网络信息爆炸时代消费行为决策的公众评价效应分析——以大众点评为例

刘姗姗，游健强，史家朋,周欣宇

(1.河南科技大学 经济学院，河南 洛阳 471000；2.黄河科技学院，河南 郑州 450063)

中国互联网络信息中心(CNNIC)发布的第47次《中国互联网络发展状况统计报告》显示,截至2020年12月，我国网民规模达9.89亿，互联网普及率达70.4%。其中手机网民规模达9.86亿，且网民使用手机上网的比例达99.7%。网络信息的爆炸使消费者行为决策也发生了转变。2020年中国网络购物市场研究报告显示，影响消费者决策的最主要因素是产品的网络口碑，选择该用户的占比高达71.1%；其次是网站/商家信誉，用户占比62.3%。同时，网民群体整体偏向年轻化，“80后”和“90后”是网络消费的主力军，并热衷于在平台上分享自己的评价，同时这也帮助其他消费者做出购买决策。而本地生活服务O2O平台可以使消费者在手机上迅速高效的搜寻商家和评价等多方面的信息，提高购买时的决策效率。

国内外学者对网络口碑的相关研究起步较早，并随着近些年消费者对网络信息依赖的加深研究内容更全面，主要包括点评数量和质量、点评评分、点评时效性、负面点评、商家的团购活动以及平台传播特征对消费者购买意向和行为决策产生的影响上。Hyunmi认为高质量的口碑评价可以帮助消费者在决策过程找到有用的信息，提高在线评论的有用性[1]。Bailey认为注重点评的时效性可以帮助消费者了解产品的信息，从而帮助消费者做出购买决策[2]。孙艳凤通过实证分析发现相对于正面网络口碑，负面网络口碑更容易引起关注，并会对消费者最终决策产生巨大影响[3]；郑婷通过回归分析证明负面口碑内容负面程度越强烈，并随着口碑数量的增多，消费者接受的负面情绪就越多，产品转换意愿就更强[4]。

总体来说，国内外学者都注重研究网络口碑的数量、评分以及负面口碑对消费者意向以及购买决策的影响，并且其研究也通过大量实证分析得到证实。但对于网络口碑的质量和商家信用研究的较少。基于此，文章以本地生活服务O2O平台为研究对象，重点更多地放在商家的信用和人气以及各点评因素对消费者决策行为的影响程度上，以丰富现有的研究。

1 研究设计

1.1 计量模型设定

通过建立多结构方程模型探究公众评价对消费者行为决策的影响因素。根据问卷调查收集的调查对象相关数据，采取多元线性回归的分析方法利用SPSS 26.0统计软件进行实证分析，以证实本地生活服务O2O平台中各变量对消费者消费行为的影响程度。具体的模型表示如下：

Y=β0+β1X1+β2X2+…+β16X16+ε0

其中：β0为常数项；ε0为随机误差；β1、β2、…、β16表示在其他被解释变量保持不变的前提下，X1、X2、…、X16每变动一个单位所引起的解释变量的变化量。

1.2 调查问卷设计

通过阅读和整理国内外先前的相关文献问卷，并结合文中研究模型中所选取变量确定问卷的选项设置，设计相关调查问卷用以量化消费者行为决策。问卷主要分为两部分：第一部分为被调查者的基本情况，包括性别、年龄、大众点评App使用频率等基本信息，该部分数据是描述性统计分析基础；第二部分是研究的重点，反应公众评价情况，主要包括点评数量、点评质量、点评时效性、点评者信用度、点评类平台可信度以及负面点评数量6个方面，具体指标如表1所示。本部分采用李克特无计量表进行测量，影响程度从小到大依次为1分～5分，力求从商家、消费者、大众点评平台3个维度全方面分析各变量对消费者决策行为的影响程度。

在问卷星平台生成链接后，在微信、QQ群、微博超话等社交平台进行发放。问卷发放历时半个月，共获得190份问卷。在对答卷用时过短以及缺乏参考性的无效问卷进行剔除后，获得了188份有效问卷，问卷有效率达98.9%。

表1 公众评价具体测评指标

2 实证分析

2.1 数据的信度检验与效度检验

整体标准化后的α信度系数为0.882，位于高信度区间，问卷设计的可靠性较强。根据删除项后的克隆巴赫信度系数可以看出，自变量“附带服务”为0.884，>0.882，因此该变量与其他变量之间的相关性较低。为了增强整体问卷的可信度，则删除此变量。其他变量均<0.882，由此可见样本具有较好的可信度。

