網(wǎng)絡(luò)口碑對體驗(yàn)型產(chǎn)品在線銷量的影響——基于電影在線評論面板數(shù)據(jù)的實(shí)證研究

?

網(wǎng)絡(luò)口碑對體驗(yàn)型產(chǎn)品在線銷量的影響——基于電影在線評論面板數(shù)據(jù)的實(shí)證研究

楊揚(yáng)1、2

（1.上海理工大學(xué)管理學(xué)院，上海市200093；2.上海出版印刷高等?？茖W(xué)校，上海市200093）

摘要：現(xiàn)代消費(fèi)者在購買體驗(yàn)型產(chǎn)品時(shí)，越來越傾向于通過第三方網(wǎng)站的網(wǎng)絡(luò)口碑信息來進(jìn)行購買決策。文章通過格瓦拉網(wǎng)上電影評論的樣本面板數(shù)據(jù)，從在線評論數(shù)量、評論分?jǐn)?shù)、星級評論三個(gè)角度，對網(wǎng)絡(luò)口碑和電影票房收入的關(guān)系進(jìn)行實(shí)證分析。研究發(fā)現(xiàn)，第三方網(wǎng)站在線評論對電影票房收入有顯著影響。其中，評論數(shù)量對票房收入有顯著正向影響，并且影響效應(yīng)隨時(shí)間呈現(xiàn)出拋物線的變化趨勢。星級評論對票房收入的影響主要發(fā)生在第1周，并且一星級的負(fù)面評論對票房收入的影響大于五星級的正面評論。電影網(wǎng)絡(luò)銷售商應(yīng)積極在第三方網(wǎng)站上建立和完善消費(fèi)者在線評論系統(tǒng)，激勵消費(fèi)者參與在線評論，并對負(fù)面口碑進(jìn)行積極管理。

關(guān)鍵詞：網(wǎng)絡(luò)口碑；在線評論；面板數(shù)據(jù)；票房

消費(fèi)者在購買產(chǎn)品時(shí)，往往會根據(jù)此產(chǎn)品的口碑進(jìn)行決策。[1]傳統(tǒng)意義上的口碑是人際間進(jìn)行的與品牌、企業(yè)、產(chǎn)品、服務(wù)等相關(guān)的口頭傳播行為，是不以商業(yè)為目的的人際口頭傳播。[2]有研究表明口碑是購買決策最重要的影響因素，這種影響甚至是新聞雜志的7倍、廣播廣告的2倍。[3]

在互聯(lián)網(wǎng)時(shí)代，消費(fèi)者在社交網(wǎng)站、電子商務(wù)網(wǎng)站等互聯(lián)網(wǎng)平臺上發(fā)表自己對產(chǎn)品的評論已經(jīng)成為消費(fèi)生活的一部分，口碑從傳統(tǒng)的一對一、面對面的口頭傳播方式發(fā)展成為在匿名環(huán)境下同時(shí)傳遞給眾多潛在消費(fèi)者的方式。這種由實(shí)際的或潛在的消費(fèi)者通過互聯(lián)網(wǎng)發(fā)布相關(guān)正面、負(fù)面或中立評論內(nèi)容的傳播形式被稱為網(wǎng)絡(luò)口碑。[4]不僅如此，網(wǎng)絡(luò)口碑信息還可以被存儲、搜索和再傳播，而不像傳統(tǒng)口碑那樣即時(shí)和短暫。因此，網(wǎng)絡(luò)口碑可以通過互聯(lián)網(wǎng)渠道無止境地?cái)U(kuò)散出去，具有比傳統(tǒng)口碑更強(qiáng)的影響力。

