在线评论、感知有用性与新产品扩散的关系研究

陶晓波，张欣瑞，杨建坤，沈晓岭,张 璋

(1.北方工业大学 经济管理学院，北京 100144； 2.北京联合大学，北京 100101)



在线评论、感知有用性与新产品扩散的关系研究

陶晓波1，张欣瑞1，杨建坤1，沈晓岭1,张 璋2

(1.北方工业大学 经济管理学院，北京 100144； 2.北京联合大学，北京 100101)

本研究分析了在线评论的自身特征，同时引入感知有用性作为中介变量，构建了在线评论对新产品扩散的影响机理概念模型，并通过实证分析对这一模型展开了验证。实证分析结果表明：在线评论数量和效价虽然都正向影响新产品的扩散，但是在线评论数量和效价对新产品扩散的影响存在负向的交互作用；感知有用性起到了部分中介作用，即在线评论数量和效价通过影响感知有用性影响新产品扩散；搜索品和体验品具有不同的扩散模型。研究成果能够为企业有效管理新产品的在线评论提供具体的指导，从而提高新产品扩散的效率。

在线评论；感知有用性；新产品扩散

一、引言

“十三五”时期是信息化引领全面创新、构筑国家竞争新优势的重要战略机遇期。从供给侧看，推动信息化与实体经济深度融合，有利于提高全要素生产率，提高供给质量和效率，更好地满足人民群众日益增长、不断升级和个性化的需求；从需求侧看，推动互联网与经济社会深度融合，创新数据驱动型的生产和消费模式，有利于促进消费者深度参与，不断激发新的需求。这其中，依托在线评论信息促进新产品的扩散便显得尤为重要。一方面，网络购物早已成为消费者购物的新模式，越来越多的消费者在购物行为中将产品意见、经验等信息通过论坛、留言板、聊天工具、购物网站、消费者评论网站等工具进行传播，对经济发展持续发挥着重要的影响，也为企业的新产品扩散带来了良好的契机；另一方面，在线评论作为消费者生成的一种重要信息，成为了解商品性能和质量的主要渠道，是消费者制定购买决策时重要的参考指标，对于新产品扩散存在着重要的推动作用[1-2]。因此，理解、把握和运用在线评论对新产品扩散完整的影响机理非常必要。

在线评论指的是潜在或实际消费者在电子商务或第三方评论等网站上发表产品或服务的正面或负面观点[3]，通过在线方式传递给大众群体，也是用户与商家之间的在线互动与信息交流。绝大部分的电子商务网站、社区型网站、第三方评论网站会为用户提供星级评分以及撰写评论功能等[4]。网购前先看在线评论已经成为很多网民的消费习惯，在线评论为消费者提供了更多、更真实的产品信息，降低购买风险，帮助其做出购买决策[5-6]。在线评论近年来吸引了研究人员的广泛关注，积累出丰富的研究成果。已有研究提取了多个自变量，研究了在线评论对感知有用性、产品评价、产品购买等因变量的影响。Chevalier等研究表明，大多数的评论信息是正面的，极低星级排名要比极高星级排名影响作用显著；在线评论数量增加促使销售额增加[7]。Liu从Yahoo Movies影评网站中选取40部影片的12000余条评论对网络口碑进行了研究，研究表明评论数量影响上映后前几周票房，评论的倾向性不重要[8]。郝媛媛等的研究指出：正向积极评论的有用性比较高；正向情感和负情感的混杂程度比较高的感知有用性较高[9]。Zhu等人根据Game Sport.com评论数据和NPD中的行业销售数据进行分析后得出，评论对知名度不高的游戏和拥有玩家经验比较丰富的游戏的影响作用比较显著；同一类别中不同产品受消费者评论的影响存在差异[10]。Cui从亚马逊中获取9个月的近340条新产品(电子产品和游戏)评论，分析后得出，评论偏向对搜索型产品的销售作用比较显著，而评论数量则对体验型产品的销售作用比较显著；消极评论比积极评论的影响作用显著[11]。You等人则进一步通过元分析，将在线评论领域的现有研究主线提炼为在线评论对产品销售的作用机理[12]。上述研究成果对研究在线评论与新产品扩散之间的关系提供了重要的理论指导。

