負(fù)面在線評論對消費者感知風(fēng)險影響研究

張亞明 蘇妍嫄 張圓圓

摘要：負(fù)面在線評論作為網(wǎng)絡(luò)購物市場供給側(cè)結(jié)構(gòu)性改革的重要抓手，對便利消費者購買決策、促進生產(chǎn)者提升改進產(chǎn)品及服務(wù)質(zhì)量等具有重要作用，研究負(fù)面在線評論對消費者感知風(fēng)險影響具有重要的理論和現(xiàn)實意義。從負(fù)面在線評論、商家DSR服務(wù)和消費者性格特質(zhì)及主觀規(guī)范三個維度并結(jié)合SOR理論，構(gòu)建了負(fù)面在線評論對消費者感知風(fēng)險影響模型，通過設(shè)計問卷并收集實際數(shù)據(jù)進行實證分析。研究發(fā)現(xiàn)：負(fù)面在線評論顯著正向影響社會感知風(fēng)險;商家DSR服務(wù)顯著正向影響服務(wù)感知風(fēng)險;消費者性格特質(zhì)顯著正向影響心理感知風(fēng)險，而主觀規(guī)范顯著負(fù)向影響心理感知風(fēng)險;社會感知風(fēng)險對購買意愿的影響大于心理感知風(fēng)險，服務(wù)感知風(fēng)險的影響最小。

關(guān)鍵詞：負(fù)面在線評論;消費者感知風(fēng)險;商家DSR服務(wù);性格特質(zhì);主觀規(guī)范

中圖分類號：F274? ?文獻(xiàn)標(biāo)識碼：A? ?文章編號：1007-2101（2020）01-0100-09

近年來，我國網(wǎng)絡(luò)購物蓬勃發(fā)展。截至2018年底，我國8.29億網(wǎng)絡(luò)用戶中6.1億人有網(wǎng)絡(luò)購物經(jīng)歷，網(wǎng)購人數(shù)年增長率達(dá)14.4%[1]。作為網(wǎng)絡(luò)購物市場供給側(cè)結(jié)構(gòu)性改革的重要抓手，負(fù)面在線評論開創(chuàng)了電子商務(wù)的新模式，在營造公平競爭環(huán)境、構(gòu)建誠信體系、便利消費者購買決策、促進生產(chǎn)者提升和改進產(chǎn)品及服務(wù)質(zhì)量、繁榮在線市場等方面發(fā)揮著日益重要的作用。特別是負(fù)面在線評論為消費者有效感知風(fēng)險，做出購買決策提供了可靠依據(jù)，也進一步促使企業(yè)在塑造網(wǎng)絡(luò)口碑時，根據(jù)負(fù)面在線評論深入挖掘探索更精準(zhǔn)的客戶需求，制定更精準(zhǔn)的營銷策略，更好地推廣產(chǎn)品，進而達(dá)到維持客戶滿意度和建立企業(yè)優(yōu)質(zhì)網(wǎng)絡(luò)口碑的目的。因此，研究負(fù)面在線評論對消費者感知風(fēng)險的影響具有重要的理論和現(xiàn)實意義。

