基于有用性排序的在線評(píng)論與銷量的關(guān)系研究

張夢(mèng)瑩 鄧三鴻 王昊

摘要：[目的/意義]從海量的購(gòu)物評(píng)價(jià)篩選出高效用的評(píng)論文本，既能為潛在用戶的購(gòu)買(mǎi)決策提供有價(jià)值的參考，也能為電子商務(wù)經(jīng)營(yíng)者提供巨大的商業(yè)價(jià)值。[方法/過(guò)程]通過(guò)量化在線評(píng)論的有用性指標(biāo)，以模糊層次分析法確定屬性權(quán)重，依據(jù)灰色關(guān)聯(lián)分析法進(jìn)行在線評(píng)論有用性排序，并基于有用性過(guò)濾評(píng)論，探究在線評(píng)論對(duì)銷售績(jī)效的影響。[結(jié)果/結(jié)論]差評(píng)的各項(xiàng)指標(biāo)相比好評(píng)來(lái)說(shuō)具有明顯優(yōu)勢(shì)，有用性更高。評(píng)論總數(shù)、評(píng)論時(shí)效性顯著促進(jìn)產(chǎn)品銷售。情感傾向?qū)λ阉餍蜕唐返匿N量的影響并不顯著。

關(guān)鍵詞：在線評(píng)論;產(chǎn)品銷量;評(píng)論有用性;模糊層次分析法;灰色關(guān)聯(lián)分析法

DOI：10.3969/j.issn.1008-0821.2019.02.018

〔中圖分類號(hào)〕F713.36〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2019）02-0152-09

互聯(lián)網(wǎng)的迅速發(fā)展推動(dòng)以網(wǎng)絡(luò)為載體的口碑傳播飛速增長(zhǎng)，在線評(píng)論作為口碑傳播的一種新形式得到發(fā)展和完善，并逐漸成為消費(fèi)者尋求產(chǎn)品信息的重要資源[1]。購(gòu)物評(píng)價(jià)能夠有效降低消費(fèi)者在信息不足時(shí)購(gòu)物的風(fēng)險(xiǎn)，還可以幫助消費(fèi)者制定購(gòu)買(mǎi)決策。BrightLocal[2]調(diào)查發(fā)現(xiàn)，85%的消費(fèi)者認(rèn)為在線評(píng)論與個(gè)人推薦的可信度較高。越來(lái)越多的企業(yè)利用在線評(píng)論作為新的營(yíng)銷工具，積極引導(dǎo)消費(fèi)者進(jìn)行產(chǎn)品傳播，促進(jìn)產(chǎn)品銷售，甚至操縱在線評(píng)論以影響消費(fèi)者的購(gòu)買(mǎi)決策。但在線評(píng)論的研究范圍廣泛，涉及不同領(lǐng)域，以及研究方法、模型、數(shù)據(jù)選取等原因，已有研究顯示在線評(píng)論對(duì)銷售績(jī)效具有一定的影響，但尚未得出一致結(jié)論[3-4]。而且信息過(guò)載的環(huán)境下，消費(fèi)者需花費(fèi)大量時(shí)間和精力判斷評(píng)論信息的真?zhèn)魏陀杏眯?。?dāng)前多數(shù)電子商務(wù)網(wǎng)站，如淘寶、京東、亞馬遜等，一般是將“有用性投票”和“評(píng)論時(shí)間”作為在線評(píng)論的排序指標(biāo)[5]，但具有一定的片面性，加之大量虛假信息和垃圾信息造成的干擾，使排序結(jié)果造成不同程度的失真，降低在線評(píng)論的參考價(jià)值，從而影響網(wǎng)購(gòu)市場(chǎng)的健康發(fā)展[5]。

本文綜合前人的研究成果，挖掘在線評(píng)論文本信息，綜合考慮評(píng)論有用性指標(biāo)，并進(jìn)行量化，以模糊層次分析法確定屬性權(quán)重，依據(jù)灰色關(guān)聯(lián)分析法進(jìn)行在線評(píng)論有用性排序，并基于有用性過(guò)濾評(píng)論，探究在線評(píng)論對(duì)銷售績(jī)效的影響。從海量的購(gòu)物評(píng)價(jià)篩選出高效用的評(píng)論文本，既能為其他用戶的購(gòu)買(mǎi)決策提供有價(jià)值的參考，也能為電子商務(wù)經(jīng)營(yíng)者提供巨大的商業(yè)價(jià)值。