综上所述，已有研究从在线评论自身特征(数量、效价)、在线评论参与者(发送者与接收者)以及感知有用性等方面研究了在线评论对新产品扩散的影响。但在线评论对新产品扩散比较完整的影响机理目前仍未获得足够清晰的理解。特别地，在线评论对新产品扩散的影响，不是其直接影响因素的简单相加，各种影响因素之间也存在着相互作用。同时，在线评论数量越来越多，影响因素越来越繁杂，哪些因素能够更好地吸引消费者的关注，让消费者感觉到有用，从而影响到消费者决策？对于搜索品和体验品两种类型产品的扩散模型是否有差异？哪些因素的影响作用更加显著？这些都是值得进一步研究的问题。本研究将在已有研究基础上，分析在线评论数量和效价在影响新产品扩散过程中的交互效应，探讨感知有用性在其中发挥的中介作用，并探究产品类型在其中发挥的调节效应，通过对影响机理更为系统深入的理解与把握，更好地依托在线评论提升我国新产品扩散工作的效率与效果。

二、理论回顾与研究假设

(一)理论回顾

本研究从新产品扩散的理论基础——BASS模型出发，分析了在线评论的自身特征，并引入感知有用性作为中介变量，构建了在线评论对新产品扩散的影响机理概念模型，并通过实证分析对这一模型展开了验证。BASS模型提出新产品投入市场后主要受到以下传播途径的影响：一是大众媒介(mass media)，主要传播是新产品容易得到验证的性能，比如新产品的大小、价位、颜色以及相关性能等；二是消费者之间的口头交流(word-of-mouth)，主要为已购买消费者对潜在消费者的宣传，主要传播新产品不容易得到验证的性能，比如商品购买是否便利、使用是否可靠及是否经久耐用等。Bass模型奠定了新产品扩散的理论研究方向，并在实践领域中得到广泛应用，起初对电冰箱、电视机、空调、洗衣机等耐用消费品的扩散进行过很好的预测，后来被IBM、柯达等知名公司采用，成功进行了技术型新产品的扩散预测。

(二)研究假设

(1)在线评论对新产品扩散的影响

在线评论数量的多少代表着用户对该新产品的喜爱程度。Duan研究发现电影的在线评论数量及票房的收入会促进评论数量的增加，评论数量的增多反过来又会促进票房收入的升高[13]。Cui实证分析表明在电子产品和视频游戏的早期推广阶段在线评论起着重要的影响作用，之后影响作用逐渐降低[11]。Chen通过对书籍的实证研究表明，书籍评论的数量与其推广速度存在较为显著的正相关作用[14]。借助于在线评论具有的独特优势，学者研究发现，在线评论数量和新产品的推广存在积极的联系，于丽萍等实证分析表明，在线评论数量增多会增加消费者的购买意向，促使消费者做出购买的决定从而促进新产品推广[15]。当在线评论数量很多时，则表示购买者很多，起到了宣传，扩大知名度的效果，同时也会在社会上形成流行的压力。基于社会心理学中的从众理论，潜在消费者会以多数人的看法为准则，做出符合大多数人的行为的决策。从众压力一旦形成，会使消费者在不能判断出新产品好坏的情况下，自觉以大多数人的意见为准则进行购买，从而促进新产品扩散。本研究据此提出假设：

H1：在线评论数量正向影响新产品扩散。

在线评论效价代表着购买者对新产品购后的满意程度，一般用评分或星级表示。在线评论的效价越高，代表着购买者对新产品的满意度比较高，证明新产品的价值或属性比较高，将增加其他消费者的购买信心，从而有助于新产品的推广；在线评论效价越低，消费者的满意度越低，这是因为消费者负面偏见的存在，会阻碍新产品扩散。Cui通过跟踪亚马逊电子产品等新产品销量，证明了负面偏见的存在，并且证明了负面评论比正面评论对新产品的影响要大。正面积极的在线评论会增加潜在消费者的购买信心，负面消极的在线评论阻碍新产品的推广[11]。Chatterjee的研究表明在线书评效价越高越会促进图书的推广[16]。Zhang的研究发现消费者就餐后的评论评分与餐厅的喜爱程度存在正相关关系[17]。Reinstein研究表明消费者的评论效价会正向促进新产品的推广[18]。

在线评论效价对新产品扩散的影响是比较直观并且明晰的。亚马逊网站提供的在线评论效价为1-5星，在线评论效价越高，代表已购买消费者对该产品或服务获得的评价越高，潜在消费者感知到的该产品的质量就会越高。基于微观个体决策理论，当个体感知到新产品的主观价值越高时，越会做出购买的决定。因此，在线评论的效价越高，新产品扩散的速度就会越快。本研究据此提出假设：

