目的/意义]基于评论效价,将从初始评论到追加评论的动态变化分为一致性在线评论和矛盾性在线评论,结合信息采纳模型,研究不同变化类型对消费者信息采纳的影响,构建理论模型并进行研究.[方法/过程]以淘宝网上运动鞋的初始评论和追加评论为例,采取实验研究的方法,通过4组调查问卷设计,利用SPSS21.0软件对调查问卷的数据进行分析和处理.[结果/结论]结果表明,一致性和矛盾性在线评论相比,消费者对矛盾性在线评论的有用性感知更强,两种变化类型的评论都是通过感知有用性作用于消费者的信息采纳,自我效能会调节消费者对在线评论的有用性感知.
|
| [14] |
信息采纳行为概念及影响因素研究 [J].
在阐述”信息采纳”基本内涵的基础上，对比分析了“信息采纳”与“信息接受”的差异。最后探讨了信息采纳行为的三个影响因素，即主体因素、客体因素和人际影响因素。
Research on Concept and Effective Factors of Information Adoption Behavior [J].
在阐述”信息采纳”基本内涵的基础上，对比分析了“信息采纳”与“信息接受”的差异。最后探讨了信息采纳行为的三个影响因素，即主体因素、客体因素和人际影响因素。
|
| [15] |
Value-added Processes in Information Systems [M]. |
| [16] |
Developing a Unifying Framework of Credibility Assessment: Construct, Heuristics, and Interaction in Context [J].https://doi.org/10.1016/j.ipm.2007.10.001 URL [本文引用: 1] 摘要
This article presents a unifying framework of credibility assessment in which credibility is characterized across a variety of media and resources with respect to diverse information seeking goals and tasks. The initial data were collected through information-activity diaries over a 10-day period from 24 undergraduate students at three different colleges. Based on 245 information seeking activities from the diaries, the authors conducted individual interviews with participants and analyzed the transcripts using a grounded theory analysis. Three distinct levels of credibility judgments emerged: construct, heuristics, and interaction. The construct level pertains to how a person constructs, conceptualizes, or defines credibility. The heuristics level involves general rules of thumb used to make judgments of credibility applicable to a variety of situations. Finally, the interaction level refers to credibility judgments based on content, peripheral source cues, and peripheral information object cues. In addition, context emerged as the social, relational and dynamic frames surrounding the information seeker and providing boundaries of credibility judgments. The implications of the framework in terms of its theoretical contribution to credibility research and practices are discussed.
|
| [17] |
Organizational Impact of System Quality, Information Quality, and Service Quality [J].https://doi.org/10.1016/j.jsis.2010.05.001 URL [本文引用: 1] 摘要
Increased organizational dependence on information systems drives management attention towards improving information systems’ quality. A recent survey shows that “Improve IT quality” is one of the top concerns facing IT executives. As IT quality is a multidimensional measure, it is important to determine what aspects of IT quality are critical to organizations to help Chief Information Officers (CIOs) to devise effective IT quality improvement strategies. In this research, we model the relationship between information systems’ (IS) quality and organizational impact. We hypothesize greater organizational impact in situations in which system quality, information quality and service quality are high. We also hypothesize a positive relationship between system quality and information quality. We test our hypotheses using survey data. Our structural equation model exhibits a good fit with the observed data. Our results show that IS service quality is the most influential variable in this model (followed by information quality and system quality), thus highlighting the importance of IS service quality for organizational performance. This paper contributes theoretically to IS success models through the system quality-to-information quality and IS quality-to-organizational impact links. Implications of our results for practice and research are discussed.
|
| [18] |
E-WOM and Accommodation: An Analysis of the Factors that Influence Travelers’ Adoption of Information from Online Reviews [J].https://doi.org/10.1177/0047287513481274 URL [本文引用: 1] |
| [19] |
|
| [20] |
Bad is Stronger than Good [J]. |
| [21] |
Contagion [J]. |
| [22] |
Is This Opinion Leader’s Review Useful? Peripheral Cues for Online Review Helpfulness [J].
