在線評論對消費者購買決策的影響研究
——基于評論可信度和信任傾向的中介、調(diào)節(jié)作用

莫 贊，羅敏瑤

（廣東工業(yè)大學(xué) 管理學(xué)院，廣東 廣州 510520）

在網(wǎng)絡(luò)商品交易中，賣家與買家之間存在信息不對稱，買家看不到實際的產(chǎn)品，只能通過網(wǎng)頁上的信息進行評估，消費者能夠接觸到的頁面信息有限，一般包括評論信息、價格、商家信譽和廣告活動等，通過閱讀評論，消費者了解評論質(zhì)量、賣家星級、評論者星級等形成對商品的感知以及對賣家的態(tài)度.在線評論也是消費者和賣家的一種互動形式，如今90后和00后熱衷于寫評論表達自己的想法和觀點.評論相當(dāng)于賣家與買家之間的一個交流機制，消費者通過這種交流評估購買意愿. 消費者對不同維度的在線評論的信息處理能力影響了評論可信度，這最終影響其對商品的整體感知，從而影響購買決策.尤其隨著網(wǎng)絡(luò)信息的膨脹，信任傾向會影響消費者對具體網(wǎng)絡(luò)環(huán)境的信任. 同一條在線評論，由于個人信任傾向的高低，消費者有不同的選擇和判斷. 本文以評論可信度作為中介變量，信任傾向作為調(diào)節(jié)變量，研究評論質(zhì)量、評論時效性、評論數(shù)量、評論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知這5種在線評論維度對消費者購買決策的影響.

1 文獻綜述

1.1 在線評論的文獻綜述

在線評論是消費者以文字或評分的形式，在網(wǎng)絡(luò)平臺上根據(jù)自己的過往經(jīng)歷或體驗表達自己對某一產(chǎn)品或品牌的情緒、看法和態(tài)度. 它是賣家、買家交流的媒介，消費者通過在線評論的瀏覽來影響購物決策過程. 在進行在線評論研究時，學(xué)者們從 2個方面進行研究：一方面是對在線評論的內(nèi)容進行文本挖掘，如張貴林[1]利用計算機技術(shù)對互聯(lián)網(wǎng)商品評論信息進行情感分析，得出用戶的情感傾向. 另一方面是對在線評論進行實證研究. 本文探討在線評論的實證研究，主要從以下幾個角度來展開：(1) 在線評論特征，在線評論特征主要有評論星級、評論標(biāo)題、評論質(zhì)量、評論數(shù)量、評論長度、評論差異性、評論效價、評論類型、評論可讀性、評論強度、評論及時性和評論時效性共計12種特征維度. Mudambi[2]借助亞馬遜網(wǎng)站數(shù)據(jù)研究星級極端性對在線有用性的影響. (2) 評論者特征，評論者特征目前主要研究個體描述信息(公開與否)、專業(yè)知識水平、信譽程度、排名、信息真實性(已確認(rèn)購買的用戶)、社交性、個性化信息和曝光度. Nan Hu等[3]探索在線評論對產(chǎn)品銷量的影響時發(fā)現(xiàn)消費者不僅關(guān)注在線評論得分，同時關(guān)注評論者的聲譽和曝光度. (3) 網(wǎng)站因素，來源網(wǎng)站類型、社區(qū)透明度等. 對在線評論的研究，多數(shù)集中在量化指標(biāo)上，這主要由于評論數(shù)量、星級、長度容易量化，同時數(shù)據(jù)采集以問卷為主，其次由于爬蟲獲取淘寶、京東、亞馬遜的評論數(shù)據(jù)的局限性. 不一定能夠獲取所有研究變量的數(shù)據(jù)，同時企業(yè)對于數(shù)據(jù)越來越重視，電商平臺的反爬蟲機制加強，這些因素都局限了研究人員數(shù)據(jù)獲取途徑.

