网购评论范文第1篇

关键词： 网络购物评论； 文本分类； SVM； 多核学习

中图分类号：F406.2 文献标识码：A 文章编号：1006-8228（2012）04-43-03

A classification method of online reviews based on MKL-SVM

Hu Han

（Dujiangyan north street elementary school experiment foreign language school， Dujiangyan， Sichuan 610054， China)

Abstract： An online shopping website accumulates a large number of customer reviews for goods and enterprise services. Support Vector Machine (SVM) is an efficient classification method and can be used to track and manage customer reviews. But SVM has some weaknesses, for example, its slow speed of training convergence and uneasy raise of classification accuracy. The author presents the use of heterogeneous nuclear function of different characteristics, which may resolve SVM’s problem of weak generalization ability to learn and improve SVM classification accuracy. Through classification of online customer reviews, shopping sites may resolve the issues of critical analysis of mass data, and effectively help enterprises to improve service levels.

Key words： customer review； text classification； SVM； multiple kernel learning

0 引言

购物网站都建立有顾客评论系统，收集顾客对于商品及网站服务的体验感受。由于购物评论表达形式繁杂、内容随意、句型多样，给企业有效跟踪和管理用户评论意见，带来了很大的难度。

文本分类(text categorization)应用分类函数或分类模型，把文本映射到多个类别中的某一类，使检索或查询的速度更快，准确率更高。文本分类在自然语言处理与理解、信息组织与管理、内容信息过滤等领域有着广泛的应用。主要分类方法有：贝叶斯、决策树、支持向量机(Support Vector Machines, SVM)、神经网络、遗传算法等。其中SVM通过分隔面模式摆脱了样本分布、冗余特征以及过度拟合等因素的影响，具有很好的泛化学习能力[1]。但是SVM存在训练收敛速度慢，分类精度难以提高等缺点。

核函数是SVM解决非线性问题的方法，受限于单个核函数性能，使得SVM泛化学习能力有限，分类精度难以提升。多核学习(Multiple Kernel Learning，MKL)利用对同质(homogeneous)或异质(heterogeneous)核函数优化整合，提高了SVM的学习能力和泛化性能。在处理大量异质数据时，MKL具有很好的灵活性，且分类结果更清晰，便于解决现实应用问题[2]，但MKL涉及较多的相关参数的优化。对MKL研究目前主要集中在图像识别领域[3,4]。本文通过校准算法确定MKL异质核函数的优化权系数和核参数，建立基于多核学习的支持向量机(Multiple Kernel Learning SVM, MKL-SVM)文本分类模型，提升SVM在评论分类中的应用效果。

1 MKL-SVM方法描述

1.1 SVM核函数

SVM是基于统计学理论中的结构风险最小化原理，具有高泛化性能的通用学习机。设分割面，样本集线性可分时，SVM通过一个分割超平面，把训练样本点分类，使两类训练点到分割面的最小距离之和分类间隔(margin)最大[5]。分类间隔margin=2/||ω||，使间隔最大等价于使||ω||2最小。最优分类面的求解可以转化为优化问题：

s.t.

利用Lagrange优化可将上述问题转为其对偶问题：求解下列函数：

max：

s.t.和。

最优分类函数是

。

上述式中a：为Lagrange非负乘子

将低维的输入空间数据通过非线性映射函数映射到高维属性空间，输入空间线性不可分问题在属性空间将转化为线性可分问题。这种非线性映射函数称之为核函数[6]。设x在χ对应一个映射到高纬空间，φ(x)为核映射函数，K核函数为，，SVM寻找的超平面胃。此时目标函数变为：

而

考虑最大分割和训练误差，优化公式为：

s.t.

1.2 多核学习

设函数集合M由多个核函数K1…Km组成，核函数对应的映射函数是φ1…φM。MKL[7]公式：

s.t.

其中ωk表示φk在整个学习机中的权重。

其中00, k=1,2….M；多核学习核函数KMKL是Ki的凸线性组合：；最终的分类函数。

1.3 MKL-SVM及优化参数计算

MKL-SVM核函数的选择取决于对数据处理的要求。具有全局性的核函数和局部性的核函数的分类性能互补，可以使用不同核函数组成多核核函数[8]，但是如果MKL异质核函数种类过多，会使SVM训练过于复杂。因此，本研究选用M=2，核函数选择了：Gaussian径向基核函数RBF (Radial Basis Function)。局部核函数具有较好的学习能力，而泛化推广能力较弱。多项式核函数(Polynomial Function, PF)是一个全局性核函数，具有较好的泛化推广能力，而学习能力则要弱些。Sigmoid核函数在神经网络的应用中，具有良好的全局分类性能。对有下面2种实现形式：

MKL-SVM计算中核参数σ、d、β0、β需要寻找合适的值使得SVM测试错误率最小。权系数λ对MKL-SVM起着关键作用也需要进行寻优。核参数和权系数的确定是MKL-SVM非常重要的环节。本文利用核函数之间的关系等价于核矩阵之间的关系，结合交叉验证技术LOO和核校准(kernel alignment)[9]，建立如下优化求解步骤：

①，表示两个核矩阵之间的内积。

核校准度量k1与k2在样本集S上的差异。核校准是一个标量值，体现了不同核函数之间的差异关系。

② 对k1,k2使用LOO方法，求出核参数，使达到最大的核参数。

③ 定义函数

④ 构造一个权参数λ和乘子αi的拉格朗日方程，构造二次规划子问题：

⑤ 重复步骤④直到误差最小，算法收敛到最优的λ值。

2 实例分析

2.1 评估标准和分类维度

表1 购物评论分类维度

[[评论对象\&编号\&维度\&解释\&售前服务\&A1\&购买咨询\&是否提供在线问答解决顾客疑问\&A2\&信息提供全面性\&网站商品信息是否满足顾客需求\&商品\&B1\&定价\&价格浮动给顾客带来的影响\&B2\&商品特征\&对商品使用感受\&网站服务\&C1\&支付方式\&网站方便、种类多、安全\&C2\&内部配货、调货\&企业内部订单处理速度\&C3\&信息沟通\&及时传递商品处理信息给顾客\&物流服务\&D1\&及时性\&物流时间是否合理\&D2\&态度\&快递服务、送货上门态度\&D3\&质量\&外包装磨损、安全\&售后服务\&E1\&换、退货\&问题商品的处理\&]]

