商家对外卖负面评论回复策略的有效性研究——印象管理视角下

蔡哲远

（天津理工大学管理学院，天津 300384）

一、引言

线上消费平台不仅给予了消费者多元的消费选择，而且提供了其发表关于企业产品或服务评论的渠道。由于外卖商家在互联网出售的产品或服务具有虚拟性，潜在的后续消费者主要通过平台提供的产品信息、消费者在线评论以及外卖商家对评论的回复来了解外卖商家的产品或服务质量。在线负面评论在某种程度上会影响潜在消费者对选择其他产品或服务的判断，进而对外卖商家的形象产生一定的消极作用。因此，如何应对消费者的在线负面评论以及修复受损的店面形象，成为不少外卖商家面临的新挑战。而在商家应对负面影响的策略中，有效回复是至关重要的一环。

印象管理是指人们试图管理和控制他人对自己所形成的印象的过程，而负面评论因为其可能带来的损失使得组织更有动力进行印象管理。因此，本研究旨在从印象管理的视角出发，以商家应如何回复负面评论为切入点，运用问卷调查法和扎根理论方法，采用Python 大数据分析技术，将负面评论与商家回复结合起来进行系统性归类，并通过量化分析外卖商家对负面评论回复的效果，从而帮助其有效经营评论区，促进买卖双方有序沟通，消除负面评论导致的消极影响。

二、文献综述

回顾网络平台负面评论及其商家回复的有关文献时我们发现，现有研究主要分为三个层次：一是对网络平台在线负面评论的细化研究；二是对网络平台在线负面评论及其商家回复的二维度研究；三是通过分析商家对负面评论的回复进行扭转负面口碑的策略研究。

在第一层次的消费者网络平台负面评论研究方面，已有研究主要论证了负面评论对消费者购买意愿的影响。李宏（2012）提出负面在线评论质量的高低对顾客的购买意愿具有显著影响，同时证明了负面网络评论的数量、质量、所占比例会影响消费者的网络购买决策。宁连举和孙韩（2014）对在线负面评论进行归类研究，得出在线负面评论的负面程度、数量、内容相关性和专业性，正影响网络消费者浏览网站时的感知，进而影响其购买意愿。张金鑫和胡海（2016）从消费者品牌认知的角度切入，进一步研究发现在线负面评论数量、内容质量、评论者资信度以及评论强度对网络购买行为有显著的负向影响。杜学美等（2021）则利用归因理论作了更加细化的分类：负面在线评论比例和失误严重性都对潜在顾客购买意愿有显著的负向影响，且两者都通过影响失误的归属性归因、可控性归因、稳定性归因和感知信任影响潜在顾客购买意愿。

在第二层次的商家回复方面，邓召惠（2017）提出商家回复对在线负面评论与消费者购买决策之间的关系存在显著的调节作用，并得出可通过加强在线负面评论信息管理与服务补救、鼓励消费者与商家互动地追加评论和依托政府监管提升商家声誉等方式促成消费者的负向影响向正面网络口碑的转化。郑春东等（2015）则创新性地提出了商家针对高质量负面网络消费者评论的有效回复可以取代负面评论而成为主导信息，降低消费者的品牌归因水平，进而提升购买意愿。

对于第三层次的商家回复策略，李爱国等（2016）从商家回复的时间和质量两个角度进行研究，发现商家回复及时程度和商家回复质量对负面评论内容评分与体验型产品销量关系存在显著调节作用，其中商家即时回复、敷衍型回复对负面评论内容评分与体验型产品销量关系的调节作用比延迟回复、针对型回复更为显著。姚欢书（2019）通过控制变量法，将负面评论和商家回复作为变量，得出不同类型的商家回复补救方式能够调节消费者的感知信任和购买意愿：在不考虑负面在线评论类型的前提下，归因补偿补救的效果最好；采取同一种方式的补救措施对不同类型的负面在线评论会产生不同的效果：面对结果失误的负面在线评论，不归因道歉补偿补救的效果最好；而对于过程失误的负面在线评论，归因道歉补偿补救的效果最好。

因此，据上述研究可知，回复负面评论是网络商家减轻负面口碑带来不利影响的有力手段。然而，现有研究仍存在一定的局限性：一是国内研究者大多认为回复负面评论是传统服务补救的一种延伸，且着重探讨其对已交易的消费者的作用，缺乏将科学的管理策略有效嵌入；二是目前大部分研究仍局限于对负面评论和负面评论回复样本进行大体化的概述，未使用更为科学的归纳性数据分析；三是多数研究目前仍停留在提出与分析问题阶段，缺乏在科学的管理理论下对负面评论回复进行深入的有效性反馈研究。

鉴于现有研究缺口，本研究将立足于印象管理视角，以外卖平台的负面评论数据作为切入点，系统地研究外卖商家对负面评论回复的有效性：利用扎根理论与印象管理策略科学界定负面评论及其回复的种类，构建负面评论回复的量化分析模型，总结出高有效性的负面评论回复策略。