基于曹歡歡等[4]整理的在線評論實證框架，結(jié)合后續(xù)的研究動態(tài)進行更新，得出在線評論實證研究框架如圖1所示. 目前，在線評論作為整個模型的中心，其實證研究集中于在線評論的影響因素、在線評論產(chǎn)生的影響，以及與相應(yīng)調(diào)節(jié)變量的研究. 在線評論的影響因素主要有社會環(huán)境(如文化差異、社會壓力、網(wǎng)絡(luò)外部性等)、商家或網(wǎng)站激勵(如經(jīng)濟激勵)和購物過程相關(guān)變量(如產(chǎn)品類型、價格、服務(wù)、物流、網(wǎng)站類型等).

圖1 在線評論實證研究框架Fig.1 Online review empirical research framework

綜上所述，在線評論存在眾多維度，本文從評論本身客觀性、主觀性、時間維度、評論者角度以及網(wǎng)絡(luò)環(huán)境考慮，選取評論數(shù)量、評論質(zhì)量、評論時效性、評論者資信度、網(wǎng)絡(luò)認(rèn)知環(huán)境作為在線評論的維度，評論數(shù)量、評論質(zhì)量、評論時效性和評論者資信度主要參考鄭小平對各維度的劃分[5]，有關(guān)評論數(shù)量的研究，學(xué)者們將評論數(shù)量分為首次評論數(shù)量、追加評論數(shù)量和圖片評論數(shù)量. 學(xué)者進行研究時沒有特別注明是哪種評論數(shù)量時，指的全部的評論數(shù)量，本文的評論數(shù)量指全部評論數(shù)量. 每條信息都包含其時間價值，不同的時間點代表評論的新舊程度. 評論越久遠(yuǎn)，越代表商品過去的狀態(tài)，評論越新，越能反映商品最新的狀態(tài)，評論的新舊反映評論的時效性. 評論者資信度指評論者的專業(yè)能力和可靠程度. 網(wǎng)絡(luò)環(huán)境認(rèn)知參考盧峰華的定義[6]，網(wǎng)路環(huán)境認(rèn)知為顧客相信網(wǎng)絡(luò)環(huán)境中，網(wǎng)絡(luò)安全技術(shù)、規(guī)章制度、法律保護等可以讓其感覺安全的程度. 因此本研究探討評論數(shù)量、評論質(zhì)量、評論時效性、評論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知對消費者購買決策的影響.

1.2 消費者購買決策的文獻綜述

引用柯青[7]提出的消費者購買行為模式的一般框架，如圖2所示. 消費者購買行為的一般模式為：消費者接受外部的刺激、本人對刺激信息進行加工和中介作用，最后影響到消費者相關(guān)的購買行為. 外部刺激可以是商家的營銷活動、店鋪基本信息、評論特征或評論者資質(zhì)信息，消費者黑箱包含很多無法直接觀察的因素，諸如心理因素、對于該產(chǎn)品的感知.消費者是降低了風(fēng)險感知度還是降低了對商家的信任，消費者黑箱最終作用于消費者購買行為.

圖2 消費者購買行為模式的一般框架Fig.2 General framework of consumer buying behavior pattern

在線評論對消費者購買意愿或決策的影響因素歸為三類：評論發(fā)布者相關(guān)因素、評論自身因素和評論接受者相關(guān)因素. 評論發(fā)布者因素集中在評論者資信度、專業(yè)程度、書寫方式等，評論相關(guān)因素集中在評論數(shù)量、評級、時效性、評論內(nèi)容質(zhì)量、褒貶、情感極性、身份信息披露與否等，接受者相關(guān)因素集中在消費者產(chǎn)品卷入度、人口統(tǒng)計特征和網(wǎng)站卷入度等.

對于消費者購買決策的研究最早起源于對商品銷量的研究. 基于武芳[8]整理的國內(nèi)在線評論與購買決策有關(guān)的影響研究，進行更新和補充，得出在線評論與購買決策的相關(guān)研究如表1所示.

表1 國內(nèi)代表性的在線評論影響的研究Tab.1 Domestic representative of the impact of online reviews

綜上所述，國內(nèi)關(guān)于在線評論購買決策的研究包含產(chǎn)品態(tài)度、購買意愿、產(chǎn)品銷量等，從產(chǎn)品的新舊到產(chǎn)品種類，但是論證評論可信度在其中扮演中介作用的研究還很鮮見.

