電子商務(wù)中在線評論有用投票數(shù)影響因素研究

陳在飛+徐峰

〔摘 要〕在線評論

對消費(fèi)者購物選擇具有重要的影響，但日益增加的海量信息導(dǎo)致了信息過載等問題?因此，

判斷和識別評論信息的有用性具有重要的研究意義?本文采用文本挖掘和統(tǒng)計(jì)分析方法，從

評論信息特征和評論者信息兩個角度，對在線評論獲得有用投票數(shù)的影響因素進(jìn)行了分析，

并通過亞馬遜商城的用戶評論樣本，具體研究了各因素的影響作用?研究發(fā)現(xiàn)：評論評分對

在線評論的有用投票數(shù)具有負(fù)向影響，而評論信息豐富性和歷史評論有用性評價對其具有正

向影響?

〔關(guān)鍵詞〕電子商務(wù)；在線評論；

有用性投票；文本挖掘

DOI：10.3969/j

.issn.1008-0821.2014.01.004

〔中圖分類號〕F713.36 〔文獻(xiàn)標(biāo)識碼〕A 〔文章編

號〕1008-0821（2014）01-0018-05

Study on Impact Factors of Votin

g for the Helpfulness

of Online Reviews in E-commerce

Chen Zaifei Xu Feng

（School of Management and Engineering，Nanjing University，Nanjing 210093，Chin

a）

〔Abstract〕”BZ〗Online reviews have become the important reference for consumers，shoppin

g，but the increasing mass information results in information overload.So judgeme

nt and identification of helfulness reviews have important research significance

.Using text minning and statistic analysis methods，this paper studied the determ

inants of voting for the helpfulness of online reviews，from the viewpoint of inf

ormation features and reviewer information of online reviews.And this paper anal

ysed the impact of each variable on helpfulness of online reviews，based on onlin

e user reviews of Amazon.The results indicated that review rating had negative i

nfluence on the number of helpfulness votes；review information richness and revi

ewers helpfulness of previous reviews had significant positive influence on th

e number of helpfulness votes.

〔Key words〕e-commerce；onlin

e reviews；helpful votes；text mining

隨著互聯(lián)網(wǎng)技術(shù)和電子商務(wù)的迅速發(fā)展，網(wǎng)絡(luò)購物已逐漸為廣大消費(fèi)者所接受?中國電

子商務(wù)研究中心報告顯示，2012年，我國電子商務(wù)市場交易規(guī)模同比上漲30.83%，達(dá)到7.

85萬億元，網(wǎng)絡(luò)購物規(guī)模不斷擴(kuò)大^[1]?與傳統(tǒng)購物不同，在網(wǎng)絡(luò)購物中消費(fèi)者無

法通過實(shí)際的體驗(yàn)對商品進(jìn)行判斷，因此其他消費(fèi)者的購物體驗(yàn)對其購買決策具有重要的參

考作用?然而，急劇增加的網(wǎng)絡(luò)評論數(shù)量在為消費(fèi)者提供了更加全面信息的同時也帶來了信

息過載等問題，影響消費(fèi)者對在線評論信息的判斷?在大量的在線評論中快速識別出有用的

評論，對提高消費(fèi)者的決策效率，改進(jìn)電子商務(wù)平臺服務(wù)質(zhì)量具有重要的意義?

在對評論有用性研究中，如何對評論有用性進(jìn)行量化是需要解決的首要問題，目前，電子商

務(wù)網(wǎng)站上針對商品評論有用與否的投票功能，設(shè)置了有用和無用選項(xiàng)，并且投票結(jié)果就顯示

在評論下方，這方便了研究者對評論有用性的定量分析?以前研究中，大多采用有用投票數(shù)

與總投票數(shù)的比值作為評論有用性的度量值，比值越大，則評論有用性就越高[2-5

]，但這種衡量方法存在兩個問題：（1）當(dāng)消費(fèi)者投票數(shù)較少時，這一比值不能準(zhǔn)確反

映評論的真實(shí)價值；（2）沒有投票的評論未被納入研究范疇?Cao和Duan指出，投票數(shù)多的

評論往往能得到更多關(guān)注，由于投票數(shù)少的評論吸引力較小很難再獲得更多投票，因此采用

商品評論的總投票數(shù)來研究評論有用性的影響因素^[6]?事實(shí)上，在線評論的總投

票數(shù)僅僅反映了消費(fèi)者對評論的關(guān)注，不能反映消費(fèi)者對評論價值的認(rèn)可，基于此，本文以

亞馬遜網(wǎng)站手機(jī)評論數(shù)據(jù)為基礎(chǔ)，對在線評論有用投票數(shù)的影響因素進(jìn)行分析，研究如何提endprint

高消費(fèi)者的有用投票數(shù)，為消費(fèi)者決策和電子商務(wù)平臺管理提供參考?

