白进夫  卓道熹   卢红宇  吉林大学经济学院

摘要：目前，网络评论已经成为消费者购买商品或服务的重要信息来源之一。根据详尽可能性模型(ELM)，本文将中心路径分为网络评论质量和时效性两大类，边缘路径分为评论数量和评论差异两大类，并通过评价可信性的中介作用，探讨了影响新能源汽车消费者购买意愿的相关因素。在网络平台上发布问卷，收集整理相关资料进行分析。调查结果显示：网络评论的质量、数量对评论的可信性具有显著的正向影响，新能源汽车消费者的购买意愿与评论可信性呈正相关。

关键词：网络口碑；新能源汽车；详尽可能性模型

一、引言

随着互联网的快速发展，消费者在互联网上谈论产品的渠道和平台越来越多，口碑(IWOM)也应运而生。由于网络口碑与产品或服务密切相关，且它具有传播范围广、速度快、存储时间长等特点，使其提供的信息备受消费者重视。

网络口碑传播不同于传统的面对面口碑传播，它通过各种网络平台传播。从传播特性来看，左文明认为在网络口碑传播中，信息的发送者与接收者之间的关系是不同的，就其背后的联系网络而言，网络口碑远远大于传统的口碑,并且网络口碑的相对成本较低、更具影响力、速率也较高^[1]。此外，由于网络信息交流、获取日益便捷，也使得更多的消费者愿意分享自身的体验。而消费者对所需产品做出正确的购买决策，需要对线上平台所需的各类信息进行收集整理和评估，网络口碑已经成为了引导消费者产生购买意愿的重要信息来源之一。

而随着能源危机与环境污染等问题日益突出，政府越来越重视对节能、环保、安全的新能源汽车的发展。当前，我国国产新能源汽车与国外相比，核心技术差距较小，但销量约占全球新能源汽车销量的一半，市场规模居世界第一^[2]。但新能源汽车并未在消费市场中获得大多数消费者的认可，市场份额却依旧增长缓慢。针对这一情况，本文分别从网络评论的质量、可信性、时效性、差异性和数量等方面探讨了网络口碑对新能源汽车购买意愿的影响，为我国新能源汽车销售提供了新的思路，为政府制定相关政策和企业制定营销策略提供了参考。

二、文献回顾

（一）详尽可能性模型

详尽可能性模型（Elaboration Likelihood Model，ELM）是由社会心理学家Richard E.Petty和John T.Cacioppo于二十世纪八十年代提出的^[3]。在这个模型中，有两种方式来改变人们对说服的行为和态度，即中心方式和边缘方式。从边缘化的角度来看，在评论中，正面或负面的观点或者技术建议会导致态度的形成和变化。即在粗略浏览评论的基础上，形成对产品的初步认识；核心路径是人们对评论所提供的信息进行有意识、认真的思考、分析和总结，最终形成或改变对产品的认识态度。

事实上，消费者在网上浏览评论后，就会形成一种对待信息或商品的态度，他们需要考虑如何把握评论的质量和时效性。在中间路径上，消费者通过对评价信息的分析和理解，经过一段时间的了解和思考，最终形成评价质量；同时，评价时间和浏览时间的长短也反映了评价质量的高低，影响着消费者的购买意愿和行为。

当用户浏览评论时，通过粗略浏览，并根据下一页的翻页数据估计评论数，就可以知道评论的好坏，从而知道评论的不同。使用者在网页上浏览评论，并将其简单分类，就可以获得评论与评论之间的区别^[4]。因此，本文采用详尽的可能性模型分析新能源汽车用户对网络口碑影响因素的认知，并与说服理论模型相吻合。

（二）研究模型与假设

目前，作为整个研究模式的核心，网络评论主要关注网络评论的影响因素及其产生的影响。网上评论有很多方面。基于详尽可能性模型，本文将评论的质量和时效性划分为中心路径、数量路径和差异路径，研究了边缘路径对评论可信性的影响，并在此基础上探讨了其对消费者购买决策的总体影响。在各维度的选择上，引用了郑小平所作的各维度划分^[5]。高质量，及时的在线评论让消费者感受到信息的有效性。批评家的可信性使消费者能够了解商品和信息的可信性。因特网上的评论会影响消费者对评论可信性的感知，让消费者决定是否购买。因此，网络评论的可信性在消费者购买决策中起着重要作用。

网络评论质量是接收者评价评论是否可信的基础，只有当接收者感知到评论具有可信性时，才会进一步去评价评论发布者的可信性。郭国庆^[7]指出，网络评论的质量，在很大程度上会对网络评论的可信性产生影响，评论分享细节化也能提高评论的可信性。在现实中，人们在浏览新能源汽车的网络评论时，也较为关注汽车的舒适性、实际续航里程、车内噪音、动力系统是否稳定可靠等问题。优质的网络评论能为消费者提供更为全面的信息。因此，提出：

