解析网络口碑的动态交互过程：一个基于网络回帖行为的分层贝叶斯选择模型，本文主要内容关键词为：网络论文,回帖论文,口碑论文,模型论文,过程论文，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。
一些研究发现，口碑(WOM，Word-of-mouth)对消费者的购买决策有显著的影响。[1-3]与传统的大众传媒和广告相比，口碑往往被消费者认为更真实、可靠，因此能更有效地影响消费者的态度和行为。[4，5]近年来，随着互联网及信息技术的快速发展，消费者可以更快、更方便地在网上进行交流，这也使得网络口碑(eWOM)变得愈发流行和重要。[6，7]根据中国互联网络信息中心(CNNIC)的数据，截至2011年6月，中国网民达到4.85亿，世界排名第一。①此外，早在2008年我国BBS用户就已经超过了九千万，并且增长迅速。②作为消费者网络互动平台的一支新秀，微博用户的数量在2011年上半年已达1.95亿。③这些互动平台的迅猛发展，使得网络口碑成为营销管理者和学者们普遍关注的问题。
已有研究发现，越来越多的消费者参照网络口碑做购买决策，例如看哪个电影、买哪只股票等。[8]类似地，世界著名研究机构Forrester的一个报告也发现，大约50%的年轻网民参照网络口碑来选购CD、DVD、电影及游戏等。[9]网络口碑在消费者决策中发挥着越来越大的作用，对于营销经理们来说，这既是机遇也是挑战。一方面，网络口碑为企业提供了更多影响消费者的方式。例如，企业可以鼓励其忠实顾客在网上发表正面的产品评论，以吸引更多消费者购买；另一方面，网络口碑的实时性、广泛性传播也给企业造成了严峻的挑战，一旦企业出现产品危机，负面口碑会在网上迅速传播，将严重损害企业的声誉。
为了更好地利用正面的网络口碑、减弱进而避免负面口碑带来的不良影响，很多企业开始在网络口碑营销方面投入大量资源，试图通过专业的营销技巧尽量影响消费者之间的交流内容(即网络口碑传播的内容)。[10]例如，企业可以鼓励满意的消费者发表正面的网络口碑，并加速这些正面口碑的传播；[11]企业还可以将基于网络口碑的病毒营销作为整合营销传播战略的一部分来规划和管理。[12，13]为了更好地管理网络口碑，企业首先需要了解网络口碑的动态传播过程，包括消费者何时及如何发表评论、谁经常发表评论、为什么发表评论等。只有深入洞察影响这一传播过程的因素，企业才能主动地干预消费者的口碑传播，尽量鼓励正面的口碑，避免负面口碑或者弥补负面口碑带来的不良后果。
目前很流行的一类网络口碑是产品评论(Online Product Reviews)。正如人们在现实生活中讨论对某些产品的体验一样，消费者可以在一些网站上(如大众点评网)对产品进行公开、详细的评价，或就对某个产品的品牌体验进行交流和讨论。[7]已有研究发现，网上产品评论对产品销量和消费者的购买行为具有重要影响，[14，15]因此网络口碑的管理不善可能给企业带来严重损失。但是这些研究主要关注产品评论的数量、[15-18]评论人的声誉、[14]产品评论的质量[14，17]等对产品销量的影响。目前很少研究探讨网络口碑传播的动态过程。为了丰富和补充关于网络口碑传播的研究，本文采用分层贝叶斯选择模型研究影响网络评论回帖者的产品态度的因素。本研究探索了产品评论的主帖特征以及已有回帖对当前回帖态度的可能影响。通过分层贝叶斯模型，本研究试图解决以下研究问题：(1)在产品评论中，已有回帖是否以及如何影响消费者的产品态度？(2)产品评论中的负面回帖和正面回帖对消费者产品态度的影响一样吗？哪一类回帖的影响更大？(3)主帖的特征如何影响产品评论中消费者的动态交互过程？
一、文献回顾
1.网络口碑传播