尼爾森（Nelson）[5]在其研究中把產(chǎn)品分為兩類：一種為體驗(yàn)型產(chǎn)品，另一種為搜索型產(chǎn)品。其中搜索型產(chǎn)品的質(zhì)量可以在購買之前通過搜索等來進(jìn)行確定，通常一般功能性產(chǎn)品都屬于這個(gè)范疇；而體驗(yàn)型產(chǎn)品的質(zhì)量只能在購買后得出結(jié)論，通常指服務(wù)類產(chǎn)品或者娛樂產(chǎn)品，例如音樂會、電影等。貝等（Bei et al）[6]的研究發(fā)現(xiàn)，購買體驗(yàn)型產(chǎn)品的消費(fèi)者與購買搜索類產(chǎn)品的消費(fèi)者相比，前者較頻繁地使用網(wǎng)絡(luò)獲取產(chǎn)品信息，并且更傾向接受網(wǎng)絡(luò)口碑。

近年來，國內(nèi)電子商務(wù)網(wǎng)站發(fā)展得如火如荼，其中，格瓦拉網(wǎng)（www.gewara.com）是國內(nèi)領(lǐng)先的體驗(yàn)型產(chǎn)品第三方網(wǎng)站，不僅可以讓消費(fèi)者發(fā)表電影評論信息，而且也提供電影票在線購買服務(wù)。本文以格瓦拉網(wǎng)所收集到的電影信息（包括電影評論、票房、上映天數(shù)、每天上映場數(shù)）的大樣本面板數(shù)據(jù)為研究基礎(chǔ)，通過建立計(jì)量模型對電影在線評論與電影票房的關(guān)系進(jìn)行實(shí)證分析。

一、文獻(xiàn)綜述與假設(shè)

學(xué)者們采用各種計(jì)量模型和研究方法，從不同維度測量網(wǎng)絡(luò)口碑對企業(yè)的傳播效應(yīng)。最常采用的三個(gè)維度為口碑?dāng)?shù)量（Volume）、口碑效價(jià)（Valence）和口碑離散度（Dispersion）。[7]口碑離散度是指口碑在不同網(wǎng)絡(luò)社區(qū)間傳播的程度，口碑的離散度越高，說明網(wǎng)絡(luò)口碑的影響力越廣。由于本文的研究僅囿于格瓦拉網(wǎng)這一網(wǎng)絡(luò)社區(qū)內(nèi)，無法從離散度的維度來測量，因此，本文主要從數(shù)量和效價(jià)的維度來分析網(wǎng)絡(luò)口碑對銷量的影響。

口碑?dāng)?shù)量主要指消費(fèi)者對某一產(chǎn)品的評論數(shù)量，反映的是網(wǎng)絡(luò)口碑的知曉效應(yīng)（Awareness Ef?fect）。高德斯和梅茲林（Godes & Mayzlin）[8]認(rèn)為評論數(shù)量越多，說明有越多的消費(fèi)者參與到對產(chǎn)品的討論中，這不僅反映了該產(chǎn)品消費(fèi)人群的規(guī)模，也反映了消費(fèi)者對該產(chǎn)品討論的熱度。熱度越高，其他消費(fèi)者知曉該產(chǎn)品的可能性就越大，從而能夠產(chǎn)生更多的后續(xù)銷量。陳等（Chen et al）[9]根據(jù)在亞馬遜網(wǎng)站上收集的數(shù)據(jù)，實(shí)證研究了消費(fèi)者的反饋和評價(jià)對銷售的影響，發(fā)現(xiàn)更多的推薦提高了亞馬遜網(wǎng)站上產(chǎn)品的銷量，同時(shí)，消費(fèi)者的評論數(shù)量與銷量呈正相關(guān)關(guān)系。劉（Liu）[10]通過對雅虎（Yahoo）網(wǎng)站收集的數(shù)據(jù)分析發(fā)現(xiàn)，評論數(shù)量越多，電影票房越高。段等（Duan et al）[11]在對電影票房的研究中發(fā)現(xiàn)，消費(fèi)者評論的數(shù)量對于票房收入有顯著的正向作用。由此，本文提出假設(shè)H1：

