电商平台在线评论有用性的影响因素研究

这是一篇关于评论有用性,商品类型,品牌知名度的论文, 主要内容为目前,随着各大电商平台的逐渐完善,在线购物的发展很快。但在电商平台进行的网购行为存在诸多问题,如买家无法真正触摸商品,对商品的真实性存在疑虑,所以在线评论是买家掌握更多产品详细情况的主要渠道。通过在线评论的具体展示,消费者可以了解已经购买过的用户对使用该产品的真实用户体验,从而对商品形成初步的认识。本研究首先对目前研究的具体情况进行详细的探讨。其次本研究借鉴信息采纳理论,对评论有用性领域的相关文献分析总结,从评论的详细内容和评论者信息两个大方面探讨。从星级评价、评论长度、图片数量、评论及时度、互动数量、会员等级以及发布者的个人信息完善度等变量角度构建本研究模型。再次基于八爪鱼软件对数据进行采集,并对数据进行筛选和整理。最后进行实证分析,讨论星级评价、评论长度、图片数量、评论及时度、互动数量、会员等级、个人信息完善度是否会对有用性存在特定程度的影响作用,研究各自变量与有用性之间的主效应关系。同时本研究从品牌知名度和商品类型两个方面出发,深入探讨二者对有用性是否存在一定程度的调节效应。通过研究分析,本研究发现在线评论有用性受到星级评价、评论长度、图片数量、评论及时度、互动数量、发布者的个人信息完善度等因素的影响;商品类型在图片数量、评论及时度、互动数量、发布者的会员等级与有用性之间的调节作用明显;品牌知名度在评论长度、图片数量、评论及时度、互动数量、发布者的个人信息完善度与有用性之间的调节作用明显。所以本研究有利于企业更好的对在线交易平台进行管理,针对有用性的程度进行不同管理和排序。

基于评论文本内容的管理者回复策略对评论有用性的影响研究

这是一篇关于评论有用性,管理者回复策略,评论情绪强度,负面评论,主题建模的论文, 主要内容为随着在线旅游业发展,越来越多的消费者通过网络预订旅游服务和产品。在预订酒店时,潜在消费者会通过阅读旅游电商平台上的酒店在线评论来最大限度地减少购买决策的不确定性和风险。然而,过多的在线评论可能造成信息过载。因此,为了帮助潜在消费者找到有价值的信息,许多旅游电商平台都引入了一种反馈机制,即消费者可以对评论是否有用进行投票。从这种意义上说,评论有用性成为了潜在消费者关注评论的关键驱动力,且在一定程度上有助于减少潜在消费者的困惑。近年来,大量研究从评论者特征和评论特征两个角度去探讨评论有用性的影响因素,但很少有研究考察管理者回复策略对评论有用性的影响。同时,现有研究忽视了根据评论文本内容来制定回复策略的重要性。因此,现有文献存在以下两点不足:(1)尚未考察管理者回复与消费者评论的主题内容关系对评论有用性的影响;(2)缺乏从评论的主题评价视角去考察回复策略的有效性。