假设1  评论质量对评论可信性有正向影响。

“评论时效性”是指评论发表的及时性及其是否及时更新，现有研究基本认同“评论时效性”对其可信性和有效性具有积极影响。在孟美任和丁晟春^[8]看来，感知可信性随时间的增加而增加。对新能源汽车而言，网络口碑的及时性尤其重要，产品更新快，补贴政策的变化也很快，人们更喜欢浏览最新的信息。因此，提出：

假设2  评论时效性对评论可信性有正向影响。

评论数量的多寡在一定程度上也反映出产品的热销程度。刘景方等^[9]认为评论的数量是消费者判断评论可靠性的重要因素。总结现有研究，龚诗阳^[10]发现评语数量对销量具有显著的正效应。在某一特定品牌的新能源汽车上，评论数越多，消费者对该汽车描述信息的评价就越多，从而提高了用户对该汽车评价的信度。因此，提出：

假设3  评论数量对评论可信性有正向影响。

评论差异用来描述消费者对一产品的评价信息的差异。龚诗阳^[10]对已有研究进行总结，结果发现，不同学者得出的评论差异对销量影响的结论不同，有一部分研究学者认为：多数人是风险规避者，面对不一致的评论，作为消费者的风险感知会提高。也就是说，评论差异降低了消费者对评论的信任度，进而对购买倾向产生负面影响。因此，提出：

假设4  评论差异对评论可信性有负向影响

评价可信性是指消费者接受和评价信息的程度。宋晓晴^[6]指出，评论可信性着重从信息内容上进行评价，如评论的差异、评论的时效性、评论的质量等，因此，高评论可信性对消费者购买行为的说服作用更大。罗汉洋^[11]等人认为：消费者的购买决策受信任程度的影响。对于新能源汽车消费者来说，更高的评价可信性意味着消费者对于接受和处理来自各种新能源汽车的信息持积极态度。例如，积极地获取相关信息，对已经获取的信息产生积极的态度。这一正面态度将增强消费者购买新能源汽车的意愿。因此，提出:

假设5  评论可信性对购买意愿有正向影响

基于详尽可能性模型以及上述的思路与假设，研究框架如图1所示。

图 1研究框架

三、实证分析

（一）问卷设计

本研究采用结构方程模型探究评论可信性对影响新能源汽车购买意愿的网络评论方面因素的中介作用，通过此模型验证所提出的一系列假设，其中，数据资料以问卷形式收集而成。本论文参考国内外学者的研究成果，结合所设计的变量和模型，设计了问卷。问卷主要针对有意购买新能源汽车的人群。问卷分为社会学部分和问卷实验部分两部分，社会学部分调查参与人员的基本信息和新能源汽车网上渠道涉入情况，第二部分调查参与人员对模型各个变量的相关因素指标，问项采用liket5分量表的方法来测量每一个指标。

（二）数据收集

本研究通过在线问卷平台发放调查问卷，共回收问卷100份。由问卷设置的筛选项以及有关网络涉入度的问项将答卷不符合逻辑，答卷时间过快，网络涉入低的问卷剔除，最终得到91份有效问卷。

（三）数据分析和假设检验

1.描述性统计分析

在本次收集的91份问卷中，男性63人，女性28人，分别占比69.20%和30.80%。在年龄分布上，20～30岁，30～40岁的占比总共93.4%，这两个年龄段是当前新能源汽车以及网上购物的主力军，符合本文研究主要对象的需求。在学历分布上，本科学历比重最大，占比63.70%。具体情况如表 1所示。

表1基本信息情况

2.信度分析和效度分析

由于收集样本数有限，我们采用Spss和Amos进行数据分析。为了检验测量变量的信度和效度，采用了Cronbach’s α和CR来检查变量的信度，通过AVE和变量之间相关系数来检验收敛效度和区分效度。分析时，通过Spss算出各个变量的Cronbach’s α值，通过Amos软件测出各个潜在变量观察变量的因子载荷，再利用相应的计算公式计算出AVE值和CR值。

当Cronbach’s α>0.7且组合信度>0.7时，表明问卷测量模型由较为良好的信度，且二者的值越高，量表的信度越好。由表2可得，Cronbach’s α和CR值都大于0.7，表明该问卷数据的信度良好。

采用 Spss软件对被测项目做主成分分析， KMO值为0.826，表明问卷的整体水平适合做因子分析。在 AVE值大于0.5的情况下，说明该潜在变量的有效性， AVE值越大收敛效度越好，通过 Amos软件测得各潜在变量观察变量的因子载荷，再利用表2的公式计算得到 AVE值，各潜在变量的 AVE值均大于0.5，收敛有效性符合检验要求。从表3可知，所有潜在变量的 AVE平方根都大于这个潜在变量和其它变量的相关系数，说明该模型的区分效度符合检验要求。

表2 潜在变量的Cronbach's α，AVE和CR值

表3 潜在变量AVE的平方根和潜在变量间的相关系数

（四）结构方程模型分析

1.模型拟合与评价

模型采用Amos构建结构方程，采用中介效应的方式，Bootstrap样本数为2000，探究评论可信性的中介效应。结构方程全模型的拟合指标如表4所示，由表4可知χ2/df<3,RMSEA<0.8,IFI,TLI,CFI>0.9，各项指标均达到了要求，说明模型的拟合度良好。

