異質產(chǎn)品的在線評論特征對產(chǎn)品銷量的影響

宋 鵬,郭勤勤

(1.山西大學 經(jīng)濟與管理學院,山西 太原 030006;2. 中國工商銀行山西省分行,山西 太原 030001)

一 引言

面對以用戶生成內容為核心的社交媒體新情境,在線口碑傳播已然成為消費者購買決策的主要信息來源。相較于其他口碑傳播方式,產(chǎn)品的在線評論對消費者決策的影響更大。在線評論使消費者可以獲得額外的產(chǎn)品質量信息,在電子商務中發(fā)揮口碑傳播的作用[1-2]。當消費者在網(wǎng)上搜索產(chǎn)品信息時,他們往往會參考第三方的在線評論,而且以往學者的大量研究也表明在線評論對促進產(chǎn)品銷量上升有著重要的影響,同時也對消費者購買決策產(chǎn)生了較大的作用[3-6]。目前各大購物網(wǎng)站的功能都在不停地更新迭代,消費者在其網(wǎng)站進行產(chǎn)品評論已經(jīng)成為基礎要素,這使得購買者可以通過在線評論的方式傳達自身體驗,這種方式在一定程度上降低了潛在消費者可能因信息不足而面臨的質量風險。

從現(xiàn)有成果來看,有關在線評論的研究對象種類豐富,國內外學者對許多網(wǎng)站如淘寶、攜程、豆瓣網(wǎng)、雅虎網(wǎng)等均有涉獵,并且取得了非常重要的研究結論。目前,在國際頂級期刊如ManagementScience、MarketingScience也發(fā)表了諸多關于在線評論的研究成果。近些年,學者們致力于研究在線評論的基本要素或者評論者的本身特征與產(chǎn)品銷量之間的關系,也有一些學者另辟蹊徑引入熱度、產(chǎn)品類型以及產(chǎn)品生命周期作為調節(jié)變量開展研究。

經(jīng)濟學家Nelson[7-8]首次提出在線評論的影響力還會受到異質產(chǎn)品(即不同產(chǎn)品類型)的影響,他認為當搜索某產(chǎn)品的品質信息成本過高時,消費者就會購買產(chǎn)品親身體驗后以獲得產(chǎn)品的品質,其在研究中指出依據(jù)不同的產(chǎn)品品質(即異質產(chǎn)品),按照消費者能否在購買前獲得產(chǎn)品的品質信息,把商品分為體驗型產(chǎn)品和搜索型產(chǎn)品。Nelson在文中將家具、地板、數(shù)碼相機、計算器等歸類為搜索型產(chǎn)品,書、手表、手機和酒等歸為體驗型產(chǎn)品。搜索品是在購買前消費者就能夠獲得產(chǎn)品質量信息,而體驗品是必須在試用或者購買使用后才能評估產(chǎn)品質量。他認為消費者的任何購買行為對預期結果的正確性都有影響,有可能會引起消費者的情緒波動。因此,消費者在購買體驗型產(chǎn)品時往往會比購買搜索型產(chǎn)品付出更多的信息搜索努力。

從國內現(xiàn)有研究成果來看,由于無法獲得產(chǎn)品銷量的具體數(shù)據(jù),大量研究都以評論數(shù)量作為產(chǎn)品銷量的代理變量[9-12]。事實上,國內、國外電子商務網(wǎng)站往往存在“賣家操縱評論行為”的現(xiàn)象[13],使得評論數(shù)量并不能客觀真實地反映產(chǎn)品銷量,進而給“評論數(shù)量作為產(chǎn)品銷量的代理變量”帶來了質疑。另一方面,從實證研究情況來看,諸多研究以淘寶、京東等為研究樣本,然而與亞馬遜中國相比,淘寶、京東的“默認好評”機制、“退貨交易關閉”機制均扭曲了真實的在線評論情況,進而增加了研究的不確定性。基于上述原因,本文以不同類型的產(chǎn)品為研究對象,使用Scrapy爬蟲框架和Redis數(shù)據(jù)庫采集亞馬遜中國的產(chǎn)品在線評論作為樣本,以產(chǎn)品銷量排名作為產(chǎn)品銷量的代理變量,研究在線評論的屬性特征如何影響產(chǎn)品銷量。

