栾 攀 张 宁
（青岛大学商学院，山东 青岛 266001）
【摘 要】随着在线评论数量的激增，如何从海量评论中获取有价值的信息成为人们网购时面临的新问题。本文从认知理论角度，应用ELM（精细加工可能性模型）分析框架，对大众点评网中服务行业的评论数据进行了实证分析，探讨了在线评论有用性的影响因素，以及它们对评论有用性的作用机理。研究结果表明，评论的显性因素和隐性因素均可能对评论有用性产生作用，并且隐性因素中的评论深度对评论有用性还呈现倒U型关系。此外，服务涉入度对隐性因素与评论有用性的关系具有正向调节作用，但对显性因素，服务涉入度的调节作用并不明显。
教育期刊网 http://www.jyqkw.com
关键词 评论有用性；精细加工可能性模型；显性因素；隐形因素；服务涉入度
※基金项目：国家自然基金（71403138）；山东省软科学项目（2014RKB01324）。
作者简介：栾攀（1989—），女，山东济宁人，硕士，主要从事电子商务在线评论研究。
张宁（1980—），男，山东聊城人，博士，副教授，主要从事电子商务在线评论研究。
0 引言
在线评论已成为多数消费者网上购物时关注的重要信息之一，在很大程度上决定了消费者的购物意愿。营销领域的研究表明，在线评论的传播在减少顾客购买时的不确定性和帮助其制定有效的购买决策方面发挥重要作用[1-2]。原因在于，其他用户提供的信息间接地给予了顾客产品的相关体验，所以对顾客来说，购买者提供的商品信息可信性更高，在他们制定购买决策时也更加有用。
然而，随着在线评论数量的激增，顾客怎样才能获得众多评论中有价值的信息？网上卖家如何引导顾客发觉他们需要的信息，并缩短顾客制定购买决策的时间?探讨在线评论有用性的影响因素及其作用机制，将为解决以上问题提供帮助。
国内外学者的相关研究，发现了一系列评论有用性的影响因素，也有学者对在线评论的信息加工机制进行了进一步的探索，取得了一系列有价值的研究成果，但相关研究还没有形成统一的研究框架，在理论分析框架的完善、研究领域的拓展等方面还有待于进一步的深入研究。本文站在认知理论角度，应用ELM（精细加工可能性模型）分析框架，对大众点评网中服务行业的在线评论数据展开实证研究，揭示出服务领域的在线评论有用性的影响因素，并且进一步探讨它们对评论有用性的作用机理。
１ 研究内容与假设
１.1 精细加工可能性模型（ELM）
社会心理学领域中的双重加工理论(Dual-process Theory)研究了信息内容及相关因素在塑造人们的认知和行为时所扮演的角色，在说服和态度转变的相关研究中得到广泛应用。ELM是应用双重加工思想最突出的理论之一，由心理学家Petty和Cacioppo提出，解释了人们在面对说服性信息时态度变化的内部反应机制[3]。根据ELM模型，基于信息接收者的能力和动机，他们在判断论点的核心价值时的信息加工过程是不同的。此外，ELM认为个体之间的态度的改变可能是受两个“路径”的影响，即：中心路径和边缘路径。两者的不同就在于对信息进行全面处理的能力和个人精细加工的动机。
对于大众点评网上的在线评论而言，有些评论属性直接显示在当前评论页面，并且无需对其进行深入加工和再处理，我们称为“显性因素”(Dominant factor)，比如评论的星级可以直接影响用户对产品或服务的评判。此外，有些评论属性隐藏在当前评论页面以外，需要用户进行进一步探寻，或者即使在当前页面显示但仍需深入阅读，我们称为“隐性因素”(Recessive factor)，比如评论文本内容无法被用户直接利用，需要用户深入阅读才能对产品或服务进行评判。由此，我们可以将评论相关的属性变量基于ELM模型归纳为显性因素和隐性因素两类。
1.2 假设提出与模型建立
１.2.1 显性因素
在大众点评网上，评论价效和评论者信用可以直观地被用户发现，并且不需要对其进行再处理就可以对用户感知该评论信息是否有用产生影响，这恰恰具有显性因素的特性。因此，评论价效和评论者信用是影响评论有用性的显性因素。
1）评论价效（Review Valence）
在线顾客评论中往往都会有一个整体评分属性（一般是1～5分），也就是评论者用价效的方式对自己关于该服务的整体态度所给的分值，其中1分代表极端负面的评价，5分代表极端正面的评价。大量的相关研究表明，评分的高低对评论有用性有显著的影响，但是观点却不尽相同。近年来，更多的学者开始认为适中的评论由于它可以给出产品或服务正反两方面的评价而可能被用户感知为更为有用[4－5]。本文认为，价效适中的评论能够提供给人们更加客观的产品或服务信息，对用户而言更加有用。由此提出以下假设：