1 理論分析與假設(shè)

1.1 理論分析

在線評論作為網(wǎng)絡(luò)口碑的一種形式，在商品營銷管理中發(fā)揮著越來越重要的作用，近年來已

經(jīng)引起國內(nèi)外許多學(xué)者的關(guān)注和重視，在線評論有用性研究即為研究內(nèi)容之一?

Ghose和Ipeirotis以搜索型商品為研究對象，分析了評論主客觀傾向，主客觀傾向混雜度以

及評論可讀性對在線評論有用性的影響^[2]?郝媛媛通過對電影評論數(shù)據(jù)的實(shí)證研

究，詳細(xì)分析了評論情感傾向及其混雜度?評論主客觀性及其混雜度對在線評論有用性感知

的影響作用^[4]?嚴(yán)建援從文本內(nèi)容的角度，研究了評論深度?評論表述客觀性等

對評論有用性的影響作用^[5]?而彭嵐以傳播學(xué)說服理論為基礎(chǔ)，構(gòu)建了在線評論

有用性影響因素模型，提出評論等級?評論者好評率，評論閱讀者互聯(lián)網(wǎng)使用經(jīng)驗(yàn)是影響在

線評論有用性的重要因素^[6]?Cao和Duan通過文本挖掘的方法，研究評論體裁?

評論語義特征對評論有用性的影響，發(fā)現(xiàn)相對于其它因素，語義特征對評論有用性的影響作

用更加顯著^[2]?殷國鵬等則從信息采納和社會網(wǎng)絡(luò)視角，探究了影響消費(fèi)者采納

在線評論信息的原因，實(shí)證發(fā)現(xiàn)，評論長度?評論星級和評論者中心度顯著影響評論有用性

^[7]?

從前述研究出發(fā)，本文認(rèn)為評論的有用投票數(shù)既可以反映消費(fèi)者對評論的關(guān)注，又能幫助消

費(fèi)者對評論信息價值的判斷，因此本文采用評論有用投票數(shù)代表評論有用性，從評論信息特

征和評論者信息兩個方面分析在線評論有用投票數(shù)的影響因素?

1.2 研究假設(shè)

1.2.1 評論評分

評論評分是消費(fèi)者對商品總體效用的評價，其范圍一般為1星到5星，其中1星為差評，5星為

好評，3星是中性評價，一般不帶有明顯的感情色彩，或兼具正面和負(fù)面評價?Pavlou和Dim

ka（2006）指出，ebay上商品的正面和負(fù)面評論比中性評論包含更豐富的信息，對消費(fèi)者決

策更有參考意義^[8]?郝媛媛（2010）也發(fā)現(xiàn)，在線評論的情感傾向?qū)υu論有用性

存在影響，極端評論對評論有用性有正向影響^[4]?因此，評論評分對消費(fèi)者判斷

評論價值存在影響?5星評論通常描述的是商品和服務(wù)的優(yōu)點(diǎn)，1星評論一般反映商品和服務(wù)

中存在的問題，這兩類評論可以改變目標(biāo)商品給消費(fèi)者帶來的預(yù)期效用（增強(qiáng)或削弱），幫

助消費(fèi)者縮小商品搜尋范圍，從而有利于消費(fèi)者減小搜尋成本，提高決策效率?因此，本文

提出假設(shè)H1：

H1：在線評論獲得的有用性投票數(shù)與其評分有關(guān)，且極端評分對其評論有用投票數(shù)具有正向

影響?

