产品评论十篇

产品评论篇1

摘　要：通过对目前通用的搜索引擎是否适合用于产品评论信息的搜索的讨论和对目前网络产品评论数据处理的需求分析，探究产品评论检索系统的系统结构和工作流程。

关键词：产品评论检索；极性分类；网络爬虫

1 引言

随着信息技术的不断发展和深化，网络基础设施的不断完善，如今互联网已经渗透到社会生活的方方面面，成为大部分人日常生活不可缺少的重要交流工具和信息来源。互联网技术的普及大大缩短了人与人之间的距离，促进了电子信息资源的积累，加快了社会经济运行节奏，为行业发展和技术进步提供了新的机遇和挑战，各种各样的新兴应用、新技术随着新需要应运而生，推动了互联网技术本身日新月异地向前发展，其中典型的应用有电子商务、即时通讯、网络社区、博客等。产品评论信息是随着电子商务、网络社区等的发展出现的，通常是由消费者作出的对某一产品的外观、质量、性能、价格等商品属性好坏情况的判断，随着互联网应用参与的日益广泛，产品评论信息越来越多地出现在博客、社区或购物网站上.俞勇等 译. 北京:清华大学出版社2009(4):6-8.

产品评论篇2

大宗农产品销地价格波动影响因素评价

1.建立指标集。指标集是影响大宗农产品销地价格各种因素构成的集合，本文选取上文所说的产地收购价格波动、农产品投机行为等5个指标作为评价的指标集U=（u1，u2，u3，u4，u5）。2.建立权重集。为了反映各个指标的重要性，需要对各个指标分配一个权重。各个权重组成U上的一个模糊集合A，称A为权重集。选择专家评议层次分析法来确定各自的权重。本文选用1-9标度方法，聘请6位行业专家（3位农产品流通领域专家，3位批发市场经营专家）进行评价。评价得出结果通过一致性检验，合理可靠。评价过程如下：计算最终权重得本文系农产品批发市场政策法规研究（2013-35-1）的资助。A=（0.46,0.23,0.17,0.07,0.07）3.建立评价集。评价集是评价者对评价对象可能做出的所有评价结果组成的集合。用V表示。V=（V1，V2，…，VN）其中Vi表示第i个评价结果。N为总的评价结果数。为了使影响农产品价格的因素评价简洁，直观，便于理解，本文只选择五个评价结果建立评价集，即影响因素V=（大，比较大，一般，较小，小）。4.大宗农产品的选择和基于农产品批发市场经销商视角的单因素评价。单因素模糊评价是单独从一个因素出发进行评价，以确定评价对象对评价集V的隶属程度。设评价对象按因素集中的第i个因素ui进行评价，对评价集V中第j个元素vj的隶属度为rij，则U的评价结果可以用模糊集合表示：对所有因素都进行评价后，可以得到矩阵R=（R1,R2……，RM），R可以看做是因素集U和评价集V之间的模糊关系。本文选择北京大洋路批发市场的禽蛋、蔬菜、鲜肉、果品、水产作为研究对象。作者经过对大洋路批发市场实际调研，选择具有代表性的农产品经销人员，包括5名禽蛋经销商，5名蔬菜经销商、5名鲜肉经销商、5名果品经销商、5名水产经销商，共25人进行问卷调查评价。评价过程：经销商分别从五个方面对五种农产品价格波动的影响因素进行评价。需要说明的是，为了使评价更加客观，不同种类的经销商在评价自己所经营农产品价格波动的因素时，评语得分为2分；评价其他种类的农产品波动因素时，评分为1分。得到分数后再进行归一化处理，保留小数点后一位。综合以上经销商意见，最终得到的评价表如下：5.多因素模糊评价。单因素评价矩阵分别和权重集进行模糊变换，即得到模糊综合评价模型，即B=AR表示A与R的一种合成方法，本文选择为乘法。计算得到：B禽蛋=ART禽蛋=(0.3,0.16,0.18,0.18,0.18)；B蔬菜=ART蔬菜=(0.44,0.18,0.26,0.08,0.04)；B鲜肉=ART鲜肉=(0.26,0.1,0.2,0.28,0.16)；B果品=ART果品=(0.32,0.2,0.26,0.12,0.1)；B水产=ART水产=(0.22,0.18,0.22,0.22,0.16)；6.最终评价结果。本文选择线性加权法求得最终得分，计算公式如下（ai为设定参数）：最终计算结果：P禽蛋=3.22，P蔬菜=3.9，P鲜肉=3.02，P果品=3.52，P水产=3.08从以上对农产品销地价格波动因素的评价来看，大宗农产品批发市场经销商认为产地收购价格变化对农产品销地价格波动影响大的比例为（0.3+0.4+0.3+0.2+0.2）/5=0.28；同理得出：农产品投机行为的影响是0.36；短期天气变化的影响是0.26；物流费用和损耗的影响是0.36；经营成本变化的影响是0.28。

结论和对策建议

本文通过模糊综合评价法分析各因素对农产品销地价格波动的影响，得出农产品投机行为和物流费用损耗是影响农产品销地价格波动的最重要因素，其次是产地收购价格和经营成本的变化，最后是短期天气变化因素。根据本文的研究结论，提出如下对策建议，以稳定农产品销地价格：1.加强对农产品流通体系建设的政策支持。农产品流通体系的高效运行，对缓解农产品的产销失衡、降低流通损耗和稳定价格十分重要。要采取政策措施，尽快改变产地市场落后的流通格局，在农村产地新建或改建一批农产品市场。加强产地蔬菜预冷设施、交易场地、交易棚的建设投入，解决当地农民卖菜难的问题。另外，做好产销两地铁路专用线、铁路冷藏运输车辆及场站设施建设，降低流通成本。2.加强对农产品投机行为的监管力度。政府应出台相关政策，维护市场秩序和农产品价格的稳定，加强对投机炒作农产品行为的监管。政策法规一方面对农产品投机炒作者起到震慑作用；另一方面为市场监管者查处违法行为提供执法依据。3.完善农产品市场公益性建设思路和具体支持政策。在充分发挥市场机制作用的同时，加大政策扶持力度。出台中央和地方政府对公益性农产品批发市场建设的财政支持政策，明确公益性市场建设的资金来源和相关比例，制定税收、土地，水电等优惠措施。在政策支持下开展示范市场建设，以点带面推进，逐步形成我国公益性农产品市场体系。

本文作者：李志博王寒笑安玉发工作单位：中国农业大学经济管理学院

产品评论篇3

【关键词】 公共产品; 国有资产; 绩效评价

一、公共产品与国有资产的形成

公共产品是指消费中具有非排斥性和非竞争性的产品,它的效用不可分割。它有三个基本特点,一是效用不可分割性,是指公共产品本身的效用是为整个社会成员所共享,在技术上不可分割成若干部分,分别归个人享有,它具有联合受益和共同消费的特点。二是非排斥性,就是在消费过程中所产生的利益不能为个人独享,要是排斥他人,在技术上做不到成本也很高。三是非竞争性,就是一个人对公共产品的享用,不会排斥他人同时享用,也不会因此减少他人享用的数量和质量。

自然 垄断和外部性为国有资产的产生和存在提供了最合理的解释。市场 经济 条件下,资源配置主要是通过市场来进行的。市场是一种有效的运行机制,但市场的资源配置功能不是万能的,市场机制也具有本身固有的缺陷,即经济学所说的“市场失灵”和“市场缺陷”。尤其是由于自然垄断和外部性的影响,市场在资源配置中的某些方面是缺乏效率的甚至是无效的。正是由于“市场失灵”的影响,在市场经济条件下,在以市场为主要的资源配置方式的同时,也需要财政配置作为弥补市场缺陷的手段,即需要政府的宏观调控。政府的资源配置和宏观调控,主要是通过提供公共产品来进行的,政府要提供公共产品,就需要投入资本,从而形成国有资产。

二、公共产品与国有资产管理的范围

根据公共产品理论,政府应主要承担提供纯公共产品或准公共产品和服务的责任,而将大部分的私人生产和提供交由市场和企业去进行。因此,国有资产管理的范围主要应是对提供公共产品和准公共产品所必需的资产的管理。从政府维护社会公平、有必要对社会财富进行再分配的角度出发,国有资产的管理还应包括一些由国家集中起来用于平均社会收益分配的资产,如养老保险基金、医疗保险基金、失业保险基金等。为了提高国有资产管理的经济效率,政府必须使国有资产通过各种途径逐渐退出竞争性领域,并使之转化为社会公共需要领域中的国有资产增量,最终使国有资产管理体制的重心放在对满足社会公共需要所必需的国有资产管理上。国有资产专门管理机构的绝大部分工作职责不再是对盈利性国有企业的管理,而应转为对非盈利性的国有资产的管理。

