网上小额批发商言语性评价的维度分析

张仙锋，张 楠

(西安交通大学经济与金融学院，陕西西安 710061)

网上小额批发商言语性评价的维度分析

张仙锋，张 楠

(西安交通大学经济与金融学院，陕西西安 710061)

随着网上小额批发平台的快速发展及其对信誉评价体系不断完善的要求，以文字内容为主的言语性评价受到广泛关注。基于内容分析法对阿里巴巴速卖通平台的言语性评价的编译，细化出九大类、29项维度，分别涉及交易过程、质量、定价、服务、物流、卖家信用、主观感受、未来行为倾向等内容。网上批发商混合采用主客观评价相结合、整体和细节评价相结合的方式，且在商品质量、交易经历、整体服务水平、整体物流水平及对商品的喜好程度等维度上表现出明显的正负向情感。通过进一步的潜在类别分析，发现网上小额批发商分为“关注质量的主客观评价型”和“整体综合评价型”，进而提出解释和建议。

B2B2C;信誉打分体系;言语性评价;内容分析;潜在类别分析

小额批发平台通过在线提供信息流、资金流、物流、信用流等全程解决方案，方便企业与企业间在线交易，彻底解决了以信息交互为主的传统B2B网站的局限，开创了B2BC新模式。敦煌网是最早建立的快速小额外贸批发平台，2010年交易额已达60亿元人民币［1］，而阿里巴巴也于2009年正式推出外贸小额批发平台——速卖通(Alixpress)，面向海外企业及批发商展开中国商品的小额批发业务。为了给在线买卖方创建良好的交易环境，速卖通等平台不断建设制度基础设施，完善交易服务机制。

与众多C2C平台类似，小额批发平台引入了支付担保服务，为买卖方信用交易提供保证。小额批发商在线直接下单并支付货款给平台后，平台通知企业卖家发货，卖家只有在批发商收到货物并无争议的情况下才会收到平台的放款。通过提供第三方支付担保服务，小额批发平台解决了“敢买”的问题，但在众多企业卖家中“买谁”的问题仍困扰着批发商。信誉评价体系的建立能在一定程度上提供信息甄别机制，帮助区分优质和劣质卖家，减少买家的搜索成本。常见的网上小额批发平台的信誉评价体系也基本沿用了传统C2C市场的双元打分体系，由打分评价和言语性评价组成。打分评价通常采用好评、中评和差评对交易方进行整体评价，并将评价量化为数字，如好评(1分)、中评(0分)、差评(－1分)。言语性评价则鼓励交易者用文字内容的形式完成对另一方的评价。但是，传统的打分评价仍存在一定弊端，Resnick和Zeckhauser等人［2］基于eBay市场数据分析发现，在双元打分体系下，至少有48．3%的买家和39．4%的卖家不会选择打分，且在打分的买家中，约99．1%都会给出好评。因此，对以文字内容为主的言语性评价的挖掘就显得非常重要。

笔者拟通过内容分析法对小额批发平台上批发商做出的言语性评价进行挖掘，找出外贸小额批发商所关注的维度，并试图基于这些维度对批发商进行潜在类别聚类，进而说明其行为特征。以言语性评价为研究对象，不仅在理论上为言语性评价的研究领域提供借鉴，而且还能开启对小额批发平台的相关研究。此外，通过对小额批发商关注维度的分析，可为小额批发平台运营商在后续信誉评价体系的建设提供一定建议。

一、文献综述

言语性评价能反映出买家对整个交易流程中各细节的满意度，如卖家的服务、商品的质量、物流的速度等，同时，还能折射出买家对交易过程及卖家的喜好态度，如极其愤慨谴责型、十分满意褒奖型及客观公正中立型。Popescu指出对言语性评价的挖掘可分为4类:挖掘产品特征、挖掘交易者对产品特征的主观评价、挖掘评价的情感导向及挖掘各言语性评价维度的重要性［3］。

根据言语性评价的文本内容，可将其分为客观文本和主观文本2类。客观文本是指评价者对商品的属性或特征做出的描述，而主观文本则被定义为评价者对商品或服务的主观情感表达。同时，也可以对言语性评价进行情感分析，其主要目的是通过对文本的判断发掘交易者的情感倾向。言语性评价的情感导向通常可以分为正面、负面和中性3种情况［4］。通过对大量言语性评价的情感倾向挖掘，很多学者将正面和负面评价归结为极端评价，将中性情感导向定义为中间评价［5－6］。

