在線商品評論信息的有用性研究.doc

在線商品評論信息的有用性研究 文付婷 摘要：大多數(shù)電子商務(wù)網(wǎng)站為消費者提供相互交流的平臺來發(fā)表其針對某件商品或服務(wù)的評論，但是，隨著在線商品評論信息的數(shù)量增多，潛在的消費者越來越難從中發(fā)現(xiàn)有助于制定購買決策的信息。由此，面對海量的商品評論，如何從中識別有用的評論信息，分析在線評論的效用已成為當(dāng)今的研究熱點。本文對我國主要的電商網(wǎng)站進行調(diào)研，獲取商品評論系統(tǒng)評論信息的主要展現(xiàn)形式，基于此具體分析各種展現(xiàn)形式對消費者制定購買決策的影響，這一結(jié)果對改進在線商品評論系統(tǒng)的功能設(shè)計具有較強的參考價值。 關(guān)鍵詞：網(wǎng)絡(luò)購物；在線商品評論；有用性；電子商務(wù) 引言 在實體店鋪購物時，消費者購買商品時的決策在很大程度上依賴于現(xiàn)實生活中親朋好友相互之間的產(chǎn)品口碑傳播。伴隨著全民電商的興起，在線商品評論越來越盛行，傳統(tǒng)口碑也開始逐漸向電子口碑過渡，在線商品評論信息已經(jīng)成為消費者進行網(wǎng)購決策時的重要參考依據(jù)之一1。大多數(shù)網(wǎng)購用戶在做出購買決策之前，都會瀏覽已有評論信息，購買使用商品之后，則會對所購商品進行評分，發(fā)表評論，闡明使用商品和接受服務(wù)后的體驗，為后面購買此商品的消費者提供參考，由此形成循環(huán)。作為B2C電子商務(wù)網(wǎng)站的顯著特征，在線商品評論大大增加了消費者對B2C電子商務(wù)網(wǎng)站的認知有用性2。在線商品評論信息逐步演化為口碑傳播的一種新形式，因此，深入了解和分析消費者對目前評論系統(tǒng)中主流的各種評論展現(xiàn)形式的認知度是運營商調(diào)整功能設(shè)計的重要前提；同時，作為一種反饋機制，在線商品評論促成了大規(guī)模的口碑網(wǎng)絡(luò)。 1、相關(guān)研究綜述 近年來，國內(nèi)外學(xué)者開始對在線商品評論效用進行逐步深入的研究，其研究內(nèi)容主要側(cè)重于4個角度，包括評價目標(biāo)、評價特征、評價技術(shù)以及評價對象3。如表1所示。 2、現(xiàn)階段我國在線購物網(wǎng)站評論系統(tǒng)的主要展現(xiàn)形式 本文的研究對象是我國主流電商網(wǎng)站的商品評論系統(tǒng)，所以，必須首先建立樣本網(wǎng)站庫。綜合考慮網(wǎng)站面向的消費者數(shù)量以及各個垂直行業(yè)購物網(wǎng)站在商品評論系統(tǒng)功能設(shè)計上的差異性，根據(jù)本文的篩選原則4，最終確定的樣本網(wǎng)站為：淘寶、天貓、京東、當(dāng)當(dāng)網(wǎng)、亞馬遜、新蛋網(wǎng)，共6家。本文通過逐一訪問這些網(wǎng)站來獲取商品評論系統(tǒng)的功能設(shè)置情況，并且從各個角度分析其對消費者做出購買決策的影響。 從提供的信息內(nèi)容以及對內(nèi)容的序化，從用戶實際接觸和使用的角度來對功能進行識別，最終從樣本網(wǎng)站中梳理出目前我國在線購物網(wǎng)站商品評論系統(tǒng)所包含的15項展現(xiàn)形式，如表2所示。 2.1商品評論數(shù)量 商品的累積評價數(shù)量的屬性就是數(shù)據(jù)，與文字相比，數(shù)據(jù)更能讓人覺得直觀明確，可以讓消費者非常直接迅速地了解到自己所瀏覽商品的銷售量情況，一般來說，商品的評價信息越多，意味著商品銷售數(shù)量越多，受歡迎程度越高，基于大眾購物時的從眾心理，那么這從某一程度也能對消費者做出購買決策起到促進作用。 2.2多維文字評論 多維文字評論功能是從多個層面對商品進行評論，除了可以涉及商品本身的內(nèi)容評價（如顏色、包裝、價格等），也可以包含與商品相關(guān)的（如物流速度、商家服務(wù)態(tài)度等）附帶服務(wù)功能的評論信息，讓消費者對商家的信譽度、發(fā)貨速度、物流速度等其他信息有所了解，比如有的網(wǎng)購消費者在網(wǎng)上購物時就十分注重商品的物流速度，從而滿足不同消費者的需求。 