对于需要分类的n个状态，我们以ce表示对第i个状态分类出的正确信息个数，te表示没有分类出的正确信息个数，fe为错误信息个数。以精确度P(Precision)表示系统正确分类信息占所有分类信息的比例，；召回率R(Recall)表示系统分类出的正确信息占所有可能正确信息的比例，。评论模型性能需要同时考虑P和R，为此引入，其中β是P和R的相对权重，决定对P侧重还是对R侧重，通常设定为1。F值越大，说明分类性能越好。

围绕购物网站服务流程，本研究结合顾客购物评论中的常见主题，总结出了评论的分类维度(表1)。

2.2 方法评估与应用

本文从卓越亚马逊、当当网等购物网站，下载了不同商品的3000条购物评论。随机抽取2000条作为训练集，其余作为测试集，对比几种方法F值。从图1可以看出，单核SVM中Gaussian RBF优于Polynomial；而MKL-GP和MKL-GS分类性能都优于单核SVM。其中MKL-GP效果好于MKL-SG，这是由于Sigmoid函数在某些特定条件下，才满足核函数对称、半正定的要求，因此影响了其分类的性能。

图1 不同方法分类F值

表2 数据集实验结果

[[样本量\&Polynomial

SVM (F值)\&Gaussian RBF

SVM(F值)\&MKL-GS

SVM(F值)\&MKL-GP

SVM(F值)\&300\&0.6573\&0.6639\&0.5081\&0.6047\&600\&0.6894\&0.7429\&0.7026\&0.7493\&1000\&0.7047\&0.7579\&0.8081\&0.8169\&2000\&0.7715\&0.8040\&0.8559\&0.8621\&3000\&0.7745\&0.8037\&0.8551\&0.8676\&]]

本文使用不同的样本量对两种算法进行对比，其中F值使用均值。从表2可以看出，在样本量不够大时，MKL-GS受Sigmoid函数特性影响性能较差；随着样本数量的增加，MKL优势逐渐明显，表现出优于单核SVM的分类性能；样本量到2000之后，SVM分类性能的提升就不明显，有待更进一步优化。

3 结束语

网络购物评论分析需要多种技术的结合。MKL-SVM方法通过集成学习发挥异质核函数不同特性，实现了购物评论分类性能的提升。本文所做的工作仅仅是购物评论分析的第一步，还需要结合文本挖掘、情感分析、营销分析等方法，才能帮助企业掌握消费者的感受，给予更多智能化的决策建议。网络上存在各类评论、新闻、博客、微博，对这些文本的分类分析，只要通过优选核函数以及相关参数，可以参照MKL-SVM方法获取更好的分类性能。

参考文献：

[1] 苏金树,张博锋,徐昕.基于机器学习的文本分类技术研究进展[J].软件学报,2006.17(9):1848~1859

[2] F. R. Bach, G. R. G. Lanckriet, M. I. Jordan. Multiple kernel learning, conic duality, and the SMO algorithm[C]. Process 21st International Conference Machine Learn, 2004:6~14

[3] S. Sonnenburg, G. Ratsch, C. Schafer. Large scale multiple kernel learning [J]. Machine Learning Research, 2006.7(12):1531~1565

[4] Koji Tsuda, Gunnar Rätsch, et al. learning to predict the leave one out error of kernel based classifiers [J].Process International Conference Artificial Neural Networks.2001.21(3):331~338

[5] Smits, G.F., Jordaan, E.M. Improved SVM regression using mixtures of kernels Neural Networks[C]. Proceedings of the 2002 International Joint Conference,2002.5:2785~2790

[6] A. Rakotomamonjy, F. Bach, S. Canu, Y. Grandvalet, More efficiency in multiple-kernel learning[C]. Proc. 24th Int. Conf. Mach. Learn., Corvallis.2007.6:775~782

[7] Mingqing Hu, Yiqiang Chen, James Tin-Yau Kwok. Building Sparse Multiple-Kernel SVM Classifiers [J].IEEE TRANSACTIONS ON NEURAL NETWORKS. 2009.20(5):1~12

网购评论范文第2篇

[关键词]网络购物；在线评论；信用炒作

1在线评论的现状

1.1在线评论的重要性

随着电子计算机的发展，电子商务的发展也越来越快，如何降低消费者的购物风险，赢得消费者信赖，促进电子商务的发展已经成为一个日益重要的课题。当今在线口碑成为影响消费者购买意愿的一个重要因素，它具有传播速度快和影响范围广的特点。

随着中国网络购物市场的发展，中国对在线评论影响的统计也越来越多。中国互联网信息中心2009年公布的研究报告显示：41.1%的网民在购买每个商品前都会查看用户评论，26%的网民在购买大多数产品前都会查看在线评论，只有17.9%的用户表示在购物之前不会查看用户评论，可见大部分网民在网购时有查看在线评论的习惯。此外，与尼尔森公司的调查稍有不同的是有43.3%的人表示在线评论是其做出购买决策的重要依据，其次才是朋友意见（34.7%）。CNNIC在2012年的研究报告显示在线评论是影响消费者选择购物网站的最重要的因素，约39%的用户会通过在线评论选择购物网站，其次才是购物网站的品牌约15%，价格17%。

以上的调查显示在线评论已经成为影响消费者购买意愿的重要影响因素，并且中国消费者受在线评论的影响较外国稍微大一些。因而我们有必要了解在线评论的影响机制，以便有针对性地规范和管理在线评论，使其既能为消费者提供必要的商品服务信息，又能增加企业或者卖家的销量，达到双赢的目的。

1.2负面评论的重要影响

相较于好评，差评对消费者的影响较大。AC尼尔森2010年关于“网络社区使用情况”的调研显示全球41%的网民愿意分享负面评论，但在中国这一比例约为62%，由此可见中国网民更愿意分享货面评论。

统计显示差评对中国网民的影响更大，中国网民对差评的反应比世界平均水平高，那么在线评论中的中评（既有好评又有差评）是否也对消费者的购买意愿产生显著的影响呢？

1.3中评在在线评论中的比重较大

当下大部分网站把在线评论划分为三个等级：好评，中评，差评。其中，好评的比重是最多的，其次是中评，最后是差评。李宏（2012）对国内电子商务市场份额占前三位的购物网站的755个产品的452 158条在线评论和网站内747家店铺半年内共5 697 077条在线评论进行详尽的统计及内容和分析后发现：好评出现的比例较高，占98.05%，中评出现的比例较低，仅占1.08%，差评出现的比例最低占0.87%。从总体来看在线评论中好评占了绝对优势，而中评相较于差评，比例也是较大的。此外在好评和差评中也存在一定比例的中评，给出这种具有中评性质的好评和差评，或者是由于消费者的评论惯性：即使不满意仍然给予好评；或者是出于商家的逼迫和威胁而给出具有中评性质的好评。作为线上评论之一的中评在数量和影响上已经成为不可忽视的一部分。