H2：在线评论效价正向影响新产品的扩散。

当前学者更多地将在线评论数量和效价分割开来，各自研究其对新产品扩散的影响，并没有具体深入研究在线评论数量和效价之间的交互作用。Duan研究发现，当新产品在线评论比较多时，虽然这些评论中既有高效价的积极评论，也有低效价的消极评论，但潜在用户会更加深入和全面了解该新产品的相关属性和性能，因此会更大限度影响潜在用户的购买决策[19]。在线评论数量和效价对于新产品扩散的影响不能够单一分割开来，两者间存在一定的交互作用。在线评论效价低且低效价评论数量多时，会增加潜在消费者对该新产品的质量或性能等方面的怀疑，阻碍潜在消费者的购买和新产品扩散；相反，当在线评论效价高，并且数量越来越多时，会诱导消费者购买，从而促进新产品扩散。本研究据此提出假设：

H3：在线评论效价和数量在对新产品扩散的影响过程中存在正向交互作用。

(2)感知有用性的中介作用

当消费者搜寻关于新产品的信息时，消费者更加关注那些感觉有用的评论。有用的在线评论将会增加潜在消费者做出是否购买决策的确定性，从而影响新产品的推广速度。彭敏钰使用层次分析法，从在线感知有用性、评论者的背景等七方面构建了在线评论影响消费者购买意愿的影响模型，并赋予在线感知有用性最高的权重[20]。

在线评论数量代表着其他用户所能搜寻到某一新产品有关信息量的多少，当消费者搜寻相关信息时发现在线评论数量很多，则会认为很多购买者认同此类新产品[21]。因此，在线评论数量增多将会提高消费者的感知有用性。消费者在线评论效价代表消费者满意度，消费者在感知到非常满意或者不满意的情况下，进行在线评论的可能性更高[22]，而这种深入的评论更有用。中立在线评论，由于深入度低，无法为消费者提供有价值的商品评价信息，从而其参考性相对较小。并且极端评论的有用性已经得到学者的证实。Pavlou证实了极端评论可以让消费者获得较为真实的新产品信息[23]。金立印认为低效价评论对潜在消费者的阻碍作用要大于高效价的促进作用[24]。

综上可知，一方面在线评论数量增多和效价提高将会提高潜在消费者的感知有用性，另一方面，潜在感知有用性提高，会劝说潜在消费者做出购买行为，从而推动新产品扩散。由此可知，感知有用性会是在线评论和新产品扩散之间一个重要的中介变量，并在其中起到了部分中介的作用。由此，本研究提出以下假设：

H4：在线评论数量越多，感知有用性越高，从而越促进新产品扩散。

H5：在线评论效价越高，感知有用性越高，从而越促进新产品扩散。

(3)产品类型的调节作用

本研究借助Nelson产品分类方法，将在线产品分为搜索品和体验品两种类型，搜索品如地毯、鞋子、家具和电子产品等，消费者在购买前可以根据具体的属性进行评估；体验品如香水、电影和书籍等，需要亲身的体验或感觉，很难用具体的属性来衡量，并且不同的消费者或许有不同的体验[25]。对于体验品，潜在消费者会更重视寻找产品信息的深度，对于搜索品，潜在消费者会更重视寻找产品信息的广度[26]。尽管用户会利用在线评论帮助自己做正确的购买决策，但用户在购买体验品时会更加依赖在线评论[27]。消费者在对搜索品与体验品做出购买决定时，有着不同的在线评论需求，这体现出两种类型的产品对在线评论影响新产品扩散有着不同的路径依赖。

鉴于网络的虚拟性，消费者不能借助互联网对体验品的便利性、味觉等具体属性进行体验，并且消费者对于体验品的评价也是异质性的，并不能代表体验品的质量。此时，外部的影响因素比如产品的流行性将会对消费者购买决策产生更重要的作用[28]，在线评论数量的增多也会提高消费者对体验品感知的有用性，进而推动体验品的扩散。但是对于搜索品，消费者通过网上的搜索渠道可以很容易的搜集到关于产品的属性或功能的信息，在线评论效价提高时会提高消费者对搜索品的感知有用性进而推动搜索品的扩散，因此在线评论效价将会影响消费者做出搜索品的购买决定。综上可知，搜索品会更多受到在线评论效价的影响，而体验品会更多受到在线评论数量的影响。本研究据此提出假设：

