在线评论能揭示产品的真实质量吗？网络口碑传播的实证结果与分析模型外文翻译资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

在线评论能揭示产品的真实质量吗？网络口碑传播的实证结果与分析模型

Nan Hu，Paul A. Pavlou，Jennifer Zhang

摘要：作为一种数字化的口碑营销方式，在线审查已经成为消费者的主要信息源，对广泛的管理活动有着非常重要的影响。虽然一些研究人员将他们的研究集中在在线产品评论对销售的影响上，但一个重要的假设仍然没有被检验，那就是，在线产品评论能揭示产品的真正质量吗？为了验证这一关键假设的有效性，本文首先对来自Amazon的在线评论的潜在分布进行了实证检验。结果表明,53%的产品有双峰和非正态分布。对于这些产品，均值不一定反映产品的真实质量，并且可能提供误导的建议。在此基础上，本文导出了一种分析模型，解释了什么时候均值可以作为产品真实质量的有效表示，并讨论了其对营销活动的影响。

关键词：口碑，在线评论，双峰分布

分类和主题描述符

J.4。[社会与行为科学]:经济学。

一般条款

测量，经济，人为因素，验证。

1.问题和动机

口碑(WOM)的定义是“针对特定商品和服务或其销售者的所有权、使用或特征的所有非正式沟通。”虽然WOM传统上通过个人“传染”在熟人间传播，但它的价值在实践中也得到了认可和使用。由开创性的巴斯(1969)论文开创，WOM被广泛认为是对非采用者的新产品推广的主要驱动力。

互联网的快速发展及其增强的通信能力，极大地提高了WOM通信的规模和范围。作为互联网版的WOM，在线评论已经成为消费者的主要信息来源。在线评论对广泛的管理活动有非常重要的影响，如品牌建设、客户获取和保留、产品开发和质量保证。一些公司，如亚马逊和环城网，让用户能够方便地查看他们的网站上销售的产品的评论并进行评论。其他公司，如Epinions.com和BizRate.com，而不是直接向消费者销售产品，除了搜索和价格比较之外，还专门提供一种使人能够分享他们对产品的意见的平台。Reichheld(2003)声称，客户向他人推荐产品的倾向——称为推荐价值——是当今商业中最重要的成功指标。Reichheld认为，与客户满意度等传统衡量指标相比，推荐价值与公司绩效的相关性更高。

尽管许多研究都在研究在线产品评论对销售的重要性和作用(例如，Chevalier和Mayzlin 2003, Godes和Mayzlin 2003, Zhang, Dellarocas和Awad 2004)，他们做出了一个重要的假设，仍然没有经过验证:在线评论能揭示产品的真实质量吗?更具体地说，之前所有研究的一个隐含假设是，在线评论的平均(平均)数足以代表一个产品的真实质量。然而，这种假设从未得到证实，无论是在理论上还是在经验上。如果在线评论的基本分布不满足这个假设，那么简单地将分布简化为一个点估计会给出错误的及会有误导性的结果。为了验证这一关键假设，本文首先对来自Amazon的在线评论的基本分布进行了实证检验。结果表明，近53%的产品具有双峰型、u型分布。对于这些产品，均值不一定反映产品的真实质量，并可能提供误导的建议。然后，本文推导出一种分析模型，以解释什么时候均值可以作为产品真实质量的有效表示。最后，我们提出了一个新的预测模型来衡量网络口碑的影响。这个新模型与Chevalier和Mayzlin(2005)模型相比，表明我们的模型具有比他们更好的解释能力。

2.文献

关于口碑的文献越来越多。他们提供了基于理论的数字口碑的观点，以及实验和经验验证。

传统的口碑文学研究其受限于当地社会网络的影响(例如，Brown和reingen1987,Biyalogorsky,Gerstner和Libai 2001)。相比之下，在线消费者评论的影响可以远远超过当地社区，因为全世界任何消费者都可以通过互联网访问消费者评论。

大部分的理论著作分析了信息是如何通过“口碑”和消费者的选择来传达的。Bass(1969)和其他扩散模型研究了新产品的信息是如何通过非采用者的口碑传播的。

Anderson(1998)研究了一些在现实世界中口碑营销的经验证据，发现如果人们对产品有强烈的(积极的或消极的)感觉，他们更有可能进行口碑营销，而不是对产品漠不关心。