2在线评论影响因素

2.1信任倾向

信任倾向就是个人愿意相信他人的意向。研究发现消费者认为来自第三方的客观评论，尤其是消费者的评论信息具有更高的信任倾向。所以，可以推论，当对产品或服务信息了解较少时，高信任倾向消费者更容易接纳评论者的信息，从而促使发生购买行为。

2.2从众行为

消费者为了得到群体的认可，常常表现出与群体相似的购买倾向。消费者会将其他消费者的行为作为参考，并努力与多数消费者保持一致。

2.3产品涉人

产品涉人是指消费者对产品的重视程度，是出于个人感知的定义。高产品涉入程度的消费者会积极主动搜寻产品有关的信息，倾向于做出理想的购买决策，而低产品涉入程度的消费者则恰好相反，不愿比较产品信息，决策过程也较为简化。

3营销管理与启示

现在的信息技术已具备强大的社会功能，网络零售市场也因此加入迅猛发展的浪潮。越来越多的企业认同并注重通过在线评论进行网络营销，在线评论也已被证明是影响消费者购买决策的关键性因素。

3.1完善现有的评论机制

在线评论极性显著积极地影响消费者的情感信任，但对认知信任影响并不显著。事实上各类平台的评论系统中有默认正向评论的设置，因此评论极性可能更多地引起消费者基于善意的人际关系上的情感信任。企业或网络商店应积极引导消费者进行客观的评价，支持、鼓励、回应那些正向的、赞扬商品和企业的在线评论。同时也不刻意[瞒、消除提出商品不足的负向评论。要在增加正向评论的同时，对负向评论中暴露出的问题也及时解决，做好沟通及交流工作，对恶意发表的负向评论也应在第一时间内做出适当的回应声明，告知消费者该负向评论的不良用意，努力展现给潜在消费者一个正直、负责的形象。

网购评论范文第3篇

关键词：在线评论;购买意愿;生动效应;反馈;经济型酒店

作者简介：王 绮，上海师范大学商学院讲师，硕士（上海 200234）

一、前 言

消费者常常会根据实际的消费经历与期望价值的差距，形成购后评价并向外散发――口碑，通过口碑，没有产品消费经历的其他消费者可以了解产品的相关信息，并做出是否购买的决定？q？。随着互联网的普及，以及越来越多的企业建立独立网站或在第三方电子商务平台上建立网店，网络口碑正在发挥和传统口碑一样的功能，而且与传统口碑相比，网络口碑具有传播速度快、波及范围大、匿名性等特点，对消费者的购买决策具有更强的影响力？r？。

根据中国互联网信息中心（CNNIC）的最新报告，到2014年底我国互联网用户已经达到6.49亿，其中，网络购物用户规模达到3.61亿，较上年增长19.7%？s？。CNNIC2009年的一份调研报告则表明，中国有41.1%的网民在购买每个商品前都会阅读在线评论，26%的用户购买大多数商品前都会阅读，只有17.9%的用户表示购物前从不看在线评论;有43.3%的人认为线上消费者评论是其购买决策前最看重的因素，其次才是亲人朋友意见，占比34.7%，认同专家意见和知名网站记者评论作为最重要决策参考的用户总和只有18.6%？t？。因此，在中国电子商务快速发展的背景下，研究在线评论的信息特征对消费者购买意愿的影响，有利于把握网络口碑的传播规律，丰富在线评论理论，并对企业开展网络口碑营销以及相关电子商务网站完善自己的在线评论系统具有一定实践价值。

根据传播过程理论，口碑来源、口碑信息、口碑接收者以及交流渠道的特征会对口碑传播效果产生影响？u？。在口碑信息特征方面得到较多关注的变量包括：在线评论的数量？v？？w？、评论分值？x？、情感倾向？y？、信息类型？？？？？？和信息质量？？？？？？等。本研究则在以往研究基础上主要讨论以下两个问题：

（1）一般的消费网站上，消费者除了可以发表评论外，还可以对整体消费体验进行评分，网站大都在产品首页标明所有发帖消费者的累计打分。在线评分和在线评论应是影响消费者购买决策的两个最直接变量。实践中，消费者除了阅读总体评分外，常常只是阅读两页以内的在线评论？？？。而总体的在线评分和少数人的在线评论提供的信息并非完全一致，那么哪个因素对消费者购买意愿的影响更大？

（2）互联网在沟通方面的最大优势在于较强的互动性？？？，目前越来越多的消费网站都会设置企业针对消费者在线评论（特别是负面评论）的及时反馈功能，企业可以使用此功能对消费者的评论进行解释和沟通，其他消费者在阅读在线评论时也会浏览到企业相应的反馈内容。那么企业采取不同形式的反馈对消费者购买意愿的影响存在显著差异吗？

二、假设提出

根据Tversky和Kahneman？？？的发现，决策者会存在易得性直觉，也即决策者通常会依据一些容易想起来的事例来判断一种类别出现的频次或者事件发生的概率。通过易得性直觉，决策者可以将困难的决策内容简化。而根据易得性直觉的一般原则，相对于平淡的、抽象的或者是统计的数据，生动的信息更容易影响到决策者，这也被称为生动效应？？？。例如Borgida和Nisbett？？？的研究就发现，大学生在选课时更看重面对面的1～4个学生委员的意见，而忽略上学期所有选课同学对课程的评分统计结果;Herr等？？？的研究结果也表明，消费者选购电脑时，其他消费者口头交流的效果要优于同样内容的纸质报告。基于生动效应的存在提出下列假设：

假设1：相比全体消费者对产品或服务的累计评分，少数的正面在线评论应更能提高消费者的购买意愿，而负面在线评论更容易降低消费者的购买意愿。

当负面评论产生时，企业如果采取回避态度（不回应，不做澄清，也不愿承担任何责任），会使消费者认为该企业是间接承认了产品伤害危机事件的事实，导致消费者对企业采取规避态度，进而购买意愿下降？？？。而当企业采取积极响应时（积极承认错误并承诺整改），根据Weiner？？？的归因理论，能够促使消费者减少利用负面信息进行内部归因？？？，并充分体现企业社会责任感，表明企业以消费者为中心，充分关心消费者利益？？？，将使消费者对企业产品产生较高的信任度，并有效降低消费者后续消费的感知风险，从而增强其购买意愿？？？。相反，当企业采取否认回应时，有可能会使消费者产生抵触情绪，不利于消除消费者的怀疑和疑虑，并无法降低消费者的感知风险。因此，提出下列假设：