1文獻(xiàn)綜述

2001年，Chatterjee P[6]首次提出在線評(píng)論這一概念。早期多集中于其內(nèi)涵要素及對(duì)購(gòu)買(mǎi)意愿的影響研究，近幾年在線評(píng)論的有用性分析成為熱點(diǎn)。有用性是指在線評(píng)論是否影響消費(fèi)者決策的一種主觀感知[7]，能夠減少消費(fèi)過(guò)程中的不確定性，為購(gòu)買(mǎi)決策提供參考依據(jù)。目前在線評(píng)論有用性的相關(guān)研究包括影響因素、有用性排序以及對(duì)產(chǎn)品銷售的影響等。

1.1在線評(píng)論有用性影響因素研究

國(guó)內(nèi)外學(xué)者探討在線評(píng)論有用性的影響因素，多集中于評(píng)論可信度、評(píng)論極性、產(chǎn)品類型、評(píng)論長(zhǎng)度、評(píng)論時(shí)效性、評(píng)論文本特征等要素。Liu等[8]基于因素分析法，提出評(píng)論時(shí)效、文字風(fēng)格及評(píng)論者經(jīng)驗(yàn)是影響因素。殷國(guó)鵬等[9]基于社會(huì)網(wǎng)絡(luò)分析豆瓣電影評(píng)論，證明評(píng)論長(zhǎng)度、評(píng)論星級(jí)、評(píng)論者中心度與評(píng)論有用性存在相關(guān)關(guān)系。Mudambi S M[7]、Pan Y等[10]、Scholz M等[11]、Ghose A等[12]、Chen Y等[13]均發(fā)現(xiàn)評(píng)論極性、產(chǎn)品類型、評(píng)論長(zhǎng)度、評(píng)論時(shí)效性能夠影響有用性。Ghose A等[12]、卓四清等[14]等認(rèn)為投票數(shù)也對(duì)在線評(píng)論的有用性起到調(diào)節(jié)作用。Scholz M等[11]、Cao Q[15]等人提出評(píng)論的文本特征也存在影響，例如標(biāo)題長(zhǎng)度、評(píng)論可讀性、字詞錯(cuò)誤率等。

1.2在線評(píng)論有用性排序研究

李志宇[16]、陳市等[17]均通過(guò)模糊層次分析法對(duì)在線評(píng)論有用性進(jìn)行排序。蔡曉珍等[18]、呂韶華等[19]利用多元線性回歸法構(gòu)建模型，對(duì)評(píng)論的有用性進(jìn)行自動(dòng)判斷。王倩倩[20]以信息采納模型為基礎(chǔ)，將文本型評(píng)論與數(shù)值型評(píng)論的一致性進(jìn)行量化，對(duì)淘寶中的在線評(píng)論按照可信度大小進(jìn)行排序。郭順利等[21]以美團(tuán)的用戶評(píng)論為量化數(shù)據(jù)，采用模糊層次分析法和加權(quán)灰色關(guān)聯(lián)分析方法進(jìn)行在線評(píng)論有用性的計(jì)算和排序。張艷豐等[5]以模糊層次分析法確定指標(biāo)權(quán)重，提出一種量化用戶評(píng)論屬性的模糊TOPSIS可信度排序方法。

1.3在線評(píng)論對(duì)銷量的影響研究

在線評(píng)論能夠減少交易過(guò)程中的信息不對(duì)稱，從而影響消費(fèi)者的購(gòu)買(mǎi)決策，但在線評(píng)論是否能夠代表消費(fèi)者真實(shí)的消費(fèi)體驗(yàn)一直存在爭(zhēng)議。Chevalier J A等[22]、Chintagunta P K等[23]、盧向華等[24]學(xué)者分別通過(guò)對(duì)圖書(shū)、電影、酒店預(yù)訂等領(lǐng)域的在線評(píng)論進(jìn)行研究，認(rèn)為越積極的評(píng)論越能夠產(chǎn)生更大的說(shuō)服效應(yīng)，推動(dòng)產(chǎn)品銷售績(jī)效，并且Shen Y等[25]、寧連舉[26]等人均表明極端情感傾向的在線評(píng)論對(duì)消費(fèi)者的感知會(huì)產(chǎn)生更大的影響，且負(fù)面評(píng)論大于正面評(píng)論的影響。甚至Ghose A等[12]、Thelwall M[27]等人通過(guò)對(duì)冷門(mén)書(shū)籍、Twitter事件的傳播進(jìn)行探究，表明負(fù)面的在線評(píng)論能引起一定的宣傳作用，從而增加銷售量。但楊雅秀[28]、張心悅等[29]、Duan W等[30]學(xué)者的研究不支持評(píng)論效價(jià)對(duì)產(chǎn)品銷量的作用。除評(píng)論效價(jià)外，Duan W[30]、李健[31]、龔詩(shī)陽(yáng)等[32]學(xué)者認(rèn)為銷售量極大地受在線評(píng)論數(shù)量的影響。此外，近年來(lái)學(xué)者們也開(kāi)始從影響的調(diào)節(jié)變量角度進(jìn)行檢驗(yàn)，例如產(chǎn)品類型[33-34]、消費(fèi)者心理表征因素[35-36]等。