H6：对于搜索品而言，在线评论的效价通过感知有用性影响新产品扩散的作用要高于在线评论数量通过感知有用性影响新产品扩散的作用。

H7：对于体验品而言，在线评论的数量通过感知有用性影响新产品扩散的作用要高于在线评论效价通过感知有用性影响新产品扩散的作用。

在上述假设的基础上，本研究借鉴已有文献的研究过程，把价格作为控制变量，以更好地验证研究假设。研究理论模型如图1所示。

图1 本研究理论模型图

三、研究方法

(一)样本选择与数据来源

借鉴已有文献的做法，本研究将数码产品作为搜索品的代表，将图书作为典型体验品的代表。在亚马逊网站上针对五种搜索品(Nikon尼康COOLPIXP900s便携数码相机、Canon佳能EOS70D数码单反套机、HUAWEI华为P8 4G手机(白色，双卡双待)、Olympus微型单电电动变焦镜头套机、Casio卡西欧EX-TR500数码相机)和五种体验品(《沟通的艺术：看入人里，看出人外》、《姑娘，欢迎降落在这残酷世界》、《宿命：孤独张艺谋》、《历史的教训》、《从0到1：开启商业与未来的秘密》)的相关变量，每周进行一次面板数据的搜集，最后共搜集取得23周的面板数据：横截面是由十种新产品在每周组成的截面观测值，纵剖面是一个23周的时间序列，本研究运用Stata12.0数据分析软件进行相应数据的分析。

(二)变量测量

(1)自变量

本研究将在线评论数量和在线评论星级定义为自变量，在线评论数量用消费者评论数量总数衡量；在线评论的效价用亚马逊公布的平均星级值代替。

(2)中介变量

本研究引入在线感知有用性作为中介变量。感知有用性是指潜在消费者在浏览完评论后会对该评论是否有用做出投票，亚马逊网站会对有用投票数量进行统计，并计算有用人数所占比例。很多学者采用累计有用票数对投票数的比例代表评论的有用性，感知有用性的值是一个0到1的连续值，因此本研究采用评论有用票数与总投票数的比值来衡量感知有用性，然后将每条感知有用性进行加权平均，得出每周在线感知有用性的均值，用其衡量感知有用性。

(3)因变量

本研究将新产品扩散作为因变量。亚马逊并不公开产品销量的数据，但亚马逊每天都会对产品的销量进行排名。学者的研究表明产品销售排名和销售额关系是帕累托最优关系，这意味着ln(产品销量)和ln(产品排名)之间存在线性关系，即ln(产品销量)=a + b * ln(产品排名)，这种线性关系已经在图书、电子产品、女士服装等获得证明，考虑到已有研究曾在分析中用产品排名代表产品销量[29-30]，本研究采用亚马逊网站的每周销售排名来代替该周的销售量，产品排名越大，则销量越少，产品扩散速度越慢；产品排名越小，则销售量越多，产品扩散速度越快。

(4)控制变量

为了很好地控制价格对新产品销量的影响，本研究只针对亚马逊自营店产品的销售价格进行同步跟踪，从而更好地降低控制变量的干扰效应。

四、实证分析

(一)描述性统计分析

描述性统计分析结果见表1。

表1 描述性分析结果

由表1看出所挑选的十种新产品中，在线评论数量均值有94.6条，标准差为108.9，表明每种新产品的在线评论数量差异比较大；同时衡量新产品扩散速度的产品排名均值为1426.3，标准差为2291.3，产品排名的差异性很大，最小的排名为1，最大的排名达到13577，新产品的排名越大，证明其扩散速度越慢，而产品排名越小，证明其扩散的速度越快，产品排名与新产品扩散速度成反比。十种产品的价格差异性也非常显著，最小的价格为13.8元，最大的价格为8999元，其标准差最大为3248.645。

分别对搜索品和体验品进行数据分析，打开搜索品和体验品的数据表格，在Command命令框中，输入程序，即可得搜索品和体验品的描述性分析结果，如表1。搜索品产品均价为5498.8元，而体验品(图书)的均价是28.01元，两者相比差异性比较大，体验品(图书)的均价相对来说比较低。体验品和搜索品的产品排名分别为1231.661和1621，标准差分别2039.695和2511.8，标准差的值都比较大，表明搜索品和体验品每种产品的排名差异比较大。同时，无论体验品还是搜索品的平均评论效价都比较高，超过了4.5，表明消费者对这十种产品的满意度比较高。

(二)假设检验

本研究借助Stata12.0软件，首先研究新产品扩散的各个变量之间的关系。然后分别对自变量(数量、效价)和因变量(排名)，自变量(数量、效价)和中介变量(感知有用性)，中介变量(感知有用性)和因变量(排名)之间的关系进行豪斯曼检验，确定固定效应和随机效应方式：当豪斯曼检验值小于0.1时，适合固定效应检验。当豪斯曼检验值大于0.1时，适合随机效应检验。最后根据数据分析结果，确定感知有用性的中介作用，并分别对搜索品和体验品进行独立分析。