不同类型的言语性评价对他人行为影响的有效性是不一样的。Ghose和Ipeirotis［7］研究了主客观评价的有效性差异，发现主观评价的倾向越大(即言语性评价多以主观情感表达为主)，评价的有用性越低。然而，郝媛媛等［8］却发现评价内容中的主客观表达形式的混杂运用更加有效，其混杂度越高，对评价有用性的作用越强。Dellarocas等人［9］认为极端评价易引起重视，便于口碑传播，所以人们更倾向于做出极端评价，或者关注极端评价。Ghose和Ipeirotis［7］也验证发现极端评价对消费者的有效性要大于中间评价。还有一部分学者对极端评价中的正负评价的有效性做了相应研究，发现两者之间也存在差异。Skowronski和Carlston［10］提出负面评价更能影响人们的购买行为，这是因为人们对负面评价的反应强度要大于正面评价的，前者对人们的情感刺激更大。然而，Adaval等人［11］基于感情一致性理论，提出潜在消费者是抱着正面心态阅读商品评价的，负面评价对消费者决策影响力度会因其与消费者正面预期相矛盾而降低。Sen和Lerman［12］通过实证研究发现，无论对功利型还是享乐型商品而言，其正面评价的影响要大于负面评价，且享乐型商品负面评价的有效性要低于功利型。郝媛媛等［8］发现正负情感对评价的有效性都有影响，且正负情感混杂度越高，评价有用性也就越强。

对言语性评价的分析，最关键的问题在于如何将文字性的内容转变为可分析的数字性内容，内容分析及文本挖掘为这一工作的展开提供了帮助。目前，研究人员对文本的挖掘主要采用情感分析技术，运用机器学习法和语义法，使用计算机程序或软件实现对情感的分析。内容分析法与情感分析技术相类似，但更偏重于对内容进行客观、系统和定量的描述。内容分析法属于一种半定量的研究方法，通过将已有媒介的文字等信息转化为定量数据，建立有意义的类目并以此来分析信息的某些特征。Pavlou和Dimoka［13］采用内容分析法对eBay消费者做出的言语性评价进行分析，量化区分出消费者对卖家友善性维度和可信性维度的正负面评价。Qu等人［14］也曾基于内容分析法，运用Yahoo Shopping的市场数据对消费者的言语性评价进行编译，提取出14个出现频率较高的因素。

二、言语性评价的内容分析

(一)数据来源

笔者选择外贸小额批发平台阿里巴巴速卖通作为研究对象。该平台已发展为全球流量最大的B2B在线交易平台，每天访问的独立海外买家达30万人［15］。速卖通平台的信誉评价体系沿袭双元打分体系，买家交易后可根据整体交易经历对卖家做出评价。打分评价采用1～5分制，并将其分为好、中、差3类，4～5分为好评、3分为中评，1～2分为差评。同时，买家也可进行言语性评价，官方语言为英文。

本研究数据来自于速卖通平台2010年上半年会员交易所形成的打分评价和言语性评价，共计6万余条。这些交易评价数据中，有45．6%的交易是买方没有自主打分和评价的。而在剩余的54．4%的交易数据中，很大一部分言语性评价或者采用笑脸、数字等特殊符号，或者采用excellent，good，ok，nice等单字评价。这些言语性评价难以提供有价值的信息，故参照前人做法予以删除。此外，还有很多买家在与相同卖家多次交易中统一采用相同的评价，这里也进行了删减，只保留其中一条评价。经过数据的预处理，遴选出2万余条言语性评价。鉴于内容分析的编译工作量非常大，笔者对样本进行了随机化抽样，最终选择了1147个样本。

(二)内容编译

内容分析首先需要明确研究目的，在其基础上进行内容抽样。在分析前需要依据已有研究文献确定维度体系，设定编译规则。笔者主要参照了前人的研究文献和信誉评价体系的产业应用，形成了基本编译思路［14，16－18］。然后，通过对2万多条言语性评价进行快速查看，将众多维度进行细化，最终确定出九大类、29个小项的编译维度，如表1所示。九大类分别为交易过程、质量、定价、服务、物流、卖家信用、主观感受、未来行为倾向及其他。在对九大类维度划分的过程中，采取了客观言语和主观言语分离、整体性评价和细节化评价分离的政策，如对交易经历的评价是整体综合性的，而订单处理准确度、商品多样化等则是交易的具体细节;对商品质量、商品与描述一致是相对客观的，而对商品的喜好程度则是主观的。