1.2.2 評論信息易讀性

易讀性，可以反映文本閱讀和理解的難易程度?Nikolaos et al（2012）運(yùn)用FOG?ARI等英

文文本易讀性（readability）公式，分析評論閱讀的難易與評論有用性評價之間的關(guān)系，

指出在線評論的易讀性正向影響消費(fèi)者對評論有用性的判斷^[9]?在漢語可讀性的

研究中，孫漢銀（1992）認(rèn)為漢字平均筆畫數(shù)?句均漢字?jǐn)?shù)?多筆畫字?jǐn)?shù)等對漢語閱讀難易

程度存在影響^[10]；張寧志（2000）認(rèn)為句長?非常用詞數(shù)量等會影響漢語文本

的易讀性^[11]，本文借鑒漢語可讀性的研究結(jié)論，選擇評論的字均筆畫數(shù)?句均

漢字?jǐn)?shù)以及多筆畫字?jǐn)?shù)作為測試變量，分析中文評論易讀性對評論價值感知的影響?評論的

文字筆畫復(fù)雜，單句評論所含字?jǐn)?shù)越多，會增加閱讀者準(zhǔn)確理解評論內(nèi)涵的難度；筆畫較多

的漢字通常代表具有較高的字形復(fù)雜度，為生僻字或者不常用字的可能性較高，消費(fèi)者遇到

較難識別的字的概率較高，影響消費(fèi)者流暢地閱讀評論文本?基于以上論述，提出以下假設(shè)

：

H2a：在線評論的字均筆畫數(shù)對在線評論有用投票數(shù)具有負(fù)向影響?

H2b：在線評論的句均漢字?jǐn)?shù)對在線評論有用投票數(shù)具有負(fù)向影響?

H2c：在線評論中包含的多筆畫字?jǐn)?shù)對在線評論有用投票數(shù)具有負(fù)向影響?

1.2.3 評論信息豐富性

Mudambi（2010）認(rèn)為，評論信息深度可以提高評論的診斷性，增強(qiáng)消費(fèi)者信心，幫助消費(fèi)

者做出購買決策^[12]?信息豐富的評論，通常包含更多的商品特性?商品性能及

商品使用體驗(yàn)等內(nèi)容，所傳遞的信息更加全面，也更具深入性?消費(fèi)者閱讀信息豐富評論后

，能夠獲得關(guān)于商品多個方面的信息，有利于增強(qiáng)其對商品的了解，降低在網(wǎng)絡(luò)虛擬環(huán)境下

選擇商品時的不確定性，提高消費(fèi)者判別商品價值的能力，因此，評論信息豐富性會影響消

費(fèi)者對評論價值的判斷?基于上述論述，提出以下假設(shè)：

H3：評論信息的豐富性對在線評論的有用投票數(shù)具有正向影響?

1.2.4 評論者信息

評論者具有不同的特征信息，其特征信息對消費(fèi)者判斷在線評論的有用性具有重要的參考價endprint

值?Forman（2008）研究了評論者信息公開對消費(fèi)者購買意愿和商品銷量的影響，信息公開

的評論者評論對商品銷量的影響作用更加顯著^[13]?Ghose和Ipeirotis（2010）

研究發(fā)現(xiàn)，評論者的歷史信息對其評論有用性存在顯著影響^[14]?評論數(shù)量和評

論者所有評論獲得的總有用投票數(shù)?評論的總投票數(shù)，是在一些網(wǎng)站（如亞馬遜）上可以得

到的評論者信息?本文中將評論者的評論數(shù)量和歷史評論有用性評價作為研究變量，分析評

論者信息的影響作用?評論者的歷史評論有用性評價指評論者已發(fā)布評論獲得的有用投票數(shù)

與總投票數(shù)的比值，用于表示評論者的評論的平均歷史有用性和受認(rèn)可度?

發(fā)帖數(shù)量可用于表示用戶在網(wǎng)絡(luò)社區(qū)中的活躍性[7，15]，因此，評論數(shù)量，可

用來反映評論者參與網(wǎng)絡(luò)討論的積極性和活躍性?歷史評論有用性評價高的評論者，通常具

有豐富經(jīng)驗(yàn)和較高的專業(yè)知識水平，其評論質(zhì)量高，容易得到消費(fèi)者的認(rèn)可和采納?因此，

提出假設(shè)：

H4a：評論者的評論數(shù)量對在線評論有用投票數(shù)具有正向影響?

