程伟民  徐小雅 广东财经大学

基金项目：国家自然科学基金项目72101059：考虑概率销售的出行平台收益管理研究；教育部第三批“全国党建样板支部”培育创建单位“广东财经大学工商管理学院物流管理系教工党支部”建设项目（教思政厅函[2022]4号）。

摘要：如今,网络购物作为居民最主要的消费方式之一，用户获取自身感兴趣产品或服务信息的方式也从传统的口碑转移到了在线评论。在线评论作为消费者感知商品效用的最主要来源，它通过影响消费者的购买意愿进而影响着消费者的实际购买决策行为。本文基于负面偏见理论，即消费者总是对在线评论中的负面信息更加敏感这一现象，从在线负面评论这一视角出发，探讨了在线负面评论对消费者购买意愿以及行为的影响，并建立了相关的消费者购物决策模型，帮助消费者更好的辨识商品的真实效用，帮助减少消费者的搜索成本，提高消费者在线购物体验。

关键词：负面偏见；消费者决策；情感分析

一、引言

随着时代的发展，物流配送以及供应链体系的日益完善，在线购物已经成为当代消费者的主要消费方式之一，不同于传统线下购物，在线购物打破了时间和空间的局限性，丰富了消费者的选择，人们可以随时随地购买所需要的商品或服务，给人们的日常生活带了诸多便利。但由于在线购物脱离了线下实体感知这一过程，消费者仅能通过商品在线评论这一信息来感知商品效用，来决定自己的购买行为。在线评论作为消费者感知商品效用的最主要来源，它对消费者的购买意愿有着极大的影响^[1]，进而对商家的产品销量造成一定影响^[2]。

    在线评论的建立就是为了帮助消费者更好的了解产品的状况，从而促成线上交易的达成，许多电商平台如亚马逊、淘宝和京东等，均提供了可以供消费者分享其购买产品时关于产品质量及服务体验的平台，其他消费者可以在平台上浏览发布者的评论并进行有用性投票以及评论回复,消费者可以通过平台管理系统选取评论发表时间、有用性和评论中等级进行排序和展示,了解相关的产品信息^[3-5]。潜在消费者可以通过对这些在线评论的浏览掌握产品大体信息，然而随着市场竞争的加剧，以及误操作、广告宣传、导向性、欺诈行为和恶性竞争等导致许多在线评论中充斥着大量的虚假信息^[6-7];与此同时，由于发布者的随意性和主观性，评论所涵盖产品的属性以及观点大不相同，甚至相互矛盾，对于想要获取有价值信息用于支撑自己的购买决策的潜在消费者来说，他们需要浏览大量的在线评论，判断哪些评论更加合理可靠，贴合实际，从而感知产品的预期效用，并进行综合分析与决策。在电商平台上，产品种类日益多样化，存在着大量符合消费者预期的产品，需要耗费大量的时间和精力去浏览和查找符合的备选产品，与此同时还需要对产品在线评论判断，进而做出决策，但目前的在线评论现状普遍都存在评论文本数量庞大、评论质量参差不齐、评论可信度差、评论发布不及时等问题^[8-10],严重阻碍了用户进行有效决策，还增加了消费者在线购物的时间成本。因此如何从众多的在线评论中筛查出真实有效的评论信息，是目前诸多学者的研究重点。

    在线评论质量指在线评论能够满足消费者使用评论要求的程度^[11],应该从评论与产品内容的相关性、结合自身体验的真实性、评论内容的可靠性、可理解性和充分性等方面进行度量^[12]。而在线评论可信度是评判在线评论质量的先决条件，只有在真实有效的在线评论基础上，才能把握在线评论质量，进而掌握产品信息详情。关于在线评论的研究最早可以追溯到在线口碑领域，在线口碑是指通过网络传播、沟通与交流的信息^[13],用户使用文字、图片、视频等多种形式通过网站、论坛等多种传播渠道对信息进行线上交流^[14]。

    目前，学术界对在线评论的定义做出了详细的解释，并且从许多不同的角度加以补充。大多数研究对于在线评论的基本定义和其存在的一些特点基本达成了一致认识，不同学者之间的阐述区别仅仅是详略之分,或者是当时研究出发的视角不同，基于前人学者的研究基础，给出本研究所沿用的在线评论定义，仅为消费者对其在平台上关于产品或服务购买前后服务及体验全过程，所发布的具有不同情感倾向的个人看法与意见。本研究的在线评论来源仅局限于产品售卖平台。以下为诸多学者对在线评论的定义。