表1 评语维度的划分及其含义

为了进一步挖掘各细化维度的情感倾向，笔者对维度的程度划分采用了不同的词语进行区别，如表示非常好的词语有“very good，excellent，perfect，great，gorgeous”，表示比较好的词语有“good，nice，all are working”，表示比较差的词语有“bad experience，a little not worth for the money”，表示非常差的词语有“very slow，very bad seller，worthless，fake，bad quality，very poor”。这样，29个维度就形成了示例池，如质量维度主要包括“good quality，fake，bad quality”等，运费则主要由“free shipping，shipping fee is too much”等组成。当形成了较完善的维度示例池后，就能保证后续内容编译工作的一致性。

为了反映批发商对卖家的不同评价，编译人员在编译过程中针对29个维度，均采取5个等级打分，即最高2分、最低－2分，如果没有涉及该项维度内容则计0分。而对其他维度则采用1分和0分的形式，有相关内容为1分，没有则为0分。在编译过程中，聘请了1名电子商务专业的本科生与课题组工作人员一同进行内容的编译工作。这种安排可以保证编译的客观性。2名编译人员首先进行学习性训练，并分别对200条言语性评价进行阅读，进而分割出每句言语性评价所涉及的细化维度并打分，然后对其一致性进行检验，探讨其存在异议的编译。最后，再认真地对1 147条样本进行数据编译，编译结果按照频度进行信度检验，结果表明均符合一致性标准。

(三)维度的描述性统计特征

对细化维度的描述性统计特征分析采用SPSS16．0软件，其分析结果如表2所示。表2中未将批发商买家对卖家做出的打分评价予以汇报，统计显示，大部分买家都给予卖方5分的好评，总体评价均值为4．61，说明小额批发商对交易的总体评价是较好的。然而，言语性评价的29个细化维度却反映出小额批发商在整体打分过程中所不能表达的很多问题。小额批发商对质量和整体物流的评价出现频率最高，分别占整体评价样本量的34．5%和33．4%。其次，小额批发商对整体服务水平、卖家的整体评价、商品的喜好、表感谢也有提到，均占25%以上。最后，小额批发商也比较关注对交易经历的评价、商品与描述一致、交易的整体喜好、会再来购物的行为倾向等，这类评价出现的频率超过了10%。还有一些维度虽然零星提到，但不占主要份额，如产品多样化程度、发货速度、卖家的喜好、顾客喜欢等。

表2 描述性统计特征 n=1147

为了进一步说明言语性评价不同维度的情感程度，笔者对20个主要的5级打分维度的程度分布情况予以说明(见表3)。统计显示，只有12．675%的言语性评价涉及到这20个评价维度。其中正向的情感表达(1～2分)占11．2%，而负向的情感表达(－1～－2分)只占1．505%。前人研究显示，为了表达对交易或商品的不满，人们倾向于做出极端评价［9］，并且，负向评价的影响要大于正向评价的影响［10］。在最不满意的－2分负向评价中，小额批发商对商品质量、交易经历、整体服务水平、订单处理准确度、整体物流评价及对商品的喜好程度等维度出现的次数较多，比率大于1%，这说明卖家在这些方面的欠缺影响了小额批发商对整体交易的感知，引起了他们的情感表达意愿。在最满意的2分正向评价中，同样发现商品质量、整体服务水平、对商品的喜好程度、整体物流评价、交易经历等是出现频次最高的维度。Dellarocas和Wood［6］的研究还发现中评也能代表消费者对交易的不满情绪。本文的中评以稍有不满的－1分为主，如订单处理准确度、整体服务水平、对商品的喜好程度、服务专业性、商品质量、交易经历评价等维度也表现突出，见表3。

表3 5级打分维度的程度变化频率 n=1147

三、基于评价维度的潜在类别分析

(一)潜在类别分析

潜在类别分析(Latent Class Analysis，简称LCA)是对概率进行多变量分析的统计方法，多用在社会学、心理学领域。它主要通过将类别变量表述成类别变量在不同水平上的反应概率，来分析这些概率间的关联性并估计出潜在变量。潜在类别分析与结构方程模型的不同在于其处理的是类别变量，而不是连续变量。也正因为潜在类别模型以类别数据作为素材，弥补了结构方程模型的一个缺口，为社会科学研究者提供了一种强有力的分析工具。

