网购环境下垃圾评论与消费者推荐信任的关联性研究

河海大学企业管理学院 杨雪



网购环境下垃圾评论与消费者推荐信任的关联性研究

河海大学企业管理学院 杨雪

摘 要：网购体验型产品时，四种垃圾评论通过影响潜在消费者对产品品牌和网站的认同，进而影响潜在消费者的推荐信任。构建假设与结构模型，用SPSS和AMOS对消费者调查问卷进行数据分析，结果表明：诋毁评论能通过削弱潜在消费者对产品品牌和网站的认同进而削弱潜在消费者的推荐信任；干扰评论不会削弱潜在消费者的产品品牌和网站认同以及推荐信任；由于潜在消费者抵制互联网水军刷好评，所以推销评论对推荐信任存在反向影响；低效用评论虽然含信息量少，但具有参考价值，能增强消费者的产品品牌和网站认同，进而增强推荐信任。因此，销售体验型产品的网站应做到识别并清除虚假评论、引导低效用评论、清理干扰评论等。

关键词：垃圾评论 推荐信任 结构方程模型

随着互联网技术的发展，网上购物已经成为日常购物的普遍方式，然而潜在消费者在信息不对称的情况下做出购买决策，是冒着一定风险的，而潜在消费者最终是否做出购物决定在很大程度上取决于消费者对电商的信任［1］。田博等［2］认为加强潜在消费者在线信任的一种重要渠道是成熟消费者对电商的评论与推荐。而相较于搜索型产品体验型产品消费者更依赖在线评论，也更难获得有效评论［3］。目前，在网购评论对推荐信任影响的研究中，一般默认评论是真实的成熟消费者评价，但事实上由于在线评论仍缺乏严格的法律监管和系统筛选机制，其中包含了垃圾评论，这使成熟消费者的真实评论无法充分发挥推荐评价的作用，同时也会使潜在消费者受到误导。本文结合垃圾评论现状，将垃圾评论分为四类［4，5］，利用SPSS和AMOS数据分析工具研究在线购物中垃圾评论对潜在消费者推荐信任的影响。

1　理论基础及研究假设

1.1在线垃圾评论分类

网购商品的垃圾评论具有低效性、虚假性与商品无关性等特点，此类评论不仅对潜在消费者无参考价值，部分还具有欺骗性。周三多教授在《管理学》［6］中指出，有用信息应具有高质量、及时、完全、相关等特征，显然垃圾评论与之不符。

关于在线垃圾评论，李霄等［4］将其划分为四类：推销/诋毁评论、干扰信息、无意义信息、系统评论；而赵静娴［5］通过论发布者的目的和评论影响程度等方面的不同，将垃圾评论分为三类：欺骗性评论、干扰性评论、低效用评论。本文结合以上两种方法将垃圾评论分为四类，如表1所示。

李宗伟等［3］根据潜在消费者能否在购买前获得产品质量的客观评估程度，将产品分为搜索型产品和体验型产品，如表2所示。

本文主要研究体验型产品的垃圾评论，因为相较于搜索型产品，体验型产品的潜在消费者很难仅凭电商所提供的商品基本信息来做出购买判断，需再额外收集大量其他相关信息来辅助判断，成熟消费者的评论正是对这些潜在消费者非常重要的额外信息，因此，其中掺杂的垃圾评论对潜在消费者的误导危害就更为严重，也更具有研究价值。

1.2现有的推荐信任影响因素分析

表1　垃圾评论分类

表2　产品分类

信任这个话题一直是人们关注的焦点，不同的领域对信任有不同的解释。心理学和社会关系学是信任研究的起源，随后管理学等学科也开始从不同角度研究信任，给出了不同的信任定义，因此，信任很难给出一个统一的概念，由于信任的抽象性和复杂性，信任也很难被度量。Mayer等［7］认为信任是一方不考虑对对方的监督和控制，而认为对方能按照对他有利的行为方式行事，从而愿意将自己置于因对方的行为而受到攻击、承担风险的状态。