表1 在线评论的定义

   在线评论类型丰富，通过在线评论的特性对其进行梳理与分类，能够帮助我们更好的开展针对性的研究。最早，评论被分为垃圾评论与非垃圾评论，其中垃圾评论主要包括虚假评论、无关评论以及非评论信息。虚假评论也就是具有欺骗性特点、进行过分夸赞或诋毁的不真实评论；无关评论是那些对未来潜在消费者不存在参考价值的信息，尤其是广告评论、营销评论、无意义评论等；非评论信息主要指只关注品牌效应的评论，通常只围绕品牌内容进行描述，具有很强的片面性。相关研究表明,无关评论与非评论信息的特征明显且易检测，而虚假评论不仅特征难以捉摸，还不易识别，适用于垃圾邮件的检测方式并不能直接应用于虚假评论领域。与垃圾评论相对应的，非垃圾评论应具备真实性、相关性以及文本性，非垃圾评论指的是真实的与产品相关且能被潜在消费者理解，因此也将非垃圾评论概括为真实评论。真实评论的目的是为潜在的消费者在进行购买决策时提供参考，因此按照评论参考是评论所表达的信息否有用性将真实评论分为有用评论与无用评论。有用评论表示有价值、质量高、能有效帮助消费者做出购物决策的评论。一般来说，优质评论、精选评论都属于有用评论。而无用评论则相反，主要指对消费者感知商品信息没有用处的评论，其原因可能是评论的信息含量不高，也可能是由于评论时间过长引发评论时效性丧失，从而导致与现有商品信息出现较大的出入^[15]。

图1 前人在线评论的分类

    基于前人的研究和本文的研究针对性，现将在线评论分为以下类型。

图2 本文在线评论的分类

在众多信息中，人们往往会更加在意负面的信息，这是一种普遍现象，心理学理论将它称为“负面偏见”，并从心理学视角解释了不好的信息对于人的影响更大^[16]。消费者在线上购物浏览产品在线评论时，必不可免会遇到许多类型的在线评论，其中在线负面评论往往会对潜在消费者造成极大的影响，在线正面评论和中性评论虽然在网上非常普遍、随处可见，但它对产品销量、购买意愿等方面的影响程度却不及在线负面评论^[17]，消费者会更加认可负面评论的真实性^[18]。

对于正面评论有用性还是负面评论有用性,哪类评论类型的有用性更大这一问题，许多学者的研究结论相互之间也存在着争论。一些学者认为负面评论比正面评论的影响更大^[19][20]，并提出了“负性偏差”（negativity bias）（后为“负面偏见”）这一概念，对于评论负性偏差的解释主要有三种机制。第一种，基于前景理论，相比于获得,人们对损失更为敏感，在线负面评论的出现往往意味着产品购买后,对于消费者来说存在着出现损失的可能，他们出于对风险的厌恶和规避，往往会更加重视这类评论，并认为这类评论更具有信息价值^[21]；第二种，基于归因理论，消费者在阅读评论时,通常会对评论发布者的动机进行推断^[22]，一般来说，阅读评论的用户或者潜在的消费者会将负面评论归因为产品自身的内在因素,并且他们会认为这类评论可信并且有用，而将正面评论归因于评论者外在因素并认为这类评论缺乏可信性^[23]，究其原因，除了产品自身的原因之外，消费者很少有其他的理由去进行负面口碑的相关传播，但是,对于已经够买过产品或服务的消费者来说,他们却存在更多的个人原因，比如彰显自己的正确消费行为或保持情感分享等，而并非出于产品本身的原因去进行正面口碑传播；第三种，基于信息诊断理论，消费者认为负面评论比正面评论更具有诊断性^[24]，因此在消费者制定购物决策时，负面评论会被赋予更多的权重，被认为更能体现产品的实际情况。一方面是由于负面评论中所表达的负面信息给人的心理或者精神刺激都相较于正面评论所表达信息带来的刺激更为强烈^[25]，另一方面是因为负面评论相对于正面评论来说，较为稀有和罕见。