假设2：商户对负面在线评论的不同应对和反馈方式对消费者的购买意愿的影响有显著差异。

三、在线评论的生动效应对消费者购买意愿的影响

1. 研究方法

（1）实验设计

研究1采用2（高在线评分、低在线评分）×2（正面在线评论、负面在线评论）的实验设计，最后分为4套调查问卷。为了避免产品类型和消费者掌握产品专业知识的差异对研究结果的影响？？？？？？，相比高专业知识的电子产品，选取所需专业知识较低的经济型酒店作为研究对象。为了避免评论网站可信度对研究结果的影响？？？，研究1设计了一个虚拟的携程网？？？上某经济型酒店的在线评论网页（为了避免其他无关变量对研究的影响，此评论网页中没有标出酒店品牌、图片、价格和地理位置）。首先向被调查者告知实验的要求和步骤，要求被调查者进入购买情境假想，然后阅读携程网上某经济型酒店的在线评论内容，并填写对此经济型酒店的购买意愿。

（2）实验材料

为了保证研究有较高的外部效度，研究1和研究2中所设计的虚拟酒店的消费者评分和评论全部引自携程网上消费者对经济型酒店的真实在线评分和评论。首先选择市场份额最大并在携程网上在线销售的4家经济型酒店，包括如家、莫泰、锦江之星和汉庭，并记录下这4家经济型酒店某日在携程旅行网上海地区9个中心区？？？任意1家酒店的最近10位顾客对所消费酒店的在线评分（最低为0分，最高为5分）和在线评论，共获得数据400份，然后删去其中没有体现明显情感倾向的评论（例如“还行”、“可以”、“不错”等），共得到数据369份。在设计问卷中的高分和低分时，为了避免在“高分负评论”和“低分正评论”的实验组合中，如果选择极高分和极低分会降低被调查者对问卷中在线评分和评论的信任度？？？，将369个在线评分以升序排列，分成数量相同6份，计算每份的平均分分别为3.30、3.50、3.90、4.20、4.50、4.90，选择其中的较低分（3.50分）和较高分（4.50分）分别做为实验材料中的低分和高分。为了避免评论数量对研究结果的影响？？？，材料在两个评论分数旁边都注明为“共369人评价”。

由于酒店作为服务型产品是无形和难以触摸的？？？，消费者对酒店的评论点自然也就五花八门，为了避免在线评论有用性的差异对研究结果的影响，需要将消费者关心的内容设计在评论中。在一个针对上海在校大学生和在职攻读本专科学历学生？？？的预调查中，要求填答者提出自己在消费经济型酒店时最关注的三个因素。预测试共发放问卷145份，回收140份，回收率96.55%，其中有效问卷140份，占总体回收问卷总数的100%，其中男性64人，占样本总数的45.7%，女性76人，占样本总数的54.3%。调查发现，占填答者提及次数一半以上的因素包括：房间卫生104次（占比74%）、服务81次（占比58%）、价格78次（占比56%）、交通76次（占比54%）。考虑到携程的实际网页上都会标出经济型酒店的价格和地理位置，故对消费者来说存在风险和不确定的只有卫生和服务，因此，选择将卫生和服务作为实验材料中消费者在线评论的主要内容。通过使用内容分析的方法，在一名语言学博士和管理学博士的帮助下（包括作者共4名评价者），对369份评论进行语义分析，并从中选择4条正面评论和4条负面评论，要求这些评论必须有明确的情感倾向，并且包括消费者最关心的服务和卫生内容。正面评论的例子如：“还不错的，干净舒适，服务也好，床很舒服，设备很新，住得很舒心”;负面评论的例子如：“一进房间就有很大的味道，而且有点脏，感觉不是很好，服务人员的态度也很生硬”。被选择的8条评论都得到了4名评价者的一致同意。

（3）变量测量

购买意愿可视为消费者选择特定产品的主观倾向，并被证实可以作为预测消费行为的重要指标？？？。问卷参考Zeithaml等？？？和金立印？？？的购买意愿问卷，共四题，分别为：（1）我觉得我会选择这家酒店入住;（2）如果选择这家酒店入住，我不会后悔;（3）我对入住这个酒店有点担忧（反向计分）;（4）与其他酒店相比，这家酒店是我更佳的选择。问卷7点计分，从非常不同意到非常同意。该问卷的Cronbach α为0.90，说明问卷有良好的信度。使用验证性因素分析测量问卷的结构效度，具体指标如表1所示，数据结果表明问卷具有良好效度。

（4）数据搜集和样本描述

发放问卷时将打印好的4套问卷任意打乱并随机发放。研究1共发放问卷650份，回收554份，回收率为85.3%。删除填答不完整的问卷共回收有效问卷521份，占总体回收问卷总数的94.0%。研究1的样本构成情况如表2所示。研究1中4类问卷的数量和比例如表3所示。研究1中4个实验组的人口统计变量之间并没有显著差异。

2. 研究结果

四个实验组的均值和标准差如表4所示。对数据进行2（高/低在线评分）×2（正面/负面在线评论）的方差检验。结果表明在线评分对消费者购买意愿的影响并不显著，F（1，517）=0.946，p=0.331;而在线评论对消费者购买意愿的影响显著，F（1，517）=378.241，p<0.000 5;因此，假设1得到支持。得分和评论的交互效应显著，F（1，517）=19.107，p<0.000 5，其交互效应如图1所示，可以发现，高在线评分会强化评论属性对消费者购买意愿的影响。简单效应检验中，负面评论情况下，低分消费者购买意愿高于高分消费者（均值分别为2.99和2.39，t=2.83，p=0.005）;而在正面评论情况下，低分消费者购买意愿小于高分消费者（均值分别为4.68和5.06，t=3.79，p<0.001）。

四、企业在线应对和反馈对消费者购买意愿的影响

1. 研究方法

（1）实验设计

Siomkos和KurZbard？？？提出不可辩解产品伤害危机时企业的应对模式包括：坚决否认、被动召回、主动召回和积极承担责任;方正？？？提出可辩解产品伤害危机的应对模式包括：纠正措施、积极澄清、置之不理和否认反驳。研究2则参考格里芬？？？提出的组织承担社会责任的反应方式，将企业针对线上负面评论的反应方式划分为更为细致的五种：积极响应（承认工作不足，承诺积极整改，并提出整改方法，公示改进效果）、接纳响应（承认工作不足，承诺积极整改）、消极响应（简单回复，但对问题不置可否）、防卫响应（积极辩解，推卸责任，并希望谅解）、无反应（对问题不闻不问）。最后分为5套调查问卷。问卷中同样设计了一个虚拟的携程网上某经济型酒店的在线评论网页，此网页只有1条消费者负面评论（网页上没有在线评分，并且此评论内容在5套问卷上都相同），在此评论后，有商家的及时在线反馈内容。被调查者首先被要求阅读此经济型酒店在线评论内容和酒店反馈，然后填写对此经济型酒店的购买意愿。

