不同来源在线评论对消费者行为影响研究

硕士学位论文

不同来源在线评论对消费者行为影响研究

RESEARCH OF THE IMPACT OF ONLINE REVIEWS FROM DIFFERENT SOURCES ON CONSUMER BEHAVIOR

潘明暘

2011年6月

国内图书分类号：TP391.1 学校代码：10213 国际图书分类号：681.37 密级：公开

管理学硕士学位论文

不同来源在线评论对消费者行为影响研究

硕士研究生 ： 潘明暘 导 师 ： 孙文俊教授 申请学位 ： 管理学硕士 学

科 ： 管理科学与工程

所 在 单 位 ： 管理学院 答 辩 日 期 ： 2011年6月 授予学位单位 ： 哈尔滨工业大学

Classified Index: TP391.1 U.D.C: 681.37

Dissertation for the Master Degree in Management

RESEARCH OF THE IMPACT OF ONLINE REVIEWS FROM DIFFERENT SOURCES ON CONSUMER BEHAVIOR

Candidate： Supervisor： Speciality：

Pan Mingyang

Academic Degree Applied for： Master of Management

Management

Science

and

Engineering

School of Management June, 2011 Prof. Sun Wenjun

Affiliation： Date of Defence：

Degree-Conferring-Institution： Harbin Institute of Technology

哈尔滨工业大学管理学硕士学位论文

摘 要

随着互联网以及电子商务的普及和发展，在线评论已成为消费者购买前获取商品口碑信息的重要途径，并且在线评论的来源已不再单一，其中以用户评论和专家评论的可信性最高，因此探索这两种在线评论信息是否对消费者行为具有影响以及是否具有相似的影响，是分析不同来源在线评论信息重要性的一个方面。本研究从实证分析的角度出发，通过抓取第三方评论网站中关村在线上的商品信息和评论信息，并结合文本情感分类技术，探讨了互联网上用户评论和专家评论对消费者行为的影响机制。本文首先综述了在线评论的相关理论以及国内外学者在在线评论对消费者行为影响方面的研究成果，并在此基础上提出了本文的研究假设。其次根据研究假设提出了在线评论主客观情感倾向模型和在线评论对商品受关注度影响模型。随后介绍了数据的收集以及处理过程，其中主要介绍了文本情感分类的方法和过程。最后利用已抓取的数据对模型进行了多元线性回归分析，根据回归结果对研究假设进行了检验并通过分析发现：（1）用户评论的主观性更强，其评分主要与个人偏好和使用体验有关，而专家评论的客观性更强，其评分主要与产品属性性能有关。（2）用户评论的主观性越强越能吸引消费者对商品的关注（3）用户评论和专家评论正向情感倾向对消费者对商品关注有显著正向影响（4）用户评论数量越多消费者对商品关注性越强。在此基础上，本文对企业如理利用不同来源的在线评论提高企业绩效提供了一些管理上的建议。

关键词：在线评论；情感分类；消费者行为；关注度

I

哈尔滨工业大学管理学硕士学位论文

Abstract

As the popularity and development of internet and e-commerce, online reviews have become an important access for customers to get the products information and word-of-mouth of the commodity before they purchase. And the source of online reviews is no longer single, among which the credibility of reviews of customer and experts is the highest. Therefore, discussing whether the two online reviews have influence or similar influence on the behaviors of customers is one of the aspects that analyze the significance of online reviews with different sources. This paper discusses the impact transaction of reviews of customers and experts on the behaviors of customers on the Internet from the perspective of positive analysis, by analyzing the commodity information and reviews on zol.com.cn, the third party of reviews website, combined with the technology of textual sentiment classification. Firstly, this paper summarizes relevant theories about online reviews and the research results of domestic and overseas scholars on the research of influence of online reviews on customer’s behaviors and then puts forward research hypothesis based on it. Secondly, according to the research hypothesis, it puts forward the model of subjective and objective emotional tendency of online reviews and the model of the influence of online reviews on the attention to commodity. Thirdly, it presents the collection of data and process, among which mainly introduces the method and process of sentiment classification. Finally, it makes multiple linear regression analysis and undertakes inspection on research hypothesis based on the result of regression and selected data, making the following conclusions: (1) the subjectivity of the reviews of customers is stronger and the mark they give is related to personal preference and experience in using the products. The objectivity of experts’ reviews is stronger and the mark is related to product attributes. (2) The stronger the subjectivity of customers’ reviews, the more attention that commodity will attract. (3) The positive emotional tendency of the reviews of customers and experts has positive effect on the attention that commodity attract. (4) The more reviews of customers are, the more attention will be paid to commodity. Based on this, this paper provides some managerial suggestions for enterprises to take advantage of online reviews with different sources to improve corporate performance.

Keywords: online review, sentiment classification, customer’s behavior, attention

II

哈尔滨工业大学管理学硕士学位论文 目 录

摘 要 ........................................................................................................................... I ABSTRACT .................................................................................................................. II

第1章 绪 论 ............................................................................................................. 1 1.1 课题背景 ............................................................................................................. 1 1.2 国内外研究现状 ................................................................................................. 4 1.2.1 国外研究现状 ............................................................................................. 4 1.2.2 国内研究现状 ............................................................................................. 6 1.3 主要研究内容 ..................................................................................................... 7 1.4 论文框架 ............................................................................................................. 9 第2章 理论基础与研究模型 ................................................................................... 11 2.1 引言 ................................................................................................................... 11 2.2 在线评论相关理论探讨 ................................................................................... 11 2.2.1 口碑相关概念 ........................................................................................... 11 2.2.2 在线口碑相关概念 ................................................................................... 12 2.2.3 在线评论相关概念 ................................................................................... 14 2.2.4 在线评论的情感分类 ............................................................................... 16 2.3 在线评论情感倾向对消费者行为影响 ........................................................... 17 2.3.1 在线评论主客观情感倾向比较 ............................................................... 17 2.3.2 在线评论主客观情感倾向对消费者行为影响 ....................................... 17 2.3.3 在线评论正负情感倾向对消费者行为影响 ........................................... 18 2.3.4 在线评论数量对消费者行为影响 ........................................................... 19 2.4 价格对消费者行为影响 ................................................................................... 19 2.5 研究模型的建立 ............................................................................................... 20 2.5.1 在线评论主客观情感倾向模型 ............................................................... 20 2.5.2 在线评论对商品受关注度影响模型 ....................................................... 21 2.6 本章小结 ........................................................................................................... 22 第3章 研究数据收集与处理 ................................................................................... 23 3.1 引言 ................................................................................................................... 23 3.2 数据收集方法与过程 ....................................................................................... 23

III

哈尔滨工业大学管理学硕士学位论文 3.3 对评论文本进行情感分类 ............................................................................... 25 3.3.1 LingPipe文本情感分类过程 ..................................................................... 25 3.3.2 评论文本情感分类效果 ........................................................................... 27 3.4 统计分析工具和方法 ....................................................................................... 28 3.5 本章小结 ........................................................................................................... 28 第4章 模型结果分析与假设检验 ........................................................................... 29 4.1 引言 ................................................................................................................... 29 4.2 不同来源在线评论主客观倾向分析 ............................................................... 29 4.2.1 初步描述性统计 ....................................................................................... 29 4.2.2 观察分析 ................................................................................................... 29 4.2.3 文本情感分类 ........................................................................................... 30 4.2.4 统计分析与检验 ....................................................................................... 31 4.3 不同来源在线评论对商品受关注度影响分析 ............................................... 33 4.3.1 模型估计结果分析与假设检验 ............................................................... 33 4.3.2 评分与文本正负情感倾向得分比较 ....................................................... 36 4.4 本章小结 ........................................................................................................... 38 结 论 ......................................................................................................................... 39 参考文献 ..................................................................................................................... 41 攻读硕士学位期间发表的论文及其它成果 ............................................................. 46 哈尔滨工业大学学位论文原创性声明及使用授权说明 ......................................... 47 致 谢 ......................................................................................................................... 48

IV

哈尔滨工业大学管理学硕士学位论文 第1章 绪 论

1.1 课题背景

互联网技术的发展无疑是近年来影响社会经济和人们日常生活的最强劲的动力之一。据中国互联网络信息中心（CNNIC）《第27次中国互联网络发展状况统计报告》[1]显示，“2010年我国网民继续保持增长态势，截至2010年底，总体网民规模达到4.57亿，较2009年底增加7330万人。互联网普及率攀升至34.3%，较2009年底提高5.4个百分点”。图1-1反映了从2002年至2010年九年间中国网民数和互联网普及率的变化趋势，可以看出，我国的互联网发展一直处于稳步的上升态势，尤其是从2006年以后发展速度明显加快。虽然我国网民数量巨大，但由于人口基数的原因导致我国的互联网普及率并不高，截至2010年6月底，世界总体互联网普及率为28.7%，而其中北美洲以77.4%的互联网普及率遥遥领先于其他大洲，美国、日本和韩国的互联网普及率也分别达到了77.3%，78.2%和81.1%[2]。从世界互联网普及率的角度来看，我国互联网产业只处于世界平均偏上水平，相对于发达国家还有很大的差距，因此还具有较大的发展空间。

图1-1 中国网民规模和普及率

我国网民在互联网应用方面表现出商务化程度逐步提高、娱乐化倾向继续保持以及沟通和信息工具价值加深等特点。2010年大部分网络应用在网民中更

- 1 -

哈尔滨工业大学管理学硕士学位论文 加普及，各类网络应用的用户规模持续扩大。其中，电子商务类应用继续保持迅速发展的势头，这得益于、市场等多重利好以及电子商务企业的快速发展和用户使用习惯的累计。随着传统企业加速进军网络零售市场，使得网络市场的繁荣和服务水平不断地升级，并且伴随着团购等新型网络销售模式的兴起，开辟了餐饮、健身等传统服务型商品的网络销售渠道，目前几乎中国所有互联网巨头企业都已经涉足团购行业，我国团购用户数已达到1875万人，在网民中占4.1%。电子商务类应用中网上购物、网上支付和网上银行用户全年增长率也分别达到了48.6%，45.9%和48.2%，增长率远远超过了其它类互联网应用[1]。随着更多传统的经济活动步入互联网时代，可见互联网在改变人们生活习惯的同时，也对消费者的行为模式产生了深远的影响。

随着互联网的普及和网络应用的迅猛发展，人们可以忽略地理的界限进行更为有效和便捷的在线交流，人们经常在邮件、论坛、博客或者即时通讯工具上与他人分享知识，这种行为有利于知识的传播、生活效率的提高，营造积极的上网环境。随着Web 2.0 技术的广泛应用，互联息的承载量急剧增长，信息资源前所未有的丰富。Vossen[3]指出大量的用户原创内容已成为互联网上重要的信息来源，这些信息在深刻地改变着互联网上用户交互方式的同时，也为电子商务企业发展带来了新的机遇和挑战。同时，用户原创内容和其互动产生的关系传播将成为网络媒体发展的新方向[4]。用户原创内容泛指在由用户创作的并在网络上发表的文字、图片、音频及视频等内容[5]，在用户原创内容中，有很大一部分是人们分享的针对商品或服务的见解和评论。由于互联网强大的存储和搜索功能，这部分原创内容可以全面并长久地保存，其可信度和影响力要远远高于企业或经销商发布的商品信息，因此消费者常常倾向于依赖网络上的评论来评估商品或服务，进而做出购买决定。DoubleClick Inc[6]在对美国的旅游、运动与健身产品、服装、电脑硬件设备等行业的网络客户的行为研究中发现，近一半以上的网络用户在做出购买决定前，会通过各种途径在互联网上搜索商品的相关介绍以及其他消费者发表的关于商品的性能参数以及使用感受等评论信息，其中旅行信息以73%的被搜索率排名最高，搜索比例如图1-2所示。

- 2 -

哈尔滨工业大学管理学硕士学位论文

图1-2 消费者在购买前进行网络搜索的比例

由此可见互联网上的消费者评论对其他消费者的购买决策具有重要的影响。正面的评论信息无疑是商家最好的广告，而负面的评论信息将严重影响商家的形象进而影响其销售情况，因此商家需要认真对待消费者的在线评论信息。在线评论机制使互联网能够支持大量口碑信息的流动，eBay（www.ebay.com）是最早采用这种机制建立在线市场买卖双方信任，并成功促使买卖双方合作的例子。随着互联网的发展，目前提供发布在线评论机制的网站有很多，如淘宝（www.taobao.com）、亚马逊（www.amazon.cn）、当当网（www.dangdang.com）、携程（www.ctrip.com）等电子商务交易网站，以及中关村在线（www.zol.com.cn）、太平洋汽车网（www.pcauto.com.cn）、大众点评网（www.dianping.com）、期刊点评网（www.qikan001.com）等第三方评论网站。这些网站都提供了根据商品类别、名称、价格、热度等条件搜索商品的功能，通过点击返回的搜索结果中商品的链接，浏览者可以进入包含商品详细信息及各种评论的商品页面并发表关于该商品或服务的评论信息，由此可知商品页面的浏览量可以在一定程度上反映消费者对商品的关注程度。在第三方评论网站上不仅存在生产厂家的评论信息，经销商的评论信息，消费者的评论信息，还存在具有专家性质的网站编辑的评论信息，这些评论信息作为口碑的在线表达，对潜在消费者的行为将具有重要的影响，其中消费者最关注的就是其他消费者的评论和专家评论，由于这两种评论的发布者的立场相对中立，因此较商家和经销商评论的可信度更高，探索这两种在线评论信息是否对消费者行为具有影响以及是否具有相似的影响，是分析不同来源在线评论信息重要性的一个方面。在本研究中将利用文本情感分类口技术，挖掘出不同来源在线评论文本本身的特征，并找出不同来源