(1)总体分析

运用 Stata12.0软件分析获得五个变量间的Pearson相关系数，见表2。变量间相关分析初步检验各个变量间是否存在相关关系，是否存在一定程度的联系。

表2 五个变量间的Pearson相关性系数

注：*表示在0.01的水平上显著。

由表2可以看出，在线评论数量和效价与新产品排名中等程度相关，并且在0.01的显著水平上显著；在线评论的数量和效价与感知有用性中等程度相关，并且在0.01的显著水平上显著；感知有用性与因变量新产品排名中等程度相关，并且在0.01的显著水平上显著；控制变量价格与感知有用性和产品排名中等程度相关，并且在0.01的显著水平上显著。

为了更好地研究变量间的关系，使用Stata软件展开进一步分析，分析结果如表3所示。模型1对在线评论数量和效价、两者之间交互作用及价格对新产品扩散的影响进行了回归分析。模型2对在线评论数量和效价、两者之间交互作用及价格对感知有用性的影响进行了回归分析。模型3对在线评论数量和效价、两者之间交互作用、价格及感知有用性对新产品扩散的影响进行了回归分析。

由模型1可知，对于控制变量价格(price)，其P值为0.026，小于0.05，价格对新产品扩散的影响是显著的，同时回归系数为14.011，证明价格的上涨会增加新产品的排名值，阻碍新产品扩散。对于数量和效价对排名的影响，其P值小于0.05，因此数量和效价对于新产品扩散的影响是非常显著的，同时，两者的回归系数都为负，表明在线评论数量和效价增多将会降低新产品的排名值，促进新产品扩散，从而接受假设H1和假设H2。由模型2可知，价格对于感知有用性影响的P值为0.121大于0.05，其效果并不显著。而在线评论数量、效价及其交互作用对感知有用性的P值小于0.05，并且回归系数为正，表明在线评论数量和效价的增多会提升感知有用性，因此，在线评论数量和效价显著正向影响感知有用性。由模型3可知，感知有用性的P值为0.023，并且感知有用性的回归系数为-3576.853，表明感知有用性提高一个星级将会使产品排名数值降低3576.853个单位，从而促进新产品扩散，即感知有用性正向影响新产品扩散。在线评论数量和效价对感知有用性正向的影响作用是显著的，并且感知有用性正向影响新产品扩散。在线评论数量和效价通过产品有用性影响新产品的扩散，在线评论的有用性的部分中介作用是显著的，支持假设H4和H5。

表3 在线评论﹑感知有用性和新产品扩散之间关系的检验结果

注：*表示在0.05的水平上显著，**表示在0.01的水平上显著。

在线评论数量和效价的交互作用对新产品扩散的影响也是非常显著的，其P值小于0.05，而在线评论数量和效价回归系数为-231.06，表明两者之间存在负的交互作用。

由固定效应检验结果，可知回归公式为：

Y=14.011*价格-1021.72*数量-1021.2*效价-231.06*数量*效价

在已搜集的数据中选择效价为4.6与效价为4.7的两组数据进行分析，并分别挑选两个在线评论数量值，带入公式共获得四组数据，而后绘制趋势线图，如图2。从图2可以发现，低效价的斜率绝对值要高于高效价的斜率绝对值，即当效价比较低时，在线评论数量对提高产品排名的促进作用，要强于效价较高时，数量对提高产品排名的促进作用，由此可知，在线评论数量和效价之间存在负向的交互作用，拒绝假设H3。

(2)搜索品分析

首先对搜索品自变量、控制变量和因变量关系进行回归分析(模型4)；然后，对自变量和控制变量对感知有用性的关系进行分析(模型5)；最后，对搜索品自变量、控制变量和中介变量对新产品扩散的影响机理进行分析(模型6)。分析方法均采用豪斯曼检验，分析结果见表4。