H1:在线评论的评论价效与评论有用性之间存在倒U型关系。
2）评论者信用（Reviewer Credibility）
之前的研究者已经证明，信息来源会对信息采纳产生重要影响[6－7]。一般人们根据评论者以往发布的评论信息状态所感知的该评论者受信任程度，是评论发布者重要的相关信息之一[8]。本文认为，评论者信用的高低会对用户判断评论是否有用产生影响，信用越高的评论者发布的评论对用户而言越有用。由此提出以下假设：
H2:评论者信用与评论有用性正相关。
１.2.2 隐性因素
评论深度是指评论文本所提供的信息详尽度，这需要评论信息的接收者仔细阅读评论文本之后得到，即，需要用户付出相关努力才能得到，这符合隐性因素的定义。此外，对于大众点评网上的评论数据，评论信息接收者无法直接浏览到与评论者声望有关的数据信息，即，接收者必须进入该评论者的个人页面才能够了解评论者的声望情况。因此，评论深度和评论者的声望是影响在线评论有用性的隐性因素。
1）评论深度(Review Depth)
由于在线评论属于开放式的交流方式，文本深度会对顾客评估一条评论是否有用产生影响。近年来的研究也发现，在线评论中文本深度会影响评论有用性 [9]。Mudambi 和 Schuff (2010)在研究中发现评论文本深度与评论有用性之间有直接的联系，评论有用性会随着文本字数的增加而增大[10]。对于用户而言，评论深度越大，它所能提供给用户参考的相关信息越多，也就越有利于用户了解该产品或服务的各项属性，从而做出用户自己的决策，那么对于用户来说这条评论也就越有用。相反，评论深度越小，用户从该评论中所能得到的相关信息也就越少，用户也就会感知该评论的有用性程度越小。然而，也有学者指出，随着内容的增多，评论的复杂性也会提高，过于冗长复杂的评论的有用性反而会降低。本文认为，评论文本的深度会影响评论的有用性，文本深度适中的评论更容易被用户接受，评论有用性更高。由此提出以下假设：
H3:在线评论的评论深度与评论有用性之间存在倒U型关系。
2）评论者声望(Reviewer Reputation)
声望是区分不同评论者的重要属性，并且是线上环境中获得他人信任的有力保障。Jeppesen 和 Frederiksen (2006)认为评论者发布的评论信息越受到其他人的赞同，该评论者就会越努力的填写评论信息[11]。
Bator 和 Cialdini (2001)认为评论者的声望是理解说服性信息的基本的影响因素[12]。本文认为，评论者声望会正向影响评论有用性，即声望高的评论者发布的评论对用户而言更有用。由此提出以下假设：
H4:评论者声望与评论有用性正相关。
１.2.3 服务涉入度
最早提出涉入(Involvement)这一概念的学者是Sherif 和 Cantril (1947)，他们在其有关社会判断理论的研究中提出的。Zaichkowsky (1985)认为涉入度是个人基于内在需求、价值以及兴趣对特定事物的关注或投入程度。本文研究了服务类产品的涉入度对在线评论相关因素与在线评论有用性之间关系的调节作用，本文用服务涉入度(Service Involvement)表示。
根据本文基于在线评论的ELM模型，人们信息处理的过程是沿边缘路径还是沿中心路径取决于人们涉入度的高低。高涉入度的服务是指与用户有较强的相关性的服务，此时，用户便是沿ELM模型中的中心路径对信息进行处理，隐性因素在信息加工过程中起到了重要作用。相反，对于低涉入度的服务，用户投入的精力相对较少，仅仅依赖在线评论中显性属性就可以让他们形成对该服务的态度，此时，显性因素在信息加工的过程中起到了比较重要的作用。由此本文提出以下假设：
H5a:服务涉入度对评论价效与评论有用性的关系具有负向调节作用，服务涉入度越低，评论价效对评论有用性的影响越大。
H5b:服务涉入度对评论者信用与评论有用性的关系具有负向调节作用，服务涉入度越低，评论者信用对评论有用性的影响越大。
H6c:服务涉入度对评论深度与评论有用性的关系具有正向调节作用，服务涉入度越高，评论深度对评论有用性的影响越大。
H6d:服务涉入度对评论者声望与评论有用性的关系具有正向调节作用，服务涉入度越高，评论者声望对评论有用性的影响越大。
