负面在线评论及商家回复对顾客购买意愿的影响

杜学美,吴亚伟,高 慧,李美菱

(同济大学 经济与管理学院,上海 200092)

随着网络消费观念的普及以及网购和在线支付等条件的日益改善,消费者的购物行为逐渐向线上转移,互联网创造了新的商业行为和经济模式,也逐渐改变了人们的生活习惯。然而,相较于传统线下购物形式,网络购物过程中的商品、物流、售后等多个环节都可能会导致顾客不愉快的购物体验。

在线评论是网络口碑的主要形式之一,指的是消费者在购买和使用了产品后,通过互联网向大众群体或组织发布关于产品或商家的评论信息[1]。目前,在线评论已经成为消费者网络购物时获取商品信息的最重要来源,也是影响其做出购买决策的最关键因素[2]。相比于商家图文介绍,已购消费者发布的在线评论能够反映更加真实和全面的信息[3]。对于大多数产品而言,消费者既能在网络上看到正面评论,也能看到负面评论。负面评论反映了顾客不满的或糟糕的网购体验[4],会对品牌形象、企业信誉、顾客态度和购买意愿等造成不利的影响,大大提升了消费者的感知风险。因此,负面评论对于企业吸引潜在顾客是不利的。对于消费者而言,与正面评论相比,负面评论的真实性和可信度更高,消费者往往对负面评论表现得更加敏感,他们更愿意关注负面评论的内容来获取真实的信息。如果商家对于负面评论不予回应,潜在消费者只能通过负面评论的一面之词来推断产品和服务质量,这无疑使商家处于比较被动的局面。有效的在线评论反馈管理既能吸引新顾客,同时也能弥补抱怨顾客不愉快的经历,保留住老顾客。商家对在线评论进行回复作为服务失误补救的一种方式,为商家提供了解释的机会。从国内主流的购物网站来看,商家对负面评论回复的质量参差不齐,很多商家并不重视对负面在线评论的管理,有的商家对所有好评和差评予以相同的较为官方的答谢回复,并未解决负面评论中所提及的问题;而有的商家则会通过道歉、解释和补偿等方式来弥补失误造成的损失。

负面在线评论是网络口碑最重要的形式之一,也是消费者接触最直接、最频繁的网络口碑形式之一。杨雪[5]运用实证方式检验了负面在线评论强度对消费者认知和品牌信任的影响作用,结果表明,负面评论的内容质量和评论属性会通过影响消费者理性和感性的情感认知过程,进而影响顾客的品牌信任。吴菲等[6]从体验型产品的经济性、功能性和服务3个维度验证了负面在线评论的数量、质量和强度会通过影响顾客感知风险和信任,进而影响消费者对体验型产品的购买决策。黄华等[7]将品牌认同作为调节变量,通过实证研究的方式验证了负面在线评论的长度、数量、质量和时效性会影响消费者的感知易用性和感知有用性,进而影响消费者的购物意愿,同时感知易用性也会对感知有用性产生显著影响。张亚明等[8]分析了负面在线评论、商家服务以及消费者个人因素对于消费者感知风险的影响机制。现有研究大多关注负面评论对消费者感知风险、感知公平、顾客满意度和行为意向等的影响,很少考虑商家回复对负面在线评论影响潜在顾客购买意愿的调节作用。同时,归因理论相关研究也多是将归因维度作为自变量来研究不同维度的归因对消费者满意度、负面口碑传播意愿和购买决策等因变量的影响。Kim 等[9]以归因-情感-行为模型为基础,研究了顾客感知失误归属性归因对顾客负面情绪和重购意愿的影响。Swanson等[10]研究了服务补救过程中的归属性归因和稳定性归因如何影响潜在顾客感知服务质量,进而影响顾客满意度和顾客后续行为意向。很少有学者进一步探究哪些因素会影响消费者的归因,从负面在线评论的角度研究对消费者失误归因影响的研究更少。

基于当前的购物环境和研究现状,本文探讨网络购物环境下负面在线评论如何通过影响消费者失误归因从而影响其购买意愿的内在机理,以及商家不同方式的回复策略在其中所起的调节作用,这不仅丰富了负面在线评论和服务补救相关的研究,为后续研究提供了启发,而且为网络商家重视和管理负面在线评论提供了理论依据和切实可行的建议,可以帮助网络商家树立良好的形象从而吸引更多的顾客。