H1：網(wǎng)絡(luò)口碑?dāng)?shù)量對電影票房收入有顯著正向影響。

口碑效價(jià)指消費(fèi)者對產(chǎn)品評價(jià)的好壞或正負(fù)性，通常用評論分?jǐn)?shù)及其好壞的比例來衡量，反映的是網(wǎng)絡(luò)口碑的說服效應(yīng)（Persuasive Effect）。說服效應(yīng)是指產(chǎn)品評價(jià)越好，越能夠引起潛在消費(fèi)者態(tài)度的轉(zhuǎn)變，從而說服他們購買該產(chǎn)品。克萊蒙斯等（Clemons et al）[12]通過消費(fèi)者對啤酒的網(wǎng)絡(luò)評論分析，發(fā)現(xiàn)評論效價(jià)與啤酒的銷量呈正相關(guān)關(guān)系。郝媛媛等[13]認(rèn)為五星評論的正面影響大于一星評論的負(fù)面影響，而中評沒有顯著影響。漢森（Hanson）[14]研究認(rèn)為，不滿意的消費(fèi)者會通過網(wǎng)絡(luò)平臺將負(fù)面口碑信息傳播超過六千人。夏維勒和梅茲林（Chevalier & Mayzlin）[15]發(fā)現(xiàn)，一本書評論的改善會增加該書的銷量，同時(shí)負(fù)面口碑對降低產(chǎn)品銷量比正面口碑提升產(chǎn)品銷量的效果更加顯著。但是，也有部分學(xué)者的研究結(jié)論認(rèn)為口碑效價(jià)對產(chǎn)品銷量沒有顯著影響。段（Duan）[16]通過對雅虎網(wǎng)站上電影評論分?jǐn)?shù)對電影票房的影響分析，發(fā)現(xiàn)評論分?jǐn)?shù)對于票房并沒有顯著影響。陳（Chen）[17]通過亞馬遜網(wǎng)站上收集的數(shù)據(jù)分析，沒有發(fā)現(xiàn)消費(fèi)者的評論效價(jià)與銷量之間有顯著關(guān)系。劉（Liu）[18]通過正負(fù)評論的百分比測量分析，發(fā)現(xiàn)口碑的正負(fù)性對電影票房的影響沒有解釋力度。在此基礎(chǔ)上，本文提出假設(shè)H2、假設(shè)H3、假設(shè)H4和假設(shè)H5。

H2：網(wǎng)絡(luò)口碑評分對票房收入有顯著正向影響。

H3：正面網(wǎng)絡(luò)口碑（五星評論比例）對票房收入有顯著正向影響。

H4：負(fù)面網(wǎng)絡(luò)口碑（一星評論比例）對票房收入有顯著負(fù)向影響。

H5：負(fù)面網(wǎng)絡(luò)口碑對票房收入的影響大于正面網(wǎng)絡(luò)口碑的影響。

此外，在研究網(wǎng)絡(luò)口碑對電影票房收入的影響時(shí)，還需考慮其他相關(guān)的重要因素，如放映場數(shù)、周末效應(yīng)以及上映天數(shù)等。斯瓦米等（Swa?mi et al）[19]研究認(rèn)為，放映場數(shù)與票房收入之間存在顯著正相關(guān)關(guān)系。段（Duan）[20]研究發(fā)現(xiàn)周末票房通常會出現(xiàn)周期上的高峰，同時(shí)還發(fā)現(xiàn)電影上映天數(shù)與票房存在負(fù)相關(guān)關(guān)系。由此，本文提出以下假設(shè)：

H6：放映場數(shù)對當(dāng)天票房收入有顯著正向影響。

H7：周末對當(dāng)天票房收入有顯著正向影響。

H8：上映天數(shù)對當(dāng)天票房收入有顯著負(fù)向影響。

在網(wǎng)絡(luò)口碑與產(chǎn)品銷量關(guān)系的研究中，內(nèi)生性也是一個(gè)重要的因素。因?yàn)槠狈康氖杖胪ǔ碗娪暗馁|(zhì)量、主演的受歡迎程度、導(dǎo)演的票房號召力等因素有關(guān)，這些因素可能同時(shí)與網(wǎng)絡(luò)口碑和票房收入相關(guān)，從而產(chǎn)生內(nèi)生性。