H4b：評論者的歷史評論有用性評價對在線評論有用投票數(shù)具有正向影響?

1.3 理論模型框架

在以前研究及前述理論假設(shè)的基礎(chǔ)上，本文主要分析評論評分?評論信息易讀性?評論信息

豐富性，評論者評論數(shù)量?評論者的歷史評論有用性評價對在線評論有用得票數(shù)的影響作用

，所構(gòu)建的在線評論有用投票數(shù)影響因素模型，如圖1所示?

2.1 數(shù)據(jù)收集

本文以亞馬遜網(wǎng)站的商品評論作為數(shù)據(jù)來源，采用基于jsoup類庫編寫的java程序，抓取亞

馬遜網(wǎng)站上評論者發(fā)表的手機(jī)評論，其中，jsoup是一款用于html解析的java類庫，可通過D

OM或CSS選擇器來解析和提取html網(wǎng)頁上的數(shù)據(jù)，并為此提供了一套簡便的API（詳細(xì)信息見

http：∥jsoup.org/）?通過對抓取到的評論進(jìn)行篩選，去除其中信息

不完整的評論后，獲得有效數(shù)據(jù)2 489條，每條評論收集了以下內(nèi)容：（1）有用投票數(shù)

；（2）評論評分；（3）評論標(biāo)題；（4）評論正文；（5）評論者的評論數(shù)量；（6）評論

者獲得的總有用投票數(shù)；（7）評論者獲得的總投票數(shù)，對收集的數(shù)據(jù)整理后，作為實(shí)驗(yàn)樣

本?

2.2 模型公式

對于評論信息豐富性，通常評論越長，其中含有的商品描述信息越全面，而且Mudambi（201

0）也將評論長度作為評論深度的測量變量^[12]，因此在構(gòu)建在線評論投票數(shù)影

響因素的模型公式時，以評論長度作為評論信息豐富性的度量值，并且分別分析評論標(biāo)題長

度和評論正文長度對在線評論有用投票數(shù)的影響作用?對于多筆畫字，艾偉在20世紀(jì)40年代

，就曾以10畫作為判斷漢字筆畫多少的標(biāo)準(zhǔn)，分析筆畫數(shù)與漢字認(rèn)知之間的關(guān)系[16

]，本文也采用10畫作為分段標(biāo)準(zhǔn)，以10畫以上的漢字作為多筆畫字，基于前述假設(shè)，建

立在線評論有用投票數(shù)與各影響因素之間的多元線性回歸模型，如公式（1）所示?為了減

小由異方差和偏態(tài)性所產(chǎn)生的誤差，模型中的部分變量采取了自然對數(shù)的形式?

其中，helpRatei指第i條評論得到的有用投票數(shù)，rtae指評論評分，ti

Len指評論標(biāo)題長度，conLen指評論正文長度，conNum是評論正文的字均筆

畫數(shù)，conNumSen指的是評論正文中每句話所含有的平均漢字?jǐn)?shù)，concplR

atio是指評論中多筆畫漢字?jǐn)?shù)與評論長度的比值，用于表示評論正文中多筆畫字所占的

比率?reviewCount指評論者發(fā)表的評論總數(shù)，reviewhelp指評論者

的歷史評論有用性評價的值?α為常數(shù)項(xiàng)，ε為殘差項(xiàng)?經(jīng)過對評論樣本的整理和匯總，得

到評論樣本描述性統(tǒng)計(jì)信息如表1所示?

2.3 實(shí)驗(yàn)結(jié)果分析

本文采用SPSS統(tǒng)計(jì)分析軟件，對各影響因素與評論有用投票數(shù)進(jìn)行回歸分析，得到結(jié)果

如表2所示?為了保證統(tǒng)計(jì)分析結(jié)果的準(zhǔn)確性，對各影響因素進(jìn)行了多重共線性診斷，通常

方差膨脹因子VIF<10，則自變量之間不存在多重共線性問題，本文中VIF值通過了

檢驗(yàn)，不存在明顯的多重共線性問題?

本文的F值為128.456，R2和調(diào)整后R2分別為0.293和0.291，可見模型整體

擬合效果較好?