为此,本研究着重考察两个问题:(1)回复与评论的主题一致性如何影响评论有用性,以及评论的正面情绪强度和负面情绪强度如何调节上述关系?(2)针对不同主题评价(反映服务失败严重程度)和不同形式的负面评论,研究考察了动机差异化回复策略在影响消费者对负面评论有用性的感知上是否存在差异。基于上述问题,本研究通过网络爬虫和问卷调查进行数据收集,并通过实证分析得出结论,具体内容如下:首先,本研究基于主题建模方法探讨了主题一致性管理者回复策略对评论有用性的影响。通过对猫途鹰网站上收集的31,523条评论和回复进行分析,本研究发现管理者回复和相应评论的主题一致性对评论有用性有积极影响。同时,本研究还发现评论的正面情绪强度对上述效应有显著的正向调节作用。相反,评论的负面情绪强度对上述效应有显著的负向调节作用。特别地,对于负面离散情绪强度,研究发现只有焦虑情绪强度起到显著的调节作用。其次,本研究从评论的主题评价视角出发考察动机差异化回复策略的相对有效性。研究特别强调了根据服务失败严重程度(普通负面评论与核心失败评论)和评论形式(纯文字形式与图文结合形式)来调整回复策略(顺应性回复和防御性回复)的重要性。通过被试间实验,本研究发现对纯文字的普通负面评论采取防御性回复策略在削弱负面评论有用性方面是最有效的,而对图文结合的普通负面评论采取防御性或顺应性回复策略在削弱负面评论有用性方面均比无回复策略更有效。此外,研究还发现了对纯文字的核心失败评论采取顺应性或防御性回复策略在削弱负面评论有用性方面没有区别,而对图文结合的核心失败评论采取顺应性回复策略最为有效。综上所述,本研究与以往研究相比,对于评论有用性研究领域具有一定的理论意义。第一,本研究提出主题一致性概念,有助于提升对管理者回复策略的认知。第二,基于评论的主题内容视角,本研究揭示了主题一致性回复策略对评论有用性的影响以及正面或负面评论情绪强度对上述关系的调节作用,进一步拓展了评论有用性影响因素研究,为解释评论信息价值提供了理论依据。第三,基于评论的主题评价视角,本研究考察了动机差异化回复策略在影响消费者感知负面评论有用性上是否存在差异,强调了根据负面评论的不同主题评价来调整回复策略的重要性。另外,本研究还具有一定的实际意义。第一,本研究强调了管理者回复信息的重要性,有助于潜在消费者通过管理者回复减少信息获取的成本。第二,本研究表明了酒店管理者应该根据评论的主题内容和主题评价来调整回复策略,从而更好地应对在线评论所带来的影响。第三,本研究揭示了管理者回复策略对评论有用性的影响规律,有助于在线评论网站的平台管理者优化评论排版,提高消费者信息搜索效率和满足在线供应商的需求。

