在线评论对消费者购买决策的影响研究

在网络商品交易中，卖家与买家之间存在信息不对称，买家看不到实际的产品，只能通过网页上的信息进行评估，消费者能够接触到的页面信息有限，一般包括评论信息、价格、商家信誉和广告活动等，通过阅读评论，消费者了解评论质量、卖家星级、评论者星级等形成对商品的感知以及对卖家的态度. 在线评论也是消费者和卖家的一种互动形式，如今90后和00后热衷于写评论表达自己的想法和观点. 评论相当于卖家与买家之间的一个交流机制，消费者通过这种交流评估购买意愿. 消费者对不同维度的在线评论的信息处理能力影响了评论可信度，这最终影响其对商品的整体感知，从而影响购买决策. 尤其随着网络信息的膨胀，信任倾向会影响消费者对具体网络环境的信任. 同一条在线评论，由于个人信任倾向的高低，消费者有不同的选择和判断. 本文以评论可信度作为中介变量，信任倾向作为调节变量，研究评论质量、评论时效性、评论数量、评论者资信度和网络环境认知这5种在线评论维度对消费者购买决策的影响.

在线评论是消费者以文字或评分的形式，在网络平台上根据自己的过往经历或体验表达自己对某一产品或品牌的情绪、看法和态度. 它是卖家、买家交流的媒介，消费者通过在线评论的浏览来影响购物决策过程. 在进行在线评论研究时，学者们从 2个方面进行研究：一方面是对在线评论的内容进行文本挖掘，如张贵林[1]利用计算机技术对互联网商品评论信息进行情感分析，得出用户的情感倾向. 另一方面是对在线评论进行实证研究. 本文探讨在线评论的实证研究，主要从以下几个角度来展开：(1) 在线评论特征，在线评论特征主要有评论星级、评论标题、评论质量、评论数量、评论长度、评论差异性、评论效价、评论类型、评论可读性、评论强度、评论及时性和评论时效性共计12种特征维度. Mudambi[2]借助亚马逊网站数据研究星级极端性对在线有用性的影响. (2) 评论者特征，评论者特征目前主要研究个体描述信息(公开与否)、专业知识水平、信誉程度、排名、信息真实性(已确认购买的用户)、社交性、个性化信息和曝光度. Nan Hu等[3]探索在线评论对产品销量的影响时发现消费者不仅关注在线评论得分，同时关注评论者的声誉和曝光度. (3) 网站因素，来源网站类型、社区透明度等. 对在线评论的研究，多数集中在量化指标上，这主要由于评论数量、星级、长度容易量化，同时数据采集以问卷为主，其次由于爬虫获取淘宝、京东、亚马逊的评论数据的局限性. 不一定能够获取所有研究变量的数据，同时企业对于数据越来越重视，电商平台的反爬虫机制加强，这些因素都局限了研究人员数据获取途径.

基于曹欢欢等[4]整理的在线评论实证框架，结合后续的研究动态进行更新，得出在线评论实证研究框架如图1所示. 目前，在线评论作为整个模型的中心，其实证研究集中于在线评论的影响因素、在线评论产生的影响，以及与相应调节变量的研究. 在线评论的影响因素主要有社会环境(如文化差异、社会压力、网络外部性等)、商家或网站激励(如经济激励)和购物过程相关变量(如产品类型、价格、服务、物流、网站类型等).

综上所述，在线评论存在众多维度，本文从评论本身客观性、主观性、时间维度、评论者角度以及网络环境考虑，选取评论数量、评论质量、评论时效性、评论者资信度、网络认知环境作为在线评论的维度，评论数量、评论质量、评论时效性和评论者资信度主要参考郑小平对各维度的划分[5]，有关评论数量的研究，学者们将评论数量分为首次评论数量、追加评论数量和图片评论数量. 学者进行研究时没有特别注明是哪种评论数量时，指的全部的评论数量，本文的评论数量指全部评论数量. 每条信息都包含其时间价值，不同的时间点代表评论的新旧程度. 评论越久远，越代表商品过去的状态，评论越新，越能反映商品最新的状态，评论的新旧反映评论的时效性. 评论者资信度指评论者的专业能力和可靠程度. 网络环境认知参考卢峰华的定义[6]，网路环境认知为顾客相信网络环境中，网络安全技术、规章制度、法律保护等可以让其感觉安全的程度. 因此本研究探讨评论数量、评论质量、评论时效性、评论者资信度和网络环境认知对消费者购买决策的影响.