2 理論構(gòu)建與研究內(nèi)容

2.1 理論構(gòu)建

詳盡可能性模型(Elaboration Likelihood Model，ELM)是由社會心理學(xué)家Petty和Cacioppo[9]于1986提出，它為研究消費者對說服的感知信息可信度的影響因素研究提供了扎實的理論基礎(chǔ)，該模型提出有兩條路徑影響消費者行為和態(tài)度——中心路徑和邊緣路徑. 中心路徑是指用戶在獲取信息后，會經(jīng)過認(rèn)真思考，對信息進行評估與分析然后決定自己的行為與態(tài)度；邊緣路徑是指用戶在獲取信息后，很少經(jīng)過思考就給出對此信息的行為與態(tài)度.

消費者在進行信息加工和處理過程中，獲取信息以及處理信息的難度會影響消費者選擇信息處理途徑. 消費者瀏覽在線評論形成對商品或信息的態(tài)度時，需要經(jīng)過思考來把握評論的質(zhì)量，通過仔細(xì)瀏覽評論時間，預(yù)估評論時間與瀏覽時間的時間差，以形成整體評論時效性的意識. 中心路徑中，消費者對評論信息進行加工、分析，付出一定時間和思考力后形成的評論質(zhì)量以及評論時效性，影響著消費者的購買意向和購買行為. 消費者瀏覽評論時，通過粗略瀏覽以及下面的翻頁數(shù)據(jù)便預(yù)估出評論數(shù)量的多與少，消費者通過每條評論中評論者名稱下面的星級標(biāo)識便知道評論者資信度. 邊緣路徑中，消費者通過輕松瀏覽網(wǎng)頁及評論，進行簡單整理獲得評論數(shù)量、評論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知，消費者根據(jù)已有整理的信息調(diào)整態(tài)度.

ELM模型作為一種說服模型，在社會心理學(xué)、管理學(xué)、市場營銷等領(lǐng)域應(yīng)用廣泛. Bhattacherjee A和Sanford等[10]基于詳盡可能性模型(Elaboration Likelihood Model),探索信息處理進程如何影響用戶的信息技術(shù)接受程度，以及這種影響如何持續(xù)下去.研究發(fā)現(xiàn)質(zhì)量和信息可信度影響用戶的使用意向.Filieri和McLeay[11]采用詳盡可能性模型探索信息質(zhì)量、信息準(zhǔn)確性、信息增值、信息相關(guān)性、信息及時性相關(guān)的中心路徑，以及產(chǎn)品級別相關(guān)的邊緣路徑對旅客接受住宿信息以及旅游相關(guān)產(chǎn)品的影響因素.

2.2 研究內(nèi)容及假設(shè)

2.2.1 在線評論與評論可信度

評論者資信度反映的是評論者的專業(yè)能力和可靠程度. 電子商務(wù)網(wǎng)站對消費者進行潛在的專業(yè)排名，常以星級等級來表示消費者的專業(yè)能力. 評論者的專業(yè)性可以產(chǎn)生更大的說服效果，削弱消費者根據(jù)自己已有的觀點來判斷評論的準(zhǔn)確性，進而提升評論可信度[12]. 杜夢夢[13]以實證研究證明評論發(fā)布者的專業(yè)性能夠正向影響在線評論的可信度，發(fā)布者的專業(yè)性能夠讓消費者感知到評論的權(quán)威性，促使消費者接受在線評論. 當(dāng)評論無法體現(xiàn)評論者專業(yè)背景時，消費者只能根據(jù)評論信息本身來判斷是否信任在線評論[14]. 消費者往往選擇信任質(zhì)量高的評論. 郭國慶[15]表明在線評論質(zhì)量在很大程度上正向影響在線評論感知可信度，詳細(xì)的經(jīng)驗分享可以提高評論可信度. 評論數(shù)量體現(xiàn)了商品的熱門程度，評論數(shù)量越多的產(chǎn)品，給消費者一種“該商品銷量很好”的印象. 胡娟娟[16]表明評論數(shù)量越多，評論可信度越高. 評論時效性反映了商品評論的新舊程度，當(dāng)商品評論距離消費者瀏覽網(wǎng)頁的時間越久，此評論越難以體現(xiàn)商品的真實信息，消費者就容易忽略陳舊的評論. 孟美任和丁晟春[17]認(rèn)為時效性越強的評論，其感知可信度越高. 網(wǎng)絡(luò)環(huán)境認(rèn)知指消費者相信網(wǎng)絡(luò)環(huán)境中的網(wǎng)絡(luò)安全、規(guī)章制度、法律結(jié)構(gòu)能夠讓自身產(chǎn)生安全的感覺. 網(wǎng)絡(luò)環(huán)境認(rèn)知會影響消費者對網(wǎng)站的信任，包敦安[18]和劉逶迤[19]認(rèn)為網(wǎng)站透明度會影響網(wǎng)站評論可信度，李巍和王志章[20]基于歸因理論的視角認(rèn)為第三方網(wǎng)站和博客的可信度高于品牌官網(wǎng)，不同網(wǎng)站的環(huán)境認(rèn)知具有不同影響力，因此消費者網(wǎng)絡(luò)環(huán)境認(rèn)知影響評論可信度.