1 理论基础与研究假设

1.1 负面在线评论的直接作用

在真实的网络环境中,评论很少单独出现,而且消费者对产品在线评论的评估不是由单独的某一条在线评论产生的,而是对多条在线评论综合形成,研究多条评论如何共同作用从而影响消费者决策过程是必要的。因此,本文从负面在线评论比例和失误严重性两个角度出发,探讨负面在线评论对顾客购买意愿的直接作用。Purnawirawan等[11]将负面评论比例定义为负面评论数量除以正面评论和负面评论数量之和,负面评论比例反映了在线评论的总体倾向。根据最佳唤醒理论和从众理论的推断,潜在消费者在阅读在线评论时,大多数人的意见更能够影响其态度和行为意向。当大多数人都对商家提供的产品或服务表示满意时,潜在顾客往往更容易产生一致性的认同并产生积极的购买意愿,从而购买更多的产品。失误严重性是指顾客感知服务失误造成的损失的强度,包括有形损失和无形损失[12]。Zeithaml等[13]认为顾客对服务失误的容忍范围视情况而不同。对潜在消费者而言,如果顾客认为负面评论中描述的失误是无关紧要的,并且不在商家的可控范围内,那么,他们可能不会追问失误发生的原因,也不会责怪商家。但当他们感受到负面评论中反映的服务失误问题超出了他们的容忍范围时,为了避免类似的失误发生在自己身上,则选择不购买商品。基于此,提出:

假设1a负面在线评论比例对购买意愿有显著影响,负面在线评论比例越高,潜在顾客的购买意愿越低。

假设1b失误的严重性对购买意愿有显著影响,潜在顾客感知服务失误严重性越高,其购买意愿就越低。

1.2 感知信任和失误归因的中介作用

潜在消费者更倾向于将在线评论作为减少购买风险和不确定性的一种方式[14]。负面在线评论比例越高,所反映的失误越严重,潜在顾客对损失的感知就越强烈,从而使顾客对商家产生不信任感。信任是对合作伙伴可靠性和诚信的信心,满意的客户会感到信任和承诺,并产生积极的购买意愿,从而购买更多的产品。而感知信任是与信任高度相关但本质不同的一个概念,信任的行为主体是信任者,感知信任的行为主体是被信任者。信任反映的是基于对他人的积极预期而愿意承担其行为风险的意愿,而感知信任则是指被信任者感知到他人对自己不确定性行为进行风险承担的意愿,其反映的是消费者相信商家所提供的产品、服务、信息的可靠度与诚信。基于此,提出:

假设2a负面在线评论比例对感知信任有显著影响,负面评论比例越高,潜在顾客感知信任越低。

假设2b失误的严重性对感知信任有显著影响,失误越严重,潜在顾客感知信任越低。

假设3感知信任对购买意愿有显著影响,潜在顾客感知信任越高,购买意愿越强烈。

归因理论在市场与消费者行为研究中被广泛应用。本文采用Weiner[15]的三维度归因,将失误归因分为归属性归因、稳定性归因和可控性归因。归属性归因是指顾客对服务失误商家责任的感知[16]。潜在顾客在阅读负面在线评论时,会考虑失误是谁造成的。当潜在顾客在阅读在线评论时不断地看到与商家有关的负面评论且失误非常严重时,他们更倾向于将负面评论归咎于商家而非顾客,从而产生抱怨的情绪与较低的购买意愿。可控性归因是指顾客感知商家是否能控制失误的发生[17]。虽然一些外部环境引起的失误是商家无法控制的,但商家仍有机会防止失误的发生。当负面在线评论比例很高且失误非常严重时,容易让顾客感知到服务失误其实是商家可以通过努力去避免的,这些失误就会引发他们的抱怨情绪,从而削弱他们的购买意愿。稳定性归因是指失误是短期或偶尔出现的还是长期存在的[18]。较高的负面在线评论比例与失误严重性会使顾客认为失误是长期存在的,即失误的稳定性较高,进而产生对商家的不信任从而降低其购买意愿。基于此,提出:

假设4a负面评论比例对归属性、可控性、稳定性归因均有显著影响,负面评论比例越高,潜在顾客对商家的归属性归因以及对失误的可控性、稳定性感知越强。

假设4b失误严重性对归属性、可控性、稳定性归因均有显著影响,失误严重性越高,潜在顾客对商家的归属性归因以及对失误的可控性、稳定性感知越强。

假设5归属性、可控性、稳定性归因都对购买意愿有显著影响,潜在顾客对商家的归属性归因,对失误的可控性、稳定性感知越强,购买意愿越低。

1.3 商家回复策略的调节作用

商家回复策略是指商家如何对服务失误引起的顾客抱怨进行反馈。参考文献[19],将商家回复分为无回复、反驳、道歉、道歉加解释以及道歉加解释加修复5个维度,修复包括经济物质方面的补偿以及避免失误重复出现的举措建议[20]。Utz等[21]的研究表明,如果商家违背了顾客信任,相比于无回复或对负面评论进行反驳,道歉能够产生更高的可信度。如果潜在顾客因为较高的正面评论比例与较低的失误严重性而对商家持肯定态度,那么,商家对负面评论回复与否对这些顾客无显著影响。道歉可以获得潜在顾客的同情,但同时也是在承认自己的过失,这就意味着肯定了小部分人的抱怨。当大多数顾客都对商家的服务表示满意时,商家不需要对少数负面评论进行回复,即使商家不回复,潜在顾客依然会有较高的感知信任。当负面评论比例、失误严重性较高时,商家仍不对负面评论进行回复显然是不明之举,对负面评论进行反驳无疑会使情况变得更糟。而单纯的道歉可能会放大潜在顾客的负面情绪,这种负面情绪对商家是非常不利的。由于抱怨的顾客比满意的顾客数量多很多或服务失误严重性过高,潜在顾客更倾向于认为失误是无法修复的,即使商家做出解释也没有显著影响。因此,商家需要对失误进行道歉,解释问题出现的原因,提供具体的方案来弥补过失,并承诺将采取何种行动防止失误不会再次出现,从而影响潜在顾客的失误归因和感知信任。基于此,提出:

假设6a当负面评论比例较低时,不同的回复策略对潜在顾客对商家的归属性归因和对失误的可控性、稳定性归因的影响无显著差异。

假设6b当负面评论比例较低时,不同的回复策略对潜在顾客的感知信任的影响无显著差异。

假设6c当负面评论比例较高时,相比于其他几种回复策略,道歉加解释加修复更能够降低潜在顾客对商家的归属性归因和对失误的可控性、稳定性归因。

假设6d当负面评论比例较高时,相比于其他几种回复策略,道歉加解释加修复更能够提升顾客的感知信任。

假设7a当失误严重性较低时,不同的回复策略对潜在顾客对商家的归属性归因和对失误的可控性、稳定性归因的影响无显著差异。

假设7b当失误严重性较低时,不同的回复策略对潜在顾客的感知信任的影响无显著差异。

假设7c当失误严重性较高时,相比于其他几种回复策略,道歉加解释加修复更能降低潜在顾客对商家的归属性归因和对失误的可控性、稳定性归因。

假设7d当失误严重性较高时,相比于其他几种回复策略,道歉加解释加修复更能提升顾客的感知信任。

理论模型如图1所示。

图1 概念模型

2 研究设计

2.1 情境设计

本文的自变量和调节变量均为非连续变量,需要取不同的水平进行测量。实验设计包含3 个因子,分别为负面评论比例(高、低)、失误严重性(高、低)及商家回复策略(无回复、反驳、道歉、道歉加解释、道歉加解释加修复)。为了研究因子间的交互作用,采用2(负面评论比例)×2(失误严重性)×5(商家回复策略)的组间设计,共20个实验组。组间设计是指参与不同实验组的被访者接受不同的实验处理,即每一组被试仅在一种实验条件下接受实验处理。组间设计的好处在于不会出现一个实验组污染另一实验组的情况。本实验计划每个实验组包含30个样本,共需600个样本,他们将会被随机分到不同的实验组中。