總體而言，目前國(guó)內(nèi)外學(xué)者大多通過(guò)對(duì)不同平臺(tái)、產(chǎn)品的在線評(píng)論數(shù)據(jù)，對(duì)評(píng)論有用性和產(chǎn)品銷量的影響因素分別進(jìn)行研究，但利用有用性對(duì)評(píng)論進(jìn)行排序和篩選的研究較少，并且針對(duì)在線評(píng)論對(duì)產(chǎn)品銷量的影響研究尚未得出普適性結(jié)論。本文以多種類產(chǎn)品探究高有用性評(píng)論的自身特征以及對(duì)產(chǎn)品銷量的影響效果，進(jìn)一步降低用戶搜尋有用評(píng)論的成本，幫助企業(yè)了解在線評(píng)論對(duì)產(chǎn)品銷量的影響機(jī)制。

2研究思路與數(shù)據(jù)

本文歸納、改進(jìn)前人研究結(jié)果[5]構(gòu)建硏究模型及選取變量，采用Python爬蟲(chóng)獲取模型分析所使用的在線評(píng)論數(shù)據(jù)、產(chǎn)品銷售數(shù)據(jù)及產(chǎn)品特征數(shù)據(jù)，選取計(jì)算評(píng)論有用性的6個(gè)常用指標(biāo)進(jìn)行有用性排序。基于有用性過(guò)濾評(píng)論，探究在線評(píng)論對(duì)銷售績(jī)效的影響，并利用回歸分析對(duì)相關(guān)模型進(jìn)行估計(jì)，驗(yàn)證相關(guān)假設(shè)。研究思路如圖1。

2.1數(shù)據(jù)獲取

研究樣本源于亞馬遜中國(guó)，2018年中國(guó)電商網(wǎng)站排名位于第四名[37]，具有一定的客戶基礎(chǔ)。亞馬遜是最早推出消費(fèi)者在線評(píng)論系統(tǒng)的電子商務(wù)公司，評(píng)論機(jī)制較為完善，且評(píng)論質(zhì)量較高[38-39]，并提供產(chǎn)品的銷售排名信息，可滿足樣本要求。

數(shù)據(jù)抓取時(shí)間為2018年4月5日至2018年4月15日。本文選取亞馬遜的電子產(chǎn)品、母嬰用品、辦公用品、小家電、個(gè)護(hù)健康、圖書(shū)、影視/教育

音像、汽車用品等8個(gè)品類中銷售排行榜前100名的產(chǎn)品，抓取每個(gè)產(chǎn)品的產(chǎn)品信息及評(píng)論信息，剔除無(wú)評(píng)分、無(wú)評(píng)論數(shù)的產(chǎn)品數(shù)據(jù)信息，共745個(gè)產(chǎn)品，286 350條評(píng)論。采集數(shù)據(jù)包括ASIN（商品ID）、產(chǎn)品名稱、產(chǎn)品價(jià)格、銷售排行、評(píng)論數(shù)量、總評(píng)論星級(jí)、各評(píng)論星級(jí)的評(píng)論數(shù)量;每條評(píng)論的星級(jí)、標(biāo)題、評(píng)論者ID、評(píng)論者昵稱、評(píng)論時(shí)間、評(píng)論有用數(shù)、評(píng)論內(nèi)容。

2.2評(píng)論有用性排序研究方法

2.2.1評(píng)論有用性排序研究框架

對(duì)初始評(píng)論集合進(jìn)行提取，以評(píng)論者信息披露、評(píng)論時(shí)效性、評(píng)論有效長(zhǎng)度、有用性投票、產(chǎn)品屬性特征詞、情感特征詞作為評(píng)價(jià)指標(biāo)層，量化各屬性值并構(gòu)建評(píng)論特征矩陣，利用模糊層次分析法對(duì)不同指標(biāo)賦予權(quán)重，依據(jù)灰色關(guān)聯(lián)分析法進(jìn)行在線評(píng)論有用性排序，如圖2所示：