2.2.2 評論可信度與購買決策

評論可信度是促進消費者采納在線評論的因素之一，對評論信息的采納意味著有利于作出購買決策，宋曉晴[21]表明評論可信度強調(diào)從信息內(nèi)容如評論一致性、評論質(zhì)量等來評價評論，從而高評論可信度對消費者購買行為具有更大勸說性影響. Myung-JaKim[22]分析結(jié)果表明當(dāng)旅游電子商務(wù)網(wǎng)站值得信任時，用戶更有可能購買旅游產(chǎn)品和旅游服務(wù). 因此與低評論可信度相比，高評論可信度更能促進消費者的購買決策.

2.2.3 評論可信度的中介作用

信息共享可以幫助消費者進行購買決策，但是信息超載會帶來認(rèn)知負(fù)擔(dān). 在線評論存在各個維度上的差異，因此消費者需要對信息進行篩選. 高質(zhì)量、及時性的在線評論讓消費者感知到信息是有效的，數(shù)量多和評論者資信度讓消費者感知到商品的熱度和信息的可靠，對網(wǎng)絡(luò)環(huán)境的認(rèn)知可以緩和或增強消費者購物時的戒備心理. 在線評論通過影響消費者對評論可信度的感知作用于購買決策，判斷是否進行購買行為. 因此，在線評論與消費者購買決策之間，評論可信度起中介作用.

基于此，提出以下假設(shè).

H1：評論質(zhì)量正向影響消費者購買決策.

H2：評論時效性正向影響消費者購買決策.

H3：評論數(shù)量正向影響消費者購買決策.

H4：評論者資信度正向影響消費者購買決策.

H5：網(wǎng)絡(luò)環(huán)境認(rèn)知正向影響消費者購買決策.

H6：評論質(zhì)量通過評論可信度影響消費者購買決策.

H7：評論時效通過評論可信度影響消費者購買決策.

H8：評論數(shù)量通過評論可信度影響消費者購買決策.

H9：評論者資信度通過評論可信度影響消費者購買決策.

H10：網(wǎng)絡(luò)環(huán)境認(rèn)知通過評論可信度影響消費者購買決策.

2.2.4 信任傾向的調(diào)節(jié)作用

信任傾向是個體的特征，指個體信任和依賴他人的意愿[6]. 面對眾多的在線評論，信任傾向會影響消費者感知的評論可信度. 信任傾向高的消費者會較為信任他人，相信他人的言行，在瀏覽在線評論時，更易相信在線評論. Kini和Choobineh[23]在研究信任整合模型時提出，信任會影響消費者對電子商務(wù)的態(tài)度與決策，而個人信任傾向是影響電子商務(wù)信任的重要因素之一. 信任傾向高的消費者，在瀏覽評論之前，先認(rèn)為他人是可信賴的，信任傾向低的消費者恰恰相反，因此，在線評論與評論可信度之間，信任傾向起調(diào)節(jié)作用.

基于此，提出以下假設(shè)：

H11：信任傾向在評論質(zhì)量與評論可信度之間具有調(diào)節(jié)作用.

基于詳盡可能性模型(ELM)和研究思路，從中心路徑和邊緣路徑出發(fā)，以評論可信度為中介變量，信任傾向為調(diào)節(jié)變量，探討在線評論對消費者購買決策的影響. 研究框架如圖3所示.