Xplorer的一项调查显示,近85%的人都相信在线评论的内容,并且消费者在选购3C 类电子产品时最喜欢寻求其他人的意见来辅助自己的购买决策。当潜在顾客对某一产品具有较高的参与度时,他们更可能通过阅读大量的在线评论来了解更多的产品信息和其他顾客使用后的感受。考虑到手机作为时下最流行的移动设备,是使用频率和购买较高的电子产品,因此,从产品涉入度的角度考虑,选择手机作为试验品并假设了一个场景,假设被测试者有真实的手机购买需求,并且有足够的购买能力。本文将通过预实验来检验选取手机作为高涉入度产品的有效性。为了避免潜在顾客对手机品牌的偏好,在实验情景中并未指明具体是哪个品牌的手机。

2.2 变量测量

除了人口统计学变量以及回复策略外,本文中涉及的其他变量均采用Likert7点法进行量度,1～7表示从“非常低”到“非常高”或从“非常不同意”到“非常同意”。

(1)负面评论比例。该变量的控制借鉴Doh等[22]的设计,选取10条在线评论,认为40%的负面评论比例是相对较高的,10%的负面评论比例是相对较低的。为了进一步检测负面评论比例是否被有效操控,在预实验和正式实验中都设置了相应的问题进行检测。

党的十八大以来，党中央、国务院把脱贫攻坚摆到治国理政的突出位置，近几年，尽管脱贫攻坚在不断深入，但因病致贫、因病返贫的比例不降反升，仍然是导致农村贫困人口致贫的主要原因。

(2)失误严重性。首先,为了保证实验的真实性,实验中用到的所有在线评论都是从真实的购物网站中截取,并做了微小的调整,使得正面和负面评论在表达方式和语气强度上基本一致;其次,将在线评论的字数(正面和负面评论)均控制在20～30字,以剔除在线评论字数对失误严重性感知的影响。该变量的控制借鉴Hess等[23]的量表,在预实验和正式实验中都设置了相应的问题进行检测。

(3)失误归因。该变量的测量分为3 个维度(归属性归因、可控性归因和稳定性归因),采用文献[24-26]中的量表,并根据实验环境做了适当的修改,共8个题项,如在归属性归因维度设计了“我认为顾客不愉快的经历是由商家造成的”。

(4)感知信任。该变量的测量采用文献[27-28]中的量表,分别从能力,仁慈心和正直3个方面测量潜在顾客对负面评论及商家回复的感知信任,并根据实验环境做了适当的修改,共3个题项,如“我相信商家提供的商品/服务是可靠的”。

(5)回复策略。参考文献[19],将商家回复分为无回复、反驳、道歉、道歉加解释以及道歉加解释加修复5个维度,每一条负面评论的5种商家回复策略内容一部分是参考真实的网购商家回复并做了适当的调整,一部分则为自行设计,并将5种回复策略的字数均控制在50～60字。

(6)购买意愿。该变量的测量参考文献[29-31]中的量表,共3 个题项,如“如果最近有需要,我会考虑在该商家处网购手机”。

2.3 预实验

预实验1是为了确保其正式实验选用的实验产品具有较高的涉入度。涉入度是指基于个人消费者的需要、兴趣和价值观而被感知的消费者与某种产品的关系[33]。本文是建立在消费者对产品具有较高涉入度的基础上进行研究的,因为只有当消费者对某个产品具有较高涉入度,在选购时才更有可能通过阅读在线评论获取信息来了解产品和服务以及商家对抱怨顾客的反馈,以此来辅助他们的购买决策。采用Zaichkowsky[32]修订后的涉入度量表(RPII),共10个题项,每个题项均用Likert7点法进行测量,要求每名被访者阅读选购手机的实验情景,根据选购手机过程中的感受在量表上打分,分数从10～70分,分数越高,表示产品涉入度越高。实验对象为高校学生,共收集30份问卷。被访者的涉入度量表结果如表1所示。研究发现,所有被访者的RPII得分都在45分以上,且均值为57.819,符合本次研究对实验品的要求。因此,本文选取手机为本研究的实验品。

表1 RPII描述性统计分析

预实验2是为了检验上文中确定的负面评论比例高低所对应的负面评论数量是否与被访者的感知一致。每个实验组均选用10条在线评论,其中:负面评论比例高的实验组为6条正面评论,4条负面评论;负面评论比例低的实验组为9条正面评论,1条负面评论。在测试负面评论比例的影响时,为了剔除失误严重程度的影响,被访者将被随机分配在“负面评论比例(高/低)×失误严重性(高/低)”4个实验组中的一个,分别测试不同被访者对4个实验组负面评论比例的感知。选取高校学生为实验对象,将每个被访者随机分配到4个实验组中的一个,由他们来判断哪些是正面评论,哪些是负面评论,以及他们认为负面评论在所有评论中所占比例是高还是低。每组各收集了10 份有效问卷,结果显示,92.5%的受访者都给出了与本文设定相同的分类,单因素方差分析结果对如表2所示。被访者对负面评论比例高组的负面评论比例感知(均值=4.15)显著高于对负面评论比例低组(均值=2.80),因此,本实验对负面评论比例的操控有效。

