负面在线评论对消费者购买行为影响的实证分析与对策研究,*

赵霜妍，成 越，张言彩

(1.苏州农业职业技术学院 经济管理学院，江苏 苏州 215008；
2.江苏灌云经济开发区实验学校，江苏 连云港 222299；
3.淮阴师范学院 经济与管理学院，江苏 淮安 223300)

中国互联网络信息中心发布的第46次《中国互联网络发展状况统计报告》显示，截至2020年6月，我国网络购物用户规模达7.49亿。面临新冠肺炎的严峻挑战，我国网络购物市场为支撑消费增长、打通国内经济循环提供了有力支撑，其中跨境电商、电商直播等新模式、新业态为带动消费回流提供了坚实助力。

当前，网络购物的商家与消费者之间信息交流的不对称性，使得消费者不能直接接触到商品，只能通过其他渠道了解商品的属性和性能。作为一种特殊的网络口碑形式，在线评论是消费者用于衡量商品质量的重要渠道。由于互联网信息的匿名性，许多消费者愿意在平台上发布自己真实的购物感受。其中，负面评论中大量客观真实的有效信息能够帮助消费者全面对比产品的优劣，对消费者做出购买决策的参考价值尤为显著。

然而，目前在线商品的评论制度和管理机制还存在缺陷，容易出现评论信息数量过载、商家雇佣“专业人士”发布虚假评论以及恶意攻击竞争对手等现象，使消费者无法分辨混杂的评论信息，扭曲了正常信息对用户决策的参考意义，对消费造成负面影响，进而引发信任危机。

因此，笔者拟探究负面在线评论各维度与产品销量的效应，以期增强对消费者购买行为的预测能力，为相关企业预防和解决负面在线评论的负面效应提出建议。

作为影响消费者购买决策的重要信息来源，在线商品评论具有速度快、范围广、传播力度大、影响力强等特征，受到学术界的广泛关注。在线商品评论大致被分为正面评论和负面评论。相较于正面评论，负面评论更能为消费者做出购买决策、为商家改进商品服务质量提供真实可靠的依据。关于负面在线评论的定义，虽然国内外学者提出了不同的看法，但在本质上具有共同之处，主要表现在以下三个方面：一是负面在线评论大都是由消费者某次购买到不满意的产品和服务的体验经历引起的；
二是负面在线评论的主要目的既是宣泄自己的负面情绪，也是劝阻他人不要购买该产品或服务；
三是负面在线评论的表达形式不仅包括文字，还包括图片、视频等。有鉴于此，负面在线评论可以定义为“消费者通过网络平台，将自己不满意的产品或服务的体验，以文字、视频、图片等形式表达出来，以供其他消费者参考”[1]。目前，国内外已有文献从不同视角研究负面在线评论对消费者购买行为的影响。

1.负面在线评论对消费者购买意愿的影响

学者们认为负面在线评论对消费者的购买意愿具有一定的影响。李宝库等采用实验研究方法证明了负面在线评论从产品质量和服务水平两个方面负向影响消费者购买意愿，且体验型商品受质量评论影响更强。[2]王阳等根据精细处理可能性模型(ELM)构建结构模型，抓取负面评论信息的特征因素，证明负面情感倾向、评论时效性、感知风险对潜在消费者购买意愿均有显著影响；
而消费者动机性只对感知风险和购买意愿间关系调节效应显著，说明潜在消费者对商品的需求性越强，对负面评论信息的感知风险越敏感。[3]普纳维拉万(Purnawirawan)等证明网络评论的比例和展示顺序会对消费者的品牌评估和购买意愿造成影响。[4]陈睿结合消费者决策理论、归因理论、前景理论等，利用中介作用进一步解释负面在线评论比例是如何对消费者购买意愿产生影响的，并建议电子商务经营者应重视消费者的负面在线评论，尽量降低负面口碑比例。[5]