基于评论文本内容的管理者回复策略对评论有用性的影响研究

这是一篇关于评论有用性,管理者回复策略,评论情绪强度,负面评论,主题建模的论文, 主要内容为随着在线旅游业发展,越来越多的消费者通过网络预订旅游服务和产品。在预订酒店时,潜在消费者会通过阅读旅游电商平台上的酒店在线评论来最大限度地减少购买决策的不确定性和风险。然而,过多的在线评论可能造成信息过载。因此,为了帮助潜在消费者找到有价值的信息,许多旅游电商平台都引入了一种反馈机制,即消费者可以对评论是否有用进行投票。从这种意义上说,评论有用性成为了潜在消费者关注评论的关键驱动力,且在一定程度上有助于减少潜在消费者的困惑。近年来,大量研究从评论者特征和评论特征两个角度去探讨评论有用性的影响因素,但很少有研究考察管理者回复策略对评论有用性的影响。同时,现有研究忽视了根据评论文本内容来制定回复策略的重要性。因此,现有文献存在以下两点不足:(1)尚未考察管理者回复与消费者评论的主题内容关系对评论有用性的影响;(2)缺乏从评论的主题评价视角去考察回复策略的有效性。为此,本研究着重考察两个问题:(1)回复与评论的主题一致性如何影响评论有用性,以及评论的正面情绪强度和负面情绪强度如何调节上述关系?(2)针对不同主题评价(反映服务失败严重程度)和不同形式的负面评论,研究考察了动机差异化回复策略在影响消费者对负面评论有用性的感知上是否存在差异。基于上述问题,本研究通过网络爬虫和问卷调查进行数据收集,并通过实证分析得出结论,具体内容如下:首先,本研究基于主题建模方法探讨了主题一致性管理者回复策略对评论有用性的影响。通过对猫途鹰网站上收集的31,523条评论和回复进行分析,本研究发现管理者回复和相应评论的主题一致性对评论有用性有积极影响。同时,本研究还发现评论的正面情绪强度对上述效应有显著的正向调节作用。相反,评论的负面情绪强度对上述效应有显著的负向调节作用。特别地,对于负面离散情绪强度,研究发现只有焦虑情绪强度起到显著的调节作用。其次,本研究从评论的主题评价视角出发考察动机差异化回复策略的相对有效性。研究特别强调了根据服务失败严重程度(普通负面评论与核心失败评论)和评论形式(纯文字形式与图文结合形式)来调整回复策略(顺应性回复和防御性回复)的重要性。通过被试间实验,本研究发现对纯文字的普通负面评论采取防御性回复策略在削弱负面评论有用性方面是最有效的,而对图文结合的普通负面评论采取防御性或顺应性回复策略在削弱负面评论有用性方面均比无回复策略更有效。此外,研究还发现了对纯文字的核心失败评论采取顺应性或防御性回复策略在削弱负面评论有用性方面没有区别,而对图文结合的核心失败评论采取顺应性回复策略最为有效。综上所述,本研究与以往研究相比,对于评论有用性研究领域具有一定的理论意义。第一,本研究提出主题一致性概念,有助于提升对管理者回复策略的认知。第二,基于评论的主题内容视角,本研究揭示了主题一致性回复策略对评论有用性的影响以及正面或负面评论情绪强度对上述关系的调节作用,进一步拓展了评论有用性影响因素研究,为解释评论信息价值提供了理论依据。第三,基于评论的主题评价视角,本研究考察了动机差异化回复策略在影响消费者感知负面评论有用性上是否存在差异,强调了根据负面评论的不同主题评价来调整回复策略的重要性。另外,本研究还具有一定的实际意义。第一,本研究强调了管理者回复信息的重要性,有助于潜在消费者通过管理者回复减少信息获取的成本。第二,本研究表明了酒店管理者应该根据评论的主题内容和主题评价来调整回复策略,从而更好地应对在线评论所带来的影响。第三,本研究揭示了管理者回复策略对评论有用性的影响规律,有助于在线评论网站的平台管理者优化评论排版,提高消费者信息搜索效率和满足在线供应商的需求。

