在線評(píng)論對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響研究
——賣家回復(fù)的調(diào)節(jié)作用

○齊托托 趙宇翔 湯 健 王天梅

引言

在信息爆炸與付費(fèi)結(jié)構(gòu)迭代升級(jí)的雙重作用下，免費(fèi)知識(shí)共享開始步入知識(shí)付費(fèi)3.0階段。知識(shí)付費(fèi)模式超越了傳統(tǒng)的免費(fèi)知識(shí)共享社區(qū)形態(tài)，呈現(xiàn)出個(gè)性化與專業(yè)性并存的特征，為用戶提供了增加知識(shí)儲(chǔ)備、緩解焦慮的嶄新渠道。用戶購(gòu)買決策不僅直接影響賣家的經(jīng)濟(jì)收入，在很大程度上也影響他們持續(xù)提供知識(shí)付費(fèi)產(chǎn)品的意愿，決定了平臺(tái)的生存、繁榮和可持續(xù)發(fā)展。因此，探究用戶購(gòu)買決策的關(guān)鍵影響因素對(duì)于知識(shí)付費(fèi)平臺(tái)發(fā)展大有裨益。

與搜索品和體驗(yàn)品不同，知識(shí)付費(fèi)產(chǎn)品屬于信任品，是經(jīng)過(guò)系統(tǒng)化和結(jié)構(gòu)化組織的付費(fèi)知識(shí)。從產(chǎn)品的信息屬性出發(fā)，知識(shí)付費(fèi)產(chǎn)品具有質(zhì)量難以評(píng)估的特性，具體表現(xiàn)為賣家與用戶之間的信息不對(duì)稱程度較高。[1]從產(chǎn)品的生產(chǎn)商與銷售商的角色出發(fā)，知識(shí)付費(fèi)產(chǎn)品的賣家即知識(shí)生產(chǎn)者，賣家完全決定了知識(shí)付費(fèi)產(chǎn)品的質(zhì)量。因此，探討知識(shí)付費(fèi)產(chǎn)品中在線評(píng)論和賣家回復(fù)的影響機(jī)制有利于揭示知識(shí)付費(fèi)產(chǎn)品的購(gòu)買決策過(guò)程，對(duì)于知識(shí)付費(fèi)產(chǎn)品的營(yíng)銷管理至關(guān)重要。

在線評(píng)論是指用戶對(duì)產(chǎn)品做出的評(píng)價(jià)，是產(chǎn)品信息的可靠來(lái)源，有利于減少感知不確定性，影響用戶產(chǎn)品意識(shí)的形成，是產(chǎn)品銷售的主要驅(qū)動(dòng)力?，F(xiàn)有文獻(xiàn)已從內(nèi)容層面深入探討了在線評(píng)論對(duì)搜索品和體驗(yàn)品購(gòu)買決策的影響機(jī)制。然而，關(guān)于在線評(píng)論對(duì)信任品購(gòu)買決策的研究較為匱乏，目前僅有少量文獻(xiàn)探討了評(píng)論效價(jià)[2,3]和評(píng)論數(shù)量[2]對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。首先，現(xiàn)有研究對(duì)知識(shí)付費(fèi)產(chǎn)品在線評(píng)論特征的分析仍處于起步階段，尚未從研究情境出發(fā)對(duì)評(píng)論內(nèi)容特征進(jìn)行情境化的深度挖掘；其次，忽視了在線評(píng)論的信息量信號(hào)，未能全面考量在線評(píng)論作為市場(chǎng)信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。鑒于知識(shí)付費(fèi)產(chǎn)品的信息不對(duì)稱性較高、質(zhì)量難以評(píng)估，因此有必要挖掘在線評(píng)論的細(xì)粒度特征，全面揭示其對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響機(jī)制，對(duì)于切實(shí)增強(qiáng)在線評(píng)論的應(yīng)用價(jià)值及提升賣家績(jī)效至關(guān)重要。

值得關(guān)注的是，賣家回復(fù)作為賣家對(duì)用戶評(píng)論的信息反饋，已經(jīng)在實(shí)踐領(lǐng)域得到初步推廣和應(yīng)用，例如國(guó)外的TripAdvisor、Expedia、Yelp，國(guó)內(nèi)的攜程網(wǎng)、在行等平臺(tái)已經(jīng)將賣家回復(fù)作為平臺(tái)運(yùn)營(yíng)及產(chǎn)品營(yíng)銷的重要戰(zhàn)略決策依據(jù)。賣家回復(fù)不僅是應(yīng)對(duì)虛假評(píng)論的有效舉措，而且是針對(duì)服務(wù)失敗的低成本服務(wù)補(bǔ)償策略。甚至針對(duì)正面評(píng)論的賣家回復(fù)，也有可能通過(guò)突出和加強(qiáng)產(chǎn)品的正面特征來(lái)影響用戶的參與意愿和行為。現(xiàn)有文獻(xiàn)主要聚焦研究賣家回復(fù)對(duì)賣家績(jī)效及在線評(píng)級(jí)的影響效應(yīng)，但局限于旅游行業(yè)、[4]餐飲行業(yè)[5]等服務(wù)領(lǐng)域，因此知識(shí)付費(fèi)行業(yè)中賣家回復(fù)的作用機(jī)制有待探討。首先，與酒店和飯店等體驗(yàn)品不同，知識(shí)付費(fèi)產(chǎn)品為信任品，意味著用戶具有更高的感知風(fēng)險(xiǎn)意識(shí)，現(xiàn)有研究結(jié)論無(wú)法有效揭示賣家回復(fù)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響機(jī)制。為此，如何發(fā)揮賣家回復(fù)在知識(shí)付費(fèi)行業(yè)中的作用值得探討。其次，對(duì)于賣家回復(fù)對(duì)賣家績(jī)效的直接作用方向，相關(guān)研究尚未達(dá)成共識(shí)。最后，雖然現(xiàn)有文獻(xiàn)已證實(shí)賣家回復(fù)對(duì)在線評(píng)論與購(gòu)買決策間關(guān)系存在調(diào)節(jié)作用，但是尚未針對(duì)知識(shí)付費(fèi)產(chǎn)品，從信號(hào)理論視角出發(fā)，全面考察賣家回復(fù)作為賣家信號(hào)對(duì)在線評(píng)論的各種市場(chǎng)信號(hào)與購(gòu)買決策間關(guān)系的調(diào)節(jié)作用。因此，有必要全面揭示知識(shí)付費(fèi)行業(yè)中賣家回復(fù)的直接作用和調(diào)節(jié)作用機(jī)制，研究結(jié)論將為賣家回復(fù)策略的采用提供理論依據(jù)和實(shí)踐指導(dǎo)。

本文以國(guó)內(nèi)知名的知識(shí)共享平臺(tái)在行為例，基于信號(hào)理論構(gòu)建了賣家信號(hào)和市場(chǎng)信號(hào)相整合的理論框架。從理論上，通過(guò)區(qū)分市場(chǎng)信號(hào)和賣家信號(hào)，進(jìn)一步將市場(chǎng)信號(hào)細(xì)分為流行度信號(hào)、質(zhì)量信號(hào)和信息量信號(hào)，拓展和細(xì)化了信號(hào)理論框架，旨在提升信號(hào)理論在知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策領(lǐng)域的應(yīng)用價(jià)值；從實(shí)踐上，擬為平臺(tái)管理者和知識(shí)付費(fèi)產(chǎn)品賣家有效干預(yù)在線評(píng)論、管理賣家回復(fù)提供參考依據(jù)。

一、理論模型與研究假設(shè)

