網絡信息爆炸時代消費行為決策的公眾評價效應分析
——以大眾點評為例

劉姍姍，游健強，史家朋,周欣宇

(1.河南科技大學 經濟學院，河南 洛陽 471000；2.黃河科技學院，河南 鄭州 450063)

中國互聯網絡信息中心(CNNIC)發布的第47次《中國互聯網絡發展狀況統計報告》顯示,截至2020年12月，我國網民規模達9.89億，互聯網普及率達70.4%。其中手機網民規模達9.86億，且網民使用手機上網的比例達99.7%。網絡信息的爆炸使消費者行為決策也發生了轉變。2020年中國網絡購物市場研究報告顯示，影響消費者決策的最主要因素是產品的網絡口碑，選擇該用戶的占比高達71.1%；其次是網站/商家信譽，用戶占比62.3%。同時，網民群體整體偏向年輕化，“80后”和“90后”是網絡消費的主力軍，并熱衷于在平臺上分享自己的評價，同時這也幫助其他消費者做出購買決策。而本地生活服務O2O平臺可以使消費者在手機上迅速高效的搜尋商家和評價等多方面的信息，提高購買時的決策效率。

國內外學者對網絡口碑的相關研究起步較早，并隨著近些年消費者對網絡信息依賴的加深研究內容更全面，主要包括點評數量和質量、點評評分、點評時效性、負面點評、商家的團購活動以及平臺傳播特征對消費者購買意向和行為決策產生的影響上。Hyunmi認為高質量的口碑評價可以幫助消費者在決策過程找到有用的信息，提高在線評論的有用性[1]。Bailey認為注重點評的時效性可以幫助消費者了解產品的信息，從而幫助消費者做出購買決策[2]。孫艷鳳通過實證分析發現相對于正面網絡口碑，負面網絡口碑更容易引起關注，并會對消費者最終決策產生巨大影響[3]；鄭婷通過回歸分析證明負面口碑內容負面程度越強烈，并隨著口碑數量的增多，消費者接受的負面情緒就越多，產品轉換意愿就更強[4]。

總體來說，國內外學者都注重研究網絡口碑的數量、評分以及負面口碑對消費者意向以及購買決策的影響，并且其研究也通過大量實證分析得到證實。但對于網絡口碑的質量和商家信用研究的較少。基于此，文章以本地生活服務O2O平臺為研究對象，重點更多地放在商家的信用和人氣以及各點評因素對消費者決策行為的影響程度上，以豐富現有的研究。

1 研究設計

1.1 計量模型設定

通過建立多結構方程模型探究公眾評價對消費者行為決策的影響因素。根據問卷調查收集的調查對象相關數據，采取多元線性回歸的分析方法利用SPSS 26.0統計軟件進行實證分析，以證實本地生活服務O2O平臺中各變量對消費者消費行為的影響程度。具體的模型表示如下：

Y=β0+β1X1+β2X2+…+β16X16+ε0

其中：β0為常數項；ε0為隨機誤差；β1、β2、…、β16表示在其他被解釋變量保持不變的前提下，X1、X2、…、X16每變動一個單位所引起的解釋變量的變化量。

1.2 調查問卷設計

通過閱讀和整理國內外先前的相關文獻問卷，并結合文中研究模型中所選取變量確定問卷的選項設置，設計相關調查問卷用以量化消費者行為決策。問卷主要分為兩部分：第一部分為被調查者的基本情況，包括性別、年齡、大眾點評App使用頻率等基本信息，該部分數據是描述性統計分析基礎；第二部分是研究的重點，反應公眾評價情況，主要包括點評數量、點評質量、點評時效性、點評者信用度、點評類平臺可信度以及負面點評數量6個方面，具體指標如表1所示。本部分采用李克特無計量表進行測量，影響程度從小到大依次為1分～5分，力求從商家、消費者、大眾點評平臺3個維度全方面分析各變量對消費者決策行為的影響程度。

在問卷星平臺生成鏈接后，在微信、QQ群、微博超話等社交平臺進行發放。問卷發放歷時半個月，共獲得190份問卷。在對答卷用時過短以及缺乏參考性的無效問卷進行剔除后，獲得了188份有效問卷，問卷有效率達98.9%。

表1 公眾評價具體測評指標

2 實證分析

2.1 數據的信度檢驗與效度檢驗

整體標準化后的α信度系數為0.882，位于高信度區間，問卷設計的可靠性較強。根據刪除項后的克隆巴赫信度系數可以看出，自變量“附帶服務”為0.884，>0.882，因此該變量與其他變量之間的相關性較低。為了增強整體問卷的可信度，則刪除此變量。其他變量均<0.882，由此可見樣本具有較好的可信度。

