在線評(píng)論對(duì)農(nóng)產(chǎn)品擴(kuò)散的影響研究

陳 靜，王 磊，張海彬

（浙江農(nóng)林大學(xué) 經(jīng)濟(jì)管理學(xué)院，浙江 杭州310000）

當(dāng)前，我國網(wǎng)絡(luò)零售市場規(guī)模不斷擴(kuò)大，網(wǎng)購用戶持續(xù)增加，網(wǎng)上消費(fèi)快速增長。截至2020 年3月，我國網(wǎng)民規(guī)模9.04 億人，網(wǎng)購用戶7.10 億，2019年零售市場交易規(guī)模10.63 萬億元，網(wǎng)絡(luò)購物超消費(fèi)品零售總額的1/4［1］。《2020 中國農(nóng)產(chǎn)品電商發(fā)展報(bào)告》顯示，2019 年農(nóng)產(chǎn)品網(wǎng)絡(luò)零售出現(xiàn)“井噴”，零售額超5000 億元（僅包括農(nóng)村電商中的數(shù)字，未包括跨境零售數(shù)），預(yù)計(jì)2020 年將達(dá)到8000億元。當(dāng)前農(nóng)產(chǎn)品電商新格局已形成，且消費(fèi)者對(duì)網(wǎng)購有一定的依賴性［2］，洪濤認(rèn)為農(nóng)產(chǎn)品電商的“春天”已經(jīng)來臨。

在體量龐大、增長迅速、政策利好的發(fā)展環(huán)境下，農(nóng)村電商也面臨著物流體系建設(shè)不完善、專業(yè)電子商務(wù)人才嚴(yán)重缺乏、農(nóng)村電商宣傳不到位等問題。據(jù)前瞻產(chǎn)業(yè)研究院整理，未來農(nóng)村電商發(fā)展主要有五大趨勢(shì)：①鄉(xiāng)村振興帶來新機(jī)遇，農(nóng)村和城市資源要素雙向流動(dòng)，農(nóng)村電商產(chǎn)業(yè)將更加“商業(yè)化”、“品牌化”和“本土化”；②農(nóng)村電商模式進(jìn)一步演化，零售與批發(fā)并重；③電商扶貧的實(shí)踐路徑日益多元化；④農(nóng)村電商進(jìn)一步推動(dòng)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)；⑤社交電商與社區(qū)電商異軍突起，有望成為農(nóng)村電商的主要模式。

本文對(duì)相關(guān)研究文獻(xiàn)梳理總結(jié)后發(fā)現(xiàn)，在線評(píng)論作為消費(fèi)者的售后體驗(yàn)反饋和潛在消費(fèi)者購買行為的重要參考依據(jù)，是近年來國內(nèi)外學(xué)者研究的熱點(diǎn)［3］。中國在線零售市場數(shù)據(jù)監(jiān)測報(bào)告顯示，77.5%的消費(fèi)者網(wǎng)購時(shí)會(huì)參考在線評(píng)論［4］，且在營銷和促銷策略階段，社交媒體和網(wǎng)絡(luò)口碑平臺(tái)占據(jù)主導(dǎo)地位。Racherla P、King R［5］調(diào)查了148 項(xiàng)研究，從在線評(píng)論傳播者和探索者的視角概述了新的研究機(jī)會(huì)，其中對(duì)在線評(píng)論的內(nèi)容談?wù)撌裁础⒃u(píng)論的情感和敘述對(duì)消費(fèi)者有什么樣的影響方面還是一個(gè)較新的領(lǐng)域，本文將針對(duì)這一問題進(jìn)行深入探索。

1 文獻(xiàn)回顧

在線評(píng)論的定義：在線評(píng)論既是網(wǎng)絡(luò)口碑的一種，也是一種新的評(píng)論形式和一種新的社會(huì)現(xiàn)象。蔣帥［6］認(rèn)為網(wǎng)絡(luò)口碑是消費(fèi)者發(fā)布的關(guān)于產(chǎn)品或服務(wù)的正面或負(fù)面的評(píng)論；郭國慶、陳凱、何飛［7］將在線評(píng)論定義為消費(fèi)者在網(wǎng)絡(luò)上發(fā)布的以文本形式為主的對(duì)產(chǎn)品特征和體驗(yàn)感受的正面、負(fù)面、中立或者是不相關(guān)的評(píng)價(jià)。學(xué)術(shù)界很多經(jīng)典的實(shí)證研究都證明了用戶在購買產(chǎn)品時(shí)大多會(huì)參考口碑信息，其購買行為和后續(xù)對(duì)產(chǎn)品的體驗(yàn)和評(píng)價(jià)均會(huì)直接或間接地受到口碑的影響。