1.理論基礎(chǔ)

信息不對(duì)稱是指關(guān)系中的一方比另一方擁有更多或更好的信息。Spence最早提出信號(hào)理論，指出其包括三個(gè)關(guān)鍵要素，即信號(hào)發(fā)送者、信號(hào)及信號(hào)接收者，并試圖解釋如何使勞動(dòng)力市場(chǎng)中求職者與雇主之間的信息不對(duì)稱程度最小化。[6]之后，信號(hào)理論被廣泛應(yīng)用于人力資源管理、眾籌、旅游管理、品牌營(yíng)銷等領(lǐng)域。

在市場(chǎng)交易中，買賣雙方信息不對(duì)稱，賣方比買方掌握更多的產(chǎn)品信息。信號(hào)可以將產(chǎn)品或賣家的信息傳遞給用戶，是信息不對(duì)稱的解決方案，影響用戶的購(gòu)買決策。學(xué)者已經(jīng)將信號(hào)理論應(yīng)用于在線評(píng)論領(lǐng)域，探究在線評(píng)論作為產(chǎn)品信號(hào)對(duì)用戶購(gòu)買決策的影響效應(yīng)。例如，Ba等探究了評(píng)論效價(jià)和評(píng)論數(shù)量對(duì)用戶購(gòu)買決策的影響。[7]蔡舜等考察了評(píng)論效價(jià)和評(píng)論數(shù)量對(duì)產(chǎn)品銷量的影響。[2]Choi等探究了評(píng)論效價(jià)對(duì)電子游戲銷量的影響。[8]雖然現(xiàn)有文獻(xiàn)將在線評(píng)論作為產(chǎn)品的可靠信號(hào)，具體考量了評(píng)論效價(jià)和評(píng)論數(shù)量對(duì)用戶購(gòu)買決策的影響效應(yīng)，但是尚未從評(píng)論的其他細(xì)粒度文本特征入手考察知識(shí)付費(fèi)產(chǎn)品評(píng)論的具體影響。

部分研究學(xué)者則探究了除在線評(píng)論外，影響用戶購(gòu)買決策的關(guān)鍵產(chǎn)品信號(hào)。例如，Mou等研究發(fā)現(xiàn)社會(huì)流行度和時(shí)間稀缺性信號(hào)顯著影響在線用戶對(duì)智能醫(yī)療產(chǎn)品的認(rèn)知。[9]Balachander等提出產(chǎn)品稀缺性屬于質(zhì)量信號(hào)，影響用戶的內(nèi)在偏好。[10]Mavlanova等認(rèn)為隱私、安全、退貨政策及第三方認(rèn)證信號(hào)對(duì)感知產(chǎn)品質(zhì)量和購(gòu)買意愿產(chǎn)生影響。[11]Xu等認(rèn)為賣家聲譽(yù)是產(chǎn)品質(zhì)量的信號(hào)，影響用戶的支付溢價(jià)。[12]雖然現(xiàn)有文獻(xiàn)探究了社會(huì)流行度、時(shí)間稀缺性、產(chǎn)品稀缺性、隱私政策、安全政策、退貨政策、第三方認(rèn)證及聲譽(yù)等作為產(chǎn)品或賣家的可靠信號(hào)對(duì)用戶購(gòu)買決策的影響效應(yīng)，但是尚未探究賣家回復(fù)作為賣家信號(hào)在影響用戶購(gòu)買決策方面發(fā)揮的作用。

已有學(xué)者從信號(hào)主體視角出發(fā)對(duì)信號(hào)進(jìn)行了分類研究。例如，Meents等將信號(hào)劃分為產(chǎn)品信號(hào)和賣家信號(hào)。[13]Connelly等將信號(hào)細(xì)分為個(gè)人相關(guān)、產(chǎn)品相關(guān)及組織相關(guān)的信號(hào)。[14]然而，他們均未考慮市場(chǎng)信號(hào)的影響。部分學(xué)者則直接將不同信號(hào)主體發(fā)出的信號(hào)粗略地劃分為內(nèi)部信號(hào)和外部信號(hào)。例如，在Choi等的研究中，內(nèi)部信號(hào)包括公司聲譽(yù)、新品和復(fù)古特征，外部信號(hào)包括評(píng)論效價(jià)、產(chǎn)品流行度、價(jià)格和用戶參與度。[8]在Mavlanova等的研究中，內(nèi)部信號(hào)包括隱私、安全和退貨政策，外部信號(hào)包括第三方認(rèn)證。[11]本文則同樣從信號(hào)主體視角出發(fā)，旨在針對(duì)知識(shí)付費(fèi)產(chǎn)品提出更為具體的劃分方式。

2.研究模型

在知識(shí)付費(fèi)領(lǐng)域中，賣家和已購(gòu)買用戶比潛在用戶掌握更多的知識(shí)付費(fèi)產(chǎn)品和賣家信息。根據(jù)信號(hào)理論，賣家和已購(gòu)買用戶作為信號(hào)發(fā)送者向信號(hào)接受者即潛在用戶提供產(chǎn)品或賣家信號(hào)。潛在用戶可以利用這些信息，降低感知風(fēng)險(xiǎn)，評(píng)估和推斷產(chǎn)品的整體質(zhì)量，從而做出最優(yōu)購(gòu)買決策。知識(shí)付費(fèi)領(lǐng)域?qū)儆谛屡d市場(chǎng)，尚未發(fā)展成熟，用戶對(duì)市場(chǎng)熟悉程度較低，用戶與賣家之間信息不對(duì)稱程度較高，用戶很難評(píng)判知識(shí)付費(fèi)產(chǎn)品的質(zhì)量和價(jià)值。因此，有必要考察不同信號(hào)發(fā)送者提供的信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。

依據(jù)信號(hào)主體不同，本文將信號(hào)區(qū)分為市場(chǎng)信號(hào)和賣家信號(hào)。其中，在線評(píng)論由已購(gòu)買用戶群體發(fā)出，歸屬于市場(chǎng)信號(hào)，具體包括評(píng)論數(shù)量、評(píng)論效價(jià)、評(píng)論長(zhǎng)度、賣家認(rèn)知度及用戶體驗(yàn)度；賣家回復(fù)由賣家發(fā)出，歸屬于賣家信號(hào)，具體包括賣家回復(fù)率。進(jìn)而本文對(duì)市場(chǎng)信號(hào)進(jìn)行了細(xì)致區(qū)分。具體來(lái)看，評(píng)論數(shù)量體現(xiàn)了市場(chǎng)受歡迎程度，將其作為流行度信號(hào)；評(píng)論效價(jià)反映了市場(chǎng)用戶群體對(duì)產(chǎn)品質(zhì)量的整體評(píng)論，將其作為質(zhì)量信號(hào)。針對(duì)知識(shí)付費(fèi)領(lǐng)域特點(diǎn)，在線評(píng)論內(nèi)容中對(duì)賣家的認(rèn)知及對(duì)知識(shí)消費(fèi)的自我感知都有可能成為降低用戶感知風(fēng)險(xiǎn)的市場(chǎng)信號(hào)，因此，本文對(duì)在線評(píng)論內(nèi)容進(jìn)行細(xì)粒度提煉，將賣家認(rèn)知度和用戶體驗(yàn)度也歸為市場(chǎng)信號(hào)。Chen等將在線健康社區(qū)中帖子的可讀性、長(zhǎng)度和拼寫水平統(tǒng)稱為信息信號(hào)。[15]在本文中，評(píng)論長(zhǎng)度反映了產(chǎn)品、賣家及用戶體驗(yàn)的整體性信息量的多少，賣家認(rèn)知度衡量了賣家維度信息量的多少，用戶體驗(yàn)度衡量了使用體驗(yàn)維度信息量的多少。本文重點(diǎn)關(guān)注信息的數(shù)量維度。為此，借鑒Chen等對(duì)信號(hào)的歸類，本文將評(píng)論長(zhǎng)度、賣家認(rèn)知度和用戶體驗(yàn)度作為信息量信號(hào)。[15]