（2）实验材料

在一名语言学博士和管理学博士的帮助下，参考研究1中得到的369份评论以及携程网上经济型酒店的真实反馈内容选取了1条消费者负面评论并设计了4种不同的反馈方式（“无反应”则不需反馈）。该消费者评论需表现负面情感倾向，并同样包含卫生和服务两项内容。具体评论为：“房间卫生尚可，但尚有改善空间;卫生间通风扇有一些问题;服务尚可，但CHECK OUT 较慢;房间隔音不佳;空调不佳”。

5种反馈方式中，积极响应为虚心接受问题并需针对问题提出整改意见，公示改进效果，实验材料中具体反馈内容为“尊敬的顾客，感谢您入住本酒店，由于上述原因给您在入住期间带来的不快，我们深感抱歉;酒店立即根据您提出的意见进行了整改。我们已经派出专业人员对空调、卫生间的设施设备进行检查和修理（问题已解决）;对于隔音效果我们已经派人去进行修理和维护（隔音效果已改善）;对于服务人员的CHECK OUT的速度我们已经对他们进行专门的培训（培训已完成）。再次感谢您选择我们。如果有机会再次入住时，请告诉我们您的需求，我们将尽力安排更安静更合适您的房间，酒店全体员工期待您的再次光临！”

接纳响应则仅仅虚心接受问题但不提整改意见，实验材料中具体反馈内容为：“尊敬的客人，您好！感谢您的支持，由于我们的不足给您带来不便，我们深表歉意，我们会尽快对卫生间设施、前台服务速度、房间隔音问题加以改善，希望您继续支持我们，相信在您的关爱和监督下我们会做到更好，期待您的下次光临，谢谢！”

防卫响应为针对问题进行积极辩解并适度推卸责任，实验材料中具体反馈内容为“尊敬的顾客，感谢您入住本酒店，由于本酒店的建筑结构本来就是如此，短期无法改变，非常抱歉！由于前台的服务人员工作比较忙，人手不够，所以CHECK OUT的速度会较慢。卫生间设施使用时间较久，难免会有小问题。给您带来的不便我们深表歉意。酒店全体员工期待您的再次光临！”

消极响应则为礼貌回复，没有针对问题的反馈内容，实验材料中具体反馈内容为“您好！感谢您的入住及点评，不足之处敬请谅解。期待您的再次光临！”

（3）变量测量

研究2中购买意愿的问卷与研究1中使用问卷相同。Cronbach α为0.88，说明问卷有良好的信度。使用验证性因素分析考察问卷的效度，具体结果如表1所示，数据结果表明问卷具有良好效度。

（4）数据搜集和样本描述

打印好的5套问卷被任意打乱并随机发放。研究2共发放问卷670份，回收620份，回收率为92.5%。删除填答不完整的问卷后共回收有效问卷599份，占回收问卷总数的96.6%。5类问卷的数量和比例如表5所示，样本结构见表2所示。研究2中5个实验组的人口统计变量之间没有显著差异。

2. 研究结果

5个实验组的均值和标准差如表5所示。方差分析结果表明，反馈方式对消费者购买意愿的影响显著，F（4，594）=9.797，p<0.000 5。经过Tukey-HSD事后检验发现，采取积极响应后，消费者的购买意愿高于消极响应（t=3.37，p<0.01）和无响应（t=4.51，p<0.000 5）;采取接纳响应后，消费者的购买意愿高于消极响应（t=4.39，p<0.000 5）和无响应（t=5.38，p<0.000 5）;采取防卫响应后，消费者的购买意愿高于消极响应（t=2.77，p<0.05）和无响应（t=3.77，p<0.000 5）;采取消极响应后，消费者购买意愿高于无响应（t=1.93，p=0.05）。采取积极响应和接纳响应后，消费者购买意愿并无显著差异（t=1.38，p=0.170）;采取积极响应和防卫响应后，消费者购买意愿并无显著差异（t=0.10，p=0.92）;采取接纳响应和防卫响应后，消费者购买意愿并无显著差异（t=1.02，p=0.311）。从上述数据分析结果来看，当出现负面评论时，企业采取的最优反应为积极响应、接纳响应和防卫响应，其次为消极反应，最差为完全无响应。所以，假设2得到部分支持。

五、讨 论

1. 在线评论的生动效应对消费者购买意愿的影响

研究1的结果表明了生动效应的存在，即消费者决策更依赖于阅读某些消费者的有限评论而容易忽视所有消费者整体的在线评分。另外在线评分作为缓冲变量影响在线评论和购买意愿之间的关系，在线评分越高则正面在线评论对消费者的影响越大。此研究结果与Chevalier和Mayzlin、Dellarocas等？？？和Chintagunta等？？？的研究结果并不一致，上述研究都发现点评分数能够导致产品（分别为图书和电影）的销售额提升，国内研究者卢向华和冯越与郝媛媛等？？？也发现点评分数对产品（分别为餐厅和电影）销售有促进作用。研究1结果与Liu的研究结果类似，该研究并未验证点评评分和产品（电影）销量的关系，国内研究中，赖胜强等？？？针对浙江省各大旅游景区和国内两个旅游网站的在线评论研究也表明，景区在线评分与景区接待人数之间关系并不显著。

上述研究结果不一致的原因一方面在于各个研究的研究方法并不相同，例如上文所列举的7个研究全部为实证研究，而本研究为实验研究，而实验研究通过控制其他相关变量，可以更好地检测自变量和因变量之间的因果关系？？？。另外各个研究的研究对象和研究设计也并不相同，例如Chevalier和Mayzlin讨论网上书店Amazon和BN图书在线评分和这些网站上图书销售排名之间的关系，而Chintagunta等的研究则考察Yahoo网站上电影评分与该电影在指定区域票房之间的关系。后续研究可以考虑在研究设计中增加其他变量（例如产品类型）进行更深入讨论，例如Mudambi和Schuff？？？的研究就发现经验型产品（例如音乐CD就非常具有个性化）的在线评分对消费者帮助并不大。而本研究的对象――经济型酒店也属于偏个性化产品，同样会抵消在线评分对消费者的影响。由于研究1采用被试间实验设计，被试个体差异所带来的无关变异，并没有从误差变异中分离出去？？？，因此，后续研究也可以考虑增加消费者特性（例如消费者个性、专业知识及以往消费经验等）作为重要的调节变量。最后，实践中消费者常常会快速阅读多个酒店的评分和评论后作出初步筛选、缩小选择范围，然后对初步筛选后的酒店仔细阅读其评分和评论并做出最终决策，而研究1的设计中只呈现给被试者单一酒店的评分和评论，这也可能会降低本研究设计的外部效度。因此，后续的实验研究应尽可能地模拟消费者的决策过程，例如给予消费者多个选择以考察其最终决策。