表2 负面评论比例操控检验

预实验3是为了选取体现不同程度失误严重性的负面评论。从真实的购物网站上选取8条负面评论,并做了适当的调整以保证所有评论的字数均控制在20～30字,且表达方式和语气基本一致。邀请5位网络购物经验丰富的高校学生进行小组访谈,对每条负面评论的表达方式和严重性进行讨论和修改,并初步确认了4条负面评论的失误较为严重,其余4条的失误严重性较轻微。在此基础上,共回收了30份问卷,采用Hess等[23]的Likert7点量表,要求被访者根据自身感受来判断每一条负面评论反映的失误严重性。单因素方差分析结果对如表3 所示。被访者对失误严重性高组的负面评论严重性感知(均值=5.07)显著高于对失误严重性低组的负面评论严重性感知(均值=4.13),因此,本实验对失误严重性的操控有效。

表3 失误严重性操控检验

2.4 正式实验流程

本实验共有600名高校学生参加,所有的被访者将被随机分配到20个实验组中。每一位被访者都不知道该实验还有其他不同版本的问卷,也未告知实验的真正目的。在开始正式的实验问卷之前,将对此次实验问卷的目的做简短说明,以尽量减少受访者的顾虑和理解上的偏差。采用线下问卷收集方法,面对面发放,当场回收,并按批次整理对应实验组的问卷数据。

3 实证分析

3.1 描述性统计

实验共发放问卷600份,回收525份,通过问卷填写的合理性过滤,最终得到有效问卷份496份,有效问卷回收率95%。20个实验组人数分布均匀,每组人数均控制在25人左右。对有效样本进行人口统计特征分析,具体信息如下:①性别。男性占48.79%,女性占51.21%。②年龄。22 岁及以下占24.19%,23～25 岁占59.48%,26～28 岁占13.71%,29 岁及以上占2.62%,③受教育程度。博士占8.06%,硕士占60.89%,本科占29.44%,其他占1.61%。④月平均网购频率。2次及以下占34.27%,3～5次占47.18%,6～8次占7.26%,9次及以上占11.29%。⑤网购年限。2年及以下占5.85%,3～5年占53.43%,6～8年占37.30%,9年以上占3.43%。⑥最近一次网络购物时间。几天前占49.80%,一周前占22.78%,半个月前占15.73%,一个月前占8.06%,两个月前占1.81%,两个月以上占1.81%。

3.2 信度效度检验

采用SPSS19.0软件进行统计分析。各变量的Cronbach’sα系数均大于0.7,说明具有较高的内部一致性,信度良好。研究中所采用的量表均是在前人研究的基础上整理出的,具有良好的内容效度。对失误归因、感知风险和购买意愿3个测度项进行KMO 和Bartlett检验结果显示:KMO=0.822,大于0.5;Bartlett球体检验卡方值为3 156,自由度为91,卡方统计值的显著性水平为0.000＜0.001,说明该组数据具有较高的相关性,适合进行因子分析。在探索性因子分析中,通过主成分分析法提取因子。根据特征根大于1的判断方法,剔除特征根小于1的因子,找出主要因子,并把测度项进行归类。对应于概念模型中的5个构念,最终抽取出5个因子,各变量题项因子载荷在0.56～0.83,AVE 值均高于0.5,并且提取的5个因子共解释总方差的62%,表明量表聚合效度良好。同时,各因子间相关系数均小于其对应的AVE 值的方根,表明各变量间具有良好的区分效度。

3.3 变量操控检验

在进行假设检验之前,需要检验实验对自变量的操控是否有效。本文主要操控的是负面在线评论的比例和失误严重性。由于已经通过预实验选出了正式实验所需的在线评论和商家回复,故在正式问卷中针对负面在线评论比例和失误严重性各设置了一个问题,再一次验证被访者对所设计的实验场景中两个变量的感知。进行单因素方差分析结果如表4所示,负面在线评论比例的高低以及服务失误严重性的高低均具有显著性差异(p＜0.05),说明本文实验情境中对两个变量的操控是有效的。