近年来，网络口碑传播作为一种便捷、低成本而影响广泛的信息分享方式，受到越来越多研究者的关注。[19]网络口碑的定义是：“现有、潜在或过去的顾客通过互联网发布、广而告之于大众和社会机构的、对于产品或商家的正面或负面的评价”。[20]与传统的线下口碑传播不同，网络口碑具有以下几个特点：第一，网络口碑可以通过多种多样的途径传播，如博客、评论性网站、电子邮件等。消费者可以选择公开(如博客、评论性网站)或私下(如电子邮件)的方式交流信息。第二，由于互联网打破了时间和地域的局限，网络口碑可以即时地在全世界范围内传播。第三，新媒体技术的发展使得消费者可以更好地控制网络口碑的传播，例如，他们可以选择何时、何地、以何种方式发布信息。[21]此外，由于网络空间的匿名性和保密性，[7]真实或虚假的信息可能同时存在于网络口碑中，这使得其可信度成为一个重要的研究课题。[22]
在网络口碑的研究中，很重要的一个方面是探讨其对于顾客态度和感知、[23,24]品牌资产和产品成功度”[25]的影响。例如，Dellarocas[6]的研究表明，网络口碑的快速发展对于企业塑造品牌、管理客户关系和开发新产品有重要的意义。同时，Chevalier和Mayzlin[17]研究了网络口碑对产品绩效(如销售额)的作用，结果发现，网络书城中对某本书的正面评价会增加该书的销售量。此外，还有学者研究了电影票房或消费者对电影的态度和网络口碑(以及在论坛中的发帖方式)的关系。[23,26]另一些关于网络口碑的研究则集中于消费者传播网络口碑的意愿和行为[27,28]。例如，消费者何时愿意转发邮件，[29]产品来源和产品效用对于消费者发起网络口碑的不同影响，[30]以及消费者在社交网站上参与口碑传播的影响因素[31]等。
现有研究多致力于网络口碑传播的驱动因素(如社会资本)和结果变量(如销售量或销售收入)，却很少有研究探讨网络口碑传播的互动过程。换言之，已有研究大多将网络口碑传播当成一个静态的结果，而非一个动态、持续变化的过程。然而，网络信息传播的本质就是不同成员之间的互动和共享。这使得网上信息并非以一种单向的方式传递，而是在交互的过程中传播和再创造。举例来说，我们可以将网络口碑分为两种：主帖(产品评论)和回帖。在网上论坛中，主帖是指作为单独的主题发布的帖子，而回帖则是在主帖后跟帖的评论。回帖的内容在很大程度上受到交流过程的影响，即跟帖者在发表回帖时，发布的是他们针对主帖及前人回帖做出的即时产品评论，这个即时评论还可能受到发布平台、发布时机以及其他评论者的影响。到目前为止，只有很少研究关注过网络口碑传播的交互性质。例如，Jeong[32]发现，不只信息内容，信息的发布时间、方式和原因等都会影响其所引发的回帖。在本研究中，我们通过互联网上的产品评论所产生的回帖行为，来探讨网络口碑的动态交互过程。具体而言，我们将研究网络口碑的回帖如何受到主帖和已有回帖的影响。
2.网络产品评论中回帖行为的影响因素
在本研究中我们检验两类影响网上产品评论中回帖行为的因素：产品评论(主帖)特征和已有回帖的产品态度。
(1)主帖特征
一般而言，典型的网络评论包括两部分：主帖和主帖所引发的若干回帖。这些回帖往往受到主帖的影响。第一，主帖对产品的评论表明了信息发布者的产品态度，将在很大程度上影响之后回帖对产品的态度。根据Kahneman和Tversky[331提出的锚定理论(Anchor Effect Theory)，在消费者的决策过程中，最初点的位置会对之后的估计和决策产生系统性影响。类似地，在网络论坛中，主帖定下了整个讨论的基调(即最初点)，之后的回帖都会在此基点上展开。这种“锚定效应”对于没有产品使用经验的回帖者可能更为明显，因为他们更可能受到其他人态度的影响。
第二，回帖者在阅读网络评论时，不仅会关注主帖对产品的评论，还会关注其他因素，例如主帖发布者的身份。主帖的发布者可能是消费者，也可能是企业。已有研究表明，消费者发布的信息被认为比企业发布的信息更可信。[34]另一方面，消费者发布的产品评论更关注产品是否满足其需求，因此对于类似消费者更有指导意义。而企业发布的产品评论往往是根据技术指标做出的功能说明。因此，消费者发布的评论和企业发布的评论很可能对回帖者的产品态度产生不同程度的影响。