一、文獻(xiàn)綜述

目前，國內(nèi)外已有文獻(xiàn)從不同視角研究負(fù)面在線評論。Chang等（2015）研究提出，傳播負(fù)面在線評論是一個消費者積極的反應(yīng)，以告知他人自己不滿意的購物經(jīng)歷[2]。Balaji等（2016）認(rèn)為負(fù)面在線評論是一個消費者與朋友、家人和其他人分享的負(fù)面或不利的反饋或意見[3]。Kim等（2016）研究探討了負(fù)面在線評論對購買行為的影響以及公司道歉的調(diào)節(jié)作用。一系列研究表明，負(fù)面在線評論會減少后續(xù)購買[4]。Lin等（2016）研究發(fā)現(xiàn)，品牌的作用可以消除部分負(fù)面在線評論的影響，雖然存在大量負(fù)面在線評論，但若公司擁有強大的品牌和強大品牌效應(yīng)，有很多忠誠的顧客，這些負(fù)面的口碑不會對產(chǎn)品銷量產(chǎn)生很大影響，即品牌這一影響因素可以對負(fù)面評論和產(chǎn)品銷量進行調(diào)節(jié)[5]。Rose等（2016）以酒店、餐飲服務(wù)行業(yè)為調(diào)查對象，對酒店、餐飲服務(wù)商回復(fù)負(fù)面在線評論是否有益，以及負(fù)面評論數(shù)量是否會影響公司聲譽進行了研究。結(jié)果表明，在一般情況下，隨著負(fù)面評論數(shù)量的增加，公司聲譽受到不利影響也會增加[6]。也有很多學(xué)者對負(fù)面在線評論對消費者購買意愿的中介變量進行了相關(guān)研究，Byun Chung gyu與Ha Hwanho（2016）探討網(wǎng)購中負(fù)面評論各屬性，研究通過感知風(fēng)險的中介作用對購買意圖的影響[7]。Ryu MiHyun與Lee Seung Sin（2017）研究了O2O中消費者感知風(fēng)險對負(fù)面在線評論和消費者購買意愿的中介作用[8]。Weisstein等（2017）研究考慮了購買目標(biāo)的調(diào)節(jié)作用，確定負(fù)面在線評論的比例對消費者價格感知和購買決策有影響，并受到消費者購買目標(biāo)的左右，并由感知價值中介[9]。Liwu Hsu（2017）的研究中，對社交媒體中負(fù)面評論數(shù)量等對公司聲譽及價值的影響程度進行了研究，研究表明負(fù)面在線評論數(shù)量、增長率等都會加劇產(chǎn)品召回對企業(yè)價值的負(fù)面影響[10]。Emi Moriuchi（2018）研究了消費者對商家服務(wù)等服務(wù)屬性的滿意程度和這些屬性對網(wǎng)上超市購物的信任度之間的關(guān)系，研究結(jié)論支持早期研究的結(jié)果，即商家服務(wù)等屬性是消費者網(wǎng)上購物滿意度的決定因素[11]。越來越多的旅行者使用在線評論平臺發(fā)布有關(guān)酒店的評論，需要以恢復(fù)服務(wù)故障的方式管理對負(fù)面評論的響應(yīng)，Mate等（2019）研究酒店經(jīng)理在回應(yīng)TripAdvisor上的負(fù)面評論時所采用的策略，發(fā)現(xiàn)價值觀和文化對負(fù)面評論的影響[12]。Afzaal等（2019）使用從TripAdvisor和OpenTable等主要旅游網(wǎng)站爬行的真實數(shù)據(jù)進行了實驗，開發(fā)基于在線評論的提取和分類的預(yù)測框架，所提出的框架利用評論短語之間的語義關(guān)系來提取用于準(zhǔn)確情緒預(yù)測的隱含和不常見方面[13]。在線消費者評論可能純粹是積極的或消極的，或兩者兼而有之，Sharifi（2019）研究消費者對積極與消極和混合評論的反應(yīng)（即評論側(cè)面），還研究了認(rèn)知閉合和滿意度保證需求對評價側(cè)面反應(yīng)的影響。調(diào)查結(jié)果表明，最有利的評價屬于正面評價，其次是混合評論，然后是負(fù)面評論[14]。蔡淑琴等（2017）以京東上對手機的負(fù)面評論數(shù)據(jù)為對象，探索了負(fù)面評論情感極性的不同對評論有效性的作用[15]。王陽（2018）對負(fù)面評論信息的負(fù)面情感傾向進行研究，研究表明負(fù)面評論感情極端性和顧客的風(fēng)險性感知都對消費者網(wǎng)上購買行為有負(fù)面作用[16]。

綜上所述，現(xiàn)有國內(nèi)外研究重點對負(fù)面在線評論外在客觀因素進行了分析，但對用戶自身性格特質(zhì)和用戶身邊影響的關(guān)注不足，且沒有對感知風(fēng)險進行細(xì)分。然而，負(fù)面在線評論使消費者地位日益提升，消費者個人因素及不同感知風(fēng)險將對自身風(fēng)險感知具有重要影響。因此，為彌補現(xiàn)有研究尚不能完全解釋負(fù)面在線評論對消費者感知風(fēng)險影響的不足，本研究結(jié)合SOR理論、風(fēng)險感知理論、購買意愿理論，分析了負(fù)面在線評論因素、商家服務(wù)因素、消費者個人因素等對消費者感知風(fēng)險的影響，以豐富負(fù)面在線評論的研究，并為消費者、商家提供建議，使消費者更好更便捷地購物、商家更好地提供服務(wù)，讓負(fù)面在線評論發(fā)揮更重要的作用。