基于以上的考量，本文基于ELM的评论有用性影响因素作用机制模型如图1所示。
3 数据收集与研究设计
3.1 数据收集
本文的在线评论数据来源于大众点评网的用户评论。在大众点评网上的商户信息页面上我们可以看到该商户的整体消费水平以及之前的消费者对于该商户服务发表的评论。本文收集了大众点评网上三个不同城市（北京、上海、青岛）的多个商家的相关评论信息，提取了评论中与本文研究相关的信息。由图2我们可以看出，评论价效和评论者信用直观地显示在评论页面中，属于评论的显性属性。评论文本需要用户深入阅读，属于评论的隐性因素。图3显示了点击评论者图标后显示出的评论者信息页面，评论者声望隐藏在此页面中，属于隐性因素。
3.2 回归模型与变量设置
3.2.1 回归模型
基于我们对评论有用性与评论相关属性之间的假设，本文建立了以下多元回归模型来检验在线评论有用性影响因素以及他们之间的作用机制。
3.2.2 变量设置
1）因变量
本文回归模型的因变量是评论有用性（Helpfulness），即人们认为评论的有用性程度。本文使用线上用户对该评论的点赞总数作为在线评论有用性的测量指标。
2）显性因素
本文回归模型显性因素的自变量是指直接显示在当前评论页面，并且无需对其进行再处理和深入加工的变量，包含评论价效和评论者信用。
评论价效（Valence）：Mudambi 和 Schuff (2010)在其研究中使用了评论星级表示评论中的评论价效，并被以后的研究者广泛运用[10]。所以本文使用评分作为评论价效的衡量指标。
评论者信用（Credibility）：在大众点评网上，评论者的勋章个数是由评论者在大众点评网上的活跃程度、发表评论数以及粉丝数目等综合得出的，代表了他在大众点评网上的等级，所以本文引入评论者的勋章个数作为该评论者信用的测量指标。
3）隐性因素
本文回归模型的隐性因素的自变量是指隐藏在当前评论页面以外，需要用户进行进一步探寻，或者即使在当前页面显示但仍需深入阅读的变量，包含评论深度和评论者声望。
评论深度（Depth）：本文统计评论者发布的评论信息文本中包含的字符数作为该评论深度的测量值。
评论者声望（Reputation）：大众点评网上用户可以对自己支持的评论送鲜花，评论者得到的鲜花数越多，该评论者受人们拥戴的程度也就越高，他的声望也就越高，所以，本文引入评论的发布者总共所得的鲜花数作为评论者声望的测量指标。
4）调节变量
一些文献指出，产品或服务的价格会影响消费者对产品或服务信息的关注程度，可以作为涉入度的替代变量。对于价格较高的服务来说，人们会更加细致的处理与该服务相关的信息来增强自己制定决策的信心，隐性因素就变得尤为重要。相反对于价格较低的服务而言，人们对信息的关注度则会降低，具有启发性的显性因素也就变得重要了。因此，本文使用服务的平均价格作为调节变量服务涉入度的衡量标准。
5）控制变量
除了以上的主要变量之外，还存在其他的潜在变量对评论有用性产生影响。本文选取日期与地域作为控制变量。
日期（Date）：一些学者研究证明，信息的呈现顺序对用户的行为有显著影响。所以评论展示的时间长短会对评论有用性高低产生一定的影响。本文引入日期（即该评论发布日期距离收集日期的天数）作为模型的控制变量。
地域（Beijing、Shanghai）：对于不同地域的人们对于评论有用性的感知可能会有不同，本文的分析研究的样本数据来源于北京、上海、青岛3个城市，为了控制地域因素对评论有用性的影响作用，本文引入Beijing、Shanghai两个地域控制变量。
具体变量设置如表1所示。
综上所述，本文基于以下几条规则对餐馆商户的评论信息进行了选取。第一，为防止由于不同商家进驻大众点评网的日期不同产生的影响，选取了距离搜集日2014年4月27日365天（即一年）内的数据。第二，剔除评论有用性投票数为0的样本，大众点评网上的在线评论数目虽然多，但是对于同一个商铺的服务评论中有用性投票为0的评论数量过多，对于本文研究来说没有意义。第三，剔除无整体评分的评论。最后得到1385条评论样本。
4 实证分析结果
我们运用spss17.0对样本数据进行了层级回归分析。表2给出了回归分析结果。