對(duì)于賣家而言，在線評(píng)論呈指數(shù)級(jí)增長(zhǎng)，采取賣家回復(fù)策略需要付出較多時(shí)間和精力，代價(jià)較高。賣家有必要全面剖析賣家回復(fù)率對(duì)產(chǎn)品績(jī)效的影響機(jī)制，進(jìn)而準(zhǔn)確權(quán)衡賣家回復(fù)策略的成本與收益。為此，除探究賣家信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的直接影響外，有必要明確賣家信號(hào)對(duì)主效應(yīng)的調(diào)節(jié)機(jī)制。無(wú)論用戶被動(dòng)接收還是主動(dòng)查閱賣家回復(fù)，預(yù)期用戶對(duì)在線評(píng)論的認(rèn)知與判斷均會(huì)受到一定影響。本文基于情感認(rèn)知模型[16]和偏差效應(yīng)，[17]提出賣家信號(hào)對(duì)市場(chǎng)信號(hào)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系存在調(diào)節(jié)作用。本文將賣家回復(fù)率作為調(diào)節(jié)變量引入研究模型，探討其對(duì)主效應(yīng)的調(diào)節(jié)作用，不僅為賣家采取回復(fù)策略提供了指導(dǎo)建議，而且對(duì)于準(zhǔn)確揭示知識(shí)付費(fèi)產(chǎn)品的購(gòu)買決策過(guò)程至關(guān)重要。

為此，本文不僅檢驗(yàn)了市場(chǎng)信號(hào)和賣家信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的直接作用，而且探討了賣家信號(hào)對(duì)市場(chǎng)信號(hào)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系的調(diào)節(jié)作用。研究模型如圖1所示。

圖1 研究模型

3.研究假設(shè)

評(píng)論數(shù)量是指用戶對(duì)特定使用產(chǎn)品進(jìn)行評(píng)論的信息總量，在一定程度上反映了產(chǎn)品的市場(chǎng)受歡迎程度。評(píng)論數(shù)量通過(guò)提高用戶對(duì)產(chǎn)品的整體認(rèn)知，增強(qiáng)了用戶對(duì)產(chǎn)品流行度的感知，影響用戶的購(gòu)買決策。現(xiàn)有文獻(xiàn)已證實(shí)，評(píng)論數(shù)量與用戶購(gòu)買決策之間存在正向的作用關(guān)系，如Lu等證實(shí)評(píng)論數(shù)量積極影響線下醫(yī)療服務(wù)咨詢量。[18]蔡舜等和Cai等研究發(fā)現(xiàn)評(píng)論數(shù)量正向影響知乎Live銷量。[2,3]因此，本文預(yù)期評(píng)論數(shù)量作為流行度信號(hào)，積極影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。為此假設(shè)：

H1：評(píng)論數(shù)量正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策

評(píng)論效價(jià)是指評(píng)論者對(duì)產(chǎn)品質(zhì)量的態(tài)度和定量判斷，通常用星級(jí)或數(shù)值表示。首先，現(xiàn)有研究發(fā)現(xiàn)，適度的評(píng)論效價(jià)影響效應(yīng)最佳，原因如下：適度的評(píng)論效價(jià)包含的正負(fù)面信息有利于提高可信度并減少報(bào)告偏見；極端評(píng)論通常由極端滿意或失望的用戶發(fā)布，對(duì)產(chǎn)品質(zhì)量的診斷性較低；過(guò)高的評(píng)論效價(jià)可能由用戶出于自我展示目的或賣家激勵(lì)產(chǎn)生，降低了可信度。[19]其次，剖析評(píng)論效價(jià)影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的背后機(jī)制發(fā)現(xiàn)：一方面，評(píng)論效價(jià)越大，知識(shí)付費(fèi)產(chǎn)品的感知質(zhì)量越高，從而促進(jìn)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策；另一方面，由于平臺(tái)未對(duì)知識(shí)付費(fèi)產(chǎn)品交易進(jìn)行全程監(jiān)控，也未披露評(píng)論者的個(gè)人信息，評(píng)論真實(shí)性未能得到可靠保障，所以評(píng)論效價(jià)越大越容易引發(fā)用戶懷疑，評(píng)論可信度越低，從而抑制知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。因此，評(píng)論效價(jià)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的作用過(guò)程包含對(duì)抗性的作用力，具體表現(xiàn)為評(píng)論效價(jià)的邊際收益遞減和邊際損失遞增。評(píng)論效價(jià)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的作用結(jié)果取決于收益與損失的疊加效應(yīng)。隨著評(píng)論效價(jià)的遞增，一開始邊際收益大于邊際損失，評(píng)論效價(jià)積極促進(jìn)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策；當(dāng)邊際收益與邊際損失相互制衡時(shí)，邊際凈收益為零，知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策達(dá)到最優(yōu)值；之后，邊際收益小于邊際損失，評(píng)論效價(jià)逐漸抑制知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。為此，隨著評(píng)論效價(jià)的增加，知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策先增后減，呈倒U型關(guān)系。

現(xiàn)有文獻(xiàn)已證實(shí)評(píng)論效價(jià)的倒U型作用，如Kong等證實(shí)，無(wú)論對(duì)于普通產(chǎn)品還是高端產(chǎn)品，實(shí)用的和享樂(lè)的評(píng)論效價(jià)對(duì)產(chǎn)品銷量的作用關(guān)系均呈倒U型曲線。[20]Maslowska等研究發(fā)現(xiàn)，評(píng)論效價(jià)與購(gòu)買概率之間呈非線性關(guān)系，較高的評(píng)論效價(jià)導(dǎo)致較高的購(gòu)買概率，但過(guò)高的評(píng)論效價(jià)則導(dǎo)致較低的購(gòu)買概率。[19]Duverger證實(shí)市場(chǎng)份額隨著評(píng)論效價(jià)的增大先遞增后遞減。[21]Susan等和殷國(guó)鵬等實(shí)證發(fā)現(xiàn)，與極端性評(píng)論相比，適度的評(píng)論效價(jià)對(duì)購(gòu)買決策的影響更強(qiáng)。[22,23]因此，本文預(yù)期評(píng)論效價(jià)作為質(zhì)量信號(hào)，與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間存在倒U型的曲線關(guān)系，為此假設(shè)：

H2：評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策呈倒U型關(guān)系

評(píng)論長(zhǎng)度用評(píng)論的總字?jǐn)?shù)來(lái)衡量。評(píng)論長(zhǎng)度越長(zhǎng)，評(píng)論信息含量越高，越容易降低產(chǎn)品不確定性，從而增強(qiáng)用戶的購(gòu)買決策意愿?，F(xiàn)有文獻(xiàn)驗(yàn)證了評(píng)論長(zhǎng)度的積極影響效應(yīng)，如Chevalier等以亞馬遜網(wǎng)站為研究情境，證實(shí)評(píng)論長(zhǎng)度積極影響書籍銷量。[24]Lin等研究發(fā)現(xiàn)當(dāng)評(píng)論數(shù)量達(dá)到一定量時(shí)，評(píng)論長(zhǎng)度正向影響用戶的購(gòu)買意愿。[25]因此，本文預(yù)期評(píng)論長(zhǎng)度作為信息量信號(hào)，積極影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，并提出以下假設(shè)：