潜在类别分析的具体步骤主要有:估计初始模型(T=1的1-cluster模型);逐步增加类别数目，进行参数估计，并计算各模型的适配性;进行差异性检验和适配性检验，以确定最佳模型;对潜在类别进行命名，整理结果;最后决定各观察值的归属类别［19］。

(二)维度修正

通过对29个维度的适配检验发现，维度数量过多且一些维度所折射的问题具有同质性，很多维度的出现频率偏低等问题导致了很难适配出合适的模型。因此，需要对初始的29个维度进行修正。整个修正过程主要是依据评价内容进行划分，最终得出七大维度，作为外显变量。T1是对交易及经营方式的评价，其中包括对交易经历评价的3项及价格、赠品等经营策略;T2主要是对商品质量的评价，包括商品质量和商品与描述一致2项;T3强调的是卖家的服务，包括整体服务水平、沟通态度及服务专业性3个维度;T4是对物流的评价，主要是涉及整体物流水平、发货速度、物流速度、包装和运费;T5是对卖家做出的评价，不仅有对卖家信用的整体评价和细节说明，还包括对卖家人品的认知;T6汇集了表达期望与建议的评价，如推荐、再来、勉励、熟悉、感谢卖家、表歉意等;T7囊括了所有能反映买家个人喜好的评价，如对整体交易的喜好、对卖家的喜好、对商品的喜好、下游顾客的喜好、不满失望情绪等。

同时，笔者对7个外显变量的频次进行了重新计算，只要在言语性评价中有任何一个细化维度出现，则表明该变量的频次增加1次。7个外显变量中，按照出现频次高低依次顺序为T6(期望与建议的评价)、T2(对商品质量的评价)、T7(表喜好的评价)、T4(对物流的评价)、T5(对卖家的评价)、T1(对交易及经营方式的评价)和T3(对卖家服务的评价)。

(三)模型的适配性检验

采用Mplus软件进行潜在类别分析。模型的适配性检验是通过对各类潜在模型的拟合程度，判断出最佳研究模型。适配性检验可利用极大似然法和Pearson χ2检验进行。模型的适配检验指标主要有2种:AIC指标和BIC指标。AIC指标是基于信息理论的指标，适用于对不同模型的适配优劣比较，估计参数越少、自由度越大的模型就越好。当样本数达到1 000人以上或模型参数较少时，可采用BIC指标，BIC的值越小越好［20］。

表4列出了潜在类别分类从1～5的5种不同类别数目的模型适配指标，可以看出，当类别数目越大时，模型适配的对数似然值(LL)就下降，卡方数值也在变小。对本文的大样本数据可参考BIC指标，其中模型2和模型3的BIC指标最小。但是，以卡方统计量进行判断，只有模型1和模型2的两个卡方值达到了显著水平(P＜0．001)。因此，选取模型2为最佳模型，即潜在类别的数目为2个。

表4 潜在类别分析模型适配指标摘要表

(四)潜在类别命名

最佳模型显示，小额批发平台的批发商凸显为2个类别群体，表5给出了7个外显变量在2个潜在类别上的条件概率。

从表5中的潜在类别概率看，两类小额批发商群体比重几乎相当，分别为0．587和0．413。从条件概率看，第1类小额批发商对外显变量T2(对商品质量的评价)和T7(表示喜好的评价)较为关注，条件概率分别为0．738和0．591，均超过了0．5。这类网上小额批发商对商品的质量非常关注，会对商品质量、商品与描述一致给予客观评价;同时，他们还会在评价中积极发表对商品、卖家等的主观喜好评价，属于“关注质量的主客观评价型”。

第2类小额批发商中，仅T6(期望与建议的评价)的条件概率超过了0．5，T5(对卖家的信用评价)也接近0．5且大于第1类群体在该变量上的条件概率。这类网上小额批发商多关注卖家信用，或采用整体性的表述“good seller，recommended seller”，或对卖家信用情况进行说明“a very reliable seller，a trustworthy seller”。此外，这类批发商还对卖家后期行为提出期望和建议，如“will come again，will recommend，work hard”。因此，这一类别的小额批发商属于“整体综合评价型”。

服务及交易经历的外显变量在两类潜在类别中均没有显现，出现的概率都不足0．30。相比而言，小额批发商对物流的关注程度稍高一些，分别为0．415和0．322，但也不够显著。