二、負(fù)面在線評論對消費者感知風(fēng)險影響模型構(gòu)建

（一）負(fù)面評論信息

1. 負(fù)面在線評論數(shù)量。隨著網(wǎng)絡(luò)用戶向移動端、社交媒體遷移，越來越多的信息依托社交網(wǎng)絡(luò)實現(xiàn)大眾傳播，消費者可以有更多的方式了解到商品的評論信息，尤其是負(fù)面評論的信息量，即負(fù)面評論數(shù)量。Lirong Chen（2017）通過貝葉斯模型模擬實驗，證實負(fù)面在線評論數(shù)量和真實性都影響消費者對電子商務(wù)平臺中賣家聲譽的評價[17]。Xue Bai（2017）利用芝加哥某餐館的交易數(shù)據(jù)，對在線評論數(shù)量、商家等級等對餐館交易額的影響進行研究，為餐館日常供應(yīng)提供依據(jù)[18]。在網(wǎng)絡(luò)環(huán)境中，對某一觀點贊同的人數(shù)越多，那么順從該觀點的人數(shù)就越多，由訪談數(shù)據(jù)的提取也可以看出，很多消費者在乎差評數(shù)量。因此，就負(fù)面在線評論的研究而言，負(fù)面在線評論的數(shù)量越多，就更容易引起消費者的風(fēng)險感知。因此，提出如下假設(shè)：

H1：負(fù)面在線評論數(shù)量對消費者社會感知風(fēng)險存在正面影響。

2. 負(fù)面在線評論質(zhì)量。消費者越來越多地使用互聯(lián)網(wǎng)社交媒體中的在線評論來了解產(chǎn)品質(zhì)量，因此對營銷人員來說，最重要的是了解這些在線評論對消費者有何幫助，以及研究出這些評論如何影響消費者決策等行為。Chihli Hung（2017）認(rèn)為判斷在線評論是否能為消費者購物提供寶貴參考建議，取決于在線評論自身的質(zhì)量，并提供對在線評論進行質(zhì)量分類研究，結(jié)果表明，消費者主要受網(wǎng)絡(luò)口碑信息質(zhì)量的作用[19]。于麗萍（2014）對網(wǎng)絡(luò)評論信息質(zhì)量作用于信息的可信任度進行了探究，結(jié)論中談到網(wǎng)絡(luò)評論信息質(zhì)量影響著感知風(fēng)險還有信息有用性[20]。因此，提出如下假設(shè)：

H2：負(fù)面在線評論質(zhì)量對消費者社會感知風(fēng)險具有正向影響。

3. 負(fù)面在線評論強度。在線評論的負(fù)面程度是指負(fù)面評論中包含的消費者感情極端程度，消費者的不滿情緒通過評論的負(fù)面程度來表達(dá)。Simona Romani等（2012）對評論的強度進行相關(guān)研究，研究表明消費者對與某商品相關(guān)強刺激的評論可能會引起消費者對這些商品的消極情緒，并最終使消費者放棄該品牌[21]。消費者對商品越不滿，越想通過評論的方式發(fā)泄自己的情緒，這些態(tài)度非常明確的評論被消費者看到后，就會使購買者風(fēng)險態(tài)度發(fā)生改變。鄭麗娟和王洪偉（2017）對在線評論感情極性及強度進行情感分析，研究所得，通過分析情感強烈程度，可以區(qū)分網(wǎng)絡(luò)顧客對企業(yè)的喜好程度[22]。因此，提出如下假設(shè)：

H3：在線評論負(fù)面程度對消費者社會感知風(fēng)險具有正向影響。

（二）商家DSR服務(wù)

淘寶的賣家服務(wù)評級系統(tǒng)（Detail Seller Rating，DSR）和評分體系是C2C平臺機制的核心之一。DSR系統(tǒng)主要就賣家提供的物品描述與實物之間的差異、溝通質(zhì)量及回應(yīng)速度、物品運送時間合理性和運費及處理費合理性四個方面，對服務(wù)質(zhì)量進行評級。

1. 產(chǎn)品描述。產(chǎn)品描述是商家對產(chǎn)品信息的展示，Liu等（2013）研究中將產(chǎn)品描述定義為產(chǎn)品信息的豐富度[23]。何有世和李娜（2016）在對產(chǎn)品種類進行區(qū)分的情景下，增加了產(chǎn)品的信息維度。通過對亞馬遜商城幾種搜索型商品在線評論數(shù)據(jù)的分析研究，征得產(chǎn)品信息的豐富度對在線評論有效性的作用[24]。當(dāng)負(fù)面評論中包含對產(chǎn)品描述的評價時，如消費者實際收到的產(chǎn)品與產(chǎn)品描述之間顏色、大小等存在差異時，會讓消費者產(chǎn)生購物風(fēng)險。因此，提出如下假設(shè)：

