第三方在線評論對消費者網購決策影響的研究

◇王 克 周 明 朱楊依

第三方在線評論對消費者網購決策影響的研究

◇王 克 周 明 朱楊依

隨著互聯網迅速的發展與電商平臺的崛起，網絡購物成為學者們近些年來的研究方向。本文基于消費者專業性與矛盾追評的調節效應，研究了在C2C環境下的第三方在線評論對消費者網購決策的影響。運用了從眾效應理論、涉入度理論與購買決策等理論，并以在線評論數量和評論質量為自變量，信任作為中介變量，消費者網購決策作為因變量來研究第三方在線評論對消費者購買決策的影響。本文結合C2C環境下第三方在線評論的不同類型的情境，將消費者分為高專業性與低專業性，將矛盾追評程度分為高和低，檢驗不同情形下信任和網購決策的差異，得出了研究結論，指出了管理啟示與研究的不足之處，對理論與實踐都有一定的作用。

在線評論；信任；購買決策；調節

一、研究背景和文獻綜述

隨著網絡信息技術的發展，網絡口碑中的在線評論越來越受到人們的重視。Stauss[1]（2000）認為網絡口碑指消費者在某個平臺上發出的，用來表達自己情緒的交流。在線評論是網絡口碑的重要形式之一。Bickart&Schindler[2]（2001）定義在線評論為一個消費者能自主的發表個人對產品或服務意見評價的交流場所。Mudambi&Schuff[3]（2010）認為在線評論是消費者在企業或者是在第三方網站上發表的對已體驗過的產品或者服務的評價，這些評價包括對產品或服務的正面評論與負面評論以及購買后的意見感受。目前許多網站在評論方式上增加了追加評論的功能。追加評論指的是在網購交易成功后的一段時間內，消費者在初次評論后再次發表的評論。王長征[4]（2015）認為相對于初次評論來說，追加評論使得消費者的感知有用性更高，并且追加評論相對于初次評論來說具有更多的價值信息。消費者購買決策是指消費者根據自己的需求來選擇購買某個產品或服務的決策。目前關于消費者決策的理論有消費者決策七階段模型。消費者決策七階段模型包括認知問題、搜尋信息、評價備選方案、選擇與決策、使用、購買評價和處置七個部分。本文運用了消費者購買決策理論。

二、模型構建與研究設計

（一）研究假設

1.在線評論數量

作為在線評論信息結構之一的評論數量會影響消費者的購買決策。Triandis[5]（1987）認為從眾效應是個體在認知上或行動上以多數人的行為為準則，在行為上努力與之趨于一致的現象。Park&Lee[6]（2008）認為在線評論的數量會影響消費者信任與購買決策。從另一面來說，評論的數量越多，就會給消費者提供更多意見，評論的說服力會變得更強，更能夠增強其他潛在消費者的信任。

因此，本研究作出如下假設：

H1a:在線評論的數量對消費者信任有顯著的正向影響關系。

H1b：在線評論的數量對消費者購買決策有正向的影響關系。

2.在線評論質量

作為在線評論因素之一的網絡口碑質量指在線評論的真實度以及評論能被其他消費者理解的程度。Awad[7]（2008）研究證明了在線評論的質量能夠明顯地影響消費者在線信任的形成，由于匿名性是網絡環境特點之一，消費者會越來越重視在線評論的質量。宋曉兵[8]（2011）認為如果網絡口碑的信息質量高，消費者會更加相信評論，影響消費者的購買決策。反過來說，如果信息內容并不真實，沒有邏輯性，則它所體現的信息質量比較低。

因此，本研究作出如下假設：

H2a：在線評論的質量對消費者信任有正向的影響關系。

H2b：在線評論的質量對消費者購買決策有正向的影響關系。

3.信任與購買決策的關系的假設

國內外許多學者都證明了信任對消費者購買決策的影響。程秀芳[9]（2011）通過實證證明了網絡口碑對信任的正向影響與信任對消費者決策正向的影響。劉躍怡[10]（2014）研究了在線評論對消費者購買決策影響，將在線評論分為意見領袖、品牌涉入程度、評論質量、情感傾向和相似性五個維度，將信任作為中介變量，證實了信任對消費者購買決策的影響。

因此，本研究作出如下假設：

H3：信任對購買決策具有正相關關系。

4.消費者的專業性對信任的影響

消費者的專業性指消費者對于購買的產品或服務的購買經驗和熟悉度等。Park&Kim（2008）分析了在線評論對消費者的影響，認為一般普通的消費者會很重視在線評論的發布量，而被專家評論的發布量影響是非常小的。