四、讨 论

通过对速卖通平台中小额批发买家对卖家做出的言语性评价的内容分析，笔者划分出小额批发商所关注的九大类、29个细化维度，分别涉及到交易过程、质量、定价、服务、物流、卖家信用、主观感受、未来行为倾向等内容。小额批发商在评价过程中，混合采用主客观评价相结合、整体和细节评价相结合的方式。在具体的细化维度中，小额批发商重点关注商品质量、整体物流评价、整体服务水平、整体卖家信用、对商品的喜好、对交易经历的评价、商品与描述一致、对整体交易的喜好等。同时，小额批发商的言语性评价也表现出不同的情感，有非常满意的正向情感，也有非常不满的负向情感，还有表现一般情感的中间态度。在极端的负向和正向评价中，小额批发商均重点关注商品质量、交易经历、整体服务水平、整体物流水平及对商品的喜好程度等因素。

这一结论说明商品质量、服务水平、物流评价在外贸小额批发平台上依然是国际批发商所关注的重点。这与我国目前众多交易平台所采用的店铺动态打分机制是相符的。如淘宝网、敦煌网都将商品与描述相符、服务水平和配送速度作为3个细化评价指标，并鼓励买方基于1～5分制对卖家进行打分评价，进而弥补双元打分体系的缺陷。然而，本研究同时发现，商品质量是区别于商品与描述一致的，后者只关注商品本身与商家描述的一致性，而前者涉及到买家对商品质量的整体评估，且小额批发商对商品质量的关注度要远高于描述一致性。也就是说，商品质量对以再次销售为目的的小额批发商而言更加重要，可以考虑将其增加在小额批发平台的店铺评价维度中。最后，众多小额批发商还对产品做出喜好评价，这是因为小额批发平台上的产品以衣服、照相机等体验型消费品为主，对产品喜好的主观评价能全面反映商品的情况。

此外，通过对内容分析所形成的29个评价维度进行修正，提取出7个外显变量，并基于潜在类别分析技术对网上小额批发商进行潜在类别界定。研究发现，小额批发商表现出2个潜在类别，第1类为“关注质量的主客观评价型”，第2类为“整体综合评价型”。“整体综合评价型”批发商的评语集中在对卖家的整体评价和行为期望上，对后期交易者的参考性不强。因此，如何深度挖掘交易者的评价显得非常重要。而“关注质量的主客观评价型”批发商通过对商品质量的客观说明和对喜好的主观情感表达，能提供更有价值的借鉴。这说明商品质量相对服务、配送等因素而言，应受到我国外贸小额批发平台的重点关注，因此批发平台仍需不断规范市场，避免次品、赝品和仿制品在平台上的销售。

小额批发平台应积极建设信誉评价体系，为交易者建立多渠道的评价机会。在对店铺动态打分指标的设置上，建议在原有对商品与描述一致、服务和物流等整体评价的基础上，增加商品质量、订单处理准确度、服务的专业性等细化维度。这些细化维度可以作为选填项，方便买卖方根据具体交易情况进行选择型打分。同时，还需要增设主观评价指标，如对商品的喜爱程度、下游客户对商品的喜爱程度、对卖家的喜好程度等。

笔者在分析过程中仍存在一些不足，需要后期不断改进。首先，鉴于小额批发平台以体验性消费品为主，笔者没有对交易商品进行区分，但耐用性体验品和非耐用性体验品是存在差异的，在后期研究中仍需差别化分析。其次，本研究只考察了小额批发平台的批发商言语性评价行为，后续仍需对C2C市场的消费者言语性评价行为进行深入研究，寻找两者的差异所在。

［1］杭州日报．敦煌网:挑战电子商务新蓝海［EB/OL］．(2011－06－18)［2011－06－19］．http://hzdaily．hangzhou．com．cn/hzrb/html/ 2011－06/18/content_1085428．htm．

［2］RESNICK P，ZECKHAUSER R．Trust Among Strangers in Internet Transactions:Empirical Analysis of eBay’s Reputation System［M］．Amsterdam:Elsevier Science，2002:127－157．

［3］POPESCU A M，ETZIONI O．Extracting product features and opinions from reviews:proceedings of the conference on Human Language Technology and Empirical Methods in Natural Language Processing，Vancouver，October 6－8，2005［C］．Stroudsburg:Association for Computational Linguistics，2005:339－346．

［4］PANG B，LEE L．A sentimental education:sentiment analysis using subjectivity summarization based on minimum cuts:proceedings of the 42nd Annual Meeting of the Association for Computational Linguistics(ACL)，Barcelona，July 21－26，2004［C］．Stroudsburg:Association for Computational Linguistics，2004:271－278．