二、數(shù)據(jù)描述

目前格瓦拉網(wǎng)會員超過1500萬，占全國電影票在線選座市場的75%份額，在體驗(yàn)型產(chǎn)品第三方網(wǎng)站中具有較強(qiáng)的代表性。此外，郝媛媛等[21]的研究數(shù)據(jù)主要來源于雅虎網(wǎng)站，該網(wǎng)站是獨(dú)立的電影在線評論網(wǎng)站，而不是體驗(yàn)型產(chǎn)品購買網(wǎng)站。因此，選擇格瓦拉網(wǎng)作為電影數(shù)據(jù)來源，可以與他們的研究結(jié)果進(jìn)行比較。

通過編程收集了格瓦拉網(wǎng)站2013年11月、12月上映電影的數(shù)據(jù)，包括購票人數(shù)、評論數(shù)量、評論分?jǐn)?shù)、星級評論所占比例、上映天數(shù)、每天上映場數(shù)等相關(guān)數(shù)據(jù)。由于格瓦拉網(wǎng)站票房統(tǒng)計(jì)數(shù)據(jù)是購票人數(shù)，而非直接的票房收入，因此，用購票人數(shù)來替代票房收入。根據(jù)研究需要，剔除了信息缺失嚴(yán)重的電影，以保證分析結(jié)果的有效性，最終確定21部電影為樣本?？紤]到電影生命周期為6周左右、[22]在線購買服務(wù)的周期為4周左右，以及為方便與郝媛媛等的研究結(jié)果進(jìn)行比較，本文以電影上映28天的時(shí)間序列為時(shí)間觀測點(diǎn)。最后得到容量為588（21個(gè)截面成員×28個(gè)觀測點(diǎn)）的面板數(shù)據(jù)。表1為數(shù)據(jù)的描述性統(tǒng)計(jì)結(jié)果。網(wǎng)絡(luò)口碑的數(shù)據(jù)包含了每部電影的評論數(shù)量、評論分?jǐn)?shù)和各星級的比例。其中，評論數(shù)量的均值為2604，與中位數(shù)1138有較大的差異，說明有部分電影獲得了大量消費(fèi)者評論，最多的一部電影獲得了15208條評論。其次，電影評論分?jǐn)?shù)（10分制）的均值為7.38，與中位數(shù)7.3接近，最高分為9，最低分為5.5。從電影星級評論的分布比例來看，五星級評論、四星級評論、三星級評論占了總體評論的大多數(shù)，分別為36.15%、21.21%和25.91%；二星級評論和一星級評論分別為7.02%和9.5%。

三、模型建立

本文建立的面板數(shù)據(jù)線性回歸模型中引入固定效應(yīng)μi來控制模型中所有未被涉及因素的影響，如電影質(zhì)量、導(dǎo)演和主演的票房號召力等因素。因變量購票人數(shù)和自變量電影上映場數(shù)、上映時(shí)間、網(wǎng)絡(luò)口碑的數(shù)量以及評分均取自然對數(shù)形式，將潛在的非線性關(guān)系轉(zhuǎn)變?yōu)榫€性關(guān)系，使回歸模型的結(jié)果更加穩(wěn)健。[23]回歸模型如下：

其中，i=1,…n為電影樣本數(shù)；t=1,…n為時(shí)間；Ln Revenue為電影第t天在格瓦拉網(wǎng)上購票人數(shù)的自然對數(shù)；LnVol為電影第t天評論數(shù)量的自然對數(shù)；LnVal為電影第t天評論分?jǐn)?shù)的自然對數(shù)；LnTime為電影上映天數(shù)的自然對數(shù)；LnCinema為電影第t天放映場數(shù)的自然對數(shù)；star1、star5分別為電影第t天一星級和五星級評論所占比例；Weekend為電影放映第t天是否為周末的虛擬變量（1表示周六和周日，0表示工作日）。μi為固定效應(yīng)，用于控制電影的質(zhì)量、主演的受歡迎程度、導(dǎo)演的票房號召力等非觀測效應(yīng)的影響。