因此，本研究作出如下假設：

H4a：消費者專業知識越低，評論數量對消費者信任的正向效應越顯著。

H4b：消費者專業知識越低，評論質量對消費者信任的正向效應越顯著。

5.矛盾性追評程度對信任的關系假設

追加評論指消費者在交易成功后的一段時間內，相對于初次評論再次發表的評論。隨著電商平臺追評系統的完善，越來越多的學者對追加評論進行了研究。本文所指的矛盾追評指的是原始評論與追加評論方向不一致的追評。Forman[11]（2008）研究認為網購中評論者正向或者負向的評論會影響消費者買不買一種產品。郝媛媛、鄒鵬、李一軍[12]（2009）研究認為在線評論中發布的帶有情感傾向的評論更加能夠影響消費者的決策。根據認知失調理論，如果矛盾追評的程度比較高，會影響消費者的信任，有矛盾追評的產品消費者對在線評論會更加信任。

因此，本研究作出如下假設：

H5a：矛盾追評程度越高，評論數量對消費者信任的正向效應越顯著。

H5b：矛盾追評程度越高，評論質量對消費者信任的正向效應越顯著。

（二）研究模型

綜上所述，模型見附圖。

附圖 在線評論對消費者網購決策影響的模型

（三）問卷設計

本文有四個自變量，一個中介變量，兩個調節變量，一個因變量。具體的問卷有兩個部分包括問卷對象的個人信息和問卷主體部分。個人信息部分一般都采用選擇的方式提出問題，主體部分的所有的選項則是采用Likert五點量表。發放的問卷總共有470份，回收416份，這其中有無效問卷13份，因此有效問卷403份，可以算出回收率約為88.5%，有效回收率為85.7%。

三、實證統計分析

（一）信度分析

根據信度分析，量表的八個維度在線評論的數量、在線評論的質量、能力、正直、友善、消費者專業性、追評矛盾性程度、購買決策的Cronbach's Alpha系數分別為0.795、0.923、0.814、0.761、0.782、0.930、0.903、0.905，均在 0.700 以上，此次調查數據具有較高的內部一致性。

（二）效度分析

調查數據的KMO檢驗值為0.900＞0.700，量表適合進行因子分析。Bartlett球度檢驗結果顯示，近似卡方值為7027.906，顯著性概率為0.000（P＜0.01），量表適合做因子分析，效度結構較好。

在因子分析過程中，采用主成分分析法，并以方差最大正交旋轉進行因子旋轉，抽取特征值大于1的公因子，結果發現公因子個數為6，且6個公因子的總方差解釋率為74.664%＞70.000%，量表的效度良好。

研究可將25個問題選項歸為6類因子，通過旋轉后的因子矩陣表，公因子“在線評論數量”下的第4個因子的因子載荷為0.399，小于0.5，予以刪除。其余每個公因子下面的因子載荷均高于0.5，問卷有較好的內容效度。其中，能力、正直、友善三個維度聚合在一個公因子下面，根據性質將三個維度合并成一個因子“信任”。

（三）相關性分析

根據相關性分析可知，在線評論數量、在線評論質量、信任與購買決策之間的相關系數分別為0.504、0.558、0.584，對應的顯著性水平均小于0.05。在線評論數量、在線評論質量與信任之間的相關系數分別為0.491、0.539，對應的顯著性水平均小于0.05。消費者專業性、追評矛盾性程度與信任之間的相關系數分別為-0.253、-0.184，對應的顯著性水平均小于0.05。下面進一步采用回歸分析進行驗證。

（四）回歸分析

1.兩個自變量與購買決策的關系檢驗

以購買決策為因變量，分別以在線評論數量、在線評論質量為自變量進行回歸分析，建立兩個回歸模型，模型1和模型2。模型1調整后R2為0.252，模型2調整后R2為0.310，自變量解釋均較高。F值分別為136.194、181.65，其顯著性概率值均小于0.05。自變量在線評論數量對因變量購買決策的標準化回歸系數為0.504，顯著性水平小于0.05，假設H1b成立。自變量在線評論質量對因變量購買決策的標準化回歸系數為0.558，顯著性水平小于0.05，假設H2b成立。

