C2C電商平臺中在線評論偏離真實性的誘因及應對策略

王寧+宋嘉瑩+楊學成

摘要：通過建立C2C電商平臺規則下的買賣雙方不對稱信息博弈模型，刻畫不正當競爭策略中買家的評價行為，得出在線評論偏離真實性的原因：采取“好評返現”策略的賣家，獲得高質量好評帶來的銷售量增益的同時增加了買家的當前收益，導致好評數偏高；買家遭受“差評威脅”時的妥協，激勵了賣家采取“差評威脅”策略，導致差評數減少。應對策略：制定規則或法律，保護買家的人身安全，從而減少妥協率，增加賣家的威脅成本，遏制“差評威脅”的發生；制定標準化的評價內容，減少高、低質量好評造成的銷售量差額；取消默認好評機制，且“好評返現”的獎勵應由平臺給出，禁止賣家返現，從而減少虛假好評數量。

關鍵詞：在線商品評論；委托代理理論；不對稱信息博弈；不正當競爭；虛假評論

DOI：10.13956/j.ss.1001-8409.2017.04.22

中圖分類號：F713.36 文獻標識碼：A 文章編號：1001-8409（2017）04-0100-04

Abstract： This paper analyzes the incentive to deviate from the authenticity of online reviews in C2C ecommerce by establishing the asymmetric information game model between buyers and sellers in the rules of the C2C ecommerce platform and characterizing the evaluating behavior of the buyers in the unfair competition strategy. Results show that， with the high quality praise， the seller who took the strategy of ‘Praise Reward obtained sales increasing， as well as， it exacerbated the benefit of the buyer， which leads to high number of praise. When suffering from ‘Criticism Threat， the buyer often comes to terms. While such behavior inspires the seller to take the ‘Criticism Threat strategy， resulting in a decrease in the number of negative comments. The countermeasures are as follows， to protect the personal safety of the buyer by making the rules or laws， thus can reduce the buyer compromise rate， increase the threat costs of the seller， as a result， curb the ‘Criticism Threat. To make the content of comment standard， the buyer can give the standardizing comment. It can reduce the sales imbalance which caused by high and low quality praise. The default praise system should be canceled and ‘Praise Reward award should be given by the platform. At the same time， prohibit the sellers ‘Praise Reward strategy， so as to reduce the number of fake praise.

Key words：online reviews； principalagent theory； asymmetric information game； unfair competition； fake reviews

引言

在線商品評論是網絡口碑中的一種[1]，是其中最典型和有效的形式[2]。但用戶偏好[3]各異、對產品特征的敏感度[4]不同、追求個體利益[5]，賣家利用電商平臺信用評價規則的不完備[6]進行不正當競爭等原因，使在線評論的內容偏離商品真實情況。

對于在線商品評論的偏差性研究，Dellarocas首先懷疑在線商品評論的真實性和有效性[7]，提出通過用戶對評論內容進行滿意度打分，糾正偏差的方法[8]。Chen和Tseng發現網絡中存在大量評論文本直接復制、文不對題、垃圾評論、虛假評論等現象[9]。孟美任將虛假評論分為“虛”和“假”兩種類型，“虛”指垃圾評論等無意義評論，可通過垃圾評論過濾規則進行識別，例如Jindal等人通過亞馬遜的評論語庫檢測垃圾評論[10]。“假”指不包含真實內容的評論[11]，這類評論很難通過自然語言挖掘算法辨識。在沒有虛假評論時，在線商品評論呈正態分布[5]，在虛假評論下，Hu等人基于亞馬遜的評論數據進行實證研究，發現在線商品評論數據呈“J”形的雙峰分布，評論得分的均值被推高，不能真實地反映商品質量[12]，李雨潔對淘寶網的評論數據進行分析后，發現線上商品評論的分布呈非正態的近似于反“L”型分布[13]。