为了尽量确保问卷调查的正确性和有效性，通过SPSS 26.0版本运用探索性因子分析方法进行效度分析，KMO检验的系数结果为0.858。由于KMO检验的系数取值范围在0～1之间，越接近1问卷设计的效度越好，因此本次问卷设计的效度较好。此外，根据球形检验的显著性也可以看出本次检验的显著性无限接近于0，说明测量结果能较好反映出本文研究的主要内容。

2.2 模型修正与回归结果

由于本次模型中选取的自变量个数太多，并且某些变量间的相关性较低，直接运用输入法进行多元线性回归分析的结果不显著，因此本次采取步进法进行多元线性回归分析。笔者采取步进法共剔除了12个自变量，最终只有点评数量(X1)、点评者信用度(X4)、点评类平台可信度(X5)和人气高低(X8)4个自变量与因变量Y之间存在显著的多元线性关系。方程修正为：

Y=β0+β1X1+β4X4+β5X5+β8X8+ε0

模型回归结果如表2所示，调整后R2为0.329，由于R2的取值范围在0～1之间，越接近1，说明模型的拟合效果越好。因此，该模型的拟合效果一般，这可能与问卷发放均在网络上进行导致相当部分调查对象填写问卷不认真有关。若模型各变量的方差膨胀因子VIF的值都小于3，则说明模型不存在多重共线性问题。由于本次分析结果的各变量VIF取值分别为1.103、1.389、1.253和1.291，取值均小于3，则该模型不存在多重共线性问题，回归效果较好。

2.3 回归结果分析

由回归分析结果可知，点评数量对消费者行为的影响程度呈正相关，即点评数量越多，消费者会愿意关注点评数量更多的商家，因此本地生活服务O2O平台对消费者消费时的影响程度也会越大。具体为在其他变量保持不变时，点评数量每增加一单位，平台对消费者行为的影响程度就会增加0.117个单位。

表2 模型回归结果

但从数据中可以看出，其影响程度与其他3个自变量相比是最小的。

点评者信用度对消费者行为的影响程度之间呈负相关，即点评者信用度越低，则商户上的消费者评价越不具备真实性。因此，消费者在点评类平台上接收的点评信息越鱼龙混杂，这些缺乏真实的信息对消费者购买行为的影响程度就越大。

平台可信度对消费者行为的影响程度呈正相关，且在4个自变量中与因变量Y的相关性最强，即当其他变量保持不变时，平台可信度(X5)每增加一个单位，因变量Y就增加0.548个单位。这意味着平台可信度越高，消费者对整个平台的信任倾向越强，从而对平台上各种团购活动购买意愿就越强，相应地平台对消费者消费的影响程度就越大。

人气高低对消费者行为的影响程度呈正相关，且商家人气每增加一个单位，则平台对消费者行为的影响程度就会增加0.222个单位。这意味着商家在平台上的人气越高，消费者在消费中的购买意愿就会越强，相应地对消费者影响程度就会越大。但人气高低与先前文献中所使用的变量网络口碑评分有一些区别，商家人气高低除了反映了点评评分之外，更强调商家受消费者关注的程度，比如那些评价较差但在网络爆火的商家反而对消费者影响较大。

3 结论与对策

笔者以网络消费为研究对象，利用问卷数据分析消费者行为决策的公众评价效应，通过实证分析，得出以下结论：①点评数量、平台可信度以及人气正向影响消费者行为的决策；②点评者信用度负向影响消费者行为决策。

从商家、本地生活服务O2O平台2个角度出发，提出以下建议。

3.1 提升本地生活服务O2O平台的可靠性

提升平台可信度有利于增加消费者对整个平台的信任程度。由前文的分析结果可知，点评类平台可信度与消费者消费行为之间呈现显著的正相关关系。平台必须保护消费者隐私，在定位服务中严格保护消费者的私人信息，防止信息泄露问题打击消费者的信心。另外，平台需要提升商家投放广告的审核标准，尽量减少虚假广告现象出现。平台需要给消费者提供更实际的满减等团购活动，增加平台上用户的黏性，从而更加信任其平台。

3.2 注重提升商家的知名度

提升商家在平台上的知名度，有利于增加消费者对其产品的关注度，从而增加其消费意愿。由前文分析可知，商家的人气高低与点评数量和质量、点评者信用度、点评时效性、评价好坏、服务质量、环境优劣和大众点评星级均存在中等程度的正相关关系。因此，商家应该提高服务质量和环境，提升顾客购买产品的体验，从而提高其对该商家点评评分，以更好的网络口碑吸引更多消费者。另外，开展一些真实且折扣力度较大的优惠活动，引导消费者在平台上进行反馈。