引用柯青[7]提出的消费者购买行为模式的一般框架，如图2所示. 消费者购买行为的一般模式为：消费者接受外部的刺激、本人对刺激信息进行加工和中介作用，最后影响到消费者相关的购买行为. 外部刺激可以是商家的营销活动、店铺基本信息、评论特征或评论者资质信息，消费者黑箱包含很多无法直接观察的因素，诸如心理因素、对于该产品的感知。消费者是降低了风险感知度还是降低了对商家的信任，消费者黑箱最终作用于消费者购买行为.

在线评论对消费者购买意愿或决策的影响因素归为三类：评论发布者相关因素、评论自身因素和评论接受者相关因素。评论发布者因素集中在评论者资信度、专业程度、书写方式等，评论相关因素集中在评论数量、评级、时效性、评论内容质量、褒贬、情感极性、身份信息披露与否等，接受者相关因素集中在消费者产品卷入度、人口统计特征和网站卷入度等.

对于消费者购买决策的研究最早起源于对商品销量的研究. 基于武芳[8]整理的国内在线评论与购买决策有关的影响研究，进行更新和补充，得出在线评论与购买决策的相关研究如表1所示.

综上所述，国内关于在线评论购买决策的研究包含产品态度、购买意愿、产品销量等，从产品的新旧到产品种类，但是论证评论可信度在其中扮演中介作用的研究还很鲜见.

详尽可能性模型(Elaboration Likelihood Model，ELM)是由社会心理学家Petty和Cacioppo[9]于1986提出，它为研究消费者对说服的感知信息可信度的影响因素研究提供了扎实的理论基础，该模型提出有两条路径影响消费者行为和态度——中心路径和边缘路径. 中心路径是指用户在获取信息后，会经过认真思考，对信息进行评估与分析然后决定自己的行为与态度；边缘路径是指用户在获取信息后，很少经过思考就给出对此信息的行为与态度.

消费者在进行信息加工和处理过程中，获取信息以及处理信息的难度会影响消费者选择信息处理途径. 消费者浏览在线评论形成对商品或信息的态度时，需要经过思考来把握评论的质量，通过仔细浏览评论时间，预估评论时间与浏览时间的时间差，以形成整体评论时效性的意识. 中心路径中，消费者对评论信息进行加工、分析，付出一定时间和思考力后形成的评论质量以及评论时效性，影响着消费者的购买意向和购买行为. 消费者浏览评论时，通过粗略浏览以及下面的翻页数据便预估出评论数量的多与少，消费者通过每条评论中评论者名称下面的星级标识便知道评论者资信度. 边缘路径中，消费者通过轻松浏览网页及评论，进行简单整理获得评论数量、评论者资信度和网络环境认知，消费者根据已有整理的信息调整态度.

ELM模型作为一种说服模型，在社会心理学、管理学、市场营销等领域应用广泛. Bhattacherjee A和Sanford等[10]基于详尽可能性模型(Elaboration Likelihood Model),探索信息处理进程如何影响用户的信息技术接受程度，以及这种影响如何持续下去. 研究发现质量和信息可信度影响用户的使用意向. Filieri和McLeay[11]采用详尽可能性模型探索信息质量、信息准确性、信息增值、信息相关性、信息及时性相关的中心路径，以及产品级别相关的边缘路径对旅客接受住宿信息以及旅游相关产品的影响因素.

