消费者认为怎样的在线评论更有用？——社会性因素的影响效应，本文主要内容关键词为：在线论文,社会性论文,效应论文,有用论文,消费者论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、绪论
近些年，由于电子商务与Web2.0社会化网站的飞速增长，互联网用户创作的网络口碑(online word-of-mouth，包括社区/论坛、博客/微博、社交网站等形式)已经成为消费者在选择、购买产品或服务时的重要信息源(Duan et al.，2008a)，能够跨越地理与时间限制，进而在一定程度上替代传统意义的口碑传播(Li & Hitt，2008)。在线评论(online review)是网络口碑的一种重要形式，一般指潜在或实际消费者在电子商务或第三方评论等网站上发表产品或服务的正面或负面观点(Chen & Xie，2008)，通过在线方式传递给大众群体，也是用户与商家之间的在线互动与信息交流。目前，绝大部分的电子商务网站、社区型网站、第三方评论网站会为用户提供星级评分以及撰写评论功能等，这会有助于提升消费者对网站社会化呈现的感知程度，并且有助于增强客户黏性(Jiang & Benbasat，2004)。
国际著名市场研究公司Jupiter Research调查分析显示：超过75%的消费者在线购买商品之前，会参考互联网用户所写的产品评论信息；超过90%的大企业相信，用户推荐和评论意见在影响消费者购买决策的决定性因素中占据重要位置。在学术界中，网络口碑(在线评论)与消费者购物决策影响关系同样是理论研究的热点议题。近些年，一直有不少研究以图书、电影、酒店与餐馆等为研究对象，着重探讨在线评论的关键客观特征—数量(volume)、星级/效价(rating/valence)等对于产品销售情况的影响效应，并以客观二手数据与计量模型进行严谨的实证分析(Chevalier & Mayzlin，2006；Duan et al.，2008b；Ye et al.，2011；郝媛媛、叶强等2009；卢向华，2009)，但是研究结论也存在一些差异，缺乏共识性的理论框架与规律发现(Zheng et al.，2011；郝媛媛、叶强等，2010)。
近一两年，企业进一步关注如何有效管理与应用在线评论，国外Amazon、Tripadvisor等，国内京东商城、豆瓣网等均会在每条评论旁边设置“这条评论对您有用吗”①的消费者投票，并且显示有用性投票比例(例如：“80/115人认为此评论有用”)。消费者能够根据有用性评价筛选或排序在线评论，会有助于减轻信息过载与认知成本问题(Cao et al.，2011；Ghose & Ipeirotis，2009；Willemsen et al.，2011)，提升消费者使用体验以及服务满意度(Connors & Mudambi，2011)。Mudambi和Schuff(2010)明确提出，在线评论有用性(helpfulness of online review)的理论构念，将它定义为在消费者决策过程的感知价值，从而与已有文献中信息诊断力(diagnosticity)具有良好的理论一致性(Jiang & Benbasat，2004；Pavlou & Liang，2007)。目前，不少实证研究指出，有用性越高的在线评论对消费者说服效果也越好(Pan & Zhang，2011)、对购买决策影响也更加显著(Chen et al.，2009)，亦即表明并非每条评论对于消费者而言是同等重要(Pan & Zhang，2011；Willemsen et al.，2011)。
然而，已有研究大多关注从聚合层面(aggregate-level)考察在线评论与产品销售之间的影响关系，却忽视了从个体层面(individual-level)研究评论信息被消费者处理接受、感知价值进而影响购买决策的复杂过程(Lee & Lee，2009；Stephen & Lehmann，2012；殷国鹏、祝珊，2011)，亦即“消费者认为怎样的在线评论更有用？”这一问题。近一两年来，最新文献从不同的管理学科视角探讨这一问题，研究影响消费者对于在线评论有用性评价的因素及模型(Huang et al.，2011；Korfiatis et al.，2012；Wang et al.，2011；Willemsen et al.，2011；Wu et al.