H4：產(chǎn)品描述對消費者服務(wù)感知風(fēng)險具有正向影響。

2. 即時服務(wù)。即時溝通指商家售前、售中及售后的溝通質(zhì)量和響應(yīng)及時程度，商品提供者以向購買者實時回應(yīng)的方法，快速消解顧客所遇問題，以減少風(fēng)險感知。Emi Moriuchi（2018）研究了消費者對商家服務(wù)等服務(wù)屬性的滿意程度和這些屬性對網(wǎng)上超市購物的信任度之間的關(guān)系，研究結(jié)果支持早期研究的結(jié)果，即商家服務(wù)等屬性是消費者網(wǎng)上購物滿意度的決定因素[11]。正如在我們購物時一樣，不論是在評論中看到類似對商家溝通不暢的負(fù)面信息，還是主動跟商家溝通結(jié)果不暢，都會改變我們的風(fēng)險態(tài)度。因此，提出如下假設(shè)：

H5：即時服務(wù)對消費者服務(wù)感知風(fēng)險具有正向影響。

3. 物流服務(wù)。物流服務(wù)指商品運輸過程中的物流及快遞人員服務(wù)等一系列服務(wù)，包括包裹是否完整、損壞或丟件，及快遞服務(wù)人員服務(wù)態(tài)度等問題。李宗偉等（2017）對服務(wù)感知價值等維度進行了研究，分析了賣家DSR服務(wù)評分，并據(jù)此構(gòu)建了在線購買決策影響模型[25]。物流可能出現(xiàn)問題的情況下，會直接影響消費者購買產(chǎn)品的質(zhì)量，也會讓消費者產(chǎn)生購物風(fēng)險。因此，提出如下假設(shè)：

H6：物流服務(wù)對消費者服務(wù)感知風(fēng)險具有正向影響。

（三）消費者個人因素

1. 性格特質(zhì)。消費者性格特質(zhì)指的是消費者的性格特點，測量消費者是否屬于敏感型人格，如消費者做選擇之前是否考慮的因素較多，包括對產(chǎn)品的期望，如外觀、功能、質(zhì)量、大小、顏色是否合適。Balaji等（2016）根據(jù)認(rèn)知失調(diào)和社會支持理論，用結(jié)構(gòu)方程模型的方法分析206個受訪者的數(shù)據(jù)，提出情景、個人因素和社交網(wǎng)絡(luò)因素對負(fù)面在線評論傳播有顯著影響[3]。張德鵬等（2015）從心理學(xué)角度出發(fā)，探尋了顧客心理感知因素對產(chǎn)品推薦意愿即產(chǎn)品口碑的影響[26]。比如很多消費者對產(chǎn)品抱有的期望過高，把產(chǎn)品想象成完美無缺的，這種情況下商品有一點瑕疵，都會讓消費者產(chǎn)生購物風(fēng)險。因此，提出如下假設(shè)：

H7：消費者性格特質(zhì)對消費者心理風(fēng)險感知具有正向影響。

2. 主觀規(guī)范。主觀規(guī)范是指個人不確定是否實施某行為之前，感受到的來自社會壓力大小對其決策產(chǎn)生的影響。在最初研究當(dāng)中，Davis等（1989）得出主觀規(guī)范對購物意愿沒有很大程度的影響，早期就沒有把它放進研究模型中，但經(jīng)研究已經(jīng)知道了主觀規(guī)范的重要程度，只是應(yīng)該進行進一步具體研究[27]。隨后，Venkatesh與Davis（2000）將主觀規(guī)范納入TAM模型中，研究具有影響力的人對個人行為作用的大小[28]。本文中主觀規(guī)范指的是朋友、家人、專業(yè)人士、媒體報道、網(wǎng)紅宣傳等對消費者是否做出購買決策產(chǎn)生的心理風(fēng)險感知。現(xiàn)在很多人沒有時間挑選商品，又或者沒有耐心在如此多商品中選出自己滿意的一款，因此都會詢問朋友或者參考自己信任博主的推薦等，他們認(rèn)為這種情況下的風(fēng)險會比較小。因此，提出如下假設(shè)：