还有一些最近的实验和实证研究，研究了数字口碑对公司销售的作用。Shapira, Kantor和Melamed(2001)用“AntWorld”系统进行了一个实验，该系统是一个用于互联网的协作信息查找系统，目的是探索添加动机对用户行为的影响。他们发现，对于一个有效的系统，用户必须受到环境或系统内部激励的驱动。研究结果表明，相对便宜的外在激励因素可以产生适度但显著提高的合作行为。

最近有一些研究调查了网络口碑对产品销售的影响(Chatterjee 2001, Chen et al. 2004, Dellarocas et al. 2004, Godes and Mayzlin 2004, Zhang et al. 2004)。Chevalier和Mayzlin(2003)考察了消费者评论对亚马逊、Barns和Noble网站图书相对销量的影响。他们发现，一本书的平均评论分数的提高会导致相对销量的增加，而1星评论的影响要大于5星评论的影响。Godes和Mayzlin(2003)展示了这种分散性——即关于产品的谈话在各个社区中进行的程度——作为在线交流的衡量标准，在一个动态的销售模式中具有解释能力。Zhang,Dellarocas和Awad(2004)建立并校准了一种电影收入预测模型，该模型基于一种基于网络口碑和传统信息来源的Bass模型的变化，如信息媒体、线下口碑和广告。

然而，结果是复杂的。一些研究支持在线用户评论对销售有重大影响的观点(Chevalier and Mayzlin 2003和Zhang et al. 2004)，而其他的研究则对这种观点提出了质疑(Chen et al. 2004, Godes and Mayzlin 2004)。

由于上述文件涉及到数字口碑的相关问题，仍有一些重要的问题尚未解决。例如，消费者如何从其他人留下的评论中学习如何影响评论分布?在线产品评论能揭示产品的真正品质吗?以上所有实证研究均以平均评分作为真实消费者对产品质量评价的指标。如果不能验证这个假设，那么在这些研究中可能存在测量误差。本文对这一问题进行了研究，并希望能为研究人员和网络口碑营销的实践者提供一些见解。

3．在线口碑的迹象

为了检查在线评论的性质和分布，随机地选择了书籍、DVD和视频样本。他们的产品信息和相应的在线消费者评论是在2005年2月至4月间在亚马逊网站上使用亚马逊网络服务(AWS)收集的。表1提供了我们样本的描述性统计。我们的数据库包含了从1995年到2005年的11年的书籍，DVD和视频的评论资料。书籍、DVD和视频的总数分别为19,556、8938和2570。书评的总数为237,086张，DVD 289754张，视频58,323张。

表1：亚马逊数据的描述性统计

由于我们对记录不同产品类别的评审分数的分布感兴趣，为了使这种比较有意义，我们需要确保在我们的研究中包含的项目有足够数量的客户评论。对于每一个产品类别，我们将项目分成两组：类0包括那些评论少于20的项目，第一类包括超过20个评论的项目。对于稳健性测试，我们还尝试其他分离点，比如20、30、40和50。从定性上看，结果与我们用20作为分离点得到的结果是一样的。图1显示84%、54%和69%的书籍、dvd和视频的评论分别少于20次。

图1:图书、DVD和视频的每个项目的评论数的累积分布

在我们的样本(图2)中，大约80%、75%和78%的书籍、DVD和视频的评分分别大于或等于4。对于整个样本和每个单独的类别来说都是如此。这一发现与Chevalier和Mayzlin(2003)的发现一致，即亚马逊和Barns网站和贵族网站的书评都非常正面。

图2:图书、DVD和视频的评论分数的分布

为了显示在线评论评分的样本分布，我们随机挑选了一张名为“Mr. A-Z”的音乐CD。图3显示了它在亚马逊网站上的在线排名。这张CD的平均分是亚马逊的3。5分，但有更多的消费者会留下极端的评论(1或5)而不是消费者的一般评论(3分)因此，评级的平均值并没有反映所有消费者的综合评价;相反，这是两种极端观点的妥协。我们可以将这个密度函数与图3中的u形曲线相匹配。