H3：評(píng)論長(zhǎng)度正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策

賣家認(rèn)知度是指用戶傳達(dá)的賣家信息的數(shù)量。在線評(píng)論將賣家屬性轉(zhuǎn)換為可搜索的屬性，潛在用戶可以通過(guò)查閱在線評(píng)論了解特定賣家的表現(xiàn)，從而有效降低感知風(fēng)險(xiǎn)，促進(jìn)購(gòu)買決策。例如，Zhang等指出，更全面詳細(xì)地披露房主互動(dòng)的信息有助于降低顧客不確定性，建立更強(qiáng)的感知信任關(guān)系。[26]Ma等認(rèn)為房主信息與感知信任正相關(guān)。[27]因此，本文預(yù)期知識(shí)付費(fèi)產(chǎn)品的用戶評(píng)論所包含的賣家認(rèn)知度越高，越被視為知識(shí)付費(fèi)產(chǎn)品中賣家信息維度的可靠信號(hào)，從而有利于降低用戶的感知風(fēng)險(xiǎn)，增強(qiáng)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。為此假設(shè)：

H4：賣家認(rèn)知度正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策

用戶體驗(yàn)度是指用戶傳達(dá)的關(guān)于產(chǎn)品使用體驗(yàn)信息的數(shù)量。用戶比較關(guān)心他們是否與評(píng)論者有共同之處。因此，用戶在評(píng)論中提供關(guān)于自身體驗(yàn)的信息越多，越有利于潛在用戶準(zhǔn)確判斷產(chǎn)品需求，降低購(gòu)買不符合需求的產(chǎn)品的風(fēng)險(xiǎn)。例如，Reich等指出，在評(píng)論中承認(rèn)購(gòu)買失敗經(jīng)驗(yàn)的評(píng)論者被認(rèn)為擁有更多的相關(guān)專業(yè)知識(shí)，從而更有利于提高潛在用戶的購(gòu)買意愿。[28]對(duì)于知識(shí)付費(fèi)產(chǎn)品，預(yù)期評(píng)論中用戶體驗(yàn)度越高，越容易被視作知識(shí)付費(fèi)產(chǎn)品信息的可靠信號(hào)，從而促進(jìn)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。為此，提出以下假設(shè)：

H5：用戶體驗(yàn)度正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策

賣家回復(fù)率是指賣家回復(fù)在線評(píng)論的比例。賣家回復(fù)主要被作為賣家與用戶間售后反饋的交流渠道。賣家回復(fù)率越高，表明賣家越愿意付出時(shí)間和精力反饋用戶信息，從而被作為賣家服務(wù)態(tài)度的可靠信號(hào)?，F(xiàn)有文獻(xiàn)已證實(shí)賣家回復(fù)對(duì)賣家銷量的正向作用關(guān)系，如Kumar等發(fā)現(xiàn)賣家回復(fù)積極影響中心賣家訂單量。[5]Lui等指出，賣家回復(fù)率正向影響賣家銷量，較高的賣家回復(fù)率在一定程度上反映了知識(shí)付費(fèi)產(chǎn)品賣家的良好服務(wù)態(tài)度，有助于潛在用戶認(rèn)知賣家，降低感知風(fēng)險(xiǎn)。[29]因此，本文期望賣家回復(fù)率越高，即賣家良好服務(wù)態(tài)度的信號(hào)越強(qiáng)，越有利于增強(qiáng)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。為此假設(shè)：

H6：賣家回復(fù)率正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策

基于情感認(rèn)知模型和偏差效應(yīng)，本文預(yù)期賣家回復(fù)率顯著正向調(diào)節(jié)在線評(píng)論與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間的關(guān)系。情感認(rèn)知模型指出，人的決策受到認(rèn)知和情感導(dǎo)向加工的雙重影響。[16]Li等從認(rèn)知和情感導(dǎo)向加工視角出發(fā)，提出來(lái)自評(píng)論者的回復(fù)對(duì)評(píng)論長(zhǎng)度與評(píng)論有用性之間的關(guān)系有顯著調(diào)節(jié)作用。[30]類似地，基于情感認(rèn)知模型，本文認(rèn)為賣家回復(fù)率對(duì)在線評(píng)論與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系有顯著調(diào)節(jié)作用。首先，從認(rèn)知導(dǎo)向加工視角出發(fā)，賣家回復(fù)作為與在線評(píng)論高度相關(guān)的補(bǔ)充信息源，減輕了用戶對(duì)在線評(píng)論信息的不確定性的擔(dān)憂，輔助用戶理解評(píng)論信息。其次，從情感導(dǎo)向加工視角出發(fā)，用戶認(rèn)為高賣家回復(fù)率代表著良好的賣家服務(wù)態(tài)度，進(jìn)而激發(fā)了對(duì)在線評(píng)論的積極認(rèn)知情緒，不僅有利于削弱用戶對(duì)在線評(píng)論的消極認(rèn)知，而且可以強(qiáng)化在線評(píng)論的積極作用，從而增強(qiáng)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。

偏差效應(yīng)是啟發(fā)式系統(tǒng)模型的主要延伸，闡釋了啟發(fā)式線索對(duì)系統(tǒng)線索的偏差影響。[17]啟發(fā)式線索會(huì)通過(guò)觸發(fā)人們對(duì)信息內(nèi)容有效性的推斷和期望，進(jìn)而影響信息的最終評(píng)價(jià)。[31]高琳等將在線評(píng)論的強(qiáng)度和效價(jià)作為系統(tǒng)線索，考察了其對(duì)用戶購(gòu)買意向的影響。[32]Baek等將評(píng)論長(zhǎng)度和負(fù)面詞匯占比作為影響評(píng)論有用性的系統(tǒng)線索。[33]因此，對(duì)于知識(shí)付費(fèi)產(chǎn)品，評(píng)論信息需要用戶較多的認(rèn)知努力，是購(gòu)買決策過(guò)程中的系統(tǒng)線索。劉偉等將來(lái)自其他用戶的回復(fù)作為邊緣線索。[34]類似地，賣家回復(fù)率不需要給予深入思考，是購(gòu)買決策過(guò)程中的啟發(fā)式線索。本文期望賣家回復(fù)率作為啟發(fā)式線索，通過(guò)觸發(fā)用戶對(duì)評(píng)論信息有效性的評(píng)判，最終積極影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。具體而言，較高的賣家回復(fù)率表明賣家投入較多時(shí)間和精力，體現(xiàn)了較高的責(zé)任心、耐心及誠(chéng)意，預(yù)期會(huì)促使用戶認(rèn)可賣家，觸發(fā)用戶對(duì)在線評(píng)論的積極評(píng)判，從而促進(jìn)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。