表1　樣本電影的描述統(tǒng)計(jì)

四、模型結(jié)果分析

通過收集到的21×28個(gè)樣本電影面板數(shù)據(jù)，采用EVIEWS6.0對構(gòu)建的面板數(shù)據(jù)回歸模型進(jìn)行分析。在建模過程中，由于各自變量可能存在多重共線性，首先檢查單獨(dú)變量的影響效應(yīng)，在單獨(dú)變量影響效應(yīng)顯著的基礎(chǔ)上，采用逐步回歸的方法來進(jìn)行分析。由于在模型中假設(shè)非觀測效應(yīng)μi與多個(gè)網(wǎng)絡(luò)口碑變量相關(guān)，所以采用固定效應(yīng)模型取代隨機(jī)效應(yīng)模型來進(jìn)行面板數(shù)據(jù)的回歸分析。[24]此外，從豪斯曼（Hausman）檢驗(yàn)的結(jié)果來看，固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型。回歸模型結(jié)果見表2。

從表2可以看出，網(wǎng)絡(luò)口碑的相關(guān)變量并不在模型1中，模型1僅將購票人數(shù)與控制變量進(jìn)行回歸分析。模型1的回歸結(jié)果顯示所有的控制變量均對因變量有顯著影響。其中，LnTime的系數(shù)是負(fù)向顯著影響（α5= -0.2415，p<0.01），這表示上映天數(shù)對當(dāng)天票房收入有顯著負(fù)向影響，上映時(shí)間越長，當(dāng)天票房收入越低。H8假設(shè)成立。LnCine?ma的系數(shù)是正向顯著影響（α6= 0.9903，p<0.001），這表示電影放映場數(shù)對當(dāng)天票房收入有顯著正向影響，當(dāng)天放映的場數(shù)越多，票房收入越高。H6假設(shè)成立。Weekend的系數(shù)是正向顯著影響（α7=0.3520，p<0.001），這表示周末對當(dāng)天票房收入有顯著正向影響，即周末票房收入比工作日更高。H7假設(shè)成立。

表2　模型參數(shù)對票房的影響

在模型2、3、4、5中，逐步加入評論數(shù)量、評論分?jǐn)?shù)、一星級評論和五星級評論4個(gè)網(wǎng)絡(luò)口碑的相關(guān)變量。在將這4個(gè)變量逐步加入模型后，R2由0.9048逐步增加到0.9132，說明在加入網(wǎng)絡(luò)口碑變量后模型的解釋能力更強(qiáng)。模型2回歸結(jié)果顯示，LnVol的系數(shù)是正向顯著影響（α1= 0.2476，p< 0.001），這表示消費(fèi)者在格瓦拉網(wǎng)上對某部電影的評論數(shù)量越多，其購票人數(shù)多，即票房越高。H1假設(shè)成立。這一結(jié)論與絕大多數(shù)文獻(xiàn)的研究結(jié)果一致。LnVol的系數(shù)還可以解釋為評論數(shù)量每增加1%，電影的購票人數(shù)增加0.25%。模型3的回歸結(jié)果顯示，LnVal對購票人數(shù)的影響不顯著，即電影的評論分?jǐn)?shù)對票房收入沒有顯著影響，這驗(yàn)證了段（Duan）和陳（Chen）的研究結(jié)論。H2假設(shè)不成立。模型4的回歸結(jié)果顯示star1的系數(shù)對票房收入是負(fù)向顯著影響（α3= - 0.2033，p<0.05），表示消費(fèi)者在格瓦拉網(wǎng)上對某部電影的一星級評論越多，其購票人數(shù)越少，票房越低。H4假設(shè)成立。模型5的回歸結(jié)果顯示star5對票房收入沒有顯著影響。H3假設(shè)不成立。由于H4假設(shè)成立，H3假設(shè)不成立，因此H5假設(shè)成立，即負(fù)面網(wǎng)絡(luò)口碑對票房收入的影響大于正面網(wǎng)絡(luò)口碑的影響，盡管這與郝媛媛等的研究結(jié)論相悖，但卻與漢森和麥準(zhǔn)樂、梅茲林的研究結(jié)論相一致。