在線評(píng)論的分類：袁建［8］將口碑傳播分為客觀事實(shí)型和主管感受型；Turley L W、Kelley S W［9］將產(chǎn)品的廣告信息分為情感信息和理性信息，情感信息能喚起消費(fèi)者的情感，理性信息是對(duì)產(chǎn)品功能、性價(jià)比、質(zhì)量等工具性價(jià)值的描述；Cheung C M K與Thadani D R［10］根據(jù)信息類型將在線評(píng)論分為認(rèn)知型和情感型，認(rèn)知型是對(duì)產(chǎn)品或服務(wù)客觀特征的描述，包括性價(jià)比、質(zhì)量等，體現(xiàn)了其工具性價(jià)值，情感型是對(duì)產(chǎn)品或服務(wù)情感體驗(yàn)和審美享受的主觀評(píng)價(jià)，反映了消費(fèi)者對(duì)體驗(yàn)價(jià)值的表達(dá)；胡發(fā)剛和張英彥［11］按內(nèi)容分類，將網(wǎng)絡(luò)口碑分為分析性口碑、推薦性口碑、描述性口碑和娛樂性口碑4 種。

在線評(píng)論有用性：Mudambi、Schuff 評(píng)估了導(dǎo)致消費(fèi)者對(duì)在線評(píng)論有用性看法的因素，分析了來自Amazon.com的1500 條產(chǎn)品評(píng)論，發(fā)現(xiàn)中等價(jià)位的評(píng)論（具有3 個(gè)評(píng)分）和評(píng)論中的文字?jǐn)?shù)量（信息廣泛性的代名詞）與評(píng)論的感知幫助正相關(guān)。Bronner 分析了約1 萬名荷蘭度假者的調(diào)查反饋，發(fā)現(xiàn)消費(fèi)者更多地使用網(wǎng)絡(luò)口碑來評(píng)估酒店的服務(wù)質(zhì)量等體驗(yàn)屬性，而更多地使用營銷人員生成的信息來評(píng)估地理位置的便利等搜索質(zhì)量。感知風(fēng)險(xiǎn)的程度和消費(fèi)者尋求網(wǎng)絡(luò)口碑的動(dòng)機(jī)是由考慮的產(chǎn)品類型決定的［5］。Smith等研究發(fā)現(xiàn)，同行評(píng)審比其他信息來源更值得信任。在享樂主義條件下，消費(fèi)者更信任擁有更多專業(yè)知識(shí)和背景相似度的同行評(píng)論者，而在功利主義條件下，消費(fèi)者更喜歡來自在線雜志編輯的評(píng)論［5］。然而，在這兩種類型的購買決策中，消費(fèi)者更傾向于同行評(píng)審，盡管同行評(píng)審的專業(yè)知識(shí)較少，但被認(rèn)為更值得信任。

在線評(píng)論與產(chǎn)品擴(kuò)散：郝媛媛、葉強(qiáng)、李一軍［12］認(rèn)為在線評(píng)論的數(shù)量和正負(fù)性對(duì)消費(fèi)者購買決策的影響處在動(dòng)態(tài)當(dāng)中，時(shí)間較長的極性評(píng)論對(duì)消費(fèi)者造成的影響更加顯著；黃盼盼［13］引入消費(fèi)者混合情緒概念，認(rèn)為正向情緒主導(dǎo)的混合情緒對(duì)消費(fèi)者購買意愿產(chǎn)生顯著正向影響，而負(fù)向情緒主導(dǎo)的混合情緒對(duì)消費(fèi)者在進(jìn)行購買決策時(shí)有顯著負(fù)向影響。賀王景雪［14］認(rèn)為當(dāng)購買實(shí)用品時(shí)，文字描述對(duì)購買意愿的影響明顯強(qiáng)于圖片評(píng)論；成潤寒［15］根據(jù)理性行為學(xué)為基礎(chǔ)證明了照片形式的在線評(píng)論可以強(qiáng)化產(chǎn)品的屬性信念，進(jìn)一步能夠改變消費(fèi)者的認(rèn)知和購買決策；閆強(qiáng)、孟躍［16］研究表明，字?jǐn)?shù)較多或情感較為豐富、突出的在線評(píng)論正向影響消費(fèi)者的接收；張燕萍、周朋程［17］從評(píng)論的數(shù)量、質(zhì)量和效價(jià)方面證明購買意愿受評(píng)論質(zhì)量和評(píng)論效價(jià)的影響；楊雅秀［18］從在線評(píng)論的有用性、數(shù)量、在線評(píng)分3 個(gè)方面進(jìn)行了研究，結(jié)果表明在線評(píng)分與創(chuàng)新擴(kuò)散存在非線性的影響關(guān)系，評(píng)論有用性和評(píng)論數(shù)量均對(duì)創(chuàng)新擴(kuò)散產(chǎn)生正向影響。