三、公共产品与公共领域

(一)纯公共品领域中的国有资产管理绩效评价

对于纯公共品领域提供中所必需的国有资产管理的绩效评价,公共产品理论给出了一个原则性的判别标准,也就是当公共品提供的边际成本等于边际效益时,公共品的提供达到了最理想的状态。在现实中,对于该类国有资产管理的绩效评价应遵循这一原理是毫无疑问的,但在实际操作中如何对成本和收益进行确认,并给出评价,这也是国有资产管理绩效评价的难点所在。

产品评论篇4

让消费者参与贡献内容，从而产生归属感，更愿意掏钱给我;

让新来的同学们看到“还有那么多人在这里买东西”，从而更相信我;

让消费者看到对产品“公正”的评价。

看到其他消费者正面的评价，有助于打消购物疑虑，产生购物行为;

看到其他消费者负面的评价，有助于帮我更深入了解产品，从而选择“更适合我”的产品。这可以减少商品退货，提高满意度。

以上的几点可以归纳为三点：1、提高用户粘性;2、提高订单转换率;3、减少退货现象。而优化商品评论的最终目的也是为了“想办法把高价值评论信息推送到合适的消费者面前”。要明白“高价值评论”请看以下例子：

A、正面的评论价值>负面的评论价值(归根结底我还是希望用户多买点东西……先用正面的评论引发购物欲望，之后他自己会去翻评论，看到负面评论再引发理性的思考。——但某些负面评论反而起正面效果)。

B、认真写的评论(比如写了很多字，详细描述情况的)的价值>随便写的、粗略的评论。

C、和用户兴趣相关的评论价值>和用户兴趣不相关的评论价值。

D、如果用户有疑问，那么回答疑问的评论就是相关的高价值评论。

E、如果用户想和人讨论某话题(某MP3怎样刷机才能提高音质)，所有围绕此话题的评论都是相关高价值评论。

产品评论篇5

关键词：在线评论；信息特征；品牌信任；体验型产品

中图分类号：F2707文献标识码：A

在线口碑是传统的线下口碑借助互联网的发展而演化成的一种特殊的口碑类型，而在线评论（Online Reviews） 则是在线口碑的一种重要的表现形式，它作为一种新型的口碑传播形式已经成为消费者购买决策和企业营销重要的信息来源。依据消费者在购买决策前是否需要获得产品属性的客观评价的程度，可将产品类型分为搜索型产品和体验型产品。本文主要从体验型产品的角度，运用消费者认知过程理论和信息传播理论对在线评论与品牌信任的关系进行研究。

一、理论基础及研究假设

（一）在线评论信息特征分析

根据信息传播理论，在线评论为消费者提供了用户视角的产品信息，有用的产品信息可以提高消费者感知。在线评论有用性是指在线评论在消费者决策过程中的感知价值，是消费者对其他互联网用户提交的评论对自己购买决策是否有帮助的一种主观感知。通过对文献资料的梳理与研究发现，在线评论有用性的影响因素主要包括在线评论的信息特征、在线评论信息的发送者特征和接受者特征。其中，在线评论信息特征的维度上讨论最多的主要包括评论星级、评论内容、评论数量、评论差异。

1.评论星级

评论星级是指在线评论中消费者以星级的形式给产品或服务评分。多数在线评论平台的评论等级都定为从高到低、从正面到负面的五个星级，其中五星为最高等级，为极端正面评价，而一星为最低等级，为极端负面评价，中间的三星则为中立评价。凭借用户的评价星级，消费者可以清晰地判断评论人对该产品的情感倾向。Sen和Lerman指出在线评论的情感倾向对在线评论质量有显著影响，评价星级越高，评论的情感倾向越倾向于极端正面，评论质量越高[1]。也有学者得出不同的结论，认为评价星级越低而信息越可靠，因为消费者自身对产品有负面情感倾向，面对大量正面评论信息，极端评价的可信性受到质疑。对于体验型产品，Forman（2008）认为星级高的比星级低的在线评论更有价值，体验型产品消费者对商品抱有正面情感倾向，认为用户负面评论的动机应归因于个人而非产品[2]。

2.评论内容

在查看评论星级之后，消费者还会通过阅读评论内容来进一步了解产品或服务的信息。具有可读性的评论内容能够提高消费者的感知有用性，评论质量较高。评论的写作风格，即评论者在撰写评论时使用的词语、是否有拼写和语法错误、语句的长度等会影响评论的可读性，进而影响在线评论的有用性[3]。通常认为评论的长度和字数与评论的质量的相关性较大，评论较长，所包含的信息内容较多，但是太长又会增加消费者的认知成本；评论较短，则不能全面地表达评论者的观点。石旭（2011）通过对一种体验型产品（酒店）进行实证研究，结果证明易于理解的简明的在线评论信息更容易被消费者获取，能够让消费者快速理解评论的核心内容和情感倾向。所以，评论内容的可读性、易理解性成为消费者判断评论质量的主要特征。

3.评论数量

当消费者借助其他用户的在线评论做出购买决策时需要一定的信息总量，信息总量不仅与评论内容有关，还与在线评论的数量有关。在线评论中评论数量是最重要的特征[4]，评论数量的多少直接影响着消费者的信息获取总量。在线评论平台中的用户评论越多说明该产品的购买者或者关注者越多，消费者在购买决策过程中容易受到从众心理的影响，从而影响着消费者的购买意向。通过对亚马逊书店的实证研究，Chen和Wu（2004）等发现在线评论的数量与图书销量呈显著的正向影响关系[5]。从信息结构的角度出发，Lee和Park用实证方法对口碑数量与信息有用性之间的关系进行了验证，认为信息总量随着网络口碑数量的增加而增加，口碑数量的多少影响着消费者对信息有用性的感知[6]。

4.评论差异

评论差异主要指消费者所的评论信息存在的差异或不一致性，评论差异反映了消费者对产品或服务的观点分歧，持有不同观点的消费者会给该产品或服务打出不同的评价分数。所以，对于评论差异的度量指标通常会用评论分数的方差或标准差。产品或服务的评论信息差异越大，说明产品或服务覆盖的消费者细分市场越多，评论信息在不同细分市场之间的越分散，公众获取该类评价信息的概率就越大。所以，评论差异作为在线评论的一个特征受到学者们的较多关注。Martin等通过实验的方法验证被试者在电影选择上更倾向于影评分数差异较大的，该研究认为评论差异会引发消费者的好奇心，在好奇心的驱动下消费者会产生更多的消费需求。Clemons等学者也利用共鸣理论证明该观点，认为口碑评论的差异程度对产品的销量有着重要的影响。

众多学者的研究发现评论星级、评论内容、评论数量和评论差异是评价在线评论信息质量和有用性的主要特征，我们将分别从这四个在线评论信息特征对体验型产品品牌信任的影响作用和影响路径进行实证研究。

（二）基于消费者认知的品牌信任分析

品牌信任（Brand Trust）的概念由Howard和Sheth（1969）提出后[7]，许多研究者从不同的角度定义了品牌信任的涵义，其中金玉芳（2005）采用头脑风暴法和深度访谈法，定性地研究了消费者对品牌信任的理解，认为品牌信任是消费者在众多的品牌中对某一品牌所持有信心的态度。迈克尔・R・所罗门和卢泰宏在《消费者行为学》中指出态度由认知、情感和行为三种成分构成，这三种构成成分可以表达为ABC态度模型，分别为基于认知信息加工的态度、基于行为学习过程的态度和基于享乐主义消费的态度。其中，基于认知信息加工的态度模型（图1）表明消费者对产品的购买决策过程就如同问题的解答过程一样，消费者要通过积极收集有关产品和品牌的信息来形成产品和品牌的认知，通过评价这些认知继而形成一种情感[8]。该模型假设消费者对购买决策是高度参与的，消费者会被激励收集大量的信息，仔细权衡利弊才最后做出决策。体验型产品的消费者为了降低网络购物的不确定性和风险性，对网络信息更加依赖，使用更为频繁。因此，体验型产品消费决策的特征符合基于认知信息加工的态度模型的假设。本文将依据认知信息加工模型探讨对于体验型产品，在线评论提供给消费者的信息是如何影响消费者对产品和品牌的认知，继而影响消费者对品牌的态度，形成品牌信任的（模型中的虚线部分）。