目前的在线信任研究主要是在信任研究的基础上，结合电子商务环境的特点，建立在线信任系统，提出假设并进行实证分析。田博等［8］认为，B2C电子商务中的在线信任由客观信任和主观信任构成，主观信任下又分为直接信任和推荐信任，而推荐信任就是文章研究的主要对象。田博等认为，推荐信任受个体推荐信任和声誉的影响。其中，个体推荐为消费者亲友的意见，而声誉是由广大成熟消费者的历史购买评论形成的，一般比较客观，由于个体推荐比较主观难以测量，此处就不做研究，文章主要研究垃圾评论如何影响声誉进而影响推荐信任。

图1　基于认知信息加工的态度模型

迈克尔·R·所罗门与卢泰宏等在《消费者行为学》［9］中指出，态度由认知、情感和行为三种成分构成，这三种构成元素可以表达为ABC态度模型，该模型中的基于认知信息加工的态度模型（见图1）表明，潜在消费者对产品的购买决策过程像解答问题的过程一样。潜在消费者首先通过积累有关产品的知识、信息来形成自己的认知，然后潜在消费者评价这些认知并对产品形成一种情感［9］。杨雪［10］指出，基于认知信息加工的态度模型是建立在潜在消费者高度参与购买决策、被激励大量收集信息并且仔细地权衡利弊，才做出最终决策的假设上的。相较于搜索型产品，体验型产品的潜在消费者拥有更高的在线购物不确定性和风险性，他们对在线信息如在线评论更为依赖，也使用得更加频繁。由此可知，体验型产品潜在消费者的购买决策特征与基于认知信息加工的态度模型的假设相符。本文将根据认知信息加工模型中的“认知→感情”部分（见图1）研究对于体验型产品，在线垃圾评论向潜在消费者提供的信息如何通过影响潜在消费者对产品品牌和网站的认知，进而影响潜在消费者的推荐信任。

1.3建立研究假设

相较于传统的线下购物，在线购物中更加严重的信息不对称给潜在消费者带来了巨大的风险，使得潜在消费者在做出是否购买的决策前必须在线收集大量的相关产品信息，成熟消费者的评论推荐对潜在消费者具有重要的参考价值，有助于潜在消费者对产品形成较为符合实际的认知，判断出该产品是否可信，最终降低网购风险。而包含虚假信息的垃圾评论，误导潜在消费者形成错误的产品认知、信任，增加了网购的风险，甚至使消费者遭受一段失败的网购经历。垃圾评论混杂在真实评论中，在很大程度上影响着潜在消费者在在线购物中对产品品牌认同、网站认同及推荐信任。因此，建立如下假设。

假设1：网络水军刷好评数量越多越误导潜在消费者增加产品品牌认同。

假设2：网络水军刷负评数量越多越误导潜在消费者削弱产品品牌认同。

假设3：无关插入的干扰性评论增多不会削弱潜在消费者的产品品牌认同。

假设4：系统默认好评或买家短评数量越多越削弱潜在消费者产品品牌认同。

假设5：网络水军刷好评数量越多越误导潜在消费者增加网站认同。

假设6：网络水军刷负评数量越多越误导潜在消费者削弱网站认同。

假设7：无关插入的干扰性评论数量增多不会削弱潜在消费者的网站认同。

假设8：系统默认好评或买家短评数量越多越削弱潜在消费者的网站认同。

假设9：潜在消费者的产品品牌认同与推荐信任正相关。假设10：潜在消费者的网站认同与推荐信任正相关。

1.4构建研究模型

根据上述分析与假设，构建在线垃圾评论对潜在消费者推荐信任影响的理论模型（见图2）。

图2　本研究假设模型

2　假设检验与分析

2.1研究量表设计与样本选取

该问卷涉及了7个量表，四类垃圾评论量表依据李霄等［4］和赵静娴［5］的垃圾评论分类进行设计，共设计8个题项。产品品牌认同、网站认同量表借鉴杨雪［10］论文中的量表，共设计5个题项。推荐信任量表综合参考杨雪、田博［8］的相关研究进行设计，共设计两个题项。问卷用李克特五分法来衡量，“1”表示“非常同意”、“2”表示“同意”、“3”表示“一般”、“4”表示“不同意”、“5”表示“非常不同意”。在正式广泛投放问卷前，先小规模进行测试，对问卷的部分问题进行了修改和重新设置。