2 研究設(shè)計(jì)

2.1 樣本數(shù)據(jù)

為保證數(shù)據(jù)的有效性，本文選取農(nóng)產(chǎn)品網(wǎng)購消費(fèi)群體或潛在消費(fèi)群體作為研究對(duì)象，采用隨機(jī)抽樣法進(jìn)行數(shù)據(jù)收集。為保證研究結(jié)果的準(zhǔn)確合理，研究剔除網(wǎng)購時(shí)不看在線評(píng)論且不會(huì)網(wǎng)購農(nóng)產(chǎn)品的數(shù)據(jù)，利用SPSS統(tǒng)計(jì)軟件對(duì)316 份有效數(shù)據(jù)進(jìn)行處理。

2.2 研究變量

被解釋變量：本文的被解釋變量為擴(kuò)散，將其定義為消費(fèi)者的選擇被其他消費(fèi)者的選擇所影響，即消費(fèi)者采納在線評(píng)論的過程。利用網(wǎng)購農(nóng)產(chǎn)品時(shí)看了評(píng)價(jià)會(huì)選擇直接購買、收藏或加入購物車、成為粉絲或會(huì)員、推薦分享給他人4 個(gè)方面進(jìn)行測量，樣本數(shù)據(jù)中被解釋變量采取以下賦值進(jìn)行二元Logit 回歸：若看了評(píng)價(jià)直接進(jìn)行購買，賦值為1，否則為0；若看了評(píng)價(jià)進(jìn)行收藏或加入購物車，賦值為1，否則為0；若看了評(píng)價(jià)成為粉絲或會(huì)員，賦值為1，否則為0；若看了評(píng)價(jià)推薦分享給他人，賦值為1，否則為0。

解釋變量：本文選取2019 年網(wǎng)絡(luò)零售銷量排名前十位的農(nóng)產(chǎn)品種類（堅(jiān)果炒貨、食用油、肉干肉脯、液態(tài)奶、海鮮水產(chǎn)、水果、鮮肉、普洱、大米、蜜餞果干），在天貓商城選取每個(gè)類別銷量排名前五位的農(nóng)產(chǎn)品網(wǎng)店，利用爬蟲技術(shù)提取每個(gè)店鋪銷量第一的產(chǎn)品的評(píng)價(jià)各50 條，合計(jì)2500 條寶貝評(píng)價(jià)，再對(duì)評(píng)價(jià)進(jìn)行標(biāo)簽分類，構(gòu)建出在線評(píng)論的指標(biāo)體系。在參考Turley、Cheung、胡發(fā)剛和張英彥等研究的基礎(chǔ)上，本文綜合在線評(píng)論的內(nèi)容、表達(dá)形式、語義和敘述等方面將在線評(píng)論分為分析性評(píng)論、情感性評(píng)論、描述性評(píng)論和推薦性評(píng)論4 個(gè)維度；融入爬蟲技術(shù)提取出的標(biāo)簽數(shù)據(jù)，分別對(duì)每個(gè)解釋變量選取相應(yīng)的指標(biāo)并構(gòu)建的研究變量（表1）。

表1 研究變量定義表

3 實(shí)證檢驗(yàn)