由模型4可知，价格对于搜索品新产品扩散的影响p值为0.02，小于0.05，回归系数为1.5，其负向的影响作用是显著的；效价的显著性概率为0.000，同时，回归系数为-1076.87，表明在线评论效价对于搜索品扩散的正向影响是显著的，而在线评论数量对于新产品排名影响的P值为0.315远大于0.05，其效果是不显著的。因此，在线评论效价正向影响搜索品的扩散，在线评论数量对搜索品扩散的影响作用并不显著。由模型5可知，搜索品在线评论效价和数量对感知有用性影响的P值小于0.05，同时回归系数为正，表明搜索品在线评论效价和数量正向影响感知有用性。由模型6分析得出在线评论的效价P值为0.002，感知有用性P值为0.000，都小于0.05，两者的回归系数都为负，因此在线评论效价和感知有用性正向影响新产品扩散。价格和在线评论数量对产品排名影响的P值分别为0.164和0.205，大于0.05，因此价格和在线评论数量对产品排名的影响并不显著。

表4 搜索型产品检验结果

注：*表示在0.05的水平上显著，**表示在0.01的水平上显著。

综合以上对搜索品的分析可以发现，对于搜索品，在线评论效价通过感知有用性显著影响新产品扩散，感知有用性在评论效价对新产品扩散的影响中起到部分中介作用；而评论数量并不直接影响新产品扩散，需通过影响感知有用性，进而影响新产品扩散，因此，感知有用性在评论数量影响新产品扩散的过程中起完全中介作用，假设6得到部分支持。至此，本研究得出在线评论对搜索型新产品扩散的影响机理模型图，如图3所示。

图3 在线评论对搜索型新产品扩散的影响模型

(3)体验品分析

接下来验证体验品的调节作用。首先分析体验品自变量在线评论数量和效价与因变量新产品扩散的关系(模型7)；然后对体验品自变量和感知有用性进行分析(模型8)；最后，对体验品自变量、中介变量与新产品扩散进行综合分析(模型8)。分析方法均采用豪斯曼检验，分析结果见表5。

由模型7可知，对体验品而言，价格对于新产品扩散的影响p值为0.454，远大于0.05，因此对于体验品，价格的影响并不显著。同时，在线评论效价对体验品扩散的P值为0.418，大于0.05，

因此在线评论效价对体验品的作用也不显著。而在线评论数量对体验品扩散影响的P值为0.000，小于0.05，并且回归系数为-1202.765，因此，在线评论数量正向影响体验品新产品扩散。在模型8中，可以发现在线评论数量和在线评论效价对感知有用性影响的P值都为0.000，小于0.05，并且两者的回归系数都为正，由此，在线评论数量和效价正向影响体验品的感知有用性。模型9发现对于体验品，感知有用性P值为0.063，接近0.05，并且回归系数为-4832.248，因此感知有用性正向影响体验品新产品扩散。而在线评论数量对体验品扩散影响的P值为0.002，小于0.05，其显著作用进一步得到验证；在线评论效价对体验品扩散影响的P值为0.78，大于0.05，其不显著作用得到进一步验证。

综合以上对体验品的分析可以发现：对于体验品，在线评论数量通过感知有用性显著影响新产品扩散，感知有用性在评论数量对新产品扩散的影响过程中起到部分中介作用；而评论效价并不直接影响新产品扩散，需通过影响感知有用性，进而影响新产品扩散，因此，感知有用性在评论效价影响体验型新产品扩散的过程中起到完全中介作用，假设7得到部分支持。同时，分析也发现，对于体验品，价格对新产品扩散的影响作用并不显著。至此，本研究得出在线评论对体验型新产品扩散的影响机理模型图，如图4所示。

表5 体验型产品检验结果

注：*表示在0.05的水平上显著，**表示在0.01的水平上显著。

图4 在线评论对体验型新产品扩散的影响模型

五、结论与启示

(一)研究结论

本研究从新产品扩散的理论基础——BASS模型出发，分析了在线评论的自身特征，并引入感知有用性作为中介变量，构建了在线评论对新产品扩散的影响机理概念模型，并通过实证分析对这一模型展开了验证。实证分析结果表明：(1)在线评论数量和效价虽然都正向影响新产品扩散，但是在线评论数量和效价对新产品扩散的影响存在负向的交互作用，当效价越高时，在线评论数量对新产品扩散的作用越小。(2)感知有用性起到了部分中介作用，即在线评论数量和效价通过影响感知有用性影响新产品扩散。(3)搜索品和体验品具有不同的扩散模型，对于搜索品，在线评论效价既直接影响新产品扩散，又通过影响消费者的感知有用性影响新产品扩散，而在线评论数量只通过影响消费者的感知有用性影响新产品扩散；对于体验品，在线评论数量既直接影响新产品的扩散，又通过影响消费者的感知有用性影响新产品扩散，而在线评论效价只通过影响感知有用性影响新产品的扩散。本研究的理论意义在于：发现了在线评论数量和效价之间的负向交互作用、感知有用性的中介作用以及不同类型新产品扩散模型之间的差异，从而丰富了本领域的已有研究成果。

