消费者危机感知风险对在线评论效果的影响

突发公共事件中在线评论的效果受到消费者对危机风险的感知程度的影响突显.构建消费者危机感知风险情景下的在线评论内容对消费者购买决策的影响模型,运用多元回归分析模型和Bootstrap分析进行验证,探讨评论长度、评论丰富度、评论回复等在线评论内容对消费者购买的影响,同时考虑评论有用性的中介作用以及外在感知风险和内在感知风险的调节作用.结果表明:评论有用性有中介作用,外在感知风险起正向调节作用,内在感知风险起负向调节作用,且外在感知风险对消费者购买的影响更大.突发公共事件会放大在线评论对消费者在线购买的影响,电商应加强在线交易服务和对在线评论的监管,降低消费者在线购物感知风险,促进电子商务稳定有序持续发展.     

负面在线评论内容和来源对消费者购买意愿的影响——产品类别的调节效应

采用实验研究的方法,研究检验了不同类别产品负面在线评论内容和来源对消费者购买意愿的影响。结果表明:负面在线评论从产品质量和服务水平两个方面影响消费者购买意愿,且负面在线产品质量评论对体验型产品购买意愿的影响更强,负面在线服务水平评论对不同类别产品购买意愿的影响无显著差异;消费者对不同来源负面在线评论的敏感度不同,相较来源于企业网站的负面在线评论,来源于第三方评论网站的负面在线评论对消费者购买意愿的影响更大,但这种效应并不是一成不变的。     

国内在线评论领域的研究热点可视化分析 ——以中国知网364篇中文论文为例

网上购物的蓬勃发展,伴随着在线评论数据爆炸式的增长,这些年来很多研究者就在线评论领域做过研究,但是研究热点是哪些还不明晰,也鲜有学者做过研究。因此,研究通过BibExcel,Ucinet和SPSS23.0等统计软件,将中国知网中文数据库中以在线评论为篇名中文论文提取的关键词进行社会网络分析,共词分析,聚类分析以及多维尺度分析。研究发现,在线评论研究领域中的在线评论的热点特征有评论有用性、评论效价、评论质量和评论极性等,研究热点理论有感知风险理论、感知价值理论和网络口碑理论,研究热点方法有数据挖掘、情感分析、结构方程模型和消费者行为实验,研究热点结果变量有购买意愿、购买决策、购买意向和购买行为。     

负面在线评论文本特征对消费者购买意愿的影响 ——基于自我构建视角的分析

信息技术的发展变革了口碑传播方式,越来越多的消费者自发地在网络上分享有关产品正面或负面的文字或图片信息,消费者在分享负面在线评论时更加诚实,负面在线评论对消费者的决策影响更大。本文基于自我构建理论,采取3个情景实验探讨负面在线评论文本特征的内在说服机制。研究表明,自我构建影响着负面在线评论文本特征对消费者购买意愿的作用效果。就文本内容而言,负面在线产品质量评论对独立自我消费者购买意愿的影响强于负面在线服务水平评论;负面在线产品质量评论和负面在线服务水平评论对相依自我消费者购买意愿的影响无显著差异。就情感强度而言,强负面情感强度的负面在线评论对独立自我消费者购买意愿的影响最强;中负面情感强度的负面在线评论对相依自我消费者购买意愿的影响最强。据此,建议企业识别不同自我构建导向消费者的信息偏好,对负面在线评论进行差异化管理。     

图像信息对书籍产品在线评论有用性的影响研究

为了优化在线点评系统,探究在线评论有用性的影响机制,基于心理学中的解释水平理论,结合图书产品的特点,从图文叠加与图片特征的角度,探讨了图文并茂评论、图片的可诊断力及图片可信性对在线评论有用性的影响.研究结果显示:图文并茂的在线评论比文本评论更有用,图像信息分辨率对评论的有用性有积极的影响,图片的可信度对评论的有用性有积极的影响.     

互联网背景下在线评论质量与网站形象的影响研究

基于精细加工可能性模型,提出在线评论质量与网站形象通过不同路径影响消费者对网站的信任,继而影响其购买意愿。通过问卷调查,采用结构方程模型进行数据分析,验证了高质量的在线评论与良好网站形象的价值,以期为互联网背景下的企业经营提供相应的理论指导与实践建议。     