此外，也存在着不少研究表明正面评论的影响力大于负面评论^[26]，消费者愿意花费时间和精力去查看产品在线评论的行为代表其对产品有明显的购买意愿，因而消费者对该产品也具有较正向的态度并且希望正面评论表达信息是真实可靠的，正面评论所蕴含的情感倾向刚好与消费者对产品的正向态度相一致，符合消费者对产品的预期,而负面评论则相反，与消费者当时正向的心理预期相违背。因此，基于情感一致性理论，在这种消费者心理情景当中,而正=面评论会被认为更有用，而负面评论的影响会被削弱。但该种解释较为牵强，不少学者针对以上这一争论，发现了一些能够对在线评论中正或负面评论与有用性的关系起调节作用的其他因素，其中，产品类型这一因素是诸多学者研究的重点。通过研究发现，对于实用性产品来说，相对于其他功能,消费者更注重产品的实际效果,此时,平台上发布的负面评论比正面评论的影响力更大，而对于享乐型产品来说，消费者只在乎产品能够给自己带来哪些正向的快乐体验,此时,对于消费者来说,正面评论的有用性比负面评论更高；此外，也有学者将产品类型分为经验型产品和搜索型产品进行研究，他们经过研究发现，对于经验型产品来说，负面评论比正面评论感知更有用，而对于搜索型产品来说，正面评论比负面评论感知更有用^[27]。

除产品类型外，经研究发现，还发现了一些能够对在线评论中正或负面评论与有用性的关系起调节作用的其他因素。比如，基于调节定向理论，将消费者区分为以促进目标导向的消费者和以预防为目标导向的消费者，其中以促进目标导向的消费者认为正面评论比负面评论更有用，而以预防为目标导向的消费者认为负面评论比正面评论更有用^[28]；基于归因理论，有学者认为负面评论的有用性比正面评论大，因为消费者更倾向于将正面评论归因为评论者个人因素，而将负面评论归因于产品本身，并且时间一致性会调节这种负性偏差，当消费者在评论中察觉到评论发布者的产品消费与其发布评论的时间很接近时，消费者会倾向于将正面信息归因于产品本身而非个人因素，从而增加正面评论的影响力，削弱负性偏差效应。

关于中性评论有用性大小，前人学者对此也进行了不少研究。中性评论中所包含的中立信息或包含正、负向情感的双面信息更能影响消费者，并且比单面信息具有更强的说服效果^[29]，并且能够提高信息来源的可靠性^[30]。但是，对于以上解释，也有学者提出了相反的观点，他们认为正面或负面评论比中立评论有用性更高^[31]，影响力也更大^[32]，因为中立评论所表达的观点不明确，缺乏信息价值，不利于消费者做出决策。针对以上分歧，一些学者也引入了产品类型这一调节因素，发现其存在着调节作用，对于经验型产品，中立评论比正面或负面的评论有用性更高，而对于搜索型产品，正面或负面评论其有用性更高^[33]。

表2 消费者发表在线评论的动机分类

在如今的现实社会中，消费者在购物过程中逐渐开始理性，希望并且期望自己能够买到价格适宜并且符合需求的实用性产品。但目前，网络环境过于复杂，充斥着大量的虚假信息^[34]，对于商家和消费者都造成了严重的困扰，如何识别出真实且有效的信息，一直是国内外学者的研究重点。基于“负面偏见”，从在线负面评论这一角度出发^[35][36]本文针对消费者在线购物这一行为，对其在购物中面临的评论筛查以及决策困难进行相关研究，旨在探讨出一个有效且高效的方法帮助消费者更好的制定购物决策，促进交易的达成，加快经济的流动，同时商家也可以把握产品的实际反馈情况加以改进，实现利润的再增长。

二、问题描述

    文本情感分析时一种自然语言处理技术，能够帮助用户从评论文本中识别出情感、情感倾向或情绪状态，能够帮助消费者了解评论文本的情感色彩，进而加以判断评论的可信度，产品的效用值等。本模型场景搭建于消费者购买决策行为后半程，位于最后的决策过程，消费者感知效用并与心理预期效用进行对比分析，从而决定购买行为。在此过程中，消费者需要通过对产品的在线评论进行遍历、浏览，然而，目前评论环境恶劣，许多恶意的评论、无意义评论等对上述过程造成了极大的困扰。因此本模型从在线负面评论这一视角出发，并通过文本情感分析技术对评论文本进行处理，把握产品的效用。