現(xiàn)有文獻(xiàn)已證實(shí)賣家回復(fù)的正向調(diào)節(jié)作用。例如，Xu等研究發(fā)現(xiàn)賣家回復(fù)的數(shù)量顯著正向調(diào)節(jié)評(píng)論數(shù)量和評(píng)論效價(jià)對(duì)訂單量的影響。[4]Xie等證實(shí)賣家回復(fù)顯著正向調(diào)節(jié)與地點(diǎn)相關(guān)的評(píng)論效價(jià)與酒店績(jī)效之間的關(guān)系。[35]Dai等認(rèn)為賣家回復(fù)顯著正向調(diào)節(jié)評(píng)論數(shù)量、評(píng)論效價(jià)及評(píng)論質(zhì)量與購(gòu)買決策之間的關(guān)系。[36]Azer等研究發(fā)現(xiàn)賣家回復(fù)顯著正向調(diào)節(jié)負(fù)面評(píng)論與用戶對(duì)服務(wù)提供者的態(tài)度和行為意向之間的關(guān)系。[37]Xie等指出賣家回復(fù)顯著正向調(diào)節(jié)評(píng)論效價(jià)和評(píng)論數(shù)量與酒店績(jī)效之間的作用關(guān)系。[38]因此，本文預(yù)期賣家回復(fù)率顯著增強(qiáng)評(píng)論作為可靠信號(hào)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間的作用關(guān)系，并提出以下假設(shè)：

H7a：賣家回復(fù)率正向調(diào)節(jié)評(píng)論數(shù)量對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系

H7b：賣家回復(fù)率正向調(diào)節(jié)評(píng)論效價(jià)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系

H7c：賣家回復(fù)率正向調(diào)節(jié)評(píng)論長(zhǎng)度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系

H7d：賣家回復(fù)率正向調(diào)節(jié)賣家認(rèn)知度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系

H7e：賣家回復(fù)率正向調(diào)節(jié)用戶體驗(yàn)度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系

二、研究方法

1.數(shù)據(jù)收集

本文以國(guó)內(nèi)知名的知識(shí)共享平臺(tái)在行為例，對(duì)其提供的在線付費(fèi)咨詢服務(wù)進(jìn)行實(shí)證檢驗(yàn)。在行平臺(tái)成立于2015年3月，是全國(guó)首創(chuàng)的一對(duì)一行家約見平臺(tái)，覆蓋職場(chǎng)發(fā)展、行業(yè)經(jīng)驗(yàn)、互聯(lián)網(wǎng)+、創(chuàng)業(yè)與投融資、生活服務(wù)、心理、投資理財(cái)、教育學(xué)習(xí)等領(lǐng)域。在行平臺(tái)通過(guò)為用戶提供一對(duì)一付費(fèi)咨詢服務(wù)，建立了用戶與行家之間的深度連接，最大限度地激活并滿足了用戶的個(gè)性化服務(wù)需求，具有高度定制化、強(qiáng)互動(dòng)性特征。選擇在線付費(fèi)咨詢服務(wù)的原因主要在于：（1）在線付費(fèi)咨詢服務(wù)不僅是數(shù)字化互聯(lián)網(wǎng)時(shí)代中傳統(tǒng)參考咨詢向信息咨詢轉(zhuǎn)變的新型模式，亦是向知識(shí)創(chuàng)新服務(wù)模式的切實(shí)邁進(jìn)，最大限度地激活并滿足了用戶的信息和知識(shí)需求；（2）在線付費(fèi)咨詢服務(wù)是知識(shí)付費(fèi)領(lǐng)域中典型的商業(yè)模式，通過(guò)匯聚行業(yè)精英和領(lǐng)域?qū)＜?，為用戶提供了一?duì)一個(gè)性化交流指導(dǎo)。本文運(yùn)用Python分別于2019年3月和2020年2月獲取在行平臺(tái)成立以來(lái)所有知識(shí)付費(fèi)產(chǎn)品的數(shù)據(jù)，共涵蓋2677位賣家，包含產(chǎn)品銷量、評(píng)論、賣家回復(fù)、賣家響應(yīng)率、賣家簡(jiǎn)介、注冊(cè)日期、產(chǎn)品價(jià)格、行業(yè)及地點(diǎn)等信息。其中，在2019年3月之前共110015條評(píng)論數(shù)據(jù)、27446條賣家回復(fù)數(shù)據(jù)，整體上賣家回復(fù)率約為24.948%。

2.變量定義和測(cè)量方法

本文相關(guān)變量定義如表1所示。因變量為知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。Zhao等采用知識(shí)付費(fèi)產(chǎn)品的銷量指標(biāo)測(cè)量用戶購(gòu)買決策，從信任關(guān)系視角探討了賣家特征及產(chǎn)品價(jià)格對(duì)用戶購(gòu)買決策的影響機(jī)制。[39]趙楊等采用知識(shí)付費(fèi)產(chǎn)品的銷量指標(biāo)，客觀考察了賣家的社會(huì)資本特征對(duì)用戶購(gòu)買決策的作用關(guān)系。[40]Cai等通過(guò)分析在一定時(shí)期內(nèi)知識(shí)付費(fèi)產(chǎn)品銷量的影響因素，直接闡明了用戶進(jìn)行知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的前因。[41]同樣地，本文采用該測(cè)度方式客觀探討了在線評(píng)論和賣家回復(fù)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。自變量為2019年3月之前每位賣家的評(píng)論數(shù)量、評(píng)論效價(jià)、評(píng)論長(zhǎng)度、賣家認(rèn)知度、用戶體驗(yàn)度和賣家回復(fù)率。

表1 變量定義

此外，本文控制了一系列潛在影響因素，如賣家響應(yīng)率、是否有圖片、簡(jiǎn)介長(zhǎng)度、注冊(cè)時(shí)長(zhǎng)、平均價(jià)格、行業(yè)和地點(diǎn)。其中，賣家響應(yīng)率反映賣家接受訂單的效率，圖片有利于增強(qiáng)用戶的社會(huì)情感體驗(yàn)，簡(jiǎn)介提供賣家信息，注冊(cè)時(shí)長(zhǎng)代表賣家經(jīng)驗(yàn)，平均價(jià)格意味著貨幣成本，均會(huì)影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。此外，本文消除了賣家所屬行業(yè)和地點(diǎn)可能造成的潛在影響。

三、實(shí)證檢驗(yàn)結(jié)果

1.描述性統(tǒng)計(jì)

表2展示了主要變量的描述性統(tǒng)計(jì)結(jié)果。由于大部分變量標(biāo)準(zhǔn)差較大，本文通過(guò)對(duì)連續(xù)變量取自然對(duì)數(shù)進(jìn)行了線性變換處理，進(jìn)而壓縮了變量量綱，控制了離群值的潛在影響，并將潛在非線性關(guān)系轉(zhuǎn)變?yōu)榫€性關(guān)系，使得回歸結(jié)果更加穩(wěn)健。

表2 變量的描述性統(tǒng)計(jì)

2.假設(shè)檢驗(yàn)

考慮運(yùn)用橫截面數(shù)據(jù)進(jìn)行線性回歸時(shí)容易產(chǎn)生異方差現(xiàn)象，在使用Stata 15.1執(zhí)行回歸命令后，通過(guò)懷特檢驗(yàn)檢查異方差情況，結(jié)果發(fā)現(xiàn)p值在0.050的水平上顯著，存在異方差問(wèn)題。因此，采用OLS Robust回歸，并標(biāo)準(zhǔn)化自變量和調(diào)節(jié)變量以進(jìn)行調(diào)節(jié)效應(yīng)測(cè)試。

回歸結(jié)果如表3所示。模型1的F值為74.169（p<0.01），回歸方程顯著。結(jié)果表明，評(píng)論數(shù)量（β=0.807,p<0.01）、賣家認(rèn)知度（β=2.319,p<0.05）、用戶體驗(yàn)度（β=0.159,p<0.05）和賣家回復(fù)率（β=0.152,p<0.010）均顯著正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策；評(píng)論效價(jià)、評(píng)論效價(jià)的二次項(xiàng)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間的回歸系數(shù)分別是β=1.271（p<0.05）、β=-0.600（p<0.05），表明評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策呈倒U型關(guān)系；評(píng)論長(zhǎng)度（β=-0.093,p>0.1）對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策影響不顯著。除假設(shè)3外，假設(shè)1-2和假設(shè)4-6均得到驗(yàn)證。