部分学者探究了品牌认知和信任的中介作用。张金鑫等以天猫、京东品牌运动鞋购买者为调查对象，结合从众理论、归因理论和社会认同理论进行研究，发现评论数量、内容质量、评论者资信度以及评论强度都对网络购买行为有显著的负向影响，消费者品牌认同在其中有显著的调节作用。[6]黄华等基于技术接受模型将品牌认同作为调节变量，构建了负面在线评论长度、质量、数量、时效性四个维度对消费者购买意愿影响的正向传导机制。[1]

还有学者具体探讨了负面在线评论对产品销量的影响。李爱国等基于商家回复视角分析在线负面评论对体验型产品销量的影响，证明负面评论者专业度、负面评论内容评分显著影响体验型产品销量，商家即时回复、敷衍型回复对负面评论内容评分与体验型产品销量关系的调节作用显著。[7]兰桂铖等运用面板向量自回归模型证实淘宝网在线评论与产品销量之间存在动态交互影响，在线评论的数量、追加评论数量、图片数量与产品销量相互促进，而负面点评标签占比与产品销量相互抑制。[8]杨扬以格瓦拉网上电影评论为样本面板数据，对网络口碑和电影票房收入的关系进行实证分析，发现评论数量显著正向影响票房收入，影响效应随时间呈现抛物线的变化趋势。[9]

2.负面在线评论对消费者感知有用性的影响

有学者通过构建方程探究负面在线评论有用性的影响作用。沈玉志等以京东商城商品在线负面评论为对象，从内容质量、互动性和内容形式三个维度进行多元回归分析，证明极端负评、商品类型、评论字数、图片视频数量和商家回复都显著正向影响负面评论有用性，而发布者等级和有用性呈负相关关系。[10]田依林等将研究对象划分为搜索型商品和体验型商品的负面评论，通过分层回归模型证明：对于搜索型商品，评论等级、回复次数和评论长度等影响因素的有用性显著；
而对于体验型商品，评论中附加图片、详尽客观的描述能够促使消费者做出购买决策。[11]蔡淑琴等利用线性回归方法从负面情感强度的角度对负面在线评论有用性的影响进行研究，结果表明，中等强度的负面情感能够提升负面评论有用性，强负面情感反而会降低负面评论的有用性。[12]

还有学者研究了负面在线评论对消费者感知风险的影响。张亚明等结合“刺激-机体-反应”(Stimulus-Organism-Response, SOR)理论从负面评论信息特征、商家的卖家服务评级系统(Detail Seller Rating, DSR)服务特征和消费者个人因素特征三个维度出发，构建消费者感知风险模型，研究发现商家DSR服务、消费者性格特征和负面在线评论分别显著正向影响服务感知风险、社会感知风险和心理感知风险。[13]

3.负面在线评论中消费者的情感倾向和态度

负面在线评论中消费者的情感倾向和矛盾态度也是学者们研究的重要方向。刘鲁川等利用情景模拟实验，验证了负面在线评论的情感强度不同对消费者态度的影响程度也不同，其中，消费者态度在中等情感强度的负面评论下改变最大，在弱情感强度的负面评论下没有显著改变。[14]徐鹏以酒店的负面在线评论为研究对象，从评论情感特征的角度证明了负面在线评论情感强度对消费者的购买意愿有显著的负面影响，接收者专业程度在其中发挥调节作用，弥补了信息的不对称性。[15]郝媛媛等以电影行业为背景，基于面板数据环境研究了不同情感倾向的影评对电影票房收入不同阶段的影响。结果证明，仅在电影发布后第3周，在线影评的情感倾向对电影票房收入的影响显著，且超过在线影评数量的影响，其中极端好评的正向影响大于极端差评的负向影响。[16]

综上所述，负面在线评论的突出影响力在已有相关研究中得到了证实。研究内容方面，主要借助负面在线评论对消费者购买意愿和感知有用性的影响来研究消费者行为，而较少直接研究负面评论对消费者购买行为的影响。多数研究只是探讨负面评论的影响维度，虽然有部分学者发现负面评论比例对消费者购买行为的确存在显著影响，但并未对具体影响机制进行分析。研究方法方面，多元线性回归方法被广泛采纳，可以应用于负面在线评论的实证研究。基于此，笔者选取淘宝购物平台部分品牌在线商品的负面评论为研究对象，构建多元线性回归方程，研究在线评论特征因素的负面占比对消费者购买行为的影响，通过实证分析来验证各变量对消费者购买行为是否具有显著影响，以期为淘宝电商平台运营监管和商家制订评论营销策略提供对策建议。