由于樣本以電影上映28天的時(shí)間為觀測點(diǎn)，為便于分析網(wǎng)絡(luò)口碑對處于不同周期的電影票房收入的影響，對電影上映后4周內(nèi)各周的網(wǎng)絡(luò)口碑對票房收入的影響分別進(jìn)行回歸分析，結(jié)果見表3。

由表3可知，從電影上映的第1周到第4周，網(wǎng)絡(luò)口碑?dāng)?shù)量均對電影票房收入有顯著正向影響，第1周對票房的影響為0.2996，第2周的影響增大到3.2414，第3周的影響增大到5.2282，而從第4周開始，影響逐漸衰減到1.3089。H1假設(shè)成立。網(wǎng)絡(luò)口碑?dāng)?shù)量對票房影響在前幾周逐漸增大，最后又逐漸衰減的研究結(jié)論基本與郝媛媛等的研究結(jié)果一致。對于網(wǎng)絡(luò)口碑評分，第1周到第4周對電影票房收入均沒有顯著影響。H2假設(shè)依然不成立。對于星級評論，由表2的模型4和模型5已知，一星級評論對28天總票房收入是負(fù)向顯著影響；五星級評論對28天總票房收入沒有顯著影響。但是，表3的回歸結(jié)果顯示，在電影上映的4周內(nèi)，一星級評論僅在第1周內(nèi)對票房收入是負(fù)向顯著影響（α3= - 0.3308，p<0.05），從第2周開始，對票房收入沒有顯著影響。五星級評論盡管從電影上映的總體時(shí)間上來說對票房收入沒有顯著影響，但是在第1周對票房收入有顯著影響（α4= 0.1178，p<0.05）。從star1和star5的系數(shù)方面看，電影上映的第1周內(nèi)，一星級評論對票房收入的影響（- 0.3308）要大于五星級評論的影響（0.1178）。即一星級評論每增加1%，票房收入則要降低0.3308%；而五星級評論每增加1%，票房收入會提高0.1178%。因此，在電影上映第1周內(nèi)H3、H4、H5假設(shè)均成立。

五、結(jié)論與啟示

1.結(jié)論

表3　模型參數(shù)對票房的影響

本文采用國內(nèi)領(lǐng)先的體驗(yàn)型產(chǎn)品第三方網(wǎng)站——格瓦拉網(wǎng)站電影在線評論的面板數(shù)據(jù)，通過建立計(jì)量模型，對電影在線評論與票房收入的關(guān)系進(jìn)行了實(shí)證分析，主要結(jié)論如下：

（1）網(wǎng)絡(luò)口碑?dāng)?shù)量從電影上映的第1周到第4周均對電影票房收入有顯著正向影響，并且影響效應(yīng)隨時(shí)間呈現(xiàn)出拋物線的形狀。這不僅驗(yàn)證了文獻(xiàn)提出的知曉效應(yīng)，也說明網(wǎng)絡(luò)口碑的知曉效應(yīng)隨時(shí)間表現(xiàn)出拋物線形狀的變化趨勢。這種變化趨勢的可能解釋是，隨著電影上映時(shí)間越久，消費(fèi)者獲得電影信息的其他渠道也越來越多，包括傳統(tǒng)口碑、媒體宣傳、廣告等等。這些渠道對網(wǎng)絡(luò)口碑產(chǎn)生了替代作用，從而減弱了網(wǎng)絡(luò)口碑的傳播效應(yīng)。