為了盡量確保問卷調查的正確性和有效性，通過SPSS 26.0版本運用探索性因子分析方法進行效度分析，KMO檢驗的系數結果為0.858。由于KMO檢驗的系數取值范圍在0～1之間，越接近1問卷設計的效度越好，因此本次問卷設計的效度較好。此外，根據球形檢驗的顯著性也可以看出本次檢驗的顯著性無限接近于0，說明測量結果能較好反映出本文研究的主要內容。

2.2 模型修正與回歸結果

由于本次模型中選取的自變量個數太多，并且某些變量間的相關性較低，直接運用輸入法進行多元線性回歸分析的結果不顯著，因此本次采取步進法進行多元線性回歸分析。筆者采取步進法共剔除了12個自變量，最終只有點評數量(X1)、點評者信用度(X4)、點評類平臺可信度(X5)和人氣高低(X8)4個自變量與因變量Y之間存在顯著的多元線性關系。方程修正為：

Y=β0+β1X1+β4X4+β5X5+β8X8+ε0

模型回歸結果如表2所示，調整后R2為0.329，由于R2的取值范圍在0～1之間，越接近1，說明模型的擬合效果越好。因此，該模型的擬合效果一般，這可能與問卷發放均在網絡上進行導致相當部分調查對象填寫問卷不認真有關。若模型各變量的方差膨脹因子VIF的值都小于3，則說明模型不存在多重共線性問題。由于本次分析結果的各變量VIF取值分別為1.103、1.389、1.253和1.291，取值均小于3，則該模型不存在多重共線性問題，回歸效果較好。

2.3 回歸結果分析

由回歸分析結果可知，點評數量對消費者行為的影響程度呈正相關，即點評數量越多，消費者會愿意關注點評數量更多的商家，因此本地生活服務O2O平臺對消費者消費時的影響程度也會越大。具體為在其他變量保持不變時，點評數量每增加一單位，平臺對消費者行為的影響程度就會增加0.117個單位。

表2 模型回歸結果

但從數據中可以看出，其影響程度與其他3個自變量相比是最小的。

點評者信用度對消費者行為的影響程度之間呈負相關，即點評者信用度越低，則商戶上的消費者評價越不具備真實性。因此，消費者在點評類平臺上接收的點評信息越魚龍混雜，這些缺乏真實的信息對消費者購買行為的影響程度就越大。

平臺可信度對消費者行為的影響程度呈正相關，且在4個自變量中與因變量Y的相關性最強，即當其他變量保持不變時，平臺可信度(X5)每增加一個單位，因變量Y就增加0.548個單位。這意味著平臺可信度越高，消費者對整個平臺的信任傾向越強，從而對平臺上各種團購活動購買意愿就越強，相應地平臺對消費者消費的影響程度就越大。

人氣高低對消費者行為的影響程度呈正相關，且商家人氣每增加一個單位，則平臺對消費者行為的影響程度就會增加0.222個單位。這意味著商家在平臺上的人氣越高，消費者在消費中的購買意愿就會越強，相應地對消費者影響程度就會越大。但人氣高低與先前文獻中所使用的變量網絡口碑評分有一些區別，商家人氣高低除了反映了點評評分之外，更強調商家受消費者關注的程度，比如那些評價較差但在網絡爆火的商家反而對消費者影響較大。

3 結論與對策

筆者以網絡消費為研究對象，利用問卷數據分析消費者行為決策的公眾評價效應，通過實證分析，得出以下結論：①點評數量、平臺可信度以及人氣正向影響消費者行為的決策；②點評者信用度負向影響消費者行為決策。

從商家、本地生活服務O2O平臺2個角度出發，提出以下建議。

3.1 提升本地生活服務O2O平臺的可靠性

提升平臺可信度有利于增加消費者對整個平臺的信任程度。由前文的分析結果可知，點評類平臺可信度與消費者消費行為之間呈現顯著的正相關關系。平臺必須保護消費者隱私，在定位服務中嚴格保護消費者的私人信息，防止信息泄露問題打擊消費者的信心。另外，平臺需要提升商家投放廣告的審核標準，盡量減少虛假廣告現象出現。平臺需要給消費者提供更實際的滿減等團購活動，增加平臺上用戶的黏性，從而更加信任其平臺。

3.2 注重提升商家的知名度

提升商家在平臺上的知名度，有利于增加消費者對其產品的關注度，從而增加其消費意愿。由前文分析可知，商家的人氣高低與點評數量和質量、點評者信用度、點評時效性、評價好壞、服務質量、環境優劣和大眾點評星級均存在中等程度的正相關關系。因此，商家應該提高服務質量和環境，提升顧客購買產品的體驗，從而提高其對該商家點評評分，以更好的網絡口碑吸引更多消費者。另外，開展一些真實且折扣力度較大的優惠活動，引導消費者在平臺上進行反饋。