不同情感傾向?qū)︶t(yī)院在線評論有用性的影響分析

翟菊葉,劉玉文,葉澤坤

（1.蚌埠醫(yī)學(xué)院 衛(wèi)生管理系，安徽 蚌埠 233030；2.復(fù)旦大學(xué) 計算機(jī)科學(xué)技術(shù)學(xué)院，上海 200433）

消費者在作出購買決定之前，往往傾向于閱讀產(chǎn)品評論，以降低搜索成本，降低認(rèn)知負(fù)擔(dān)[1]，并減少采購的不確定性[2]。在醫(yī)療健康領(lǐng)域，如魏則西事件層出不窮，如何甄別有用的信息成為人們在尋求醫(yī)療服務(wù)時的關(guān)鍵。

近年來，在線評論有用性研究已經(jīng)取得了一定的成果。根據(jù)研究內(nèi)容可為三類：產(chǎn)品的特征、評論內(nèi)容和用戶[3]。產(chǎn)品特征角度主要研究產(chǎn)品品牌[4-5]和產(chǎn)品類型[5]等。評論內(nèi)容角度主要關(guān)注評論是否詳細(xì)[6-7]、文本可讀性[6]和產(chǎn)品特征詞[4，6]等。評論用戶角度主要關(guān)注用戶歷史評論的價值[8-9]、評論情感傾向[10]等。

現(xiàn)有評論用戶角度的研究獨立考察了評論情感傾向的主調(diào)節(jié)效應(yīng)。Chevalier將亞馬遜上圖書評論數(shù)據(jù)作為研究對象，發(fā)現(xiàn)正面評論能夠促進(jìn)圖書的銷售量，對于消費者更有用[11]；唐藝楠對大眾點評網(wǎng)餐飲類評論研究也驗證了這個結(jié)論[8]。蔡淑琴等認(rèn)為負(fù)面評論包涵的信息對評論閱讀者更有價值，通過京東上手機(jī)負(fù)面評論數(shù)據(jù)分析發(fā)現(xiàn)，不同強度的負(fù)面評論有用性不同[9]；郝媛媛通過分析在線影評，發(fā)現(xiàn)好評和混合情感的評論具有積極的影響[10]。綜合以上文獻(xiàn)，不同學(xué)者研究的樣本不同，采用的特征指標(biāo)不同，得到的研究結(jié)論有差異，甚至是相反結(jié)論。彭麗徽認(rèn)為情感強度對品牌聲譽好的手機(jī)具有正面影響，而品牌聲譽差的手機(jī)負(fù)面評價更有用[4]。由此可見，存在兩個特征指標(biāo)互相調(diào)節(jié)共同影響用戶對有用性的判斷。然而，現(xiàn)有文獻(xiàn)鮮有對線評論有用性指標(biāo)在不同情感傾向條件下差異的研究。

基于此，本文以大眾點評網(wǎng)醫(yī)院評論數(shù)據(jù)為樣本，通過逐步回歸法找出影響有用性的特征指標(biāo)，建立模型，進(jìn)一步研究品牌、評論星級、長度、附圖和回復(fù)等指標(biāo)在不同情感傾向調(diào)節(jié)下有用性的差異，建立基于情感傾向的評論有用性多元線性回歸模型，為醫(yī)院職能部門提供決策支持。

1　指標(biāo)分析與理論假設(shè)

消費者在正式交易前通過閱讀網(wǎng)絡(luò)上相關(guān)評論來了解產(chǎn)品，降低消費時可能產(chǎn)生的風(fēng)險。本文通過文獻(xiàn)閱讀和專家咨詢，將評論的星級、產(chǎn)品特征詞、評論時間、評論長度、圖片、評論回復(fù)數(shù)量等作為影響在線評論有用性的指標(biāo)，研究以上指標(biāo)在不同情感調(diào)節(jié)下對評論有用性的影響。評論有用性指標(biāo)關(guān)系模型如圖1。