［5］TURNEY P D．Thumbs up or thumbs down?Semantic orientation applied to unsupervised classification of reviews:proceeding of the 40th Anniversary Meeting of the Association for Computational Linguistics，Philadelphia，July 7－12，2002［C］．Stroudsburg:Association for Computational Linguistics，2002:417－424．

［6］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．

［7］GHOSE A，IPEIROTIS P G．Designing novel review ranking systems:predicting the usefulness and impact of reviews:proceedings of the Ninth International Conference on Electronic Commerce，Minneapolis，August 19－22，2007［C］．New York:Association Computing Machinery (ACM)，2007:303－310．

［8］郝媛媛，叶强，李一军．基于影评数据的在线评论有用性影响因素研究［J］．管理科学学报，2010，13(8):78－96．

［9］DELLAROCAS C，ZHANG X Q，AWAD N F．Exploring the value of online product reviews in forecasting sales:The case of motion pictures［J］．Journal of Interactive Marketing，2007，21(4):23－45．

［10］SKOWRONSKI J J，CARLSTON D E．Negativity and extremity Biases in impression formation:a feview of explanations［J］．Psychological Bulletin，1989，105(1):131－142．

［11］ADAVA R．Sometimes it just feels fight:the differential weighting of affect consistent and affect inconsistent product information［J］．Journal of Consumer Research，2001，28(1):1－17．

［12］SEN S，LERMAN D．Why are you telling me this?An examination into negative consumer reviews on the Web［J］．Journal of Interactive Marketing，2007，21(4):76－94．

［13］PAVLOU P A，DIMOKA A．The nature and role of feedback text comments in online marketplaces:implications for trust building，price premiums，and seller differentiation［J］．Information Systems Research，2006，17(4):392－414．

［14］QU Z，ZHANG H，LI H．Determinants of online merchant rating:content analysis of consumer comments about Yahoo merchants［J］．Decision Support systems，2008，46:440－449．

［15］新华网．全球速卖通复制淘品牌打造多元化支付环境［EB/OL］．中国经济时报．(2011－06－17)［2011－06－18］．http://news．xinhuanet．com/it/2011－06/17/c_121549590．htm．

［16］WOLFINBARGER M，GILLY M C．eTailQ:dimensionalizing，measuring and predicting etail quality［J］．Journal of Retailing，2003，79(3): 183－198．

［17］KOTHA S，RAJGOPAL S，VENKATACHALAM M．The role of online buying experience as a competitive advantage:evidence from third-party ratings for E-commerce firms［J］．Journal of Business，2004，77(2):109－133．

［18］POSSELT T，GERSTNER E．Pre-sale vs．Post-sale E-satisfaction:impact on repurchase intention and overall satisfaction［J］．Journal of Interactive Marketing，2005，19(4):35－47．

［19］邱皓政．潜在类别模型的原理与技术［M］．香港:教育科学出版社，2008:35．

［20］LIN T H，DAYTON C M．Model selection information criteria for non-nested latent class models［J］．Journal of Educational and Behavioral Statistics，1997，22(3):249－264．

Research on the Dimensions of the Text Comments by Online Wholesalers

ZHANG Xian-feng，ZHANG Nan

(School of Economics and Finance，Xi’an Jiaotong University，Xi’an 710061，China)

With the rapid development of online platform for wholesale business，and with its urgent need to build up online rating system，text comments left by dealers have attracted high attention．With the adoption of the content analysis，the text comments of aliexpress．com are coded into nine categories and 29 dimensions，covering contents of transaction process，quality，pricing，service，logistics，seller trustworthiness，subjective favorites and behavioral intentions，etc．Online wholesalers leave objective comments as well as subject sentences，and tell about the average and also the details．The most important is that dimensions like product quality，transaction process，overall service，overall logistics and product favorites are those that can arouse positive and negative emotions．Further latent class analysis indicates that online wholesalers are defined into two classes:the one who subjectively and objectively concerns the quality most，and the one who only focuses on general evaluations．Explanations and suggestions are followed afterwards．

B2B2C;online rating system;text comment;content analysis;latent class analysis

F 713．36

A

1004－1710(2011)04－0093－08

2011－04－23

国家自然科学基金资助项目(70802049);阿里巴巴活水计划(Ali－2010－A－10)

张仙锋(1978－)，女，陕西韩城人，西安交通大学经济与金融学院副教授，博士，主要从事网上信任及信任机制研究。

［责任编辑:许文深］