二 理論基礎與研究假設

現(xiàn)有研究表明在線口碑對產(chǎn)品的銷售起著關鍵性的作用,但它對不同類型產(chǎn)品的影響可能不同。對于產(chǎn)品類型,目前被廣泛接納的一種定義是由Nelson[7-8]提出的分類,即體驗型產(chǎn)品和搜索型產(chǎn)品。對于搜索型產(chǎn)品而言,消費者在購買前,通過搜索產(chǎn)品商標就可以查看到產(chǎn)品所有的品質信息,確認產(chǎn)品的品質屬性(如顏色、款式、像素、硬度、存儲大小等),進而確定產(chǎn)品品質質量。而對于體驗型產(chǎn)品來說,消費者只有在購買之后或者消費的過程中才能獲取產(chǎn)品全部的品質信息,確認其產(chǎn)品屬性(如味道、潤膚程度、體驗感受等),從而確定產(chǎn)品品質質量。消費者在購買搜索品時,更偏向于運用傳統(tǒng)決策過程,通過產(chǎn)品本身的質量信息評估產(chǎn)品質量。而在購買體驗品時,消費者更加注重從第三方評論網(wǎng)站獲取的評論信息[14]。因此對于兩種類型的產(chǎn)品,盡管消費者都會利用在線評論做出購買決策,但對于不同產(chǎn)品,消費者對在線評論的需求是不同的[15]。

(一)評論數(shù)量

在線評論數(shù)量是消費者對在線產(chǎn)品或服務進行主觀評價的數(shù)量,諸多研究都發(fā)現(xiàn)評論數(shù)量與消費者購買決策行為表現(xiàn)有顯著關系[16-18]。消費者購買線上商品時,潛在消費者通過在線評論相關信息對所購產(chǎn)品進行質量評估的過程,其實質上就是從有限的評論信息數(shù)據(jù)庫進行信息篩選,并將進一步整理加工后的信息同自己的預估值進行比較的過程。在這個評估數(shù)據(jù)庫中,評論數(shù)量越多,理論上來講,覆蓋的商品信息越全,對潛在消費者進行購買決策的影響越大。而在線評論數(shù)量所反映的知曉效應也驗證了這一點:評論數(shù)量越多,說明越多的消費者參與討論了某種產(chǎn)品或服務,這會提高潛在消費者對該商品的關注度,并且可能進一步產(chǎn)生從眾心理和行為,最終引發(fā)消費者的購買行為。如郝媛媛等[19]基于Yahoo電影面板數(shù)據(jù),研究了在線評論數(shù)量與票房收入之間的關系,結果表明,滯后一天的在線評論數(shù)量對當天的票房銷售收入有顯著的正向影響。

在線評論的數(shù)量往往體現(xiàn)了產(chǎn)品的流行程度。對于體驗型產(chǎn)品,它的產(chǎn)品信息不太指明產(chǎn)品質量,因此評論數(shù)量所表明的產(chǎn)品受歡迎程度等外在線索對于消費者來說更為重要;而對于搜索品來說,消費者在購買前就洞悉了質量信息,它的產(chǎn)品關鍵屬性是客觀且易于比較的。因此,雖然在線評論數(shù)量是影響產(chǎn)品銷量的關鍵因素,但對于兩種產(chǎn)品類型的影響程度是不同的。Cui等[14]以產(chǎn)品生命周期為調節(jié)變量研究在線評論對新產(chǎn)品銷售的影響,結果發(fā)現(xiàn)評論數(shù)量對體驗型新產(chǎn)品銷售的影響更大。因此,本文做出如下假設:

H1a:評論數(shù)量對搜索型產(chǎn)品和體驗型產(chǎn)品的銷量均有正向影響。

H1b:評論數(shù)量對搜索型產(chǎn)品的銷量影響小于對體驗型產(chǎn)品的銷量影響。

(二)評論效價

評論效價是指消費者對商品的認可程度[20],它可以是正向的或負向的。也就是說,正負向評價是從商品已使用者角度揭示產(chǎn)品質量的優(yōu)劣程度。正面評論提供對商品的正向評估信息和積極的態(tài)度,向其他消費者推薦該產(chǎn)品;而負面評論提供對商品的負向評估信息和消極的態(tài)度,不推薦其他消費者使用該產(chǎn)品。郝媛媛等[21]以雅虎電影的影評作為研究樣本,研究了不同評論效價的影評對電影票房收入的影響,結果表明,在線影評的評論效價對電影票房收入存在顯著影響。石文華等[22]進一步將在線電影評論分為專業(yè)影評和非專業(yè)短評,研究發(fā)現(xiàn),短評的評論極端性比影評的影響大。本文從評論極端性和平均得分兩方面研究評論效價對不同類型產(chǎn)品銷量的影響。