第三，主帖来源的网站类型也是一个重要的影响因素。过去的研究探讨了网络口碑传播的不同平台对消费者产品态度的影响。[35,36]这些研究发现消费者在评估网络信息的可信度时，网站的特点是其中的考虑因素之一。[37]因此，在本研究中，我们也试图探索产品评论来源的网站类型——社交网站和非社交网站——是否会影响消费者对网络评论的信息处理。在社交网站(如Facebook、MySpace等)中，消费者互动的对象往往是熟人或朋友，他们彼此之间自由地交流信息、共享经验及交换对于产品或服务的意见。[38]而非社交网站则包括由某些第三方的期刊、杂志或报纸建立的论坛，由于发帖者往往互不相识，消费者在这些网站上的互动可能更多的是以功能性的信息交流为主。
(2)已有回帖的特征
前文中提到，已有文献大都忽略了网络评论的动态交互过程。为了丰富相关文献并且帮助企业更好地了解网络口碑的传播过程，本文选择网络产品评论为研究对象，试图通过建立模型来研究已有回帖对之后回帖者的产品态度的影响。
第一个重要因素是已有回帖对产品评价的方向性(即正面或负面)。[26,39]当人们看到其他人的正面评论(而非负面评论)时，更有可能对产品给出正面评价。[40,41]在本研究中，我们用两个变量代表已有回帖对产品的总体评价：该帖之前的回帖中正面回帖的比例、该帖之前的回帖中负面回帖的比例。
此外，有些学者发现负面信息往往比正面信息有更大的影响力(Negativity Effect)。[24,42-44]例如，Mizerski[45]发现，相对于正面的产品信息，负面的产品信息会引发消费者更强烈的情绪反应。学者们对这种效应的一个解释是负面信息的诊断性更高，[46-44]因此其在产品评价中占更大权重。然而，在某些情境下，负面效应也会发生逆转，即正面信息和负面信息的影响相当甚至比负面信息的影响更大。例如，Ahluwalia[49]的研究发现，品牌熟悉度调节正面(负面)信息对消费者的影响程度。具体而言，熟悉品牌的消费者更不容易受到负面信息的影响。此外，到底正面信息还是负面信息的影响更大，还可能取决于消费者的动机：结果导向(Outcome-involved)的消费者更容易受负面信息影响，印象导向(Impression-involved)的消费者对正面和负面信息给予一样的权重，而态度导向(Position-involved)的消费者则受正面信息的影响更大。在口碑领域，Charlett等[50]采用了实验的方法，发现正面口碑和负面口碑对产品态度和购买可能性的影响并没有显著差异。本研究将关于“正面效应”和“负面效应”的研究延伸到网络口碑传播领域，为解决学者们之间的分歧提供新的实证依据。
另外，不同消费者的阅读习惯可能大相径庭，因此我们还检验了消费者决策中被广泛讨论的两种效应：首因效应(Primacy Effect)和近因效应(Recency Effect)。具体而言，人们在浏览帖子时，往往不会一一阅读所有回帖；而是快速地浏览，或者选择性地阅读某些回帖。如果他们更多地关注最初的若干条回帖，就可能会产生首因效应；而如果他们跳过最初的回帖，而更多地注意最近的回帖，这时就可能产生近因效应。我们分别用最初三条、五条和十条回帖的产品态度均值来测量首因效应；用最近三条、五条和十条回帖的产品态度均值来测量近因效应。无论是用三条、五条还是十条回帖来测量近因效应和首因效应，我们估计的参数在方向上基本没有变化，但就模型的拟合效果而言，用十条回帖时模型的拟合效果最好。因此，我们分别用最初十条回帖测量首因效应，用最近十条回帖测量近因效应。需要注意的是，由于没有成熟的测量标准，我们选择十条回帖来测量上述效应难免有些主观。因此，本文的研究结果仅为首因效应和近因效应提供了初步验证。
最后，已有回帖中产品评分的离散程度也是一个重要的影响因素。持有不同观点的帖子更能吸引消费者的注意，这种观点异质性可以通过离散程度来衡量。[12]在本文中离散程度定义为产品评论的熵(Entropy)。第j个产品评论的离散程度定义如下：
3.控制变量
除了我们关心的两类自变量，本文还控制了可能影响消费者态度的变量：回帖者的类型。回帖者可以分为两类：产品使用者和信息接收者。产品使用者是曾经使用过该产品的回帖者，他们在网上分享对产品的使用经验；信息接收者则是未使用过产品、而只是接收其他用户所发布信息的回帖者。