（2）星級評論反映的是消費(fèi)者對電影質(zhì)量的個(gè)人判斷，也即說服效應(yīng)。星級評論對票房收入的影響并沒有貫穿于電影上映的整個(gè)生命周期，而是主要發(fā)生在第1周，呈現(xiàn)出首周效應(yīng)。即在電影上映的第1周，潛在消費(fèi)者會根據(jù)上映電影的星級評論做出購買決策，而從第2周開始說服效應(yīng)逐漸失去了影響力，不再能夠引起潛在消費(fèi)者態(tài)度的轉(zhuǎn)變。而且，在星級評論中，盡管五星級的評論占36.15%，一星級的評論僅占9.5%，但是一星級的負(fù)面評論對票房收入的影響大于五星級的正面評論，即負(fù)面網(wǎng)絡(luò)口碑對票房收入的影響大于正面網(wǎng)絡(luò)口碑的影響。

2.啟示

根據(jù)研究結(jié)論，有如下管理啟示：

（1）網(wǎng)絡(luò)口碑對電影票房的影響主要來自于知曉效應(yīng)。因此，電影網(wǎng)絡(luò)銷售商應(yīng)積極在第三方網(wǎng)站上建立和完善消費(fèi)者在線評論系統(tǒng)，激勵消費(fèi)者積極參與在線評論，提升消費(fèi)者對產(chǎn)品討論的熱度，充分發(fā)揮網(wǎng)絡(luò)口碑的知曉效應(yīng)，推動電影票房的快速增長。

（2）根據(jù)研究結(jié)論，潛在消費(fèi)者在電影上映第1周內(nèi)對負(fù)面網(wǎng)絡(luò)口碑信息會做出更敏感的反應(yīng)。因此，電影網(wǎng)絡(luò)銷售商應(yīng)認(rèn)識到與其在網(wǎng)絡(luò)上炒作好評，不如避免負(fù)面口碑在網(wǎng)絡(luò)上的傳播，電影網(wǎng)絡(luò)銷售商尤其應(yīng)重點(diǎn)關(guān)注與跟蹤電影上映第1周的網(wǎng)絡(luò)口碑信息，遏制負(fù)面口碑在網(wǎng)絡(luò)上的傳播。

＊本文受國家社會科學(xué)基金重大項(xiàng)目“推動文化產(chǎn)業(yè)成為國民經(jīng)濟(jì)支柱性產(chǎn)業(yè)的戰(zhàn)略層面及支撐體系研究”（項(xiàng)目編號：12&ZD024）、教育部人文社會科學(xué)研究規(guī)劃基金項(xiàng)目“數(shù)字出版內(nèi)容社會化生產(chǎn)模式及管理機(jī)制研究”（項(xiàng)目編號：14YJA860001）、上海市教育委員會科研創(chuàng)新項(xiàng)目“大數(shù)據(jù)背景下圖書在線評論對銷售績效的影響研究”（項(xiàng)目編號：14zs169）、上海市促進(jìn)文化創(chuàng)意產(chǎn)業(yè)發(fā)展財(cái)政扶持資金重點(diǎn)研究課題“文化創(chuàng)意產(chǎn)業(yè)前沿科技應(yīng)用發(fā)展研究”（課題編號：2013020015）的資助。

參考文獻(xiàn)：

[1]Keaveney Susan M.Customer Switching Behaviour in Service Industries：An Exploratory Study[J].Journal of Market?ing，1995（2）：71-82.

[2]Arndt J..Role of Product-related Conversations in the Diffusion of a New Product[J].Journal of Marketing Research，1967（4）：291-295.

[3]Katz Elihu，Paul F. Lazarsfeld.Personal Influence：The Part Played by People in the Flow of Mass Commu-nications [J].Free Press，1955（12）：113-115.

[4]Henning Thurau T.，Gwinner K.P.，Walsh G.，et al. Electronic Word of mouth Via Consumer opinion Platforms：What Motivates Consumers to Articulate Themselves on the In?ternet[J].Journal of Interactive Marketing，2004（1）：38-52.

[5]Nelson P..Advertising as Information[J].Journal of Polit?ical Economy，1974（81）：729-754.

[6]Bei L.，Chen E. Y..Widdows R.. Consumers'online In?formation Search Behavior and the Phenomenon of Search Ex?perience Products[J].Journal of Family and Economic，2004 （4）：449-467.