圖3 研究框架Fig.3 Research framework

3 實證研究

3.1 調(diào)查對象及調(diào)查問卷設(shè)計

根據(jù)第41次中國互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計報告，我國網(wǎng)民以10～39歲群體為主，網(wǎng)民學(xué)歷結(jié)構(gòu)中高中、中專、技校及以上學(xué)歷的網(wǎng)民占大多數(shù)，考慮到調(diào)查對象需要有足夠的機會接觸網(wǎng)絡(luò)、能夠讀懂并耐心填寫問卷，本次調(diào)研以年齡18～39歲、教育程度大專學(xué)歷以上、職業(yè)為學(xué)生的群體為主要調(diào)查對象.

為保證問卷的科學(xué)有效，本文各變量結(jié)合以往學(xué)者的研究，選用成熟的量表，咨詢專家探討指標(biāo)選用的合理性，進一步修改問卷. 問卷總共分為2個部分，第一部分為30個測量題項，第二部分為被調(diào)查者的基本信息. 第一部分測量題項均采用李克特七級量表.

3.2 問卷前測

問卷形成后，進行預(yù)調(diào)研，通過問卷星發(fā)放，回收50份，有效問卷43份. 對已有數(shù)據(jù)進行信效度分析，進行效度分析時，評論數(shù)量的第4個題項的CITC（校正的項總體相關(guān)性）僅為0 . 4 1. CITC一般需要大于0.5才能說明項之間的相關(guān)性較好. 將該題項刪除后，評論數(shù)量的Alpha值（即Cronbach a值，為內(nèi)部一致性信度系數(shù)）明顯提升，達到了0.725，因此刪除該題項合理，刪除該題項后前測問卷題項的信效度分析結(jié)果如表2所示，其中KMO為Kaiser-Meyer-Olkin Measure of Sampling Adequacy的簡稱，當(dāng)KMO≥0.6時，代表可適合進行因子分析，從而便于本研究進行后續(xù)效度驗證.

表2 預(yù)測量題項的信度和效度檢驗Tab.2 Reliability and validity test of the item of predictive quantity

3.3 問卷收集與整理

本次在網(wǎng)絡(luò)平臺上，共發(fā)放380份問卷，提出作答時間短、答題規(guī)律以及網(wǎng)購時不瀏覽評論的問卷，保留有效問卷345份，有效回收率為90.79%.

3.4 數(shù)據(jù)分析與結(jié)論

3.4.1 問卷調(diào)查樣本特征

從表3可以看出，被調(diào)查者中，男性有160人，女性有185人，女性樣本比男性樣本多，男女比例分布較為均衡. 年齡統(tǒng)計分布上，18～39歲之間的人數(shù)為298人，占比88.96%，并且專科及以上樣本有246份，占比71.3%，因此保證被調(diào)查人員理解問卷內(nèi)容. 網(wǎng)購年限為1年以上的樣本有312份，比例為90.43%，說明被調(diào)查人群對網(wǎng)購較為熟悉，有利于驗證本文假設(shè).

3.4.2 信度和效度檢驗

本文主要采用SPSS 22.0軟件收回的問卷進行分析.首先對問卷的40個題項進行信度測量，得到各變量的Cronbach's Alpha值，然后對測量題項的因子載荷進行效度分析，結(jié)果如如表4所示，各變量的Cronbach's Alpha值都大于0.6，可知該量表的內(nèi)部一致性和穩(wěn)定性較好，整體信度較高. 因子載荷均大于0.5，說明本問卷各測量變量的題項達到了效度分析要求，數(shù)據(jù)分析有效.

表3 調(diào)查問卷樣本特征Tab.3 Questionnaire sample characteristics

表4 測量題型的信度和效度檢驗1)Tab.4 The reliability and validity test of the test item

3.4.3 數(shù)據(jù)分析結(jié)論

1) 相關(guān)性分析.

借助SPSS 22.0，對各變量采用Pearson相關(guān)性分析，顯著性檢驗選擇雙尾檢驗，各變量的相關(guān)分析表如表5所示. 從表中可以看出，在0.01的顯著性水平下，各變量分別和其他變量呈正相關(guān). 表5數(shù)據(jù)顯示，評論質(zhì)量、評論時效性、評論數(shù)量、評論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知對消費者購買決策均具有正向影響，假設(shè)H1、H2、H3、H4、H5均得到驗證.