基于元分析的电子商务平台评论有用性影响因素研究

这是一篇关于元分析,在线评论,评论有用性的论文, 主要内容为电子商务的快速发展使得在线评论成为商家和潜在消费者的关注点,也是目前电子商务领域的热点研究主题。不少电商平台为网购群体设置了有用性投票的选项,同时允许用户进行评论回复、追评及商家回复等,丰富了用户对评论信息的认知程度,但是在线评论平台上用户间的弱关系、在线评论庞大的数量及网络购物的虚拟性使得在线评论相关研究对于潜在消费者决策制定过程中降低感知风险和不确定性、商家进行商品营销策略制定、平台对商家进行约束管理及平台监管方进行有效监管与整治均有实践意义。本文认为评论有用性为针对一个给定的产品在做出购买决定时的感知价值,相关研究中关于什么因素影响了在线评论的有用性,部分因素的影响结论基于学者间不同的研究视角或研究方法未达成一致,因此本文通过元分析对近年来关于在线评论有用性的研究进行整合分析具有一定的理论意义和现实意义。本文在整理阅读文献的基础上,结合研究现状形成主要研究问题,探索哪些因素对评论有用性有影响,影响的方向如何?探索哪些因素调节了评论有用性影响因素对评论有用性的影响?元分析是对研究效应进行定量合并的分析研究过程和系统方法,是对统计结果的再统计,可以根据获得的统计显著性等来分析两个变量间真实的相关关系是否存在。具体的研究思路为:首先结合感知风险理论、归因理论、精细加工可能性理论、信息采纳理论等理论,聚焦于中心路径,即评论特征,构建了元分析研究模型分析一系列在线评论有用性影响因素对在线评论的影响产生不同结论的原因,总结三类可能的调节因素,分别为评论因素、测量因素、情境因素,依据目前较为一致的结论提出研究假设;然后,明确检索文献的标准和其他渠道获取文献的手段尽量搜集与研究主题相关的实证研究文献,再设置合理可行的筛选路径逐步甄选出与研究目的匹配的文献,并准确记录并核对有效信息;最后,根据转换方法计算合并效应值,采用元分析处理软件得到研究的数据结论。通过对2021年11月20日之前评论有用性影响因素相关的中英文的文献进行检索,最终筛选出175篇文献,对文献进行编码,并采用随机效应模型进行分析,研究得到本文主要结论有:1、评论量、评论星级评分、评论极端性、评论不一致性、评论情感倾向、评论可读性、评论图片数、评论长度、评论回复数、评论主观性、卖家回复正向影响评论有用性,最终结论与大多数学者的研究结论较为一致,且评论量、评论图片数、评论回复数、评论主观性、卖家回复对评论有用性的影响较其他变量更强;2、评论不一致概念定义对评论不一致性与评论有用性关系的调节作用显著;评论有用性测量、商品类型、在线评论平台、文化属性、基金资助与否、研究者层次(第一作者)可以调节部分评论有用性影响因素对评论有用性的影响;采用量表测量的有用性较其他方式测量的有用性受到的前因变量影响更强。3、样本时间跨度越大星级评分对有用性的正相关关系越强。本研究基于整合研究得出统计意义上更为可靠的结论,表明目前对于部分影响因素,学者研究的结论较为一致可靠,也有部分仍有待深入研究,评分一致性等对有用性的影响结论尚有争议,基金资助与否、研究者层次(第一作者)是否是影响研究结论可靠性的外界因素还有待深入探讨。本研究理论上拓展了该方向元分析的自变量范围,同时也丰富了可能存在的调节变量,现实上为电商平台、平台商家、消费者、平台监管方理解在线评论提供一定的参考和实践建议。同时,本研究受研究者水平、时间因素及元分析方法的固有约束,依然存在诸多不足。未来可以继续探索更多可能的调节因素和前因变量,丰富该主题下的元分析及其他类型定量研究,拓宽认知,从而更好地理解评论有用性并解释学者不一致结论的原因。此外,随着电商平台评论相关模块的更新,在线评论相关的研究也可以与时俱进,从而为平台设计提供理论支持与帮助,做到理论指导实践。

基于电动牙刷在线评论的情感分析及有用性统分析

这是一篇关于情感分析,情感词典,决策树,评论有用性,随机森林的论文, 主要内容为随着信息时代的飞速发展,人们的生活水平不断得到提高,对于健康生活的要求也越来越高。因此,对于牙齿健康的关注也与日剧增,对电动牙刷的需求日益增多。近年来,伴随电商行业的崛起,小至柴米油盐,大到家具电器,凡是能够想到的物品都能够在电商平台找到销售踪迹,那如何在海量的销售信息中挖掘出适合自己的产品成为了一个重要话题。对于选购电动牙刷的消费者,已购买者的评价成为最可以提供参考价值的信息。本文正是基于此,从电动牙刷购买评论出发,从情感分析和有用性两个维度入手,以期帮助消费者去挖掘选购电动牙刷更加有价值的信息。本文通过在京东电商平台爬取的一万条电动牙刷评价信息进行分析挖掘,经过数据清洗和jieba分词以及文本向量化等操作处理非结构化数据,分别建立情感词典和决策树模型进行情感分类和模型对比,结果发现利用决策树算法的情感分类要好于情感词典,并依据决策树输出可视化结果分析消费者需求。同时利用LDA主题模型进行主题分类,提取消费者最在意的“效果”、“功能”、“物流”、“外观”、“价格”这五个主题,挖掘出消费者关注的主题以及对商家和厂商的整改提出建议。最后选择了四个特征,分别是“用户评分”、“用户回复评论数”、“评价天数”、“文本长度”,建立随机森林模型,对评论有用性的影响重要程度进行分析,发现“用户评分”这一特征对于消费者能参考的价值不大,其余三个特征都可以作为能给消费者提供有价值信息的因素。