表3 回歸結(jié)果

模型2在模型1基礎(chǔ)上加入賣家回復(fù)率與在線評(píng)論變量的交乘項(xiàng)，回歸結(jié)果顯示模型的整體顯著性水平上升。其中，賣家回復(fù)率顯著增強(qiáng)評(píng)論數(shù)量（β=0.170,p<0.01）和用戶體驗(yàn)度（β=0.331,p<0.1）對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系，驗(yàn)證了假設(shè)7a和假設(shè)7e。雖然調(diào)節(jié)效應(yīng)中賣家回復(fù)率與評(píng)論長(zhǎng)度（β=-0.415,p<0.05）交乘項(xiàng)的系數(shù)為負(fù)且顯著，但是由于主效應(yīng)中評(píng)論長(zhǎng)度的系數(shù)為負(fù)且不顯著，拒絕假設(shè)7c。賣家回復(fù)率對(duì)評(píng)論效價(jià)（β=0.750,p>0.1）、評(píng)論效價(jià)的二次項(xiàng)（β=-0.342,p>0.1）和賣家認(rèn)知度（β=-0.865,p>0.1）與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系不存在顯著調(diào)節(jié)作用，拒絕假設(shè)7b和7d?？偨Y(jié)本文假設(shè)檢驗(yàn)結(jié)果如表4所示。

表4 假設(shè)檢驗(yàn)結(jié)果

3.穩(wěn)健性分析

（1）考慮用戶習(xí)慣的影響

研究表明，大多數(shù)用戶僅閱讀在線評(píng)論的前幾頁(yè)，根據(jù)觀察到的局部信息，形成對(duì)產(chǎn)品質(zhì)量的感知，從而做出購(gòu)買決策。本文按照評(píng)論有用性從高到低排序，篩選出所有賣家的前100條在線評(píng)論樣本，并重新進(jìn)行回歸分析（數(shù)據(jù)略去備索）。結(jié)果發(fā)現(xiàn)，評(píng)論數(shù)量、賣家認(rèn)知度、用戶體驗(yàn)度和賣家回復(fù)率顯著正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策；評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間呈倒U型關(guān)系；評(píng)論長(zhǎng)度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策影響不顯著；賣家回復(fù)率顯著增強(qiáng)評(píng)論數(shù)量和用戶體驗(yàn)度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響關(guān)系；賣家回復(fù)率對(duì)評(píng)論效價(jià)、評(píng)論長(zhǎng)度和賣家認(rèn)知度不存在顯著的正向調(diào)節(jié)作用。假設(shè)1-2、假設(shè)4-6、假設(shè)7a和假設(shè)7e均得到驗(yàn)證，假設(shè)3和假設(shè)7b-7d未得到支持。所得研究結(jié)論與前文基本一致，結(jié)果穩(wěn)健。

（2）剔除極端值的干擾

為了剔除極端值對(duì)研究結(jié)果的影響，對(duì)連續(xù)變量在1%和99%分位數(shù)上進(jìn)行雙向縮尾處理。運(yùn)用縮尾后的數(shù)據(jù)重新進(jìn)行回歸分析（數(shù)據(jù)略去備索）。結(jié)果發(fā)現(xiàn)，除假設(shè)3和假設(shè)7b-7d外，假設(shè)1-2、假設(shè)4-6、假設(shè)7a和假設(shè)7e均得到驗(yàn)證。所得研究結(jié)論與前文基本一致，結(jié)果穩(wěn)健。

四、研究結(jié)論與討論

1.研究結(jié)論

鑒于知識(shí)付費(fèi)產(chǎn)品具有獨(dú)特性，本文挖掘了在線評(píng)論的情境化特征，如賣家認(rèn)知度和用戶體驗(yàn)度，并將賣家回復(fù)率引入研究模型。研究結(jié)論揭示了知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策過(guò)程的黑盒子，為賣家和知識(shí)付費(fèi)平臺(tái)管理者提供了有效的營(yíng)銷指南，豐富了知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的相關(guān)研究文獻(xiàn)。研究發(fā)現(xiàn)，除假設(shè)3和假設(shè)7b-7d外，假設(shè)1-2、假設(shè)4-6、假設(shè)7a和假設(shè)7e均得到驗(yàn)證。具體而言，評(píng)論數(shù)量、賣家認(rèn)知度、用戶體驗(yàn)度及賣家回復(fù)率均顯著正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策呈倒U型曲線關(guān)系，賣家回復(fù)率顯著正向調(diào)節(jié)評(píng)論數(shù)量和用戶體驗(yàn)度與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間的關(guān)系。

值得關(guān)注的是，與Choi等關(guān)于評(píng)論效價(jià)正向影響用戶購(gòu)買決策的結(jié)論不同，[8]本文發(fā)現(xiàn)評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策呈倒U型關(guān)系，揭示了知識(shí)付費(fèi)產(chǎn)品的評(píng)論效價(jià)產(chǎn)生作用的新路徑。具體而言，在知識(shí)付費(fèi)領(lǐng)域中過(guò)高的評(píng)論效價(jià)可能被視為賣家的操縱信號(hào)，反而不利于知識(shí)付費(fèi)產(chǎn)品的營(yíng)銷，從而豐富了在線評(píng)論的相關(guān)研究文獻(xiàn)。

然而，假設(shè)3和假設(shè)7b-7d均未得到支持。對(duì)于假設(shè)3，評(píng)論長(zhǎng)度的系數(shù)為負(fù)但是不顯著，表明評(píng)論長(zhǎng)度具有較弱的負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向。本文從數(shù)據(jù)分析、理論支撐、實(shí)踐背景三個(gè)視角出發(fā)，全面闡釋了假設(shè)3未得到支持的原因。首先，從數(shù)據(jù)分析視角出發(fā)，雖然評(píng)論長(zhǎng)度與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間的回歸系數(shù)為負(fù)，但是該系數(shù)不顯著，證明兩者之間負(fù)向作用關(guān)系極弱。第一，該作用關(guān)系不顯著。雖然評(píng)論長(zhǎng)度會(huì)對(duì)產(chǎn)品認(rèn)知產(chǎn)生一定影響，但是不足以顯著影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，用戶更注重評(píng)論內(nèi)容而非評(píng)論長(zhǎng)度可能是其主要原因。例如，石文華等實(shí)證發(fā)現(xiàn)在線初次評(píng)論與在線追加評(píng)論的長(zhǎng)度對(duì)產(chǎn)品銷量均無(wú)顯著影響。[42]第二，評(píng)論長(zhǎng)度具有較弱的負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向，原因可能是對(duì)于知識(shí)付費(fèi)產(chǎn)品，評(píng)論長(zhǎng)度對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策存在反向作用力。一方面，評(píng)論長(zhǎng)度越長(zhǎng)，提供的產(chǎn)品信息越多，越有利于降低感知不確定性，從而存在正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向；另一方面，基于認(rèn)知負(fù)荷和賣家操控的可能性，評(píng)論長(zhǎng)度存在負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向。整體而言，在知識(shí)付費(fèi)場(chǎng)景下，評(píng)論長(zhǎng)度的負(fù)向作用力稍強(qiáng)于正向作用力。因此，最終均衡結(jié)果為評(píng)論長(zhǎng)度存在較弱的負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向。