2.3消費者曬圖 消費者曬圖，相比文字、數(shù)字，顯得更加直觀、清晰，圖片既可以反映商品的顏色，消除了消費者的諸如商品有沒有色差、商品大小是否合適這樣的疑慮，同時，也可讓消費者把商家對商品的描述（如文字描述、圖片）和網(wǎng)民們自己實際購買到的商品圖片相對比，判斷購買到的商品本身和商家對商品的描述是否相符，從而做出購買決策。 2.4追加評論 追加評論是相對于初次評論而言，相比初次評論，追加評論闡明了消費者在使用商品和接受服務(wù)之后的體驗，購買者在對商品進行多次使用體驗之后再次做出的商品評論，為后面購買此商品的消費者提供參考，這樣的評論信息對于那些追求商品性價比較高、商品耐用性高的消費者來說，更具可信性和參考價值，更有助于消費者理性消費，買到更好、更耐用的商品，同時，這也對商家在網(wǎng)上銷售販賣低質(zhì)偽劣的商品起到了一定約束和監(jiān)管作用。 2.5標(biāo)簽云 標(biāo)簽云指的是消費者自發(fā)地為某一種商品定義一組標(biāo)簽（一般是短語、詞匯）進行描述，并最終從中選出被使用頻率最高的標(biāo)簽，來作為該商品的特征標(biāo)識，這個標(biāo)簽形成的過程完全是自發(fā)的，主要優(yōu)勢是自由性、實時性和共享性。如“質(zhì)量很好”、“外觀漂亮”、“物流快”等標(biāo)簽，讓消費者能夠?qū)ι唐房傮w性能了解，也可選中某個標(biāo)簽，專門瀏覽只與本標(biāo)簽相關(guān)的評論信息，以自動篩選代替人工篩選，而不用一條一條地去瀏覽所有的評論信息，大大節(jié)省了消費者的時間成本，更具有針對性。 2.6商品平均分 當(dāng)前在線商品評價數(shù)量日益增多，內(nèi)容也十分紛繁復(fù)雜，伴隨著當(dāng)前社會網(wǎng)絡(luò)流行語、口頭語的盛行，表達方式多樣化，而潛在消費者需要對海量的評論信息做出綜合判斷。為了緩解在線商品評論信息過載的問題，很多電商網(wǎng)站提供了商品的綜合得分，即計算所有評論者給某件商品的評分的平均值5，讓消費者能從宏觀的角度對某一種商品了解。 2.7多維打分 打分維度從商品本身拓展到售前售后服務(wù)是幫助消費者獲得多方面商品信息的一種較為快捷的方式，可以大大提高消費者滿意度。如在淘寶網(wǎng)上，從寶貝與實物相符、發(fā)貨速度、服務(wù)態(tài)度三個維度進行打分。 2.8評論效價 當(dāng)前，電子商務(wù)網(wǎng)站要求消費者對交易以好評、中評或差評進行標(biāo)記5。系統(tǒng)通過一種分類機制將三個維度總體的數(shù)量進行了統(tǒng)計，有的電商網(wǎng)站采用整數(shù)制，有的電商網(wǎng)站采用百分比制，通過該商品的好評率、差評率來對商品的總體性能有直觀的了解。這種分類機制是基于在線商品評論本身的內(nèi)容進行的，通過分詞軟件對每條評論進行分詞，從而確定特征詞語，如從中找出一些情感傾向十分明顯（好、很不錯等）的詞匯短語，從而按照“好”、“中”、“差”進行歸類。 2.9效價分布 效價分布是指消費者對商品或服務(wù)進行評價打星，共分為五個維度，五顆星代表“非常好”，一顆星表示“非常不好”，這是兩個極端。當(dāng)前，消費者提供的商品評分呈雙峰分布，這個得分只是折衷反映了兩個評價極端，即好評和差評。但是，飽含強烈極性（如贊美、批評）與個人觀點的在線商品評論也許并不可靠3。 2.10依據(jù)效價篩選 依據(jù)效價對商品評論信息進行篩選是一種人工效用評價機制，比如，最新發(fā)表的某一在線商品評論信息需要經(jīng)過很長一段時間來獲得消費者的累計“有用性”投票，這導(dǎo)致很多好的評論由于沒有及時獲得足夠的贊成票而被淹沒在數(shù)量龐大的信息海洋中6，這對于電子商務(wù)網(wǎng)站中對消費者做出購買決策的激勵效率不是很高。 2.11有用性投票 亞馬遜、京東等提供了評論的有用性指標(biāo)，用戶根據(jù)自己的認識和體驗對前期的評論的有用性進行投票，系統(tǒng)最終給出一個類似“31/36人認為此評論有用”的結(jié)論，由此統(tǒng)計出總的支持或反對數(shù)量，評論系統(tǒng)則會默認顯示最有用的評論在評論列表前端5，對評論的有用性進行排序和篩選。