1.负面在线评论对消费者购买行为的影响

在互联网环境中，在线评论信息是所有消费者行为的综合结果。在线评论系统包含大量的评论信息，负面在线评论可以帮助用户高效地识别和过滤信息，剔除质量不高、服务性不佳的商品，对消费者的购买动机产生显著的负面影响。[8]此外，负面网络评论的数量、质量、所占比例都会影响消费者的网络购买决策。[17]因此，笔者提出如下假设：

H1：在线评论数量对消费者购买行为有显著正向影响；

H2：负面在线评论占比对消费者购买行为有显著负向影响。

2.评论区图片数量对消费者购买行为的影响

随着在线评论系统的完善，消费者可以在评论中添加图片，从而更加精准地描述商品的属性和功效。消费者在发表评论时即时拍摄的图片能更客观地反映产品或服务的真实情况，减少消费者的购物疑虑。[18]在一定的阈值区域内，图片数量越多，反映的商品信息量越大，越能激发消费者的购买欲望，促进商品的销量，而负面的图片评论有助于消费者更精准地剔除无用商品。因此，笔者提出如下假设：

H3:图片数量对消费者购买行为有显著正向影响；

H4:负面图片数量占比对消费者购买行为有显著负向影响。

3.追加评论数量对消费者购买行为的影响

追加评论是指消费者在电子商务平台成功完成交易且在初次评论后的一定时间内对所购买的商品再次进行补充评论。[10]浏览者在阅读商品评论时经常把初次评论和追加评论作为一个整体来感知，追加评论包含了消费者使用商品后的真实感想和意见反馈，具有更高的参考价值。有研究指出，如果初评和追评的情感倾向都为负向，消费者感知到的负面评论的可信度和有用性更高，对潜在消费者做出购买决策的影响也更显著。因此，笔者提出如下假设：

H5:追加评论数量对消费者购买行为有显著正向影响；

H6：负面追加评论数量占比对消费者购买行为具有显著负向影响。

4.商家回复数量对消费者购买行为的影响

在线评论机制中的评论回复功能提升了消费者的参与度，使用户能更深入地了解商家对负面评论内容做出的解释。[11]商家针对高质量的负面评论做出合理的解释，既可以降低顾客的负面情绪，增加与顾客的互动性，加强店铺的正面形象和顾客黏性，又能够引导浏览者信息接收和选择的认知过程，取代负面在线评论的负面效应。因此，笔者提出如下假设：

H7:商家回复数量对消费者购买行为有显著正向影响；

H8：商家回复负评占比对消费者购买行为有显著正向影响。

1.研究对象

在线销售产品可以分为体验型和搜索型两类。其中，搜索型产品是指消费者在购买之前可以通过搜索相关信息参数来确定质量的产品，一般功能性产品通常都属于这个范畴；
体验型产品则是指在购买之后通过个性化使用和主观感受才能得出质量结论的产品。多数学者通常会聚焦于某一产品类型进行研究，以避免商品之间的差异化影响。对比购买搜索型产品的消费者，购买体验型产品的消费者会更加频繁地使用网络获取产品信息，并且更倾向接受网络口碑。[19]基于此，本研究集中分析体验型商品的评论情况。

2.数据获取及处理

典型的体验型商品包括电影、服饰、化妆品、图书、酒水、零食等。因此，本研究以淘宝网为实证数据的采集平台，选取这六类消费者购买较多的体验型商品，并从中分别挑选三个同类型的竞争品牌作为对比，对样本商品持续观察一周以避免因频繁上下架或其他异常现象造成样本数据波动过大，剔除不符合要求的商品类型，最终确定零食、美妆、个护三类商品为代表样本。然后从产品销售页面获取样本商品的销量数据和在线评论数据，记录每个样本商品的名称、价格、当日折扣活动、已售出数量、收藏宝贝人数、库存数量、评论的数量、好中差评论、追加评论、图片视频数量和商家回复数量等相关信息。记录数据时，一方面对原始数据进行预处理，删除重复的评论，避免刷单的影响；
另一方面删除无效评论(“此用户未进行评价”)。