    本文模型搭建于特定的消费场景，在该场景中，消费者在特定的价格约束下已经寻找到关键备选产品，需要根据在线评论信息制定决策。在这一阶段，在线负面评论往往能较为真实的反映产品的真实信息，同时相较于海量的在线正面评论和中性评论，从在线负面信息出发，能够节省大量的时间成本。通过前人学者对评论发布动机的研究，负面评论发布动机较为直接，当然其中不排除恶意评论以及一些其他竞争者的恶意行为等，通过文本情感分析，能够有效地辨别。其次，发布评评论者的用户等级会影响其发布评论在其他消费者的感观，用户等级越高，其发布评论信息可信度越高，该评论信息对消费者的影响权重也就越高。产品的属性固定，不存在变化的可能，但由于用户的主观性，其发布评论可能无法涉及到产品的各个属性方面的评价，并且带有强烈的情感色彩，因此可能会导致一些评论相似度较高，甚至频繁重复出现，给消费者一种用户的共性认知，但过多的重复会导致消费者进而怀疑评论发布者的动机，认为是一种不真实的用户反馈，导致该类型评论在消费者心里的可信度降低。在本模型搭建场景中，排除了其他社交媒体中不同发布人群发布信息对消费者的干扰。

四、结语

本文给出了一种基于在线负面评论信息和消费者期望的产品购买决策制定方法。在该方法中，依据在线负面评论中所包含的信息，我们计算其用户等级、评论情感倾向和评论重复次数对评论可信度影响的综合得分，并将其与消费者关注的属性和对应的权重进行加权求和，最终，得到消费者的感知的产品负面效用分值，并将其与消费者的心理预期效应进行对比，为消费者的购买决策提供支撑。

本文所给出的方法概念清晰、计算过程简单、易于实现，为解决现实社会中，基于在线评论信息的产品购买决策问题提供了一种新思路。目前，该方法排除了价格的约束，并对消费者类型做出了一些特定的限制，未来需要充分考虑其他因素，例如消费者由于价格的影响，对评论感知效用的标准变化；消费者自身对质量或时间的敏感程度等其他诸多考虑情景。今后的研究需要拓展一些消费者自身的一些影响因素，丰富其他消费场景应用类型。

参考文献：

[1] Hennig-Thurau T, Gwinner K P, Walsh G, 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.

[2] Forman C, Ghose A, Wiesenfeld B. Examining the relationship between reviews and sales: The role of reviewer identity disclosure in electronic markets[J]. Information systems research, 2008, 19(3): 291-313.

[3] Ghose A, Ipeirotis P G. Estimating the helpfulness and economic impact of product reviews: Mining text and reviewer characteristics[J]. IEEE transactions on knowledge and data engineering, 2010, 23(10): 1498-1512.

[4] Huang A H, Chen K, Yen D C, et al. A study of factors that contribute to online review helpfulness[J]. Computers in Human Behavior, 2015, 48: 17-27.

[5] Pan Y, Zhang J Q. Born unequal: a study of the helpfulness of user-generated product reviews[J]. Journal of retailing, 2011, 87(4): 598-612.

[6] Liu L, Zhao X, Wang H, et al. Research on identification method of anonymous fake reviews in e-commerce[J]. TELKOMNIKA (Telecommunication Computing Electronics and Control), 2016, 14(4): 1510-1520.

[7] Sikora R T, Chauhan K. Estimating sequential bias in online reviews: a Kalman filtering approach[J]. Knowledge-Based Systems, 2012, 27: 314-321.

[8] Hu N, Bose I, Gao Y, et al. Manipulation in digital word-of-mouth: A reality check for book reviews[J]. Decision Support Systems, 2011, 50(3): 627-635.

[9] Hu N, Liu L, Sambamurthy V. Fraud detection in online consumer reviews[J]. Decision Support Systems, 2011, 50(3): 614-626.

[10] 李璐旸,秦兵,刘挺.虚假评论检测研究综述[J].计算机学报,2018,41(4):946-968.