ABSTRACTWith the growing popularity of online user-generated reviews, research has emerged to...
|
| [23] |
The Social Aspect of Voting for Useful Reviews [C]// |
| [24] |
What Makes a Review Voted? An Empirical Investigation of Review Voting in Online Review Systems [J].
Many online review systems adopt a voluntary voting mechanism to identify helpful reviews to support consumer purchase decisions. While several studies have looked at what makes an online review helpful (review helpfulness), little is known on what makes an online review receive votes (review voting). Drawing on information processing theories and the related literature, we investigated the effects of a select set of review characteristics, including review length and readability, review valence, review extremity, and reviewer credibility on two outcomes eview voting and review helpfulness. We examined and analyzed a large set of review data from Amazon with the sample selection model. Our results indicate that there are systematic differences between voted and non-voted reviews, suggesting that helpful reviews with certain characteristics are more likely to be observed and identified in an online review system than reviews without the characteristics. Furthermore, when review characteristics had opposite effects on the two outcomes (i.e. review voting and review helpfulness), ignoring the selection effects due to review voting would result in the effects on review helpfulness being over-estimated, which increases the risk of committing a type I error. Even when the effects on the two outcomes are in the same direction, ignoring the selection effects due to review voting would increase the risk of committing type II error that cannot be mitigated with a larger sample. We discuss the implications of the findings on research and practice.
|
| [25] |
Predicting the Helpfulness of Online Reviews Using Multilayer Perceptron Neural Networks [J].https://doi.org/10.1016/j.eswa.2013.10.034 URL [本文引用: 1] 摘要
With the great development of e-commerce, users can create and publish a wealth of product information through electronic communities. It is difficult, however, for manufacturers to discover the best reviews and to determine the true underlying quality of a product due to the sheer volume of reviews available for a single product. The goal of this paper is to develop models for predicting the helpfulness of reviews, providing a tool that finds the most helpful reviews of a given product. This study intends to propose HPNN (a helpfulness prediction model using a neural network), which uses a back-propagation multilayer perceptron neural network (BPN) model to predict the level of review helpfulness using the determinants of product data, the review characteristics, and the textual characteristics of reviews. The prediction accuracy of HPNN was better than that of a linear regression analysis in terms of the mean-squared error. HPNN can suggest better determinants which have a greater effect on the degree of helpfulness. The results of this study will identify helpful online reviews and will effectively assist in the design of review sites.
|
| [26] |
Chapter 30-Reading or Scanning? A Study of Newspaper and Net Paper Reading [A]// |
| [27] |
Perceived Helpfulness of Online Consumer Reviews: The Role of Message Content and Style [J].https://doi.org/10.1002/cb.1372 URL [本文引用: 2] 摘要
ABSTRACT The rise of online reviews written by consumers makes possible an examination of how the content and style of these word-of-mouth messages contribute to their helpfulness. In this study, consumers are asked to judge the value of real online consumer reviews to their simulated shopping activities. The results suggest the benefits of moderate review length and of positive, but not negative, product evaluative statements. Non-evaluative product information and information about the reviewer were also found to be associated with review helpfulness. Stylistic elements that may impair clarity (such as spelling and grammatical errors) were associated with less valuable reviews, and elements that may make a review more entertaining (such as expressive slang and humor) were associated with more valuable reviews. These findings point to factors other than product information that may affect the perceived helpfulness of an online consumer review.
|
| [28] |
Exploring Determinants of Voting for the “Helpfulness” of Online User Reviews: A Text Mining Approach [J].https://doi.org/10.1016/j.dss.2010.11.009 URL [本文引用: 2] 摘要
The “helpfulness” feature of online user reviews helps consumers cope with information overloads and facilitates decision-making. However, many online user reviews lack sufficient helpfulness votes for other users to evaluate their true helpfulness level. This study empirically examines the impact of the various features, that is, basic, stylistic, and semantic characteristics of online user reviews on the number of helpfulness votes those reviews receive. Text mining techniques are employed to extract semantic characteristics from review texts. Our findings show that the semantic characteristics are more influential than other characteristics in affecting how many helpfulness votes reviews receive. Our findings also suggest that reviews with extreme opinions receive more helpfulness votes than those with mixed or neutral opinions. This paper sheds light on the understanding of online users' helpfulness voting behavior and the design of a better helpfulness voting mechanism for online user review systems.