- 3 -

哈尔滨工业大学管理学硕士学位论文 的在线评论是否具有不同的情感分类。其次，在了解了不同来源在线评论的情感特征的基础上，需要进一步验证这些特征是否会影响其他消费者对商品的关注。比如，是否具有正面情感倾向的用户和专家评论会促进消费者对商品的关注，而具有负面情感倾向的用户和专家评论会导致消费者对商品关注降低？是否具有主观情感倾向的用户评论会促进消费者对商品的关注，而具有主观情感倾向的专家评论会导致消费者对商品的关注降低？不同来源在线评论的各种情感特征对商品的受关注度的影响是本文的重要研究内容。

本研究将基于互联网上不同来源的评论信息，探索互联网上用户评论和专家评论对消费者行为的影响。本研究在理论上，在对不同来源在线评论进行文本情感分类的基础上，提出不同来源在线评论主客观情感倾向研究模型和不同来源在线评论对商品受关注度影响研究模型，以此来帮助人们理解互联网上不同来源评论的主客观情感倾向，并帮助商家理解互联网上不同来源评论对商品受关注度的影响，这样可以促进在线评论的交流与发展，本研究也可为针对在线评论对消费者行为影响的理论研究提供新的视角。在实践上，可以解决如何对不同来源的在线评论进行情感分类，并定量的分析用户评论和专家评论在不同的情感倾向下对商品受关注度的影响，该技术主要可以应用于企业的客户服务管理系统中，以帮助企业挖掘互联网上不同来源的评论信息，从中了解不同类型的消费者对商品的态度，进而制订更加完善的商品策略，从而提升商品的整体竞争力，并为企业带来更大的利益。

1.2 国内外研究现状

一些网站上会公开商品的销量排名、销售额或者商品的受关注度排名等数据，这些数据可以看作是消费者总体购买或关注行为的量化表现。因此，定量地研究在线评论对消费者行为影响研究可以转化为研究在线评论对商品销量排名、销售额或者商品受关注度排名的影响，反映了在线评论通过影响消费者的行为进而对企业的绩效产生影响，表现为对一种总体效应的研究。这类研究在近年来刚刚兴起[7-8]，本节将对相关的国内外文献进行梳理和综述。

1.2.1 国外研究现状

国外的学者在在线评论对消费者总体行为影响方面做了一些初步的实证研究。这些研究大都采用截面数据建模、时间维度的建模和分析性建模等方法，选择商品的销量排名、销售额或者商品受关注度排名等因素作为因变量，而以评论的数量、评论的情感倾向、评论情感倾向的混杂度等因素作为自变量。在众多影响因素中评论数量和评论的情感倾向是研究的重点，这也是本研究所关

- 4 -

哈尔滨工业大学管理学硕士学位论文 注的两个重要影响因素，通过对已有文献的阅读发现国外对评论的数量和评论的情感倾向对销售绩效影响的研究结果存在较大分歧。

关于在线评论数量对销售绩效影响的研究中具有代表性的有：Godes和Mayzlin[9]通过对美国44个电视节目的在线评论与收视率关系的研究中发现在线评论的数量对电视节目收视率没有影响。Chen和Wu等[10]在对亚马逊书店的研究中发现在线评论对图书销量有显著正向影响。Clemons等[11]对啤酒工业中在线评论对于啤酒销量影响的研究中发现评论的数量对啤酒销量没有显著的影响。Liu[12]研究了在线评论对电影工业的影响，结果发现在线评论对电影票房的影响主要体现在在线评论数量方面。Dellarocas和Zhang等[13]研究发现无论电影评论中是否含有负面的信息都对电影票房有显著的正向影响。Duan和Gu等

[14-15]

对电影评论的研究中发现在线评论数量对电影票房有显著的正向影响。

另外，一些学者用评论者对商品的评分的平均值作为评论情感倾向的代理来研究评论情感倾向与商品销售绩效的关系，研究结果也不尽相同。Chen和Wu等[10]研究发现在线评论的平均情感倾向对亚马逊网站上图书的销量没有影响。Duan和Gu等[14-15]的研究虽然表明评论的数量对票房有显著影响，但是也表明情感评分的平均值对电影票房没有显著的影响。而Duan和Gu等[16]在对软件行业的研究中发现，对于流行的软件在线评论的情感倾向对下载量没有影响，对于不流行的软件在线评论的情感倾向对下载量有显著正向影响。Ghose和Ipeirotis[17]指出出现在线评论情感倾向对商品销量无影响的原因可能是由于用平均值作为代理使正负评价相互抵消，因此不能准确的测量情感倾向对绩效的影响。Hu和Liu等[18]研究发现在网站上发表评论的通常是非常满意和非常不满意的用户，这种极端的评论会影响其他消费者的购买决策，但是当取平均分时这种影响效应就会被中和。介于此，一些学者将在线评论划分为不同的情感等级，进而探索不同情感等级的在线评论与销售绩效的关系。Clemons等[11]在对啤酒工业中在线评论对于啤酒销量影响的研究中发现极端正面评论对啤酒销量有显著正向影响。Liu[12]对Yahoo!电影论坛上在线评论对电影票房影响的研究中发现影响电影票房的是评论的数量，而无论在线评论的情感倾向如何都会增加票房收入。Chevalier和Mayzlin[19]研究了amazon.com 和 barnesandnoble.com上在线评论和图书销售数据，结果发现极端的差评比极端的好评对图书销售量影响大。Zhu和Zhang[20]通过研究视频游戏也发现负面评论比正面评论对销售收入影响更大，并且评论的平均得分每增加百分之一销售收入就会增加百分之四。

虽然数字评分为评论文本信息的挖掘提供了一种途径，但仍不能反映文本中丰富的信息。因此一些学者利用文本情感分类技术，对在线评论进行文本挖

- 5 -

哈尔滨工业大学管理学硕士学位论文 掘，进而探索文本情感倾向与商品销售的关系。Ghose和Ipeirotis[17]用LingPipe对在线评论进行情感分析，通过建立统计模型发现在线评论的正负情感倾向对音频和视频设备的销售有显著正向影响。Ghose和Ipeirotis[21]通过对亚马逊网站上多组商品的在线评论和销售排名数据进行分析，发现在线评论中主客观语句的不同混合程度对不同类型的商品销售有不同的影响。Pavlou和Dimoka[22]首先对人工的对在线评论进行正负情感的标注，并借助情感特征发现评论的正负情感倾向可以显著影响消费者所愿意支付的价格贴水。Ye等[23-24]用LingPipe对酒店的在线评论进行情感分析，并通过线性回归分析发现在线评论的正负情感倾向对酒店的在线销售量具有显著的正向影响。

另外，消费者在其做购买决策的过程中，不仅仅会受到其他用户的在线评论的影响，还可能受到诸如商家或经销商的广告、具有专家性质的第三方评论网站的专家评论等信息的影响。在第三方评论网站上的专家评论已非常流行，消费者在购买前通常会关注专家评论[25]。其中由于用户评论和专家评论具有一定的相似性，且都比商家或经销商的广告更具有说服力，但由于评论者角度的不同这两种评论之间必然存在差异[26]，因此目前针对用户评论和专家评论对消费者行为影响的研究受到了学者的广泛关注。许多学者通过研究发现专家评论对销售绩效有显著的正向影响[27-30]，也有学者研究发现两者没有影响关系[31]。Holbrook[32]通过对电影评论研究发现用户评论更反映大众的口味。Liu[12]指出专家评价出现在商品上市之前或刚刚上市，并且是静态的；而用户评论在商品的整个生命周期中都会出现，是动态的。并且在商品刚刚上市的前三周专家评论比用户评论的影响力要大。Chen和Xie[33]在其研究中指出专家评论侧重于评估商品的属性而用户评论基于自身的使用感受，并对商家如何运用这种差异，实施相应的管理策略进行了深入的讨论，但是并没有进行实证分析。由此可见，国外对用户评论和专家评论对消费者行为的不同影响的研究也是很匮乏的。

1.2.2 国内研究现状

国内对口碑相关的研究主要集中在对传统口碑或在线评论对消费者个体行为影响以及影响在线口碑传播因素的研究，而对在线评论对消费者总体行为影响的研究还处于刚刚起步的阶段。郭国庆等[34]指出在线口碑传播的内涵和传播的特点，并在此基础上探讨了针对在线口碑企业应采取的营销策略。杨学成等

[35]

通过对传统口碑和在线口碑的对比分析阐述了在线评论的含义，并指出消费

者进行在线口碑沟通的动机，最后分析了在线口碑对消费者购买决策的影响。庄贺钧[8]指出互联网上信息的不对称性和信息传播的匿名性导致如何建立在线口碑的信用机制的问题，并针对这一状况探讨了关于在线口碑的可能研究方向

- 6 -

哈尔滨工业大学管理学硕士学位论文 和逻辑框架。任庆伟[36]在其研究中分别从内涵、类型、信息特性、传播方式和传播过程等多个方面对在线口碑和传统口碑的差异进行了分析。这些研究都仅仅从理论上对在线口碑进行阐述，并没有进行实证分析。

一些实证研究也分析了在线评论对消费者行为和商家绩效的影响。金立印

[37]

指出在线口碑对消费者购买决策的影响会受口碑传播方向、口碑类型、商品

卷入度以及三者的交互效应的不同而呈现出显著差异。罗时鑫[38]引入信任作为中介变量，间接的研究口碑发送者专业能力、关系强度和口碑接收者信任倾向对口碑效果的影响效果，并比较了这种效果与传统口碑影响效果的不同。徐琳

[39]

实证的研究表明了消费者对在线口碑的信任度受到关系强度，消费者对传播

平台的依赖程度，消费者对网站的感知有用性、风险程度和信任倾向等因素显著的正向影响。李慧[40]首先指出负面口碑的三个因子：负向口碑的信息强度、发送者专业能力和关系强度，进而实证地分析了这三个因子对消费者购买决策的影响，并探讨了信任和卷入两个变量在影响效应中的调节作用。郑小平[41]运用定量的方法研究了评论内容的质量、评论者的可信度、评论的时效性以及评论的数量等因素对消费者购买决策的影响。张紫琼[42]通过研究表明用户在线评论显著正向影响网页的浏览量，而网站编辑评论显著负向影响网页的浏览量。

由于在线评论在一定程度上反映了评论者的情感，因此一些学者在在线评论对消费者总体行为影响的研究中考虑到了在线评论文本的情感倾向问题。陈伟[43]通过实证分析表明评论文本的正负情感倾向和用户评级对商品的销售具有影响，而评论文本的主客观情感倾向对和针对性对消费者的认知具有影响。郝媛媛等[44]基于电影面板数据研究了在线评论对销售收入的影响，结果表明不同情感倾向的影评对电影发布后不同阶段的电影票房收入有着不同的影响。郝媛媛等[45]基于影评数据研究在线评论有用性的影响因素，结果表明在线影评中积极的情感倾向、较高的正负情感混杂度、较高的主客观表达混杂度以及较长的平均各句长度, 对评论的有用性具有显著的正面影响。张紫琼[46]在其综述性的研究中论述了针对在线评论文本情感分析的特定方法和关键技术，并阐述了已有研究存在的问题。

回顾国内对在线评论的相关研究，可以说研究成果比较零散，没有形成完善的体系，并且大多属于理论介绍、综述性的文章。相对于国外的研究而言，国内的实证研究相对较少，而且缺少对于不同来源的在线评论对消费者行为影响的实证研究。

1.3 主要研究内容

本研究的研究内容是用户评论和专家评论是否因为评论者的自身特点和出

- 7 -

哈尔滨工业大学管理学硕士学位论文 发点的不同而具有不同的主客观情感倾向，以及研究用户评论和专家评论对消费者对网站商品关注的影响情况，进而分析不同来源在想评论对消费者的行为影响，以帮助消费者和商家从理论的角度上认识在线评论这种新兴的信息来源，从而为商家的经营以及广告策略提供理论支持。本研究首先以第三方评论网站中关村在线（www.zol.com.cn）上全部数码相机的用户评论和专家评论文本作为语料来源，并结合评论者对商品的评分和商品属性参数等信息，来探索不同来源的在线评论的主客观情感倾向以及评分主要受何种因素影响。其次以中关村在线网站上13种商品作为研究对象，探讨不同来源在线评论的主客观情感倾向、正负情感倾向、评论数量和商品价格对商品受关注度排名的影响。本研究拟采用的技术路线如图1-3所示。

不同来源在线评论对消费者行为影响研究 文献资料收集与综述 计算机编程 开发数据获取工具（Java） 获取在线评论数据 文本挖掘 获取评论语料库，建立试验环境 在线评论理论 不同来源在线评论主客观情感倾向研究 不同来源在线评论对商品受关注度影响研究 评论主客观情感倾向影响 计量经济学 评论主客观情感倾向 评论正负情感倾向影响 影响评分因素 其它因素影响 图1-3 技术路线

- 8 -

哈尔滨工业大学管理学硕士学位论文 首先通过收集和阅读国内外相关文献资料，阐述了在线评论的相关理论，并分析了学者在不同来源在线评论对消费者行为影响方面的研究，在此进出上提出本文的研究假设。接下来，结合研究假设和计量经济学理论以不同来源评论的主客观情感倾向得分、正负倾向情感得分、商品的受关注度排名、商品的属性参数等信息建立了不同来源在线评论主客观情感倾向研究模型和不同来源在线评论对消费者行为影响模型。然后选择同时包含用户评论、专家评论、商品属性参数和消费者对商品关注等信息的网络平台作为研究对象，本研究选择中关村在线（www.zol.com.cn）网站，结合前期开发的网页抓取系统抓取网页并从中解析出本研究所需的数据。然后，从已抓取的评论中分别选取代表主客观情感倾向的文本建立语料库，进而利用LingPipe工具提供的情感分析（Sentiment Analysis）功能训练分类器，再利用分类器对抓取到的不同来源的在线评论文本进行主客观情感分析，获取每条评论的主客观情感倾向得分。在利用已有数据对模型进行参数估计之后，将对估计结果进行讨论，并对研究假设进行检验，从而了解互联网中不同来源的在线评论将如何对消费者的行为产生影响。