2.2.2指標(biāo)量化

信息披露程度利用評(píng)論是否匿名進(jìn)行量化，匿名評(píng)論數(shù)值為0，實(shí)名評(píng)論數(shù)值為1。

評(píng)論時(shí)效性通過(guò)閱讀時(shí)間Tr與發(fā)表時(shí)間Tw的差值進(jìn)行量化，考慮數(shù)值過(guò)大造成的偏差，設(shè)置參數(shù)σ使評(píng)論時(shí)效區(qū)間在合理范圍，本文評(píng)論時(shí)效

性計(jì)算公式如：Time=[365-（Tw-Tr）]/σ，取σ=36.5，Time的取值范圍為[0，10]。

評(píng)論中含有大量與產(chǎn)品無(wú)關(guān)的信息，本文采用在線評(píng)論的有效長(zhǎng)度進(jìn)行量化，即在線評(píng)論中的情感詞Ns和產(chǎn)品屬性詞No與評(píng)論長(zhǎng)度Nt的比值，運(yùn)用對(duì)數(shù)弱化評(píng)論過(guò)長(zhǎng)或者過(guò)短造成偏差，即Lcontent=（lgNs+lgNo）/lgNt。

亞馬遜中在線評(píng)論的有用性投票含有具體數(shù)值，以有用性投票數(shù)來(lái)量化評(píng)論有用性指標(biāo)。

評(píng)論的情感極性通過(guò)評(píng)論標(biāo)題及正文中的情感特征詞的數(shù)量進(jìn)行量化，以臺(tái)灣大學(xué)的簡(jiǎn)體中文情感極性詞典NTUSD[40]及大連理工大學(xué)的情感詞典[41]相結(jié)合作為情感詞典。將待排序的在線評(píng)論進(jìn)行分詞處理，并與情感詞典進(jìn)行匹配，統(tǒng)計(jì)匹配成功的詞語(yǔ)個(gè)數(shù)，作為情感特征詞的量化數(shù)值Ns。

評(píng)論的客觀性通過(guò)標(biāo)題及評(píng)論中的產(chǎn)品屬性特征詞數(shù)目進(jìn)行量化，對(duì)標(biāo)題及評(píng)論內(nèi)容進(jìn)行分詞、詞頻統(tǒng)計(jì)、詞性標(biāo)注、去除停用詞等處理，得到初始詞語(yǔ)集合，由于產(chǎn)品屬性詞常用名詞表達(dá)，所以抽取前10%的名詞和名詞性短語(yǔ)作為產(chǎn)品屬性詞典。將處理得到的每條評(píng)論中的詞語(yǔ)逐詞與產(chǎn)品屬性特征詞典進(jìn)行匹配，統(tǒng)計(jì)匹配成功的詞語(yǔ)個(gè)數(shù)，作為產(chǎn)品屬性特征詞的量化數(shù)值No。

在線評(píng)論有用性排序結(jié)果如圖3所示，從評(píng)分指標(biāo)來(lái)看，各產(chǎn)品排序靠前的在線評(píng)論，其平均評(píng)分普遍低于排序靠后的平均評(píng)分。排序靠前的評(píng)論在時(shí)效性、有用性投票、情感詞數(shù)、客觀詞數(shù)的指標(biāo)均具有一定優(yōu)勢(shì)?？赡苡捎趯?duì)產(chǎn)品不滿意的消費(fèi)者更容易發(fā)布較為詳細(xì)的評(píng)論，以通過(guò)對(duì)商家的“報(bào)復(fù)性”行為來(lái)試圖緩解自己的焦慮情緒，同時(shí)對(duì)其他潛在消費(fèi)者起到警示作用。從評(píng)論長(zhǎng)度指標(biāo)來(lái)看，評(píng)論長(zhǎng)短不是決定因素，而是有效長(zhǎng)度的影響。