H8：主觀規(guī)范對消費者心理風(fēng)險感知具有負(fù)向影響。

（四）感知風(fēng)險

風(fēng)險是網(wǎng)絡(luò)購物不可避免的，是每個人都會遇到的，當(dāng)遇到風(fēng)險時，我們只能主觀地根據(jù)風(fēng)險對自己影響的大小，做出可能出現(xiàn)結(jié)果的預(yù)判，風(fēng)險結(jié)果不能接受就放棄購買。Byun和Chung gyu（2016）研究中探討了網(wǎng)購行為中在線評論有用性、來源可信度、感知風(fēng)險、沖動性購買與購買意圖之間的關(guān)系。研究結(jié)果表明，信息有用性對感知風(fēng)險有負(fù)向影響[7]。Ilyoo Barry Hong（2017）研究旨在探討線上社群情境下消費者因品牌危機而產(chǎn)生的負(fù)面影響差異。結(jié)果表明，品牌危機的個人風(fēng)險對參與者品牌的負(fù)面態(tài)度影響很大[29]。王洪偉和郭愷強（2015）、彭振等（2019）通過對網(wǎng)站用戶獲取信息和信息對其決策意愿的影響分析發(fā)現(xiàn)，風(fēng)險感知負(fù)向影響使用意愿[30-31]。基于理論基礎(chǔ)中感知風(fēng)險維度的劃分，并參考李宗偉等（2017）[25]將在線評論歸為社會感知價值，將商家服務(wù)等有關(guān)屬性歸為服務(wù)感知價值，結(jié)合本文的研究變量，將負(fù)面在線評論歸為社會感知風(fēng)險，商家服務(wù)歸為服務(wù)感知風(fēng)險。本研究中消費者個人因素主要涉及心理方面，因此將消費者個人因素歸為心理感知風(fēng)險進行研究。因此，提出如下假設(shè)：

H9：消費者社會感知風(fēng)險對消費者購買意愿具有負(fù)向影響。

H10：消費者服務(wù)感知風(fēng)險對消費者購買意愿具有負(fù)向影響。

H11：消費者心理感知風(fēng)險對消費者購買意愿具有負(fù)向影響。

綜上所述，構(gòu)建負(fù)面在線評論風(fēng)險性影響的概念模型，如圖1所示。

三、負(fù)面在線評論對消費者感知風(fēng)險影響實證分析

（一）問卷設(shè)計

研究變量有以下幾個維度：負(fù)面在線評論數(shù)量、負(fù)面評論質(zhì)量、負(fù)面評論強度、產(chǎn)品描述、即時服務(wù)、物流服務(wù)、消費者性格特質(zhì)、主觀規(guī)范、社會感知風(fēng)險、服務(wù)感知風(fēng)險、心理感知風(fēng)險和購買意愿。在量表的設(shè)計上，使用LIKERT經(jīng)典五級量表對12個變量進行檢測，且都借鑒了國內(nèi)外成熟量表，又將量表與本研究內(nèi)容結(jié)合，使之與研究目標(biāo)更加契合，形成最終的量表。

（二）數(shù)據(jù)收集

通過線下發(fā)送和網(wǎng)絡(luò)在線發(fā)送兩種形式一起采集數(shù)據(jù)，其中線下發(fā)送問卷總計100份，收回76份，線下收回效率為76%;在線方式主要在當(dāng)前流行的社交軟件如QQ、微信、新浪微博以及與本研究有關(guān)的購物軟件交流社區(qū)發(fā)送，發(fā)送問卷總計300份，收回287份，在線收回效率達(dá)96%。全部整理后將不可靠問卷剔除，剩余有效問卷總計363份。

（三）數(shù)據(jù)分析

1. 信度分析。信度分析用來測量數(shù)據(jù)的可靠性和有效性，對于使用的李克特量表，通常使用Cronbachs Alpha值測量問卷所用量表信度。通常情況下，0.65～0.7是Cronbachs Alpha值的最低接受范圍，0.7～0.8范圍代表量表信度良好，0.8～0.9范圍代表量表非常可信，數(shù)值在0.9以上表示量表十分可靠。

用SPSS軟件對數(shù)據(jù)進行信度分析，得到問卷處理數(shù)據(jù)如表1所示。由表中數(shù)據(jù)可以看出，本研究問卷變量的Cronbachs Alpha值都大于0.7，證明調(diào)查問卷可信度比較高，通過檢驗。

2.效度分析。效度分析用來檢驗問卷數(shù)據(jù)的有效程度和精準(zhǔn)性，通常分成內(nèi)容效度和結(jié)構(gòu)效度兩部分。內(nèi)容效度是指量表題項的可理解性和表示研究目的的程度，由于本文的量表是基于前人文獻(xiàn)和訪談驗證基礎(chǔ)上構(gòu)建的，所以內(nèi)容效度較良好。結(jié)構(gòu)效度是問卷量表對理論模型的詮釋代表程度，常用探索性因子分析來檢測判定。常用的判定標(biāo)準(zhǔn)是，因子載荷值高于0.7，平均抽取方差A(yù)VE高于0.5，復(fù)合因子信度CR高于0.7時，符合標(biāo)準(zhǔn)的問卷，證明有良好的收斂效度。

進行結(jié)構(gòu)效度的因子分析前，要先判斷問卷數(shù)據(jù)是不是符合因子分析標(biāo)準(zhǔn)。判定標(biāo)準(zhǔn)主要有兩個，即KMO值（kaiser-Meyer-Olkin）和Bartlett巴特利特球形檢驗。通常情況下，KMO值不能小于0.7，且數(shù)值越大，越適合做因子分析。