從評價機制分析淘寶網的評價規則，引起在線商品評論偏離真實性的原因，可歸結為“默認好評”、退貨無評價及評價分級等規則[14]，Alexei N.Nikitkov等人分析ebay的評價系統，梳理出每次規則變更下產生的評論偏差[15，16]。從評價者分析，消費者的自我選擇偏差和較強的群體意識會引起評論偏向好評。此外，由于撰寫評論需要花費買家的額外精力，只有買家對商品有強烈的情感極性[17]和存在期望的利益刺激時[18]，才會主動撰寫評價。孟美任等人從評價者的性格出發，認為即使沒有受到誘惑進行虛假評價，買家也會分為“過度寬容者”和“過度完美者”，使評論偏離客觀性[11]。從商家角度分析，其通過小禮物、“好評返現”等方式誘使買家好評，通過威脅方式讓買家刪差評、購買中介的刷好評服務等行為，使好評率偏高。但商家之間的不正當競爭也帶來大量詆毀和惡意差評[19]。本文列出引起在線商品評論偏離真實值的原因（見表1）。

對在線商品評論偏離真實性研究的梳理，已有前人做了大量工作：（1）證明在線評論偏離真實性的存在；（2）通過實證研究，給出在線評論的實際分布特征；（3）分析了各角色引起虛假評論的原因。但目前的研究還沒有從角色之間的相互作用展開討論，即買家和賣家是如何在電商系統的評價規則中進行博弈，導致在線商品評論偏離真實值。因此本文應用委托代理理論，分析在C2C電商平臺的評價規則中，買賣雙方在行動與信息不對稱下，通過追求個人效用最大化的博弈行為，引起商品評價偏離真實值的過程。

1 模型的構建與行為分析

C2C電商平臺通過建立公平有效的信用評價規則，實現買賣雙方的效用最大化[20]。本研究基于淘寶網的信用評價規則[21]，建立買賣雙方在不對稱信息下的委托代理模型。

1.1 模型的分析與假設

假設買賣雙方是理性的經濟人，市場行為決定雙方都會最大化自己的支付函數。對于賣家，高質量好評數記為g，較為中性的[22]或未達到賣家“好評返現”要求的低質量好評數記為m，差評數記為b，并記F（g）、G（m）、T（b）分別為g、m、b對銷售量的影響函數。高質量好評的有用性大于低質量好評[23，24]，而差評對買家行為的影響更顯著，即g、m、b相等時，T（b）>F（g）>G（m），改差評需要成本，設t是賣家對差評買家威脅的成本。c是賣家提供的返現金額，由于部分賣家已將返現算入產品成本，因此用函數W（c）表示c對于賣家的成本函數。威脅成本往往大于返現成本，即t>W（c），其中F（g）、G（m）、T（b）、W（c）分別是g、m、b、c的單調增函數，且有g≥0、F（g）>0、m≥0、G（m）>0、b≥0、T（b）>0、c≥0、W（c）>0。

對于買家，用函數Q（c）表示返現金額c的效用。函數Y（t）表示買家給予差評，受到賣家威脅依然保持差評的擔心和恐懼心理效用。買家需要耗費精力撰寫評論，當買家對商品有強烈的情感極性，才會主動評價[17]，其抒發情感的心理效用記為s，買家因威脅而違心將差評改好評產生的自責心理效用，記為p，買家為編寫符合賣家返現要求的好評，花費的時間精力，記為h，其中Q（c）、Y（t）分別是c、t的單調增函數，且有s≥0、p≥0、h≥0、Q（c）>0、Y（t）>0。

不確定行為用概率表示，α是買家好評概率，β是賣家提供好評返現概率，γ是賣家威脅買家將差評改好評概率，δ是買家收到威脅后將差評改成好評概率，其中0≤α，β，γ，δ≤1。