Chen7等研究發(fā)現(xiàn)，通過有用性投票后對評論信息進行排序可以從某種程度上增加網(wǎng)站的瀏覽量，提升商品的銷量。 2.12投票排序 商品評論系統(tǒng)的投票排序可以幫助消費者以較低的信息搜索成本（時間、流量）快速了解商品質(zhì)量，通過大眾自身的投票選出可信度更高、更加具有參考價值的在線商品評論信息，效率大大提高了。 2.13信用等級 信用等級是對評論者的身份等級的識別，往往評論者的等級越高（五百佳評論者、優(yōu)秀評論者等），其所做出的商品評論更具有參考價值，從而能對消費者做出購買決策起到更好的引導(dǎo)作用。等級較高的評論者的網(wǎng)購經(jīng)驗比較豐富，他們留下的評論信息內(nèi)容更準(zhǔn)確、語言格式更規(guī)范，更具有可信性。 2.14信用排序 信用排序指的是在線商品評論系統(tǒng)將信用度高的評論者所發(fā)出的參考價值高的評論信息盡可能排在靠前的位置，以供其后的消費者能在最快的時間內(nèi)對此進行參考，節(jié)約了時間。 2.15評論搜索 消費者可以根據(jù)自身的需求在檢索框中對自己想要的信息通過關(guān)鍵詞匹配進行檢索，而不必面對大量紛繁復(fù)雜的評論信息，如同大海撈針，一一進行瀏覽和翻閱，尋找自己想要的商品關(guān)注點和描述，大大節(jié)省了網(wǎng)購時間。 3、結(jié)語 本文通過對我國主流的電商網(wǎng)站進行調(diào)研，獲取商品評論系統(tǒng)評論信息的主要展現(xiàn)形式，其大致可以分為如下三類：第一，商品評論系統(tǒng)最初就使用的展現(xiàn)形式(如評論信息的總數(shù)量)；第二，以消費者二次UGC貢獻為基礎(chǔ)的功能(曬圖、回復(fù)與追加評論、有用性投票等)；第三，大多數(shù)對評論信息進行人工和機器篩選和排序的功能(如標(biāo)簽云篩選、投票排序、信用排序等)8。 當(dāng)前，伴隨網(wǎng)絡(luò)購物高速發(fā)展的同時也存在著商品評論信息過載的現(xiàn)象，在線商品評論的數(shù)量呈幾何級增長，動輒幾千條甚至上萬條的商品評論也讓用戶感到無所適從，并且由于缺乏相應(yīng)的約束機制，評論者可以隨意發(fā)表評論言論，導(dǎo)致評論信息有模糊性、多樣性、語義缺乏等缺陷，從中獲取有用、有價值的信息也變得十分困難。面對此問題，各大電子商務(wù)網(wǎng)站的在線商品評論系統(tǒng)的功能模塊日趨多樣化，滿足不同消費者的購物需求偏好，評論系統(tǒng)改善的過程反映了當(dāng)前的電子商務(wù)購物網(wǎng)站不斷全方位地了解用戶的購物需求，從而對商品評論系統(tǒng)進行改進，對有用性強的功能充分發(fā)揮其價值，對那些有用性不強的功能則需進一步改進或升級，使其更貼合消費者的購物習(xí)慣，這也是本文的研究意義所在。 參考文獻 1李志宇.在線商品評論效用排序模型研究J.現(xiàn)代圖書情報技術(shù),xx(04):62-68. 2陳江濤,張金隆,張亞軍.在線商品評論有用性影響因素研究:基于文本語義視角J.圖書情報工作,xx(10):119-123. 3楊銘,祁巍,閆相斌,等.在線商品評論的效用分析研究J.管理科學(xué)學(xué)報,xx(05):65-75. 4黃衛(wèi)來,潘曉波.在線商品評價信息有用性模型研究納入應(yīng)用背景因素的信息采納擴展模型J.圖書情報工作,xx(S1):141-151. 5孫霄凌,趙宇翔,朱慶華.在線商品評論系統(tǒng)功能需求的Kano模型分析以我國主要購物網(wǎng)站為例J.現(xiàn)代圖書情報技術(shù),xx(06):76-84. 6馬艷麗.在線評論引起的消費者決策困境:概念與相關(guān)問題J.求索,xx(07). 7ChenCC,TsengY.QualityevaluationofproductreviewsusinganinformationqualityframeworkJ.Decisi