关于意见领袖的文献认为口碑传播的参与者包括两类：意见领袖和意见追随者。[1]意见领袖是信息的发布者或提供者，他们将自己对产品或服务的体验和看法发布在大众媒体上，以影响其他人的态度和选择。[51,52]而意见追随者则试图从他人处获得产品信息，以形成对产品和服务的评价、并做出购买决策。从本质上来说，意见领袖提供信息，而意见追随者则寻求和接收信息。这类似于本文对于两类回帖者的划分：产品使用者有较强的能力和动机提供产品信息，更倾向于扮演意见领袖的角色；而信息接收者则向其他用户寻求产品信息和意见，更类似意见追随者。由于产品使用者和信息接收者对产品的态度可能有显著的差异，因此，我们在研究已有回帖特征和主贴特征的影响时，将控制回帖者的类型。
值得注意的是，在以上三大类变量中，已有回帖的特征和回帖者的类型随回帖的变化而变化，而主帖的特征则只随主帖的变化而变化，不随同一条主帖中不同的回帖而变化。因此，在模型建构部分，我们将针对这两种不同水平的变量建立分层模型。
二、模型设定与估计
1.模型
我们使用分层贝叶斯定序选择模型(Hierarchical Bayesian Ordinal Choice Model)解决上述研究问题。因变量
表示用户i对产品j的评分，评分取值从-2到2，-2表示对产品的评价非常负面，2表示对产品的评价非常正面。产品评分是定序变量，即评分可以按照高低进行排序，但不同评分之间的差异比较起来并没有意义，所以我们采用定序回归的方法进行建模。我们假定的取值由用户i对产品j的潜在态度
决定，并通过(1)式将映射到：
2.数据描述
为了控制网络口碑类型的可能影响，本文采用特定且常见的研究环境(即网上产品评论)来研究网络口碑对消费者产品态度的影响。我们从不同类型的网站(如时光网等，)收集了26个产品评论(包括数码相机、手机、电影等产品类别)的主帖，对于每个主帖我们保留其前40-50条回帖，最后的数据共包含26个主帖和对应的1173条回帖。主帖的选择主要依据以下准则：(1)主帖的发布时间应在产品上市之后两个星期之内；(2)主帖的回帖数量应至少有40-50条；(3)主帖的回帖应主要以描述回帖者对产品的看法为主；(4)主帖应尽量从满足条件(1)、(2)、(3)的产品评论中随机选取。以上四个准则一方面保证了所选取产品评论的质量，另一方面也在一定程度上保证了样本的代表性。
由于产品评论主要由文字组成，我们收集数据后对其进行了内容分析(Content Analysis)。我们邀请三名对本研究不知情的营销学博士生进行编码，并互相校验编码，不一致的编码由三方协商、讨论解决。具体来说，对每条主帖，我们就主帖发布者对产品的态度进行了编码(从-2到2)，记录了网站的类型(社交网站和非社交网站)，以及发布者类型(即主帖是由消费者还是公司发布的)。这三个变量构成了主帖的特征变量(
)。同时，对于每条回帖，我们记录了当前回帖者对产品的评分(从-2到2)，五个已有回帖的特征变量(已有回帖中正面回帖占的比例、已有回帖中负面回帖占的比例、已有回帖对产品评分的离散程度、最初十条回帖的产品评分均值、最近十条回帖的产品评分均值)，以及回帖者的类型(产品使用者和信息接收者)。
本研究中所用的变量可分为四种类型：(1)回帖者对产品的态度；(2)已有回帖的特征；(3)主帖的特征；(4)控制变量(回帖者类型)。各变量描述和离散变量的描述性分析见表1和表2。
3.模型估计
我们使用马尔可夫链蒙特卡洛过程对分层模型的参数进行了估计。首先设定待估计参数的先验分布(见公式(4))。
我们采用混合Gibbs抽样和M-H算法(Metropolis Hastings Algorithm)对定序回归的后验分布参数进行迭代抽样。[53]该算法分别对
等参数的条件概率进行抽样(Gibbs抽样)，而对d的条件概率抽样采用随机游走M-H算法。具体步骤见Johnson和Albert及Cowles。[53,54]我们共进行了20000次迭代，为了排除每次迭代之间可能存在的相关关系，我们每隔20次迭代保留一次结果，最后得到1000次迭代结果，然后再删除前500次迭代结果以消除先验假设的影响，最后进入运算的是500次较稳定的模拟数据。