融合评论有用性的TFIDF关键词提取算法在电子产品领域的应用

这是一篇关于TFIDF,评论有用性,关键词提取的论文, 主要内容为随着互联网的快速发展,中国的购物市场已从线下转为线上。当潜在消费者在购买商品前无法直接感知商品时,则更多地依赖在线评论。如何使消费者快速高效地从海量在线评论中获取关键信息,以及帮助商家及时准确地了解消费者的需求点显得至关重要,也是本文研究的核心。本文在众多商品品类中选择电子产品类为研究对象,从分析数据特点中发现,传统的TFIDF算法作为关键词提取的常用方法,在面对在线评论这种短文本的应用层面以及权重计算的理论层面存在一定不足,同时,考虑到在庞大的在线评论中也充斥着大量无用的信息影响着消费者。为了提高文本分析的性能,本文在传统TFIDF算法的基础上,融合了在线评论的有用性作为权重,其中心思想是,如果某条评论越有用,从该评论中提取的关键词就越重要,则增加该条评论的权重。通过实证研究和对比实验证明改进后的方法效果更好。同时,对提取的关键词进行聚类分析,得出购买者在消费该商品时比较关注的信息。其中,包括商品的性价比、品质、正品、外观颜值高、音质、电量、外包装和快递物流,最终从生产商、商家店铺、电商平台、物流公司四个方面给出相应的建议。

社交电商中评论有用性的影响因素研究

这是一篇关于社交电商,评论有用性,评论反馈特征,响应行为特征,社会网络特征的论文, 主要内容为在线评论是消费者做出购买决策前的重要参考信息,然而传统电商平台存在信息质量层次不齐以及各种虚假评论导致可信度存疑的问题,因此越来越多的用户尝试利用社交媒体来搜索信息,分享商品使用心得,进而催生出一种电子商务和社交媒体相融合的电商平台-社交电商。社交电商中存在三种社交行为:撰写评论反馈、对反馈进行响应、用户之间互相关注。这些社交行为使得用户提高了社会临场感,所以其中哪些因素会对在线评论产生影响值得深入探究。本文基于ELM模型从信息质量,评论一致性,信息源可信度三个维度来探讨社交电商中影响评论有用性的因素。其中信息质量指评论自身特征,评论一致性这一维度采用评论反馈特征来衡量,评论反馈特征包括反馈数量、反馈平均长度、情感偏离度。关于信息源可信度这一维度,除了继续验证以往研究考虑的评论者个体特征,本文首次引入评论者的响应行为特征,提出响应存在性、努力程度、响应及时性这三个指标,希望探寻出评论者的响应行为对评论有用性会带来怎样的影响。而关于社会网络特征,不止引入了数量特征关注数,还将质量特征平均信任强度也作为衡量指标,后者相对前者更具有科学合理性,基于此本文采用社会网络特征中的关注数和平均信任强度来预测评论有用性。本文以眼霜为体验型产品研究对象,手机为搜索型产品研究对象,分别采集了2048条和1224条在线评论数据,并采用负二项回归方法进行了实证研究。关于评论自身特征和评论者个体特征继续验证了它们对评论有用性的影响机制。而关于评论反馈特征重点验证了情感偏离度对评论有用性的负向作用,关于响应行为特征验证了响应存在性正向影响评论有用性,努力程度和有用性的关系为倒U型曲线,响应平均时长负向影响评论有用性。最后本文在两种类型产品的实验中验证了平均信任强度对于预测有用性的效果不弱于被关注数。本文的研究结果完善了评论有用性的理论研究框架,依据现实背景扩充了评论有用性影响因素研究,还可从用户社交行为的角度为社交电商网站或其他电商平台的评论管理提供决策支持。