表4 变量操控有效性检验结果

3.4 分组有效性检验

为了检验分组是否对控制变量和因变量产生影响,通过单因素方差分析对实验数据进行处理。如表5所示,各组的性别、年龄、受教育程度、网购年限、网购频率以及网购时间均无显著差异,并且各组样本对选取的试验品手机的涉入度和专业程度无显著差异。同时,各组的归属性归因、可控性归因、稳定性归因、感知信任以及购买意愿有显著差异。即分组对人口统计变量没有显著影响,而中介变量和因变量受到分组的影响。因此,实验分组对中介变量和因变量是有效的。

表5 分组对人口统计变量,中介变量和因变量的影响结果

3.5 假设检验

负面在线评论比例与失误严重性分别对失误归因、感知信任和购买意愿的单因素方差分析结果如表6、7所示。

表6 负面在线评论影响作用方差分析

表7 负面在线评论影响作用均值

综合表6、7的结果可以看出,负面在线评论比例与失误严重性对购买意愿的影响具有显著差异(P=0.001,0.000),并且负面在线评论比例越高,潜在顾客的购买意愿越弱(均值=4.198＜4.694),失误严重性越高,潜在顾客的购买意愿也越弱(均值=4.016＜4.883)。因此,假设1a、1b成立。负面在线评论比例与失误严重性对感知信任有显著影响(P=0.032,0.000),并且相比于较低比例的负面在线评论(均值=4.787),较高比例的负面在线评论更可能产生更低的潜在顾客感知信任(均值=4.565)。同理,失误严重性越高,潜在顾客的感知信任越低(均值=4.434＜4.922)。因此,假设2a、2b成立。负面在线评论比例对失误的归属性归因、可控性归因以及稳定性归因有显著影响(P=0.001,0.014,0.043),并且负面在线评论比例越高,顾客对商家的归属性归因越强(均值=4.262＞3.822),对失误的可控性归因越强(均值=5.321＞5.01),对失误的稳定性归因也越强(均值=5.225＞5.026)。因此,假设4a得到验证。同理,失误严重性对失误的3种归因均有显著影响(P=0.033,0.001 4,0.002 7),并且失误严重性越高,顾客对商家的归属性归因越强(均值=4.184＞3.903),对失误的可控性归因越强(均值=5.321＞5.01),对失误的稳定性归因也越强(均值=5.234＞5.016)。因此,假设4b成立。

引入商家回复这一调节变量,检验商家回复是否在自变量与中介变量之间起调节作用。此外,通过组间均值差异和单因素方差分析检验不同实验场景下5种回复策略的效果以及回复策略之间是否具有显著性差异(见表8、9)。

表8 负面在线评论比例与商家回复策略交互作用的双因素方差分析

表9 负面在线评论比例与商家回复策略交互作用均值

通过双因素方差分析,由表8结果显示,负面在线评论比例对商家的归属性归因及对失误的可控性归因、稳定性归因和感知信任均有显著影响(P=0.001,0.016,0.049,0.027),该结论也再次验证了本文2a、4a的假设。商家回复也对商家的归属性归因、对失误的可控性归因和稳定性归因有显著影响(P=0.002,0.043,0.004),为了进一步比较,选取负面在线评论比例高和低两种情况,分别对5种商家回复策略进行单因素方差分析。当负面在线评论比例较低时,5种商家回复对商家的归属性归因、对失误的可控性和稳定性归因的影响无显著差异(P=0.308,0.128,0.328),并且对3种归因影响的均值都较为相近,假设6a成立;但此时5种商家回复对感知信任的影响具有显著差异(P=0.002),在95%的置信水平上,道歉(均值=4.922)与反驳(均值=4.261),道歉加解释(均值=4.977)与反驳,道歉加解释加修复(均值=5.115)与反驳均存在显著差异,并且相比于其他几种回复策略,道歉加解释加修复更能够增加潜在顾客的感知信任,假设6b没有得到验证。当负面在线评论比例较高时,5种商家回复对商家的归属性归因、失误的稳定性归因和感知信任具有显著差异(P=0.008,0.008,0.000),通过均值对比,相比于无回复、反驳、道歉和道歉加解释,道歉加解释加修复回复策略更能够降低潜在顾客对商家的归属性归因、失误的稳定性归因,增加顾客的感知信任,但是不同回复策略对可控性归因的影响依然没有显著性差异(P=0.277)。因此,假设6c部分成立,假设6d成立。