1.4 论文框架

本文的结构如下：

第1章 绪论。介绍论文的研究背景、目的和意义，通过对国内外学者对在线评论的研究现状的梳理和综述，概括了该研究领域目前存在的不足，进而提出了本文的主要研究内容，并构建了本文的技术路线，最后提出了本文的研究框架，说明各章节的内容安排。

第2章 理论基础和研究模型。首先对在线评论相关理论进行阐述，包括传统口碑的概念、在线口碑的概念、在线评论的概念、在线评论的测量方法以及在线评论的情感分类等方面。然后在以往的研究结果基础上，分别从不同来源在线评论主客观情感倾向比较和对消费者行为影响，不同来源在线评论正负情感倾向对消费者影响，以及用户评论数量和价格等因素对消费者行为影响5个方面，提出了本研究的7个研究假设。最后结合已提出的研究假设建立了本研究的计量经济学模型，包括不同来源在线评论主客观情感倾向模型和不同来源在线评论对商品受关注度影响模型。

第3章 研究方法与数据。首先介绍了本研究所需要的数据的来源和收集过程，。本研究主要探讨在线评论的情感倾向对消费者行为影响，因此在收集数据后需要对不同来源的评论文本进行情感分类，本节随后介绍了利用LingPipe对评论文本进行情感分类的过程，并对分析和讨论了利用该工具对本研究数据进

- 9 -

哈尔滨工业大学管理学硕士学位论文 行情感分类的效果。

第4章 假设检验和讨论。利用已收集的数据对模型进行估计，并对上文提到的假设进行检验，基于模型估计结果，比较了用户评论和专家评论的主客观情感倾向，并探讨不同来源在线评论主客观情感倾向、正负情感倾向、用户评论数量和商品价格等因素对消费者行为的影响。

结论。总结本论文的主要研究结果，指出管理应用意义和对策建议，并说明本论文的不足和以后的研究方向。

- 10 -

哈尔滨工业大学管理学硕士学位论文 第2章 理论基础与研究模型

2.1 引言

本章主要分析了在线评论的相关理论和在线评论相关因素对消费者行为影响的研究结果，并在此基础上提出了本文的研究假设和研究模型。首先，系统地介绍了口碑、在线口碑和在线评论的相关概念，并详细地分析了在线评论的情感分类，这些理论知识是本研究的基础。其次，对学者在在线评论主客观情感倾向、在线评论正负情感倾向、在线评论数量、商品价格等因素对消费者行为的影响等方面的研究成果进行分析，根据这些研究成果提出了本文研究假设和研究模型。

2.2 在线评论相关理论探讨

2.2.1 口碑相关概念

2.2.1.1 口碑的概念

一直以来，口碑概念以及其对消费者的影响都是管理学领域的一个研究热点。自从上世纪50年代起，学术界就发现，人和人之间的口耳相传不但能够影响消费者购买前的预期与态度，还能影响消费者对商品的选择以及最终的购买决定，甚至使用后对商品的质量与服务的评价。此后，在管理学诸多领域产生了大量与口碑相关的学术研究[47-49]。

Arndt[48]最早在其研究中定义了口碑的概念，口碑是指一个非商业的具有感知能力的信息传播者就某个品牌、商品或服务与信息接受者的非正式信息沟通行为。由定义可知口碑传播是一种没有商业目的的沟通行为。口碑的传播使得已购买者可以与潜在消费者分享品牌、商品或服务的使用经验和感受。Westbrook[50]将口碑的定义拓宽为“人与人之间关于商品质量、服务以及使用感受的所有非正式交流”。由此定义可知口碑不是商家通过各种渠道对商品进行的推广，而是发生于人与人之间的非正式交流。Tax等[51]将口碑的概念进一步扩大，认为这种非正式的沟通可以是正面或者是负面的，消费者会与其他人分享自己愉快或者不愉快的使用感受；也可以客观型或者是主观型，客观型是指介绍商品或服务的一些基本信息，主观型是指具有个人感情色彩的主观判断。Buttle[52]认为由于大量的公司在营销中应用虚拟技术，导致商业信息与口碑的界限越来越模糊，因此口碑不应该包含所有的非正式交流。由此可知，对口碑概

- 11 -

哈尔滨工业大学管理学硕士学位论文 念定义的关键点是信息来源的知觉性以及信息交流的非正式性和非商业目的性。

2.2.1.2 口碑的影响

学术界很早就展开了关于口碑对消费者行为影响的研究。Wilke[53]早在1934年就指出口碑对于消费者的购买决策具有重要影响，随后的一些学术研究也都认为口碑对于消费者在商品搜索、购买与评价等方面都有很大影响[-56]，Arndt[48]研究发现正向口碑能够促进商品的销售，负向口碑能够抑制商品的销售，而高知觉风险者更容易受到口碑的影响。Engel和Kegerreis等[49]通过研究发现60%的被采访者认为口碑是影响他们做出购买决定的重要因素之一。Katz和Lazarsfeld[57]也发现口碑是影响消费者购买家庭用品和食物的最重要因素之一，而且其影响力比报刊、人员推销、广告的影响力都要强。可见口碑的作用已得到公众的认可，许多学者也都将口碑认定为是影响商品能否成功的重要因素[58-61]。之所以口碑会产生如此强的说服力是因为消费者之间通过非正式的信息沟通对商品或服务产生了特定的认识，消费者在高度涉入的信息交流模式下可以有效地降低与商家的信息不对称性，并且消费者对这种沟通活动的信赖明显要高于其它信息的来源[62]，因此口碑对于消费者搜索商品、购买决策制定等方面具有重大的影响。

2.2.2 在线口碑相关概念

2.2.2.1 在线口碑的概念

相对于口碑理论来说，在线口碑还是一个比较新的概念，在以往的研究中有许多相似的概念与在线口碑重叠在一起，如网络沟通（Internet Communication）、在线反馈（Online Feedback）、鼠碑（Word-of-Mouse）、电子口碑（Electronic Word-of-Mouth）、互联网口碑（Internet Word-of-Mouth）以及病毒营销（Viral Marketing）等等。

随着互联网的普及与发展，通过互联网进行沟通已经越来越普遍，人们可以通过浏览网页来收集自己感兴趣的主题信息，并针对这一主题进行讨论与分享。由于商家与消费者之间信息的不对称性，虽然消费者可以通过互联网搜索到关于商品的大量属性信息，但仍有很多因素不能确定，这些信息只有通过自身的使用体验才能感受到，这就促使消费者寻求在线口碑信息来虚拟自身的使用体验。消费者的在线交流使得属于不同群体的消费者可以通过互联网自由地交流。Stauss[63]最早在其研究中讨论了消费者在线交流的增多给商家带来的机会和威胁，并将消费者在线交流定义为消费者在网络上报告或者交流与消费相关的信息。Hanson[]把在线口碑定义为“在互联网上，通过电子邮件、博客、

- 12 -

哈尔滨工业大学管理学硕士学位论文 论坛或者即时通讯等形式进行的关于商品或服务的口碑信息，与传统口碑相比具有匿名、不受时间空间以及传播速度快等特性”。Chatterjee[65]将在线口碑定义为通过交流平台或者聊天软件等途径完成的消费者之间的信息分享与交流。Hennig-Thurau和Gwinner等[66]指出在线口碑的形成是由于互联网的出现与发展，使消费者可以在互联网上分享其对某件商品的使用感受或性能等信息，其他消费者也可以通过在互联网上搜索来浏览这些被分享的内容。由此可知，在线口碑可以让消费者超越自己的朋友圈，而与更多不相识的人交流商品信息。一些早期的研究认为这种在线的交流会因为匿名、不可直接接触等因素人们之间的交流[67]，然而随后的研究发现陌生人的在线交流也会产生友好的伙伴关系。

2.2.2.2 在线口碑的分类

相对于传统口碑口耳相传的传播方式，在线口碑的传播形式可以大致分为两种类型：一是同步传播类型，即交流主体需要同时在线并利用即时通讯工具来完成口碑传播，比如QQ、MSN等；二是异步传播类型，即不需要交流主体同时在线就能完成在线口碑的传播，比如BBS、Email、Blog等。因此在线口碑传播与传统的口碑传播相比较，具有波及范围更大，传播速度更快等特点。这对潜在消费者搜索信息并进行购买决策具有更有效的影响。但由于在线口碑具有匿名性的特点，因此厂商可以轻易伪装成普通的信息分享者向受众传播其推荐信息，由于信息的传播者无法预知信息的发布者以及真实性，导致这种信息不加甄别的被广泛传播，以达到广告宣传的效果，因此在线口碑也可以具有商业性。

2.2.2.3 在线口碑的影响

在线口碑对消费者决策过程中的每一阶段都会产生影响。如在线口碑可以帮助消费者认知商品并产生兴趣，也可以帮助消费者决定购买何种商品，还口碑早期形成的心理预期也会影响消费者的使用体验以及商品评价，并且在线口碑对各个阶段的影响还要受到调节变量的影响，如发送者和接收者之间的是否具有相似的背景以及关系的强弱等等。Bickart和Schindler[68]研究消费者分别从在线社区和公司的网站获得关于商品的各种信息，研究结果表明消费者认为在线社区比公司网站更具有可信性，消费者更趋向于通过在线社区获得同类消费者或者编辑对商品信息的评论，因此商家应该更加重视消费者的在线口碑，并提高商品在线口碑的质量。在线口碑不仅会影响消费者对商品的认知，还会影响减少消费者和商家间的信息不对称性，进而加快商品的被接受速度。与传统口耳相传的口碑相比，书写化后的在线口碑更具有逻辑性，能够更好地引起阅读者的共鸣，在线口碑也不受时间和空间的，通过网络就可以搜索到大量

- 13 -

哈尔滨工业大学管理学硕士学位论文 有用的信息，并且随着在线口碑的反馈机制的建立与完善，使得大量口碑信息能够在网络上双向流通，对消费者的决策和商家绩效都有着重要作用。

2.2.3 在线评论相关概念

2.2.3.1 在线评论的概念

张紫琼[42]把在线评论定义为消费者对商品的质量以及个人的使用体验等进行的文字评价和评分。其定义的在线评论的发布者仅仅是消费者，这是有一定局限性的，由于意识到口碑可能对潜在消费者产生的影响，越来越多的类型的信息发布者参与到在线评论的分享中。结合传统口碑和在线口碑的概念，本文把在线评论定义为多种信息发布者以文字或评分的形式对网站的商品、服务或使用经历等发表的评论信息，其中包括消费者的使用感受、专家对商品的测评、厂家或经销商发布的商品信息和反馈信息等等，但其发布形式都应以格式化的文字或评分存在。其中消费者发表的评论是基于自身使用体验的，通常是根据自己的使用经历来衡量商品的属性和品质的高低。而专家对商品的评论往往发表在第三方评论网站上，这类网站具有社会公信力、中立性等特点，这些专家往往不是使用商品的最终用户，因此其发表的评论更关注商品属性本身而不是使用感受。厂家和经销商发表的评论一部分是对商品的描述，另一部分是广告，由于利益的关系商家可能有选择得对信息进行纰漏，仅强调优点并对缺点进行包装，因此这类评论对消费者的影响正不断下降。在线评论通过互联网共享和传播，评论者可以在网络平台上发表评论，其他任何消费者都可以通过网络来阅读评论，因此在线评论可以在整个网络购物环境享。但是由于网络存在匿名性，在线评论信息发布者的真实身份并不容易辨别，这也给消费者甄别真实有用的信息带来了一定的难度。 2.2.3.2 在线评论与在线口碑

在线评论是在线口碑的一种表现形式，在线评论与其它形式的在线口碑有所不同。在线评论与其它形式的在线口碑相比具有格式化文本、可长久保存以及面向广泛人群等优点。对于在线评论的研究主要是基于计量经济学模型的关于在线评论对消费者购买和企业绩效等方面影响的研究。而以网上论坛、邮件、聊天室和博客等网络空间为载体的其它形式的在线口碑信息以非结构化文本形式存在，保存时间较短，并且比较难量化，因此常常利用社会网络、仿真模拟、调查问卷等方法研究这类形式的在线口碑。另外，由于谈论的主题相对单一，参与者相对特定等特点，容易形成意见领袖。而评论网站上的在线评论除了具有非结构化评论文本外，还提供相对于一些指标的量化打分，这个打分可以看作是评论者对商品在该指标下的正负情感倾向代理。另外，由于评论发表者不

- 14 -

哈尔滨工业大学管理学硕士学位论文 是特定人群，参与评论的人较多，以及被谈论的商品多种多样等特点，所以不容易形成意见领袖。总之在线评论与其它形式的在线口碑的差别主要在于表现形式和交流空间的不同，而其内涵是一致的，都是消费者之间关于商品或服务的在线交流，另外由于在线评论格式化文本、可量化测量等特点更加受到学者的关注和研究。 2.2.3.3 在线评论的测量

在线评论不仅以格式化的文本形式保存，在一些网站上评论这还可以根据一些指标对商品进行量化打分，因此可以根据这些特性对在线评论进行测量，同时也为量化地研究在线评论对消费者行为影响提供了基础。目前的研究通常通过以下几个指标对在线评论进行测量：

（1）数量指的是在网络上针对某一商品或服务的评论的数量。商品被讨论得越多，表明商品受欢迎的程度，被其他消费者关注的可能性就大，同时评论数量传递着有多少消费者正在使用或已经购买该商品的信息，这些信息会影响潜在消费者的知觉，因此评论数量是测量评论的指标之一。

（2）正负情感倾向体现的是评论者对某种商品评价的高低，也可以用全部评论者的平均情感倾向来判别市场整体对商品的评价例如，对在线评论的情感进行测量有重要意义，主要是因为具有正向情感倾向的评论对潜在消费者有推荐作用，而负向情感倾向的评论则会产生相反的效果，并且这种影响的效果的强度是不同的。

（3）主客观情感倾向体现的是评论文本内容是基于评论者主观使用感受还是基于商品固有属性，不同主客观情感倾向的在线评论对不同类型的商品、消费者都有不同的影响。

（4）离散度是指评论在不同传播群组间的分散程度。通常评论信息在一个组群中传播的速度要比不同组群间因传播的更快，因此当评论的离散度大的话，就会有更多的人获得评论的信息，并且具有这种特点的评论信息能够长时间保存，在线口碑的离散度通常用熵[9]来表示。 2.2.3.4 用户评论与专家评论