首先對樣本數(shù)據(jù)進行KMO值和Bartlett巴特利特球形檢驗，得到數(shù)據(jù)結(jié)果顯示KMO值在0.7以上，且球形檢驗相應(yīng)數(shù)據(jù)顯示得到結(jié)果顯著，表明數(shù)據(jù)符合做因子分析的標(biāo)準(zhǔn)。

（1）負(fù)面在線評論的因子分析。對負(fù)面在線評論樣本數(shù)據(jù)進行探索性因子分析，結(jié)果如表2所示。負(fù)面在線評論形成了3個因子，累積方差貢獻(xiàn)率為77.430%。各變量因子載荷大于0.7，CR值大于0.8，AVE值大于0.6，達(dá)到規(guī)定標(biāo)準(zhǔn)，表明負(fù)面在線評論有較好的結(jié)構(gòu)效度。

（2）商家服務(wù)的因子分析。對商家服務(wù)樣本數(shù)據(jù)進行探索性因子分析，結(jié)果如表3所示。商家服務(wù)形成了3個因子，累積方差貢獻(xiàn)率為77.679%。各個檢測變量因子載荷均大于0.7，CR值大于0.8，AVE值大于0.6，均滿足規(guī)定要求，說明商家服務(wù)三個維度均有較好的結(jié)構(gòu)效度。

（3）消費者個人維度的因子分析。對消費者個人因素樣本數(shù)據(jù)進行探索性因子分析，結(jié)果如表4所示。消費者個人因素形成了2個因子，累積方差貢獻(xiàn)率為75.756%。本部分變量的因子載荷均大于0.8，CR值同樣也大于0.8，AVE值大于0.7，與標(biāo)準(zhǔn)對比可知，本部分的消費者個人方面的影響因素有較好的結(jié)構(gòu)效度。

（4）感知風(fēng)險的因子分析。對感知風(fēng)險樣本數(shù)據(jù)進行探索性因子分析，結(jié)果如表5所示。感知風(fēng)險形成了3個因子，累積方差貢獻(xiàn)率為75.858%。本部分變量的因子載荷都大于0.7，CR值最小值大于0.8，AVE值最小值大于0.6，均符合標(biāo)準(zhǔn)要求，說明感知風(fēng)險三方面因素有較好的結(jié)構(gòu)效度。

（5）購買意愿的因子分析。對購買意愿的問卷數(shù)據(jù)做探索性因子分析，結(jié)果如表6所示。購買意愿經(jīng)處理后形成1個因子，累積方差貢獻(xiàn)率為77.326%。購買意愿的因子載荷系數(shù)都大于0.7，CR值大于0.8，AVE值大于標(biāo)準(zhǔn)0.6，均滿足規(guī)定要求，表明購買意愿有較好的結(jié)構(gòu)效度。

（四）結(jié)構(gòu)方程模型分析

本文研究的是負(fù)面在線評論對消費者感知風(fēng)險的影響，包含12個變量，即數(shù)量、質(zhì)量、強度、產(chǎn)品描述、即時服務(wù)、物流服務(wù)、性格特質(zhì)、主觀規(guī)范、社會感知風(fēng)險、服務(wù)感知風(fēng)險、心理感知風(fēng)險和購買意愿，測量量表題目37項。將這12個因素設(shè)定為潛變量，并將各因素對應(yīng)的量表題目設(shè)定為觀測變量，用AMOS21.0對所建模型進行路徑分析（見圖2）。

初始模型經(jīng)過檢驗，指標(biāo)結(jié)果如表7所示，可知全部路徑的CR值大于2，P值小于0.05，也就是說指標(biāo)均達(dá)到標(biāo)準(zhǔn)，這些路徑是顯著的，即研究假設(shè)均成立，模型可以接受。

本研究模型擬合指數(shù)結(jié)果如表8所示，各個擬合指標(biāo)均通過檢驗符合標(biāo)準(zhǔn)，即本模型擬合度良好，支持了理論模型。

（五）研究結(jié)果

本研究各假設(shè)的路徑系數(shù)及顯著程度前面已經(jīng)進行了說明，假設(shè)驗證結(jié)果具體信息如表9所示，可知本研究各假設(shè)均得到驗證。

四、結(jié)論

作為網(wǎng)絡(luò)購物市場供給側(cè)結(jié)構(gòu)性改革的重要抓手，負(fù)面在線評論在網(wǎng)絡(luò)購物中的重要性日益凸顯。從負(fù)面在線評論信息特征、商家服務(wù)特征和消費者特征出發(fā)，分析了負(fù)面在線評論對消費者感知風(fēng)險的研究，構(gòu)建了負(fù)面在線評論消費者感知風(fēng)險影響模型。通過對樣本數(shù)據(jù)實證分析，得到如下研究結(jié)論。