其次，從理論支撐視角出發(fā)，對(duì)評(píng)論長(zhǎng)度的較弱負(fù)向影響傾向進(jìn)行闡釋。第一，評(píng)論越長(zhǎng)，觀點(diǎn)越分散，越容易偏離主題，包含無(wú)效信息，稀釋有用信息，從而負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。[43]第二，基于認(rèn)知負(fù)荷理論，用戶的記憶容量有限，評(píng)論長(zhǎng)度越長(zhǎng)，用戶的信息處理成本越大，越容易導(dǎo)致用戶認(rèn)知超載，從而負(fù)向影響購(gòu)買決策。第三，李宗偉等提出搜索品的信息比較客觀，因此評(píng)論越長(zhǎng)，越有助于用戶挖掘客觀維度信息，進(jìn)而影響購(gòu)買決策行為。[44]然而，與搜索品不同，知識(shí)付費(fèi)產(chǎn)品的信息過(guò)于主觀，在線評(píng)論無(wú)法通過(guò)客觀屬性描述產(chǎn)品信息。因此，評(píng)論越長(zhǎng)，用戶越難從評(píng)論內(nèi)容中評(píng)判產(chǎn)品價(jià)值。第四，鑒于知識(shí)付費(fèi)產(chǎn)品信息具有主觀性特征，在線評(píng)論更容易被賣家操控，而不被潛在用戶發(fā)現(xiàn)。并且與發(fā)展成熟的實(shí)物產(chǎn)品交易平臺(tái)相比，知識(shí)付費(fèi)平臺(tái)不僅無(wú)法監(jiān)控買賣雙方的產(chǎn)品交易，而且評(píng)論者的信息披露程度較低。[45]因此，過(guò)長(zhǎng)的在線評(píng)論可能被視為賣家的操縱信號(hào)，損害了用戶對(duì)賣家的信任，最終負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。例如，Duverger提出評(píng)論長(zhǎng)度過(guò)長(zhǎng)抑制了用戶信任，負(fù)向影響產(chǎn)品市場(chǎng)份額。[21]

最后，從實(shí)踐背景視角出發(fā)，知識(shí)付費(fèi)產(chǎn)品的購(gòu)買情境與傳統(tǒng)電商產(chǎn)品顯著不同。知識(shí)付費(fèi)產(chǎn)品興起的背景是知識(shí)爆炸、信息冗余、時(shí)間碎片化及生活節(jié)奏過(guò)快。當(dāng)代用戶購(gòu)買知識(shí)付費(fèi)產(chǎn)品的主要目的在于利用碎片化時(shí)間，避免信息爆炸，提高信息篩選效率，緩解社會(huì)焦慮感。因此，評(píng)論越簡(jiǎn)潔明了，越能縮減用戶對(duì)知識(shí)付費(fèi)產(chǎn)品的篩選時(shí)間，提高碎片化時(shí)間的利用效率。例如，李中梅等指出，評(píng)論長(zhǎng)度對(duì)在線評(píng)論質(zhì)量沒(méi)有顯著影響的主要原因是，在移動(dòng)O2O模式下用戶追求高效快捷的消費(fèi)方式，沒(méi)有時(shí)間閱讀較長(zhǎng)的評(píng)論。[46]

關(guān)于調(diào)節(jié)效應(yīng)，假設(shè)7c未得到支持，結(jié)果顯示賣家回復(fù)率具有增強(qiáng)評(píng)論長(zhǎng)度與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間負(fù)向作用關(guān)系的傾向。本文主要從操縱信號(hào)和資源限制的視角出發(fā)闡釋該結(jié)果出現(xiàn)的原因。首先，從操縱信號(hào)視角出發(fā)，賣家回復(fù)并非由獨(dú)立第三方發(fā)出，而是由賣家出于營(yíng)銷產(chǎn)品的目的發(fā)出，具有刻意夸大產(chǎn)品質(zhì)量的傾向，不具有可信性。因此，當(dāng)賣家回復(fù)率較高時(shí)，會(huì)與較長(zhǎng)的在線評(píng)論共同作用，一同被視作賣家的操縱信號(hào)，從而負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。其次，根據(jù)資源限制理論，用戶完成購(gòu)買決策任務(wù)需要一定的心理資源，但是心理資源有限。賣家回復(fù)的出現(xiàn)在一定程度上干擾了用戶的注意力，影響其有效捕捉在線評(píng)論的有用信息，從而負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策。已有文獻(xiàn)證實(shí)了賣家回復(fù)的潛在負(fù)面影響，如Xu等研究發(fā)現(xiàn)賣家回復(fù)被視為在線評(píng)論的操縱信號(hào)，抑制了購(gòu)買決策行為。[4]Mauri等認(rèn)為賣家回復(fù)可能對(duì)用戶購(gòu)買決策產(chǎn)生負(fù)向影響。[47]假設(shè)7b和假設(shè)7d未得到支持，結(jié)果顯示賣家回復(fù)率對(duì)評(píng)論效價(jià)、賣家認(rèn)知度與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間的關(guān)系無(wú)顯著調(diào)節(jié)作用，原因可能是賣家回復(fù)率僅能提供知識(shí)付費(fèi)產(chǎn)品賣家的服務(wù)態(tài)度信息，較為片面，而評(píng)論效價(jià)提供了關(guān)于賣家和產(chǎn)品質(zhì)量的綜合評(píng)價(jià)，賣家認(rèn)知度也提供了關(guān)于賣家服務(wù)態(tài)度及其他屬性較為全面的信息。因此，無(wú)論賣家回復(fù)率高低，評(píng)論效價(jià)和賣家認(rèn)知度均被視為可靠信號(hào)直接影響用戶購(gòu)買決策。綜上可知，賣家信號(hào)和市場(chǎng)信號(hào)之間不是一味的互補(bǔ)關(guān)系，而是互補(bǔ)關(guān)系和不相關(guān)關(guān)系的集成，進(jìn)一步支持了Ba等關(guān)于不同信號(hào)之間作用關(guān)系的論斷。[7]

2.理論貢獻(xiàn)

第一，本文針對(duì)知識(shí)付費(fèi)領(lǐng)域，研究賣家回復(fù)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。雖然以往文獻(xiàn)研究了旅游行業(yè)和餐飲行業(yè)中賣家回復(fù)的影響效應(yīng)，但是關(guān)于賣家回復(fù)如何影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策鮮有研究。因此，本文彌補(bǔ)了知識(shí)付費(fèi)領(lǐng)域未考慮賣家回復(fù)影響機(jī)制的局限性，為賣家充分發(fā)揮賣家回復(fù)功能的積極作用提供了理論依據(jù)。

第二，本文從市場(chǎng)信號(hào)和賣家信號(hào)兩個(gè)維度出發(fā)探討在線評(píng)論和賣家回復(fù)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)，并進(jìn)一步將市場(chǎng)信號(hào)細(xì)分為流行度信號(hào)、質(zhì)量信號(hào)和信息量信號(hào)。雖然已有研究單獨(dú)探討了市場(chǎng)信號(hào)和賣家信號(hào)對(duì)用戶購(gòu)買決策的影響，但是尚無(wú)研究將市場(chǎng)信號(hào)和賣家信號(hào)集中在一個(gè)理論框架下，揭示不同類型的信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)。因此，本文對(duì)信號(hào)理論的細(xì)化，為用戶購(gòu)買決策研究構(gòu)建了更為全面的信號(hào)理論框架。