假设1和假设5未通过检验，且存在负向影响关系，说明高评价星级对于消费者的产品认同和品牌认同产生反向影响，这可能是因为评价星级是消费者在消费体验产品后给出的综合评分，产品评价星级高，很有可能是消费者没有深入了解产品信息而习惯性地给出高分评价，而评价星级低的一般是消费者结合自身消费体验和感受给出的真实评价，信息来源于消费者真实情感倾向的可能性相对较高，信息更可靠。另外，假设1和假设5未通过检验还有另外一种解释。网络水军一般是指受网络公关公司的雇佣，以发帖、回帖为主要手段，在网络论坛中大量灌水，为雇主进行网络造势的人员。“网络水军”这一新兴现象在2009年被央视报道以后，不少网虫们纷纷加入网络水军一族，为企业提供品牌炒作、产品营销、口碑维护、危机公关等服务。对于产品或服务的在线评论，受雇于企业的网络水军们一般给出较高的综合评论得分，造成消费者对评论星级较高的评论持怀疑态度。因此，消费者更愿意参考评价星级较低的评论信息。

三、研究结论与管理启示

本文以典型体验型产品化妆品为例，实证分析了在线评论信息特征对体验型产品品牌信任的影响，回答了在线评论信息对消费者品牌信任是否存在影响及影响路径的问题。研究结果表明：在线评论信息特征中，评论内容、评论数量和评论差异性能够通过提高消费者对体验型产品的认同感，进而影响消费者对体验型产品的品牌信任，进而影响消费者对体验型产品的品牌信任；消费者的产品认同感既可以直接影响消费者的品牌信任，也可以通过提高消费者的品牌认同感间接影响消费者的品牌信任。体验型产品的消费者需要参考更多其他消费者的经验与评价，才能更为准确地判断其真实质量。在线评论给消费者的品牌认同与信任提供了更多有价值的信息，对在线评论的管理是体验型产品购物网站的重点管理内容。

本文结论对体验型产品购物网站的在线评论管理具有一定的启示：

（一）引导评论内容

评论内容通过影响消费者的产品认同和品牌认同进而影响消费者的品牌信任，购物网站在线评论的管理者们可以通过对消费者的在线评论内容进行合理引导，从而使得消费者的品牌信任有效提高。管理者们应该深入了解消费者最为关心商品属性，有针对性地引导消费者从这些属性方面展开评论，如将单独的一个评价文本框分割成若干个文本框，分别标注产品质量、产品外观、物流速度等不同的消费者关注的商品属性，引导消费者在无形中给予更为全面的评论信息。 管理者们也可以采取有效措施激励消费者给出更多有价值的评价信息，如鼓励消费者可以通过上传图片、微视频的方式给出有事实依据的客观性的评论内容，对于这样的评论或者评价内容超过一定字数的给予积分奖励、返现等，鼓励消费者更为真实全面的信息，提高评论内容的可读性和易理解性，从而提高品牌信任。

（二）增加评论数量

消费者的在线评论越多说明该产品的购买者或者关注者越多，在产品质量相差不大时，评论数量比星级评分对品牌信任的影响更加重要。在线评论管理者们应该关注在线评论数量的增加和在线评论传播广度的加强，通过各种措施鼓励消费者在购物后在线评论，使更多的潜在消费者了解、认同和信任产品及其品牌，促进产品销售。

（三）管理负面评论

有差异或不一致的评论信息受到更多消费者的关注，评论差异越大说明产品覆盖了更多的消费者细分市场，越有利于消费者对产品和品牌的全面理解和认同。一般来讲，正面积极的评论信息可以直接有助于消费者建立品牌信任，而对于负面消极的评论信息，在线评论的管理者们应该有效管理，消除其负面影响。如商家应该有危机意识，应与消费者之间建立良好的沟通渠道和互动关系，及时回复评论，坦诚地承认自己的不足，并承诺改进，避免负面信息的影响扩散。另外，商家应在与消费者的沟通中表现出对消费者的关心，鼓励消费者提出更多产品或服务的改进意见，甚至可以邀请一些消费者参与新产品的试用，从情感上建立消费者的品牌信任。

（四）清除虚假评论

购物网站应该在大多数用户看到虚假评论之前对其进行过滤，清除假扮成普通消费者的网络水军，在购物网站上明文规定禁止网络水军的评论，对于有虚假评论的商户给予一定的处罚；同时，鼓励消费者尽可能地使用实名进行评论等，保持购物网站在线评论的清洁，以提高在线评论信息的可靠性。

参考文献：

[1]S. Sen， D. Lerman. 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.

[2]C Forman， A Ghose， B Wiesenfeld. 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]廖成林，蔡春江，李忆. 电子商务中在线评论有用性影响因素实证研究[J].软科学， 2013（5）：46-50.

产品评论篇6

关键词：实物期权；产品研发；不确定性；评估方法 

1 问题的提出

在激烈竞争的市场经济环境下，新产品的研发是企业生存和发展的基础，现代社会企业之间的竞争归根到底是产品的竞争，企业经济效益主要来自于企业有竞争优势的产品。为此，企业要巩固和提升竞争优势、实现经济效益的持续增长，就必须不断研究和开发顾客满意和认可的新产品和新服务，而新产品和服务的研发投资经常面临很多不确定性的因素，其主要表现为：技术、市场、研发周期等因素不确定性。这些不确定性加大企业新产品研发投资的风险，从而为企业开展新产品研发投资决策提出更高的要求。大量的文献研究指出，以npv为代表的传统dcf投资决策分析方法存在着很多不足，尤其是在风险和不确定性条件下产品研发投资决策，传统的资本预算方法容易导致错误的决策。为此，在企业新产品研究与开发的投资决策中引入新方法——实物期权理论具有重要的现实指导意义。本文是在实物期权理论的研究分析的基础上，通过对企业新产品研究和开发投资决策分析的特征，提出基于实物期权理论企业产品研发的投资决策评估分析方法。



2 企业产品研发项目期权特性

期权是一种权力，即其持有人在规定的时间内有权力而无义务按事先约定的价格购买或出售某项资产或物品。实物期权理论是在金融期权理论基础上对非金融资产应用的扩展，即把非金融资产当作标的资产的一种期权，此时期权的交割不是对标的资产的买卖，而是对标的资产项目投资的延迟、扩张、收缩、暂停等决策行为对项目影响的评估分析，是一种柔性的投资管理思想，其目的是解决企业在不确定性环境的投资决策问题，降低投资风险。

企业产品研究与开发是企业实施标新立异与领先战略获得核心竞争力的根本途径，由于产品研发活动存在大量的不确定性因素的影响，产品研发的不确定性给它带来投资机会的价值，研究认为不确定性越高，其投资机会价值越大。为分析其投资机会价值，不妨将r&d项目分为研发、中试和商品化三个阶段（见图1），商品化阶段投资是在中试阶段成功结束之后开始的，若中试阶段不成功，将不进行商品化投资；而中试投资又是在r＆d研发成功之后开始的，如果产品研发不成功，则不进行中试阶段投资，此时研发项目的损失仅为在t0时的初始投

资i0。对投资周期长、技术难度大等不确定性投资项目决策，采用分阶段的投资可以降低决策的风险损失。从图中可看到，在产品研发过程中，决策者需要在三个关键决策点上做出选择：一是在项目立项时，即图中的t0 时刻决定是否进行产品研发投资，以获取该产品进一步开发投资的权利（即在研发阶段形成看涨期权）；二是在研发活动取得成功时，即图中的t1时刻决定是否进行中试阶段的活动，以获取进一步进行商品化开发的投资机会（在中试阶段形成的看涨期权）；三是在中试活动取得成功时，即图中的t2时刻决定是否进行新产品市场化开发活动，以实现产品上市和获取产品销售收益。通过上述分析，r&d投资决策柔性具有明显的实物期权特征，可将产品研发过程可看作是一系列复合买入（看涨）期权的组合，利用金融期权定价模型加以分析，获得柔性投资的机会价值。

一般来说，投资决策存在实物期权特征应具备不可逆性、不确定性和灵活性的特点。不可逆性是指某种行为一旦发生，就不可能回到初始状态，在企业经营管理中，项目投资决策具有类似的性质，即投资一旦发生，该项目就产生了沉没成本，项目投资所形成的沉没成本就具有不可逆性。从投资者的角度分析，投资项目的不可逆性是一种不利决策因素，存在投资损失的风险。在内外部环境不确定性情况下，决策者为避免投资决策不可逆行为的不利因素，提高投资决策风险收益，其决策灵活性的价值就体现得很充分，即投资柔性就相当于基于实物资产的看涨期权，为分析投资决策柔性价值，可以运用金融期权定价模型中的black——scholes期权定价模型对风险投资项目进行综合评价。