1.2 在線商品評價中買賣雙方的委托代理模型

影響評論的因素有買家對商品的滿意程度，商家“好評返現”或“差評威脅”的激勵程度，默認好評機制。根據事件發生的順序，有以下5種情形：

（1）買家給予好評，賣家返現。買家與賣家的支付函數分別是：s+Q（c）-h、F（g）-W（c）。（2）買家給予好評，賣家不返現。支付函數分別是：s、G（m）。（3）買家給予差評，賣家威脅，買家改成好評。支付函數分別是：-p、F（g）-t。（4）買家給予差評，賣家威脅，買家保持差評。支付函數分別是：-Y（t）+s、-T（b）-t。（5）買家給予差評，賣家不威脅。支付函數分別是：s、-T（b）。建立博弈樹模型，如圖1所示。

2 模型的求解與結論

模型采用博弈的擴展式，在博弈過程中，每一個子博弈的歷史結果和雙方的支付函數對參與人買家A和賣家S都是共同知識，求解過程屬于完全且完美信息的動態博弈，采用逆推歸納法進行推演。

2.1 賣家行為分析

命題1：買家給予“差評”后，如果賣家的威脅成本與好評數量和差評數量帶來的銷售量變動之和的比大于買家好評概率，則賣家的策略是“不威脅”；反之則采取“威脅”策略。

證明：當買家和賣家的策略分別是“差評”和“威脅”，賣家的期望支付ES=δ[F（g）+T（b）]-T（b）-t，由ESδ=F（g）+T（b）≥0，ES是δ的增函數，說明賣家采取威脅策略時，買家改好評概率越大，賣家收益越大。賣家預期買家會因威脅改好評時，就會采取威脅策略。當買家和賣家的策略分別是“差評”和“不威脅”，賣家期望支付ES=-T（b），當賣家采取“不威脅”策略的期望支付大于采取“威脅”策略的期望支付時，ES（γ=0）≥ES（γ=1），得到tF（g）+T（b）≥δ。說明賣家認為威脅的成本較高，或認為偶爾的差評不足以對銷售量產生影響，或好評呈現邊際遞減的趨勢，多一個好評并不會帶來銷售量的大量增加，因此不采取威脅的方式。

命題2：買家的策略是“改成好評”，如果賣家對買家威脅的成本等于好評和差評數量引起的銷售量變化之和，則無論賣家選擇“威脅”與否都不能改變賣家的收益，-T（b）或F（g）-t；如果賣家威脅的成本大于好評和差評數量引起的銷售量變化之和時，賣家的收益隨著采取威脅概率的增大而增大，此時賣家會選擇“威脅”，最大收益F（g）-t；反之賣家的收益隨著采取威脅概率的增大而減小，此時賣家會選擇“不威脅”，最大收益-T（b）。

證明：買家的策略“改成好評”需要滿足-p>-Y（t）+s，賣家期望效用ES=γT（b）+F（g）-t-T（b），其中ESγ=T（b）+F（g）-t，當T（b）+F（g）=t時，ES與γ無關，T（b）+F（g）>t時，ES是γ的增函數，反之ES是γ的減函數。

命題3：如果買家的策略是“保持差評”，則賣家的策略是“不威脅”。

證明：買家的策略是“保持差評”需要滿足條件-p<-Y（t）+s，賣家的期望效用ES=-T（b）-γt，其中ESγ=-t，-t<0，ES是γ的減函數，γ越小賣家的期望效用越大，因此賣家選擇“不威脅”是最優策略。“威脅，保持差評”是弱貫序均衡，不會出現在博弈的均衡結果集中。

2.2 買家行為分析

命題4：如果買家感到返現金額的效用大于寫高質量好評耗費的精力和時間時，則會受到“好評返現”的激勵，寫出高質量好評；反之，則不會受到“好評返現”的影響。

證明：在賣家行為不確定時買家選擇好評，買家期望收益EA=β[Q（c）-h]+s，由EAβ=Q（c）-h，當Q（c）>h，EA是β的增函數，買家期望賣家“好評返現”，并會寫高質量好評獲得返現，即β=1時得到最大收益Q（c）-h+s。當Q（c）=h時，EA與β無關，賣家提供好評返現與否都不影響買家收益，買家會給予客觀的評價。同時存在部分買家不評價，系統默認好評。當Q（c）