2) 評論可信度在在線評論與購買決策之間中介效應(yīng)分析.

借助SPSS 2.0進行回歸分析，回歸分析各指標(biāo)結(jié)果如表6所示， R方表示擬合優(yōu)度，用于評估回歸模型對觀察值的擬合程度，adj-R方為調(diào)整后R方，代表矯正后自變量對因變量的預(yù)測力，R和adj-R方越大，說明回歸模型越好. F值用于回歸方程的顯著性檢驗，用于推斷模型中被解釋變量與所有解釋變量之間的線性關(guān)系是否顯著，***代表相關(guān)性在0.001水平上顯著. B為非標(biāo)準(zhǔn)化回歸系數(shù)，代表非標(biāo)準(zhǔn)化預(yù)測變量和因變量的相關(guān)性，β代表標(biāo)準(zhǔn)化后預(yù)測變量和因變量的相關(guān)性，SE為標(biāo)準(zhǔn)誤差，文中展現(xiàn)的為非標(biāo)準(zhǔn)化系數(shù)的標(biāo)準(zhǔn)誤差值，T值為對回歸參數(shù)的顯著性檢驗值，**表示回歸參數(shù)在0.01水平上顯著. 各指標(biāo)在合理水平. 評論可信度在評論時效性、評論數(shù)量、網(wǎng)絡(luò)環(huán)境認(rèn)知與消費者購買決策者之間的中介效應(yīng)在0.05水平上顯著，三者的回歸系數(shù)稍有降低，這表明評論可信度是評論時效性、評論數(shù)量、網(wǎng)絡(luò)環(huán)境認(rèn)知與消費者購買決策者之間的部分中介變量，假設(shè)H7、H8、H10得到驗證. 評論者資信度的測量由3個測量題項構(gòu)成，其中一個測量題項代表評論者專業(yè)性，通過驗證評論可信度在評論者專業(yè)性與消費者購買決策之間的中介效應(yīng). 由表6可知，其中介效應(yīng)在0.05水平上顯著，加入中介變量后的回歸系數(shù)降低，說明評論可信度是評論者專業(yè)性與消費者購買決策之間的部分中介變量，因此假設(shè)H9部分支持.

表5 潛變量的相關(guān)系數(shù)Tab.5 Correlation coefficient of latent variable

表6 評論可信度在在線評論與消費者購買決策之間的中介作用Tab.6 The intermediary role of review credibility between online reviews and consumer purchasing decisions

3) 信任傾向的調(diào)節(jié)作用.

將信任傾向分為高低兩組，根據(jù)回收的問卷中信任傾向的得分進行分組，分別分析信任傾向高和信任傾向低對評論質(zhì)量與消費者購買決策之間關(guān)系的影響情況. 分析結(jié)果如表7所示. 表7清晰顯示了信任傾向高低的不同調(diào)節(jié)效應(yīng). 信任傾向高的一組，評論質(zhì)量和購買決策的回歸方程成立，說明評論的質(zhì)量對購買意愿有正向影響；而信任傾向低的一組，回歸方程不成立，說明信任傾向較低時，評論質(zhì)量的高低不能對消費者的購買決策產(chǎn)生影響. 因此假設(shè)H11部分成立.

表7 評論質(zhì)量與評論可信度分組回歸分析結(jié)果Tab.7 Group regression analysis results of comment quality and comment credibility

4 結(jié)論

4.1 研究結(jié)論

本文基于評論本身客觀性、主觀性、時間維度、評論者角度以及網(wǎng)絡(luò)環(huán)境，采用在線評論的評論數(shù)量、評論質(zhì)量、評論時效性、評論者資信度以及網(wǎng)絡(luò)環(huán)境認(rèn)知等角度，結(jié)合詳盡可能性模型，研究評論質(zhì)量和評論時效性的中心路徑以及評論數(shù)量、評論者資信度和網(wǎng)絡(luò)環(huán)境認(rèn)知的邊緣路徑對購買決策的影響. 研究表明評論時效性、評論數(shù)量、評論者資信度中的評論者專業(yè)性維度以及網(wǎng)絡(luò)環(huán)境認(rèn)知對消費者購買決策有正向影響，這種變化都會通過評論可信度來最終作用于消費者購買決策. 高信任傾向會調(diào)節(jié)消費者對不同質(zhì)量的評論所感知的可信度，信任傾向高感知到高質(zhì)量評論的可信度更高. 具體研究結(jié)果如下表8所示.