在线评论中用户评论和专家评论是影响消费者行为的重要的信息来源。用户在线评论基于用户个人的使用体验，评论的好坏和评分的高低与个人的偏好有很多大的关系，因此针对体验型商品消费者更加关注用户评论。Holbrook[32]通过对电影评论研究发现用户评论更反映大众的口味。与用户在线评论不同，由于专家不是商品的最终使用用户，而是非营利性的第三方评级机构，因此其更具有公正性。专家是在某个特定方向具有一定阅历、高水平知识和工作的人，因此能够保证所发表的信息具有权威性。同时，专家对商品的评价对专

- 15 -

哈尔滨工业大学管理学硕士学位论文 业知识较少的消费者是非常有用处的。相关研究也表明消费者在其做购买决策的时候更倾向于听专家的意见[35]。Chen和Xie[33]在其研究中指出专家对商品的评论趋向于关注商品的属性信息（比如：性能，特征和可靠性等），因为这些信息易于测量和定量分析。Liu[12]指出专家评论出现在商品上市之前或刚刚上市，并且是静态的；而用户评论在商品的整个生命周期中都会出现，是动态的。并且在商品刚刚上市的前三周专家评论比用户评论的影响力要大。Smith和Menon等[69]研究发现消费者在众多搜索到的信息中更倾向于信任用户评论和专家评论，其中享乐型的消费者更倾向于关注消费者评论，而实用型消费者更倾向于关注专家评论。

2.2.4 在线评论的情感分类

大多数研究都以评分作为评论者态度的代理，但评分具有一定的局限性并且不能全面的体现评论发布者丰富的感情，因此为了更加全面的挖掘出在线评论的情感特征，进而更有效地分析在线评论对消费者行为的影响，需要对在线评论进行情感分类。在线评论文本的情感分类以互联网上发布的商品评论文本为研究对象，进而来辨别和归纳文本所要表达的与态度和情感相关的信息。结合Esuli和Sebastiani[70]在其研究中对文本情感分类的研究，可将在线评论文本情感分类划分为三个子问题：

（1）判断在线评论文本是主观性文本还是客观性文本（Determining Subjectivity or Objectivity）。例如，以下两句话分别代表主观性和客观性文本：

主观性文本：“很想尝试的一款机型，从iphone一上市我就被它深深吸引，外形优雅，触控操作人性化，同时还有多项应用可以下载非常完美的一款机型。”

客观性文本：“索尼H55数码相机，功能丰富，10倍光变长焦，千万像素。” 可见表达主观情感的文本通常采用第一人称语气，并带有强烈的个人情感。而表达客观情感的文本一般采用第三人称语气，以陈述句的形式客评述商品或服务的属性特点。

（2）判断在线评论文本表达的是正面情感倾向还是反面情感倾向（Determining Orientation or Polarity），根据所给定文本所体现的整体褒贬倾向态度判断。例如，以下两句话分别代表正面和负面情感文本：

正面情感文本：“外观时尚，做工出色，软件丰富，运行流畅，屏幕很棒。” 负面情感文本：“待机时间短，机身很容易留指纹，软件多但不是很人性化，基本通话、短信等功能不以人为本。”

（3）判断在线评论文本所表达感情的强烈程度（Determining the Strength of Orientation）。

- 16 -

哈尔滨工业大学管理学硕士学位论文 由以上分类可知，在线评论文本表明了评论者对所评论商品持有的一种喜好态度和强度，是否推荐该种商品以及推荐的程度如何。因此，潜在消费者对商品的关注以及购买决策都将受到在线评论文本的主客观性、正负面性感倾向和情感强烈程度的影响。

2.3 在线评论情感倾向对消费者行为影响

2.3.1 在线评论主客观情感倾向比较

第三方评论网站在鼓励消费者发布文字评论信息，并对相应商品和商品属性进行评级的同时，还会给出具有官方性质的针对商品的网站编辑评论和评级。 因为第三方评论网站具有一定的权威性，所以把其网站编辑评论视作专家评论。由于专家具有丰富的知识和较高的阅历，因此专家的评论对消费者的购买决策具有很大的影响[35]。由于普通用户和专家的立场和知识背景不同，因此其评论文本必然属于不同的情感分类。用户评论文本应该更具有主观性，并且具有强烈的正向或者负向情感倾向，而专家评论文本应该避免主观性，可能会具有一定的推荐性，但需要保证客观性，虽然也会有正向或者负向的情感倾向，但是其文本所表达的情感应该不会过于强烈，这样才会体现出权威公正的中立立场。Chen和Xie[33]在其研究中指出专家对商品的评论趋向于关注商品的属性信息（比如：性能，特征和可靠性等），因为这些信息易于测量和定量分析。而不同于专家评论，用户评论往往基于用户个人的使用经历，因此评价的高低要受到用户的个人喜好和使用环境影响。因此，本研究预期用户评论和专家评论主客观性不同，并提出假设H1和H2。

H1：用户评论的主观性更强，评分主要与个人偏好和使用体验有关。 H2：专家评论的客观性更强，评分主要与产品属性性能有关。

2.3.2 在线评论主客观情感倾向对消费者行为影响

评论文本可能具有主观或者客观的表达形式，主观表达形式的文本表达了评论者个人的感情色彩，主要基于自身的使用体验，而客观表达形式的文本中包含有更多关于商品属性信息的内容。Ghose和Ipeirotis[17]通过多组商品的在线评论对销售排名的影响的研究发现在线评论中主客观语句的不同混合程度对不同类型的商品销售有不同的影响，其中具有主观倾向的评论对感受型商品影响较大，潜在消费者试图通过主观评论来虚拟自己的使用感受，以测试是否能够满足预期，而具有客观倾向的评论对特征描述型商品影响较大，这类商品的属性性能对消费者更加重要。同时不同类型的消费者对不同类型的在线评论关注

- 17 -

哈尔滨工业大学管理学硕士学位论文 也不同，Smith和Menon等[69]研究发现消费者在众多搜索到的信息中更倾向于信任用户评论和专家评论，其中享乐型的消费者更倾向于关注消费者评论，而实用型消费者更倾向于关注专家评论。由于用户评论和专家评论具有不同的主客观情感倾向，因此对消费者对商品关注的影响会不同，因此提出研究假设H3。

H3：用户评论和专家评论的主客观情感倾向对商品受关注度的影响存在显著差异。

2.3.3 在线评论正负情感倾向对消费者行为影响

一些研究结果表明消费者评论的平均情感倾向对销售绩效没有显著影响

[10,14,15]

，出现这种情况可能是由于用情感倾向平均值作为代理使正负评价相互

抵消，因此不能准确的测量情感倾向对绩效的影响[17,18]。虽然存在一定的抵消作用，陈伟[43]仍在对在线评论对酒店销售影响的研究中发现评论的正向平均情感倾向越高，那么酒店的销售越好。一些学者将在线评论划分为不同的情感等级或者是具有正面或者负面情感倾向，进而探索不同情感倾向特征的在线评论与销售绩效的关系。Chevalier和Mayzlin[19]在对在线评论对书籍销售量影响的研究中发现，提高消费者对书籍评价的得分能够增加相应书籍的销售量，并且极端差评的绝对影响大于极端好评的绝对影响。Ye和Law等[24]在其研究中发现在线评论的情感倾向对旅馆业的销售具有显著影响。郝媛媛等[44]将电影作为一种具有时效性的体验型商品进行研究，发现评论的情感倾向对票房收入只是在特定时段存在显著影响，而不是在电影的整个生命周期。

潜在消费者在购买商品前除了关注同类消费者的评论外，还会关注相关专家对商品的评论。由于专家评论具有一定的权威性，因此其应该对潜在消费者的购买行为具有一定影响[35]。在电影、音乐、图书和餐饮等领域，已有一些学者对专家评论与商品销量之间的关系进行了实证研究，但得到的结论并不完全一致。在对电影行业的研究中，研究者发现专家评论正向情感倾向显著正向影响票房收入[27-30]。Eliashberg和Shugan[26]指出专家评论情感倾向与电影后期票房收入相关。而张紫琼[42]在其对餐饮行业的研究中指出网站编辑评论的存在与餐馆页面的浏览量呈负相关。Ravid[71]的研究也表明专家评论情感倾向与电影票房收入无显著关系。Liu[12]指出专家评价出现在商品上市之前或刚刚上市，并且是静态的；而用户评论在商品的整个生命周期中都会出现，是动态的。并且专家评论在商品上市的前三周要比用户评论的影响力大。虽然目前学者们对专家评论与商品销量之间关系的研究结论不完全一致，但是大多数研究支持专家评论与商品销量之间存在显著的正向相关关系。因此，本研究同样预期正向情感倾的用户评论向对潜在消费者产生正向影响，而负向情感倾的用户评论对潜在

- 18 -

哈尔滨工业大学管理学硕士学位论文 消费者产生负向影响，正向情感倾的专家评论向对潜在消费者产生正向影响，而负向情感倾的专家评论对潜在消费者产生负向影响，提出研究假设H4和H5。

H4：用户评论平均正向情感倾向将显著正向影响商品受关注度。 H5：专家评论正向情感倾向将显著正向影响商品受关注度。

2.3.4 在线评论数量对消费者行为影响

在线评论数量表明商品受欢迎的程度，更重要的作用是向其他消费者提供一种通知功能，传递有多少消费者正在使用或已经购买该商品的信息，这些信息会影响潜在消费者的知觉，促使正在做购买决定的消费者关注该商品，并且可能进一步使潜在消费者产生从众心理和行为，最终引起购买行为。

一些研究认为在线评论的数量对销售绩效没有影响，如Clemons等[11]对啤酒工业中在线评论对于啤酒销量影响的研究中发现评论的数量对啤酒销量没有显著的影响。Godes和Mayzlin[9]通过对美国44个电视节目的在线评论与收视率关系的研究中发现在线评论的数量对电视节目收视率没有影响。但许多研究却发现评论数量与商品销量存在正向相关关系，Chen和Wu[10]在其实证研究中发现在线评论数量与图书销量存在显著正向相关关系。Liu[12]研究了在线评论对电影工业的影响，结果发现在线评论对电影票房的影响主要体现在在线评论数量方面。Dellarocas和Zhang等[13]在对电影的在线评论的研究中发现，无论消费者评论的正负情感倾向如何，评论数量对电影票房收入具有显著的正向影响。张紫琼[42]在其对餐饮行业的研究中指出消费者评论数量将显著正向影响餐馆页面的浏览量。郝媛媛等[44]在以面板数据为依据的研究中发现用户评论数量对电影票房收入的影响效应随时间呈现钟形变化，在放映的第一周产生较小影响，而在第二周迅速增大，之后逐周减弱。可见大部分研究都证明了在线评论的数量将显著地正向影响商品的销售绩效。因此，本研究同样预期用户评论数量对商品受关注度存在显著的正向影响，提出研究假设H6。

H6：用户评论数量将显著正向影响商品受关注度。

2.4 价格对消费者行为影响

商品价格是影响消费者关注和购买的最重要因素之一。在商品属性信息相近的情况下消费者更趋向于关注和购买价格便宜的商品。Wong等[72]分析了16个主要客源国的旅游需求，发现旅游商品价格就是影响旅游者需求的最重要的因素之一。另外，消费者购买商品前在互联网上查找商品的相关信息的主要目的就是要寻找性价比高的商品。也有学者的研究支持价格越高反而能引起更多的消费者关注，如张紫琼[42]在对大众点评网上餐馆的平均消费对餐馆页面

- 19 -

哈尔滨工业大学管理学硕士学位论文 浏览量的研究中指出餐馆的人均就餐价格与其页面浏览量呈显著正相关，而高价位餐馆比低价位餐馆更受关注的原因可能是高价位餐馆往往具有较高知名度，消费者关注的是餐馆的知名度，而不是高价位本身。因此，本研究同样预期商品价格与商品的受关注程度具有一定的负相关性，并提出研究假设H7。

H7：商品价格将显著负向影响商品受关注度。

2.5 研究模型的建立

2.5.1 在线评论主客观情感倾向模型

基于以上提出的关于用户评论和专家评论主客观情感倾向的假设（即H1和H2），本研究参照Chen和Xie[33]在其研究中建立的模型，拟建立在线评论主客观情感倾向模型来对假设进行检验，以数码相机的5个客观属性信息作为自变量，其中有数码相机的有效像素、光学变焦数、重量、是否具有防抖功能和价格，并分别以用户评分和专家评分作为因变量进行多元线性回归分析，以检验用户评分和专家评分的高低是否受到相机客观属性性能的影响。一般的网站都提供对针对商品总体或多个评价指标的五级评分体系（5完美、4好、3一般、2差、1极烂），用户和专家在对商品进行文本评论的同时还需要选择相应的评分。之所以选择数码相机作为研究对象是因为数码相机已成为时下最流行的电子产品之一，并且互联网已成为数码相机非常重要的展示和销售渠道[33]，并且该模型选取的自变量都是消费者在购买时非常关注的数码相机性能指标。本研究建立的两个多元线性回归方程模型的表达式如（2-1）（2-2）所示，模型中具体各变量的符号和含义如表2-1所示。

zol_ratingi01pixelsi2optical_zoomi3weighti4shake_reductioni5priceii4shake_reductioni5priceii