每天8:00—10:00时间段记录每日商品销量数据，与前一日记录数据的差即为当日销量。数据采集时间为2021年3月21日—4月9日，其间共记录23 973条有效评论(见表1)。

表1 商品信息

对每天评论中各变量因素进行统计，整理出180条数据。为考察负面在线评论对消费者购买行为的动态影响，将记录的数据和方程模型涉及的影响变量进行统计和量化，通过负面在线评论各影响因素的绝对值和相对值占比测量其对消费者购买行为的影响程度。

3.研究变量

本研究模型共涉及1个因变量和8个自变量(见表2)，并据此构建多元线性回归方程。消费者购买行为的主要判别标准体现为已购买该商品[20]，所以笔者选择商品日销售量作为消费者购买行为的依据。

由表3可知，从标准差来看，不同商品的日销售量之间有较大的差异，最多的达到10 124，最少的为121；
在线评论数量、图片数量、追加评论数量和商家回复数量也存在一定的差异，但不同产品的负面在线评论占比、负面图片评论占比、负面追加评论占比、商家回复负评占比的差异较小。从偏度和峰度来看，负面图片占比、追加评论数量和商家回复数量的数据陡峭程度较高。综合标准差、偏度、峰度指标来看，各品牌产品间负面在线评论占比的差异较小。

表2 变量解释表

表3 描述性统计分析(N=180)

本研究利用Pearson简单相关系数法对变量的相关性进行分析。由表4可知，在线评论数量、负面在线评论占比、商家回复数量与商品日销量存在较为显著的正向相关关系；
图片数量、负面图片占比、追加评论数量、商家回复负评占比与商品日销量存在正向相关关系；
负面追加评论占比与销量存在负向相关关系。另外，各变量之间的相关系数都小于0.8，表明自变量之间不存在较强的相关关系，可以对全部变量进行回归分析。

表4 变量系数相关矩阵

1.多元回归方程的建立

根据上文提出的假设，以在线评论数量(X1)、负面在线评论占比(X2)、图片数量(X3)、负面图片占比(X4)、追加评论数量(X5)、负面追加评论占比(X6)、商家回复数量(X7)、商家回复负评占比(X8)为自变量，商品日销售量(Y)为因变量，建立多元线性回归方程

y=a0+a1X1+a2X2+a3X3+a4X4+a5X5

+a6X6+a7X7+a8X8+ε

其中，a0、a1、a2、a3、a4、a5、a6、a7、a8为常数，表示回归系数，ε为残差。

2.回归及结果分析

利用SPSS26.0软件对多元线性回归方程涉及的解释变量和调节变量进行检验(见表5)。结果显示，模型的R2=0.688(F=19.241，p=0.000)，大于0.5，说明模型拟合程度很好，适合进行下一步检验；
其sig值小于0.05，可以得出整体回归模型显著，线性回归方程成立。

表5 多元回归分析结果

由表5可以看出，在线评论数量回归系数为0.66，且p值显著(p<0.001)，因此在线评论数量对消费者购买行为有正向促进作用，与假设H1相符。负面在线评论占比的回归系数为-0.18，p<0.1，对消费者购买行为产生显著的负向影响，假设H2成立。

图片数量的回归系数为-0.32，且p值显著(p<0.005)，表明图片数量对消费者购买行为有负向作用，但这与假设H3相悖。究其原因，一是图片数量的有用性主要体现在更注重外观等直观感受的搜索型商品中，对于体验型商品消费者更注重评论文字的描述，对含有图片的评论并不敏感；
二是除了非常满意和非常不满的消费者会详细撰写评论，大部分消费者收到产品后并不愿意多花时间进行评论。商家为了提升店铺等级和评分，大量采取五星好评返现、招聘兼职淘宝刷信等手段，造成该商品评论信息数量繁多，晒图、追评等应接不暇。这些手段使得商品评论失真，也使消费者丧失信任感，甚至对“优质评论”产生厌烦情绪，不再关注负面图片在整体图片数量中的占比。