命題5：賣家的策略集是“返現”和“威脅”，買家的策略集是“改成好評”時，如果買家認為寫高質量好評所花費的精力和時間小于對產品情緒的自然抒發產生的快樂、賣家返現的效用、受到威脅后違心修改差評的自責之和時，則給予好評的概率α越大，自身的收益越大，此時，就會給予好評，使α=1；同時，買家給予好評的概率α越大，賣家的收益越大。

3 “好評返現”和“差評威脅”策略產生的效用

“好評返現”策略實施的前提：一是高質量好評產生的銷售量增益大于賣家的返現成本，即F（g）-G（m）>W（c）；二是保證買家參與，要求Q（c）>h，賣家給予返現的效用大于買家撰寫高質量評論所花費的精力。變量關系如圖2所示。對于相同的返現金額，賣家的成本小于買家的效用，即W（c）

“差評威脅”策略實施的前提：一是買家改好評的效用大于保持差評的效用，即-p>-Y（t）+s；二是賣家“威脅”的效用比“不威脅”大，即F（g）-t>-T（b）。此時，賣家的收益是F（g）-t+T（b）>0，買家的收益是-p-s<0，二者的總收益是F（g）+T（b）-p-s-t，變量關系如圖3所示。“差評威脅”活動使買家效用為負，賣家效用為正，隨著威脅的成本t逐漸增大，賣家效用也會減小，導致“差評威脅”逐漸消失。說明加強對“差評威脅”的懲罰力度，提高賣家“差評威脅”的成本，就能遏制這種現象的發生。

4 結論與建議

通過分析C2C平臺中買賣雙方的博弈行為，得出在線評論偏離真實性的誘因：（1）高質量好評產生的銷售量增益較高，而換取高質量好評的返現成本通常較低，賣家為最大化自身效用會采取“好評返現”策略。同時對于時間和精力充沛，違心改好評后自責較少的買家，較低的返現金額就可以使其給出高質量好評。“好評返現”的出現，同時增加了買賣雙方的當前收益，因此在網店中“好評返現”出現的頻率很高，導致在線評論整體打分偏高。（2）買家遭受威脅時，有很大概率選擇妥協，而妥協的概率越大，賣家采取“威脅”的概率就越大。而差評對賣家的銷售量有很大影響，一些賣家寧愿冒風險也會采取“威脅”策略。同時買家估計到賣家采取“威脅”策略的概率越大，給出差評的概率就越小，因此“差評威脅”策略使得差評數量明顯減少。

減少“好評返現”和“差評威脅”現象，能夠在一定程度上糾正評論偏差，給出建議如下：（1）電商平臺應給予買家舉報威脅的權利，或國家出臺相關法律，使買家不害怕威脅，堅持自己的評價原則，同時應對采用威脅手段改好評的賣家進行嚴厲懲罰，使賣家的威脅成本增加。（2）平臺將評價的內容標準化，給定規范的描述指標，使高、低質量好評對銷售量的影響差別減小，增加寫高質量評論的時間和精力，使賣家進行“好評返現”的收益減小。（3）取消系統默認好評，禁止賣家的“好評返現”活動，同時應由平臺將獎勵給予高質量評論的買家。

參考文獻：

[1]Chevalier J A M D. The Effect of Word of Mouth on Sales： Online Book Reviews [J]. Journal of Marketing Research，2006， 43（3）： 345-354.

[2]Picazo-Vela S C S Y M. Why Provide an Online Review？ An Extended Theory of Planned Behavior and the Role of Big-Five Personality Traits [J]. Computers in Human Behavior， 2010， 26（4）： 685-696.