- 20 -

（2-1） （2-2）

consumer_ratingi01pixelsi2optical_zoomi3weighti哈尔滨工业大学管理学硕士学位论文 表2-1 模型中各变量含义

变量 zol_rating consumer_rating

pixels optical_zoom weight shake_reduction

price

含义

专家对数码相机的评分 用户对数码相机评分的平均值

数码相机的有效像素 数码相机的光学变焦数

数码相机重量

数码相机是否具有防抖功能，0-1变量

数码相机的价格

2.5.2 在线评论对商品受关注度影响模型

一些网站上会公开商品的销量排名、销售量等数据，这些数据可以看作是消费者总体购买的量化表现。也有一些网站会公布诸如商品受关注度这类代表消费者对商品感兴趣程度的信息，因此定量地研究在线评论对消费者行为影响研究可以转化为研究在线评论对商品受关注度排名的影响。消费者对商品或服务的关注代表了消费者在某一时期内对该商品或服务的兴趣和希望认知的倾向，消费者对商品或服务的这种认知偏好与倾向可能会促使其进行购买行为。随着互联网的普及与发展，大量的信息都汇集在网络上。消费者可以轻而易举的通过鼠标的点击获得自己所需的信息。通过统计一段时间内消费者对互联网上商品或服务信息的点击情况，可以获知互联网消费者对这些商品和服务的关注情况，消费者对商品的关注程度对于消费者和商家都具有重要的指导意义。

对于消费者来说，商品的受关注程度代表整体市场的消费趋势，因此消费者可以据此了解市场主流和主流群体的消费动向。对于商家来说，一方面，商品的受关注程度可以体现出消费者对商家商品或服务等相关信息关注的关注状况，体现了消费者对商品或服务的偏好程度。消费者从产生偏好到进行购买是一个复杂的过程，商家可以根据商品或服务的受关注情况有效地获取消费者的消费动向，因此起到预测销售以及指示市场发展趋势的作用。另一方面，关注程度能够体现商品或服务对消费者的影响情况，进而反映出商家宣传和推广等营销活动的效果。因此，跟踪并掌握商品或服务的受关注程度能够使商家及时对市场中发生的有利和不利情况做出相应的营销策略上的调整。

以上分析可知，商品受关注度主要反映的是消费者对特定商品、服务相关信息的关注情况，可以作为消费者行为的量化代理。基于上文对不同来源在线评论对消费者行为影响的分析和研究假设，建立了本文的在线评论对商品受关注度影响模型。其中以不同来源在线评论的文本特征，如专家评论文本的客观

- 21 -

哈尔滨工业大学管理学硕士学位论文 情感倾向、用户评论文本的主观情感倾向、专家评论文本的正向情感倾向、用户评论文本的正向情感倾向，用户评论数量商品价格等为自变量，对商品的受关注度排名进行多元线性回归分析。虽然用户和专家都对商品进行了评分，但是这种评分有时候是不可信的，并且由于人们在理解上本来就有所偏差，所以同样评1分的人可能对商品具有不同的态度，而评论文本本身更接近评论者的真实想法，因此几个代表文本特征的自变量都将通过对评论文本的情感分析获得。下文将介绍如何对评论文本进行主客观情感倾向和正负情感倾向分析。参考Ghose和Ipeirotis[17]等的研究，商品受关注排名、用户评论数量等变量都采用常用对数形式。本研究建立的多元线性回归方程模型的表达式如（2-3）所示，模型中具体各变量的符号和含义如表2-2所示。

Log(attentioni)01zol_objective_ratingi2consumer_subjective_ratingi3zol_positive_ratingi4consumer_positive_ratingi5Log(consumer_review_numi)6price+i表2-2 模型中各变量含义

变量 Log(attention) zol_objective_rating consumer_subjective_rating

zol_positive_rating consumer_positive_rating Log(consumer_review_num)

price

含义

消费者对商品页面关注度排名的常对数

专家评论文本的客观倾向得分 用户评论文本的主观倾向得分平均值 专家评论文本正向情感倾向得分 用户评论文本正向情感倾向得分平均值

用户评论数量的常对数

商品价格

（2-3）

2.6 本章小结

本章首先介绍了和分析了口碑概念和影响，在线口碑的概念、分类和影响，在线评论的概念、测量、情感分类以及用户评论和在线评论的比较等与本研究相关的理论基础。通过分析可知在线评论在在线口碑中由于具有格式化文本、保存时间长久等特点更加受到潜在消费者的关注。另外，互联网上在线评论的来源已不再单一，其中以用户评论和专家评论的影响力最大。在此基础上分析了已有学者在用户评论和专家评论的主客观情感倾向、正负情感倾向、在线评论的数量以及商品价格对消费者行为或者商家绩效的影响方面所做的研究，并根据这些研究结果提出了7个研究假设。最后为了对研究假设进行假设建立了在线评论主客观情感倾向分析模型和在线评论对商品受关注度影响模型。

- 22 -

哈尔滨工业大学管理学硕士学位论文 第3章 研究数据收集与处理

3.1 引言

本章首先介绍了数据的收集过程，具体包括网站的选取、商品的选择、数据项的选取、数据收集的方法、数据收集的时间以及数据的存储等等。在获得了各种原始数据之后，需要对用户评论文本和专家评论文本进行情感分类，本文利用LingPipe的情感分析功能对评论文本进行情感分类，并分别获得各条评论在主客观情感倾向和正负情感倾向上的得分。最后介绍了本研究主要用到的统计方法。

3.2 数据收集方法与过程

本研究的数据来自于中关村在线网站。中关村在线隶属于美国哥伦比亚广播集团，是中国排名第一的科技门户网站并且被认为是大中华区最具商业价值的IT专业门户，其资讯覆盖专业资讯、产品数据、科技视频、互动行销等多种媒体，并且是一家定位于促进销售型的IT互动门户。截至2009年3月，中关村在线的日均访问量为6300万，总注册用户已超过700万，每日对超过800万IT用户的采购行为产生影响[73]。中关村在线调研中心（ZDC）是属于中关村在线网站的互联网消费研究中心，ZDC主要进行商品关注度、消费行为、价格指数、销售渠道监测、用户满意度、品牌认知度以及企业竞争情报等方面的研究。ZDC研究信息覆盖80多家媒体和咨询机构，其研究成果影响数百万消费者的行为及千余厂商的利益。由于中关村网站的用户主要为已经购买的消费者和即将购买的消费者，因此以这类人群作为调查对象可以非常客观的反映出互联网消费者的消费行为。本研究需要ZDC发布的关于商品关注度的调研数据。

中关村在线为用户提供按照商品类别、价格和性能参数词等搜索商品的服务，搜索到的结果包括商品的综述介绍、报价、参数、专家评论和用户评论等。本研究的实验数据主要包括两部分：第一部分数据为中关村在线上全部33类数码相机品牌中的661种数码相机的相关数据，数据变量有相机名称、专家评分、专家评论文本、用户评论数量、用户平均评分、用户评论文本以及数码相机的客观属性信息，如数码相机的有效像素、光学变焦数、重量、是否具有防抖功能和价格等，这部分数据用来拟合在线评论主客观情感倾向模型。第二部分数据为中关村在线上13个类别中受关注度排名前50的商品的相关数据，13个类别分别是手机、笔记本、数码相机、数码摄像机、CPU、硬盘、内存、主板、

- 23 -

哈尔滨工业大学管理学硕士学位论文 显卡、液晶显示器、MP3、MP4、激光打印机。数据变量有商品受关注度排名、商品名称、商品类别、价格、专家评分、专家评论文本、用户评论数量、用户平均评分、用户评论文本等。当消费者关注某商品时，他不仅会点击进入该商品的链接网页，还会查看商品的参数信息、测评行情、论坛、图片等信息。中关村在线网站的调研中心通过对用户关注行为的跟踪，将用户对特定商品、服务信息的点击数量进行采集、筛选、统计分析，得出有效点击数量，并称之为受关注指数。针对每一类商品，ZDC根据其关注指数每周对受关注度排在前50的商品进行排名，其中数码相机的受关注度排名页面如图3-1所示，这部分数据用来拟合在线评论对商品受关注度影响模型。

图3-1 数码相机的受关注度排名页面

本研究开发了Java程序自动抓取网站上的网页。这些网页中包括了研究所需要的数据，如商品受关注度排名、用户评论、专家评论以及商品性能参数详情等信息。接下来，用另外一个Java程序将这些网页中包含的信息解析出来并存储到MySQL数据库中。在此之后需要对数据进行预处理，本研究利用一个具有情感分析功能的Java程序对用户评论和网站编辑评论进行主客观情感分析，得到每条评论分别在主客观情感方面的得分，该情感分析方法和过程将在下节介绍。由于商品受关注度排名每期只公布排名前50的商品，样本量较小，

- 24 -

哈尔滨工业大学管理学硕士学位论文 因此本研究每周对排名数据抓取一次，共抓取10期数据，数据收集在2011年3月至2011年5月进行。

3.3 对评论文本进行情感分类

电子商务网站或者第三方评论网站在给评论者提供根据特定的评价体系对要评价的商品或商家进行评级的同时，还需要对商品或商家的文字评论。浏览者在查看评论时不仅关心评级，更关心的是评论文本本身，因为评论文本相比较评级而言具有更多的信息。在上文中已假设用户评论和专家评论具有不同的主客观情感倾向正负情感倾向，并且用户评论和专家评论的主客观情感倾向和正负情感倾向都将有可能影响消费者的行为。为了检验这一假设，一种自动计算评论文本情感倾向的方法就成为本研究的一项重要的基础工作。一般的情感分类方法都基于监督学习式，监督学习即有监督的进行学习过程。首先需要建立一个具有一定规模的训练样本集合，并且其中的每一个样本个体都需要有特定的类别（如：主/客观），然后针对这一集合利用机器学习技术可以从中找出一定的分类的规则，进而生成分类器，最后需要对分类器的准确率进行评价，如果满足特定要求即可利用该分类器进行文本情感分类。除此之外还有基于语义的情感分类过程，该过程更加注重词语本身的词性以及词语之间的语句和语境关系，因此相比利用标定类别的文本进行的监督学习，基于语义的情感分类过程能够更加准确的进行情感分类，同样带来的困难也较高。本文的情感分析工作将利用已有的LingPipe工具完成，该工具成熟稳定并且使用简单，本节将主要介绍该工具和利用该工具进行情感分析的过程。

3.3.1 LingPipe文本情感分类过程

本研究采用的文本情感分类工具是由Alias公司提供的能够进行文本挖掘的Java函数库LingPipe（http:/alias-i.com/lingpipe/）。LingPipe工具支持对中文文本的挖掘工作，其主要包括分类、聚类、语言辨别、中文分词、拼写检查、词性标注、句题检测、数据库文本挖掘、情感分析、逻辑回归等功能模块，每一模块的具体使用方法和示例都能在其网站上找到，因此比较容易学习和理解。本研究将利用LingPipe的情感分析功能计算评论文的主客观情感倾向和正负情感倾向值，目前很多关于评论文本情感分类分析的研究都运用了此工具[21,43,44]。LingPipe的情感分析功能也是采用的监督学习方式，利用LingPipe进行文本情感分析的过程如下所示。

（1）选择训练样本和评价样本语料库。本研究需要研究评论文本的主客观情感倾向和正负情感倾向，因此需要从已抓取的评论中人工选择主观语句和客

- 25 -

哈尔滨工业大学管理学硕士学位论文 观语句建立主客观情感倾向语料库，主观语句标为“1”，客观语句标为“0”，正面语句标为“1”，负面语句标为“0”。

（2）设定N-Gram语言模型长度。对中文来说，N-Gram项由相邻字构成。例如：从“情感分类”中提取2-Gram 项，可以得到“情感”、“感分”和“分类”三个2-Gram项。虽然有的N-Gram项的语义不存在或者不明显，但是N-Gram语言模型本身避免了复杂的中文分词过程，能够在简化文本内容的同时，保留更多特征项之间的相关性信息，中文语言最少以2个字组成一个词，为了更多的保留文本信息，本研究设定N-Gran语言模型长度为2。

（3）分类器构建。以训练样本和N-Gram语言模型为参数构建动态语言模型分类器（DynamicLMClassifier）对象。由于动态语言模型分类器分类效率较低，因此需要将此分类器解析成联合分类器（JointClassification）。

（4）分类器性能评估。使用评价样本语料库评估分类器的性能，确保其能有效进行情感分类，评估结果的格式如下所示。

BASE CLASSIFIER EVALUATION Categories=[1, 0] Total Count=280 Total Correct=265

Total Accuracy=0.94285714285714

95% Confidence Interval=0.94285714285714 +/- 0.0263747037805873 Confusion Matrix reference \\ response ,1,0 1,128,12 0,3,137 ……

其中Categories=[1, 0]表明有两个类别1和0，其含义在构建分类器的时候就已经定义，可以代表正/负情感倾向，也可以代表主/客观情感倾向。Total Count、Total Correct和Total Accuracy分别代表样本的容量、能够正确分类的样本容量和分类器的准确率。最后的模糊矩阵则说明了每一类中能够被正确分类和不能被正确分类的数量。

（5）文本情感分类。使用构建好的分类器对文本进行分类。根据P(Category|Input)所得的值判断文本的主客观性情感倾向。表3-1为利用LingPipe进行情感分析的输出结果。

- 26 -

哈尔滨工业大学管理学硕士学位论文 表3-1 情感分类结果

Got best category of: 1

Rank 0 1

Category

1 0

Score -7.295 -7.3

P(Category|Input) log2(Category|Input)

0.867 0.133

-335.583 -338.285

其中，“Got best category of: 1”表明这个文本被分到第1类中，如果训练时设定“1”代表主观文本，“0”代表客观文本，则表明该文本为主观文本。“P(Category|Input)”代表该文本属于这一类的概率，比如表中类别1的P(Category|Input)= 0.867，表明该文本属于类别1（主观评论的）的概率为0.867，因此该文本具有更多的主观倾向。

3.3.2 评论文本情感分类效果

由于本研究主要考虑在线评论的主客观情感倾向和正负情感倾向对消费者的行为影响，因此需要对抓取到的用户评论和专家评论进行情感分析，分别得出每条评论在主客观情感倾向和正负情感倾向上的得分。并且相关研究表明，评论阅读者通常只阅读最前面的两页评论[22, 43]，考虑到数据抓取的周期为一周，并且中关村在线上每页只有5条评论，因此在这期间可能更多页的评论会对消费者产生影响，因此本研究只考虑每个商品前四页的用户评论，即对每个商品前20条评论进行情感分类，即方程（2-3）中consumer_subjective_rating和consumer_positive_rating两变量分别只代表该商品前20条用户评论文本的主观情感倾向平均值和正向情感倾向平均值。以下将根据上节描述的分类过程对评论文本进行情感分析，并分别计算每个商品的consumer_subjective_rating和consumer_positive_rating值。