圖1　評論有用性指標(biāo)關(guān)系模型圖

1.1　因變量

因變量是評論有用性。大眾點評網(wǎng)評論的右下方有“贊”按鈕，用戶閱讀完評論后認(rèn)為有用可點擊按鈕投票。本文中，用每條評論獲得的“贊”數(shù)量來量化評論的有用性。

1.2　調(diào)節(jié)變量

調(diào)節(jié)變量是情感傾向。情感影響用戶的決策行為。情感分為三個等級：正面情感、混合情感、負(fù)面情感。目前，常用人工標(biāo)注、文本挖掘、機(jī)器學(xué)習(xí)等方法計算文本的情感傾向。本文利用徐琳宏[12]的情感本體庫建立情感詞典，統(tǒng)計情感詞詞頻，計算出文本的情感傾向[13]。

心里學(xué)領(lǐng)域研究發(fā)現(xiàn)，負(fù)面消息帶給人的社會行動和反應(yīng)所形成的刺激更大[14]。人們更容易受負(fù)面情感的影響，更加關(guān)注負(fù)面信息。據(jù)此，提出假設(shè)：

H1：情感影響用戶對評論是否有用的判斷，相比正面和混合情感，負(fù)面評論的影響力更大。

1.3　自變量

1.3.1　評論長度

評論長度指評論中的字符數(shù)。Yin等[6]認(rèn)為評論長度影響評論有用性。文獻(xiàn)[6，15]認(rèn)為過長的評論，閱讀時用戶所需承受任務(wù)數(shù)量越多。根據(jù)認(rèn)知負(fù)荷理論較長的評論會使用戶的負(fù)擔(dān)更重，在一定范圍內(nèi)評論的長度越長，評論越有用；當(dāng)長度超過閾值，評論越長有用性反而降低，為倒“U”形關(guān)系。Ghose等發(fā)現(xiàn)句子越短，閱讀起來更容易理解，評論長度與評論的有用性呈負(fù)相關(guān)[16]。孫文俊發(fā)現(xiàn)圖書領(lǐng)域的評論長度與有用性不存在相關(guān)性[7]。綜合以上結(jié)論，不同學(xué)者的樣本數(shù)據(jù)不同，得到的結(jié)論不一。據(jù)此，提出假設(shè)：

H2：評論長度與評論有用性無顯著相關(guān)性。

1.3.2　評論回復(fù)數(shù)量

用戶對閱讀的評論認(rèn)可，可以點“贊”，還可以對評論回復(fù)發(fā)表自己的觀點[9]?；貜?fù)數(shù)量間接反應(yīng)用戶對此評論感興趣的程度。據(jù)此，提出假設(shè)：

H3：回復(fù)數(shù)量與評論有用性正向相關(guān)。

1.3.3　評論星級

用戶消費后根據(jù)個體感受作1-5星評分。本文用評級偏差（用戶評級與平均評級相減）代替原值。Mudambi通過對亞馬遜的六種產(chǎn)品評論數(shù)據(jù)分析認(rèn)為，帶有極端評級的評論不如平均評級的評論有用[5]。Cristian通過分析亞馬遜網(wǎng)站書籍評論，發(fā)現(xiàn)評論者評分與平均分偏差越小評論越有用[17]。但是，Kang認(rèn)為當(dāng)評級偏差較大時，更容易吸引消費者[6]。Cao以CNET網(wǎng)評論為研究對象，認(rèn)為評分極高或極低的評論有用性更大[18]。結(jié)合上述研究，用戶評級遠(yuǎn)大于平均評級，該評論的有用性小，接近或者低于平均評級時，有用性大。由此提出以下假設(shè)：

H4：評級偏差影響評論有用性。評級偏差越小，有用性越大。

1.3.4　評論時間

本文中評論時間用發(fā)表評論至今天數(shù)表示。大眾點評中的評論一般按照評價時間逆序排列，新發(fā)表的評論排在首頁。郝媛媛等發(fā)現(xiàn)時間與評論有用性負(fù)相關(guān)[10]。評論發(fā)布后隨著時間的推移，用戶可能通過其他渠道獲得產(chǎn)品的信息，對評論的依賴性降低或者較早的評論無法體現(xiàn)產(chǎn)品的目前狀況。用戶可能傾向于閱讀新發(fā)布的評論，了解產(chǎn)品最及時的信息。由此提出假設(shè)如下：