，2011)，希望能够准确理解并预测在线评论有用性的消费者评价，从中挖掘互联网用户创作内容的经济价值(Ghose & Ipeirotis，2009；Ye et al.，2011)。尽管相关研究已经取得一些初步成果，也存在一些未解决的理论问题及不足：首先，由于该问题研究刚起步，已有文献多以启发式研究为主，缺乏明晰的理论分析框架，难以解释有用性评价的影响机制；其次，已有研究大多关注评论的内容特征，所探讨影响因素较为局限，尤其是缺乏考察评论者的个体特征，尤其是社会性因素；第三，电子商务、第三方评论网站不断增添与丰富社会化功能，这就更加需要考察社会性因素对于在线评论有用性的影响效应。
本文在已有研究文献基础上，围绕“消费者认为怎样的在线评论更有用？”这一核心问题，以说服的双过程模式为分析框架，在考察评论内容质量同时，基于从众效应、社会网络等视角重点研究与平均星级差异、评论者特征等影响消费者有用性评价的社会性因素，进而构建在线评论有用性理论模型。之后，本文选择豆瓣网为研究对象，从而为检验理论模型，特别是社会性因素的影响效应提供了丰富的二手实证数据。
论文安排如下：第二部分是文献综述及理论基础；第三部分是理论模型与假设开发；第四部分是研究方法与设计，包括数据收集、分析方法等；第五部分是模型的实证分析与结果讨论；最后是文章结论与进一步研究展望。
二、文献综述与理论基础
(一)在线评论有用性相关研究述评
在线评论对于消费者决策影响是一个极微妙的复杂过程(Chen et al.，2009；Lee & Lee，2009)，有用性理论概念捕获在线评论对于购买决策的劝说效果与潜在价值，也有一些文献使用有效性(effectiveness)(Cheung & Thadani，2012)、劝说能力(persuasion)(Schlosser，2011)等类似表述，在实证研究中既有采用二手客观数据(Cao et al.，2011)，也有收集实验或问卷数据(Connor & Mudambi，2011)。在线评论有用性研究注重从微观层面探讨“消费者认为怎样的在线评论更有用？”这一核心问题(Korfiatis et al.，2012；Pan & Zhang，2011)，研究成果会有助于理解在线评论与消费者决策之间影响关系的理论机制(Ghose & Ipeirotis，2011；Zheng et al.，2011)。
在文献综述与深度分析基础上，本文认为现有的在线评论有用性研究主要从以下两个方面展开探讨。
首先，与已有在线评论与销售情况聚合影响研究类似，在线评论有用性研究大多集中在评论的内容特征，包括星级评分②/极端性(Korfiatis et al.，2011；Mudambi & Schuff，2010；邱凌云，2008)、评论长度(Zhang et al.，2010；Mudambi & Schuff，2010)、正向/负向陈述(Cheung et al.，2009；Connors & Mudambi，2011；Schlosser，2011)，上述特征相对客观且较易测量。Mudambi和Schuff(2010)发表于MISQ研究论文明确界定在线评论有用性概念，借鉴信息经济学与决策不确定性理论框架，基于Amazon数据的计量模型分析表明评论极端性(星级衡量)、评论长度对在线评论有用性具有直接影响，并且考察搜索型与经验型产品的调节效应。Zhang等(2010)运用计量模型分析，在控制消费目的情况下，表明正向/负向陈述(以星级评分衡量)、评论长度对于在线评论劝说能力(以亚马逊有用性投票衡量)有着显著性影响。郝媛媛、叶强等(2010)在扩展Ghose等学者的研究基础上，从文本特征出发探索影响在线评论有用性的因素，并以影评数据进行实证分析。
另一方面，较少文献发现在研究评论的内容特征之外，需要进一步考察“谁发表的在线评论更有用”的问题(Connors & Mudambi，2011；Forman et al.，2008；Hu，2008；Pan & Zhang，2011；孙春华、刘业政，2009)。Forman等(2008)、Ghose和Ipeirotis(2011)基于在线数据实证研究表明：评论者特征—身份信息、评论者排名、已发表评论数量等，会积极地影响消费者对于在线评论的有用性评价，并更加显著地影响产品销售情况。Hu(2008)以交易成本经济学理论研究在线评论有效性问题，发现消费者不仅关注在线评论的星级，还会受到评论者在网络中表现的专家身份、活跃程度等因素影响。Connors和Mudambi(2011)通过实验研究得到类似结论，评论者在网络中表现的专家身份会影响其发表评论的有用性评价。上述初步的实证结果与社会心理学的说服理论是较为一致的，亦即表明信息源会影响信息接受者对传播信息的感知价值与接受程度(Bhattacherjee & Sanford，2006；Stephen & Lehmann，2012；Forman et al.，2008)。