表8 研究假設(shè)檢驗結(jié)果Tab.8 Testing results of study hypothesis

4.2 理論意義

在現(xiàn)有研究上，從在線評論不同的維度研究其對消費者購買決策的影響，尤其從網(wǎng)絡(luò)環(huán)境的角度探索網(wǎng)絡(luò)環(huán)境認(rèn)知對消費者購買決策的影響，更加細(xì)化了在線評論的相關(guān)研究. 隨著互聯(lián)網(wǎng)的發(fā)展，結(jié)合消費者對網(wǎng)絡(luò)平臺的感知來研究其對決策制定的作用，彌補了先有研究的不足.

詳盡可能性模型(ELM)主要從信息加工的角度通過評論可信度來研究在線評論對購買決策的影響. 本文基于詳盡可能性模型(ELM)，以評論可信度為中介變量，消費者購買決策為因變量，從評論本身客觀性、主觀性、時間維度、評論者角度以及網(wǎng)絡(luò)環(huán)境等方面，研究其差異對消費者購買決策的影響，為商家進行在線評論的管理以及平臺環(huán)境的搭建和管理方面提供理論依據(jù).

信任傾向作為調(diào)節(jié)變量，會影響消費者對評論質(zhì)量的判斷. 高信任傾向的消費者更容易相信他人的行為與言語. 根據(jù)本文的研究結(jié)論，信任傾向高的消費者認(rèn)為質(zhì)量高的評論其可信度更高，進而認(rèn)同高質(zhì)量的評論作出購買決策. 消費者的信任傾向并不是與生俱來的，網(wǎng)絡(luò)安全機制的建設(shè)和網(wǎng)絡(luò)服務(wù)都會影響消費者的信任傾向，進而影響行為，因此可以加強消費者的信任傾向，提高其對高評論質(zhì)量的處理與利用. 今后的研究可以加強對消費者信任傾向的探索.

4.3 對商家的啟示

本研究表明時效性強、數(shù)量多、評論者專業(yè)的評論以及消費者對網(wǎng)絡(luò)環(huán)境認(rèn)知高能夠產(chǎn)生更強的評論可信度，從而影響消費者的購買意愿與決策. 商家可以有效利用該結(jié)論對網(wǎng)絡(luò)平臺的評論和網(wǎng)絡(luò)環(huán)境進行管理. 首先，商家積極引導(dǎo)消費者在購買商品后及時對商品進行評論，建議消費者根據(jù)自己的真實想法，詳細(xì)表達自己的評論，盡量避免消費者只購買而不評論. 其次，隨著評論的累積，商家可以搜集和整理評論，利用數(shù)據(jù)分析方法，分析出評論中消費者比較看重的商品特性，在進行商品改進和升級時，可以對這些特性進行加強，在宣傳時也可對以往消費者看重的商品特性上宣傳，從而更切合消費者心理，提高消費者滿意度. 另外，商家對等級高的評論者可以適當(dāng)提供獎勵，鼓勵這些評論者進行追加評論，并且可以定期抽取優(yōu)質(zhì)評論者進行其他產(chǎn)品免費試用，鼓勵產(chǎn)品使用者留下評論. 最后是關(guān)于網(wǎng)絡(luò)環(huán)境建設(shè)，如今廣告信息泛濫，消費者對網(wǎng)絡(luò)購物環(huán)境安全性的認(rèn)知容易降低. 如果消費者對購物體驗表示不滿，商家需要及時為消費者提供補救服務(wù). 商家還應(yīng)加強店鋪網(wǎng)絡(luò)安全防范，保護消費者隱私，避免信息泄露，通過網(wǎng)絡(luò)環(huán)境的提升，提高消費者的信任傾向.