小家電、電子產(chǎn)品平均價(jià)格較高，圖書(shū)和影視音像價(jià)格最低。圖書(shū)、電子產(chǎn)品以及母嬰用品是評(píng)論最多的品類，圖書(shū)平均每個(gè)產(chǎn)品1 004條，影視音像平均評(píng)論最少。圖書(shū)、個(gè)護(hù)健康、小家電的好評(píng)率最高，圖書(shū)好評(píng)率高達(dá)86.37%，影視音像、汽車用品的好評(píng)率最低，影視音像好評(píng)率僅有69.39%，過(guò)濾后各種類的好評(píng)率均有下降，變化最多的是辦公用品和小家電，變化最小的是圖書(shū)和電子產(chǎn)品。電子產(chǎn)品、母嬰用品差評(píng)率最高，電子產(chǎn)品差評(píng)率高達(dá)10.65%，辦公用品、圖書(shū)差評(píng)率最低，辦公用品差評(píng)率僅有6.24%，過(guò)濾后差評(píng)率均有提高，變化最多的是小家電、母嬰用品，變化最少的是電子產(chǎn)品、汽車用品。

依據(jù)在線評(píng)論有用性對(duì)評(píng)論進(jìn)行排序、過(guò)濾后，好評(píng)率均有下降，差評(píng)率均存在提高現(xiàn)象。通過(guò)對(duì)評(píng)分為4分、5分的評(píng)論與評(píng)分為1分、2分的評(píng)論，在評(píng)論有用性影響指標(biāo)角度進(jìn)行獨(dú)立樣本T檢驗(yàn)，結(jié)果如表4所示。好評(píng)和差評(píng)的各指標(biāo)存在顯著差異，差評(píng)的平均時(shí)效性、有效長(zhǎng)度、有用性投票、情感詞數(shù)以及客觀詞數(shù)相比好評(píng)來(lái)說(shuō)具有明顯優(yōu)勢(shì)，尤其是有用性投票和產(chǎn)品屬性客觀詞的數(shù)目。

4在線評(píng)論與銷量的關(guān)系

為進(jìn)一步研究在線評(píng)論與銷量的關(guān)系，同時(shí)考慮到可能存在的共線性問(wèn)題。本文采取逐步多元回歸的方法，以圖書(shū)、辦公用品、電子產(chǎn)品為例，如表5所示。

模型2相比模型1的R2值增大，說(shuō)明在進(jìn)行評(píng)論有用性排序過(guò)濾后，模型的整體擬合效果略有改進(jìn)，方差膨脹因子VIF均在1左右，各變量之間不存在明顯的共線性問(wèn)題，且Sig.值均小于0.01，所得結(jié)果具有較高的可信性。

評(píng)論總數(shù)顯著影響產(chǎn)品銷售量，評(píng)論數(shù)量越多，知曉效應(yīng)和從眾心理對(duì)消費(fèi)者的影響越明顯，促進(jìn)產(chǎn)品銷售。評(píng)論的平均天數(shù)能夠反映產(chǎn)品的上市周期，隨著銷售時(shí)間的延長(zhǎng)，產(chǎn)品更新?lián)Q代及消費(fèi)者關(guān)注度下降等因素使產(chǎn)品銷量下滑現(xiàn)象顯著。關(guān)于評(píng)論數(shù)量與時(shí)效性對(duì)產(chǎn)品銷量影響的多數(shù)相關(guān)研究結(jié)論一致[47]，但情感極性的研究結(jié)果各不相同，部分學(xué)者認(rèn)為情感傾向?qū)λ阉鳟a(chǎn)品和體驗(yàn)產(chǎn)品的銷量均具有顯著影響[48]，但李玉玉等人對(duì)搜索型產(chǎn)品進(jìn)行研究證實(shí)其不具有顯著影響[49]。本文研究發(fā)現(xiàn)情感傾向?qū)﹄娮赢a(chǎn)品等搜索型商品的銷量影響并不顯著，評(píng)論評(píng)分的勸說(shuō)作用相比產(chǎn)品自身特征來(lái)說(shuō)效果不明顯。對(duì)于體驗(yàn)型產(chǎn)品來(lái)說(shuō)，情感傾向?qū)Ξa(chǎn)品銷量的影響應(yīng)更為明顯，且辦公用品的好評(píng)率在評(píng)論過(guò)濾后變化明顯，有用性高的評(píng)論對(duì)消費(fèi)者決策的影響更大。但圖書(shū)的消費(fèi)者評(píng)分普遍較高，且分布集中，因此情感傾向?qū)D書(shū)銷量不具有顯著影響，張心悅等人也得出同樣結(jié)論[29]。