评论者资信度反映的是评论者的专业能力和可靠程度. 电子商务网站对消费者进行潜在的专业排名，常以星级等级来表示消费者的专业能力. 评论者的专业性可以产生更大的说服效果，削弱消费者根据自己已有的观点来判断评论的准确性，进而提升评论可信度[12]. 杜梦梦[13]以实证研究证明评论发布者的专业性能够正向影响在线评论的可信度，发布者的专业性能够让消费者感知到评论的权威性，促使消费者接受在线评论. 当评论无法体现评论者专业背景时，消费者只能根据评论信息本身来判断是否信任在线评论[14]. 消费者往往选择信任质量高的评论. 郭国庆[15]表明在线评论质量在很大程度上正向影响在线评论感知可信度，详细的经验分享可以提高评论可信度. 评论数量体现了商品的热门程度，评论数量越多的产品，给消费者一种“该商品销量很好”的印象. 胡娟娟[16]表明评论数量越多，评论可信度越高. 评论时效性反映了商品评论的新旧程度，当商品评论距离消费者浏览网页的时间越久，此评论越难以体现商品的真实信息，消费者就容易忽略陈旧的评论. 孟美任和丁晟春[17]认为时效性越强的评论，其感知可信度越高. 网络环境认知指消费者相信网络环境中的网络安全、规章制度、法律结构能够让自身产生安全的感觉. 网络环境认知会影响消费者对网站的信任，包敦安[18]和刘逶迤[19]认为网站透明度会影响网站评论可信度，李巍和王志章[20]基于归因理论的视角认为第三方网站和博客的可信度高于品牌官网，不同网站的环境认知具有不同影响力，因此消费者网络环境认知影响评论可信度.

评论可信度是促进消费者采纳在线评论的因素之一，对评论信息的采纳意味着有利于作出购买决策，宋晓晴[21]表明评论可信度强调从信息内容如评论一致性、评论质量等来评价评论，从而高评论可信度对消费者购买行为具有更大劝说性影响. Myung-JaKim[22]分析结果表明当旅游电子商务网站值得信任时，用户更有可能购买旅游产品和旅游服务. 因此与低评论可信度相比，高评论可信度更能促进消费者的购买决策.

信息共享可以帮助消费者进行购买决策，但是信息超载会带来认知负担. 在线评论存在各个维度上的差异，因此消费者需要对信息进行筛选. 高质量、及时性的在线评论让消费者感知到信息是有效的，数量多和评论者资信度让消费者感知到商品的热度和信息的可靠，对网络环境的认知可以缓和或增强消费者购物时的戒备心理. 在线评论通过影响消费者对评论可信度的感知作用于购买决策，判断是否进行购买行为. 因此，在线评论与消费者购买决策之间，评论可信度起中介作用.

基于此，提出以下假设。

H1：评论质量正向影响消费者购买决策.

H2：评论时效性正向影响消费者购买决策.

H3：评论数量正向影响消费者购买决策.

H4：评论者资信度正向影响消费者购买决策.

H5：网络环境认知正向影响消费者购买决策.

H6：评论质量通过评论可信度影响消费者购买决策.

H7：评论时效通过评论可信度影响消费者购买决策.

H8：评论数量通过评论可信度影响消费者购买决策.

H9：评论者资信度通过评论可信度影响消费者购买决策.

H10：网络环境认知通过评论可信度影响消费者购买决策.

信任倾向是个体的特征，指个体信任和依赖他人的意愿[6]. 面对众多的在线评论，信任倾向会影响消费者感知的评论可信度. 信任倾向高的消费者会较为信任他人，相信他人的言行，在浏览在线评论时，更易相信在线评论. Kini和Choobineh[23]在研究信任整合模型时提出，信任会影响消费者对电子商务的态度与决策，而个人信任倾向是影响电子商务信任的重要因素之一. 信任倾向高的消费者，在浏览评论之前，先认为他人是可信赖的，信任倾向低的消费者恰恰相反，因此，在线评论与评论可信度之间，信任倾向起调节作用.

基于此，提出以下假设：

H11：信任倾向在评论质量与评论可信度之间具有调节作用.

基于详尽可能性模型(ELM)和研究思路，从中心路径和边缘路径出发，以评论可信度为中介变量，信任倾向为调节变量，探讨在线评论对消费者购买决策的影响. 研究框架如图3所示。

根据第41次中国互联网发展状况统计报告，我国网民以10~39岁群体为主，网民学历结构中高中、中专、技校及以上学历的网民占大多数，考虑到调查对象需要有足够的机会接触网络、能够读懂并耐心填写问卷，本次调研以年龄18~39岁、教育程度大专学历以上、职业为学生的群体为主要调查对象.