三、外卖负面评论及其商家回复的归纳性研究

（一）数据收集

本研究以美团外卖APP 评论区的负面评论作为具体的数据收集来源。数据收集时间是2022 年5月5 日，通过使用Python 语言的Selenium 库方法进行网络爬虫，爬取上述平台2022 年1 月至2022 年4 月的所有负面评论和商家的相关回复数据，共获取4 879 条负面评论及其回复。接下来，基于数据处理最简化准则，本研究将恶意刷差评的负面评论界定为无意义文本，并运用Python 软件对原始数据进行了初步清洗和筛选，剔除了重复、无意义的帖子及评论。

（二）归纳性数据分析

本研究遵照Strauss 和Corbin 关于扎根理论方法的规范性编码步骤，分四步进行数据分析：第一步，开放式编码：对原始数据进行同义的编码转化，使原始数据中蕴含的初始范畴得以自然涌现；第二步，主轴编码：发现概念之间的潜在逻辑关系，按照同一性原则整合概念，识别负面评论及其回复的主范畴；第三步，选择性编码：对主范畴进行理论抽象，结合印象管理策略生成更具概括性的核心范畴；第四步，理论饱和性检验。

1.开放式编码

本研究将原始数据标签化，提炼出价值概念。以意思相同或相近为原则，本课题组成员分成两组，分别独立将4 879 条数据进行编码，通过整理合并，最终归纳成140 条具有代表意义的初始范畴。

2.主轴编码

在140 条初始范畴的基础上，本组成员继续进行筛选、剖析、合并和分类，识别其中蕴含的主范畴。经过反复推敲，针对外卖负面评论所反映的内容提炼出8 个主范畴（难吃、食材不新鲜、身体不适、质量与期望不符、卫生问题、配送慢、包装问题、配菜失误），而针对商家回复内容总结出9 个主范畴（格式化道歉、诙谐型道歉、承诺型道歉、补偿型道歉、责任转移、置之不理、归因、反问、防守反击），（详见表1）。

表1 负面评论的编码结果

表2 商家回复的编码结果

3.选择性编码

选择性编码是在主轴编码所发现的主范畴中经过系统分析选择一个核心范畴，核心范畴要求具备统领性，能够将大多数范畴囊括在一个比较宽泛的理论范围之内。在负面评论的二阶编码方面，依据专家总结和本研究组成员讨论分析后将9 个主范畴理论抽象为两大类二阶主题：产品方面与服务方面。而在商家回复的二阶编码方面，同样依据讨论分析后将本研究8 个主范畴理论抽象为四大类二阶主题：道歉、置身事外、解释和其他。

4.理论饱和性检验

在2022 年5 月至9 月，本研究对新收集的数据进行同样的清洗、编码和分析，结果与上述一致，核心范畴、主范畴和初始范畴均未增减变化。

同时，通过研究现有文献并邀请相关领域的专家对负面评论及其回复进行划分与界定：根据印象管理策略，企业积极回复方式的策略有“降级防御策略、促进提升策略”等，共包含有七种不同的细化策略（解释、道歉、置身事外、争取名分、宣扬、揭示困难、联合）。而降级防御策略应用于消极事件的使用环境，与本项目研究负面评论的思路相吻合，而促进提升策略适用在积极事件的应对环境中，与本研究的主旨不符。因此，降级防御策略应用于对商家回复一阶维度的抽象表达，对应本研究对商家回复的二阶分类维度为：解释、道歉、置身事外、其他。

由此，负面评论与商家回复的维度达到理论饱和，可以形成以印象管理策略为视角的负面评论及其商家回复完整分类（详见表1）。

四、外卖负面评论回复的效果研究

（一）问卷调查

在完成对外卖负面评论与对商家回复的编码进程之后，本研究采用问卷调查的方法进行模型构建和有效性分析。

1.问卷调查设计

调查问卷以天津理工大学本科学生为对象来进行设计与分析。为提高问卷调查以及后续统计分析工作的效率，以矩阵单选题为主设置题目。问卷采用了李克特五级量表法，对每个选项指标赋予权重，要求被调查对象在1-5 分之间进行打分。其中，“1”代表很不认可，“5”代表非常认可，分值越高，代表该指标越重要。

2.问卷调查样本

问卷调查以在天津理工大学校内住宿且充分参与外卖售后评价的学生为样本，通过“问卷星”平台发布问卷调查，共收回487 份有效问卷。其中大一学生占比29.23%，大二学生占比28.7%，大三学生占比22.1%，大四学生占比19.96%。在问卷发出后3 小时内提交365 份，占比75%。能够在相对较短的时间内得到比较积极的响应，一定程度上反映了受访者对外卖负面评论商家回复有效性的普遍关注。

3.题型设置

为了让受试人能够较为直观地理解本问卷的情境，本问卷根据研究二所得出的外卖负面评论及其商家回复的编码结果，在每道问卷问题的题干中阐明了不同类别的外卖负面评论情景，以供受试人能够设身处地思考自身的直观反映。调查问卷共设置8 个矩阵型选择题，纵向的小标题呈现了根据以上研究所归纳得出的负面评论回复一阶维度编码。