2.兩個自變量與信任的關系檢驗

以信任為因變量，分別以在線評論數量、在線評論質量為自變量進行回歸分析，建立兩個回歸模型，模型1和模型2。模型1調整后R2為0.239，模型2調整后R2為0.289，兩個自變量解釋均較高。F值分別為127.441、164.218，其顯著性概率值均小于0.05，。自變量在線評論數量對因變量信任的標準化回歸系數為0.491，顯著性水平小于0.05，假設H1a成立。自變量在線評論質量對因變量信任的標準化回歸系數為0.539，顯著性水平小于0.05，假設H2a成立。

3.信任與因變量之間的關系檢驗

以購買決策為因變量，以信任為自變量進行回歸分析，相關系數為0.584，R2為0.342，調整后R2為0.340，模型選取的自變量解釋度較高。F值為207.971，其顯著性概率值小于0.01。自變量信任對因變量購買決策的標準化回歸系數為0.584（t=14.421，p=0.000），顯著性水平小于 0.05，假設 H3成立。

4.信任的中介檢驗

以在線評論數量和信任為自變量，以購買決策為因變量，建立回歸模型1；以在線評論質量和信任為自變量，以購買決策為因變量，建立回歸模型2。模型1調整后R2為0.400，模型2調整后R2為0.422，模型選取的兩個自變量解釋均較高。F值分別為135.176、147.824，其顯著性概率值均小于0.05。在引入中介變量信任之后，自變量在線評論數量、在線評論質量對因變量購買決策的標準化回歸系數分別從之前的0.504、0.558變為現在的0.285、0.343，系數與之前相比均有所下降，但是對應的顯著性水平依然小于0.05，第一個模型中，中介變量信任對因變量購買決策的標準化回歸系數為0.444，對應的顯著性水平小于0.05，在線評論數量與信任同時對購買決策產生顯著的正向影響，信任在評論數量與購買決策之間起中介作用，并且是部分中介作用；第二個模型中，中介變量信任對因變量購買決策的標準化回歸系數為0.399，對應的顯著性水平小于0.05，在線評論質量與信任同時對購買決策產生顯著的正向影響，信任在評論質量與購買決策之間起中介作用，并且是部分中介作用。

5.消費者專業性的調節檢驗

（1）消費者專業性在在線評論數量與信任之間的調節作用

控制變量的回歸系數均不顯著。自變量在線評論數量與調節變量消費者專業性對因變量信任的標準化回歸系數分別為0.477、-0.242，對應的顯著性水平均小于0.05，在線評論數量與消費者專業性均對信任有顯著影響。自變量在線評論數量與調節變量消費者專業性對因變量信任的標準化回歸系數分別為0.481、-0.240，對應的顯著性水平仍小于0.05，交互項在線評論數量*消費者專業性對信任的標準化回歸系數為-0.150，對應的顯著性水平小于0.05，自變量與調節變量對因變量有顯著的影響，交互項對因變量同樣具有顯著的影響且是負向影響，故證明消費者專業性在在線評論數量與信任之間具有負向調節作用。假設H4a成立。

（2）消費者專業性在在線評論質量與信任之間的調節作用

自變量在線評論質量與調節變量消費者專業性對因變量信任的標準化回歸系數分別為0.515、-0.214，對應的顯著性水平均小于0.05，在線評論質量與消費者專業性均對信任有顯著影響。自變量在線評論質量與調節變量消費者專業性對因變量信任的標準化回歸系數分別為0.521、-0.206，對應的顯著性水平仍小于0.05，交互項在線評論質數量*消費者專業性對信任的標準化回歸系數為-0.091，對應的顯著性水平小于0.05，自變量與調節變量對因變量有顯著的影響，交互項對因變量同樣具有顯著的影響且是負向影響，故證明消費者專業性在在線評論質量與信任之間具有負向調節作用。故假設H4b成立。

6.追評矛盾性程度的調節檢驗

（1）追評矛盾性程度在在線評論數量與信任之間的調節作用

計算可知，控制變量的回歸系數均不顯著，控制變量對因變量信任均不產生影響，控制變量得到了較好的控制。自變量在線評論數量與調節變量追評矛盾性程度對因變量信任的標準化回歸系數分別為0.484、-0.197，對應的顯著性水平均小于0.05，在線評論數量與追評矛盾性程度均對信任有顯著影響。自變量在線評論數量與調節變量追評矛盾性程度對因變量信任的標準化回歸系數分別為0.464、-0.212，對應的顯著性水平仍小于0.05，交互項在線評論數量*追評矛盾性程度對信任的標準化回歸系數為0.115，對應的顯著性水平小于0.05，自變量與調節變量對因變量有顯著的影響，交互項對因變量同樣具有顯著的影響且是正向影響，證明追評矛盾性程度在在線評論數量與信任之間具有正向調節作用。故假設H5a成立。