|
| [29] |
Examining the Relationship Between Reviews and Sales: The Role of Reviewer Identity Disclosure in Electronic Markets [J].https://doi.org/10.1287/isre.1080.0193 URL [本文引用: 1] |
| [30] |
When does Electronic Word-of-mouth Matter? A Study of Consumer Product Reviews [J].https://doi.org/10.1016/j.jbusres.2009.12.011 URL 摘要
Online consumer product reviews, a form of electronic word-of-mouth (eWOM), have attracted increased attention from researchers. This paper examines the persuasiveness of eWOM. Drawing on regulatory focus theory, the authors propose that the consumption goals that consumers associate with the reviewed product moderate the effect of review valence on persuasiveness. Data from lab experiments and actual online retailers suggest that consumers who evaluate products associated with promotion consumption goals perceive positive reviews to be more persuasive than negative ones (i.e., a positivity bias). Conversely, consumers who evaluate products associated with prevention consumption goals perceive negative reviews to be more persuasive than positive ones (i.e., a negativity bias).
|
| [31] |
The Effect of Online Consumer Reviews on New Product Sales [J].https://doi.org/10.2753/JEC1086-4415170102 URL [本文引用: 1] 摘要
This study examines the effect of online reviews on new product sales for consumer electronics and video games. Analyses of panel data of 332 new products from Amazon.com over nine months reveal that the valence of reviews and the volume of page views have a stronger effect on search products, whereas the volume of reviews is more important for experience products. The results also show that the volume of reviews has a significant effect on new product sales in the early period and such effect decreases over time. Moreover, the percentage of negative reviews has a greater effect than that of positive reviews, confirming the negativity bias. Thus, marketers need to consider the distinctive influences of various aspects of online reviews when launching new products and devising e-marketing strategies.
|
| [32] |
What Drives the Helpfulness of Online Product Reviews? From Stars to Facts and Emotions [C]// |
| [33] |
LexRank: Graph-based Lexical Centrality as Salience in Text Summarization [J].https://doi.org/10.1613/jair.1523 URL [本文引用: 1] 摘要
We introduce a stochastic graph-based method for computing relative importance of textual units for Natural Language Processing. We test the technique on the problem of Text Summarization (TS). Extractive TS relies on the concept of sentence salience to identify the most important sentences in a document or set of documents. Salience is typically defined in terms of the presence of particular important words or in terms of similarity to a centroid pseudo-sentence. We consider a new approach, LexRank, for computing sentence importance based on the concept of eigenvector centrality in a graph representation of sentences. In this model, a connectivity matrix based on intra-sentence cosine similarity is used as the adjacency matrix of the graph representation of sentences. Our system, based on LexRank ranked in first place in more than one task in the recent DUC 2004 evaluation. In this paper we present a detailed analysis of our approach and apply it to a larger data set including data from earlier DUC evaluations. We discuss several methods to compute centrality using the similarity graph. The results show that degree-based methods (including LexRank) outperform both centroid-based methods and other systems participating in DUC in most of the cases. Furthermore, the LexRank with threshold method outperforms the other degree-based techniques including continuous LexRank. We also show that our approach is quite insensitive to the noise in the data that may result from an imperfect topical clustering of documents.
|
| [34] |
一种基于LexRank算法的改进的自动文摘系统 [J].https://doi.org/10.3969/j.issn.1002-137X.2010.05.036 URL [本文引用: 1] 摘要
自动文摘是计算机语言学领域的一个研究重点,其研究和应用受到了计算机科学、语言学、情报信息学等相 关学科的广泛关注.首先介绍了基于LexRank算法的自动文摘方法.针对该方法的不足,从句子相似度计算方法、 句子权重计算方法以及冗余处理等方面对它进行了改进,从而可以根据输入文本内容动态地调整相关影响因子.实 现的文摘系统,可以对中文和英文的单文本或多文本进行自动文摘.在哈工大和DUC的测评语料上进行了实验,结 果表明该系统在一定程度上改进了文摘的质量,在多文本文摘中的抗噪声方面也有一定的优越性.最后讨论了自动 摘要研究存在的问题,并指出了自动文摘的研究趋势.