失误严重性与商家回复策略交互作用的双因素方差结果如表10所示。

表10 失误严重性与商家回复策略交互作用的双因素方差分析

失误严重性对商家的归属性归因及对失误的可控性归因、稳定性归因和感知信任均有显著影响(P=0.024,0.012,0.020,0.000),该结论也再次验证了本文2b、4b的假设。商家回复也对商家的归属性归因、对失误的可控性和稳定性归因有显著影响(P=0.002,0.040,0.004),为了进一步比较,对组间进行单因素方差分析。表11的结果表明,当失误严重性较低时,5种商家回复对商家的归属性归因、对失误的可控性和稳定性归因的影响无显著差异(P=0.070,0.132,0.205),假设7a得到验证;但此时5种商家回复对感知信任的影响具有显著差异(P=0.014),相比于无回复(均值=4.859)、反驳(均值=4.537)、道歉(均值=4.972)和道歉加解释(均值=4.965),道歉加解释加修复更能够增强潜在顾客对感知信任的感知(均值=5.286)。因此,假设7b没有得到验证。当失误严重性较高时,5种商家回复对商家的归属性归因、失误的可控性和稳定性归因及感知信任具有显著差异(P=0.002,0.006,0.004,0.000),通过均值对比,相比于无回复、反驳、道歉和道歉加解释,道歉加解释加修复回复策略更能够降低潜在顾客对商家的归属性归因、失误的可控性和稳定性归因,增加顾客的感知信任。因此,假设7c、7d成立。

表11 失误严重性与商家回复策略交互作用均值

在LISERL中创建结构方程模型对其他假设进行检验。结构方程模型检验了失误归因和感知信任对购买意愿的影响关系,模型拟合结果如图2所示。

图2 结构方程模型分析结果

模型的chi-square和自由度之比为1.57,小于3,渐近残差均方和平方根RMSEA 的值为0.033,小于0.1,GFI=0.96,大于0.9,说明模型具有良好的拟合度。商家的归属性归因对潜在顾客购买意愿存在显著的负向影响,标准化路径系数为-0.220(P＜0.001),即潜在顾客越倾向于认为应该将失误归咎于商家,其购买意愿就越低;同时,失误的可控性归因对潜在顾客购买意愿存在显著的负向影响,标准化路径系数为-0.170(P＜0.01),失误的稳定性归因也对潜在顾客购买意愿存在显著的负向影响,标准化路径系数为-0.210(P＜0.001)。因此,假设5成立。从标准化路径系数和显著性水平来看,归属性归因对购买意愿的影响强于稳定性归因,强于可控性归因。感知信任对购买意愿有显著的正向影响,标准化路径系数为0.500(P＜0.001),即潜在顾客的感知信任越高,购买意愿越强烈。因此,假设3成立。此外,该结构模型的因变量潜在顾客购买意愿的R2=0.56,说明该理论模型的解释能力得到了良好的验证。

4 结语

本文以负面在线评论为研究对象,从负面评论的严重性和负面评论比例两个角度出发,引入归因理论、从众理论和服务补救等相关内容探究负面评论对潜在顾客购买意愿影响机制和内部机理,运用SPSS 19.0对情景实验收集到的样本数据进行假设检验等数据分析,并借助LISERL 进行结构方程模型分析。得出如下结论:

(1)负面在线评论比例对失误归因的3个维度(归属性、可控性和稳定性)均有显著的正向影响,对潜在顾客的感知信任和购买意愿有显著的负向影响。即当负面在线评论的比例较高时,顾客更倾向于认为商家应该对频频出现的服务失误负责,商家有必要提前采取适当的措施避免此类失误的再次发生;但也会认为失误是长期存在的,如果其选择购买了该产品也很有可能会遇到类似的失误,从而认为商家是不可信的,降低了购买的意愿。