图3:在亚马逊网站上发布音乐CD（Mr. A-Z”）的评分分布(配有u形曲线)。

为了检查这是否只是一个特例，对于每个产品类别，我们将所有的项目都进行了3.0次平均评审，并在Amazon.com上绘制了分布(图4)1，消费者只能在1-5的likert型量表上留下一个整数的在线评论分数， 1 =最不满意，5 =最满意。在数据分析中最有趣的发现是对产品的在线评论的双峰分布的存在，平均评分为3.0(图4)，这是5分度的中值和平均值。具体来说，对于那些平均在1 - 5类的评分标准中平均得分的产品，在线评论的评分标准是双峰分布。

图4:图书、DVD、视频的评论分布，平均评分3.0

样本分布的双峰通常是一个强烈的信号，表明一个变量的分布不正常。在我们的情况下，样品分布的双峰表示观点的极化。

为了进行稳健性测试，接下来，我们将所有项目和平均分为2.5的项目组合在一起，并显示如图5所示的分布。存在相同的模式。综上所述，双峰现象更为普遍。它存在于不同的产品类别和不同的平均评分。

图5:图书、DVD、视频的评论分布，平均评分2.5

我们在这里发现的是，在线评论的平均得分并没有反映出“真实”的产品质量，因为消费者的意见并不收敛，也不像文献中所建议的那样集中于平均值。它恰恰反映了不同意见的平衡点。换句话说，当一本书的平均得分在3分左右时，并不意味着消费者普遍认为这是一本好书。它真正的意思是，有人认为这是一本好书，也有同样多的人认为这是一本很糟糕的书。

4. 吹嘘-呻吟模型

在这个简单的模型中，我们探索了对在线评论的实证结果的一个潜在的解释。具体来说，我们试图验证消费者在网上留下评论的动机。我们假设消费者只在对他们购买的产品非常满意（吹嘘）或非常不满（呻吟）时才选择写评论。这将产生一个我们在数据中观察到的u形曲线。当然，还有许多其他可能的解释，例如，消费者的不同品味。但我们排除了这些明显的原因并探究如何激励评论产生这种特殊的分布。

考虑到这些假设，很容易就可以看出，网络口碑的传播将遵循u形分布。由于我们对这种消费者行为对网络口碑营销效率的影响感兴趣，我们也想知道这些评论是否能揭示真实的质量，以及期望的收敛速度。

假设一个产品的内在质量遵循统一的分布q U:。[0,1]q是不可观测的，它的分布是所有消费者的常识。消费者i的效用是由：

其中vi：N（0，sigma;2）以及消费者vi代表在消费产品时可能产生的特殊冲击消费者，例如，她的情绪、外部条件等。

购买该产品的消费者可能或不会选择写在线评论，因为写在线产品评论的好处并不明显，同时，它肯定会给消费者带来时间和其他成本。我们很清楚，存在一个激励问题，我们假设人们写评论的动机是吹嘘或抱怨。自夸或呻吟是有心理原因的。p表示消费者选择写在线评论的概率。我们假设

我们没有考虑消费者的自我选择问题。也就是说，并不是所有的消费者都会购买该产品并留下在线评论。据推测，这些消费者对该产品的评价不高，将会阻止购买，我们预计会看到这些消费者的评论从评分分布中消失。尽管，这可能会导致评论结果的向左偏斜，但不能解释呈u形评分分布中低评分峰值出现的原因。因此，它不会影响我们的结果。

假设和是连续的，且服从 ，如果，则表示每个人都会撰写评论，否则表明只有非常满意或者非常不满意的消费者才会撰写评论。

我们进一步假设每个写评论的人总是如实报告他们所观察到的效用，所以我们假设消费者i评论的期望值和方差分别为q 和 sigma;2。

当消费者写在线评论时，他们会向市场提供更多关于产品质量的信息。当情况下，每个人都报告她观察到的质量。是n位消费者质量评分的均值。用n代表评论的数量，通过中心极限定理，我们有

的分布约为平均值为q，方差为。因此消费者实际上可以从在线评论上获取商品的真实质量。

一般地说，当，ri的分布是服从的正态分布。密度函数如下：

它的平均值为：

在以下情况：

它的方差为：

我们应用中心极限定理：

因此，在假设均值为，方差为时，平均报告分数的分布仍然收敛于正态分布。

既然，因

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23948]，资料为PDF文档或Word文档，PDF文档可免费转换为Word