Automatic Abstracting System Based on Improved LexRank Algorithm [J].https://doi.org/10.3969/j.issn.1002-137X.2010.05.036 URL [本文引用: 1] 摘要
自动文摘是计算机语言学领域的一个研究重点,其研究和应用受到了计算机科学、语言学、情报信息学等相 关学科的广泛关注.首先介绍了基于LexRank算法的自动文摘方法.针对该方法的不足,从句子相似度计算方法、 句子权重计算方法以及冗余处理等方面对它进行了改进,从而可以根据输入文本内容动态地调整相关影响因子.实 现的文摘系统,可以对中文和英文的单文本或多文本进行自动文摘.在哈工大和DUC的测评语料上进行了实验,结 果表明该系统在一定程度上改进了文摘的质量,在多文本文摘中的抗噪声方面也有一定的优越性.最后讨论了自动 摘要研究存在的问题,并指出了自动文摘的研究趋势.
|
| [35] |
Term-weighting Approaches in Automatic Text Retrieval [J].https://doi.org/10.1016/0306-4573(88)90021-0 URL [本文引用: 1] 摘要
Summarizes the experimental evidence that indicates that text indexing systems based on the assignment of appropriately weighted single terms produce retrieval results superior to those obtained with more elaborate text representations, and provides baseline single term indexing models with which more elaborate content analysis procedures can be compared. (55 references) (Author/CLB)
|
| [36] |
HHMM-based Chinese Lexical Analyzer ICTCLAS [C]// |
| [37] |
台湾大学NTUSD中文情感词典 [DS/OL]. [NTUSD: The Chinese Emotion Word Library [DS/OL]. [ |
| [38] |
Tests for Detecting Overdispersion in Poisson Regression Models [J].https://doi.org/10.2307/2289931 URL [本文引用: 1] 摘要
Poisson regression models are widely used in analyzing count data. This article develops tests for detecting extra-Poisson variation in such situations. The tests can be obtained as score tests against arbitrary mixed Poisson alternatives and are generalizations of tests of Fisher (1950) and Collings and Margolin (1985). Accurate approximations for computing significance levels are given, and the power of the tests against negative binomial alternatives is compared with those of the Pearson and deviance statistics. One way to test for extra-Poisson variation is to fit models that parametrically incorporate and then test for the absence of such variation within the models; for example, negative binomial models can be used in this way (Cameron and Trivedi 1986; Lawless 1987a). The tests in this article require only the Poisson model to be fitted. Two test statistics are developed that are motivated partly by a desire to have good distributional approximations for computing significance levels. Simulations suggest that one of the statistics should be satisfactory for testing extra-Poisson variation in most practical situations involving Poisson regression models.
|
| [39] |
|
| [40] |
The Effect of Word of Mouth on Sales: Online Book Reviews [J].https://doi.org/10.1509/jmkr.43.3.345 URL [本文引用: 1] 摘要
react-text: 381 The purpose of this research was to conduct a longitudinal study of the impacts of additional reviews on sales of digital micro-products. Following daily sales of 121 digital micro-products - Amazon's Shorts - over a period of five months, we performed individual time series analyses and aggregated our individual findings with logistic regression. We have found that not all reviews impact... /react-text react-text: 382 /react-text [Show full abstract]
|
| [41] |
Overcoming the J-Shaped Distribution of Product Reviews [J].https://doi.org/10.1145/1562764 URL [本文引用: 1] |
/
| 〈 |
|
〉 |