產(chǎn)品價(jià)格對(duì)銷售量不具有顯著影響。由于圖書(shū)、辦公用品等價(jià)格較低，且相差不大，消費(fèi)者對(duì)價(jià)格不敏感。而電子產(chǎn)品等搜索型產(chǎn)品，消費(fèi)者更多地根據(jù)自己的偏好和產(chǎn)品質(zhì)量來(lái)選擇，同樣對(duì)產(chǎn)品價(jià)格不敏感。王文君等人通過(guò)對(duì)手機(jī)在線評(píng)論與銷量的關(guān)系研究也發(fā)現(xiàn)價(jià)格不是顯著影響因素[50]。由于多數(shù)評(píng)論字?jǐn)?shù)相差不大，用于衡量評(píng)論信息豐富性的評(píng)論長(zhǎng)度對(duì)銷量影響并不顯著。

5總結(jié)

通過(guò)分析在線評(píng)論的6個(gè)指標(biāo)，構(gòu)建評(píng)論特征矩陣，采用模糊層次分析法對(duì)其賦權(quán)，并基于灰色關(guān)聯(lián)分析法構(gòu)建用于過(guò)濾用戶評(píng)論的有用性排序模型。以亞馬遜的8個(gè)種類的產(chǎn)品在線評(píng)論為例，對(duì)其進(jìn)行有用性排序，從結(jié)果來(lái)看，排序靠前的在線評(píng)論，評(píng)論在時(shí)效性、有用性投票、情感詞數(shù)、客觀詞數(shù)的指標(biāo)均具有一定優(yōu)勢(shì)，但平均評(píng)分普遍低于排序靠后的平均評(píng)分。差評(píng)的平均時(shí)效性、有效長(zhǎng)度、有用性投票、情感詞數(shù)以及客觀詞數(shù)相比好評(píng)來(lái)說(shuō)具有明顯優(yōu)勢(shì)，尤其是有用性投票和產(chǎn)品屬性客觀詞的數(shù)目。因此，依據(jù)在線評(píng)論有用性對(duì)評(píng)論進(jìn)行排序、過(guò)濾后，好評(píng)率均有下降，差評(píng)率均存在提高現(xiàn)象。依據(jù)有用性對(duì)在線評(píng)論進(jìn)行排序、過(guò)濾，探究在線評(píng)論對(duì)產(chǎn)品銷量的影響。評(píng)論總數(shù)、評(píng)論時(shí)效性顯著促進(jìn)產(chǎn)品銷售。情感傾向?qū)λ阉餍蜕唐返匿N量的影響并不顯著，對(duì)于體驗(yàn)型產(chǎn)品來(lái)說(shuō)，情感傾向?qū)Ξa(chǎn)品銷量的影響應(yīng)更為明顯。但產(chǎn)品價(jià)格及評(píng)論長(zhǎng)度對(duì)銷售量不具有顯著影響。

基于有用性排序的在線評(píng)論與產(chǎn)品銷量的關(guān)系研究，是在線評(píng)論的重要研究方向，在線評(píng)論的有用性排序有利于消費(fèi)者有效篩選更有價(jià)值的評(píng)論信息來(lái)做出購(gòu)買(mǎi)決策，而經(jīng)過(guò)濾后的在線評(píng)論與產(chǎn)品銷量的關(guān)系研究也能為電子商務(wù)經(jīng)營(yíng)者提供巨大的商業(yè)參考價(jià)值。

參考文獻(xiàn)

[1]姜?jiǎng)?，張睿，于陶靜.電子商務(wù)背景下在線評(píng)論研究[J].中國(guó)市場(chǎng)，2015，（41）：69-70.

[2]BrightLocal.Local Consumer Review Survey[EB/OL].https：//www.brightlocal.com/learn/local-consumer-review-survey/.

[3]于麗萍，夏志杰，王冰冰.在線評(píng)論對(duì)消費(fèi)者網(wǎng)絡(luò)購(gòu)買(mǎi)意愿影響的研究[J].現(xiàn)代情報(bào)，2014，34（11）：34-38.

[4]Ren J，Yeoh W，Ee M S，et al.Online Consumer Reviews and Sales：Examining the Chicken-Egg Relationships[J].Journal of the Association for Information Science & Technology，2017，69（3）.

[5]張艷豐，李賀，翟倩，等.基于模糊TOPSIS分析的在線評(píng)論有用性排序過(guò)濾模型研究——以亞馬遜手機(jī)評(píng)論為例[J].圖書(shū)情報(bào)工作，2016，（13）：109-117.

[6]Chatterjee P.Online Reviews：Do Consumers Use Them？[J].Advances in Consumer Research，2001，28.

[7]Mudambi S M，Schuff D.What Makes a Helpful Online Review？A Study of Customer Reviews on Amazon.com[J].Social Science Electronic Publishing，2012，34（1）：185-200.