电商平台搜索型产品极端评论有用性影响因素分析及预测研究

这是一篇关于在线评论,评论有用性,极端评论,有用性预测,机器学习的论文, 主要内容为随着电商网站的飞速发展,在线论坛数量不断增加,消费者选择分享对产品或服务体验的方式时,在线评论发挥着至关重要的作用。根据评论极性的不同,可以将在线评论分为极端评论(好评和差评)和中性评论。最新研究表明,消费者认为极限评价可能比中性评价更有用。因此,研究极端评论有用性更有意义。但并非所有的极端评论都对消费者有所帮助,而且如今繁杂的极端评论已导致信息过载。如果能向消费者智能推荐质量高的评论,不但有助于消费者的购买决策,也能为电商平台创造一定的商业价值,高效地识别有用评论已成为一个重要的研究课题。基于此,对在线评论国内外研究现状进行文献计量分析的基础上,本研究以京东商城的目前多款主流手机的极端评论为研究数据集,其中好评14561条,差评9721条。以极端评论有用性为研究对象,使用文本挖掘和自然语言处理(NLP),深入地挖掘评论属性中可量化特征,构建极端评论有用性影响因素模型,利用Tobit回归分析进行建设验证。在识别评论有用性的关键影响因素基础上,使用目前主流的八种机器学习算法,进行极端评论有用性预测的实证研究。研究结果表明:对于好评有用性来说,发布图片是最重要的影响因素。有用性高的好评往往是文本内容较长、文本提及商品特征多(有效评论长度长)、有图片、情感强度低的评论;对于差评有用性来说,发布视频为最重要的影响因素,有用性高的差评往往是文本内容较长、文本提及商品特征多(有效评论长度长)、有视频、有图片、情感强度低的评论。好评的有用性预测模型中,朴素贝叶斯的预测效果最好,其次是神经网络;差评的有用性预测模型中,神经网络的预测效果最好,其次是朴素贝叶斯。该研究拓宽了在线评论有用性影响因素的理论深度,丰富了评论有用性的研究变量,评论有用性的研究呈现动态化,评论有用性预测的视角也有所不同。该研究有助于电商平台更好地理解消费者在线评论行为,实施行之有效的在线评论管理策略,增强电子口碑效应和创造消费者购物体验。

基于用户评论的推荐系统方法研究

这是一篇关于推荐系统,用户评论,特征提取,评论有用性的论文, 主要内容为随着互联网的发展,电子商务平台网站用户和商品数量急剧增加,用户的需求也是因人而异。推荐系统能帮助用户从海量的商品中找到喜欢的商品,改善用户购物体验的同时,也带来了巨大经济效益。传统推荐系统将用户对商品的评分信息作为输入,导致输入数据非常稀疏。解决数据稀疏性的常见方法是在算法中额外引入一些辅助信息作为输入。而用户评论文本包含丰富的语义信息,可以在一定程度上弥补数据稀疏问题。相比传统的推荐系统算法,基于深度学习的推荐算法能够直接从数据中提取特征,具备较强的抗噪能力,可以更加准确的学习用户和商品特征,近年来被广泛使用在各类推荐任务中。但是还存在一些不足:第一,基于卷积神经网络的推荐模型只能提取固定感受野的特征,然而不是所有特征都能被同一个感受野的卷积神经网络充分提取。第二,目前基于深度学习的推荐算法通常单独采用卷积神经网络或循环神经网络来提取评论特征,不能全面的表达用户和商品的特征信息;第三,没有考虑评论以及其中的单词对用户和商品建模的重要性不同。本文针对以上存在的问题,提出了相应的解决方法,主要研究内容如下:第一,针对卷积神经网络提取评论特征时只能捕捉单一感受野的单词信息,本文利用门控机制,自适应的提取多个卷积神经网络提取的评论特征;第二,针对单独使用卷积神经网络或循环神经网络不能全面提取评论局部信息和全局信息的不足,本文通过自适应卷积神经网络提取评论局部特征,使用门控循环单元(GRU)或Transformer提取全局特征,融合局部和全局提取的特征,更好的表示评论信息;第三,为了更好的评估用户评论对建模用户和商品特征的重要性,本文采用基于多层级注意力机制对评论进行有用性评估,以衡量不同评论以及评论单词对建模的影响;本文通过对用户评分和评论数据进行特征提取,构建了端到端的基于深度学习的评分预测推荐模型,在5个Amazon公开的商品评论数据集上效果对比基线模型提升了2.93%-6.26%,实验结果证明了本文提出模型的合理性。