直播购物环境中主播信任影响因素及调节效应（英文）

直播购物以其强大实时互动性和用户体验丰富性迅速成为消费者新宠。但是,包括知名主播在内的“翻车”事件频发,不仅使主播声誉受损,更让消费者对主播的信任大打折扣。学术界对直播购物信任的研究主要集中在购买意愿方面,很少从主播角度来专门研究信任的影响因素,且忽略了主播和产品因素、情境因素以及消费者个体特征在其中可能扮演的调节作用。为此,本文引入主播与产品匹配度、直播中的在线评论、网购经验三个调节变量,探讨它们在主播声誉、主播知名度与主播信任之间的调节效应。结果显示：主播声誉和知名度对主播信任有显著正向影响;产品匹配度对主播声誉、主播知名度与主播信任之间关系均起正向调节作用;在线评论对主播知名度与主播信任之间关系起正向调节作用;网购经验对主播声誉与主播信任之间关系起正向调节作用。     

基于在线评论和网络搜索的汽车销量预测研究

使用情感分析算法获取在线评论的效价，并应用前景理论和熵值法对在线评论的效价进行调整，结合评论数量和网络搜索数据，建立了自回归分布滞后模型，并对不同价位档次汽车销量进行预测分析.研究发现，考虑了消费者受负面信息影响的在线评论的效价、数量和网络搜索数据的模型预测效果优于传统模型，更符合实际情况，但对不同价位档次汽车预测效果存在差异，低档汽车销量预测效果最佳，其次是中档汽车，最后为高档汽车.     

基于逻辑回归的中文在线评论有效性检测模型

为了实现电子商务和社交网络中文在线评论有效性的自动化检测,提出了一种单一主题环境下基于逻辑回归的垃圾评论检测模型.中文在线评论有效性的检测可以归结为分类问题,结合中文在线评论的特点提取了9个特征以构建分类模型;为获取核心特征主题的相关度,采用基于关联规则的评论名词模式优化了ICTCLAS中文分词系统的主题识别,进而利用交叉语言模型获取在线评论主题相关度.实验中采取了人为标定的1 000条评论作为样本,把支持向量机分类模型作为对比进行试验,利用数据挖掘工具Weka进行计算.结果表明,采用优化评论名词模式下基于逻辑回归的垃圾评论检测模型结果的准确率达到83.54%,比支持向量机分类模型计算得到的准确率高2.10%.     

在线商品评论信息内容影响因素的实证研究

在线商品评论作为在线口碑的一种重要形式,是电子商务交易活动中的一类关键信息资源。研究和识别影响评论信息内容的因素,对于消费者做出正确有效的购买决策和促进电子商务平台完善自身建设等具有重要作用。该文从用户、商家/平台、在线商品这三个层面出发,采用问卷调查和统计分析法,对评论用户群体进行在线商品评论信息内容影响因素实证分析。研究发现:用户的情感分享、专业程度、与商家/平台的关系强度正向影响在线商品评论信息内容;商家/平台的态度负向影响在线商品评论信息内容。     

The influence and moderating effect of trust in streamers in a live streaming shopping environment

With its powerful real-time interaction and rich user experience, live streaming shopping has rapidly become consumers' new favorite. However, the frequent "rollover" incidents affecting the reputation of well-known streamers significantly reduce consumers' trust in the streamers. Academic research on trust in live streaming shopping has thus far mainly focused on purchase motivations. Few studies have focused on the factors influencing trust from the streamer's perspective, and they have ignored the moderating role of streamers and product factors, situational factors and individual characteristics of consumers. Therefore, this study introduces three new moderating variables – streamer-product matching, live streaming online reviews, and online shopping experience – to explore their moderating effects on streamers' reputation, popularity, and trust. The results show that streamers' reputation and popularity have a significant positive impact on trust in streamers, and streamer-product matching has a positive moderating effect on the relationship between streamers' reputation, streamers' popularity, and trust in streamers. Online reviews have a positive moderating effect on the relationship between streamers' popularity and trust, while online shopping experience has a positive moderating effect on the relationship between streamers' reputation and trust in streamers.     

餐饮业网络点评数量影响因素研究——以成都主城区川菜餐馆为例

网络点评数量是餐饮企业"网络人气"的直接反映,它能引导顾客进行消费决策,促进产品销售.为了解餐饮业点评数量影响因素,通过"大众点评""百度地图"收集成都主城区1 929家川菜餐馆的相关数据,运用主成分分析进行数据处理,运用(准)泊松回归模型进行变量拟合.结果表明:餐馆的人均消费及团购项目数量对其网络点评数量没有显著影响;餐馆的口味、服务和环境的综合评分对其网络点评数量有显著的正向影响;从市中心乘公交、驾车和骑行到达餐馆的综合可达时间对其网络点评数量有显著的负向影响;综合评分影响程度大于综合可达时间.     