H5：時間與評論有用性負(fù)相關(guān)。

1.3.5　品牌

品牌代表企業(yè)的獨特形象。本文以醫(yī)院的等級來量化品牌指標(biāo)。醫(yī)院根據(jù)等級劃分為三級、二級、一級和私立醫(yī)院等。醫(yī)院等級量化如表1。

表1　等級量化對應(yīng)表

Herr等人發(fā)現(xiàn)，用戶對品牌聲譽較高的產(chǎn)品受到負(fù)面評論影響較小，而對未接觸過或品牌較小的產(chǎn)品，負(fù)面評論的影響顯得更為突出[19]。張耕等認(rèn)為暢銷產(chǎn)品負(fù)面評論的有用性大幅度減弱[20]。根據(jù)Osgood提出的一致性理論[21]，品牌聲譽低的產(chǎn)品，用戶的已有認(rèn)知是負(fù)面的，更容易接受負(fù)面評論；而品牌聲譽高的產(chǎn)品，消費者的潛意識是好的、積極的，正面的評價與已有認(rèn)知一致。因此，更容易接受正面評論。由此提出以下假設(shè)：

H6：品牌聲譽與評論有用性顯著相關(guān)。

H7：負(fù)面和混合情感評論與品牌聲譽負(fù)相關(guān)。

H8：正面評論與品牌聲譽正相關(guān)。

1.4　控制變量

產(chǎn)品特征詞指評論中刻畫產(chǎn)品屬性的詞匯。當(dāng)評論中產(chǎn)品特征詞出現(xiàn)的次數(shù)越多，表示對該產(chǎn)品特征描述的更細(xì)致，評論內(nèi)容越有用。

圖片能夠直觀反應(yīng)產(chǎn)品所包含的信息，有助于消除用戶的不確定性，增加可信度。如果評論附圖，則賦值為1，否則賦值為0。

2　實證分析

2.1　模型構(gòu)建

Mudanbi提出的評論有用性模型[22]被廣泛應(yīng)用并取得較好的效果。在該模型基礎(chǔ)上提出本文的回歸模型。即不同情感傾向條件下，構(gòu)建回歸模型：

其中，αi（i=1,2,……,11)為回歸系數(shù)，是各變量的權(quán)重，ε為常數(shù)，表示隨機(jī)誤差。

2.2　數(shù)據(jù)收集

選取大眾點評網(wǎng)醫(yī)院評論數(shù)據(jù)作為研究對象。采集上海地區(qū)750家醫(yī)院的所有評論數(shù)據(jù)。涉及22288個用戶共47086條評論。獲得的數(shù)據(jù)包括了評論內(nèi)容，評論的日期，評論星級，贊數(shù)量，評論是否附圖，回復(fù)數(shù)量，醫(yī)院等級等。對采集的數(shù)據(jù)進(jìn)一步處理，刪除含有網(wǎng)址連接、QQ、電話號碼等廣告信息的評論，利用IGMRM方法[23]找出虛假評論并剔除。另外，投票數(shù)量較少可能導(dǎo)致回歸的偏歧，刪除無用投票和投票數(shù)量小于5的評論。最后篩選出負(fù)面評論482條，混合情感評論570條，正面評論466條，共1518條有效評論。數(shù)據(jù)的描述性統(tǒng)計如表2。

2.3　回歸分析

采用逐步回歸法將變量逐個引入排查出有用性影響因素，對全部樣本數(shù)據(jù)回歸結(jié)果見表3。模型的判斷系數(shù)R2為0.174，校正的判斷系數(shù)AdjR2為0.153。由圖2可見數(shù)據(jù)基本符合正太分布。