另外，研究1中提供给被调查者的是在线评分的均值，而评分均值并不能体现大部分消费者对于产品的真实感受？？？。如果提供所有消费者打分的频数分布（例如“当当网”和“豆瓣网”），是否会提供更多的决策信息，并增加在线评分的生动性，从而更好地帮助消费者决策则需要进一步进行实验验证。最后，研究1中使用的在线评论全部为单面（one side）评论，即评论全部为正面或全部为负面，但实践中消费者常常会阅读到双面（two side）网络口碑（即在线评论中有正面的也有负面的，或是一条评论中有正面因素也有负面因素）？？？，后续研究可以采取在线评分和双面网络口碑信息相结合的实验设计。

在具体的网络营销实践中，依据研究1的成果，企业必须重视在线评论对企业销售的影响，应采取措施，积极提高产品品质，让消费者成为产品的义务网络宣传员，通过消费者的正面评论吸引其他消费者的购买，而如果产品质量不过硬，网络平台提供给消费者的低抱怨门槛则更可能加深产品缺陷的曝光，从而阻碍其他消费者的购买。对于提供在线评论的电子商务网站来说，在设计在线评论系统时，应采取措施增加在线评分的生动性和信息量，帮助消费者更好地决策。

2. 企业的在线应对与反馈对消费者购买意愿的影响

网购评论范文第4篇

Abstract： The rapid development of the information age makes people from all walks of life begin to understand and use the network information. From the beginning， people used the network information to do office work， now， now more and more areas investment in and use network information. Especially in recent years， online shopping is more and more popular， network market consumer shopping pattern causes more and more concern and the research by the electronic business experts. This paper attempts to study the shopping patterns of network consumers for the healthy and orderly development of the Internet market in China.

关键词：网络消费；消费者；购物模式

Key words： network consumption；consumer；shopping patterns

中图分类号：F724.6 文献标识码：A 文章编号：1006-4311（2016）21-0258-02

0 引言

目前，网络购物已发展成为一种新潮时尚的消费机制，并逐渐朝着常态化方向发展。随着网购消费者数量的增多以及网购个性化的发展，深入研究网络消费者购物模式对网络消费市场消费者购物具有现实意义。确定影响网络消费者行为的重要因素，从中找出可控因素加以调控，创造出一种在“买家市场”下顾客青睐的形象，是销售管理寻求差异化的主要路径，也是销售管理的宗旨所在。

信息时代的到来，使消费者获取商品信息的渠道更为广阔，消费渠道更为多样化，电子商务的出现为消费者带来了更加便利的购物流程，这使的商业、企业不得不及时转变商业思维，大胆涉足网络营销领域，通过分析网购消费者的购买需求来调整营销策略，以期从虚拟的网络市场获取更多的利益。网络营销者在中国是新型的消费群体，与传统的消费群体有着不同的特征，商业、企业要想在网络市场占有一席之地，就必须了解和把握网络消费者的心理活动特征及消费行为特征，分析消费者消费的心理动机，尽可能多的获取消费行为相关数据，为营销活动提供较为可靠的依据。在中国已经有越来越多的人接受网络消费，网上交易不仅可以与遥远的国际市场对接，而且可以在同城进行资源优化配置，不再被人们视为遥不可及的虚拟世界，它已经与人们的日常生活紧密联系，越来越多的人在自觉不自觉的享有网络消费带来的便利。网络营销主要是通过互联网在虚拟环境中进行的交易，与现实生活中的消费者去商场购物模式基本相同，有所不同的是利用互联网进行交易，达成从买到卖的整个过程，此过程从选购产品、了解产品外观、了解产品性能、到最终的购买都是通过虚拟平台进行交易。据相关统计数据显示，我国网民从起初的寥寥无几，到现今已增长到6.49亿人次，网购交易金额增长到9124.9亿元，且这种购物方式越来越受到更广泛的人群的青睐，人们的这种购物模式涉及到日常生活的方方面面。可见，网络消费行为与模式已是商家不得不关注的另一大消费市场。

1 网络消费者购物模式分析

消费者购买行为模式是指用于表述消费者购买行为过程中全部或局部变量之间因果关系的图式理论描述，西方学者通过对消费者购买行为进行了深入的研究提出了多种不同的模式表达方式。其中以EKB模式和Howard Sheth模式尤为著名。

EKB模式是由美国俄亥俄州立大学三位教授J.F.Engel，R.D.Blackwell和D.T.Kwellet于20世纪70年代在《消费者行为》一书中提出来的。模式特别强调消费者购买决策过程。在模式中，消费者大脑成为“中央控制器”，外部刺激信息包括产品的物理特征和社会压力等方面的无形因素输入消费者大脑后，通过处理，便可产生“中央控制器”的输出结果，即购买决定。由此消费者完成了一次购买决策活动。

Howard和sheth在1974年提出了一种消费者购买模式。他认为影响消费者决策程序的主要因素有输入变量刺激或投入因素、知觉过程、学习过程、输出变量、外因性变量等。这些因素连续作用的过程表现为消费者受到外界物体不明朗的刺激后，进行探索，引起注意，产生知觉倾向，进而激发动机。同时通过对商品品牌商标的理解形成一定的购买态度，从而坚定购买意图，促成购买行为。