在模型2中我们加入了评论显性因素与隐性因素后，相对于仅含控制变量的模型1，回归方程的解释能力显著提高（△R2=0.2872，p<0.01）。回归结果显示，评论价效（Valence）和评论价效平方（Valence2）的系数不显著（p>0.1），表明评论价效对评论有用性的作用不明显，H1未得到支持。评论深度（Depth）的系数为正（β4=0.0109，p<0.01），评论的深度平方（Depth2）的系数为负（β5=-0.0000，p<0.01），表明评论深度与评论有用性之间呈倒U型关系，即评论深度适中的评论的有用性更高，H3得到支持。评论者信用（Credibility）的系数为正（β3=0.2173，p<0.01），表明评论者信用对评论有用性具有显著的正向作用，即评论者信用越高，评论有用性也越高，H2得到支持。评论者声望（Reputation）的系数为正（β6=0.0004，p<0.01），表明评论者声望对评论有用性具有显著的正向作用，即评论者声望越高，评论有用性也越高，H4得到支持。综上，模型2的回归结果显示，评论深度、评论者信用和评论者声望对评论有用性有显著的影响，评论价效对评论有用性的作用不明显。H2、H3、H4在回归分析检验中得到支持。
模型3加入调节变量服务涉入度（Involvement）及其与评论相关的显、隐性因素的交互项，回归方程的解释能力进一步得到显著提高（△R2=0.0868，p<0.01）。服务涉入度与评论显性因素的交互项系数均不显著（p>0.1），H5a和H5b未得到支持。InvolvementDepth的系数显著为正（γ4=1.5449，p<0.01）， InvolvementDepth2的系数显著为负（γ5=-1.1748，p<0.01），表明在服务涉入度高的情况下，评论深度对评论有用性的作用增大，服务涉入度对评论深度与评论有用性的关系存在正向调节作用，H6a得到支持。 InvolvementReputation的系数显著为正（γ6=1.8808，p<0.01），表明在服务涉入度高的情况下，评论者声望对评论有用性的作用增增大，服务涉入度对评论者声望与评论有用性的关系存在正向调节作用，H6b得到支持。
综上所述，评论者信用、评论深度和评论者声望对评论有用性有显著影响，服务涉入度对隐性因素与评论有用性的关系具有显著调节作用，这与本文理论假设相一致。评论价效对评论有用性的影响不显著，导致这种结果的原因可能是因为对于服务类的产品而言，人们更多的会注重评论的文本信息或者更为有价值的信息来判断该条评论对于自己而言是否有用，而不是仅仅依靠他人对该服务的评分来判断。服务涉入度对显性因素与评论有用性之间的调节作用不显著。本文假设的整体检验结果如表3所示。
5 结论
本文主要围绕在线评论的显隐性因素对评论有用性的影响作用和服务涉入度对两者的调节作用进行了研究。并借助于实证研究的方法，对本文的模型进行了验证。总体而言，本文的研究得到了以下结论。
第一，文本深度适中的评论对用户来说更为有用。提供服务的商家应该多重视深度适中的评论，根据这些评论所给出的建议，不断改善服务。评论的发布者应该多发布评论文本深度适中的评论，为其他用户提供更加有用的信息。此外，对于像大众点评网一样的第三方评论网站而言，应该引导在线消费者提供规范的在线评论。在提供评论信息时，应尽可能的描述与服务相关的属性特征、或者结合自身的感受描述服务的优点与缺陷等，提供更加真实可靠的相关信息。
第二，评论者信用和评论者声望与评论有用性有显著正相关关系。所以，在线消费者在参与网上评论的过程中，应积极提供较为准确的评论信息，提高自己的社区信用和声望，这样才能提供更为有用的评论。
第三，服务涉入度对评论显隐性因素与评论有用性的关系具有调节作用，对于涉入度较高的服务，隐性因素（评论深度和评论者声望）对评论有用性的影响作用要比涉入度较低的服务的大一些。所以，提供不同服务的商家对评论相关属性的注重应该有所不同。
此外，本文检验了社会心理学中的ELM模型在关于在线评论有用性影响因素的研究中的适用性，拓展了社会心理学的相关理论的应用范围，并且丰富了在线评论领域的研究范畴。本文将对影响在线评论有用性的研究引入到了服务领域，将服务涉入度的调节作用引入到了在线评论有用性研究的模型框架中，并使用来自大众点评网服务领域的评论数据对在线评论有用性影响因素模型进行了检验，拓展了在线评论研究的领域。
本文的研究证实了部分以往的研究成果，同时也为后续的相关研究提供了一些理论参考依据。在本文的研究基础上，未来的研究可以将信息的接收者纳入影响因素模型中来，从而对本文的模型进一步的完善。此外，未来的研究也可以再对其他类的点评网站进行进一步研究，或者将提供数据的网站类型等作为调节变量进行研究，增强研究结果的适用性。