[8]Liu Y，Huang X，An A，et al.Modeling and Predicting the Helpfulness of Online Reviews[C]//Eighth IEEE International Conference on Data Mining.IEEE Computer Society，2008：443-452.

[9]殷國(guó)鵬，劉雯雯，祝珊.網(wǎng)絡(luò)社區(qū)在線評(píng)論有用性影響模型研究——基于信息采納與社會(huì)網(wǎng)絡(luò)視角[J].圖書(shū)情報(bào)工作，2012，56（16）：140-147.

[10]Pan Y，Zhang J Q.Born Unequal：A Study of the Helpfulness of User-Generated Product Reviews[J].Journal of Retailing，2011，87（4）：598-612.

[11]Scholz M，Dorner V.The Recipe for the Perfect Review？An Investigation into the Determinants of Review Helpfulness[J].Business & Information Systems Engineering，2013，5（3）：141-151.

[12]Ghose A，Ipeirotis P G.Estimating the Helpfulness and Economic Impact of Product Reviews：Mining Text and Reviewer Characteristics[J].IEEE Transactions on Knowledge & Data Engineering，2011，23（10）：1498-1512.

[13]Chen Y，Wang Q，Xie J.Online Social Interactions：A Natural Experiment on Word of Mouth Versus Observational Learning[J].Social Science Electronic Publishing，2011，48（2）：238-254.

[14]卓四清，馮永洲.在線評(píng)論有用性影響因素實(shí)證研究——基于Tripadvisor.com酒店評(píng)論數(shù)據(jù)[J].現(xiàn)代情報(bào)，2015，35（4）：52-56.

[15]Cao Q，Duan W，Gan Q.Exploring Determinants of Voting for the“Helpfulness”of Online User Reviews：A Text Mining Approach[J].Decision Support Systems，2011，50（2）：511-521.

[16]李志宇.在線商品評(píng)論效用排序模型研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2013，（4）：62-68.

[17]陳市，李崢，吳曉松.基于模糊層次分析法的購(gòu)物評(píng)價(jià)效用排序模型研究[J].企業(yè)經(jīng)濟(jì)，2017，（9）：29-34.

[18]蔡曉珍，徐健，吳思竹.面向情感分析的用戶評(píng)論過(guò)濾模型研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2014，30（4）：58-64.

[19]呂韶華，楊亮，林鴻飛.基于LDA模型的餐館評(píng)論排序[J].計(jì)算機(jī)工程，2011，37（19）：62-64.

[20]王倩倩.一種在線商品評(píng)論信息可信度的排序方法[J].情報(bào)雜志，2015，（3）：181-185.

[21]郭順利，張向先，李中梅.面向用戶信息需求的移動(dòng)O2O在線評(píng)論有用性排序模型研究——以美團(tuán)為例[J].圖書(shū)情報(bào)工作，2015，（23）：85-93.

[22]Chevalier J A，Mayzlin D.The Effect of Word of Mouth on Sales：Online Book Reviews[J].Social Science Electronic Publishing，2006，43（3）：345-354.

[23]Chintagunta P K，Gopinath S，Venkataraman S.The Effects of Online User Reviews on Movie Box-Office Performance：Accounting for Sequential Rollout and Aggregation Across Local Markets[J].Marketing Science，2010，29（5）：944-957.

[24]盧向華，馮越.網(wǎng)絡(luò)口碑的價(jià)值——基于在線餐館點(diǎn)評(píng)的實(shí)證研究[J].管理世界，2009，（7）：126-132.

[25]Shen Y，Li S，Demoss M.The Effect of Quantitative Electronic Word of Mouth on Consumer Perceived Product Quality[J].International Journal of Management & Marketing Research，2012，（5）.

[26]寧連舉，孫韓.在線負(fù)面評(píng)論對(duì)網(wǎng)絡(luò)消費(fèi)者購(gòu)買(mǎi)意愿的影響[J].技術(shù)經(jīng)濟(jì)，2014，33（3）：54-59.

[27]Thelwall M，Buckley K，Paltoglou G.Sentiment in Twitter Events[J].Journal of the American Society for Information Science and Technology，2011，62（2）：406-418.

[28]楊雅秀.在線評(píng)論對(duì)創(chuàng)新擴(kuò)散影響的實(shí)證研究[D].杭州：浙江大學(xué)，2012.