（1）主客观情感倾向分类

从抓取到的专家评论和非前四页的用户评论中人工选取500条具有强烈主观感情色彩的评论作为主观语料集，并选取500条客观评论作为客观语料集，以其中的70%做训练样本用来训练分类器，并以其余的30%做测试样本。将该语料库放入已调试好的分类程序中，得到的分类器准确率为83%，其中主观语句被正确分类的概率为74.7%，客观语句被正确分类的概率为91.3%，可见该分类器是有效的，并且分类客观语句的准确率更高。进而用该分类器对每种商品的专家评论和前20条用户评论进行主客观情感倾向分类，并将各条评论在主观情感倾向上的得分保存到数据库中。

（2）正负情感倾向分类

从抓取到的专家评论和非前四页的用户评论中人工选取500条含有强烈褒

- 27 -

哈尔滨工业大学管理学硕士学位论文 义的评论作为正向情感语料集，并选取500条含有强烈贬义的评论作为负向情感语料集，同样以其中的70%和 30%的比例训练和测试分类器，得到的分类器准确率为83.7%，其中正向语句被正确分类的概率为85.3%，负向语句被正确分类的概率为82%，可见该分类器的有效性也很高，进而用该分类器对每种商品的专家评论和前20条用户评论进行正负情感分类，并将各条评论在正向情感倾向上的得分保存到数据库中。

3.4 统计分析工具和方法

本研究选择SPSS统计软件作为模型估计的工具，该软件集数据整理、统计及分析等功能于一身，并以其分析结果直观、清晰、并且易学易用等优点在社会科学和自然科学的各个领域发挥了巨大作用。本研究用到的统计方法是多元线性回归分析和相关分析。多元线性回归分析研究的是一个随机变量与另一组随机变量之间的依赖关系函数，更关心因变量与自变量之间的因果关系；而相关分析是研究随机变量之间是否具有相关性的统计分析方法，其相关性由相关系数表示，在相关分析中各随机变量的地位是相等的。

3.5 本章小结

本章首先介绍了数据的收集方法与过程，样本数据通过对第三方评论网站中关村在线（www.zol.com.cn）上的网页进行抓取和解析的方式获得。从中可以获得商品的受关注度排名、相关属性参数信息、价格以及用户和专家的评论文本等信息。其次介绍了对原始在线评论数据的预处理处理过程，主要介绍了LingPipe工具以及利用该工具的情感分析功能对评论文本进行情感分析的过程，进而利用该工具对用户评论文本和专家评论文本进行主客观情感倾向和正负情感倾向分析，分别得出了两种来源的评论在主客观和正负情感方面的得分。最后简要介绍了本研究用到的统计工具和统计方法。

- 28 -

哈尔滨工业大学管理学硕士学位论文 第4章 模型结果分析与假设检验

4.1 引言

本章将利用上文中提出在线评论主客观情感倾向模型、在线评论对商品受关注度影响模型和收集的数据对上文提出的7个假设进行检验。首先将从观察分析、文本情感分类分析和统计分析三个角度分析不同来源在线评论的主客观倾向问题，探讨用户评论和专家评论在主客观情感倾向上的差别以及专家评分和用户评分是否受到商品客观属性性能的影响。其次利用14个数据样本对模型进行参数估计的结果，分析不同来源在线评论的文本特征，如专家评论文本的客观情感倾向、用户评论文本的主观情感倾向、专家评论文本的正向情感倾向、用户评论文本的正向情感倾向、用户评论数量等因素对商品受关注度的影响。

4.2 不同来源在线评论主客观倾向分析

4.2.1 初步描述性统计

对不同来源在线评论主客观倾向分析将用到抓取的第一部分数据，因为本研究问题关注的是用户评论和专家评论的主客观倾向和评分的受影响因素，因此需要对有评论缺失的数据进行剔除，在661种数码相机数据中，同时包含专家评论和用户评论的数码相机有188种，因此选取这188种数码相机的数据作为研究的初步样本，对评论文本描述统计如表4-1所示。从表中可知，用户评论的长度是专家评论长度的3.8倍，并且每种商品的平均评论数为69，因此可见用户评论可能包含更多的信息。

表4-1评论文本的描述统计

总评论数

每种商品的平均评论数 每条评论平均字数

专家评论 188 1 12

用户评论 13035 69 46

4.2.2 观察分析

本研究从已经选取的研究样本数据中随机各抽取5条专家评论和用户评论，如表4-2所示。 从表中评论内容可以发现，专家评论主要关注商品的参数信息，并且表达方式较客观，不具有个人的感情色彩，如1号评论说明了机器

- 29 -

哈尔滨工业大学管理学硕士学位论文 盒的颜色，以及具有防抖功能和变焦功能，2号评论关注机身重量以及广角大小，3号评论关注相机的体积和性能配置，4号评论描述了相机支持视频拍摄但不支持光学变焦，5号评论关注不仅关注性能参数还关注性价比。而用户评论主要与使用感受和偏好有关，如6号评论指出使用时手感不好，7号评论虽然感情色彩不强，但是描述的明显是主观使用感受，8号评论指出该机器适合女生使用，明显与偏好有关，9号评论表达了评论者强烈的赞扬感情，10号评论也与用户的个人偏好有关。由此可以简单分析出专家评论可能客观情感倾向更强，并且评论内容主要关注商品参数性能，而用户评论可能主观情感倾向更强，评论内容主要基于个人偏好和使用经历。

表4-2 随机抽取的专家评论和用户评论

序号 1 2 3 4 5 6 7 8 9 10

评论者 专家 专家 专家 专家 专家 用户 用户 用户 用户 用户

评论内容

4色机身，IS防抖 10倍光变镜头 轻薄机身，功能丰富，易用性强，26mm广角 体积小巧的长焦相机，具备全面的性能配置

视频拍摄不支持光学变变焦

性能参数平平，无光学防抖，性价比较低 相机的手感不好，呵呵，个人感觉呀

我没觉着有啥缺点，塑料感强不强对我来说也没什么

屏幕可旋转自拍，非常适合爱拍的女生

买了不后悔，太MAN了 这台相机色彩柔和，让人看了很舒服

4.2.3 文本情感分类

从抓取到的非188种数码相机的用户评论和专家评论中选取主观和客观倾向的评论语句各200条建立语料库，以其中的70%做训练样本用来训练分类器，并以其余的30%做测试样本，测试结果表明分类器的正确率为82.5%，与一些研究中分类器的正确率[33,36]相似，其中主观评论能够准确分类的概率为83.3%，客观评论能够准确分类的概率为81.7%，可见该分类器效果良好。用该分类器对已选取的188种数码相机商品的专家评论和用户评论样本进行情感分析，结果为专家评论的平均客观倾向得分为0.875，标准差为0.3204。用户的平均主观倾向得分为0.9830，标准差为0.1166。由此可见，专家评论客观情感倾向更强，而用户评论主观情感倾向更强。通过把评论语料库和实际的研究样本分开可以消除掉已人工标注类别的评论对个分类中均值的影响，使研究结果更加精准。

- 30 -

哈尔滨工业大学管理学硕士学位论文 4.2.4 统计分析与检验

本研究在188个数码相机数据中筛选出不缺失模型（2-1）和（2-2）所需数码相机的有效像素、光学变焦数、重量、是否具有防抖功能和价格等数据的148个作为样本，针对各变量的描述性统计分析结果如表4-3所示，其中包括最小值、最大值、平均值和标准差。

表4-3 模型中变量的描述统计

变量 zol_rating consumer_rating

pixels optical_zoom weight shake_reduction new_price

样本大小 148 148 148 148 148 148 148

最小值 2 1.0 800 1 96 0 550

最大值 5 5.0 2460 30 1210 1 43900

平均值 3. 3.777 1316.81 6.70 263.90 0.65 3584.15

标准差 .885 .9 281.9 5.159 218.412 0.479 5039.126

利用这些数据，通过SPSS对模型（2-1）和（2-2）进行多元线性回归分析，参数估计结果如表4-4所示。通过对该表进行分析可知，首先专家评分模型（2-1）的F检验在0.05的水平下显著，表明了模型的线性回归是成立的，并且校正的决定系数（Adjusted R-Square）为0.429高于Chen和Xie[33]研究中的值，可见本研究中模型拟合的更好，而用户评分模型（2-2）的F检验不显著，可见该模型拟合的并不好。其次数码相机像素（pixels）的系数在0.05水平下显著、光学变焦数（optical_zoom）的系数在0.05水平下显著、重量（weight）的系数在0.05水平下显著、是否具有防抖功能（shake_reduction）的系数在0.01水平下显著，可见这些代表商品客观属性性能参数的变量都对专家评分有显著影响，而只有重量对用户评分有显著影响，其在0.05水平下显著。并且其中像素、变焦数和是否具有防抖功能等变量的系数是正的，因此这些变量对专家评分有正向影响，可见专家评分与数码相机的属性性能有显著正向关系，而这些变量与用户评分之间无显著相关性。从重量的系数为正可知专家和用户都倾向于喜欢重的相机，原因可能是重的相机手感好，其防抖效果也好。而价格（price）变量对专家评分和用户评分的影响都不显著，说明专家和用户都不受价格因素影响，其原因

- 31 -

哈尔滨工业大学管理学硕士学位论文 可能是专家更关注产品的总体性能，由于专家不是商品的最终购买者，因此对价格并不敏感，而发表评论的用户大部分都是已购买商品的用户，因此其既然已经能够承担该商品的价格，价格就不会成为其评判该商品好坏的主要因素。因此通过分析可以得出专家评分与商品的客观性能参数有关，而用户评分并不主要受客观性能参数影响。

表4-4 模型拟合和参数估计结果

自变量

因变量 zol_rating

Unstandardized Coefficients

pixels optical_zoom weight shake_reduction

price N R2 Adjusted R2 F-Statistic

0.212** 0.150** 0.221** 0.381*** -0.015

148 0.448 0.429 23.074**

2.332 2.202 2.067 5.615 -0.150 T Statistic

因变量 consumer_rating Unstandardized Coefficients -0.193 0.035 0.306** 0.076 0.020

148 0.073 0.041 2.243

-1.638 0.396 2.212 0.859 0.151 T Statistic

*P<0.01, **P <0.05, ***P <0.001.

为了进一步验证专家评分和用户评分之间是否存在相关关系，特对专家评分和用户评分进行相关分析，分析结果如表4-5所示，其中皮尔森相关系数为0.046，可知专家评分和用户评分所表达的信息并不相关。

- 32 -

哈尔滨工业大学管理学硕士学位论文 表4-5 专家评分与用户评分相关分析

zol_rating

Pearson Correlation Sig. (2-tailed)

N

zol_rating

1 148

consumer_rating

0.046 0.576 148

本节首先通过初步观察发现专家文本更多描述商品的属性性能信息，并且评论文本并不带有强烈的个人感情色彩，而用户评论更多描述个人的使用体验，即使描述属性信息也与自身的偏好结合，并且往往包含强烈的个人感情色彩。其次通过文本情感分类发现专家评论的客观情感倾向得分更高，而用户评论的主观情感倾向更高。最后通过对统计分析模型拟合发现专家评分受到商品客观属性参数的显著影响，而用户评分并不受客观属性参数的影响。综合以上三个方面的分析，可以得出结论专家评论更加客观，其评价好坏主要受商品客观性能参数影响，用户评论更加主观，其评价好坏主要受个人的使用经历和偏好影响，受商品客观性能参数影响不大，故假设H1，H2成立。

4.3 不同来源在线评论对商品受关注度影响分析

4.3.1 模型估计结果分析与假设检验

本节将利用收集到手机、笔记本、数码相机、数码摄像机、CPU、硬盘、内存、主板、显卡、液晶显示器、MP3、MP4、激光打印机以及全部商品等14个数据样本分别对第二章中的模型（2-3）进行拟合，通过各模型的参数估计结果对比分析不同来源在线评论的诸多特征对商品受关注度影响，各模型的拟合和参数估计结果如表4-6所示。

表4-6 各模型拟合和参数估计结果

因变量 自变量 zol_objective_rating consumer_subjective_rating

zol_positive_rating consumer_positive_rating Log(consumer_review_num)

price

手机 -0.117* -2.23** -0.166* -0.298** -4.18*** -9.99E-5*

- 33 -

Log(attention) 数码相机 -0.006 -5.920*** 0.243 -0.538** -0.699*** 7.888E-6

数码摄像机 -0.122* -4.718*** -0.151 -0.227* -0.243*** -1.108E-6

CPU 0.217 -2.777** 0.115 -0.056** -0.063** 7.011E-6

哈尔滨工业大学管理学硕士学位论文 续表4-6 各模型拟合和参数估计结果

N R2 Adjusted R2 F-Statistic

zol_objective_rating consumer_subjective_rating

zol_positive_rating consumer_positive_rating Log(consumer_review_num)

price N R2 Adjusted R2 F-Statistic

zol_objective_rating consumer_subjective_rating

zol_positive_rating consumer_positive_rating Log(consumer_review_num)

price N R2 Adjusted R2 F-Statistic

zol_objective_rating consumer_subjective_rating

zol_positive_rating

467 0.256 0.246 26.37*** 硬盘 0.134* 0.609* -0.015** -0.622*** -0.05* 0 328 0.180 0.165 11.748*** MP3 -0.081 -0.400** -0.276*** -0.455*** -0.131** -4.36E-5 332 0.120 0.104 7.274*** 激光打印机 -0.179 -0.324*** -0.063

- 34 -

245 0.258 0.239 13.785*** 液晶显示器 -0.401 -0.331 -0.115* -0.295** -0.104** -0.101* 425 0.127 0.109 6.938*** MP4 0839 -6.529*** 0.568* -0.776** -0.442*** 0*** 98 0.707 0.687 36.550*** 全部商品 -0.150* -0.174** -0.05**

260 0.152 0.132 7.570*** 显卡 0.034 -1.372* 0.0158** -0.078** -0.174** -0.195** 133 0.205 0.168 5.430*** 笔记本 -0.128* -0.88 -0.36* -0.095* -0.069* -9.990E-5 227 0.212 0.191 9.868***

233 0.109 0.086 4.631*** 主板 -0.429* -0.376 -0.268*** -0.369* -0.282*** 2.1E-5 246 0.187 0.167 9.192*** 内存 -0.401* 0.331 -0.115* -0.295** -0.104** -0.101* 293 0.127 0.109 6.938***

哈尔滨工业大学管理学硕士学位论文 续表4-6 各模型拟合和参数估计结果

consumer_positive_rating Log(consumer_review_num)

price N R2 Adjusted R2 F-Statistic

*P<0.01, **P <0.05, ***P <0.001.