(二)对策建议

根据上述研究结论，本研究给出以下几个方面的对策建议。

(1)当企业发布新产品遇到评论效价比较低的情况时，应当一方面对消费者积极进行反馈，争取最大限度提高评论效价，另一方面也应采取各种措施，诸如奖励性的措施来吸引更多的消费者购买，同时引导已购买的消费者积极进行评论，来增加在线评论的数量。原因在于在线评论数量的增加会产生较大的正向影响，从而缓解在线评论效价对新产品扩散的阻碍作用，最大限度地合理利用在线评论。

(2)企业需加强关注感知有用性高的评论，并建立针对高有用性差评的应急处理机制，最大限度减少高有用性差评的数量，增加高有用性好评的数量。有用的好评可以起到很好的宣传效果，而有用的差评将会降低潜在消费者的购买兴趣，因此企业要对有用的差评及时进行反馈，争取已购买者的谅解，降低有用评论的杀伤力，增强用户粘性。同时，也为了避免个别用户进行刻意消极，减少给商家和用户造成的损失，企业要及时进行相关信息更新，积极采取补救措施。

(3)对于发布搜索型新产品的企业来说，应该有效利用互联网平台，对企业的搜索型产品进行有效的网络营销宣传，特别是做好已购买的消费者低分评价的反馈工作，对低分评价的消费者进行及时沟通，建立良好的互动关系，找出存在的原因，客观分析并予以解决，提高已购买者的满意度，最大限度地提高搜索型产品的在线评分，可以直接让潜在消费者感到满意，从而增加购买的意向，促进搜索型产品的推广作用。

(4)对于发布体验型新产品的企业而言，可以釆取诸多奖励性的措施引导更多的已购买消费者进行在线评论，形成一种流行效应，利用消费者的从众心理促进消费者购买。流行效应的宣传效果大于广告宣传效果，同时成本也非常低，因此体验型企业采取措施增加购买消费者的数量是新产品快速扩散的关键。

(5)企业应当根据影响新产品的不同类型设计更为合理的网站功能。对于体验型的产品，可以设计以评论数量为主的网站形式，让消费者第一时间看到的是评论数量的多少；对于搜索型产品，可以设计以评论效价为主的网站形式，让消费者直接看到已购买消费者对于评论的效价高低，这样可以最大限度降低消费者的搜寻成本，一方面可以直接更加快速、有效的影响新产品的扩散，另一方面也可以吸引更多消费者的前来关注、购买，增加网站的知名度和点击率。

[1]龚艳萍，黄 凯，张 琴，等. 新产品预告的时间距离、消费者在线评论及其购买目标的关系研究[J]. 研究与发展管理，2015，27(4): 36-44.

[2]杜晓梦，赵占波，崔 晓. 评论效价、新产品类型与调节定向对在线评论有用性的影响[J]. 心理学报，2015(4): 555-568.

[3]Chen Y, Xie J. Online consumer review: Word-of-mouth as a new element of marketing communication mix [J]. Management Science, 2008, 54(3): 477-491.

[4]殷国鹏. 消费者认为怎样的在线评论更有用?——社会性因素的影响效应[J]. 管理世界，2012(12): 115-124.

[5]王 军，丁丹丹. 在线评论有用性与时间距离和社会距离关系的研究[J]. 情报理论与实践，2016，39(2): 73-77.

[6]苗 蕊. 在线评论有用性研究综述[J]. 中国管理信息化，2014(18): 126-128.

[7]Chevalier J A, Mayzlin D. The effect of word of mouth on sales: online book reviews [J]. Social Science Electronic Publishing, 2004, 43(3): 345-354.

[8]Liu Y. Word ofmouth for movies: Its dynamics and impact on box office revenue [J]. Journal of Marketing, 2006, 7(3): 74-89.

[9]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(8): 78-96.

[10]Zhu F, Zhang X. Impact of online consumer reviews on sales: the moderating role of product and consumer characteristics [J]. Journal of Marketing, 2010, 74(2): 133-148.

[11]Cui G, Lui H K, Guo X. The effect of online consumer reviews on new product sales [J]. International Journal of Electronic Commerce, 2014, 17(1): 39-58.

[12]You Y, Vadakkepatt G G, Joshi A M. A meta-analysis of electronic word-of-mouth elasticity [J]. Journal of Marketing, 2015, 79(2): 19-39.