[3]王洪偉，王偉. 特征觀點對購買意愿的影響：在線評論的情感分析方法[J]. 系統工程理論與實踐，2015. 35（1）：1-14.

[4]王偉，王洪偉，孟園. 協同過濾推薦算法研究：考慮在線評論情感傾向[J]. 系統工程理論與實踐，2014（12）： 3238-3249.

[5]Li X， Hitt L M. Self-Selection and Information Role of Online Product Reviews [J]. Information Systems Research，2008， 19（4）： 456-474.

[6]彭惠，王永瑞. C2C電子商務市場整體賣家信用分布研究[J]. 情報雜志，2012（5）： 122-127.

[7]Dellarocas C. The Digitization of Word of Mouth： Promise and Challenges of Online Feedback Mechanisms [J]. Management Science，2003， 49（10）： 1407-1424.

[8]Dellarocas C， Wood C A. The Sound of Silence in Online Feedback： Estimating Trading Risks in the Presence of Reporting Bias [J]. Management Science，2008， 54（3）： 460-476.

[9]Chen C C T Y. Quality Evaluation of Product Reviews Using an Information Quality Framework [J]. Decision Support Systems，2011， 50（4）： 755-768.

[10]Jindal N L B. Review Spam Detection[C]. Proceedings of the 16th International Conference on World Wide Web. New York， NY， USA： ACM， 2007.

[11]孟美任，丁晟春. 虛假商品評論信息發布者行為動機分析[J].情報科學， 2013（10）： 100-104.

[12]Hu N， Zhang J， Pavlou P A. Overcoming the J-Shaped Distribution of Product Reviews [J]. Communications of the ACM，2009， 52（10）： 144.

[13]李雨潔，廖成林，于輝. 線上商品評論反“L”型分布的偏差與糾正[J]. 統計研究， 2013（4）： 46-51.

[14]李雨潔，廖成林，李憶. 消費者個體行為偏好對在線評論真實性的影響機理研究[J]. 軟科學， 2015（1） ： 105-109.

[15]Nikitkov A N， Stone D N， Miller T C. Internal Controls， Routine Activity Theory （RAT）， and Sustained Online Auction Deception： A Longitudinal Analysis[J]. Journal of Information Systems， 2014， 28（1）： 311-337.

[16]Bauerly R J. Online Auction Fraud and Ebay [J]. Marketing Management Journal， 2009（Spring）： 133-143.

[17]張曉飛，董大海. 網絡口碑傳播機制研究述評[J]. 管理評論， 2011（2）： 88-92.

[18]Hennig-Thurau T G K P W. Electronic Word-of-Mouth via Consumer-Opinion Platforms： What Motivates Consumers to Articulate Themselves on the Internet？[J]. Journal of Interactive Marketing， 2004， 18（1）： 38-52.

[19]陳燕方，婁策群. 在線商品虛假評論形成路徑研究[J]. 現代情報， 2015（1）： 49-53.

[20]周梅華，李佩镅，牟宇鵬. 在線評論對消費者購買意愿的影響——心理距離的中介作用[J]. 軟科學， 2015（1） ： 101-104.

[21]苗苗，李晴雯. C2C電子商務中交易雙方的博弈模型分析[J]. 統計與決策， 2012（8）： 182-185.

[22]陸海霞，吳小丁，蘇立勛. 差評真的那么可怕嗎？——負面線上評論對消費者購買行為的影響研究[J]. 北京社會科學， 2014（5）： 106-114.

[23]李琪，梁妮. 在線評論中產品評論和服務評論的感知有用性差異研究[J]. 軟科學， 2015（10） ： 101-104.

[24]閆強，孟躍. 在線評論的感知有用性影響因素——基于在線影評的實證研究[J].中國管理科學， 2013（S1）：126-131.

（責任編輯：秦 穎）