3 在企业新产品研发项目投资决策中的应用

3.1 实物期权理论及期权定价模型

1977，年stewart c.myers首先提出实物期权的概念，他认为现实中企业发展（收缩）机会和潜力都属于实物期权。从研究文献来看，企业投资决策中的实物期权主要有扩张期权（expansion option）、放弃期权(abandonment option)和等待期权（waiting option）。实物期权理论是建立在金融期权理论的基础上，是金融创新工具“期权”在公司战略投资决策、价值评估、风险投资等领域的延伸运用。实物期权价值一般采用金融期权定价模型进行计算评价分析，在金融期权应用领域中，经典black-scholes期权定价模型运用最为广泛，但该模型只适用单阶段、单个期权的问题，对具有多阶段、多期权复合期权的分析就不能直接进行评价，而采用在此基础延伸形成的复合期权定价模型，即geske定价模型。

geske定价模型是1979年由geske在black-scholes定价模型的基础上推导出来的适用于多阶段、多期权的复合期权定价公式。其中m(k，h；p)是第一个变量小于k，第二个变量小于h，而变量之间相关系数为p的标准二维正态分布的累计概率函数；f是对市场化阶段进行投资后产生的现金流量在t时刻的现值；fc是第一个看涨期权被执行时项目的临界值，即第二个期权价值等于第一个期权执行价格时项目的价值，可利用black-scholes模型计算；σ描述投资项目不确定性的波动率；r是投资的无风险利率。

3.2 基于实物期权理论的项目投资评估分析方法

大量实物期权理论及相关文献研究认为：以npv为代表的传统dcf投资分析方法在对投资不确定性的项目进行评估分析已不适应，实物期权理论完全可以替代，这是一种误解，而实际上实物期权方法是对传统的npv方法的补充和修正。在企业项目投资决策中一般采用修正的净现值进行评估决策，即：修正的净现值=传统净现值+期权价值。通过分析得出基于实物期权方法的投资决策评估准则如表1所示（看涨期权）。在表中选择继续等待与按照期权价格出售转让投资机会的效果是等价的，而选择执行或放弃的准则是：以合理的成本花费就可以拥有继续等待的机会，就应首先选择前者。当npv为正时，期权价值愈小愈表明应当立即进行投资，而期权价值愈大则说明应当等待和推迟投资。当期权价值大于npv时，除非必须通过投资才能维持期权存在的条件下，才可马上投资，且投资额必须满足小于期权价值扣除其他价值损失的剩余，如负npv，就应延期进行投资。

3.3 利用geske定价模型的实例分析

某生物制药企业开发新药，投资者在t0=0时决定是否进行初始研发投资，在t1=3年决定是否进行临床试验阶段投资，在t=10年决定是否进行商业化投资。初始投资i0=2500万元，在t1=3年时投资i1=9000万元；在t=10年时投资i=50000万元。预计商业化投资产生的现金流量在t=10年时的现值为80000万元。根据历史数据可以估计到该项目波动率σ=25％，无风险利率r=4％。

（1）用npv法进行项目评价(假定风险调整贴现率为15％)：

npv=-2500-9000/(1+0.15)3+(80000-50000)/(1+0.1 5)10=-1000万元

由npv＜0可知该项目是不可行的，应当放弃。 

（2）利用geske模型进行项目评价： 

先由black-scholes模型求得fc=6.14(亿元)，再将其他数据代入geske模型表达式中可得c=1.96(亿元) 

由于初期投资为0.25亿元，即相当于用0.25亿元购买了该期权，要从期权价值中扣除，因此最后的复合期权价值为：1.96-0.25=1.71(亿元)，该项目可以被采纳。上述两种方法得到了完全不同的结果，如果按传统的净现值法，企业将会失去这次投资机会。 

产品评论篇7

面对产品评论日益成为消费者购买决策的重要影响因素，许多供应商与客户早已注意到评论对产品销量的影响，因此他们会聘请网络来进行评论的竞争产品操纵，将产品评论操纵视作一种营销手段。MichaelLeeThomas(2011)已经研究得到结论评论是成功营销的一个方面。本文主要立足于相对于竞争对手的供应商与客户立场来进行评论操纵的研究，去研究竞争对手是如何去操纵竞争产品评论。本文将从用户浏览评论时所关注的产品价格，质量，功能和服务4个角度出发，去研究竞争对手的评论操纵类别。产品评论的价格操纵价格对消费者起到一个重要的影响就是消费者的价格知觉作用。价格知觉是消费者在理解商品或服务的价格时，综合与价格有关的各种因素而形成的一种与外部环境相对结合的，具有一定意义的心理过程以及认知。[5]供应商与客户对产品评论内容中的价格评论进行操纵具有十分重要的意义:满足消费者对评论中价格知觉的需要与引导消费者产生正确的产品期望。产品评论的质量操纵产品质量是影响消费者购买行为的一个重要因素。产品本身的内在质量或客观质量构成了评论的一部分，在消费者购买产品之前，往往会关注产品的质量，进行购买决策。本文中所要研究的消费者的质量认识主要从评论中的用户对产品内在特征的评价。因此供应商与客户对产品评论内容中的质量评论进行操纵具有十分重要的意义：让消费者信服产品的质量，引导消费者产生合理的产品质量价值观念。产品评论的功能操纵产品功能一般指物品的“功用”“、作用”“、效用”等。更加通俗的说法是“这件东西有什么样的用途”。供应商与客户对产品评论中的功能评论进行操纵具有十分重要的意义：突出产品的优势功能，吸引消费者的信赖与引导消费者对产品功能有正确的理解。产品评论的服务操纵产品服务，是指以实物产品为基础的情况下，为支持实物产品的咨询，销售和售后而向消费者提供的附加服务。供应商与客户对产品评论中的服务评论进行操纵具有十分重要的意义：表明购买产品所提供的服务，从附加产品找到优于竞争对手的优势与从侧面反映顾客的忠诚度，吸引更多的人成为供应商与客户的老客户。

2竞争对手产品评论规则分析

NanHu(2010)曾对评论操纵的存在做出研究，已经证明产品质量与产品类型的差异性导致供应商与客户对评论操纵的不同。同时他假设商品的评论是真实的，那么不同网站上的打分是接近的，并且稳定的。然后他对亚马逊网站上和当当网上抽取了2011年7月刚上架销售的数码相机和图书的共20件商品总共400条评论的内容，以及用户对这些商品的打分(1-5分)情况，从而得出结论用户对商品的打分是随着月份t的增加，总体上呈现出下降趋势。因此本章在对数码产品分析时从当当网，亚马逊网，京东网，网上苏宁等网站进行研究，探讨是否不同的网站对不同的产品评分不一样。我们会发现随着时间的推移商品的打分渐渐变低，这和NanHu(2011)对商品打分进行分析时得到相同的打分趋势，即进一步肯定了NanHu的结论：用户对商品的打分是随着月份t的增加，总体上消费者对商品的打分是呈现出下降趋势的。咨询公司eVOCInsights调查发现，超过85%的消费者在网上购买过大件商品如家电产品，服装产品等，63%的人更倾向到那些提供商品评级和评论功能的网站进行产品研究和购买。在这项实验中，eVOCInsights测验了用户在4个购物网站上购买数码相机的购买心理和购买过程，来研究是什么样的原因促使消费者决定在这个网站而不是别的网站购买。这4大网上商场分别是：,,和。调查结果显示用户更喜欢到Amazon和CircuitCity购买电子商品。报告注意到，Amazon是消费者最熟悉并被认为是网上商店的领军者，而CircuitCity被认为是使用起来最方便的网站。除此之外，消费者之所以在以上2个网站上买电子商品是因为2个网站同时提供商品评论和商品评级，而BestBuy和Wal-Mart均不提供这两项功能。因此可见消费者对不同专业性网站存在着不同的信任度，因此对不同专业性的网站中的评论信任度而不同。