表3　量表检验结果

本次调查问卷利用问卷星在线发布，面向对象主要为江苏省部分高校的在校师生、已进入社会的在职人员及其他网购人群，针对体验型产品的网购经历进行调查，问卷主要通过朋友圈转发到答卷人手中，因而参与的答卷人基本较常参加在线活动，对网购较为熟悉，所填的答案也更有分析价值。停止接收问卷后，实际收到134份问卷回复，经筛选有效问卷共120份。通过IP地址可以看出，江苏的答卷人占了91.67%，其余的答卷人分别来自山东、天津、浙江和广东。把统计数据按性别、年龄、职业进行分类，得男性占25%、女性占75%，18岁以下占3.33%、18～26岁占38.33%、26～35岁占25%、35～55岁占25%、55岁以上占8.33%，老师占3.33%、学生占35%、在职人员占40%、其他占21.67%。

2.2信度与效度分析

问卷的内在信度即内部一致性用Cronbach’s Alpha检验，利用SPSS 20.0对问卷进行分析，总体Cronbach’s Alpha值为0.728，大于0.7，7个测量变量的Cronbach’s Alpha也均大于0.7（见表4），该量表内部一致性较好。量表的效度分析采用探索性因子分析方法和验证性因子分析方法。经过对四类垃圾评论：推销评论、诋毁评论、干扰评论、低效用评论的量表做探索性因子分析，它们的KMO值为0.752大于0.7，Bartlett的球形度检验近似卡方值为350.750，自由度df为105，显著性概率值Sig.为0.000小于0.05，表明该问卷适合做因子分析。

本文利用主成分分析法，因子旋转采用方差极大旋转法，共选取4个因子，解释总变异量的61.936%，大于60%较符合理论构建。使用AMOS 21.0做验证性因子分析，观察变量的t值即C.R.值均大于1.96，且P值都小于0.05（见表3），显著性较好。

2.3假设检验

把数据导入在AMOS 21.0中构建的假设模型后，输出指标如下：CMIN/DF=0.866、RMR=0.079、IFI=1.034、CFI=1.000、RMSEA=0.000，表明模型拟合较好，假设模型总体上得到了支持。通过判断模型检验后输出各路径的估计值（Estimate）、C.R.值及P值，假设1、假设4、假设5、假设8没有通过显著性检验，其余假设都通过显著性检验，检验结果得到实际数据的支持（见表4），表明诋毁评论和干扰评论均对产品品牌认同和网站认同有显著地影响，产品品牌认同和网站认同都正向积极地影响推荐信任。

假设1与假设5未通过显著性检验，并且呈负向影响，表明电商以推销产品为目的雇佣网络水军来为产品刷好评，不仅不能增加潜在消费者的产品品牌认同，反而适得其反。这可能因为现在的网络消费者都知道网络水军的存在，潜意识抵制刷单的误导，看到通篇套路的水军好评都会潜意识降低对该产品品牌的好感，甚至消费者会对网络水军刷单频发的网站印象欠佳，这也解释了为什么网络水军刷出的推销性垃圾评论会对潜在消费者的网站认同有负向影响了。

表4　模型假设检验结果

假设4与假设8未通过显著性检验，且呈负向影响，表明低效用评论（如系统默认好评或买家短评）能够使潜在消费者获得产品品牌认同需要的信息。低效用评论虽然包含的信息量极少并且缺乏具体描述，但一般都是真实买家的评论，因此，潜在消费者认为它们还是值得参考，所以低效用评论不仅不会干扰潜在消费者搜寻有用信息，反而会助于增加潜在消费者产品品牌好感和网站好感。