教育期刊网 http://www.jyqkw.com
参考文献
［１］Katz E, Paul F. L Personal Influence: The Part Played by People in the Flow of Mass Communications [M]. New York: Free Press,1955.
［２］Arndt J. Role of product-related conversations in the diffusion of a new product [J]. Journal of Marketing Research, 1967,4(3):291-295.
［３］Weiss A, Lurie N., Watts S. Knowledge adoption in online communities of practice [M]. In S.T. March, A. Massey, and J.I. Degross (eds.), Proceedings of the 24th International Conference on Information Systems. Seattle: Association for Information Systems, 2003, pp.96-109.
［４］Ba B. S, Pavlou P. Evidence of the effect of trust building technology in electronic markets: price premiums and buyer behavior [J]. MIS Quarterly, 26,3, 2002,243-268.
［５］殷国鹏,刘雯雯,祝珊.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].图书情报工作,2012,56(16),140-147.
［６］Briggs P, et al. Trust in online advice [J]. Social science Computer Review, 20, 3 (fall 2002),321-332.
［７］Bristor, Julia M. Enhanced Explanations of Word of Mouth Communications：The Power of Relationships [J]. Research in Consumer Behavior, 1990,4:51-83.
［８］郭国庆,陈凯,何飞.消费者在线评论可信度的影响因素研究[J].当代经济管理,2010,32(10),17-23.
［９］Racherla P, Friske W. Perceived ‘usefulness’ of online consumer reviews: An exploratory investigation across three services categories [J]. Electronic Commerce Research and Applications, 2012,11(6),548-559.
［１０］Susan M, David S. What makes a helpful online review A study of customer reviews on amazon.com. [J]. MIS Quarterly, 2010,34(1):185-200.
［１１］Jeppesen L. Frederiksen L. Why do users contribute to firm-hosted user communities [J]. Organization Science, 17,1,2006,45-63.
［１２］Bator R., Cialdini R. The application of persuasion theory to the development of effective pro-environmental public service announcements [J]. Journal of Social Issues,56,3,2001,527-542.
［责任编辑：邓丽丽］