（2）追評矛盾性程度在在線評論質量與信任之間的調節作用

自變量在線評論質量與調節變量追評矛盾性程度對因變量信任的標準化回歸系數分別為0.537、-0.215，對應的顯著性水平均小于0.05，在線評論質量與追評矛盾性程度均對信任有顯著影響。自變量在線評論質量與調節變量追評矛盾性程度對因變量信任的標準化回歸系數分別為0.530、-0.226，對應的顯著性水平仍小于0.05，交互項在線評論質量*追評矛盾性程度對信任的標準化回歸系數為0.180，對應的顯著性水平小于0.05，自變量與調節變量對因變量有顯著的影響，交互項對因變量同樣具有顯著的影響且是正向影響，故證明追評矛盾性程度在在線評論質量與信任之間具有正向調節作用。假設H5b成立。

四、研究結論及啟示

1.研究結論

本文主要研究了在C2C環境下的在線評論對消費者的購買決策的影響，討論了網絡評論數量和質量這兩個變量如何影響消費者信任，并將信任作為中介變量，同時把消費者的專業性與追評的矛盾程度這兩個因素作為調節變量，分析消費者的專業性與追評的矛盾程度對在線評論與信任關系之間的調節效應。通過實證研究方法證實了文中假設全部成立。

2.管理啟示

本文證明了在線評論數量和質量對消費者的購買決策有很強的影響，因此產品或服務的提供者應當鼓勵消費者進行積極正面的評論。可以給那些積極參加評論的消費者以獎勵支持。對于那些專業性程度較低的消費者來說，他們會更多去查看其他網購消費者的在線評論。矛盾追評程度的調節作用說明企業應該重視消費者的追評，具體來說就當商品或服務中有負面的追評時，賣家應當努力消除負面追評對其他潛在消費者的影響，當然，最好是能夠讓那些想負面評論的消費者放棄提交負面的評論。本文的不足之處在于本文是以評論數量和評論質量來衡量在線評論的，事實上，在線評論可以有多種方式，可以從評論者、接收者和評論內容三個方面研究在線評論。

項目編號：12YJC630322 項目名稱：《低信任營商環境下C2C網購信任機制研究-基于對高信任營商環境的比較》

[1]Stauss B.Using New Media for Customer Interaction：A Challenge for Relationship Marketing[M].Heidelberg： Springer，2000.

[2]Bickart B,Schindler R M.Internet forums as influential sources of consumer information [J].Advances in Consumer Research,2001(03).

[3]Mudambi S M,Schuff D.What makes a helpful online review?a study of customer reviews on amazon.com[J].Mis Quarterly,2010(01).

[4]王長征，何釤，王魁.網絡口碑中追加評論的有用性感知研究[J].管理科學，2015(03).

[5]Pepitone A,Triandis H C.On the Universality of Social Psychological Theories.[J].Journal of Cross-Cultural Psychology,1987(18).

[6]Lee J,Park D H,Han I.The effect of negative online consumer reviews on product attitude：An information processing view[J].Electronic Commerce Research&Applications,2008(03).

[7]Awad N,Ragowsky A.Establishing Trust in Electronic Commerce Through Online Word of Mouth：An Examination Across Genders[J].Journal of Management Information Systems,2008(04).

[8]宋曉兵，叢竹，董大海.網絡口碑對消費者產品態度的影響機理研究[J].管理學報，2011(04).

[9]程秀芳.虛擬社區網絡口碑對消費者決策行為影響研究[D].徐州：中國礦業大學，2011.

[10]劉躍怡.在線評論對消費者購買決策影響實證研究[D].南昌：江西財經大學，2014.

[11]Forman C,Ghose A,Wiesenfeld B.Examining the Relationship Between Reviews and Sales：The Role of Reviewer Identity Disclosure in Electronic Markets[J].Information Systems Research,2008(03).

[12]郝媛媛，鄒鵬，李一軍，等.基于電影面板數據的在線評論情感傾向對銷售收入影響的實證研究[J].管理評論，2009(10).

（作者單位：湖北大學商學院）

10.13999/j.cnki.scyj.2017.07.006