表4 整体拟合系数表

2.假设检验

通过表5路径检验得，网络评论的质量对评论的可信性在p<0.05的水平下具有显著影响，其标准化路径系数为0.471。在 p<0.01的水平，评论数量对评论的可信性有显著影响，标准化路径系数为0.509。评语的可信性在 p<0.001时对购买意愿有显著影响，其标准化路径系数为0.786。注释的及时性和差异对注释的可信性无显著影响。

对中介路径 A和中介路径 D的Bias-corrected 90% CI和 percenntile 90% CI水平上的lower和upper值检验表明，中介路径 A和 upper值相同，因此，网络评论的质量和数量对新能源汽车购买意愿的影响具有中介效应，而其余路径的中介效应不明显。

综上所述，假设1，假设3和假设5成立。

表5路径检验

表6中介效应分析

注：A为网络评论得质量→评论的可信性→购买意愿；B为评论时效性→评论的可信性→购买意愿；C为评论质量→评论的可信性→购买意愿；D为评论差异→评论的可信性→购买意愿。

四、结论

本文从网络评论质量和评论的时效性、边缘路径评论的数量和评论的差异性入手，通过评论可信性的中介作用，探讨了各路径对新能源汽车购买意愿的影响。在这些因素中，网络评论的质量和数量对评论的可信性有显著的正影响。作为中介变量，评论的可信性在网络评论质量和数量对购买意愿的影响路径中起中介作用，也就是说，网络评论的可信性通过网络评论可信性的中介作用起着重要的作用。

通过假设检验结论可知，当新能源汽车评论浏览者仔细浏览评论时，新能源汽车评论能够体现评论者用心评论的内容，如汽车的舒适度、性能和耐久性等的体验性内容是能够提升评论浏览者的评论信任度的。但在假设检验中发现，评论时间的远近对评论可信性没有显著影响，因此浏览者更注重于内容本身的质量，而又由于汽车作为使用周期性较长的产品，数据显示出的是浏览者不会特别在意评论时间的远近。如果浏览评论的人大致了解了评论的基本情况，那么评论的数量就会增加浏览者对评论的信任度，而评论的差异并不在假设范围内，这对评论的信任度产生了显著的负面影响。最终，浏览者通过观察这些评论给出了一些评论的可信度，这对浏览者购买新能源汽车的意愿有显著的正向影响，即可信度越高，他们的购买意愿越强。因此，新能源汽车商家管理网上口碑时，一方面，可以通过筛选一定的消费者对于新能源汽车评论，保证评论内容的质量，使评论内容具有参考性；另一方面，可以在加大新能源汽车宣传力度的同时，通过给予购买者一定的奖励鼓励在新能源汽车销售官网评论自己的使用感受。

尽管本研究有了一些新的发现，但也有很多不足，主要表现在以下几个方面：(1)研究变量的选择有局限性，关于评论可信度的前因变量，本文仅选取网络评论质量、时效性、评论数量和评论差异4个变量。比如新能源汽车网站的专业性也会影响评价的可信度，专业越强，评价的可信度就越高。(2)问卷调查收集的份数较少，而且发放问卷的渠道单一。本文采用在线问卷调查平台进行问卷调查，并未对有购买新能源汽车意向的消费者进行线下调查，而且问卷调查的份数较少，在一定程度上降低了假设检验的可信度。

参考文献：

[1]左文明,陈华琼,张镇鹏.基于网络口碑的B2C电子商务服务质量管理[J].管理评论,2018,30(02):94-106.

[2]杜佳蕊,高乐泉,刘妍,李彬,杨忠敏.京津冀新能源汽车消费者购买意愿影响因素研究[J].价值工程,2019,38(19):220-223.

[3]Petty R E, Cacioppo J T. The Elaboration Likelihood Model of Persuasion[J]. Advances in Consumer Research, 1984, 19(4):123–205.

[4]莫赞,罗敏瑶.在线评论对消费者购买决策的影响研究——基于评论可信性和信任倾向的中介、调节作用[J].广东工业大学学报,2019,36(02):54-61.

[5]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,2008.

[6]宋晓晴,孙习祥.消费者在线评论采纳研究综述[J].现代情报,2015,35(01):164-169.

[7]郭国庆,陈凯,何飞.消费者在线评论可信性的影响因素研究[J].当代经济管理,2010,32(10):17-23.

[8]孟美任,丁晟春.在线中文商品评论可信性研究[J].现代图书情报技术,2013(09):60-66.

[9]刘景方,李嘉,张朋柱,刘璇.用户评论标签摘要系统的有效性研究[J].系统管理学报,2016,25(04):613-623.

[10]龚诗阳,刘霞,赵平.线上消费者评论如何影响产品销量?——基于在线图书评论的实证研究[J].中国软科学,2013(06):171-183.

[11]罗汉洋,李智妮,林旭东,于素敏.网络口碑影响机制:信任的中介和性别及涉入度的调节[J].系统管理学报,2019,28(03):401-414+428.