[13]Duan W, Gu B, Whinston A B. Do online reviews matter? an empirical investigation of panel data [J]. Decision Support Systems, 2008, 45(4): 1007-1016.

[14]Chen P Y S, Wu S Y, Yoon J. The impact of online recommendations and consumer feedback on sales [C]. International Conference on Information Systems, 2004: 711-724.

[15]于丽萍，夏志杰，王冰冰. 在线评论对消费者网络购买意愿影响的研究[J]. 现代情报，2014(11): 34-38.

[16]Chatterjice P. Online review: do consumer use them [J]. Advances in Consumer Research, 2001(28): 133-139.

[17]Zhang Z, Ye Q, Law R, Li Y. The impact of e-word-of-mouth on the online popularity of restaurants: A comparison of consumer reviews and editor reviews [J]. International Journal of Hospitality Management, 2010(29): 694-700.

[18]Reinstein D A, Snyder C M. The influence of expert reviews on consumer demand for experience goods: A case study of movie critics [J]. The Journal of Industry Economics, 2005, 53(1): 27-51.

[19]Duan W J. The dynamics of online word-of-mouth and product sales-an empirical investigation of the movie industry [J]. Jornal of Retailing, 2008, 84(2): 233-242.

[20]彭敏钰，肖 婷，李旭芳. 在线评论对消费者行为意愿的影响研究[J]. 河南科技，2014(15): 219-220.

[21]廖成林，蔡春江，李 忆. 电子商务中在线评论有用性影响因素实证研究[J]. 软科学，2013(5): 46-50.

[22]NgaN, Ho-Dac, Stephen J, et al. The effects of positive and negative online customer review: Do brand strength and category maturity matter? [J]. Journal of Marketing, 2013, 77(6): 37-53.

[23]Pavlou P, Liang H, XueY. Uncertainty and mitigating uncertainty in online exchange relationships: A principal-agent perspective [J]. MIS Quarterly, 2007, 31(1): 105-136.

[24]金立印. 网络口碑信息对消费者购买决策的影响[J]. 经济管理，2007，22(2): 36-43.

[25]Nelson P. Information and consumer behavior [J]. Journal of Political Economy, 1970, 78(2): 311-329.

[26]Huang P, Lurie N H, Mitra S. Searching for experience on the web: an empirical examination of consumer behavior for search and experience goods [J]. Journal of Marketing, 2013, 73(2): 55-69.

[27]Levin R P. Commentary: online reviews and other digital marketing strategies [J]. Journal of Periodontology, 2017, 88(2): 135.

[28]Lee S H. The role of consumers’ network positions on information-seeking behavior of experts and novices: A power perspective [J]. Journal of Business Research, 2014, 67(1): 2853-2859.

[29]Floyd K, Freling R, Alhoqail S, et al. How online product reviews affect retail sales: A meta-analysis [J]. Journal of Retailing, 2014, 90(2): 217-232.

[30]李 健. 在线商品评论对产品销量影响研究[J]. 现代情报，2012(1): 164-167.

(本文责编：辛 城)

Online Reviews, Perceived Usefulness and New Product Diffusion

TAO Xiao-bo1，ZHANG Xin-rui1，YANG Jian-kun1，SHEN Xiao-ling1，ZHANG Zhang2

(1.CollegeofEconomicsandManagement,NorthChinaUniversityofTechnology,Beijing100144,China; 2.BeijingUnionUniversity,Beijing100101,China)

Based on Bass model and the characteristics of online reviews, this paper introduces consumer perceived usefulness as a mediator, product type as the moderator, and proposes a model on impact of online reviews on new product diffusion. We bring forward to the influence mechanism model, which is tested by an empirical analysis. Results show that volume and valence of online reviews both have positive impact on diffusion of new product, and there is a negative interaction between the volume and valence of online reviews. Consumer perceived usefulness plays a mediating role, search products and experience products have the different diffusion model. For enterprises, this research will help them effectively manage online reviews of new products, and improve the efficiency of new product diffusion.Key words: online reviews; perceived usefulness; new product diffusion

2016-09-24

2017-04-18

国家自然科学基金青年项目(71202136)；北京市青年拔尖人才个人项目(2016000026833ZS05)；北方工业大学优势(建设)学科项目(XN081)；北方工业大学科研创新团队项目(XN018008)。

陶晓波(1981-)，男，重庆云阳人，北方工业大学经济管理学院副教授，博士，研究方向：网络环境下的技术创新与商业模式创新。通讯作者：张 璋。

F204

A

1002-9753(2017)07-0162-10