3.1 優(yōu)序圖法

本文利用優(yōu)序圖法對(duì)數(shù)據(jù)進(jìn)行權(quán)重計(jì)算。對(duì)各項(xiàng)評(píng)價(jià)指標(biāo)分別排序，計(jì)算出各分析項(xiàng)的評(píng)分，得到優(yōu)序數(shù)，各個(gè)對(duì)比目標(biāo)的優(yōu)序數(shù)除以優(yōu)序數(shù)總和，獲得對(duì)比目標(biāo)的權(quán)重值，然后進(jìn)行綜合評(píng)價(jià)。分析項(xiàng)的評(píng)分越大，意味著重要性越高，權(quán)重也會(huì)越高。優(yōu)序圖權(quán)重值計(jì)算結(jié)果見圖1。

圖1 優(yōu)序圖權(quán)重值計(jì)算結(jié)果

從圖1 可見，對(duì)農(nóng)產(chǎn)品相關(guān)參數(shù)進(jìn)行描述的評(píng)價(jià)和對(duì)產(chǎn)品進(jìn)行性價(jià)比分析的評(píng)價(jià)的權(quán)重最大，權(quán)重值為9.30%和8.84%，說明對(duì)網(wǎng)購消費(fèi)者而言，分析性評(píng)價(jià)的重要性最高。一般情況下，分析性評(píng)價(jià)通過細(xì)節(jié)數(shù)據(jù)，對(duì)比分析出商品的優(yōu)劣勢(shì)，評(píng)價(jià)比較客觀且往往呈現(xiàn)出情感極性（正、負(fù)面評(píng)價(jià)）。有學(xué)者研究發(fā)現(xiàn)，負(fù)面在線評(píng)論顯著影響消費(fèi)者的購買意愿［19］，網(wǎng)店經(jīng)營者應(yīng)該對(duì)負(fù)面評(píng)論進(jìn)行危機(jī)把控。消費(fèi)者對(duì)添加了圖片或視頻和寶貝描述得分情況的關(guān)注度僅次于產(chǎn)品相關(guān)參數(shù)和性價(jià)比方面的評(píng)價(jià)，權(quán)重值為8.39%和7.94%。在幾大電商購物平臺(tái)中，可以選擇性只看添加了圖片或視頻的評(píng)價(jià)，因?yàn)閳D片、視頻可增加消費(fèi)者的信任度，提高下單轉(zhuǎn)化率；寶貝描述得分展示的是近6 個(gè)月的動(dòng)態(tài)，這種動(dòng)態(tài)評(píng)分給商家足夠的管理空間，可最大化地提高店鋪綜合品質(zhì)。評(píng)分過低，一般被認(rèn)為店鋪商品品質(zhì)存在問題，缺乏競爭力。對(duì)消費(fèi)者來說，評(píng)分可直接快速地了解到商家在已購買過商品的消費(fèi)者心中的滿意度；對(duì)商家來說，評(píng)分客觀的區(qū)分賣家和物流公司，若評(píng)分較低，可做針對(duì)性的整改。

從21 個(gè)指標(biāo)權(quán)重值來看，推薦性評(píng)價(jià)中名人推薦、商家推薦、融入互聯(lián)媒體熱點(diǎn)事件的評(píng)價(jià)、買家推薦、推薦數(shù)和粉絲數(shù)6 個(gè)指標(biāo)權(quán)重值最小，其次是個(gè)人購買故事的評(píng)價(jià)，關(guān)于產(chǎn)品包裝、產(chǎn)品特色、產(chǎn)品喜惡程度的評(píng)價(jià)和追加評(píng)價(jià)，買家問答互動(dòng)的評(píng)價(jià)，是否回購的評(píng)價(jià)，對(duì)于同行對(duì)比、客服及售后、月銷量或評(píng)價(jià)數(shù)，物流、寶貝描述得分、添加圖片或視頻、性價(jià)比評(píng)判，對(duì)相關(guān)參數(shù)進(jìn)行解讀8 個(gè)方面的評(píng)價(jià)權(quán)重值較高。結(jié)合前文對(duì)指標(biāo)的歸類和解釋變量的定義來看，推薦性評(píng)價(jià)對(duì)于消費(fèi)者的重要性最低，其次是描述性評(píng)價(jià)，而分析性評(píng)價(jià)和情感性評(píng)價(jià)對(duì)于消費(fèi)者的重要性最高，說明消費(fèi)者網(wǎng)購時(shí)更傾向于關(guān)注產(chǎn)品自身的實(shí)際價(jià)值和已購消費(fèi)者對(duì)產(chǎn)品的滿意度，對(duì)于產(chǎn)品的附加價(jià)值（如包裝、物流、客服及售后等）僅做參考，而在產(chǎn)品的營銷廣告方面更是關(guān)注度低。