1.評論平均得分

商品在線評論得分是用來描述消費者購買商品后對商品質量、滿意程度和商家的服務態(tài)度等做出評價的變量,一般以1-5分的形式來表示,1分代表消費者對所購買產(chǎn)品的極端差評,5分表示極端好評。Chevalier等[23]研究表明,在線評論情感傾向對消費者購買決策產(chǎn)生作用。Reinstein等[24]以體驗型產(chǎn)品-電影作為研究對象,結果表明平均得分對電影票房收入有顯著的正向影響,即平均得分越高,票房收入越多?；谝陨戏治?本文同樣采用平均得分測量在線評論評分,平均星級就是消費者對商品滿意度做出的綜合性評價。但是也有學者認為平均得分的高低并不能完全代表產(chǎn)品的質量,例如Duan等[25]認為在線評論平均得分對產(chǎn)品的銷量并無顯著的影響。盤英芝[26]在對體驗型產(chǎn)品-圖書的研究中發(fā)現(xiàn),在線評論得分對圖書銷量的影響并不呈線性相關。但是本文認為產(chǎn)品的平均得分越高,購買者對其整體性的評價越高,即代表產(chǎn)品的質量也高,因此本文提出以下假設:

H2:在線評論平均得分對搜索型產(chǎn)品和體驗型產(chǎn)品的銷量均有顯著的正向影響。

2. 評論極端性

評論極端性是指消費者對商品進行評價時的情感傾向的強烈程度。消費者可以對所購買的商品進行評論打分(1-5),3分表示為中性評論,1分或5分評論是極端評論。Dellarocas等[27]指出,相對于搜索型產(chǎn)品而言,極端性評論對體驗型產(chǎn)品的有用性更大,這可能是因為極端情感更容易引起消費者的一致共鳴。但Mudambi 和Schuff[1]以產(chǎn)品類型為調節(jié)變量,研究在線評論極端性對評論有用性的影響,其結果表明對于體驗型產(chǎn)品來說,中性評價比極端評價會更受到消費者的歡迎。盡管之前的研究結果不一致,但仔細分析其研究對象,不難發(fā)現(xiàn),產(chǎn)品類型對在線評論極端性和產(chǎn)品銷量之間的關系可能起到了調節(jié)作用,因此導致了不同的研究結果。本文認為,體驗型產(chǎn)品是必須在使用后才能評估產(chǎn)品質量,需要用個人感知來評估產(chǎn)品質量,所以對于體驗型產(chǎn)品的評論往往帶有很濃的個人色彩,該評論僅僅反映個人體驗而非產(chǎn)品的真實品質,因此極端性的評論并不能對消費者的購買決策產(chǎn)生顯著地影響。而對于搜索型產(chǎn)品,其商品的客觀屬性很容易被證實,所以極端的評論描述被認為是可靠的,基于以上的分析,本文提出以下假設:

H3a:評論極端性對搜索型產(chǎn)品的銷量有顯著的正向影響。

H3b:評論極端性對體驗型產(chǎn)品的銷量無顯著影響。

(三)評論長度

評論長度,即評論深度,它是指消費者購買某種產(chǎn)品后進行產(chǎn)品評論的字數(shù),其可以增加消費者對評論信息的認可程度。Mudambi 和Schuff[1]以產(chǎn)品類型為調節(jié)變量,通過將不同類型的產(chǎn)品進行研究,結果發(fā)現(xiàn)相比于體驗型產(chǎn)品,評論深度更加影響搜索型產(chǎn)品的評論有用性。以往大多數(shù)學者認為,評論越長,反映產(chǎn)品的信息越全面,越能夠增強消費者購買決策的自信,從而刺激產(chǎn)量的上升[9,28]。王智生等[29]認為,評論字數(shù)的多少關系到消費者對該信息認知的高低,評論字數(shù)越多,消費者信息認知越高,從而更好地評估產(chǎn)品質量。

然而,評論長度對不同類型產(chǎn)品的重要性可能不同。對于體驗型產(chǎn)品來說,其評論內容更偏主觀化,并且經(jīng)常包含產(chǎn)品的次要信息,這種額外信息會增加消費者的搜索成本進而影響其購買決策。而購買搜索型產(chǎn)品的消費者更傾向于尋找以產(chǎn)品的客觀屬性和特征為核心的事實信息。由于搜索型產(chǎn)品的大多數(shù)評論通常是以產(chǎn)品事實呈現(xiàn)的,其評論的事實本質也意味著這些評論中的附加內容更可能包含關于產(chǎn)品如何使用以及它與其他商品相比較的重要信息。王智生等[29]指出,相比于體驗型產(chǎn)品,評論長度對搜索型產(chǎn)品的評論有用性影響更大。因此,本文提出以下假設:

H4a:評論長度對體驗型產(chǎn)品和搜索型產(chǎn)品的銷量有顯著的正向影響。

H4b:評論長度對搜索型產(chǎn)品的銷量影響大于對體驗型產(chǎn)品的銷量影響。

(四)其他控制變量

除以上因素之外,評論時間也是產(chǎn)品銷量的重要影響因素。本文將評論時間和產(chǎn)品價格作為控制變量來分析他們同產(chǎn)品銷量之間的關系。概念模型圖如圖1所示。其中,“+”表示正向影響,虛線表示無顯著影響。

圖1 概念模型圖

三 研究方法

(一)變量測量

本文基于上述理論假設,建立了基于產(chǎn)品類型效應的銷量影響因素模型。研究模型共包括8個變量,其中因變量是產(chǎn)品銷量:亞馬遜網(wǎng)站產(chǎn)品排名與產(chǎn)品銷量之間的關系可以用ln[Sales]=β0-β1*ln[Sales Rank]來描述[23]。自變量包括:評論數(shù)量與平均得分(直接抓取);評論極端性(由評論評分與中性評分之差的絕對值計算得到);評論長度(在線評論的字符個數(shù))。控制變量:評論時間(爬取評論的時間與發(fā)表評論時間的差);產(chǎn)品價格(直接抓取)。綜上,本文所使用的概念模型如圖1所示,所有變量的具體符號和含義如表1所示。

表1 模型變量及測量指標

(二)數(shù)據(jù)收集

本研究使用Scrapy爬蟲框架采集了亞馬遜中國網(wǎng)站(https://www.amazon.cn/)排名前100的數(shù)碼相機與化妝品的在線評論。為了保證數(shù)據(jù)的有效性,剔除評論數(shù)量為0的樣本,最終保留40 207條的有效評論,其中體驗型產(chǎn)品即化妝品21 306個樣本,搜索型產(chǎn)品即數(shù)碼相機18 901個樣本。本研究采集了每一條評論的評論數(shù)量、評論得分、評論平均得分、評論時間、評論內容還有產(chǎn)品的價格和每個評論者ID等數(shù)據(jù),在前人研究成果的基礎上,使用SPSS22.0通過多元回歸分析驗證各因素對體驗型產(chǎn)品與搜索型產(chǎn)品的銷量影響。

四 分析與討論

(一)搜索型與體驗型產(chǎn)品在線評論對產(chǎn)品銷量影響的比較研究

在本研究中,由于搜索型產(chǎn)品和體驗型產(chǎn)品的價格和評論數(shù)量相差較大,因此本文并沒有將兩種產(chǎn)品放在一起進行描述性統(tǒng)計,表2和表3分別是兩種產(chǎn)品的描述性分析。

表2 搜索型產(chǎn)品的描述性統(tǒng)計

表3 體驗型產(chǎn)品的描述性統(tǒng)計

從表2和表3中可以看出,兩種產(chǎn)品的平均得分和評論極端性等基本統(tǒng)計量并沒有很大的差別,并且平均得分都大于3,即兩種產(chǎn)品的平均得分都是好評,這一現(xiàn)象與多項相關研究中發(fā)現(xiàn)的消費者評論模式是一致的[23]。搜索型產(chǎn)品的評論長度、評論時間等基本統(tǒng)計量都比體驗型產(chǎn)品略大,體驗型產(chǎn)品的評論數(shù)量比搜索型產(chǎn)品大很多。