-0.065** -0.693*** -7.256E-6 320 0.372 0.360 30.869***

-0.017** -0.116*** 8.618E-7 3607 0.044 0.043 27.687***

商品受关注度排名（attention）变量代表着商品受关注的情况，并且该变量数值越小代表商品越受消费者的关注，因此当自变量的系数为负时代表该变量与商品受关注度是正向关系，而当自变量的系数为正时代表该变量与商品受关注度是负向关系。由表4-6可知，全部14个检验模型的F检验值都在0.001的置信水平下显著，表明模型线性回归成立，虽然各模型中调整后的决定系数都较小，但是与同类研究中值相近[7,9,43]，因此可见本研究的模型是有效的。从参数估计结果来看，专家评论客观倾向得分（zol_objective_rating）的系数在14个方程中有7个仅在0.1的水平下显著，可见专家评论的主观倾向得分对商品受关注度排名没有显著影响，即消费者并不会因为专家对商品评论的主观性强而提升对商品的关注，其原因可能是本研究抓取到的专家评论客观性都很强，且并不因不同商品而存在较大差异。用户评论主观倾向得分（consumer_subjective_rating）的系数有4个是在0.01水平下显著，有6个是在0.05或者0.1水平下显著，并且大部分系数是负数，可见用户评论主观倾向得分对商品受关注度排名有显著正向影响，即用户评论客观性越强，越能吸引消费者去关注商品，故假设H3成立。专家评论正向情感倾向得分（zol_positive_rating）的系数在14个方程中有9个显著，并且其中主板是在0.01的水平下显著，对于不显著的商品可能是由于样本量不够或者受到商品类别的影响，由于系数的符号大都为负，可知专家评论正向情感倾向得分对消费者对商品的关注显著影响，即专家对商品的认可度越高，会有越多的消费者去关注该商品，故假设H4成立。用户评论正向情感倾向得分（consumer_positive_rating）在各方程中的系数全部显著，其中2个在0.01水平下显著，9个在0.05水平下显著，并且该变量在各方程中的系数均为负，可见用户评论正向情感倾向得分对消费者对商品受关注度排名有正向影响，即用户对商品的评价越高消费者对商品的关注度越高，故假设H5成立。通过比较各方程中用户评论正向情感倾向得分的系数的绝对值大于专家评论正向情感倾向得分，可见用户的评论对消

- 35 -

哈尔滨工业大学管理学硕士学位论文 费者对商品关注的影响更大，这可能由于用户评论长度更长，包含消费者需要的信息更多，因此用户评论对消费者的影响更大。用户评论数量（consumer_review_num）的系数在14个方程中有2个在0.1的水平下显著，5个在0.05的水平下显著，7个在0.01的水平下显著，又由于该变量的系数都为负，可见用户评论数量越大，商品的受关注度排名越高，即用户评论数量对消费者对商品的关注有显著正向影响，故假设H6成立。商品价格（price）的系数在14个方程中只有5个显著，除了在MP4中是在0.01的水平下显著外，其他大都在0.1的水平下显著，所以从总体上来看商品价格对消费者对商品的关注并没有显著影响，故假设H7不成立。出现这种情况的原因可能是被高度关注的商品往往是高性价比的商品，而不仅仅是便宜的商品。

4.3.2 评分与文本正负情感倾向得分比较

正如前所示，评论者在对商品进行评论的时候还需要根据一定的评价指标对商品进行评分。一些研究用文本分析的方法挖掘评论文本的情感倾向，并认为评分并不能完全体现出评论者的情感倾向，而且由于评论者的差异即使给出相同的评分也并不代表具有相同的感情倾向，甚至有时评分与评论文本所表达的内容相违。也有一些研究用评分作为评论者情感倾向的代理，并且认为通过文本挖掘所得的概率值具有一定偏差，而评分作为原始数据更加准确。本研究也利用LingPipe的情感分析功能对用户评论和专家评论进行正负情感分析，并用各条评论在正向情感倾向上的得分作为评论者对商品褒贬态度的代理。本节将利用已有的专家评分、专家评论正向情感倾向、用户评分平均值、用户评论正向情感倾向平均值等数据探寻评分与文本正负情感倾向得分之间是否具有上述研究的特点。由于评分可选的值是从1到5的5个离散的值，而文本分析的情感倾向是从0到1的连续的概率，为了方便比较需要首先将将专家评分和用户评分进行归一化处理，用到的归一化处理公式为(评分-最小值)/(最大值-最小值)，对各变量的描述统计如表4-7所示。

- 36 -

哈尔滨工业大学管理学硕士学位论文 表4-7 各变量描述性统计

变量 专家评分 专家评论正向 情感倾向 用户评分平均值 用户评论正向 情感倾向平均值

3607 3607

0 0

1 1

0.730 0.552

0.123 0.193

样本大小 3607 3607

最小值 0 0

最大值 1 1

平均值 0.712 0.791

标准差 0.179 0.394

从表4-7可以看出专家评分和专家评论正向情感倾向得分的平均值相近，但标准差相差较大，可见专家评论能表达更加丰富的情感，同理用户评论正向情感倾向平均值的标准差也大于用户评分平均值的标准差，可见用户评论也比用户评分表达更多的情感。分别对专家评分与专家评论正向情感倾向，用户评分平均值与用户评论正向情感倾向平均值做相关分析，相关分析结果如表4-8和4-9所示。

表4-8 专家评分与专家评论正向情感倾向相关分析结果表 专家评分

Pearson Correlation Sig. (2-tailed)

N

表4-9 用户评分平均值与用户评论正向情感倾向平均值相关分析结果表

用户评分平均值 用户评论正向情感倾向平均值

1 148

0.428*** 0.000 148

专家评分

1 148

专家评论正向情感倾向

0.184*** 0.000 148

用户评分平均值 Pearson Correlation

Sig. (2-tailed)

N

从表4-8和4-9可知，专家评分与专家评论正向情感倾向和用户评分平均值与用户评论正向情感倾向平均值的皮尔森相关系数分别为0.184和0.428，并且都在0.01的置信水平下显著，可见评分与本研究利用文本挖掘方法挖掘出的评论文本的情感倾向表达相近的意思，但是由于专家评论正向情感倾向和用户

- 37 -

哈尔滨工业大学管理学硕士学位论文 情感倾向的标准差更大，因此能够更多的表达评论者的情感。

4.4 本章小结

本章从两个方面对上文提出的假设进行检验。首先分析了不同来源在线评论主客观倾向，结果表明用户评论文本的主观性更强，而专家评论文本的客观性更强，用户评分主要与个人偏好以及使用体验有关，而专家评分主要与产品属性性能参数有关，并不基于个人情感。其次分析了不同来源在线评论对商品受关注度影响，通过模型参数估计结果可知用户评论主观倾向得分、用户和专家评论正向情感倾向得分以及用户评论数量都对商品的受关注度有显著正向影响。并对评分和通过文本分析得出的正负情感倾向得分进行相关分析，发现两者表达的内容均有高度的相关性，但正负情感倾向得分能够表达出更丰富的情感倾向。

- 38 -

哈尔滨工业大学管理学硕士学位论文 结 论

随着互联网的普及和发展，消费者通过互联网进行沟通已越来越普遍，越来越多的消费者在购买前会通过网络搜寻关于商品的口碑信息，在众多类型在线口碑中，在线评论由于具有格式化文本、保存时间长久以及面向人群广泛等特点更加受到潜在消费者的关注。另外，互联网上在线评论的来源已不再单一，其中以用户评论和专家评论的影响力最大。因此针对不同来源在线评论如何影响消费者行为进而影响企业绩效的问题已成为学术界和商业界非常关心的问题。本研究从不同的主客观情感倾向和对商品受关注度影响两个方面出发，对不同来源在线评论的性质和如何对消费者行为产生影响进行了实证研究。本论文主要的研究结论和创新点、对商家的启示意义以及存在的不足和进一步的研究方向如下。

1、本文的主要研究结论和创新点

（1）以中关村在线网站上数码相机的数据作为研究对象，从文本情感分类和统计分析两个角度比较了用户评论和专家评论在主客观情感倾向上的不同。首先利用LingPipe对用户评论和专家评论进行主客观情感分析，结果表明用户评论文本更加主观，而专家评论文本更加客观。然后分别以用户评分和专家评分作为因变量，以数码相机的像素、光学变焦数、重量、是否具有防抖功能以及价格等可以用数值测量的属性作为自变量，探索用户评分和专家评分是否受到商品属性性能的影响，模型估计结果表明专家评分与相机的像素、光学变焦、重量、防抖功能等客观属性参数有关，而用户评分并不主要受客观性能参数影响。综上所述可以得出专家评论文本的客观性更强，评分主要与商品属性性能有关，而用户评论文本的主观性更强，评分主要与个人偏好和使用体验有关。

（2）以中关村在线网站上13种商品的数据作为研究对象，以商品受关注度排名作为因变量，以用户评论和专家评论的主客观情感倾向、正负情感倾向、用户评论的数量和商品价格等为自变量，构建了不同来源在线评论对消费者行为影响模型。结果表明用户评论主观倾向得分、用户和专家评论正向情感倾向得分以及用户评论数量都对消费者对商品的关注都有显著正向影响，其中用户评论正向情感倾向得分比专家评论正向情感倾向的影响更大，而商品价格对消费者对商品的关注没有显著影响。进而对评分和本文通过文本分析得出的正负向情感倾向得分进行相关分析，发现两者表达的内容均有高度的相关性，但文本分析得出的正负向情感倾向得分的表达的内容更加丰富。

2、根据本论文的研究结果可为企业如理利用不同来源的在线评论提高企业绩效提供一些启示。

- 39 -

哈尔滨工业大学管理学硕士学位论文 目前互联网上存在大量的第三方评论网站，这些网站作为于电子商务网站的测评机构，对消费者的购买决策起到了重要的作用，商家应该通过第三方评论网站，鼓励意见领袖（专家和用户）传播正面的评论，这将会在很大程度上提高消费者对其商品的关注，进而影响其购买意愿。对于不同类型的消费者，其关注的信息也不同，具有专业知识背景的消费者更加关注商品的属性信息，因为这部分信息更加客观。而不具有专业知识背景的消费者，不能从客观属性中获得其所需要的信息，进而转向关注其他人的使用体验，这部分消费者在购买前倾向于了解其他消费者的使用体验，进而评估这种商品是否能满足自身的需求。因此商家需要掌握消费者的类型，并有针对性的使其接收到所需的信息，这样能加大消费者对商品关注的机会，进而影响其购买决策。

3、本论文虽然在不同来源在线评论对商家绩效影响的研究方面取得了一些成果，但仍存在一些问题，需要在以后的研究中进一步解决。

由于对在线评论数据的抓取、解析、情感分类以及后续处理都需要大量的程序，占用了大量的研究时间，使得本研究并没有选取较多类别的商品，近一步的研究可以考虑选择多种类别的商品，以探讨在线评论对消费者的行为影响是否受到商品类别的调节作用；另外，由于目标网站每周公布一次最新的商品的受关注度排名，因此需要每周抓取数据一次，由于时间的，本研究只抓取了10期数据，更近一步的研究可以抓取更多期的数据，以观察研究结果是否具有差异。

- 40 -

哈尔滨工业大学管理学硕士学位论文 参考文献

[1] 中国互联网络中心. 第27次中国互联网络发展状况统计报告[R]. 北京:中国 互联网络中心, 2011.

[2] http://www.internetworldstats.com/stats.htm.

[3] Gottfried Vossen. Unleashing Web 2.0: From Concepts to Creativity[M]. UK:

Morgan Kaufmann, 2007.

[4] 中国互联网络中心. 第24次中国互联网络发展状况统计报告[R]. 北京: 中国互联网络中心, 2009.

[5] Organization for Economic Co-operation and Development. Participative web:

User-Created Content. Working Party on the Information Economy (WPIE), 2007: 8-59.

[6] DoubleClick Inc. Search Before the Purchase--Understanding Buyer Search

Activity as it Builds to Online Purchase[R]. DoubleClick Inc, 2005.

[7] 郝媛媛. 在线评论对消费者感知与购买行为影响的实证研究[D].哈尔滨工

业大学博士论文, 2010.

[8] 庄贺钧. 探讨购物网站网上口碑的研究取向[J]. 电子商务, 2007, 502:

92-93.

[9] D. Godes, D. Mayzlin. Using Online Conversations to Study Word of Mouth

Communication [J]. Marketing Science, 2004, 23 (4): 5-560.

[10] P. Y. Chen, S. Y. Wu, J. Yoon. The Impact of Online Recommendations and

Consumer Feedback on Sales. Proc. Internat. Conf. on Inform. Systems (ICIS), Washington, D.C.. 2004: 711-724.

[11] E. K. Clemons, G. Gao, L. M. Hitt. When Online Reviews Meet

Hyperdifferentiation: A Study of the Craft Beer Industry[J]. Journal of Management Information Systems. 2006, 23: 149-171.