表1梳理并分析上述在线评论有用性的重要文献，进而清晰地了解影响消费者对于在线评论的有用性评价的关键因素。
综上所述，已有研究集中在评论的内容特征，评论者视角因素关注不够，特别是几乎没有考虑评论者社会性因素的影响效应。然而，电子商务、第三方评论网站在不断丰富社会化功能，更加凸显现有研究忽略社会性机制在评论有用性影响中的重要角色，这既是现有研究空白点，也是本研究的理论贡献所在；另一方面，现有文献在评论有用性影响因素选择大多是启发式分析方法(Wang et al.，2011；Connors & Mudambi，2011；Pan & Zhang，2011)，缺乏具有共识性的参考理论。针对这一局限，本文选择社会心理学领域的信息传播与说服理论为模型构建的理论分析框架，下述(二)将会简述说服的双过程模式及相关研究。
(二)说服的双过程模式
说服是信息传播与处理的最基本形式之一，被定义为个体接收别人发出的信息而产生态度或行为的改变，一直是社会心理学研究的热点领域(Bhattacherjee & Sanford，2006；郭镇之、徐培喜，2006)。在众多说服过程模式中，启发—系统式模型(Heuristic-Systematic Model，HSM)、精细加工可能性模型(Elaboration Likelihood Model，ELM)是两个最具代表性的双过程模式(Chaiken，1980；Petty & Cacioppo，1986)，被广泛用于广告营销、消费者行为、知识管理等领域研究。HSM、ELM在信息处理及态度改变方面给出类似解释机制(Angst & Agarwal，2009；Cheung et al.，2009)：HSM的系统式处理、ELM的中心路径表明个体会对接收的信息仔细地、系统化分析，精心考虑是否接受信息所包括观点，进而导致态度改变；HSM的启发式处理、ELM的边缘路径表明个体根据信息的某些情境线索，运用简单决策规则来形成判断，进而决定是否接受说服。
图1 信息接受模型
在信息系统研究领域，Sussman和Siegal(2003)较早地将ELM模型应用于在线信息沟通情境，提出了信息接受模型(Information Adoption Model)，如图1所示。该模型首次定义了“信息有用性”理论概念，并且认为信息内容质量、信息源可靠性是影响接收者感知信息有用性的直接因素。
之后，不少文献开始运用说服的双过程模式分析、理解互联网环境下用户处理信息进而影响决策的过程(Cheung et al.，2012；Chu&Kamal，2008；Zhang et al.，2010；张子坤，2010)，从而表明说服的双过程模式能够为探讨在线评论有用性问题提供具有适用性的参考理论框架。
图2 在线评论有用性理论模型
三、理论模型与假设
根据文献综述，已有研究较多集中于在线评论的内容特征，包括客观定量特征、定性文本因素等，也缺乏较为一致的理论分析框架。以说服的双过程模式为分析框架，消费者对于在线评论的有用性评价可以视为信息处理与态度改变过程，本文从评论内容特征、以及评论者特征两方面考察评论有用性的影响因素，并注重分析其中社会性因素的影响效应。因此，本文在考虑评论的内容特征之外，借鉴从众效应、社会网络等理论视角，着重研究与平均星级差异、评论者因素影响在线评论有用性的社会性机制(图2所示)，从而弥补已有研究的不足之处，期望做出较大的理论贡献。
(一)评论长度
ELM及相关研究表明，消费者在进行购买决策时，所能获得的产品质量、商家信誉等信息往往是不完全的，需要通过信息的搜寻来降低消费的不确定性(Petty & Cacioppo，1986；Sussman & Siegal，2003)。Chevalier和Mayzlin(2006)实证研究表明，评论长度暗示消费者会阅读具体评论内容，而不仅依赖于查看评论星级的汇总数据。评论长度可能会刺激评论阅读者仔细浏览，加深或改变原有的态度，提高对产品或服务的认知度，抵消用户的不确定性(Mudambi & Schuff，2010)。若是信息获取不需要额外的搜寻成本，评论长度带来的信息诊断力增加会更加有益于大众消费者(Johnson & Payne，1985)，进而提升消费者对该条评论的有用性评价。因此，本文提出如下研究假设。