(2)失误严重性对失误归因的3个维度(归属性、可控性和稳定性)均有显著的正向影响,对潜在顾客的感知信任和购买意愿有显著的负向影响。即当失误严重性较低时,潜在顾客往往会认为失误的出现是无关紧要的,并且超出了商家的控制范围,他们不会把过多的精力放在负面在线评论上,也就不会在意到底失误是由谁造成的或者是否会经常发生,对商家会产生信任感,购买的意愿也较强。

(3)当负面在线评论比例较低时,5 种商家回复失误归因的3个维度的影响无显著差异;当负面评论比例较高时,道歉加解释加修复回复策略更能够降低潜在顾客对商家的归属性归因、失误的稳定性归因,但不同回复策略对失误的可控性归因的影响不显著,因为顾客对商家对失误究竟可不可控更多地来自对失误严重性的考量,而非负面评论比例,进一步验证了上一条结论。无论负面评论比例高或低,道歉加解释加修复完整的回复策略无疑能显著提高顾客的感知信任。当失误严重性较低时,5种商家回复失误归因的3个维度的影响无显著差异;当失误严重性较高时,道歉加解释加修复回复策略更能够降低潜在顾客对商家的归属性归因、失误的可控性和稳定性归因,但无论失误严重性高或低,道歉加解释加修复回复策略总是能显著提高顾客的感知信任。

针对上述实证结果有如下管理启示:

(1)商家对负面在线评论进行回复时,需要考虑负面在线评论在总评论中所占的比例。当负面评论比例较高时,商家不仅要就顾客的抱怨进行道歉,还需要就失误产生的原因进行解释,并采取适当的补偿或承诺等修复措施来修复潜在顾客的感知信任和购买意愿;相反,当负面评论比例较低时,尽管道歉加解释加修复能够提升顾客的感知信任,但对归因的3个维度无显著差异。因此,商家可以采取不回复的策略从而降低商家的运营成本。

(2)面对差评,很多商家都选择统一内容的官方套话进行回复,这会给潜在顾客带来一种敷衍了事的感觉,不但不会起到积极作用,反而可能增加潜在顾客反感的情绪。研究结果表明,当失误较为严重时,商家需要通过道歉对遭受服务失误的顾客表示同情,也需要解释失误出现的原因,并告知会通过何种方式弥补失误带来的损失,或者未来可以通过哪些方式避免失误的再次发生,以使潜在顾客感受到商家的诚意和对责任的担当。这样不仅能够打消潜在顾客的顾虑,同时,也会让潜在顾客重拾信心,恢复对商家和产品的信任,进而提升其购买意愿。当失误严重性不高时,潜在顾客往往会认为失误是无关紧要的,尽管道歉加解释加修复的全面策略会对感知信任有所提升,但也带来了高昂成本。因此,权衡后商家可以不对负面评论进行回复。

(3)电子商务网站的优势在于为顾客提供了一个开放的并且有商家回复的顾客抱怨发布和处理的平台,网络商家应当充分重视对顾客抱怨的管理。首先,商家需要对售后人员进行负面评论响应培训,对已购顾客发布的负面评论迅速做出反应,应用良好的沟通技巧来安抚顾客不满的情绪;其次,售后人员也要定期对顾客抱怨进行评审,从顾客抱怨处理的过程中获得信息,对服务失误进行分析和评价,以便改进产品和顾客服务质量,通过改正来防止类似失误的发生,使顾客更加满意;再次,商家可以在处理顾客抱怨的同时建立顾客抱怨案例库,用于记录已发生过的服务失误以及商家的反馈信息,便于商家对负面评论进行统一化管理和一致性的响应,提升潜在顾客的感知公平;最后,商家可以对负面评论发布者进行随机调查或其他方法,确定抱怨顾客对抱怨处理过程及结果的满意程度。

本文的研究结果表明,负面评论比例过高会降低消费者的购买意愿,但是正面评论数量过高或无负面评论也会引起消费者的警戒。由此可见,负面评论的比例不是越高越好,未来的研究可以从这一方向入手。除了在线评论,网络口碑的形式还有很多种,商家回复的形式和渠道也有很多,未来的研究可以进一步考虑其他形式的网络口碑和商家回复。此外,本文的研究数据均来自高校学生填答,未来研究可以考虑扩大实验样本范围,覆盖尽可能多的网络购物群体。