3基于模糊神经网络的协同决策规则识别

本文利用火车头数据采集器从选取了京东网和当当网上的佳能A4000IS数码相机的评论数据。该产品2012年2月上市，我们选取了从2012年2月到12月的用户评论，其中京东网上的评论有1922条，网上的评论为53条。本文利用Matlab实现模糊神经网模型来进行供应商与客户应对竞争对手产品评论操纵策略的识别，我们首先要建立模糊神经网络。模糊神经网络分为五层。第一层是数据输入层，这一层存放着从文件中的数据直接输入的数据；第二层为模糊隶属函数层，将输入的数据经过隶属函数，将输入的变量的模糊化；第三层为模糊规则层，实现的是模糊规则的“与”操作；第四层是模糊输出层，通过模糊OR操作，实现“或”规则的综合；第五层为去模糊层，将第四层节点的输出转变为精确值。具体的建模如下：输入层：竞争对产品评论操纵模糊规则，设计如下：，为输入的2个维度，分别代表的是时间，网站的专业性和营销策略，其中＝(，)为i的一个特征值。输入的三个维度并非可以很明确的进行分类，我们利用的隶属函数为集合函数。其中，时间维度，刚上市的时间范围我们假设在1到12个月之间(1，12)，(13，24)为下一个阶段的时间范畴。网站的专业性可以从它的主营产品来看待，我们为每个类别的产品设置数字编号，书籍为1，音像产品为2，笔记本电脑产品为3，数码相机产品为4，接着我们可以将当当设置为(1，2)表示当当主营书籍，音像产品；京东设置为(3，4)表明京东网主营电脑和数码相机产品。结合我们在4中评论内容中产品特征的评论操纵，我们得到供应商与客户应对竞争手的协同策略隶属函数。模糊规则主要有2种类型IF-THEN型和TSK型。本文采用TSK型。模糊规则库构成神经元输入向量。隐藏层：由25个神经元节点组成，通过tansig函数与logsig函数存贮输入、输出之间关系。通过神经网络训练进行自动学习并推理竞争产品评论规则与协同决策方案间动态关系。输出层：采用反模糊对照表，输出供应商与客户应对竞争对手产品评论的协同决策方案：(1)产品后期更加注重对产品服务和价格的操纵，竞争对手在与自身产品专业性程度高的网站上的操纵力度大于专业程度低的网站的规则；(2)产品后期更加注重对产品服务和价格的操纵，在网站专业性与自身产品相关度高的网站上加大操纵力度；(3)在早期注重产品质量和功能的操纵；(4)在后期注重产品服务和价格的操纵。

4结果分析

本实验利用当当网和京东网上的产品评论探讨供应商与客户应对竞争对手评论操纵时的协同决策，在产品上市时间和网站的专业性2个维度中得到竞争对手对评论操纵力度上的变化，结合识别竞争对手对产品评论内容中产品特征操纵的倾向来研究供应商与客户对产品的不同上市时期，不同的专业性网站，采取对评论内容中产品特征不同的操纵方法。用模糊神经网络的方法得到的结果图1、2所示：从图1得到了模糊神经网络的性能误差曲线图，得到的误差已经小于10-5，达到了一定的准确率。图2中显示了我们得到的预测结果与实际结果图，从图中看预测结果和实际结果非常吻合，因此我们的模型进行一定程度上的预测。我们已经得到结论竞争对手对产品的评论进行操纵时，在产品上市的早期，竞争对手对产品的操纵的力度是最大的；对于网站的专业性，越专业的网站因为其公信力的存在越容易受到竞争对手的评论操纵。我们又结合了竞争对手对评论内容操纵的规律，发现在产品的上市初期质量和功能更多受到竞争对手的操纵，而在后期，评论中价格和服务成为竞争对手的操纵对象。总体上而言，供应商与客户应对竞争对手评论操纵时，在产品刚上市时应加强对专业性网站上，产品评论中质量和功能的操纵；当产品渐渐不再是新品，随着时间的推移，供应商与客户因降低操纵力度，同时转向对产品评论中的价格和服务进行操纵。

5结语

产品评论篇8

关键词 KNN算法；Bayes算法；组合分类器；互信息；交叉验证

中图分类号 O213；TP18 文献标识码 A

1 引 言

电子商务的异军突起促使网购走进人们的日常生活，网购的同时，多数网民会在不受约束的情况下对相关产品发表评论，而这种随意性往往使得这些产品评论中充斥了大量无用的、不真实的信息，这些信息就是垃圾评论.垃圾评论在一定程度上影响了评论信息的参考价值，从而误导潜在消费者并干扰销售商对销售业绩的评价.产品垃圾评论的识别旨在解决这一问题，将垃圾评论从评论文本中剔除，保留真实的产品评论，为用户提供可靠的参考依据.

结合近几年垃圾评论识别的文献可知，垃圾评论识别的关键问题是文本特征的提取与分类算法的选择.N Nitin Jamal和Bing Liu等[1]首次对垃圾评论进行了分类，很好地识别了英文领域中存在的无用评论，但由于中英文之间存在差异，往往英文领域的垃圾识别方法不能直接有效地应用到中文领域当中.游贵荣等[2]提出了中文垃圾评论的特征提取方法，邱云飞等[3]、吴敏等[4]、李霄等[5]分别从用户行为、产品特征的显著性检验以及信息的有用性角度对垃圾评论的识别进行了研究，但在分类器的选取上，上述学者均采用单一算法的分类模型，如单一的Logistic回归算法等.大量的理论与实验结果表明，多分类器系统不但可以提高分类的正确率，而且可以提高识别系统的泛化能力和鲁棒性.与此同时所有分类器都参与集成的效果并非最好，从众多分类器中选择部分互补性强的分类器进行集成可以提高集成的效率并改善其效果[6].因此本文在建立文本特征表示模型的基础上，提出了用高互补性组合分类器对评论进行识别和过滤.

2 文本特征的提取

2.1 产品评论的特点与垃圾评论的分类

为了更准确地识别垃圾评论，首先探讨产品评论的特征.

通过对中文产品评论中的评论文本进行分析，总结出中文产品评论领域的特点主要体现在以下几个方面：

1）评论文本格式自由多样；

2）评价对象的多样化；

3）评论内容具有近似重复性；

可分为①由不同评论者针对同一产品发表的近似重复评论；②由同一评论者针对不同产品发表的近似重复评论；③由不同评论者针对不同产品发表的近似重复评论；

4）不真实评论；

5）广告；

6）不带有感彩的随机文本.

基于以上分析，将垃圾评论定义为以下5种类型：-

1）非指定产品的评论：该类评论的特点为它虽然是评论，但只对品牌和制造商，甚至是站点评论，而没有针对当前产品本身进行评论，或者确实是对产品进行了评论，但是评错了产品.如在苹果手机的评论中，“买SONYZ3也不错啊，很漂亮，旗舰机...”等

2）虚假评论：如“我这有全新的iPhone6 Plus，只要99元”等.

3）广告评论：如“苹果超爱大屏幕3 500元拿现货QQ热购122929079”

4）无意义文本：

①个人的消费经历，如“再烂都永远有人疯抢，飘扬过海甚至成为一部手机，实在不懂.”②人身攻击，如“用苹果的都是脑残”等，③其他无关文本，如“信号不好等”“转给我呗？”

5）咨询性评论：只是询问关于产品的情况，而不是评论.如“多少钱呢？”.

2.2 特征提取与量化

为了建立产品垃圾评论识别模型，根据2.1节的分析结果，分4个模块对产品评论文本进行特征提取与量化.

模块一 数据的搜集

本文采用WebHarvest网络爬虫对京东商城和天猫商城内多个商家的iPhone 6 Plus的产品评论进行爬取，得到由两万条产品评论组成的数据集A0，同时对苹果官网上关于iPhone 6 Plus的产品参数进行爬取，得到产品属性数据集B0.

模块二 对爬取的数据集进行预处理

1）构造用户词典.用户词典包括停用词词典、极性词词典，其中极性词词典主要是由HowNet极性词加上一些评论作者常用的、和表达情感有关的网络流行词，及一些口语化的词语与缩写组成，用以表达用户褒贬倾向和感彩.停用词词典由网络上现有的停用词词表加上针对垃圾评论特性的停用词组成[7-9].

2）文本分词.中文单词是评论信息处理的基础，分词工具采用中科院提供的分词工具ICTCLAS 2015分词系统[10]，其主要功能包括中文分词、词性标注，同时允许用户向系统中导入自定义词典以提高特定领域的分词效果，因此，将上述用户词典与产品属性数据集B0作为自定义词典导入ICTCLAS分词系统后，对数据集进行逐条分词、词性标注以及情感词标注，得到预处理后的数据集A.