[7]Dellarocas C.，ZHANG Xiaoquan，Awad N. F.. Explor?ing the Value of Online Product Reviews in Forecasting Sales：The Case of Motion Pictures[J].Journal of Interactive Market?ing，2007（4）：23-45.

[8]Godes D.，Mayzlin D..Using Online Conversations to Study Word-of-mouth Communication[J].Marketing Science，2004（4）：545-560.

[9]、[17]Chen，P-Y.，S-Y. Wu，J. Yoon. The Impact of Online Recommendations and Consumer Feedback on Sales [A].Proceeding of International Conference on Information Sys?tems（ICIS），Washington，D.C. 2004：711-724.

[10]、[18]Liu Yong. Word of Mouth for Movies：Its Dy?namics and Impact on Box Office revenue[J].Journal of Market?ing，2006（3）：74-89.

[11]、[16]、[20]DuanWenjing，Gu Bin，Whinston A.B.. Do Online Reviews Matter? An Empirical Investigation of Pan?el Data[J].Decision SupportSystems，2008（4）：1007-1016.

[12]Clemons E. K.，GAO Guodong，Hitt L. M..When On?line Reviews Meet Hyper Differentiation：A Study of the Craft Beer Industry[J].Journal of Management Information Systems，2006（2）：149-171.

[13]、[21]郝媛媛，鄒鵬，李一軍，葉強(qiáng).基于面板數(shù)據(jù)的在線評論情感傾向?qū)︿N售收入影響的實(shí)證研究[J].管理評論，2009（10）：95-103.

[14]Hanson W.A..Principles of Internet Marketing [M]. Ohio：South Western College Publishing，2000：4.

[15]Chevalier J.，D. Mayzlin. The Effect of Word of Mouth on Sales：Online Book Reviews[J].Forthcoming in Journal of Marketing Research，2005：345-354.

[19]Swami S.，J. Eliashberg，C.B. Weinberg. Silver Screen?er：A Modeling Approach to Movie Screens Management[J]. Marketing Science，1999（18）：352-372.

[22]Elberse A. J.Eliashberg. Demand and Supply Dynam?ics for Sequentially Released Products in International Mar?kets：The Case of Motion Pictures[J].Marketing Science，2003 （22）：329-354.

[23]、[24]龔詩陽，劉霞，趙平.線上消費(fèi)者評論如何影響產(chǎn)品銷量?——基于在線圖書評論的實(shí)證研究[J].中國軟科學(xué)，2013（6）：171-183.

責(zé)任編輯：方程

Internet Word-of-mouth Impacts on the Sales of Experience Product——Empirical Study Based on Panel Data of Online Movie Reviews

YANG Yang1，2

（1.University of Shanghai for Science and Technology，Shanghai 200093，China；2.Shanghai Publishing and Printing College，Shanghai，200093，China）

Abstract：When purchasing experience products，more and more modern consumers are inclined to make a purchase decision through internet word-of-mouth on third-party websites. Based on a sample panel data of online movie reviews from gewara.com，the author analyzes the impact of online reviews on movie box-office revenue from three dimensions：review volume，review scores and star reviews. The results show that the online reviews have a significant impact on movie box-office revenue. Specifically，the review volume has a significant positive impact on box-office revenue，and the impact effect shows parabola trends overtime. The impact of star review on box-office revenue mainly occurred in the first week，and the negative effect of 1 star reviews exceeds the positive effect of 5 star reviews. So，the online movie sellers should build and perfect the consumer online review system，encourage the consumers to participate in online review，and take some actions to the management of negative word-of mouth.

Key words：internet word-of-mouth；online review；panel data；box-office

[作者簡介]楊揚(yáng)（1981-），男，江蘇省南京市人，上海理工大學(xué)管理學(xué)院博士研究生，上海出版印刷高等?？茖W(xué)校教師，主要研究方向?yàn)樾袨楣芾怼髅焦芾怼?/p>

中圖分類號：F274

文獻(xiàn)標(biāo)識碼：A

文章編號：1007-8266（2015）05-0062-06