1. 商家DSR服務(wù)顯著正向影響服務(wù)感知風(fēng)險，且相比于即時服務(wù)和物流服務(wù)，產(chǎn)品描述對服務(wù)感知風(fēng)險的影響更加顯著，即產(chǎn)品描述越真實有效，消費者感知風(fēng)險越低，購買意愿越強烈。為此，商家應(yīng)該合理、據(jù)實對產(chǎn)品屬性進行相關(guān)描述和更新，保證產(chǎn)品信息的準(zhǔn)確性和時效性。此外，可用動態(tài)圖、短視頻等方式，在增強可視性和美化度的同時，讓用戶從多維度形成對商品的認(rèn)知，形成對產(chǎn)品的更全面、正確的了解。

2. 消費者性格特質(zhì)顯著正向影響心理感知風(fēng)險、主觀規(guī)范顯著負(fù)向影響心理感知風(fēng)險，且主觀規(guī)范對心理感知風(fēng)險的影響更加顯著。相比于自我感知，消費者更傾向于相信朋友以及自己關(guān)注的媒體、網(wǎng)紅、美妝博主的推薦信息，且通過這種宣傳方式會使消費者心理上將其代言的產(chǎn)品與自身相掛鉤，從某種程度上刺激消費。特別地，以網(wǎng)紅媒體為中介，不僅讓消費者便于接受，也增強了消費者信任程度，降低了消費者感知風(fēng)險。

3. 將感知風(fēng)險進一步分類細(xì)化并與負(fù)面評論因素一一對應(yīng)，研究發(fā)現(xiàn)，社會感知風(fēng)險、心理感知風(fēng)險和服務(wù)感知風(fēng)險三者對購買意愿的影響呈遞減態(tài)勢。當(dāng)負(fù)面在線評論的數(shù)量、質(zhì)量等真實可靠到一定程度，消費者更愿意相信以這些評論信息作為購物的參考。因此，商家應(yīng)即時跟蹤反饋，詢問消費者對產(chǎn)品的意見及建議，在負(fù)面評論形成之前進行合理的控制。同時，也可采取送紅包、優(yōu)惠券等方式，激勵大家發(fā)表高質(zhì)量的正面口碑信息，降低負(fù)面評論比例。此外，還可通過線上線下溝通，對負(fù)面評論消費者進行補償，讓其合理修改評論，或者追加好評，以達(dá)到降低負(fù)面評論強度的目的。

參考文獻(xiàn)：

[1]中國互聯(lián)網(wǎng)絡(luò)信息中心. 第43次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告[EB/OL].http：//www.cac.gov.cn，2019-02-28.

[2]Chang H H，Tsai Y C，Wong K H，et al. The Effects of Response Strategies and Severity of Failure on Consumer Attribution with Regard to Negative Word-of-mouth[J]. Decision Support Systems，2015，71（2）：48-61.

[3]Balaji M S，Khong K W，Chong A Y L. Determinants of Negative Word-of-mouth Communication Using Social Networking Site[J].Information and Management，2016，53（4）：528-540.

[4]Kim S J，Wang R J H，Maslowska E，et al.“Understanding a Fury in Your Words”：The Effects of Posting and Viewing Electronic Negative Word-of-mouth on Purchase Behaviors[J]. Computers In Human Behavior，2016，54（1）：511-521.

[5]Tom M Y Lin，Chi-Cheng Huang. Brand as Immune System：A Strong Brand Protects Sales from Negative EWOM Attacks[R]. 2nd International Conference on Humanity and Social Science（ICHSS），2016：114-125.

[6]Rose M，Blodgett J G. Should Hotels Respond to Negative Online Reviews？[J].Cornell Hospitality Quarterly，2016，57（04）：396-410.

[7]Byun Chung gyu，HaHwanho. The Effects of Usefulness and Credibility of Word-of-mouth Information on Purchase Intention in Social Commerce：Focused on the Mediating Roles of Perceived Risk and Impulse Buying[J]. Journal of Korea Service Management Society，2016，17（4）：89-106.

[8]Ryu MiHyun，Lee Seung Sin. A Study on ConsumersAttitude and Satisfaction to O2O Service[J]. Consumer Policy and Education Review，2017，13（1）：109-134.

[9]Weisstein F L，Song L，Andersen P，et al. Examining Impacts of Negative Reviewsand Purchase Goals on Consumer Purchase Decision[J]. Journal of Retailing and Consumer Services，2017，39（8）：201-207.