三、研究结果
1.模型比较
我们比较了两个模型：(1)不分层的贝叶斯定序选择模型(BOC，Bayesian Ordinal Choice)；(2)本研究采用的分层贝叶斯定序选择模型(HBOC，Hierarchical Bayesian Ordinal Choice)。我们选用LML(Log of Marginal Likelihood)指标来进行模型之间的比较。LML越大表明模型拟合度越高。结果发现，根据LML指标，HBOC模型对数据的拟合程度要好于BOC模型(见表3)。
同时我们还计算了两个模型的AIC(Akaike Information Criterion)和BIC(Bayesian Information Criterion)。AIC和BIC都是基于惩罚似然准则(Penalized Likelihood Criterion)。AIC和BIC的第一项都完全相同，都是-2倍的对数似然。每增加一个额外参数，AIC对对数似然的惩罚为1，对复杂模型而言这个惩罚的力度过小；[55]BIC则加大了惩罚力度，其惩罚力度与样本量有关(即样本量的对数)。与AIC相比，当样本量较小时(＜7.4)，BIC倾向于选择更复杂的模型；随着样本量增大，BIC倾向于选择更简单的模型。[56]Spiegelhalter等[57]提出了DIC(Deviance Information Criterion)作为分层模型中AIC准则的贝叶斯近似。但DIC的局限在于它要求联合后验分布近似多元正态。[58]由于我们采用的对比模型是不分层的贝叶斯定序回归，因此我们使用AIC和BIC准则进行模型比较，而不采用DIC。AIC和BIC的值越小，说明模型对数据的拟合越好。表3显示，分层模型(HBOC)对数据的拟合效果比不分层模型(BOC)好。具体来说，LML、AIC和BIC都显示出分层模型对数据的拟合效果更优，对样本内数据的解释力更大。
2.异质性及回帖特征变量的影响
与不分层的模型相比，分层模型的优势在于它可以刻画评论的异质性，还可以针对每个具体的产品评论估计参数。图1显示的是用所有26个产品评论估计的第一层参数的后验分布。图2显示的是第12个产品评论的参数后验分布。图1和图2都基于产品评论的参数抽样，但图1使用了所有产品评论的参数抽样，而图2只使用了其中的一个产品评论(第12个产品评论)的参数抽样。对比两个图可知，不同产品评论的参数的后验分布差别很大。从图1和表4也可以看出，回帖的特征对产品评分的影响在不同的产品之间存在很大差异，这说明分层的模型更适合本文的数据。
图1 所有评论的参数后验分布
总的来说，参数的分布范围集中在我们预期的区间内。已有回帖中正面回帖的比例对之后回帖者的产品态度有显著的正向影响，同时，对应参数的后验分布大都在正区间内；而已有回帖中负面回帖比例对之后回帖者的产品态度有显著的负向影响，而且对应参数的后验分布大都在负区间内。我们还发现，已有回帖中负面回帖的负向影响小于正面回帖的正向影响，即存在“正面效应”。这一结果与East等[5]关于口碑传播对购买意向影响的研究发现是一致的。在他们的研究中，正面口碑的影响比负面口碑的影响更大。对此，他们的解释是“变化空间”的不同，由于多数消费者的购买意愿偏低(购买概率低于0.5)，所以使得其购买意愿正向变化的空间大于负向变化的空间。结合前文中提到的Ahluwalia[49]的研究，我们所发现的正面效应可能有以下解释：(1)本研究样本中产品使用者占全部回帖者的61.6%，大多数回帖者对品牌较为熟悉，因此不容易受到“负面效应”影响；(2)大部分回帖者为产品使用者，因此他们更可能属于印象导向或态度导向而非结果导向，即他们对产品的评论主要基于自己已有的产品印象，而非其他人的回帖；(3)在本研究中，评论人之前的购买意愿可能较低，因此其态度正向变化的空间大于负向变化的空间。在未来研究中，我们可以对上述解释进行进一步验证。