3.2 相關(guān)性檢驗(yàn)

本文采用相關(guān)分析來判別變量之間的重疊程度，避免回歸分析時(shí)研究變量出現(xiàn)高度相關(guān)的情況。Pearson相關(guān)系數(shù)矩陣顯示，相關(guān)系數(shù)在0.3—0.7 之間，21 個(gè)解釋變量之間均顯著兩兩相關(guān)，存在信息重疊。因此，在對(duì)農(nóng)產(chǎn)品擴(kuò)散的影響因素進(jìn)行分析時(shí)先把原變量歸納為幾個(gè)因子，即采用因子分析對(duì)21個(gè)解釋變量進(jìn)行降維，以此減少變量個(gè)數(shù)和變量自相關(guān)對(duì)Logit回歸結(jié)果的影響。

3.3 因子分析

KMO和Bartlett 球形度檢驗(yàn)：KMO 值為0.951，高于0.9，說明樣本數(shù)據(jù)非常適合進(jìn)行因子分析。Bartlett檢驗(yàn)對(duì)應(yīng)的p 值為0，通過了Bartlett 球形度檢驗(yàn)（p ＜0.05），說明樣本數(shù)據(jù)適合進(jìn)行因子分析。首先，構(gòu)造因子變量。從各個(gè)成分的初始特征值、方差解釋率和累積結(jié)果來看，因子分析一共提取出4個(gè)主成分，旋轉(zhuǎn)后的方差解釋率分別為17.386%、16.502%、16.286%和15.437%。4 個(gè)主成分可以解釋原始變量中65.611%的信息，有較好的代表性。其次，因子載荷矩陣。使用最大方差旋轉(zhuǎn)方法進(jìn)行旋轉(zhuǎn)，找到因子和研究項(xiàng)的對(duì)應(yīng)關(guān)系。SPSS 輸出結(jié)果顯示，所有研究項(xiàng)的共同度值均高于0.4，說明研究項(xiàng)和因子之間有很強(qiáng)的對(duì)應(yīng)關(guān)系，因子有效地提取出信息。因子一包含表現(xiàn)出會(huì)回購的評(píng)價(jià)、追加的評(píng)價(jià)、農(nóng)產(chǎn)品月銷量或評(píng)價(jià)數(shù)量、寶貝描述的得分情況、添加了圖片或視頻的評(píng)價(jià)、買家賣家之間進(jìn)行問答互動(dòng)的評(píng)價(jià)，反映了在線評(píng)論的情感性維度；因子二包含對(duì)相關(guān)參數(shù)、同行對(duì)比、綜合性價(jià)比、農(nóng)產(chǎn)品特色和喜惡程度5 個(gè)方面進(jìn)行分析的評(píng)價(jià)，反映了在線評(píng)論的分析性維度；因子三包含店鋪粉絲數(shù)，推薦數(shù)，融入互聯(lián)媒體熱點(diǎn)事件的評(píng)價(jià)，買家、賣家和業(yè)界專家、偶像明星、網(wǎng)紅主播等名人推薦的農(nóng)產(chǎn)品，反映了在線評(píng)論的推薦性；因子四包含對(duì)包裝、物流、客服及售后和對(duì)個(gè)人購買情況進(jìn)行描述的評(píng)價(jià)，反映了在線評(píng)論的描述性。

結(jié)合專業(yè)理論知識(shí)進(jìn)行判斷，原始數(shù)據(jù)的21 個(gè)指標(biāo)整合為4 個(gè)因子，本文將因子變量重新命名為情感性評(píng)價(jià)、分析性評(píng)價(jià)、推薦性評(píng)價(jià)和描述性評(píng)價(jià)。用提取出的因子變量進(jìn)行回歸分析，既減少了變量的數(shù)量，又避免了多重共線性問題。

3.4 二元Logit 回歸分析

本文以情感性評(píng)價(jià)、分析性評(píng)價(jià)、推薦性評(píng)價(jià)和描述性評(píng)價(jià)作為自變量，將購買、收藏或加入購物車、成為粉絲或會(huì)員和推薦分享他人作為因變量，利用二元Logit回歸分析方法來研究在線評(píng)論各維度對(duì)農(nóng)產(chǎn)品擴(kuò)散發(fā)生概率的影響程度。二元Logit 回歸模型為：