模块三 特征的互信息检验

为了选取最能表达文本信息内容的特征，本文从被评论的商品、评论者、文本结构、情感倾向、主题词五个属性提取特征，在提取特征之前，先利用互信息说明这5个属性对识别垃圾评论具有显著相关性.-

互信息是2个事件集合之间的相关性，通常用来衡量某个属性和类别之间的统计独立关系，互信息量越大，代表特征项与类别之间的贡献概率也越大.现对所选特征进行互信息检验，旨在说明所选属性能在一定程度上反应该条评论的信息，即所选属性项是互信息量较大的词条，互信息（MI）定义如下

2）高互补性分类器

高互补性分类器组合的构建流程大致为：首先构造一定数量的候选分类器如Bayes分类器、KNN分类器、SVM分类器和logistics回归分类器等，计算分类器之间的相关程度，然后根据相关系数对候选分类器进行排序，并依据可信度，选择出对目标有较高识别率的分类器组合.

首先，验证单一算法分类器的局限性.利用数学软件MATLAB，对其进行基于多层BP网络的识别模式的标记，对上述四种分类器用SPSS比较其准确率，召回率以及Fmeasure值.得表2.由表2，垃圾评论识别的准确率相对偏低，不少数量的正常评论被识别为垃圾评论；其召回率也不高，直观来看是有些垃圾评论被判别为正常评论.可见单一分类算法的过滤效果并不理想，本质原因是分词的不准确性使得评论文本特征有限的缺点充分暴露，以致于对结果的准确性产生很大影响，而且Bayes分类器要求各个特征项之间相互独立，这显然于现实不符.同时也从侧面说明单一算法的分类器对数据量要求很大，需要对较为完备的训练集特征进行学习[6].

为了更准确地进行垃圾评论识别，本文对各分类器进行组合，得到高互补性分类器.根据高互补性分类器组合理论，利用相关系数对上述4种分类器的互补性进行分析，即相关系数大的分类器组合互补性弱，相关系数小的分类器组合互补性强.

利用SPSS软件对其进行相关分析，见表3.

由表3，相关系数的大小排序为：

SVM+Bayes>SVM+KNN>Bayes+LR> LR+KNN>LR + SVM>Bayes+KNN.

其对偶命题互补性排序为：

SVM+Bayes

LR+KNN

可见Bayes分类器和KNN分类器的相关性最低且显著性均大于0.01，即可认为他们之间的互补性最强，存在统计学意义.而SVM分类器和Bayes分类器的相似度较高，且显著性大于0.01，认为存在统计学意义.为了进一步验证这4种分类器的互补性，对这6个组合进行聚类检验.

用SPSS软件对其进行聚类分析，结果见表4

由上可知，互补性最强的组合分类器为Bayes+KNN分类器.

3.4 模型的交叉验证

本文利用WebHarvest爬虫从天猫和京东商城爬取了20 000条评论作为原始数据集A0，将构建好的用户词典与产品属性数据集B0导入ICTCLAS 2015分词系统后，得到预处理数据集A，对A中的每个数据类型进行人工标记，再随机地将其等分成4份得到A1、A2、A3、A4.

先以数据集A1为检验集，A2，A3，A4为训练集，计算模型的性能指标.首先将数据集A2，A3，A4的特征向量导入Bayes+KNN组合分类器对其进行训练，然后将检验集A1的特征向量导入到已训练好的分类器中，得出检验集中相应评论是非垃圾评论还是垃圾评论，最后根据分类器对每条评论判定的结果以及人工标记，计算该训练集和检验集组合下，分类器的性能指标.用同样的方法得到依次以A2、A3、A4为检验集的分类器的性能指标，相关结果见表5.-将上述3个评价值平均得，基于KNN算法和Bayes算法的垃圾评论识别模型的最终准确率达到75.3%，召回率为82.1%，F1值为77.5%，结果较为理想，有应用价值.

4 结束语

垃圾评论识别的关键问题是文本特征的提取与分类算法的选择.本文根据中文评论的特点提取了14个特征，并利用组合分类器算法对垃圾评论进行了识别，得到了较理想的结果.通过搭建基于Hadoop的大数据平台集群，本模型可推广到一个基于通过海量数据集进行训练的垃圾评论问题，从而实现此模型适用于更一般产品的垃圾评论的检测目标.-

参考文献

[1] N JINDAL， B LIU.Opinion spam and analysis[C]//Proceedings of the first ACM international conference on Web search and data mining，2008：219-229.

[2] 游贵荣，吴为，钱V涛.电子商务中垃圾评论检测的特征提取方法[J].情报分析与研究.2014，251（10）：93-100.

[3] 邱云飞，王建坤，邵良彬等.基于用户行为的产品垃圾评论者监测研究[J].计算机工程.2012，38（11）：254-257，261.

[4] 吴敏，何珑.融合多特征的产品评论识别[J].微型机与应用.2012，31（22）：85-87.

[5] 李霄，丁晟春.垃圾商品评论信息的识别研究[J].现代图书情报技术.2013，29（1）：63-68.

[6] H J KANG，D DOERMANN.Selection of classifiers for the construction of multiple classifier systems[C]//Proceedings of the 8th- international conference on Document Analysis and Recognition. Seoul， Korea， 2005，1194-1198.

[7] 知网[DB/OL].HowNet Knowledge Database[DB/OL].[2013-11-05]. http：/// .

[8] 赵文婧.产品描述词及情感词抽取模式的研究[D].北京：北京邮电大学计算机学院，2010.

[9] 顾益军，樊孝忠，王建华.中文停用词表的自动选择[J].北京理工大学学报.2005，25（4）：337-340.

[10]ICTCLAS 汉语分词系统 （ICTCLAS Chinese Lexical Analysis System [CP/OL].[2015-10-05].http：///.

产品评论篇9

愿意给品牌做评价的顾客，往往是对品牌爱恨分明的人，要么十分热爱，要么非常讨厌。

网络上对你的品牌、产品、服务进行评论的只是你潜在顾客中的很少一部分人，他们很可能并不能反映出顾客的整体意见。过去，市场研究人员可以慎重选择具有代表性的顾客来研究消费者对品牌的评价，如今，由于网民提交品牌评价信息轻而易举，品牌网络口碑就不是市场研究人员所能控制的。

那么，什么可以影响品牌网络口碑呢?首先，网络上已有的网络评价、品牌星级会对其他人的评价产生影响。这一“选择效应”在美国总统竞选结果中得到证实，知道别人选谁对未投票的选民而言有强有力的影响。心理学的一些研究表明，一些人尤其是那些自认为是专家的人倾向于表达消极意见，以让自己显得与众不同，另外一些研究则显示，顾客喜欢随大流，倾向于与大多数人的意见保持一致。对品牌熟悉的顾客喜欢给较低的星级评价，不熟悉品牌的顾客则倾向于给较高星级的评价。愿意给品牌做评价的顾客，往往是对品牌爱恨分明的人，要么十分热爱，要么非常讨厌。一些相关的研究表明，随着时间的推移，品牌网络口碑可能更倾向于负面，因为那些活跃度低、评价高的顾客往往倾向于保持沉默，而那些活跃度高、给品牌负面评价的顾客慢慢会主导网络舆论。

因为网络意见会影响产品销售，一些企业自己出手或雇佣公司出马在网络上人为地制造与自己品牌相关的正面评论，试图操控产品在网络上的评价星级与舆论，然而，相关的研究显示，这样做短期内或许有效，长远来看对产品销售的影响收效甚微，因为网上舆论很少能长期影响到产品销售。也就是说，那些毫无个性特征的好评可能短期内能提升产品的网络评价星级，但除非长期这么干，不然产品销售很快就会恢复到平时的水平。

对品牌管理者而言，要管理好网上舆论，需要把握好如下四个要点。一是不要忘记沉默的大多数。很多网络论坛为一小撮人所控制，他们或许并非是选择沉默的广大顾客群体的代表；二是网络论坛上的那些言论可能会左右谁会发贴，谁会选择沉默。在意见相左时，活跃度较低、评价积极、对品牌不甚了解的网民有保持沉默的倾向，让那些持批评意见的人左右网络评价氛围。三是不要对网络负面评论反应过度。差评并不意味着你的品牌、产品被一致唱衰，很多喜欢你产品的顾客选择默默支持你，而不会在网络上与批评者正面交锋，若要平息那些不满者的声音，需要付出昂贵的代价，他们并不值得你这样做。四是忽视没有价值的噪音。区分无价值的噪音与有意义的声音对品牌管理者而言是十分重要的。企业应该对网上舆论进行数量统计分析，以识别出哪些批评品牌的声音值得做出反应，进一步改进产品与服务。

产品评论篇10

线评论已经成为影响顾客进行在线购买的重要因素?本文以亚马逊（中国）网站为例，研究

了在线评论?评论者的数字特征对评论有用性的影响?通过对五种在线商品的1 845条

在线评论进行实证分析，研究发现：在线评论的评论长度和评论者排名对评论有用性具有正

向影响，同时评论长度对有用性的影响受到品牌的调节作用?另外，评论星级对评论有用性

的影响也受到品牌的调节作用，并且对于大品牌产品而言，评论的极端性与评论有用性呈“

U”形关系?