假设1a(H1a)：在线评论长度与消费者对其有用性评价之间是正向相关关系。
另一方面，认知负荷理论(Cognitive Load)假设人类的认知结构由工作记忆和长时记忆构成，工作记忆容量是有限的，一次只能存储、处理较少的信息(Sweller，1988)。为了使加工得以顺利进行，当前进入工作记忆的信息量不能超过工作记忆容量。否则，就会引起认知资源的分配不足，从而影响个体学习或问题解决的能力，此种情况就成为认知超载(cognitive overload)。当消费者阅读在线评论时，他们在工作记忆之中处理信息，评论长度是表征认知负荷的关键指标之一(Gan et al.，2012)。由于工作记忆的有限容量，尽管在一定范围内，丰富的评论信息会有助于消费者购物决策。但是，一旦评论信息的处理需求达到工作记忆的上限，那么就会造成消费者的认知超载，并且使得人们难以较好地进行决策制定。因此，我们可以得出如下研究假设。
假设1b(H1b)：在线评论长度超过一定范围时，与消费者对其有用性评价之间是负向相关关系。
(二)与平均星级差异——从众效应
从文献综述来看，评论星级(包括极端性)几乎是所有研究均会探讨的客观特征，众多学者从信息诊断力(diagnosticity)、信息源可信度等理论视角进行了相当多理论与实证探讨(Wu et al.，2011；Zheng et al.，2011)，并且考虑了产品类型的调节作用(Mudambi & Schuff，2010)。从信息诊断力视角出发，不少研究大多认为相比较极端正向或负向用户评论而言，中间态度、观点表达不明晰的在线评论会被认为缺乏信息增加值，对于购物决策的影响价值有限，进而会被消费者给出较低的有用性评价(Forman et al.，2008；Pavlou & Dimoka，2006)。因此，本文可以提出如下研究假设。
假设2a(H2a)：与平均星级差异(正向、负向)和消费者对在线评论的有用性评价之间是正向相关关系。
另一方面，有用性评价实际是通过社会化投票机制来组织、应用在线评论。因此，本文与已有研究最大差异在于：基于社会心理学的从众效应(Conformity)视角，探讨单一评论星级与该产品平均星级差异将会如何影响在线评论的有用性评价。从众效应是社会心理学中社会影响研究的成果，指人们自觉不自觉地以大多数人的意见为准则，做出判断、改变自身态度与行为的心理过程(郭镇之、徐培喜，2006)。针对在线评论的社会化投票机制，消费者对于评论有用性进行评价时不仅会考虑评论内容、信息源等因素，也同时会受到其他消费者意见的影响(Cheung et al.，2009)。所以，当单条评论星级与产品平均星级之间一致性程度越高的话，消费者就有可能对于该条评论给出更高的有用性评价。综上所述，与平均星级差异(正向、负向)较大的单条评论，由于并非代表评论者的共识性意见，在从众效应下消费者会选择给出较低的有用性评价。因此，本文提出如下研究假设。
假设2b(H2b)：与平均星级差异(正向、负向)和消费者对在线评论的有用性评价之间是负向相关关系。
(三)评论者特征——社会网络效应
文献综述与分析表明，评论者因素在已有研究中关注不够，并且主要考察评论者身份信息的影响效应(Forman et al.，2008)，几乎未曾涉及评论者的在线社会网络，但是在互联网的社会化发展趋势下理应加以关注(Smith，2007)。说服的双过程模式表明，当信息接收者沿着边缘路径处理信息时，信息源的可靠性(Credibility)往往是最重要的线索，直接影响信息接收者的基本判断(Chu & Kamal，2008；Cheung，2009；金立印、王如意，2008)。在概念化层面，信息源的可靠性可以从两个维度表征(Bhattacherjee & Sanford，2006；Zhang et al.，2010)：可信任度(trustworthiness)、专业能力(expertise)。