为保证问卷的科学有效，本文各变量结合以往学者的研究，选用成熟的量表，咨询专家探讨指标选用的合理性，进一步修改问卷. 问卷总共分为2个部分，第一部分为30个测量题项，第二部分为被调查者的基本信息. 第一部分测量题项均采用李克特七级量表.

问卷形成后，进行预调研，通过问卷星发放，回收50份，有效问卷43份. 对已有数据进行信效度分析，进行效度分析时，评论数量的第4个题项的CITC（校正的项总体相关性）仅为0 . 4 1。CITC一般需要大于0.5才能说明项之间的相关性较好。将该题项删除后，评论数量的Alpha值（即Cronbach a值，为内部一致性信度系数）明显提升，达到了0.725，因此删除该题项合理，删除该题项后前测问卷题项的信效度分析结果如表2所示，其中KMO为Kaiser-Meyer-Olkin Measure of Sampling Adequacy的简称，当 $\rm KMO\geqslant 0.6 $ 时，代表可适合进行因子分析，从而便于本研究进行后续效度验证.

本次在网络平台上，共发放380份问卷，提出作答时间短、答题规律以及网购时不浏览评论的问卷，保留有效问卷345份，有效回收率为90.79%.

从表3可以看出，被调查者中，男性有160人，女性有185人，女性样本比男性样本多，男女比例分布较为均衡. 年龄统计分布上，18~39岁之间的人数为298人，占比88.96%，并且专科及以上样本有246份，占比71.3%，因此保证被调查人员理解问卷内容. 网购年限为1年以上的样本有312份，比例为90.43%，说明被调查人群对网购较为熟悉，有利于验证本文假设.

本文主要采用SPSS 22.0软件收回的问卷进行分析. 首先对问卷的40个题项进行信度测量，得到各变量的Cronbach's Alpha值，然后对测量题项的因子载荷进行效度分析，结果如如表4所示，各变量的Cronbach's Alpha值都大于0.6，可知该量表的内部一致性和稳定性较好，整体信度较高. 因子载荷均大于0.5，说明本问卷各测量变量的题项达到了效度分析要求，数据分析有效.

1) 相关性分析.

借助SPSS 22.0，对各变量采用Pearson相关性分析，显著性检验选择双尾检验，各变量的相关分析表如表5所示. 从表中可以看出，在0.01的显著性水平下，各变量分别和其他变量呈正相关. 表5数据显示，评论质量、评论时效性、评论数量、评论者资信度和网络环境认知对消费者购买决策均具有正向影响，假设H1、H2、H3、H4、H5均得到验证.

2) 评论可信度在在线评论与购买决策之间中介效应分析.

借助SPSS 2.0进行回归分析，回归分析各指标结果如表6所示，R方表示拟合优度，用于评估回归模型对观察值的拟合程度，adj-R方为调整后R方，代表矫正后自变量对因变量的预测力，R和adj-R方越大，说明回归模型越好。F值用于回归方程的显著性检验，用于推断模型中被解释变量与所有解释变量之间的线性关系是否显著，***代表相关性在0.001水平上显著。B为非标准化回归系数，代表非标准化预测变量和因变量的相关性，β代表标准化后预测变量和因变量的相关性，SE为标准误差，文中展现的为非标准化系数的标准误差值，T值为对回归参数的显著性检验值，**表示回归参数在0.01水平上显著。各指标在合理水平。评论可信度在评论时效性、评论数量、网络环境认知与消费者购买决策者之间的中介效应在0.05水平上显著，三者的回归系数稍有降低，这表明评论可信度是评论时效性、评论数量、网络环境认知与消费者购买决策者之间的部分中介变量，假设H7、H8、H10得到验证. 评论者资信度的测量由3个测量题项构成，其中一个测量题项代表评论者专业性，通过验证评论可信度在评论者专业性与消费者购买决策之间的中介效应。由表6可知，其中介效应在0.05水平上显著，加入中介变量后的回归系数降低，说明评论可信度是评论者专业性与消费者购买决策之间的部分中介变量，因此假设H9部分支持.