〔关键词〕在线评论；有用性；品

牌；电子商务网站

DOI：10.3969/j

.issn.1008-0821.2014.01.027

〔中图分类号〕G203 〔文献标识码〕A 〔文章编号〕1

008-0821（2014）01-0123-05

The Helpfulness of Online Re

views

——An Analysis Based on The Moderate Effect of Brand

Yang Zhaojun Wang Junkui

（School of Economics & Management，Xidian University，Xian 710071，China）

〔Abstract〕Online reviews have been an important factor that affects customers be

havior of on-line purchase.This paper studied the influence of online reviews an

d reviewers digital characteristics to the helpfulness of the reviews across A

.An analysis of 1845 reviews from across five products indic

ated that review depth and reviewer ranking have a positive effect on the helpfu

lness of the review.Brand moderates the effect of review depth on the helpfulnes

s of the review.Besides，the effect of review extremity on the helpfulness of the

review also moderated by brand.For products with big brand，there is a“U”relat

ionship between review extremity and the helpfulness of the review.

〔Key words〕online reviews；h

elpfulness；brand；e-commerce website

随着电子商务的发展，以及物流服务水平的提高，越来越多的人选择了网上购物这种快

捷方便的购物形式?为了帮助顾客更好地了解要购买的商品，改善在线交易的顾客满意度，

电子商务网站均推出了在线评论系统，通过让消费者对自己所购产品进行评价，使得其他消

费者能获得除了商品描述?专家评论之外的更多信息?在线评论可以降低买卖双方之间的信

息不对称，并且这种积极有效的反馈机制可以增加消费者的信任度，从而降低消费者对风险

的感知[1]?CNNIC（2009）的一项调查显示有43.3%的人表示在线评论是其进行

购买决策前最看重的因素，这一比例超过了亲朋的意见[2]?另外研究也发现在线

评论对产品的销量也有着重要的影响?

然而，随着评论的数量越来越大，在线评论也出现了信息过载的问题[3]，消费者

获取有用信息的时间成本将大大增加，而购买产品的总成本包括产品成本和搜索成本[

4]，所以浏览大量在线评论将导致购物总成本的大幅增加?因此，有效识别商品的有用

评论变得至关重要?许多网站也鼓励消费者对评论是否有用进行投票，同时提供了按评论时

间?有用性进行排序?然而有些评论能够获得大量的投票，有些却无人问津，那么到底什么

样的评论才对消费者有用呢？以及哪些因素影响在线评论的有用性呢？

本文以亚马逊（中国）网站为研究对象，采集五种商品的评论信息，采用实证研究的方法，

研究评论星级?评论长度?评论者排名等因素对评论有用性的影响，以及商品品牌对评论有

用性的调节作用?

1 文献综述与理论基础

1.1 在线评论有用性

Mudambi和Schuff将在线评论定义为用户发表在公司或第三方网站上的商品的评论信息

[5]?以亚马逊为代表的电子商务网站评论由星级评定（1星至5星，1星代表负向极端

，3星代表中立，5星代表正向极端）和评论内容构成?评论信息可以提高消费者对于网站有

用性和社会存在的感知[6]，进而增加消费者在网站的停留时间?随着评论的增加

，为了让消费者快速找到有用的信息，在线零售商们又引入评论“有用性”来对评论进行投

票?例如，亚马逊会在每条评论下方显示“这条评论对您有用吗？”，消费者可以进行“是

/否”回答，并且提供了按有用性排序这一功能?研究评论有用性的影响因素可以对现有评

论系统提出改进意见，提高消费者的决策效率?

1.2 在线评论的研究现状

目前对在线评论有用性的研究主要涉及评论本身特征?评论者特征及产品类型等方面?Muda

mbi和Schuff将产品分为搜索品和体验品两类，研究了评论极端性和评论长度对评论有用的

影响，并研究了产品类型对评论有用性的调节作用?郝媛媛等以体验型商品——电影为研究

对象，结合文本挖掘和实证研究方法，从文本特征出发探索影响在线评论有用性的影响因素

[7]?而Friske和Racherla则以为研究对象，在搜索品和体验品

的基础上增加信任品这一分类，研究了评论者特征（身份批露?评论数?声望）?评论特征

（长度?得分）对评论有用性的影响[8]?殷国鹏等以信息采纳理论为研究框架，

研究了评论本身特征?评论者要素对评论有用性的影响[9]?高雅等以京东商城手

机评论为研究对象，结合文本挖掘和实证研究方法，从数字特征?写作风格和语义3个维度

研究在线评论投票数的影响因素[10]?

由此可见，现有研究都未将品牌作为变量进行分析?而品牌既是一个企业最重要的资产之一

，又作为产品的一个重要属性能够影响顾客的购买决策行为?研究表明：品牌名称会影响在

线消费者对风险的感知[11]，并且当产品的属性信息越少时，品牌名称显得更重

要[12]?因此在研究在线评论有用性时，品牌的影响作用不可忽视?本文在现有

研究的基础上将品牌纳入研究模型，根据品牌占有率将品牌分为大品牌和一般品牌，通过采

集亚马逊（中国）网站的部分商品评论进行实证研究?

2 理论模型及假设

2.1 理论模型

本文除了考虑评论和评论者本身特征之外，还引入品牌这一调节变量，从而建立在线评论有

用性的品牌调节模型?如图1所示?该模型在关于评论本身特征方面，选取评论长度?星级

为指标；在评论者特征方面，选取评论者排名为指标?另外，以评论发表时长（天）为控制

变量，品牌为调节变量?

2.2 研究假设

2.2.1 评论长度

消费者在线购物实际上是一个决策的过程，在此过程中充满着不确定性，因此需要搜寻有用

的信息来降低这种不确定性，只有当消费者所感知的不确定性大大降低时，方能做出购买决

策?在亚马逊网站撰写评论是没有任何激励机制的，消费者撰写评论完全出于自己对信息分

享的热衷，因此本文认为评论越长其包含的有用信息越多?Tversky（1974）的研究表明，

掌握更多的信息可以增加消费者在进行购买决策时的自信[13]?因此，本文提出

如下假设：

H1：评论长度对评论有用性具有正向影响?

当消费者在进行购物时，品牌起着非常重要的作用，通常品牌作为评估商品质量优劣的指示

器，能够降低顾客的购买风险[14]?相比一般品牌，购买大品牌的产品所带来的

风险更低，其所需的用于消除不确定性的信息也相对少，过长的评论可能包含一些重复或者

消费者已知的信息?因此，本文提出如下假设：

H2：评论长度对评论有用性的影响受到品牌的调节，对大品牌而言，评论长度对有用性的正

向影响要小于一般品牌的情况?

2.2.2 评论星级

评论的星级从1星到5星，是评论者态度极端性的反应，低星级（1星）表示评论者极端负面

的态度，高星级（5星）表示评论者极端正面的态度，而中等星级（3星）表示中立的或审慎

的态度[15]?研究表明，具有不同互联网经验的人对品牌有着不同的依赖程度，

刚开始使用互联网购物的人在搜索信息方面缺乏经验，因此对品牌有较强的依赖性，随着网

联网经验的增长，他们对品牌的依赖将减少[16]?Maxwell和Jenni（2008）发现

对于使用过某一品牌的人更倾向于产生负面信仰，而没有使用过该品牌的人产生负面信仰的

可能性较低[17]?此外，在进行信息采纳时，人们总是首先注意那些与自己的观

念相一致的信息[18]?因此，对于使用过某品牌的人，极端负面的评论更能引起

他们的共鸣而获得投票；对于互联网经验不丰富或没有使用过该品牌的人，他们更相信品牌

的力量，特别是大品牌，因此会投票于极端正面的评论?因此，本文提出如下假设：

H3：评论星级对评论有用性的作用受到品牌的调节，对于大品牌而言，极端的评论（1星和5

星）相比中等评论（3星）的有用性更高?