表4和表5分別給出了搜索型產(chǎn)品與體驗型產(chǎn)品研究模型的驗證結果。

表4 搜索型產(chǎn)品的樣本回歸結果

注:*表示p<0.10;**表示p<0.05;***表示p<0.01。

從表4中可以得知,此模型的R2值為0.307,F值對應的概率P值達到了顯著水平,說明該模型擬合優(yōu)度和方程的總體顯著性較好?；貧w結果表明平均得分、評論數(shù)量對產(chǎn)品銷量均有顯著地負向影響,即平均得分越低,評論數(shù)量越少,產(chǎn)品銷量越高,不支持假設H1a和H2。搜索型產(chǎn)品評論數(shù)量對產(chǎn)品銷量具有顯著負向影響的原因可能是因為:相對于體驗型產(chǎn)品來說,搜索型產(chǎn)品(數(shù)碼相機)更新?lián)Q代速度快且更新周期較短,消費者一般會在對比原有產(chǎn)品的基礎上購買新產(chǎn)品,而此時消費者主動評論新產(chǎn)品的意愿較低,因此造成評論數(shù)量與產(chǎn)品銷量呈負相關關系。而對于評論平均得分而言,出現(xiàn)這種情況可能是商品評分值一般都比較高,從而導致評論平均分數(shù)值較大,并且其分布不服從正態(tài)分布而是 J 型分布[30],即商品評分掩蓋了消費者商品評論的不一致性,其并不能真實反映消費者口碑的整體表現(xiàn)。

對于搜索品來說,消費者更傾向于相信極端性評論,從而正向影響產(chǎn)品的銷量,假設H3a得到驗證支持。評論長度與產(chǎn)品銷量是顯著正相關,這表明評論長度越長,對于搜索品來說,其反映產(chǎn)品的信息越全面,越能夠增強消費者購買該產(chǎn)品的信心,從而促進產(chǎn)品銷量的上升,假設H4a得到驗證支持。

表5 體驗型產(chǎn)品的樣本回歸結果

注:*表示p<0.10;**表示p<0.05;***表示p<0.01。

從表5中可以得知,此模型的R2值為0.290,F值對應的概率P值達到了顯著水平,說明該模型擬合優(yōu)度和方程的總體顯著性較好。對于體驗型產(chǎn)品來說,評論數(shù)量對產(chǎn)品銷量具有顯著地正向影響,說明評論數(shù)量越多,產(chǎn)品銷量越高,假設H1a部分支持,H1b得到驗證。而平均得分與產(chǎn)品銷量之間具有顯著地負相關關系,這可能是因為對于體驗型產(chǎn)品來說,消費者進行產(chǎn)品評論的評分值一般都比較高,從而導致評論平均分數(shù)值較大[30],即商品平均得分掩蓋了消費者評論的自我選擇性偏差,其并不能真實反映消費者口碑的整體表現(xiàn)。假設H2沒有得到驗證。而評論極端性對產(chǎn)品銷量的影響并不顯著,對于體驗型產(chǎn)品,評論極端性往往帶有很濃的個人色彩,該評論僅僅反映消費者的個人感受而不是真實的產(chǎn)品品質,因此消費者可能不怎么注重評論極端性的作用,假設H3b得到驗證。體驗型產(chǎn)品的評論長度對產(chǎn)品銷量的影響是負向的,其原因是對于體驗型產(chǎn)品(化妝品)來說,消費者更傾向于在進行負面評論時寫較長篇幅的評論,從而導致了這樣的結果,假設H4a得到部分驗證。

對假設的結果匯總如表6。

表6 假設結果匯總

(二)因變量的比較研究

為了進一步驗證本文對“評論數(shù)量作為產(chǎn)品銷量的代理變量”的質疑,本節(jié)將評論數(shù)量作為因變量,評論極端性和評論長度作為自變量進行回歸分析[注]從現(xiàn)有研究成果來看,商品評分的分布不服從正態(tài)分布而是 J型分布,難以真實反映消費者口碑的整體表現(xiàn)。因此,這里不將評論平均得分作為自變量考慮。。其回歸結果如表7、表8:

表7 搜索型產(chǎn)品的樣本回歸結果

表8 體驗型產(chǎn)品的樣本回歸結果

從表7和表8中可以得知,評論極端性與搜索型產(chǎn)品和體驗型產(chǎn)品的銷量均無顯著地影響,假設H3a沒有得到驗證。評論長度對搜索型產(chǎn)品銷量有顯著的負向影響,且對體驗型產(chǎn)品銷量的影響并不顯著,假設H4a都沒有得到驗證,本文對“評論數(shù)量作為產(chǎn)品銷量的代理變量”的質疑得到了進一步驗證。

五 結論與啟示

(一)研究結論

本文以搜索型和體驗型產(chǎn)品為研究對象,使用Scrapy爬蟲框架和Redis數(shù)據(jù)庫采集亞馬遜中國的大規(guī)模在線評論樣本(共包括187種產(chǎn)品的40 207個在線評論樣本,其中:體驗型產(chǎn)品21 306個,搜索型產(chǎn)品18 901個),研究異質產(chǎn)品的在線評論特征如何影響產(chǎn)品的銷量。主要研究發(fā)現(xiàn)如下:

1.評論數(shù)量越多,體驗型產(chǎn)品銷量越高,而搜索型產(chǎn)品銷量越低。分析其原因,本文認為對于搜索型產(chǎn)品(數(shù)碼相機)而言,由于其產(chǎn)品更新速度快,消費者在依據(jù)原有產(chǎn)品評論做出新產(chǎn)品購買決策后,其主動評論新產(chǎn)品的意愿不足,因此造成評論數(shù)量與產(chǎn)品銷量呈負相關關系。研究結果表明評論數(shù)量在某些情況下并不能代表產(chǎn)品銷量,這一發(fā)現(xiàn)也進一步印證了本文對“評論數(shù)量作為產(chǎn)品銷量的代理變量”的質疑。

2.相對于體驗型產(chǎn)品而言,評論極端性對搜索型產(chǎn)品銷量的影響更加明顯。原因在于,搜索型產(chǎn)品的客觀性商品屬性易于被驗證,因此,極端性評論描述往往被認為是可靠的;而對于體驗型產(chǎn)品(化妝品)而言,其評論往往與用戶自身特性緊密相關,具有較強的個人主觀色彩,反映的是消費者的主觀感受,而無法完全代表產(chǎn)品的真實品質,因此潛在消費者在瀏覽評論時可能會直接略過過于極端的評論。

3.評論長度與搜索型產(chǎn)品銷量具有正相關關系,而對體驗型產(chǎn)品銷量的影響是負向的。對于搜索型產(chǎn)品而言,其評論通常是以產(chǎn)品事實呈現(xiàn)的,相應地,反映產(chǎn)品的信息越全面,越有利于消費者做出購買決策;與搜索型產(chǎn)品不同,消費者在對體驗型產(chǎn)品進行評價時,更傾向于在進行負面評論時寫較長篇幅的評論,從而導致了這樣的結果。

(二)管理啟示

基于以上結論,本文對消費者更加有效地做出購物決策以及幫助電子商務購物網(wǎng)站建立高效有用的評價機制提出了以下建議:

1.從消費者的角度來看,本研究的結論有助于消費者能夠快速識別有用的評論特征。面對不同類型的產(chǎn)品,消費者可以關注評論的不同特征,從而減少信息篩選和閱讀的成本。本研究表明,評論極端性和評論長度對搜索型產(chǎn)品銷量的影響大于對體驗型產(chǎn)品的銷量影響,因此,消費者在閱讀體驗型產(chǎn)品評論時,針對極端評價和長度較長的評論,只需簡要瀏覽,從而節(jié)省購買產(chǎn)品的時間成本。

2.從亞馬遜中國購物網(wǎng)站的角度來看,本研究結論有助于電商企業(yè)建立高效的在線評論系統(tǒng)。(1) 針對消費者主動評論新產(chǎn)品意愿不足的情況,亞馬遜中國網(wǎng)站可以實行如“評論換積分”的激勵制度,刺激消費者主動進行評論,進而提高評論的真實度。(2) 在評論主體方面,亞馬遜網(wǎng)站可以考慮設置限制條件,如只有購買過產(chǎn)品的消費者才可以進行評論,包括購買后退貨的用戶也能進行評論,從而增強評論評分的可信度。(3) 在評論分類方面,該網(wǎng)站應細化評分分類,使與交易相關的環(huán)節(jié)能夠獨立評分。如可以考慮增加評論項目,使消費者在電子商務網(wǎng)站購買產(chǎn)品后,能對產(chǎn)品質量、產(chǎn)品包裝、產(chǎn)品配送以及客服態(tài)度等進行評分,進而提高用戶評價的客觀性。

本文的研究局限在于:第一,本研究僅僅引入了在線評論的屬性特征,而沒有對評論者特征進行研究;在今后的研究中,可以將消費者網(wǎng)購經(jīng)驗與等級、收入水平等引入到模型中,使得研究更加全面和客觀。第二,本研究基于Nelson的分類方法,將產(chǎn)品分為搜索型產(chǎn)品和體驗型產(chǎn)品,并采集和分析了數(shù)碼相機和化妝品的在線評論相關內容,基于大樣本數(shù)據(jù)的研究結果表明了搜索型產(chǎn)品和體驗型產(chǎn)品對產(chǎn)品銷量的影響差異,研究結論對這兩種類型的產(chǎn)品具有普適性,但其是否同樣適用于其他產(chǎn)品,還需進一步驗證。未來的研究還可以選擇不同的產(chǎn)品分類方式進行拓展研究。