相应地，在线评论的情境下，评论者专业能力、可信任度是影响其发表评论的有用性评价高低的关键因素(Wang et al.，2011；于春玲等，2011)，也是消费者进行评价判断时会采用的重要启发式规则(Cheung et al.，2012；Cheung & Thadani，2012)。从社会网络视角分析，中心度(Centrality)是分析网络中节点特性分析的关键步骤，是衡量个体在社会网络中影响力的重要指标(Smith et al.，2007)，并且在一定程度上反映个体的社会资本(Ellison et al.，2007；殷国鹏等，2006)。譬如，基于Web2.0视频网站(YouTube)在线数据的实证研究表明，社会网络在用户创作内容扩散与影响过程起到重要作用，视频内容创作者所链接的订阅者越多，那么该视频易于得到正向评价，并进一步加速视频内容的传播与扩散(Susarla et al.，2012)。此外，相关研究表明，个体节点的网络中心度与其可信任感之间具有相当强的正向相关性，亦是高中心度节点社会资本的一种体现(Prell，2003；Wang et al.，2011)。综上所述，在消费者对用户评论的有用性评价过程中，评论者的网络中心度将会起到积极的正向影响。因此，本文提出如下研究假设：
假设3a(H3a)：评论者的内向网络中心度与其所发表评论的有用性评价之间是正向相关关系。
假设3b(H3b)：评论者的外向网络中心度与其所发表评论的有用性评价之间是正向相关关系。
信息接收者采用ELM模式的边缘路径时，会更多地依据社会线索来处理信息，进而形成判断(Bhattacherjee & Sanford，2006)。网络曝光度是反映评论者社会线索的关键指标，是引导信息接收者做出决策的启发式规则，会对其所发表评论的有用性评价产生积极影响(Ghose & Ipeirotis，2011；Hu et al.，2008)。群组是在线社区的重要功能，每一群组均有自己的主题及兴趣爱好。类似于豆瓣网的在线社区之中，用户可能会加入不同的兴趣小组，进而形成了许多的各自不同、有所重叠的社会网络(Smith et al.，2007)。依据社会网络中“弱连接”理论，群组内用户间在线关系即为“弱连接”，他们同时保持多样化的关系链接，并在各个社会网络中具有一定的影响力(Ellison et al.，2007)。综上所述，有理由相信评论者参加群组数量越多，其发表的在线评论会被更多的消费者关注与积极评价。因此，本文提出如下研究假设。
假设4(H4)：评论者的关系多样性与其所发表评论的有用性评价之间是正向相关关系。
(四)控制变量
为了更好地验证研究假设，本文还将评论发表时机、评论者经验能力等相关因素作为控制变量引入模型，电影层面的影响会在计量模型中加以考虑。
在线评论有用性会显著地依赖于评论发表时机，亦即可否为正在搜集产品信息的消费者提供及时、最新的评论内容(Cheung et al.，2012)。从信息质量视角出发，不少文献均认为及时性(timeliness)是评论内容质量的关键维度，进而影响消费者对于该评论的消费者有用性评价(Otterbacher，2009；Chen & Tseng，2011)。
评论者的另一重要线索是历史评论数量，它会影响消费者对于评论者经验能力以及声誉的判断(Ghose & Ipeirotis，2011；Wang et al.，2011)。从说服的双过程模式分析，评论者经验能力会提升其发表评论的可信度，该评论者发表评论易于被消费者接受，并给出较高的有用性评价(Cheung et al.，2009；Forman et al.，2008)。
四、研究方法
(一)数据收集
豆瓣网(douban.com)通过用户创作及分享内容，以书评、影评为特色，形成无数个具有共同话题的小圈子，并融入Web2.0社会化功能，吸引了一大批忠实的用户。本文选择豆瓣网为研究对象，主要考虑在线评论与网络社区融合，从而为检验评论者因素的影响作用提供实证数据。作者选择2010年末上映的6部电影，题材涉及爱情、剧情、科幻、喜剧等，在2011年4月时使用Metaseeker工具抓取豆瓣网的影评数据。本文收集从抓取时间点之前的所有评论，基本覆盖截至目前6部电影所有评论，共计2415条。其中，除去未有投票或者总投票数较少(≤3)的评论，共计有1294条在线影评。
(二)研究变量
如表2所示，研究模型共包括9个关键变量，评论有用性将通过收集有用与无用投票数加以测度。