[10]Hsu L，Lawrence B. The Role of Social Media and Brand Equity during a Product Recall Crisis：A Shareholder Value Perspective[J].International Journal of Research in Marketing，2016，33（1）：59-77.

[11]Moriuchi E，Takahashi I. An Empirical Investigation of the Factors Motivating Japanese Repeat Consumers to Review Their Shopping Experiences[J].Journal of Business Research，2018，82（11）：381-390.

[12]Mate M J，Trupp A，Pratt S. Managing Negative Online Accommodation Reviews：Evidence from the Cook Islands[J]. Journal of Travel & Tourism Marketing，2019，36（5）：627-644.

[13]Afzaal M，Usman M，F(xiàn)ong A. Predictive Aspect-based Sentiment Classification of Online Tourist Reviews[J]. Journal of Information Science，2019，45（3）：341-363.

[14]Sharifi S. Examining the Impacts of Positive and Negative Online Consumer Reviews on Behavioral Intentions：Role of Need for Cognitive Closure and Satisfaction Guarantees[J]. Journal of Hospitality Marketing & Management，2019，28（4）：397-426.

[15]蔡淑琴，秦志勇，李翠萍，等.面向負(fù)面在線評論的情感強度對有用性的影響研究[J].管理評論，2017（2）：79-86.

[16]王陽，王偉軍，劉智宇.在線負(fù)面評論信息對潛在消費者購買意愿影響研究[J].情報科學(xué)，2018，36（10）：156-163.

[17]Chen L，Jiang T，Li W，et al.Who Should Pay for Online Reviews？ Design of an Online User Feedback Mechanism[J].Electronic Commerce Research and Applications，2017，23（5）：38-44.

[18]Bai X，Marsden J R，Ross Jr W T，et al. How e-WOM and Local Competition Drive Local Retailers' Decisions about Daily Deal Offerings[J]. Decision Support Systems，2017，101（9）：82-94.

[19]Hung C.Word of Mouth Quality Classification Based on Contextual Sentiment Lexicons[J]. Information Processing & Management，2017，53（4）：751-763.

[20]于麗萍，夏志杰，王冰冰.在線評論對消費者網(wǎng)絡(luò)購買意愿影響的研究[J].現(xiàn)代情報，2014，11（34）：34-38.

[21]Romani S，Grappi S，Dalli D.Emotions that Drive Consumers Away from Brands：Measuring Negative Emotions toward Brands and Their Behavioral Effects[J].International Journal of Research in Marketing，2012，29（1）：55-67.

[22]鄭麗娟，王洪偉.基于情感本體的在線評論情感極性及強度分析：以手機為例[J].管理工程學(xué)報，2017，31（2）：47-54.

[23]Liu X，Qiu J. The Impact of the Negative Online Reviews on Consumers' Purchase Intention：Based on the Dimension of Product Information[R]. Twelfth Wuhan International Conference on E-business，2013：120-127.

[24]何有世，李娜.搜索型商品評論有用性影響因素研究[J].情報雜志，2016，35（11）：202-206.

[25]李宗偉，張艷輝，欒東慶.哪些因素影響消費者的在線購買決策？——顧客感知價值的驅(qū)動作用[J].管理評論，2017（7）：79-88.

[26]張德鵬，林萌菲，陳曉雁，等.顧客參與創(chuàng)新對口碑推薦意愿的影響研究：心理所有權(quán)的中介作用[J].管理評論，2015，27（12）：131-140.

[27]Davis F D，Bagozzi R P，Warshaw P R. User Acceptance of Computer Technology：a Comparison of Two Theoretical Models[J]. Management Science，1989，35（8）：982-1002.

[28]Venkatesh V，Davis F D. Theoretical Extension of The Technology Acceptance Model：Four Longitudinal Field Studies[J]. Management Science，2000，46（2）：186-204.

[29]Ilyoo Barry Hong，Jieunlee. The Effect of Brand Crisis Type on Consumers Perceived Risk and Negative Response in the Context of Online Community：Moderating Role of Information Vividness and Consumer Extroversion[J]. The Korean Journal of Advertising，2017，28（5）：117-144.

[30]王洪偉，郭愷強，杜戰(zhàn)其.用戶通過點評網(wǎng)站獲取評論信息的使用意愿影響因素研究[J].情報科學(xué)，2015，33（12）：27-33.

[31]彭振，段正梁，等.在線旅游購買意愿驅(qū)動因素及作用機理研究——感知價值與感知風(fēng)險的中介作用[J].重慶工商大學(xué)學(xué)報（社會科學(xué)版），2019（4）：69-77.

責(zé)任編輯：武玲玲