第三，本文重點(diǎn)考察了賣家回復(fù)率作為賣家信號(hào)對(duì)市場(chǎng)信號(hào)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系的調(diào)節(jié)機(jī)理。雖然現(xiàn)有文獻(xiàn)廣泛探討了賣家回復(fù)對(duì)賣家績(jī)效的影響效應(yīng)，但是尚未針對(duì)知識(shí)付費(fèi)產(chǎn)品，探討賣家回復(fù)率作為賣家信號(hào)對(duì)市場(chǎng)信號(hào)與用戶購(gòu)買決策間關(guān)系可能起到的調(diào)節(jié)作用。鑒于賣家回復(fù)可以作為賣家營(yíng)銷自己的手段，考察賣家回復(fù)率對(duì)市場(chǎng)信號(hào)的調(diào)節(jié)機(jī)制尤為重要。因此，本文關(guān)于調(diào)節(jié)作用的研究結(jié)果豐富了不同來(lái)源的信號(hào)之間交互作用關(guān)系的相關(guān)文獻(xiàn)，也為賣家重新認(rèn)知和有效管理賣家回復(fù)提供了理論支持。

3.實(shí)踐啟示

本文研究結(jié)論展示了在線評(píng)論和賣家回復(fù)影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的內(nèi)在機(jī)理，有利于進(jìn)一步深化在線評(píng)論和賣家回復(fù)在知識(shí)付費(fèi)領(lǐng)域中的應(yīng)用價(jià)值，幫助制定更有效的在線營(yíng)銷策略組合，從而提高營(yíng)銷策略的投資回報(bào)率，對(duì)賣家和知識(shí)付費(fèi)平臺(tái)具有重要的管理意義和商業(yè)價(jià)值。

對(duì)于賣家而言，為吸引用戶購(gòu)買知識(shí)付費(fèi)產(chǎn)品，建議采取以下有效措施：第一，由于評(píng)論數(shù)量顯著正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，可以在提供知識(shí)付費(fèi)產(chǎn)品之后，及時(shí)提醒用戶書寫在線評(píng)論。第二，由于評(píng)論效價(jià)與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策之間呈現(xiàn)倒U型關(guān)系，應(yīng)該避免刻意引導(dǎo)用戶虛假打高分。第三，由于評(píng)論長(zhǎng)度具有負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的傾向，應(yīng)該鼓勵(lì)用戶撰寫精簡(jiǎn)有用的評(píng)論信息，避免刻意書寫冗長(zhǎng)無(wú)用的評(píng)論信息。第四，由于賣家認(rèn)知度和用戶體驗(yàn)度顯著正向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，應(yīng)該積極引導(dǎo)用戶在評(píng)論中更多地披露賣家信息以及個(gè)人體驗(yàn)信息。第五，賣家回復(fù)率直接顯著積極影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策，且賣家回復(fù)率顯著增強(qiáng)評(píng)論數(shù)量和用戶體驗(yàn)度與知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策間關(guān)系。因此，應(yīng)該盡可能多地回復(fù)用戶評(píng)論，以展現(xiàn)良好的服務(wù)態(tài)度。

對(duì)于知識(shí)付費(fèi)平臺(tái)而言，為有效提升賣家的知識(shí)付費(fèi)產(chǎn)品銷量，首先可以依據(jù)本文研究結(jié)論，采取以下具體措施：第一，實(shí)施激勵(lì)用戶撰寫在線評(píng)論的有效措施，例如提供虛擬徽章、積分或者金錢獎(jiǎng)勵(lì)。第二，任何試圖操縱評(píng)論系統(tǒng)的行為都可能損害其可信度，應(yīng)該抵制賣家通過(guò)操縱手段虛假提高產(chǎn)品評(píng)分，以建立一個(gè)準(zhǔn)確、公正的評(píng)論生態(tài)系統(tǒng)。第三，規(guī)定在線評(píng)論字?jǐn)?shù)的上限，使?jié)撛谟脩糨p松獲取相關(guān)信息，避免用戶認(rèn)知超載。第四，有必要制定在線評(píng)論的撰寫指南，為用戶撰寫評(píng)論提供指導(dǎo)性意見。具體而言，鼓勵(lì)用戶提供更多關(guān)于賣家專業(yè)素養(yǎng)、服務(wù)態(tài)度和傳授能力的相關(guān)信息，以及關(guān)于自身咨詢體驗(yàn)的相關(guān)信息。第五，借助售后服務(wù)態(tài)度積分機(jī)制激勵(lì)賣家積極回應(yīng)用戶評(píng)論。為此，賣家和知識(shí)付費(fèi)平臺(tái)可以通過(guò)在線評(píng)論和賣家回復(fù)兩種信息之間的協(xié)同作用，最大程度地激發(fā)潛在用戶的購(gòu)買決策行為。

其次，通過(guò)了解影響用戶購(gòu)買決策的信息類型，知識(shí)付費(fèi)平臺(tái)可以為潛在用戶開發(fā)設(shè)計(jì)更優(yōu)的決策支持系統(tǒng)。目前知識(shí)付費(fèi)平臺(tái)的在線評(píng)論系統(tǒng)僅包含簡(jiǎn)單的時(shí)間和熱度的排序功能，鑒于賣家認(rèn)知度和用戶體驗(yàn)度顯著積極影響用戶購(gòu)買決策行為，可以在用戶撰寫評(píng)論時(shí)，提供是否包含賣家信息或者用戶體驗(yàn)信息的選項(xiàng)，或者借助人工智能和文本挖掘工具進(jìn)行語(yǔ)義分析，有效完善有用評(píng)論的過(guò)濾機(jī)制，為潛在用戶添加更豐富的信息篩選功能，從而提高信息篩選效率，降低潛在用戶的認(rèn)知處理負(fù)荷。此外，知識(shí)付費(fèi)平臺(tái)可以實(shí)時(shí)計(jì)算和展示賣家回復(fù)率，以幫助潛在用戶初步了解賣家服務(wù)態(tài)度。

最后，用戶購(gòu)買決策的準(zhǔn)確預(yù)測(cè)對(duì)知識(shí)付費(fèi)平臺(tái)的產(chǎn)品營(yíng)銷和研發(fā)策略至關(guān)重要。知識(shí)付費(fèi)平臺(tái)可以通過(guò)在線評(píng)論和賣家回復(fù)特征預(yù)測(cè)知識(shí)付費(fèi)產(chǎn)品的銷售情況，從而適當(dāng)調(diào)整推廣重點(diǎn)及合理地分配資源，最終提升知識(shí)付費(fèi)平臺(tái)的整體活躍度，保證平臺(tái)的繁榮和可持續(xù)發(fā)展。

4.局限和展望

雖然本文運(yùn)用信號(hào)理論研究了在線評(píng)論和賣家回復(fù)分別作為市場(chǎng)信號(hào)和賣家信號(hào)對(duì)知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的影響效應(yīng)，但仍存在不足之處。首先，本文僅研究了單一知識(shí)付費(fèi)平臺(tái)，研究結(jié)論是否適用于其他平臺(tái)仍有待驗(yàn)證。其次，本文采用的是基于橫截面數(shù)據(jù)的靜態(tài)計(jì)量模型，忽視了在線評(píng)論和賣家回復(fù)影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的動(dòng)態(tài)過(guò)程。最后，在研究過(guò)程中，發(fā)現(xiàn)控制變量中存在與預(yù)期不一致的實(shí)證結(jié)果，值得進(jìn)一步探討。在未來(lái)研究中，可以采用深度訪談法揭示賣家注冊(cè)時(shí)長(zhǎng)負(fù)向影響知識(shí)付費(fèi)產(chǎn)品購(gòu)買決策的心理作用機(jī)制。