[11] Kwon O, Lee N, Shin B. Data quality management, data usage experience and acquisition intention of big data analytics[J]. International journal of information management, 2014, 34(3): 387-394.

[12] Zhang K Z K, Cheung C M K, Lee M K O. Examining the moderating effect of inconsistent reviews and its gender differences on consumers’ online shopping decision[J]. International Journal of Information Management, 2014, 34(2): 89-98.

[13] Gelb B, Johnson M. Word-of-mouth Communication: Causes and Consequences[J]. Journal of Health Care Marketing, 1995, 15(3): 54-58.

[14] 周晶晶.在线客户评论对消费者购买决策的影响力研究[D].浙江大学,2009.

[15] Jindal N, Liu B. Review Spam Detection[C]. In Proceedings of the 16th International Conference on World Wide Web, 2007: 1189-1190.

[16] (美）金伯莉.J.达夫著；宋文，李颖珊译．社会心理学：中国人民大学出版社，2012.

[17] Cui G, Lui H K, Guo X. The effect of online consumer reviews on new product sales[J]. International Journal of Electronic Commerce, 2012, 17(1): 39-58.

[18] Chen Z, Lurie N H. Temporal contiguity and negativity bias in the impact of online word of mouth[J]. Journal of Marketing Research, 2013, 50(4): 463-476.

[19] Bae S, Lee T. Gender differences in consumers’ perception of online consumer reviews[J]. Electronic Commerce Research, 2011, 11: 201-214.

[20] Park C, Lee T M. Information direction, website reputation and eWOM effect: A moderating role of product type[J]. Journal of Business research, 2009, 62(1): 61-67.

[21] 张磊. 商品类型对在线评论极性影响力的调节作用研究[D].哈尔滨工业大学,2011.

[22] Chen Z, Lurie N H. Temporal contiguity and negativity bias in the impact of online word of mouth[J]. Journal of Marketing Research, 2013, 50(4): 463-476.

[23] Sen S, Lerman D. Why are you telling me this? An examination into negative consumer reviews on the web[J]. Journal of interactive marketing, 2007, 21(4): 76-94.

[24] Tirunillai S, Tellis G J. Does chatter really matter? Dynamics of user-generated content and stock performance[J]. Marketing Science, 2012, 31(2): 198-215.

[25] Skowronski J J, Carlston D E. Negativity and extremity biases in impression formation: A review of explanations[J]. Psychological bulletin, 1989, 105(1): 131.

[26] Pan Y, Zhang J Q. Born unequal: a study of the helpfulness of user-generated product reviews[J]. Journal of retailing, 2011, 87(4): 598-612.

[27] Willemsen L M, Neijens P C, Bronner F, et al. “Highly recommended!” The content characteristics and perceived usefulness of online consumer reviews[J]. Journal of Computer-Mediated Communication, 2011, 17(1): 19-38.

[28] Zhang J Q, Craciun G, Shin D. When does electronic word-of-mouth matter? A study of consumer product reviews[J]. Journal of Business Research, 2010, 63(12): 1336-1341.

[29] Crowley A E, Hoyer W D. An integrative framework for understanding two-sided persuasion[J]. Journal of Consumer research, 1994, 20(4): 561-574.

[30] Eisend M. Two-sided advertising: A meta-analysis[J]. International Journal of Research in Marketing, 2006, 23(2): 187-198.

[31] Forman C, Ghose A, Wiesenfeld B. Examining the relationship between reviews and sales: The role of reviewer identity disclosure in electronic markets[J]. Information systems research, 2008, 19(3): 291-313.

[32] Pavlou P A, Dimoka A. 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.

[33] Mudambi S M, Schuff D. Research note: What makes a helpful online review? A study of customer reviews on Amazon. com[J]. MIS quarterly, 2010: 185-200.

[34] 林灿鑫.电商平台在线评论的虚假性与有用性研究[D].华南理工大学,2022.

[35] 黄华,毛海帆.负面在线评论对消费者购买意愿的影响研究[J].经济问题,2019(11):71-80+88.

[36]任小静,李琪.“负面偏见”对平台认证型评论感知有用性的影响[J].中国管理科学,2019,27(09):149-159.