网络消费者消费模式按照刺激理论学说，激变量归为三类：营销刺激（如促销、引人入胜的图片）、情境因素（当前情绪状态、金钱）和冲动特质，当消费者遇到这三种因素中的一种或以上的综合作用时，会自发产生一种无法抗拒的购买欲望。人们在遇到环境刺激因素的作用下会引发内在的评价，继而产生趋近或规避的行为反应。网络购物者在面对网站上商品相关社会互动刺激时所做出的行为反应，主要包括浏览行为、购买欲望和购买行为。在以往网络购物研究中，消费者对环境刺激的反应可分为两个部分。首先，当他们碰到刺激物时，他们会产生一种突然的、不可抗拒的购买欲望。接着，消费者个人决定是否购买此物品来满足自己的欲望。也就是说，实际冲动购买行为只能在消费者体验到冲动购买欲望后才能发生。在此消费模式中，我们将冲动购买欲望定义为消费者在逛购物网站前，并没有购买某些商品的打算，但在看过商品有关的评论信息和产品销量后所产生的购买倾向和欲望强度；而实际冲动购买行为则反映了他们决定购买上述物品来满足自己欲望的消费行为。

2 网络消费者网络社会互动

2.1 网络消费者的网购决策

当消费者做出购买决策时，他们更容易被自身与其他人的社会交互所影响。他们通过其他消费者的评价信息以及先前消费者的实际购买行为来评估质量，从而做出决策。例如，当个体选择购买某种物品时，他们的决策有可能受到朋友推荐的影响，或者仅通过观测这种物品的己有购买人数来决定是否购买。根据相关资料得知，网络社会互动可分为基于意见的社会互动和基于行为的社会互动。前者通常被认为是在线评论，后者则指的是观察学习。在线评论是指消费者在网络上对产品和卖家发表的任何积极或消极的评论，观察性学习则是指消费者通过观察其他人的购买行为而做出的购买决策。在线点评是市场营销和信息系统领域的研宄热点。在网络环境中，消费者喜欢搜集其他消费者的产品评论，从而推断产品质量，降低风险。因此，根据本次调查问卷调查研究消费者是否会采纳在线点评、在线点评是否会影响消费者购买决策等问题，这对网络消费者购物行为具有是非常重要的意义。双重加工理论模型认为人们通过两条路径加工信息，即中心路径和路径。中心路径强调在信息加工过程中人们需要花费大量的认知努力，而路径表示人们只需使用少量的信息就能得到需要的判断。从这个观点出发，在在线点评环境中，评论质量被看作是一个中心路径因素，而评论来源可信度则被认为是因素。学者们发现高质量的在线点评影响消费者的购买行为。类似地，消费者倾向于采纳来源可靠的在线点评。由于这类评论能更好地帮助消费者判断产品质量，因此，消费者更愿意采纳这些评论，从而购买产品。

另一方面，消费者网络购物行为模式来自于观察学习。观察学习来源于经济学领域的信息流理论，它是影响消费者购买行为的一个重要因素。信息流理论认为，当人们处于不确定的环境中或者当他们得到的信息很有限时，其他人的行为影响比决策者拥有的私有信息的影响要强有力的多。消费者能通过观察先前消费者的购买行为来推断产品的实际价值。积极的观察性学习是指之前的消费者做出的购买选择中累计的人数很多，这很有可能刺激个体消费者做出同样的购买决策。在网络环境中，将观察性学习定义为已有购买行为的消费者总数。先前研究证明产品销售量正向影响消费者的购买选择。

2.2 网络电商的服务改进

未来，买衣服也许是这样的：你不仅能从平台上直接挑选设计师成衣作品，购买衣服，设计师发货。而且可以把你喜欢的衣服款式，自身的尺寸大小，价位偏好告诉设计师。设计师可以根据你的需求为你量身订制服装。这就是D2C（设计师到消费者）+C2D（消费者到设计师）模式。这样的模式不仅可以减少设计师的库存压力和运营成本，也可以满足消费者不同的服装需求，个性化订制生产。

C2D与C2B有什么不同？顾名思义，C2B（Customer to Business）是消费者到商家，而商家承担的职责更多的商业角色而不是设计师角色。无法过多的满足消费者的设计需求，他们往往会再去联系设计师们，降低了效率并且提高了价格。而C2D（Customer to Designer），是消费者到设计师，让消费者可以直接面对设计师，个性化选择更多、从生产端到消费端的环节更少。C2B模式下，消费者大多通过网络平台发起的定购活动参与定制，而最后定制出来的选项也是一个特定群体的喜好。所以，C2B的成果往往是家电、电子产品等适合批量化生产的产品。而C2D更加强调“个性化”，消费者和设计师直接对接，省去中间所有不必要的渠道，更适合服装服饰类高度个性化的产品。

3 研究网络消费者购物模式的意义

从消费者消费模式角度来研宄网络消费者购物是一种尝试与突破。网络消费者购物及购物模式一直是学者的研究焦点，很早之前学者们就开始了对传统零售环境下消费者购物产生的过程进行研究，直到本世纪初我国网络购物的兴起之后，才开始关注网络购物环境中消费者的购买行为模式，并且研究的重点集中于市场营销因素的刺激作用。网络消费者购物模式能有效影响消费者的购买行为。在消费者作出最终的购买决策之前，他们常常会关注其他消费者的评价信息和实际购买行为，从而推断产品质量，降低购买风险，提高购物效率。因此，我们从网络消费者购物模式着手，分析消费者在网络购物过程中的影响因素，帮助商家和消费者更好的沟通，以促成交易的顺利达成，充分发挥网络市场的优势，推动网络购物的快速、健康发展。

参考文献：

[1]胡冰.网络社会互动对消费者冲动购买行为的影响研究[D].中国科学技术大学，2015.

网购评论范文第5篇

[关键词]在线评论；购买行为；传播途径；可信度

[DOI]10.13939/ki.zgsc.2015.41.069

1 在线评价体系研究内容

在线评论是一个新兴的独立产品信息来源，日益普及和重要，引起了业界和大众媒体的极大关注。而当前在线评论网站的异军突起，更催生了在线评论的发展。目前国内外对在线评论的研究主要集中在在线评论的有用性影响、购买行为的影响、情感因素的影响、传播途径的影响研究等。

网络口碑在我国的出现及发展的时间并不长，因此学者及专家对其研究并不多，企业和营销者也处于不断探索的阶段。对于网络口碑的概念，首先由国内第一家网络口碑研究和咨询公司CIC 公司提出，网络口碑用IWOM 可定义为：两个或者多个消费者之间以电脑为中介进行的文本交换，即将其定义为潜在、实际或者先前的顾客对产品或者公司的任何正面或负面的评论，该评论能通过网络传递给大众群体或者组织。这些讨论相应的传播效力会影响到这个品牌、产品及服务的信誉度，也就是网络口碑，从而也会在某些方面对其生意造成一定的影响。尽管学者们对网络口碑的定义并不相同，但可以看出网络口碑包括了3 个基本特征：①交流的主体是消费者；②交流渠道通过互联网进行；③交流的内容是对企业的产品和服务进行评论和交流。