[12] Y. Liu. Word of Mouth for Movies: Its Dynamics and Impact on Box Office

Revenue [J]. Journal of Marketing, 2006, 70: 74-.

[13] C. Dellarocas, X. Q. Zhang, N. F. Awad. Exploring the Value of Online Product

Reviews in Forecasting Sales: The Case of Motion Pictures[J]. Journal of Interactive Marketing, 2007, 21: 23-45.

[14] W. J. Duan, B. Gu, A. B. Whinston. The Dynamics of Online Word-of-Mouth

and Product Sales. An Empirical Investigation of the Movie Industry[J]. Journal of Retailing, 2008, 84 (2): 233-242.

[15] W. J. Duan, B. Gu, A. B. Whinston. Do Online Reviews Matter? An Empirical

Investigation of Panel Data[J]. Decision Support Systems. 2008, 45(4): 1007-1016.

- 41 -

哈尔滨工业大学管理学硕士学位论文 [16] W. J. Duan, B. Gu, A. B. Whinston. Informational Cascades and Software

Adoption on the Internet: An Empirical Investigation[J]. MIS Quarterly. 2009, 33(1): 23-48.

[17] A. Ghose, P. G. Ipeirotis. Designing Novel Review Ranking Systems:

Predicting the Usefulness and Impact of Reviews[C]. Proceedings of the Ninth International Conference on Electronic Commerce. 2007: 303-310.

[18] N. Hu, L. Liu, J. Zhang. Analyst Forecast Revision and Market Sales Discovery

of Online Word-of-Mouth[C]. Proceedings of the 40th Annual Hawaii International Conference on System Sciences (HICSS), 2007.

[19] J. Chevalier, D. Mayzlin. The Effect of Word-of-Mouth on Sales: Online Book

Reviews[J]. Journal of Marketing Research, 2006, 43 (3): 345–3.

[20] F. Zhu, X. Q. Zhang. The Influence of Online Consumer Reviews on the

Demand for Experience Goods: The Case of Video Games[C]. Twenty-Seventh Conference on Information Systems(ICIS), Milwaukee, 2006.

[21] A. Ghose, P. Ipeirotis. Towards an Understanding of the Impact of Customer

Sentiment on Product Sales and Review Quality. Proceedings of the Workshop on Information Technology and Systems (WITS), 2006.

[22] P. A. Pavlou, A. Dimoka. The Nature and Role of Feedback Text Comments in

Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation[J]. Information Systems Research. 2006, 17(4): 392-414. [23] Q. Ye, B. Gu, W. Chen, et al. Measuring the Value of Managerial Responses to

Online Reviews-A Natural Experiment of Two Online Travel Agencies[C]. International Conference on Information Systems (ICIS), 2008.

[24] Q. Ye, R. Law, B. Gu. The Impact of Online User Reviews on Hotel Room

Sales. International Journal of Hospitality Management[J]. 2009, 28(1): 180-182.

[25] Y. B. Chen, J. H. Xie. Third-Party Product Review and Firm Marketing

Strategy[J]. Marketing Science, 2005, 24 (2): 218-240.

[26] J. Eliashberg, S. M. Shugan. Film Critics: Influencers or Predictors?[J].Journal

of Marketing. 1997, 61(2): 68-78.

[27] J. Prag, J. Casavant. An Empirical Study of the Determinants of revenues and

Marketing Expenditures in the Motion Picture Industry[J]. Journal of Cultural Economics. 1994, 18(3): 217-235.

[28] B. R. Litman, H. Ahn. Predicting Financial Success of Motion Pictures. In B.R.

Litman, the Motion Picture Mega-Industry. Allyn & Bacon Publishing Inc., Needham Heights, MA. 1998.

[29] S. Basuroy, S. Chatterjee, S. A. Ravid. How Critical are Critical Reviews? The

Box Office Effects of Film Critics, Star Power and Budgets[J]. Journal of Marketing. 2003, 67(4): 103-117.

- 42 -

哈尔滨工业大学管理学硕士学位论文 [30] D. A. Reinstein, C. M. Snyder. The Influence of Expert Reviews on Consumer

Demand for Experience Goods: A Case Study of Movie Critics[J]. Journal of Industrial Economics. 2005, 53(1): 27-51.

[31] S. A. Ravid. Information, Blockbusters, and Stars: A Study of the Film

Industry[J].Journal of Business. 1999, 72(4): 463-492.

[32] M. B. Holbrook. Popular Appeal versus Expert Judgements of Motion

Pictures[J]. Journal of Consumer Research. 1999, 26(2): 144-155.

[33] Y. B. Chen, J. H. Xie. Online Consumer Review: Word-of-Mouth as A New

Element of Marketing Communication Mix[J]. Management Science, 2008, (3): 477-491.

[34] 郭国庆, 杨学成. 互联网时代的口碑营销及应用策略[J]. 财贸经济, 2006, 9:

56-60.

[35] 杨学成, 钱明辉. 网上口碑对消费者决策的影响及启示[J]. 当代经济管理,

2006, 28 (3): 27-31.

[36] 任庆伟. 在线口碑与传统口碑差异之探讨[J]. 全国商情（经济理论研究）,

2009, 12:41-43.

[37] 金立印. 网络口碑信息对消费者购买决策的影响：一个实验研究[J]. 经济

管理, 2007, 29 (22): 36-42.

[38] 罗时鑫. 口碑沟通对购买决策的影响研究[D]. 浙江大学硕士论文, 2007. [39] 徐琳. 网络口碑可信度影响因素的实证研究[J]. 财贸研究, 2007, 113-117. [40] 李慧. 负面口碑对酒店顾客购买决策的影响研究[D]. 浙江大学硕士论文,

2008.

[41] 郑小平.在线评论对网络消费者购买决策影响的实证研究[D]. 中国人民大

学硕士论文, 2008.

[42] 张紫琼. 在线中文评论情感分类问题研究[D]. 哈尔滨工业大学博士学位论

文, 2010.

[43] 陈伟. 互联网客户评论对在线销售及客户认知的影响研究[D].哈尔滨工业

大学硕士论文, 2008.

[44] 郝媛媛, 邹鹏, 李一军, 叶强. 基于电影面板数据的在线评论情感倾向对

销售收入影响的实证研究[J]. 管理评论. 2009, 21(10): 95-103.

[45] 郝媛媛, 叶强, 李一军. 基于影评数据的在线评论有用性影响因素研究[J].

管理科学学报, 2010,13(8): 78-88.

[46] 张子琼, 叶强, 李一军. 互联网商品评论情感分析研究综述[J]. 管理科学学报, 2010, 13 (6): 84-96.

[47] E. Dichter. How Word-of-Mouth Advertising Works[J]. Harvard Business

Review, 1966 (44): 147-166.

- 43 -

哈尔滨工业大学管理学硕士学位论文 [48] J. Arndt. Role of Product-Related Conversations in the Diffusion of a New

Product[J]. Journel of Marketing Ressearch, 1967, 4(3): 291-295.

[49] J. F. Engel, R. J. Kegerreis, R. D. Blackwell. Word-of-Mouth Communication

by the Innovator[J]. Journal of Marketing, 1969, 33(3): 15-19.

[50] R. A. Westbrook. Product/Consumption-Based Affective Responses and

Post-Purchase Processes[J]. Journal of Marketing Research. 1987, 24(3): 258-270.

[51] S. S. Tax, S. W. Brown, M. Chandrashekaran. Customer Evaluations of Service

Complaint Experiences: Implications for Relationship Marketing[J]. Journal of Marketing. 1998, 62(4):60-76

[52] F. A. Buttle. Word-of-Mouth: Understanding and Managing Referral

Marketing[J]. Journal of Strategic Marketing. 1998, 6(3): 241-2(14).

[53] W. H. Wilke. An Experimental Comparison of the Speech, the Radio and the

Printed Page as Propaganda Devices. Archives of Psychology, 1934(169).

[] J. J. Brown, P. H. Reingen. Social Ties and Word-of-Mouth Referral

Behavior[J]. Journal of Consumer Research, 1987, 14(3): 350-362.

[55] R. B. Money, M. C. Gilly, J. L. Graham. Explorations of National Culture and

Word-of-Mouth Referral Behavior in the Purchase of Industrial Services in the United States and Japan [J]. Journal of Marketing, 1998, 62: 76-87.

[56] G. Silverman. The Secrets of Word-of-Mouth Marketing: How to Trigger

Exponential Sales Through Runaway Word-of-Mouth[M]. New York: American Marketing Association, 2001.

[57] E. Katz, P. F. Lazarsfeld. Personal Influence: The Part Played by People in the

Flow of Mass Communications[M]. Glencoe III: Free Press, 1955.

[58] G. S. Day. Attidute Change Media and Word-of-Mouth[J]. Journal of

Advertising Research, 1977, 11(6):31-40.

[59] G.C. Kiel, R.A. Layton. Dimensions of Consumer Information Seeking

Behavior[J]. Journal of Marketing Research, 1981, 18(2):233-239.

[60] L. L. Price, L.F. Feick. The Role of Interpersonal Sources in External Search:

An Informational Perspective[J]. Advances in Consumer Research, 1984(10): 250-255.

[61] K.B. Murray. A Test of Services Marketing Theory: Consumer Information

Acquisition Activities[J]. Journal of Marketing, 1991, 55(1):10-25.

[62] J. M. Bristor．Enhanced explanations of word-of-mouth communications: The power of relationships[J]．Research in consumer behavior, 1990, 4: 51-83. [63] B.Stauss. Global Word-of-Mouth. Service Bashing on the Internet is a Thorny

Issue[J]. Marketing Management, 1997, 6(3): 23-30.

[] W. Hanson. Principles of Internet Marketing[M]. South-Western College

Publishing, Cincinnati. 2000.

- 44 -

哈尔滨工业大学管理学硕士学位论文 [65] P. Chatterjee. Online Review: Do Consumers Use Them?[J] Advances in

Consumer Research, 2001(28):133-139.

[66] T. Hennig-Thurau, K. P. Gwinner, G. Walsh, et al. Electronic Word-of-Mouth

via Consumer-Opinion Platforms: What Motivates Consumers to Articulate Themselves on the Internet?[J] Journal of Interactive Marketing. 2004, 18(1): 38-52.

[67] S. R. Hiltz, K. Johnson, M. Turoff. Experiments in group decision making[J].

Human Communication Research, 1986, 13(2): 225-252.

[68] B. Bickart, R. M. Schindler. Internet Forums as Influential Sources of

Consumer Information[J]. Journal of Interactive Marketing, 2001, 15(3): 31-40.

[69] D. Smith, S. Menon, K. Sivakumar. Online Peer and Editorial

Recommendations, Trust, and Choice in Virtual Markets[J]. Journal of Interactive Marketing. 2005, 19(3): 15-37.

[70] A. Esuli, F. Sebastiani. Determining the Semantic Orientation of Terms through

Gloss Classification[C]. Proceedings of the 14th ACM international Conference on Information and knowledge management (CIKM). 2005: 617-624.

[71] S. A. Ravid. Information, Blockbusters, and Stars: A Study of the Film

Industry[J]. Journal of Business. 1999, 72(4): 463-492.

[72] K. K. F. Wong, H. Song, K. S. Chon. Bayesian Models for Tourism Demand

Forecasting[J]. Tourism Management, 2006, 27(5): 773-780. [73] http://baike.baidu.com/view/51407.html?wtp=tt.

- 45 -

哈尔滨工业大学管理学硕士学位论文 攻读硕士学位期间发表的论文及其它成果

1 Wenjun Sun, Mingyang Pan, Qiang Ye. Comparative Study on Objective and

Subjective Emotional Tendencies of Online Reviews from Different Sources. The 2nd International Conference on Internet Technology and Applications (iTAP 2011).（EI检索会议） 2 孙文俊, 潘明暘, 叶强. 基于T统计量的一种改进关联规则挖掘方法. 计算

机应用研究. 2011, 28(6): 2073-2077.（核心期刊）

3 孙文俊, 潘明暘, 叶强. 面向电子商务研究的智能数据抓取系统. 计算机应

用研究. 2011.（增刊）

4 吴冲, 刘妙懿, 潘明暘. 基于区间数的多企业技术创新能力比较研究. 科技

管理研究. 2011.（核心期刊）

- 46 -

哈尔滨工业大学管理学硕士学位论文 哈尔滨工业大学学位论文原创性声明及使用授权说明

学位论文原创性声明

本人郑重声明：此处所提交的学位论文《不同来源在线评论对消费者行为影响研究》，是本人在导师指导下，在哈尔滨工业大学攻读学位期间进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。

作者签名： 日期： 年 月 日

学位论文使用授权说明

本人完全了解哈尔滨工业大学关于保存、使用学位论文的规定，即： （1）已获学位的研究生必须按学校规定提交学位论文；（2）学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文；（3）为教学和科研目的，学校可以将学位论文作为资料在图书馆及校园网上提供目录检索与阅览服务；（4）根据相关要求，向国家图书馆报送学位论文。

保密论文在解密后遵守此规定。

本人保证遵守上述规定。

作者签名： 日期： 年 月 日

导师签名： 日期： 年 月 日

- 47 -

哈尔滨工业大学管理学硕士学位论文 致 谢

感谢导师孙文俊教授对本人的精心指导和帮助。您严谨的治学风格、渊博的学术知识和积极创新的学者风范是我努力学习的榜样，更是我人生中一笔宝贵的财富。孙老师不仅向我传授知识，还教给我做人的道理，而且还在学习、生活和工作上给予我无微不至的关心和帮助。在此向孙老师表示衷心的感谢。

感谢叶强教授在我研究生的学习期间给予我的非常有价值的指导，论文的顺利完成与叶老师的悉心指导密不可分。同时感谢李向阳、闫相斌、祁巍以及其他各位老师在论文审稿期间给我的宝贵意见。

感谢我的同学在我论文写作过程中给予我的无私和热情的帮助，他们的真最后感谢我的父母对我一贯的鼓励与支持，父母的殷殷期望是我努力向上诚友好让我终生难忘。 的源泉！

- 48 -