在自变量方面，评论长度以评论全文的字数作为测度指标，评论及时性以该条评论发表日期减去首条评论发表日期的天数进行测度，两者均属于评论内容特征；与平均星级差异是以该条评论的星级以及该条评论发表时平均星级之差作为测度指标，并且分为正向差异、负向差异。
评论者特征主要从社会网络视角出发，网络内向中心度以该评论者受关注的好友数为测度指标，网络外向中心度则以该评论者关注的好友数为测度指标，关系多样性是以评论者参加的兴趣小组的数量为测度指标。评论者的经验技能以发表影评总数为测度指标。所有变量均使用豆瓣网上抓取的客观数据，所有变量类别，名称、缩写以及测度指标等详见表2。
(三)模型设定与分析方法
实际而言，评论的有用性比例是每位消费者进行投票(是/否)后的累积汇总结果。因此，评论的有用投票数可视为服从二项分布，Logistic模型就适合此类二项响应数据的实证分析。此外，由于评论数据来自6部电影，不同电影间变差必须加以考虑，带有随机截距、混合效应Logistic模型被用来理论验证的计量模型。公式(1)、(2)描述本研究Logistic模型使用：
此外，在计量模型中对于部分变量进行对数变换，从而弱化模型可能出现的异方差和偏态性，避免计量单位不同、异常值所造成的影响。
五、结果与讨论
(一)描述性统计
样本的描述性统计详见表3，评论投票数均值在20左右，平均长度在1127余字。在与平均星级差异方面，负向差异明显地高于正向差异，说明评论者在给出低于平均值的星级时，会偏离大众意见更多一些。总体而言，评论者的内向中心度高于外向中心度，平均参加56个左右的兴趣小组，并且已发表过27条在线影评。
(二)回归模型检验
本文采用自变量分块进入回归模型，模型Ⅰ、Ⅱ、Ⅲ中自变量参考表5。模型分析结果汇总如表4所示：通过Likeihood Ratio、AIC等拟合参数进行模型比较分析，可以得出3个模型解释度是在显著地增进，亦即加入新的解释变量之后模型均有所改进、拟合度更优。
Logistic回归模型的详细结果如表5所示，模型Ⅰ加入评论内容特征，包括评论长度(RevLen)、评论长度平方(RevLen2)、评论时机(RevTim)，三者的回归系数均通过显著性检验。其中，Revlen、Renlen2的回归系数一正一负(β=0.479、-0.011，p＜0.01)，说明在一定范围内评论长度与有用性之间正相关(β=0.479，p＜0.01)，但是过长的评论会负向影响有用性评价(β=-0.011，p＜0.01)，亦即评论长度与有用性评价之间是倒“U”形关系。
在模型Ⅰ基础上，模型Ⅱ继续加入评论星级与平均星级差异。本文引入两个变量考察某一评论与平均星级差异：与平均星级负向差异(DiffAvgRan)对于有用性评价是负向影响(β=-0.56，p＜0.01)，从而说明与大众意见越是一致，更加容易获得消费者的有用性评价；但是，与平均星级正向差异(DiffAvgRap)对于有用性评价是正向影响(β=0.553，P＜0.01)，亦即正向差异会使得消费者认为该评论更有用。
在模型Ⅱ基础上，模型Ⅲ继续加入评论者内向中心度(RevrInCent)、外向中心度(RevrOutCent)以及关系多样性(RevrDiv)等社会网络特征，以及评论者经验能力。模型结果表明，评论者的内向中心度(β=0.102，p＜0.01)、外向中心度(β=0.043，p＜0.05)均是正向显著地影响其发表评论的有用性评价，说明消费者在形成判断时会受到信息源的影响。但是，评论者的关系多样性(β=0.010，p＞0.05)、经验能力(β=0.033，p＜0.1)与其发表评论的有用性评价之间相关关系并不具有统计显著性。在模型Ⅲ中，评论长度、评论时机以及与平均星级差异等因素仍然显著地影响评论有用性评价，系数方向、显著性检验并未由于加入新的评论者因素而有所改变。
根据Logistic模型分析结果，研究假设的验证结果详见表6。
(三)结果讨论
实证结果较好验证研究模型，特别是与平均星级差异、评论者社会网络两个方面社会性因素，也说明从众效应、社会网络等理论视角的重要作用。
首先，评论长度、发表时机是测度内容特征最常用的客观指标，本研究主要聚焦在评论长度、有用性评价之间的倒“U”形关系。具有一定长度的在线评论，能够为消费者带来更具深度、丰富性的信息内容，从而降低决策前的不确定性。但是，当评论长度达到一定程度之后，过长的评论会加大阅读者的认知负荷，进而负向影响其有用性评价。实证结果较好地研究了这一理论假设，从而说明我们应该重视从不同理论视角探讨评论有用性问题。