（1）從模型的回歸結(jié)果看，評論評分對評論獲得的有用性投票數(shù)具有顯著影響（p<0.01

），相對于中性評價信息，極端評價信息被認(rèn)為更有價值，假設(shè)H1得到驗(yàn)證?兩者呈負(fù)相關(guān)

關(guān)系，即評論評分越低，獲得的有用性投票數(shù)越多?負(fù)面評論通常描述的是購買和使用過程

中遇到的商品或服務(wù)方面的問題，反映商品存在的缺陷，為消費(fèi)者呈現(xiàn)了購買商品可能存在

的風(fēng)險，從而減小消費(fèi)者發(fā)生損失的可能性，有利于消費(fèi)者提前規(guī)避風(fēng)險，對消費(fèi)者選購商

品有著較好的借鑒意義，易被消費(fèi)者采納?

（2）評論標(biāo)題長度，評論正文長度對其有用投票數(shù)影響顯著（p<0.01），且回歸系數(shù)為

正，假設(shè)H3得到驗(yàn)證，即評論信息豐富性對評論有用性的感知具有正向影響?評論越長，評endprint

論的信息量越大，含有的商品相關(guān)描述信息就越豐富?消費(fèi)者在購買商品前，會參考已有評

論中的意見或建議，以更好的了解目標(biāo)商品的質(zhì)量和特性，而信息豐富的評論，可以為其提

供詳細(xì)的商品性能?使用體驗(yàn)和售后服務(wù)方面的信息，幫助消費(fèi)者提高決策效率，因此更能

引起消費(fèi)者的關(guān)注，獲得的有用投票數(shù)也就越多?

（3）評論信息易讀性的3個衡量指標(biāo)，字均筆畫數(shù)（p<0.1）?句均字符數(shù)（p<0.01）

以及多筆畫字?jǐn)?shù)（p<0.1）都通過了顯著性檢驗(yàn)，表明評論信息易讀性對其有用投票數(shù)具

有影響作用?但只有多筆畫字?jǐn)?shù)的回歸系數(shù)為負(fù)，支持了H2c所提出假設(shè)，其它兩項(xiàng)的系數(shù)

為正，與假設(shè)相反?筆畫較多的漢字復(fù)雜度通常較高，易給閱讀者帶來閱讀和理解上的困難

，多筆畫字較多的文本，不利于閱讀者準(zhǔn)確理解其所表達(dá)的含義，因此，不易引起消費(fèi)者的

注意?字均筆畫數(shù)?句均漢字?jǐn)?shù)呈現(xiàn)正相關(guān)，可能是因?yàn)閱我坏暮唵巫趾秃唵尉浣M成的評論

，不能詳細(xì)傳遞評論者的商品使用體驗(yàn)?商品選擇建議等內(nèi)容，較為豐富的漢字和句子的應(yīng)

用，可以幫助消費(fèi)者更好的了解評論者表達(dá)的內(nèi)容?以后可以進(jìn)一步分析，當(dāng)字均筆畫數(shù)和

句均漢字?jǐn)?shù)超過某一閾值時，負(fù)向影響評論的有用性，即兩者與評論有用投票數(shù)之間是否存

在倒“U”關(guān)系?

（4）評論者信息方面，評論者的評論數(shù)量沒有通過顯著性檢驗(yàn)，H4a的假設(shè)沒有獲得支持，

評論者的歷史評論有用性評價通過了顯著性檢驗(yàn)（p<0.05），且回歸系數(shù)為正，假設(shè)H4b

得到驗(yàn)證，即評論者的歷史評論的平均有用性，對其新發(fā)表評論獲得的有用投票數(shù)具有正向

影響?較高的歷史評論有用性評價，表示評論者具有良好的信譽(yù)?專業(yè)的知識水平，其評論

對商品信息的描述詳細(xì)準(zhǔn)確，評論可信度高，對消費(fèi)者選購商品更具參考價值，往往能夠得

到消費(fèi)者更多的關(guān)注，獲得的有用性投票數(shù)也越多?評論者的評論數(shù)量影響不顯著，這說明

，相對于評論者發(fā)布的評論數(shù)量，消費(fèi)者更加關(guān)心其評論的質(zhì)量和參考價值?