[29]張心悅，孫克琳，林浡夏，等.在線評(píng)論對(duì)商品銷售的影響的實(shí)證研究[J].電子商務(wù)，2017，（7）：51-52.

[30]Duan W，Gu B，Whinston A B.The Dynamics of Online Word-of-Mouth and Product Sales—An Empirical Investigation of the Movie Industry[J].Journal of Retailing，2008，84（2）：233-242.

[31]李健.在線商品評(píng)論對(duì)產(chǎn)品銷量影響研究[J].現(xiàn)代情報(bào)，2012，32（1）：164-167.

[32]龔詩(shī)陽(yáng)，劉霞，趙平.線上消費(fèi)者評(píng)論如何影響產(chǎn)品銷量？——基于在線圖書(shū)評(píng)論的實(shí)證研究[J].中國(guó)軟科學(xué)，2013，（6）：171-183.

[33]周梅華，李佩镅，牟宇鵬.在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響——心理距離的中介作用[J].軟科學(xué)，2015，（1）：101-104.

[34]余偉萍，祖旭，孫陽(yáng)波.不同產(chǎn)品類別在線評(píng)論對(duì)異質(zhì)性消費(fèi)者購(gòu)買(mǎi)意愿影響[J].大連理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2016，37（1）：1-5.

[35]趙冬梅，紀(jì)淑嫻.信任和感知風(fēng)險(xiǎn)對(duì)消費(fèi)者網(wǎng)絡(luò)購(gòu)買(mǎi)意愿的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2010，29（2）：305-314.

[36]曾歡.旅游者對(duì)在線評(píng)論的信息采納意愿研究[D].廣州：暨南大學(xué)，2013.

[37]TMO.2018中國(guó)電商網(wǎng)站排名[EB/OL].https：//www.tmogroup.com.cn/other/26559/.

[38]付東普，王刊良.評(píng)論回報(bào)對(duì)在線產(chǎn)品評(píng)論的影響研究——社會(huì)關(guān)系視角[J].管理科學(xué)學(xué)報(bào)，2015，18（11）：1-12.

[39]蘇雪佳.B2C在線評(píng)論有用性影響因素研究[D].武漢：中南民族大學(xué)，2012.

[40]李亞珍，李曉戈，于根.基于中文股票博客的情感分類[J].武漢大學(xué)學(xué)報(bào)：理學(xué)版，2015，61（2）：163-168.

[41]大連理工信息檢索研究室.情感詞匯本體庫(kù)[EB/OL].http：//ir.dlut.edu.cn/EmotionOntologyDownload.

[42]張吉軍.模糊一致判斷矩陣3種排序方法的比較研究[J].系統(tǒng)工程與電子技術(shù)，2003，25（11）：1370-1372.

[43]張吉軍.模糊層次分析法（FAHP）[J].模糊系統(tǒng)與數(shù)學(xué)，2000，14（2）：80-88.

[44]王君珺，閆強(qiáng).不同熱度搜索型產(chǎn)品的在線評(píng)論對(duì)銷量影響的實(shí)證研究[J].中國(guó)管理科學(xué)，2013，（s2）：406-411.

[45]廖俊云，黃敏學(xué).基于酒店銷售的在線產(chǎn)品評(píng)論、品牌與產(chǎn)品銷量實(shí)證研究[J].管理學(xué)報(bào)，2016，13（1）：122.

[46]杜學(xué)美，丁璟妤，謝志鴻，等.在線評(píng)論對(duì)消費(fèi)者購(gòu)買(mǎi)意愿的影響研究[J].管理評(píng)論，2016，28（3）：173-183.

[47]張曉鋒.在線評(píng)論對(duì)空調(diào)銷量的影響——基于天貓平臺(tái)數(shù)據(jù)的實(shí)證研究[J].中國(guó)市場(chǎng)，2017，（28）：121-124.

[48]陳在飛.不同來(lái)源在線評(píng)論對(duì)網(wǎng)絡(luò)零售商產(chǎn)品銷量的影響研究[D].南京：南京大學(xué)，2014.

[49]李玉玉，廖成林，王曉歡.在線評(píng)論的量化指標(biāo)對(duì)產(chǎn)品銷量的影響研究——基于搜尋品視角[J].價(jià)值工程，2017，36（29）：33-34.

[50]王文君，張靜中.電子商務(wù)網(wǎng)站在線評(píng)論對(duì)手機(jī)銷量影響的實(shí)證研究[J].河北工業(yè)科技，2016，33（3）：188-193.

（責(zé)任編輯：孫國(guó)雷）