已有回帖中产品评分的离散程度对之后回帖者的产品评分也有显著影响。我们发现回帖者的产品态度的离散程度越高，之后回帖者的产品态度也可能越高。我们定义的离散程度指评分分布的均匀程度，当评分分布均匀时，离散程度取最大值。这意味着，除了正面回帖、负面回帖的作用之外，当回帖中正负回帖都存在时，之后回帖者的产品评分也可能越高。Godes和Mayzlin[12]研究了产品评论在不同类型社区或网站中的离散程度和产品销量的关系，他们发现了类似的结论，即产品评论的离散程度对产品销量有正向影响。应用到本文研究的网络口碑的动态传播中，这可能是因为当态度各异的回帖同时存在时，消费者对产品评论的感知可信度更高。而由于产品评论中正面回帖占绝大多数，[5]因此可信度的提升将在整体上使得之后回帖者的态度更正面。反映到模型中，即离散程度可以在一定程度上正面影响回帖者的产品态度。
图2 第12个评论的参数后验分布
首因效应和近因效应对回帖者的产品态度均有产生显著的负面影响(见表5)。这一发现验证了两种效应的确存在。具体而言，如果最初十个帖子和最近十个帖子的评分大多是正面评价的话，之后回帖者更有可能发布负面的产品评论；反之，如果最初十个帖子和最近十个帖子大多是负面评价，之后回帖者更有可能发布正面的产品评论。此外，考虑到网络回帖行为是消费者自发的行为，即并非所有看到帖子的网络用户都会回帖。从某种程度上说，回帖者决定回帖时会尽力避免自己的评论与已有的回帖重复，试图提供与已有回帖不同的信息。因此，当网络用户看到清一色的负面(正面)评论时，持正面(负面)意见的更可能发表回帖，以提供与其他人不同的信息。
此外，我们发现控制变量(即回帖者类型)没有显著影响，即信息接收者的回帖和产品使用者的回帖对产品的评分并没有显著差别。
3.主帖特征对解释变量效果的影响
由于分布的异质性，我们进一步分析了第二层变量(即主帖特征)对解释变量效果(即
)的影响。我们对第二层变量进行了中心化处理，表5中的截距项表示对应解释变量的后验均值，与图1中的各分布的均值相对应。
主帖对产品的评分、主帖来自的网站类型和主帖发布者的类型对第一层参数有显著的解释力。主帖对产品的评分会加强首因效应的负向影响，而对近因效应的影响没有显著的调节作用。这可能是因为，在我们的数据中，主帖下的回帖按照时间先后排列，最初的十个帖子与主帖最为靠近。因此，若主帖和最初十个回帖所表达的态度都高度一致时(如评分很正面)，更可能激发持有不同态度的回帖者的回帖(即表达负面态度)。对于近因效应，由于最近十个帖子并不与主帖直接相连，因此主帖对最近十个回帖所产生的近因效应影响较小。此外，主帖发布者对产品的评分并不能显著影响已有回帖中正面回帖的比例、已有回帖中负面回帖的比例、已有回帖的离散程度等变量对产品态度的影响。
就主帖发布者类型而言，与发布者是公司相比，如果主帖的发布者是消费者，则已有回帖中负面回帖比例的负向影响会减弱。这可能是因为网上评论的主帖大多对产品持有正面态度，而消费者发布的信息被认为比企业发布的信息更可信，[34]因此，若主贴表达对产品的正面评价且其发布者是消费者(而非企业)，人们会更相信其真实性，而持不同意见的负面回帖的影响则会相对减弱。此外，我们发现发布者类型对已有回帖中正面回帖的比例、近因效应、首因效应、离散程度和回帖者类型等变量都没有显著的调节作用。
就网站类型而言，与来自非社交网站的主帖相比，来自社交网站的主帖显著增强离散程度对之后回帖者的产品评分的正面影响。可能的解释是，因为社交网站上的互动对象多为熟人或朋友，交流的内容在消费者看来更加真实、可信，从而社交网站上的交流内容可能会被消费者认为更有诊断性。因此，相对于非社交网站上的产品评论，在社交网站的产品评论中，离散程度对回帖者的正面影响将会更强。
四、结论和讨论
目前关于网络口碑的研究主要集中在它对产品销量和收益的影响，[14，17]而很少有研究涉及消费者如何在网上交流中形成对产品的态度和评价。深入研究消费者在网络评论中的交互过程，将对企业更好地了解消费者产品态度的形成具有重要意义。它不仅可以揭示网络口碑对产品销量和收益的可能影响机制，还可以帮助企业干预消费者的网络口碑传播过程，使消费者形成正面的产品态度、改变负面的产品态度。