在线评论，又被称为在线消费者评论，作为网络口碑传播的一种新形式，是消费者在网络上的，以文本形式为主对产品的评价，这些评价包括对产品的赞美、抱怨，或个人对特定产品或服务的购买和使用感受。在线评论作为新的网络口碑形式成为企业和消费者决策的重要信息来源，在理论和实践方面备受关注。基于Web of Science数据库2006―2011年在线评论相关文献的梳理和归纳，得出当前在线评论研究主题集中于：在线评论对销售绩效、营销策略和消费者购买行为的影响、在线评论特征和在线评论信息挖掘方法五个方面。但总体而言，现有的研究还处于起步阶段，涉及的行业较狭窄，研究结论的普遍性还有待进一步深入。

2 电子商务背景在线评论的研究

2.1 在线评论与消费者购买行为的研究

Chatterjee（2001）在通过实验方法研究了在线评论与消费者个体购买和选择行为之间的关系后发现，无论是对在线购买者以及实体商店购买者来说，网络上的负面评论对于消费者对商店的信任程度和购买动机都有负向的影响；而这种负向影响的程度与消费者对于店铺熟悉的程度成反比例关系，而且，因为低价而选择购买的消费者越容易受到负面评价的影响。

研究消费者在网购方面的涉入度、评论数量，评论内容和质量、评论者资信度、价格折扣以及消费者接受淘宝网在线评论程度与带来的影响。研究发现消费者涉入度、评论数量、评论内容质量、价格折扣对消费者接受在线评论程度具有显著的正向影响，而评论者资信度与消费者接受在线评论程度没有显著性关系，因为淘宝网资信度体系并不健全，若等级高的买家发表不实评论，不会受到处罚，所以其他消费者不会因为等级高而信任该评论者。

2.2 在线评论可信度的研究

通过实证研究和网上调查提出在线评论可信度影响因素模型。该模型构建了本研究的理论框架，从信息源、信息内容、接收者、社会影响四个方面来研究在线评论感知可信度的影响因素。通过研究发现：评论者资信度对在线评论感知可信度具有显著的正向影响，即评论者资信度越高，接收者对在线评论的感知可信度越高。评论内容的质量对感知可信度的影响是最大的，即接收者对一则评论可信度的感知判断，主要还是基于评论内容本身的评论内容的质量越高，接收者感知可信度越高。接收者信任倾向对在线评论感知可信度具有显著的正向影响。接收者类型不同，评论者资信度因素对在线评论感知可信度的影响不同。

在线评论可信度的高低在很大程度上影响着网站的形象。可信度高会使网站形象在消费者心中不自觉地加以提升，相反可信度低在一定程度上会使网站形象受损，信誉下降。所以商家非常注意在线评论的可信度。可信度高的作用非常突出，首先信任度的提高对购买意愿的提升有显著影响。其次，通过提供正向的在线评论和塑造高的可信度能在消费者之间得到广泛认可。第三，可信度高的电商吸引消费者的关注，会最大限度挖掘消费者购买欲望。

2.3 在线评论的情感因素研究

从在线评论的信息结构角度出发，通过分析情感因素对消费者的影响。分析情感词的使用及倾向性分析，产品特征词对有用性感知的影响，情感倾向性的方向、强度和混合程度对评论有用性感知的影响。最后得出积极的情感词的使用使在线评论更具有可信度，激发消费者购买欲望。情感词的使用如果大量使用强调性副词，会增加评论者的情感因素。另外，在线评论中包括产品的特征词和产品的使用的情况也会增加消费者的情感因素。

在线评论与消费者情感的关系研究，这类研究大多通过实验的方法进行，对各种的假设进行论证。而另一些研究者是研究性别在情感因素中的作用，进而影响在线评论的评论方式。当消费者关注信息本身的质量对自己决策的影响时，信息性影响产生了，当消费者的情感因素在接收信息时，在线评论的作用就产生了，这就意味着在线评论的影响不仅体现在购买行为的影响，还影响消费者的心理。

2.4 在线评论传播途径的研究

评论内容是影响在线评论再传播意愿的最重要因素；评论来源可信度是影响在线评论再传播意愿的重要因素，但在在线评论来源可信度的三个维度中，只有可靠性对接受者再传播意愿具有显著的正向影响，而专业性和客观性无显著影响。针对在线评论传播在不同主体上的研究，在线评论传播框架模型越来越完善。互联网时代，每个消费者都可能既是评论的接受者，又是评论传诵的发出者。除了评论信息发送者和接收者之外，还有一种传播主体，其自身没有直接参与过别人所推荐的产品或服务，但处于某种动机，也会将该推荐信息继续传播下去，称为口碑中间人。不同的人对评论信息会有不同的反应，因此对在线评论传播框架的研究会帮助营销人员更有效地使用在线评论成为更好营销的手段。

2.5 在线评论的地区差异性影响研究

对口碑的研究都集中在人际关系的影响上，在很大程度上忽视了网络口碑的影响。口碑交流已被证明能使消费者对产品的判断产生巨大影响。这种影响特别普遍，当在考虑购买一个新的产品或服务时，口碑对购买结果有强烈的影响。营销人员需要考虑电子论坛的发展，产品推荐和支持从未见过的人之间的宣传已经成为一个额外的通道，网络口碑对消费者后续购买的选择会有影响，理解消费者在不同的网站上的行为能够使营销人员去发现，潜意识里克服消费者选择的障碍。

3 结 论

在在线评论影响力日益显著的现实背景下，在线评论如何影响消费者进而影响企业盈利，消费者和企业如何有效利用在线评论这个新兴的信息媒体成为迫切需要回答的问题。目前国内外的在线评论的研究也有一些局限性和相应的研究趋势。①对于中外在线评论行为的差异性研究较少，未来的研究可以从文化背景，消费习惯，思维方式等加以研究。②在线评论的负面影响研究也相对较少，未来在负面评论的研究应该会有所突破。③在线评论的结论的普遍性程度有待验证，需要研究者采用多种研究方法，收集更多的实验数据，进行实证研究。

参考文献：

[1]黄孝俊，徐伟青.口碑传播的影响力要素及其对营销创新的启示[J].外国经济与管，2004，26（6）.

[2]Henning.Electronic word of mouth motives and consequences of reading customer articulations on the internet [J].International Journal of Electronic Commerce，2004（2）.

[3]Litvin，S.W.，Goldsmith，R.E.，Pan，B.Electronic word of mouth in hospitality and tourism management[J].Tourism Managerment，2008（29）.