（二）数据归纳与分析

1.数据归纳与总结

在问卷调查的过程中，我们注意到大部分外卖负面评论类型可对应地与商家回复组成一套评论组合。且在问卷调查完成之后，本研究利用Python 语言的Selenium 库中的检索功能验证了各种评论组合的存在性，并剔除了其中并不存在的评论组合。

根据问卷调查的结果，每一种评论组合可以得到一项消费者接受度的评分，因此，本研究将负面评论的分类作为行标题、商家回复的分类作为列标题建立外卖商家负面评论有效性量化表，其中商家回复一列体现研究二的二次归类结果。另外，由于本研究主要集中于商家回复方面的分析，因而在得到每一种评论组合的量化数据之后，针对每一种不同的商家回复类型做了均值的计算并记录。

综合上述研究手段和问卷的系统分析结果，可总结归纳出表3。

表3 外卖评论商家负面评论回复的有效性分析量化表

2.数据检验与分析

对上述统计数据利用SPSS 软件进行数据分析，以对负面评论的九种商家回复策略作为变量，对这九组数据进行组间与组内方差分析，描述性统计结果见表4，方差分析见表5。

表4 描述性统计分析

表5 组间与组内方差分析

从检验统计表格中，可得到组间方差的显著性P 远小于0.001，小于显著性水平0.05，因此，可以认为八组评分拥有显著的差异，因此，本表格所表示的问卷调查结果数据有效性成立。

（三）对数据结果的讨论与研究

根据描述性统计分析表1，本研究发现在基于印象管理的外卖负面评论商家回复策略中，其量化评分均值主要分布在三个分数段上，可总结归纳为：有效度＞3、有效度处于（2，3）区间、有效度小于2。由于各回复策略的有效度均值大体符合金字塔式分布，因此，根据指标设置的李克特量级办法，本研究将有效度大于3 的回复策略定义为十分有效，有效度处于（2，3）区间的回复策略定义为较为有效，低于2 的回复策略则定义为不有效及完全不有效。

据表3 可以发现，道歉策略下的诙谐型道歉、承诺型道歉和补偿型道歉以及解释策略下的归因等回复手段的量化评分明显相对较高，可以推断出消费者能够接受以上四种负面评论回复；而其余回复手段的量化评分均值均较低，说明消费者对以上几种回复策略并不满意。

1.补偿型道歉回复策略

补偿型道歉回复策略在应对负面评论时的有效性最为显著，但是需要付出资金成本。从表3 中数据可以直观地看出，所有负评场景下的补偿型回复量化评分均大于3，甚至在“难吃”和配送服务方面的场景下评分超过4 分。虽然补偿型回复拥有显著高于其他策略的有效性，但是它需要商家付出直接的经济成本，在利益返还的前提下才能被消费者所广泛接受。因此，在实际应用场景中，商家不应频繁地使用补偿型回复策略。

2.归因型、诙谐型和承诺型道歉回复策略

归因型、诙谐型和承诺型道歉回复方式具有有效性，但对于一些特殊的负评产生背景，其有效性会产生波动。从表3 中数据可知归因型、诙谐型和承诺型回复这三种回复策略的量化评分处于2-3分之间，根据表中的均值数据可将其总体有效度进行排序：承诺型＞诙谐型＞归因型。对于一些特殊的负评场景，以这三种回复策略为研究样本，纵向比较其在同种特殊负评场景下的有效度表现，可以得到：在“食用后身体出现不适”这一负评背景中，承诺型以及诙谐型回复策略有效度评分出现了较大的波动，反而低于归因型回复，因此，此种情况下商家选择归因回复较为合适。同时对归因型回复进行具体分析，可以发现其在“难吃”“质量与期望不符”两种场景中，有效度横向比较表现较为显著，在这两种场景中可为商家提供策略选择。

3.责任转移型回复策略

责任转移型回复总体不有效，在特定场景具有一定有效性。据表3 得出，责任转移型回复总体有效度低于2，因此，总体不推荐作为回复策略。然而在“质量与期望不符”“配送速度”等方面出现问题时，其有效度大于2，因此，可以作为有效的商家回复策略。

4.反问、防守反击、置之不理及格式化回复策略

反问、防守反击、置之不理及格式化回复不具有有效性。反问、防守反击、置之不理型回复策略的有效度评分均处于底部，可被视为完全不有效。置之不理型回复虽然在均值比较上有效度高于责任转移型回复，然而前者回复组内方差经过计算小于后者，直观表现为前者不存在有效度高于2 的场景表现。因此，置之不理型回复同样可被视为完全不有效的回复策略。

五、结束语

根据扬长避短的管理原则，在外卖负面评论商家回复的情境中，商家可以使用印象管理策略中的降级防御策略来指导其回复，细化策略为本研究所得出的道歉策略以及解释策略。商家在回复进程中，推荐使用道歉策略下的诙谐型道歉、承诺型道歉以及解释策略下的归因型等回复策略，但需要注意在特殊情境下审慎选择这些较为复杂的回复策略。对于补偿型道歉这一回复策略，商家在愿意付出金钱成本的前提下可以使用，其效果也会在经济因素的加持下高于其余策略。同时，商家应尽量避免使用如格式化道歉、置之不理回复策略以及其他态度恶劣的回复手段。