本文采用分层贝叶斯定序回归模型，研究影响网络评论中回帖者态度的因素，主要包括主帖的特征和已有回帖特征等的影响，丰富了有关网络口碑传播的文献。我们采用MCMC方法对参数进行了估计，不仅计算了回帖者层面变量的后验均值和分布，还估计了主帖层面变量对这些后验均值的影响。我们发现，已有回帖中正面回帖的比例、负面回帖的比例以及已有回帖中产品评价的离散程度均对之后回帖者的产品态度有显著影响。更重要的是，我们发现这些变量的影响在不同产品之间有很大不同，这说明第二层变量即主帖层面变量对于解释消费者态度也具有重要作用。
本文对学术研究和营销实践都有重要的贡献。在理论方面，本文首次研究了消费者的网上交互过程与产品态度的关系。前人研究发现网络口碑对产品的市场绩效有显著影响，而本文的贡献在于研究了消费者网络口碑传播的过程，并探讨在这个过程中影响消费者态度的因素。本文结果发现，与Ahluwalia[49]提到的“负面效用并不总是成立的”相一致，已有回帖中正面回帖所占的比例对消费者态度的正面影响大于负面回帖所占的比例对消费者态度的负面影响。而且，我们通过收集新产品的网上产品评论来解决本文提出的研究问题，收集数据和编译数据的方式相对新颖，为定量研究消费者在网络口碑传播中的交互过程提供了可能。
在管理实践方面，本文的研究发现为企业影响消费者的网络交互过程以及消费者的产品态度提供了参考。目前，很多企业已经开始关注其网络口碑的管理，进而促使消费者对其产品形成正面态度。根据本文的发现，企业可以采取一些措施更好地管理网络口碑。首先，主帖在网络口碑传播中起着独特、重要的作用。企业应鼓励满意的消费者发帖，因为根据本文的结果，相比企业发布的主帖，消费者发布的主帖会显著减弱回帖中负面回帖比例的影响。其次，由于消费者的需求和偏好有异质性，因此即使企业的产品质量很高，仍然不可能完全避免负面评论。在这种情况下，根据我们的研究，企业仍有可能影响消费者的态度。例如，企业可以设法让某些不满意的消费者选择在社交类网站中发表负面评论(而不要在非社交类网站发表负面评论)，这些少量负面回帖的存在可以提高回帖中产品态度的离散程度，进而使得之后回帖者的产品态度显著提升。当然，企业对网络口碑也不能完全操控，如已有回帖中正面回帖的比例、已有回帖中负面回帖的比例、首因效应、近因效应、离散程度这些都不是企业可以很容易控制的变量。
虽然我们提出了一种对网络交互过程进行建模的方法，但需要指出的是，将来还需要更细致的定量研究探讨这个复杂的过程。例如，我们可以通过内容分析法或文本挖掘法将产品的特征(享乐型产品和实用型产品)和回帖的特征(感性回帖和理性回帖)引入现有模型，以获取更丰富的研究结论。此外，产品评论的回帖数量也可能是一个重要因素。已有的研究发现，回帖数量对产品销量的影响比回帖评分的影响更重要，[15]将来的研究中我们可以将回帖数量加入定量模型。而且，消费者的产品态度不仅受主帖和已有回帖的影响，还可能受发布主帖的网站或论坛的客观性、[59]可靠性[23]的影响。在本文中，由于数据的限制，我们并没有考虑这两类因素的影响，将来的研究可以收集更多的数据以将这些因素加入模型。最后，对于网络交互过程对产品态度形成背后的作用机制，由于本文采用的是现实数据，因此很难做出更细致的推断，将来可以采用实验的方法对消费者的网上交互行为做更为细致的研究。
注释：
①第28次中国互联网络发展状况统计报告，http://www.cnnic.net.cn/
②"The Internet is The Community" :IWOM white paper Series on Internet Word of Mouth Development in China,2008,Q3.
③http://news.youth.cn/rd/201107/t20110719_1668071.htm
标签：近因效应论文; 市场营销论文; 贝叶斯网络论文; 口碑传播论文; 离散变量论文; 网络模型论文; 离散程度论文; 企业特征论文; 网络行为论文; 社交产品论文; 特征选择论文;