式中，X為各解釋變量，即在線評(píng)論的分析性、情感性、描述性和推薦性4 個(gè)方面；pi為農(nóng)產(chǎn)品擴(kuò)散發(fā)生的概率；β為各解釋變量的系數(shù)；ε為殘差。Logitpi依賴于解釋變量的取值，且對(duì)于參數(shù)是線性的。二元Logit 回歸分析的4 個(gè)模型中p 值均小于0.05，說明模型構(gòu)建有效且有意義。處理后得到的回歸結(jié)果見表2。

表2 二元Logit回歸分析結(jié)果

如表2 所示，將推薦性、情感性、描述性、分析性4 項(xiàng)作為自變量，將購買作為因變量進(jìn)行二元Logit回歸分析，情感性的回歸系數(shù)為0.904，并且呈現(xiàn)出0.05 水平的顯著性（z ＝2.473，p ＝0.013 ＜0.05），意味著情感性會(huì)對(duì)購買產(chǎn)生顯著的正向影響關(guān)系；優(yōu)勢(shì)比（OR值）為2.471，說明情感性增加一個(gè)單位，Y的變化為2.471 倍。將收藏或加入購物車作為因變量進(jìn)行二元Logit回歸分析，情感性的回歸系數(shù)值為0.730，且呈現(xiàn)出0.05 水平的顯著性（z ＝2.076，p ＝0.038 ＜0.05），說明情感性會(huì)對(duì)收藏或加入購物車產(chǎn)生顯著的正向影響關(guān)系；優(yōu)勢(shì)比（OR 值）為2.076，說明情感性增加一個(gè)單位，Y 的變化為2.076倍。通常情況下，網(wǎng)購消費(fèi)者將產(chǎn)品收藏或加入購物車是購買的前提。據(jù)調(diào)查，購物車下單的比例在25%左右。消費(fèi)者沒有選擇直接購買而是收藏或加入購物車主要有幾方面的考慮：一是貨比三家，先收藏加購，再選擇性價(jià)比最高的；二是還不滿意目前商品的價(jià)格，處于觀望狀態(tài)；三是選擇的商品可能沒達(dá)到預(yù)期，并不是自己真正想要的；四是受他人意見的影響；五是購物流程體驗(yàn)不佳，主要來自負(fù)面評(píng)價(jià)或賣家服務(wù)上面。農(nóng)產(chǎn)品網(wǎng)店商家要想增加購買率和提高購物車的支付轉(zhuǎn)化率，可以從在線評(píng)論的以下幾個(gè)方面著手進(jìn)行改進(jìn)：表現(xiàn)出會(huì)回購的評(píng)價(jià)、追加評(píng)價(jià)、月銷量或評(píng)價(jià)數(shù)、寶貝描述得分、有圖/視頻的評(píng)價(jià)、買家問答互動(dòng)的評(píng)價(jià)。

將成為粉絲或會(huì)員作為因變量進(jìn)行二元Logit回歸分析。推薦性的回歸系數(shù)值為0.897，在0.01水平下顯著（z ＝3.756，p ＝0.000 ＜0.01），說明推薦性對(duì)成為粉絲或會(huì)員正向影響；OR 值為2.452，說明推薦性增加1 個(gè)單位，Y 將變化2.452 倍。將推薦或分享他人作為因變量進(jìn)行二元Logit 回歸分析。推薦性的回歸系數(shù)值為0.714，在0.01 水平下顯著（z ＝3.023，p ＝0.003 ＜0.01），說明推薦性會(huì)對(duì)推薦或分享他人正向影響。OR 值為2.041，說明推薦性增加1 個(gè)單位，Y 將變化2.041 倍。從伍德洛夫的顧客價(jià)值層次模型來看，消費(fèi)者進(jìn)行推薦是顧客價(jià)值的最頂層，也是顧客使用產(chǎn)品和服務(wù)非常滿意的結(jié)果。相關(guān)研究發(fā)現(xiàn)，65%的消費(fèi)者信任在線評(píng)論，絕大部分潛在消費(fèi)者是從眾心理，且推薦性口碑的影響力與社會(huì)地位呈正相關(guān)，將推薦性的口碑與社會(huì)地位或社會(huì)影響力相結(jié)合更能引起粉絲效應(yīng)和推薦效應(yīng)。