2.2.3 评论者排名

消费者在阅读在线评论时，不仅仅关注评论的数量和内容的倾向性，也越来越关心评论内容

的可信度[19]?亚马逊网站根据评论者所发全部评论的整体质量高低以及评论数

量的加权计算结果，其中对评论的质量赋予了很高的权重?一个评论者的排名高说明他过去

发表过高质量的评论，其发表的评论更具可信度，因此，本文提出如下假设：

H4：评论者排名对评论有用性具有正向影响?

3 研究方法

3.1 数据收集

使用数据采集软件从亚马逊（中国）网站采集了5种商品，共涵盖26个品牌的评论数据?商

品包括手机?相机?喷墨打印机?MP3播放器?剃须刀，选取这几种商品主要是因为：①这

些商品相比其他商品拥有较多的评论；②这些产品的品牌对大家来说都比较熟悉而且容易区

分品牌大小?根据中关村在线网（2012年12月8日）公布的品牌占有率的相对大小将品牌划

分为大品牌和一般品牌两类，如表1所示?

对这些商品，共采集了截止到2012年12月10日的有用票数不小于1的1 845条评论，数据

样本描述统计如表2所示?

3.2 变量测量

3.2.1 自变量

（1）评论星级

指评论者对此次购物体验的总体评分，为离散型数字，从1～5，可直接从亚马逊网站获取?

（2）评论长度

使用评论内容的总字数来测量，从亚马逊网站采集评论内容，再统计其总字数?

（3）评论者排名

亚马逊网站评论者的排名是基于其发表的全部评论的整体质量高低以及评论数量的加权计算

结果，只有进入前10 000名时才会显示，并且如果排名进入了前1 000名时，会在

名字旁边添加1个优秀评论者标识?一共6个这样的标识：千佳评论者?五百佳评论者?百佳

评论者?五十佳评论者?最佳评论者，因此可以直接从网站上采集评论者排名?为便于统计

，本文将其进行重新编码：前50名编码为1，50～100编码为2，100～500编码为3，500～1

000编码为4，1 000以后及没有排名的编码为5?

3.2.2 因变量

本文借鉴Racherla和Friske的研究，采用评论有用票数作为因变量，即对问题“这条评论对

您有用吗？”，回答了“是”的人数?

3.2.3 控制变量

Racherla和Friske认为一条评论获得投票的数量与其出现在网站上的时间长短有关系[

8]?包括亚马逊在内的大部分网站都是根据评论发表的时间进行倒序排列，即后发表的

评论会排在前面?研究表明评论的排列顺序对消费者的行为有严重的影响[20]，

面对大量的评论，消费者往往只关注排在前几页上的评论?因此，本文引入评论发表时长作

为控制变量，采用评论发表之日至数据采集之日历经的天数来衡量?

3.2.4 调节变量

为了探讨商品品牌对评论有用性的影响，引入品牌作为模型的调节变量，根据品牌市场占有

率的大小分为大品牌和一般品牌（见表1）?并将其编码为二值变量，当为大品牌时取“1

”，为一般品牌时取“0”?

3.3 分析与讨论

本文采用逐步回归方法进行回归分析?由于评论时长?评论长度及有用票数的非正态分布，

分别对评论时长及有用票数进行取对数，以及对评论长度进行标准化的处理，并去掉异常值

?另外，为了研究星级对评论有用性的影响，引入星级和星级的平方两个变量，如果星级项

的系数为负，星级平方项的系数为正，则表示“U”形关系，反之则为倒“U”形关系；同时

引入品牌星级?品牌星级平方?品牌评论长度来研究品牌的调节作用?最后得到分析

结果如表3所示?

从表中可以看出：评论长度的系数为正并且在显著性水平0.01下显著，说明评论长度与评

论有用性显著正相关，假设H1得到验证?由于品牌*评论长度的系数为正，说明评论长度对

评论有用性的影响受到品牌的调节，对大品牌而言，评论长度对有用性的正向影响要大于小

品牌的情况?分析结果与假设H2相反?评论者排名的系数为负并且在显著性水平0.01下显

著，另外排名数字越大排名越低，说明评论者排名与评论有用性正相关，假设H4得到验证?

由品牌*星级和品牌*星级的平方的P值均显著，说明星级对评论有用性的影响受到品牌的调

节作用，为进一步研究其调节作用，将数据分为两组：大品牌和一般品牌，得到结果如表4

?表5所示?表4中星级的系数为-0.637，星级平方的系数为0.066并且都在0.001

的水平下显著，说明星级对评论有用性的影响呈“U”形关系，即对于大品牌来说，极端评

论的有用性大于中等评论?而对一般品牌而言，则不存在这种关系?因此假设H3得到验证?

综上所述，本文研究假设及验证结果如表6所示?

表4 大品牌样本回归结果

假设H1得到验证，这和Mudambi等（2010）?殷国鹏等（2012）的研究结果一致，评论长度

从某种程度上说明了评论所包含的信息量，消费者阅读评论时趋向于信息量大的评论?而假

设H2中，“对于大品牌而言，评论长度对评论有用性的正向影响要小于一般品牌的情况”这

与分析结果相反，可能的解释是：（1）因为文中采用有用票数作为因变量，而大品牌的关

注度高于一般品牌，因此其评论可能获得相对多的投票，所以长度对有用票的影响对大品牌

来说更大；（2）大品牌与一般品牌相比，通常意味着较高的价格，所以购买大品牌也往往

需要消费者获取更多的信息进行谨慎的决策?在分析结果中，不考虑品牌的调节作用时，星

级与评论有用性之间并不存在显著关系，这和Mudambi等（2010）的研究一致，原因是受到

其它变量的调节作用?在考虑不同品牌的情况下，发现：对于大品牌而言，极端的评论（1

星和5星）相比中等评论（3星）的有用性更高，即评论的极端性与评论有用性呈“U”形关

系，这和Cao等[21]的研究一致；而对于一般品牌则不存在这样的调节作用，这

也是本文关键的实证发现与理论贡献?假设H4也得到验证，这和Racherla等的研究结果一致

，可能是由于人们判断事物的现在状态往往会更依据它过去的表现?

4 结束语

本文以亚马逊（中国）网站的部分商品评论为研究对象，采用实证研究方法，研究了评论星

级?评论长度?评论者排名对评论有用票数的影响，并引入品牌这一调节变量?研究表明：

评论长度和评论者排名对评论有用性具有正向影响，同时评论长度对有用性的影响受到品牌

的调节作用?另外，评论星级对评论有用性的影响也受到品牌的调节作用，并且对于大品牌

而言，评论的极端性与评论有用性呈“U”形关系，即两端星级的评论有用性要大于中间星

级的评论?

本文的研究对于购物网站而言，可以进一步完善其评价体系，如鼓励消费者书写更多内容的

评论或对评论字数进行控制，过滤掉字数太少的评论；对不同品牌的评价体系进行区别设计

?对于大品牌企业而言，由于消费者对极端正面和负面的信息都比较关注，因此企业也要对

极端负面评论引起重视，采取相应措施，做到精益求精?对于评论者来说，则可以通过书写

包含更多内容的评论，这样更容易获得投票而提升排名?

本文也存在一些不足，如未考虑评论内容中的情感以及产品类型等因素，这些都有待于进一

步的研究?

参考文献

[1]Ba S，Pavlou P.Evidence of the Effect of Trust Building Technol

ogy in Electronic Markets：Price Premiums and Buyer Behavior[J].MIS Quarterly

，2002，26（3）：243-268.

[2]2009年中国网络购物市场研究报告[R].北京：中国互联网络信息中心，2009，11：39

-40.

[3]E Brynjolfsson，M D Smith.Frictionless Commerce？A Comparison of Internet an

d Conventional Retailers[J].Management Science，2000，46（4）：563-585.

[4]Nelson P.Information and Consumer Behavior[J].Journal of Political Econ

omy，1970，78（20）：311-329.

[5]Mudambi S M，Schuff D.What makes a helpful online review？A study of custome

r reviews on [J].MIS Quarterly，2010，34（1）：185-200.

[6]Kumar N，Benhasat I.The Influence of Recommendations on Consumer Reviews on

Evaluations of Websites[J].Informations System Research，2006，17（4）：425-439

.

[7]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）：78-96.

[8]Racherla P，Friske W.Perceived‘usefulness’of online consumer reviews：An e

xploratory investigation across three services categories[J].Electronic Comme

rce Research and Applications，2012，11（6）：548-559.

[9]殷国鹏，刘雯雯，祝珊.网络社区在线评论有用性影响模型研究——基于信息采纳与社

会网络视角[J].图书情报工作，2012，56（16）：140-147.

[10]高雅，李红，施慧斌.在线评论投票数的影响因素研究[J].中国管理信息化，2012，