3 結(jié)束語

商品在線評論對消費(fèi)者網(wǎng)絡(luò)購物起著重要的作用，但大量的在線評論直接影響了消費(fèi)者對有

用信息的獲取?本文通過構(gòu)建在線評論獲得有用投票數(shù)量的影響因素模型，分析了影響在線

評論有用性感知的因素，發(fā)現(xiàn)評論評分?評論信息豐富性?評論者的歷史評論有用性評價，

顯著影響在線評論獲得的有用投票的數(shù)量，而且本文采用評論易讀性的多個衡量指標(biāo)分析其

影響作用，部分獲得了支持?

通過研究得出以下管理啟示，首先，評論信息豐富性對評論有用性具有正向影響作用，應(yīng)該

引導(dǎo)消費(fèi)者多發(fā)表一些內(nèi)容充實(shí)，信息全面的評論，以吸引更多消費(fèi)者對企業(yè)商品的關(guān)注；

其次，評論者的歷史評論的質(zhì)量對新發(fā)表評論的有用性具有正向影響，因此可以通過一定的

機(jī)制設(shè)計(jì)，鼓勵信譽(yù)較好，評論質(zhì)量較高的評論者多發(fā)表評論?

本文的研究仍存在一定的局限性，本文只采用評論長度作為評論信息豐富性的度量指標(biāo)，而

沒有對評論內(nèi)容進(jìn)行具體分析，可能不太全面；本文沒有考慮時間對評論獲得有用投票數(shù)的

影響；另外，本文僅對手機(jī)評論進(jìn)行分析，結(jié)論是否適用于其它商品評論，還需進(jìn)一步地研

究?

參考文獻(xiàn)

[1]2012年度中國電子商務(wù)市場數(shù)據(jù)監(jiān)測報告[R].杭州：中國電子商務(wù)

研究中心，2013.

[2]Ghose A，Ipeirotis P G.Designing Novel Review Ranking Systems：Predicting

the Usefulness and Impact of Reviews[J].Proceedings of the 9th Internationa

l Conference on Electronic Commerce，New York，USA：Association Computing Machin

ery（ACM），2007：303-309.

[3]Qing Cao，Wenjing Duan，Qiwei Gan.Exploring Determinants of Voting for the

“Helpfulness”of Online User Reviews：A Text Mining Approach[J].Decision Sup

port Systems，2011，50（2）：511-521.

[4]郝媛媛，葉強(qiáng)，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理

科學(xué)學(xué)報，2010，13（8）：78-88，96.

[5]嚴(yán)建援，張麗，張蕾.電子商務(wù)中在線評論內(nèi)容對評論有用性影響的實(shí)證研究[J].

情報科學(xué)，2012，30（5）：713-716，719.

[6]彭嵐，周啟海，邱江濤.消費(fèi)者在線評論有用性影響因素模型研究[J].計(jì)算機(jī)科學(xué)

，2011，38（8）：205-207，244.

[7]殷國鵬，劉雯雯，祝珊.網(wǎng)絡(luò)社區(qū)在線評論有用性影響模型研究——基于信息采納與

社會網(wǎng)絡(luò)視角[J].圖書情報工作，2012，56（16）：140-147.

[8]Hu，N.，Pavlou，P.A.，and Zhang，J.Can online reviews reveal a products trueendprint

quality？empirical findings and analytical modeling of online word-of-mouth comm

unication[J].In Proceedings of the 7th ACM Conference on Electronic Commerce，

2006：324-330.

[9]Nikolaos Korfiatisa，Elena García-Bariocanalb，Salvador Sánchez-Alonsob.Ev

aluating content quality and helpfulness of online product reviews：The interplay

of review helpfulness vs.review content[J].Electronic Commerce Research and

Applications.2012，11（3）：205-217.

[10]孫漢銀.中文易懂性公式[D].北京：北京師范大學(xué)，1992.

[11]張寧志.漢語教材語料難度的定量分析[J].世界漢語教學(xué)，2000，（3）：83-88.

[12]Susan M.Mudambi，David Schuff.What Makes a Helpful Online Review？A Stud

y of Customer Reviews on amazon.com[J].MIS Quarterly，2010，1（34）：1

85-200.