3　研究结论与管理启示

本文针对体验型产品，实证分析网购中四种垃圾评论对推荐信任的影响，解答了四种垃圾评论对推荐信任是否有影响、影响路径是什么样的问题。该研究结果显示：四种垃圾评论中的诋毁评论能够削弱潜在消费者对产品品牌和网站的认同，进而削弱潜在消费者的推荐信任；干扰评论不会削弱潜在消费者对产品品牌和网站的认同，也不会削弱推荐信任；推销评论对增加潜在消费者对产品品牌和网站的认同没有帮助，反而能够削弱它们，进而削弱推荐信任；低效用评论不会削弱潜在消费者对产品品牌和网站的认同，反而能够增强它们，进而增强潜在消费者的推荐信任。垃圾评论的虚假性、低效性常常误导潜在消费者在网购中做出错误的购买决策，建立并完善垃圾评论的识别、管理机制非常重要。

本文研究结果对在线购物网站管理垃圾评论有一些启示。

3.1识别并清除虚假评论

网络水军刷出的推销评论和诋毁评论都会削弱潜在消费者对产品品牌的认同，也会破坏购物网站的形象。电商需被告知消费者已对雇水军刷的好评有免疫，虚假的推销评论不仅不能帮助提高销量，反而会失去消费者的信任，得不偿失。网站应高效地识别出水军刷出的虚假评论，将它们屏蔽，并锁定其发布者，联合银行等信用机构降低发布者的信誉等级，在现实中进行处罚，而不是仅仅对发布者的一个在线账户进行处罚。

3.2引导低效用评论

低效用评论虽然只有两到三个字，或是成熟消费者逾期未评论系统自动给出评论，但仍具有一定的真实性，潜在消费者们可以参考。除了星级和评语外，网站可以为产品评论多增设具体项目，对评论内容进行引导，让买家对产品质量、图片现实差距、物流、包裹等项目进行分项打分评论，这样就可以得到更多高效的评论。

3.3清理干扰评论

从目前得到的数据分析结果来看，干扰评论（如评论中插入的无关广告）并未影响潜在消费者对产品品牌和网站的认同，但这并不意味着网站可以放任干扰评论大量占领产品的评论区域，过多的干扰评论必将增加潜在消费者寻找有用评论的时间成本，不利于潜在消费者快速获得做出购物决定所需的信息，也影响了消费者的在线购物环境。因此，网站应明文规定严禁冒充买家在产品评论区域留下干扰评论，及时对产品评论中的干扰评论进行清理，并制定散布干扰评论的处罚条例。

参考文献

［1］ Dan Jong Kim，Donald L.Ferrin，H.Raghav Rao. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents［J］.Decision Support Systems，2008（2）.

［2］ 田博，覃正.B2C电子商务中基于D-S证据融合理论的推荐信任评价模型［J］.管理科学，2008（05）.

［3］ 李宗伟，张艳辉.体验型产品与搜索型产品在线评论的差异性分析［J］.现代管理科学，2013（08）.

［4］ 李霄，丁晟春.垃圾商品评论信息的识别研究［J］.现代图书情报技术，2013（01）.

［5］ 赵静娴.网络交易垃圾评论智能识别研究［J］.现代情报，2016 （04）.

［6］ 周三多，陈传明.管理学（第3版）［M］.北京：高等出版社，2010.

［7］ R.C.Mayer，J.H.Davis，F.D.Schoorman.An Integrative Model of Organizational Trust Mayer1995［J］.Academy of Management Review，1995，20（03）.

［8］ 田博，覃正.B2C电子商务中的在线信任系统模型研究［J］.华东经济管理，2008（10）.

［9］ 迈克尔·R·所罗门，卢泰宏，杨晓燕.消费者行为学（第8版.中国版）［M］.北京：中国人民大学出版社，2009.

［10］ 杨雪.在线评论信息特征对体验型产品品牌信任的影响［J］.商业研究，2016（03）.

中图分类号：F724.6

文献标识码：A

文章编号：2096-0298（2016）06（c）-163-05