3) 信任倾向的调节作用.

将信任倾向分为高低两组，根据回收的问卷中信任倾向的得分进行分组，分别分析信任倾向高和信任倾向低对评论质量与消费者购买决策之间关系的影响情况. 分析结果如表7所示. 表7清晰显示了信任倾向高低的不同调节效应. 信任倾向高的一组，评论质量和购买决策的回归方程成立，说明评论的质量对购买意愿有正向影响；而信任倾向低的一组，回归方程不成立，说明信任倾向较低时，评论质量的高低不能对消费者的购买决策产生影响. 因此假设H11部分成立.

本文基于评论本身客观性、主观性、时间维度、评论者角度以及网络环境，采用在线评论的评论数量、评论质量、评论时效性、评论者资信度以及网络环境认知等角度，结合详尽可能性模型，研究评论质量和评论时效性的中心路径以及评论数量、评论者资信度和网络环境认知的边缘路径对购买决策的影响. 研究表明评论时效性、评论数量、评论者资信度中的评论者专业性维度以及网络环境认知对消费者购买决策有正向影响，这种变化都会通过评论可信度来最终作用于消费者购买决策. 高信任倾向会调节消费者对不同质量的评论所感知的可信度，信任倾向高感知到高质量评论的可信度更高. 具体研究结果如下表8所示。

在现有研究上，从在线评论不同的维度研究其对消费者购买决策的影响，尤其从网络环境的角度探索网络环境认知对消费者购买决策的影响，更加细化了在线评论的相关研究. 随着互联网的发展，结合消费者对网络平台的感知来研究其对决策制定的作用，弥补了先有研究的不足.

详尽可能性模型(ELM)主要从信息加工的角度通过评论可信度来研究在线评论对购买决策的影响. 本文基于详尽可能性模型(ELM)，以评论可信度为中介变量，消费者购买决策为因变量，从评论本身客观性、主观性、时间维度、评论者角度以及网络环境等方面，研究其差异对消费者购买决策的影响，为商家进行在线评论的管理以及平台环境的搭建和管理方面提供理论依据.

信任倾向作为调节变量，会影响消费者对评论质量的判断. 高信任倾向的消费者更容易相信他人的行为与言语. 根据本文的研究结论，信任倾向高的消费者认为质量高的评论其可信度更高，进而认同高质量的评论作出购买决策. 消费者的信任倾向并不是与生俱来的，网络安全机制的建设和网络服务都会影响消费者的信任倾向，进而影响行为，因此可以加强消费者的信任倾向，提高其对高评论质量的处理与利用. 今后的研究可以加强对消费者信任倾向的探索.

本研究表明时效性强、数量多、评论者专业的评论以及消费者对网络环境认知高能够产生更强的评论可信度，从而影响消费者的购买意愿与决策. 商家可以有效利用该结论对网络平台的评论和网络环境进行管理. 首先，商家积极引导消费者在购买商品后及时对商品进行评论，建议消费者根据自己的真实想法，详细表达自己的评论，尽量避免消费者只购买而不评论. 其次，随着评论的累积，商家可以搜集和整理评论，利用数据分析方法，分析出评论中消费者比较看重的商品特性，在进行商品改进和升级时，可以对这些特性进行加强，在宣传时也可对以往消费者看重的商品特性上宣传，从而更切合消费者心理，提高消费者满意度. 另外，商家对等级高的评论者可以适当提供奖励，鼓励这些评论者进行追加评论，并且可以定期抽取优质评论者进行其他产品免费试用，鼓励产品使用者留下评论. 最后是关于网络环境建设，如今广告信息泛滥，消费者对网络购物环境安全性的认知容易降低. 如果消费者对购物体验表示不满，商家需要及时为消费者提供补救服务. 商家还应加强店铺网络安全防范，保护消费者隐私，避免信息泄露，通过网络环境的提升，提高消费者的信任倾向.