基于特征加权词向量的在线医疗评论情感分析

针对在线医疗评论文本具有行业专业性强、差异性大、不够规范等特点,提出一种基于特征加权词向量的在线医疗评论情感分析方法.利用Word2vec方法构建词向量模型,抽取情感词集合完善医疗服务领域情感词典,根据句法关系识别主题词与情感词的依存关系,引入期望交叉熵因子,建立特征加权词向量模型,分析在线医疗评论的情感倾向.实验结果表明扩充的医疗服务情感词典在分析性能上的准确率、召回率以及F₁值均高于基础情感词典,引入期望交叉熵因子后,基于特征加权词向量的情感分析方法在SVM分类上表现出更好的效果,体现了其在在线医疗评论挖掘领域的良好效用.      

PORSC:融合用户个性化特征的在线评论情感分类模型

针对传统在线评论情感分类忽视了用户个性化的问题,提出了一种融合用户个性化特征的在线评论情感分类(PORSC)方法,该方法为每一类型用户构建一个在线评论情感分类器.PORSC模型由2部分构成:一部分是具有学习评论中常见情感信息的全局情感分类模型;另一部分是能捕捉每种类型用户的个性化特征的特定用户类型分类模型.为解决PORSC模型在训练中的数据稀疏问题,引入多任务学习方法,以协同方式训练分类器,以并行方式解决了PORSC模型中参数的优化问题.通过在2个实际中文产品评论数据集和一个公开的英文评论数据集上实验,并与已有基线方法进行比较与综合分析,结果表明PORSC模型在一定程度上提高了在线评论情感分类的精度.     

用于在线产品评论质量分析的Co-training算法

在线评论广泛存在于电子商务网站平台, 其中包含着客户对产品的评价及偏好. 高效分析在线评论数据并满足客户需求, 对许多谋求立足于竞争激烈的国际化市场的企业来说至关重要. 但因在线评论的质量不一, 使得如何分析在线评论的质量成为一项重要工作. 从两个方面提取特征对在线评论进行描述, 并构建了一种Co-training算法来判断评论的质量. 通过对比实验验证了该算法相对于单一分类算法的优势.     

网络口碑对游客旅游决策的影响研究

游客之间的口碑传播对其他游客旅游决策有巨大的影响力,随着互联网的发展,网络口碑逐渐成为影响游客旅游决策的重要因素.论文通过感知价值作为中间变量考察旅游网络口碑对于游客旅游决策的影响,建立概念模型并展开实证研究,在舟山普陀山旅游景点进行了抽样调查并应用结构方程来分析处理数据.结论显示,旅游网络口碑质量与可信度对游客感知价值有显著的促进作用;旅游网络口碑信息相关性、全面性、及时性均与游客感知价值存在显著的正相关关系;旅游网络口碑信息的吸引力对旅游网络口碑感知价值的影响较为显著;游客对网络口碑的感知价值与旅游意愿显著正相关.在此基础上给旅游企业提出了一些有用的建议.     

C2C环境下感知在线评论与初始信任的调节因素

对网上卖家缺乏初始信任已经成为顾客选择网上购物的一个主要障碍.通过对C2C网上购物环境下的顾客进行问卷调查,探讨感知在线客户评论与顾客初始信任之间的影响因素,挖掘顾客专业能力和产品参与的调节效应.研究发现顾客专业能力对评论质量与顾客初始信任,以及评论者专业能力与顾客初始信任之间的关系具有调节作用;产品参与对评论质量、评论数量和评论者专业能力与初始信任之间的关系具有调节作用.     

基于在线评论的品牌再购意向模糊推理方法

以计划行为理论为基础,从品牌态度、品牌声誉和感知价格三个维度,建立了消费者品牌再购意向模糊推理模型:构建了针对化妆品的评价词语料库和消费者品牌再购意向模糊推理规则库,通过对网络消费者在线评论中评价词的提取和语义分析,进行消费者品牌态度、感知价格、品牌声誉的计算和消费者再购意向的模糊推理:结合消费者的消费总额,构建“品牌再购意向-消费总额”消费者分类矩阵。以聚美优品网站的3款面膜为例进行品牌再购意向的实例计算,结果验证了所提方法的合理性和可行性。     

采用在线评论的景点个性化推荐

通过对旅游网站的景点评论进行情感分析,综合利用自然语言处理技术和领域本体构建技术,准确把握游客对旅游目的地的满意度和需求;将群体智慧和个人偏好有效地结合,为游客出行制定合理的个性化推荐策略.实验结果表明:所提出的推荐策略能够有效地将碎片化的游客评论数据转化为对其他游客出行地选择的辅助信息,提高了游客获取旅游知识的效率,真实地反映游客的旅游感受,为游客景点选择提供参考.