從樣本數(shù)據(jù)的控制變量來看，月收入對(duì)購買產(chǎn)生顯著的負(fù)向影響，說明高收入的消費(fèi)群體傾向于理性消費(fèi)，非常有主見，不易受他人影響而沖動(dòng)消費(fèi)。通過寶貝評(píng)價(jià)了解農(nóng)產(chǎn)品的口碑狀況，對(duì)購買、成為粉絲或會(huì)員和推薦分享他人均有顯著的正向影響，充分證明農(nóng)產(chǎn)品網(wǎng)店商家在經(jīng)營過程中該重視引導(dǎo)消費(fèi)者進(jìn)行寶貝評(píng)價(jià)的撰寫，在提高評(píng)價(jià)質(zhì)量的同時(shí)增加評(píng)價(jià)數(shù)量。在網(wǎng)購時(shí)觀看直播對(duì)消費(fèi)者成為粉絲或會(huì)員有顯著的正向影響關(guān)系。直播中最常見的營銷手段就是給主播點(diǎn)關(guān)注，加入粉絲團(tuán)，從而促進(jìn)轉(zhuǎn)化購買。粉絲會(huì)員是忠誠度、知名度和美譽(yù)度的象征，更是促進(jìn)成交和回頭客的關(guān)鍵。2020年直播產(chǎn)業(yè)將突破9000 億元，作為新興的電商營銷模式不可忽視。

4 結(jié)論與啟示

主要結(jié)論為：①消費(fèi)者網(wǎng)購時(shí)更傾向于關(guān)注關(guān)于產(chǎn)品自身實(shí)際價(jià)值和已購消費(fèi)者對(duì)產(chǎn)品滿意度的評(píng)價(jià)，對(duì)產(chǎn)品附加價(jià)值（如包裝、物流、客服及售后等）方面的評(píng)價(jià)僅做參考，對(duì)產(chǎn)品營銷廣告方面的評(píng)價(jià)關(guān)注度較低。②網(wǎng)購消費(fèi)者體驗(yàn)產(chǎn)品或服務(wù)后的滿意度顯著正向影響潛在消費(fèi)者直接購買產(chǎn)品或?qū)a(chǎn)品收藏加入購物車。③出于個(gè)人感受進(jìn)行口碑推薦對(duì)于網(wǎng)店商家吸引粉絲會(huì)員有顯著正向影響，同時(shí)對(duì)消費(fèi)者推薦分享他人也有正向的促進(jìn)作用。

根據(jù)結(jié)論，本文為農(nóng)產(chǎn)品網(wǎng)店經(jīng)營者將在線評(píng)論納入農(nóng)產(chǎn)品銷售和服務(wù)的動(dòng)態(tài)決策過程提出以下營銷建議：①農(nóng)產(chǎn)品網(wǎng)店商家可以通過對(duì)分析性評(píng)價(jià)和情感性評(píng)價(jià)的管理，更多地展示對(duì)產(chǎn)品功能屬性進(jìn)行描述的評(píng)價(jià)和消費(fèi)者滿意度較高的評(píng)價(jià)，以提高評(píng)價(jià)的有用性，為潛在消費(fèi)者提供更優(yōu)質(zhì)的參考信息。②網(wǎng)店商家在針對(duì)顧客閱讀評(píng)價(jià)后直接購買和收藏加入購物車方面，應(yīng)該重視在線評(píng)論的情感性方面，即商家應(yīng)管理利用好店鋪寶貝描述的得分情況，產(chǎn)品的月銷量和評(píng)價(jià)數(shù)量，買家賣家之間進(jìn)行問答互動(dòng)的評(píng)價(jià)、添加了圖片或視頻的評(píng)價(jià)、表現(xiàn)出會(huì)回購的評(píng)價(jià)和追加的評(píng)價(jià)。③商家在針對(duì)店鋪吸引粉絲（會(huì)員）和消費(fèi)者推薦（分享）給他人方面，應(yīng)重視在線評(píng)論的推薦性方面，即店鋪的粉絲數(shù)，買家進(jìn)行推薦的評(píng)價(jià)，商家進(jìn)行宣傳推廣的文案，業(yè)界專家、偶像明星、網(wǎng)紅主播等名人進(jìn)行推薦的口碑，寶貝詳情頁推薦數(shù)的數(shù)值和植入互聯(lián)媒體熱點(diǎn)事件的產(chǎn)品推薦。