网络评论有用性的大数据实证研究
发布网友
发布时间：2023-07-05 21:36
共1个回答
热心网友
时间：2023-07-31 08:15
网络评论有用性的大数据实证研究
研究背景：
【消费者在线评论的重要性】消费者购买商品及服务前会参考其他消费者的在线评论（online reviews），从中寻找信息（seek information）。根据理性行为理论（theory of reasoned action），信任会极大程度地影响消费者的在线购买倾向（purchase intention），而在线评论会影响消费者信任。因此，在线评论对消费者和企业都极其重要。
【识别有用的评论，即有用性投票的意义】即便如此，网站上数以百万计的在线评论并非全部都是有用得出。很多商家都会不遗余力地列出有用的评论，因为消费者对商家的信任建立在可靠且有用的在线评论上。根据信息扩散理论（the theory of information diffusion），有用的评论能够帮助更快地建立信任。但是，在线评论的数量之多价值密度之低会引起信息过载（information overload），导致消费者的认知能力紧张并可能会降低有用评论对潜在购买者的影响。为了帮助购买者有效地找到有用的评论，许多在线评论平台都采用了有用性投票（helpfulness voting）。
研究现状、空白及相应的本文研究内容：
【情景因素的研究空白】尽管现存大量关于评论有用性的研究，研究人员探索了评论（内容）因素和评论者（来源）因素，却忽略了有用性的一个潜在决定因素：在线评论的情景因素（context factors）。现有研究暂未涉及到产品情景因素，例如产品满意度、产品流行程度、产品无形性以及产品种类，本文探索了这些因素。
【产品满意度（proct satisfaction）及产品流行程度（proct popularity）】消费者为了减小购物的风险而阅读在线评论，但信息过载增加了搜索的成本（search cost）。如果能以较低的搜索成本获得这些信息，消费者就不太可能继续他们的信息搜索。最少努力原则（least-effort principle）表明有经济头脑的消费者寻求快速且用最少努力做出决策。消费者在阅读涉及商品属性价值的评论时更可能会面临信息过载。而容易获取的信息虽然能够降低消费者的不确定性，但是却会被认为欠缺有用性。例如，当4.9分评论非常多时，能够降低消费感知风险，但是消费者可能会忽视这些信息。但现有的研究很少考虑产品满意度和产品受欢迎程度等便利信息（convenient information）的存在。
【产品无形性（proct intangibility）】服务作为无形的产品会增加消费者购买决策时的感知风险，因此在线评论成为购买决策的重要因素，因此合理地提出产品的无形性影响评论有用性。
【产品种类（proct variety）】产品类型越多，需要越高的搜索成本，因此，产品多样性会降低在线评论对购买决策的影响。可以预期，产品多样性影响评论的有用性，但是还没有相关研究探索过二者的关系。
【注释：关于以上的几个因素可能对评论有用性产生影响，作者的论证角度为消费者购买决策的感知风险（risk）和不确定性（uncertainty）以及消费者面临信息过载时的搜索成本之间的矛盾及平衡。消费者参考在线评论的根本原因是为了在有限的搜索成本下降低决策的风险。】
【现有研究结论互相矛盾的问题】现有关于有用性的研究结论是互相矛盾的。一方面是评论者专业性（expertise），在以前的研究中已经用各种方法对其进行了操作（operationalized）和测量，最常用的就是经验（experience）。因此，专业性的操作性度量不一致导致了其实证结果难以解释，同理，经验也是如此。随后，在同一项研究中单独和同时探究专业性和经验，可以更清楚地说明这两个因素。另一方面，先前研究结论关于评论的不一致性（inconsistency）、极端性（extremity）和深度（depth）对评论有用性影响结论是矛盾的。结果不一致的一个可能原因是数据被截断，数据集中在某些产品类别或涵盖时间较短。为了填补这一空白，这项研究采用了来自Amazon.com的大数据集（14,051,211篇评论），包括电子商务平台上所有可用的产品类别（24个类别）。这一方法有望提供更全面且可推广（generalizable）的研究结果，为电子商务领域的理论和实践做出贡献。
研究内容/贡献
本研究试图拓展对在线评论有用性的相关知识和概念。（1）加入情境因素，如产品满意度、产品知名度、产品无形性和产品多样性，（2）进一步探索评论者的经验和专业性，（3）用更大、更全面的数据集考察以前相互矛盾的发现。
参考文献
Choi H S, Leon S. An empirical investigation of online review helpfulness: A big data perspective[J]. Decision Support Systems, 2020, 139: 113403.