對所有測試數(shù)據(jù)回歸分析結(jié)果見表3，除“長度”和“情感×長度”外，其余指標(biāo)皆顯著相關(guān)（p＜0.1）。其中，“情感”系數(shù)為負(fù)，表明負(fù)面評論對有用性影響更大，證實了假設(shè)H1。“長度”和“情感×長度”p值大于0.1，無顯著相關(guān)性，證實了假設(shè)H2。評論太長給消費者閱讀和理解都帶來負(fù)擔(dān)，評論太短則包涵的信息量不足?！皶r間”系數(shù)為正和“時間2”系數(shù)為負(fù)且均顯著相關(guān)，表明時間呈倒“U”形影響評論的有用性，即較新的評論更有用，當(dāng)時間超過某一閾值，對有用性影響減弱。所以，假設(shè)H5不完全成立。

表2　數(shù)據(jù)統(tǒng)計結(jié)果

表3　基于所有數(shù)樣本的回歸結(jié)果

2.4　模型結(jié)果分析

為了檢驗評論有用性指標(biāo)如星級、長度、是否

圖2　樣本數(shù)據(jù)標(biāo)準(zhǔn)化正態(tài)概率圖

附圖和回復(fù)等在不同情感傾向條件下的差異。分別對不同情感傾向的測試樣本進(jìn)行回歸分析，得到結(jié)果見表4?？梢?，在不同情感傾向下，附圖、回復(fù)以及品牌對在線評論有用性的影響皆顯著相關(guān)（p＜0.1）。其中，回復(fù)的估計值為 0.42、0.47、0.27，證實了假設(shè)H3。情感傾向不同，品牌與評論有用性均顯著相關(guān)，P值分別為0.045、0.035 和 0.096（p＜0.1），證實了假設(shè) H6。然而，正向情感傾向下，品牌影響顯著（p＜0.05）且估計值為正，說明正向評論對等級高的醫(yī)院更有用；而在負(fù)面情感和混合情感傾向情況下，品牌影響顯著（p＜0.05）且估計值為負(fù)，說明負(fù)面評論和混合評論對等級低的醫(yī)院影響更大。這是由于品牌聲譽低時，先前的經(jīng)驗導(dǎo)致用戶會懷疑好評的真實性，而混合評價中包涵好評和差評，較為客觀的評價能贏得用戶的信賴。驗證了假設(shè)H7和H8。

不同情感傾向下特征、時間和星級對評論有用性影響不同。正面和負(fù)面評論與時間相關(guān)；混合情感與時間無相關(guān)性（p＞0.1）。表3中星級對所有數(shù)據(jù)顯性相關(guān)（p=0.066），且估計值為負(fù)數(shù)，即用戶的評級與商家綜合評級差異越大，評論有用性越小。與假設(shè)H4相符，說明評級偏差小的有用性大于評級偏差大的評論，可能的原因是用戶認(rèn)為負(fù)面評論更有價值。表4中，負(fù)面評論下星級的估計值為正（p=0.006），說明兩者正相關(guān)。負(fù)面評論的星級值一般低于平均星級，評級偏差值越小，有用性增加；評級偏差值大，有用性減弱?？赡苡捎谟脩魪谋娦睦锔芙邮艽蟊姷脑u價。正面評論和混合評論與評論星級不顯著相關(guān)。

表4　三種情感傾向下的樣本回歸結(jié)果

因此，在情感傾向的調(diào)節(jié)下，正面評論對等級高的醫(yī)院更有用，特征、星級對有用性影響不大（p＞0.1）；負(fù)面情感和混合情感更能影響等級低的醫(yī)院；評級偏差越小的負(fù)面評論越有用?；旌锨楦袃A向下，時間和星級對有用性不顯著相關(guān)；不論何種情感傾向下，有附圖或回復(fù)更容易被用戶認(rèn)可，對有用性顯著正相關(guān)（p＜0.1）。

3　小結(jié)

本文以大眾點評平臺醫(yī)院評論數(shù)據(jù)為研究對象。通過實驗發(fā)現(xiàn)，不同情感傾向下各指標(biāo)對評論有用性存在差異。根據(jù)研究結(jié)論，電子商務(wù)網(wǎng)站結(jié)合情感傾向，識別和完善有用的產(chǎn)品評論，對評論內(nèi)容排序；節(jié)省用戶在網(wǎng)上閱讀評論的時間；能夠更好地為用戶選擇醫(yī)院提供參考。