网购差评“负面效应”的性别差异探析

杜嘉童 于莹

摘 要：在互联网和社交媒体高速发展的今天，参考评论进行网购已经成为现代人的一种生活习惯。本文采用问卷调查的方式取得了关于性别、评论和评论影响力的一手数据，通过回归分析的方式对网购决策中的性别差异理论进行了验证，得出了女性比男性更依赖评论，差评给女性带来的“负面效应”比男性更大的结论，并据此为电商提出了相关营销建议。

关键词：消费;网络评论;性别差异;负面效应

一、 引言

在高速发展的信息时代，网购成为现代人生活的重要组成部分。在网购时，由于不能直接接触产品实物，人们只能依赖于商家的宣传来了解产品，信息严重不对称。在这种情况下，阅读评论能够较为真实地了解商品的真实情况，从而有效避免损失。所以，网络评论（eWOM）是人们进行网络购物决策时的重要考量指标。男性和女性作为不同的消费群体，在个性特质上有很大区别。所以，研究男性和女性面对异质性评论（好评/差评）的不同表现，将有利于商家针对商品面对客户群体的性别差异，采取不同的评论营销策略，从而实现盈利。

之前的研究中已经发现相比于正面评论，负面评论更受消费者信赖，这种现象可被简称为“负面效应”。Park & Lee（2009）采用实验设计的方法对此进行了验证。此外，研究表明男女在网购中存在性别差异。具体而言，Garbarino & Strahilevitz（2004）发现即使在控制了互联网使用情况的条件下，女性在网购中感知到的风险水平仍要高于男性。这种风险感知的差异将会反映到购物决策中，即女性在做决策时会更加谨慎犹豫。而评论作为一种网络口碑，将会对这种风险感知产生影响。在这一机制下，评论对于男女网络购物产生差异作用。Bae & Lee（2011）就研究了这种作用，并发现评论对女性网购意图的调节作用高于男性。然而在相关文献中，罕有关于性别对“负面效应”的影响的研究。

二、 理论框架和基本假设

（一）性别和评论依赖性

尽管在进行网购时男性和女性都会浏览评论信息，但二者对评论的接受和依赖程度有很大差异。相关研究表明，相比于男性，女性更容易相信和依赖从他人处得到的信息。一方面，女性会比男性花费更多的时间和精力处理接收到的全部信息;另一方面，女性的社会性更强，更容易听取群体意见。所以在性别和网络评论依赖性上可以提出如下假设：评论对女性的影响大于对男性的影响（H1）。

（二）差评的“负面效应”

如前文所述，相关研究发现负面评论更受消费者信赖。这是因为在信息处理过程中存在“负面效应”，负面的消息给人们带来的痛苦要远高于正面消息给人们带来的愉悦，从而给人更大的刺激。而在中国网购市场这个特定背景下，负面评论更受消费者信赖还有一个重要原因。如今，在淘宝等平台上购物往往会收到买家的“好评返现”红包，诱导消费者进行好评，导致好评的可信度大大下降，差评的可信度上升。据此可以提出第二个假设：负面评论对购物决策比正面评论更有影响（H2）。

（三）性别对“负面效应”的影响

在前文中，本文已经详述了差评的“负面效应”，也说明了性别和评论依赖性的关系。进一步地，本文将研究男性和女性“负面效应”大小之间的差异。相关文献表明，女性在网购中感知到的风险水平仍要高于男性。这种风险感知的差异将会反映到购物决策中，使女性在做购物决策时更加谨慎犹豫。据此可提出第三个假设：差评“负面效应”对女性的影响大于男性（H3）。

三、 数据收集与分析

（一）问卷设计与回收

本文的数据来源是第一手问卷数据。在问卷设计方面，采取了情景模擬的问法，选取了洗面奶这种男女生都会使用的常见网购商品，在控制了受试者产品了解程度的情况下，分别向其展示同等数量和程度的好评和差评，再要求其回答评论对购物决策影响程度的问题，由此得到数据。在问卷发放与回收上，本次问卷发放106份，回收106份，回收率100%。

（二）样本代表性

问卷调查出的数据为截面数据，样本容量为106。在回收的数据中，男性47个，女性59个，受试人来自全国21个省（自治区、直辖市），可认为在以上维度上具有代表性。此外，回收数据主要来自各大学，所以本文的研究对象主要是大学生。