追加评论数量和负面追加评论占比对消费者购买行为不存在显著作用，回归系数分别为0.07和-0.08，均不满足p<0.05，假设H5和H6不成立。究其原因，一是初次评论和追加评论间隔时间过长，消费者并不能进行长期考量；
二是店铺经营管理理念的不同导致评论营销策略的差异，追加评论呈现过多或过少两种极端现象，追评过多被认为是商家找的“水军”，追评过少则无人关注，使追加评论的设置机制变成“鸡肋”。

商家回复数量和商家回复负评占比的回归系数分别为0.26和0.19，p值分别为0.002和0.003，均满足p<0.05，表明商家回复数量和商家回复负评占比对消费者购买行为有正向作用。商家回复数量越多，与顾客的互动性越强，越能获得消费者的认同，从而促进消费者的购买行为，假设H7成立。如果网络差评和商家回复同时存在，回复信息会更加受到消费者的重视，进一步成为潜在消费者信息处理过程的主导因素。另外，商家对用户评论管理的关注度越高，对消费者反馈的问题回复比例越大，越容易消除消费者的不满，商品销量也就越好，所以假设H8得到支持。

本研究以体验型商品的负面在线评论为调研对象，利用多元线性回归研究负面在线评论各维度及其占比对消费者购买行为的具体影响。研究表明，评论数量越多，越能促进商品销售；
占比较大的负面评论数量将抑制消费者的消费行为；
商家对评论的积极回复将有力地促进商品销售。然而，图片数量和追加评论数量并未对消费者购买产生显著影响。原因在于，体验型商品的消费者更加注重评论文字描述，而追加评论因其间隔时间过长并不能引起消费者的充分关注。据此，笔者对电子商务平台及企业管理者提出以下对策建议：

第一，鼓励消费者发布真实的使用体验和想法。在评论列表中，将负评和中评控制在一定的阈值区域内，提升评论的真实性和有用性，消除消费者对产品和服务的不确定性，减少消费者搜索信息的成本，帮助消费者做出购买决策，进而培养消费者对平台的偏好性。同时，商家也可借此对产品做出改进，提供更符合消费者需求的产品。

第二，商家应正确面对负面评论，加强评论管理。首先，以积极的态度面对负面在线评论，从负面评论中找到有价值的建议，不断完善和改进产品与服务的品质。其次，提升线上客服的专业性，以幽默风趣的语言与消费者开展在线互动，增加回复评论的数量，避免使用统一的自动回复，要有针对性地回答消费者的疑问。最后，重视关注度较高、情感较为强烈的负面评论信息，以诚恳和负责的态度积极回复消费者反馈的问题，采取补救措施化解消费者的负面情绪，并鼓励消费者发布描述商家有效补救情况的评论，最大限度地降低负面影响力度，树立商家的正面形象和声誉。

第三，平台注意把控评论机制的真实性。平台应屏蔽商家请求消费者修改评论及雇佣“水军”刷评的行为，避免出现好评一致性虚高、图片评论中产品真实性美化过度的情况。同时，平台商家守则应增加针对在线评论的约束条例，对使用欺骗手段大量刷好评的商家采取相应的惩罚措施，提升对在线评论的监管力度。

猜你喜欢 负面商家数量 中国人不骗中国人文萃报·周五版(2022年17期)2022-05-05No.4 快手电商：已帮助至少50万线下商家恢复生意销售与市场(营销版)(2020年3期)2020-03-24统一数量再比较小学生学习指导(低年级)(2019年3期)2019-04-22正面的人和负面的人知识窗(2017年12期)2018-01-0211个自由贸易试验区将启用新版负面清单WTO经济导刊(2017年7期)2017-07-27角：开启位置与数量关系的探索初中生世界·七年级(2017年2期)2017-01-20头发的数量小猕猴智力画刊(2016年6期)2016-05-14春节黄金周陕西省商家揽金二百一十亿元现代企业(2015年2期)2015-02-28 相关热词搜索：在线，实证，负面，