[13]Anindya Ghose，Panagiotis G.Ipeirotis.Estimating the Helpfulness and Eco

nomic Impact of Product Reviews：Mining Text and Reviewer Characteristics[J].I

EEE Transactions on Knowledge and Data Engineering，2010，23（10）：1-15.

[14]C.Forman，A.Ghose，B.Wiesenfeld.Examining the relationship between revi

ews and sales：the role of reviewer identity disclosure in electronic markets[J

].Information Systems Research，2008，19（3）：291-313.

[15]丁漢青，王亞萍.SNS網(wǎng)絡(luò)空間中“意見領(lǐng)袖”特征之分析——以豆瓣網(wǎng)為例[J]

.新聞與傳播研究，2011，（3）：82-111.

[16]艾偉.閱讀心理——漢字問題[M].北京：中華書局，1949.endprint

quality？empirical findings and analytical modeling of online word-of-mouth comm

unication[J].In Proceedings of the 7th ACM Conference on Electronic Commerce，

2006：324-330.

[9]Nikolaos Korfiatisa，Elena García-Bariocanalb，Salvador Sánchez-Alonsob.Ev

aluating content quality and helpfulness of online product reviews：The interplay

of review helpfulness vs.review content[J].Electronic Commerce Research and

Applications.2012，11（3）：205-217.

[10]孫漢銀.中文易懂性公式[D].北京：北京師范大學(xué)，1992.

[11]張寧志.漢語教材語料難度的定量分析[J].世界漢語教學(xué)，2000，（3）：83-88.

[12]Susan M.Mudambi，David Schuff.What Makes a Helpful Online Review？A Stud

y of Customer Reviews on amazon.com[J].MIS Quarterly，2010，1（34）：1

85-200.

[13]Anindya Ghose，Panagiotis G.Ipeirotis.Estimating the Helpfulness and Eco

nomic Impact of Product Reviews：Mining Text and Reviewer Characteristics[J].I

EEE Transactions on Knowledge and Data Engineering，2010，23（10）：1-15.

[14]C.Forman，A.Ghose，B.Wiesenfeld.Examining the relationship between revi

ews and sales：the role of reviewer identity disclosure in electronic markets[J

].Information Systems Research，2008，19（3）：291-313.

[15]丁漢青，王亞萍.SNS網(wǎng)絡(luò)空間中“意見領(lǐng)袖”特征之分析——以豆瓣網(wǎng)為例[J]

.新聞與傳播研究，2011，（3）：82-111.

[16]艾偉.閱讀心理——漢字問題[M].北京：中華書局，1949.endprint

quality？empirical findings and analytical modeling of online word-of-mouth comm

unication[J].In Proceedings of the 7th ACM Conference on Electronic Commerce，

2006：324-330.

[9]Nikolaos Korfiatisa，Elena García-Bariocanalb，Salvador Sánchez-Alonsob.Ev

aluating content quality and helpfulness of online product reviews：The interplay

of review helpfulness vs.review content[J].Electronic Commerce Research and

Applications.2012，11（3）：205-217.

[10]孫漢銀.中文易懂性公式[D].北京：北京師范大學(xué)，1992.

[11]張寧志.漢語教材語料難度的定量分析[J].世界漢語教學(xué)，2000，（3）：83-88.

[12]Susan M.Mudambi，David Schuff.What Makes a Helpful Online Review？A Stud

y of Customer Reviews on amazon.com[J].MIS Quarterly，2010，1（34）：1

85-200.

[13]Anindya Ghose，Panagiotis G.Ipeirotis.Estimating the Helpfulness and Eco

nomic Impact of Product Reviews：Mining Text and Reviewer Characteristics[J].I

EEE Transactions on Knowledge and Data Engineering，2010，23（10）：1-15.

[14]C.Forman，A.Ghose，B.Wiesenfeld.Examining the relationship between revi

ews and sales：the role of reviewer identity disclosure in electronic markets[J

].Information Systems Research，2008，19（3）：291-313.

[15]丁漢青，王亞萍.SNS網(wǎng)絡(luò)空間中“意見領(lǐng)袖”特征之分析——以豆瓣網(wǎng)為例[J]

.新聞與傳播研究，2011，（3）：82-111.

[16]艾偉.閱讀心理——漢字問題[M].北京：中華書局，1949.endprint