四、 模型选取及回归分析

（一）模型设定与回归结果

参考Bae & Lee（2011）等文献中的变量选取，本文的因变量为评论对购物决策的影响程度（Influence），自变量为性别（Gender）、评论性质（eWOM）、对产品的了解程度（Knowledge）和月平均收入（Income）。其中，性别和评论性质为核心变量。对产品的了解程度和月平均收入为控制变量。由于前人的研究大多采用了相关分析及假设检验等统计方法，所以在模型选取方面，本文基于因变量的连续性不失代表性地选取了OLS回归模型。基本的回归模型如下：

以此模型为基础进行回归，Gender的系数反映了男性相较于女性对评论依赖程度的差异，eWOM的系数反映了好评相较于差评的影响差异即“负面效应”，而交互项系数则反映了男性和女性“负面效应”大小的不同，这正是我们所关心的。

为了观察估计结果的稳健性，基于上述模型进行了四种回归。根据参与回归的变量的不同，表1呈现了四个衍生模型的估计结果。

（二）回归结果分析

在前文的理论部分，本文做出了如下假设：

H1：评论对女性的影响大于对男性的影响。

H2：负面评论对购物决策比正面评论更有影响。

H3：差评“负面效应”对女性的影响大于男性。

观察表1的参数估计结果，假设中H1和H2都得到了验证。观察1和3两组回归可知，女性对评论的依赖性要显著地高于男性，男性的评论依赖水平比女性低0.256个单位，验证了H1假设。观察2和3两组回归可知，差评的影响力要显著地高于好评，负面评论的影响力比正面评论高0.367个单位，验证了H2假设。

然而，观察加入了性别和评论性质交互项的模型4可以发现，无论是性别，评论性质，还是新加入的交互项，都没有通过参数显著性检验。这意味着H3假设没有得到显著验证。原因可能有两个方面：一方面，现有的数据年龄和学历比较集中，大部分受试者都是大学生，基于该数据可以认为在大学阶段男性和女性“负面效应”差异并不明显。另一方面，进行回归的数据量不够多，如果数据量充分大，可能会得到和理论一致的回归结果。尽管如此，模型中交互项Gender*eWOM的系数是符合预期的，这意味着男性的“负面效应”比女性低0.271个单位，这一点和前文假设相一致。

五、 结论与建议

综合理论部分和实证部分，本文的结论是女性相较男性更关注和依赖评论，差评具有“负面效应”且这种“负面效应”对女性的影响要高于对男性的影响。

对于电商而言，可以根据如上结论来对营销策略进行调整。具体而言，首先，重视评论对销售的影响，特别是差评对销售的负面影响，重视与顾客的沟通和售后服务，尽量减少差评的数量。另外，由于女性更依赖评论，所以对于面向女性顾客的产品（如化妆品、服饰配饰等）更要重视评论在营销中的作用，既要鼓励顾客在社交平台上撰写有效的好评，又要给予差评特别的重视，从数量和程度上减少差评对销售的负面影响。

此外，虽然对电商而言控制评论非常重要，但在方法上也应当审慎。采用不当方式或过激手段，都会造成顾客的反感，反而对商家的商誉有损。更为明智的方法是鼓励顾客在社交平台上撰写好评，同时正视差评反映出的问题，积极与客户沟通解决，从源头上减少差评的产生。

参考文献：

[1]Park，C.，& Lee，T.M.Information direction，website reputation and WOM effect [J].Journal of Business Research，2009（62）：61-67.

[2]Garbarino，E.，& Strahilevitz，M. Gender differences in the perceived risk of buying online [J]. Journal of Business Research，2004（57）：768-775.

[3]Bae S.，Lee T. Gender differences in consumers' perception of online consumer reviews[J]. Electronic Commerce Research，2011，11（2）：201-214.

[4]Kempf，D.A.S.& Palan，K.M. The effects of gender on the processing of word-of-mouth communication[J]. Academy of Marketing Studies Journal，2006，10（1）：1-18.

[5]張紫琼，叶强，李一军，互联网商品评论情感分析研究综述[J].管理科学学报，2010（6）：84-96.

作者简介：

杜嘉童，于莹，中央财经大学。