其次，与平均星级的负向差异、正向差异对于评论有用性的影响效果截然不同。与平均星级相比较而言，评论的负向差异越大，那么该评论的有用性评价就会越低，这与从众效应的理论预测是一致的。但是，正向差异却刚刚相反，亦即当评论星级高于大众意见时，该评论会获得更高的有用性评价，这与信息诊断力的理论预测更为切合。这一实证结果表明，基于信息诊断力、从众效应两种理论视角得出的竞争性假设均获得部分支持，从而在一定程度上表明评论有用性较复杂的影响机理。当然，这还需要在进一步研究中加以详细考察。
第三，考察评论者社会网络的影响效应是本研究重要扩展，并且由于豆瓣网提供了非常好的实证情境，我们得以将理论模型、客观数据有机地结合起来。网络中心度是衡量个体在社会网络中影响力的最关键指标，实证结果验证了评论者内向、外向中心度会直接影响其发表评论所获的有用性评价，这一研究结论既很好地将社会网络理论延伸到在线评论研究之中(Brown et al.，2007)，也是为评论有用性研究开拓了新的理论分析视角(Lu et al.，2010)。评论者的关系多样性在模型分析中的回归系数不显著，这可能由于豆瓣兴趣小组的总数量太多(29万个左右)，每一评论者的参加小组(最高251，均值56)所占比例过低，难以起到足够的影响作用。
六、结论与进一步研究
本文围绕“消费者认为怎样的在线评论更有用？”这一核心问题，以说服的双过程模式为分析框架，在考察评论内容特征的同时，基于从众效应、社会网络等理论视角重点研究与平均星级差异、评论者特征等影响评论有用性的社会性因素，构建在线评论有用性模型及相关假设。之后，本文选择豆瓣网收集客观数据，从而对理论模型进行实证检验，特别是社会性因素的影响效应。该研究在理论研究与实践启示方面有以下几点贡献。
(1)已有文献主要考察评论星级高低(Korfiatis et al.，2012；Pan & Zhang，2011)、极端性(Mudambi & Schuff，2010；Wu et al.，2011)，并且取得不少有意义的实证结论。本文则借鉴社会心理学的从众视角，并且与信息诊断力视角比较分析，考察与平均星级差异对于评论有用性的影响效应。实证结果表明，某一评论与平均星级存在负向差异时，从众效应将会更加显著，亦即个体会倾向于认可大众意见；相反地，当存在正向差异时，信息诊断力效应将发挥作用，亦即个体会认为该评论提供增量信息。因此，从不同视角研究竞争性假设，不仅为探讨评论有用性提供新的分析视角，也能够更好地探讨影响评论有用性的复杂机理。
(2)从说服的双过程模式分析，评论者(信息源)特征必然会影响其发表评论的有用性评价，已有文献对于身份信息、经验知识等特征有所涉及。但是，已有文献缺乏信息源的社会性因素的考察(Lu et al.，2010；Zheng et al.，2011)，或者基于问卷数据的实证分析(Zhang et al.，2010；Cheung et al.，2012)，缺乏基于大规模客观数据的实证分析。本文以豆瓣网提供的独特数据样本进行实证分析，初步探讨了评论者的网络中心度、关系多样化等社会网络特征对于评论有用性的影响效应，同时符合在线评论与Web2.0社会化融合发展趋势。
(3)从实践角度来看，本研究成果可以帮助互联网企业构建评论有用性的预测模型，从而能够更加科学地排序与应用在线用户评论，为消费者提供更加精准的信息搜索、更为优化的使用体验，从而为企业更好地管理在线社会化交互提供理论借鉴。另一方面，本研究也能为评论者撰写产品评论、获得消费者更多的有用性投票提供一定的建议，促使评论者贡献高质量的产品评论，从而促进在线评论社区的良性发展。
当然，本研究也有一些局限之处：比如，样本电影相对有限，后期研究争取进行海量数据收集，从而增加结论的可信度；其次，考虑追踪性研究设计，从而更好地捕获与平均星级差异、评论者社会网络以及评论有用性之间的动态演变过程；在评论者因素方面，应该进一步挖掘并加以细化，比如评论者发表评论的电影类型分布、其他社会网络结构特征等。
笔者感谢参与该研究数据采集的研究生祝珊、刘畅等同学，以及对外经济贸易大学信息学院基金为学生科研活动提供的资助支持。
注释：
①据Spool(2009)估计，Amazon设置“这条评论对您有用吗？”简单问题为其带来27亿元的额外收益。
②星级评分是对评论极端性的一种反映，低星级(一星)表明评论者对产品非常负面的观点，高星级(五星)则表明评论者对产品非常正面的观点，三星通常表明一种中立的态度。