在线评论对电子商务商品销量影响研究.docVIP

在线评论对电子商务商品销量影响研究 　　摘 要： 本文分别从在线评论数量、评论信息属性、评论者属性等方面开展实证研究，以京东营销平台采集的数据为依据，以手机为研究对象，利用web挖掘技术研究了在线产品销量的影响因素，利用决策树方法以及情感分析方法研究影响销量的多个因素。 　　关键词：在线评论 电子商务 销量 影响因素 　　中图分类号：F724.6 文献标识码：A 文章编号：1003-9082（2016）10-0105-02 　　引言 　　当前，随着网络经济的快速发展，网络营销发展进入新阶段，并成为当前经济的一个重要组成部分。相对于实体销售而言，网络营销中的买卖双方缺乏面对面获取影响销售的环境，在线评论是一种重要的网络口碑形式，是网络营销为买卖双方增进相互了解的一种互动弥补方式。消费者可通过查阅已有评论来了解产品的好坏。由于买卖双方具有获取信息方面的不对称性，因此为了减少购物的风险，越来越多的消费者在购物之前选择参考已有的商品评论。 　　在线评论是指存在于产品网站、个人主页或者商业销售网站，由消费者发表的有关产品、服务等的正面或负面观点，能够被大众群体看到，方便用户与商家进行在线互动与信息交流。国外大部分研究都是都是从产品层面对在线评论对产品销量影响进行研究，以产品数据作为研究对象，分析在线评论相关因素对产品销量的影响。比如很多学者研究在线评论的评价总数、评价等级、好评率、差评率等因素和产品销量之间的关系。国内的学者对于在线评论对销量影响因素的研究主要集中在对在线评论对消费者购买行为的影响和情感分析两方面的研究。 　　一、理论背景与研究假设 　　1.评论信息属性 　　评论的质量只要涉及要求评论的信息真实可信，客户评论的内容能真实反映所购买的商品，为以后的购买用户提供购买依据，高质量的评论是吸引客户的关键。在线评论等级能体现买方对产品和服务的综合态度，现有评价等级一般有5个等级，即1―5星级，一般情况下，1星级和2星级被定义为是对商品的消极评论或差评，4星级和 5星级定义为好评。在此基础上，本文提出如下假设： 　　H1：评论内容质量越高，对销售的的正面影响更大； 　　H2：评论的数量越多，对销售的影响越大； 　　H3：评论时间越近，在线评论的有用性越大； 　　2.评论者属性 　　消费者在购买前会查看买家的在线评论，因此，买家的评论很大程度上对消费者的购买行为具有引导作用，但是，目前由于存在一些商家编造虚假在线信息等问题，有些在线评论者的评论并不可靠，因此，我们提出一下假设： 　　H3：评论者的可信度越高，对消费者的购买决定影响越大； 　　基于以上研究假设，我们依据评论信息属性，评论者属性构建了在线评论有用性影响因素模型，如下图（图1）所示。 　　二、实证研究 　　1.数据收集及预处理 　　本文使用研究数据抓取的工具是“八爪鱼采集器”，该网页数据抓取软件的核心是分布式云计算平台。我们可以用“八爪鱼采集器”快速、轻松地从各种不同的网站大量地采集研究需要的规范数据。 　　针对手机产品性能、在线评论信息和销售信息方面的影响因素，我们抓取了京东商城1473款手机产品的相关信息，其中关于在线评论的手机产品的字段有：首条产品评论评论时间、总评论数、好评率、中评率、差评率、销售排名和每款手机产品的所有在线评论信息；每条在线评论采集的信息有：评论具体的文字内容、评论者ID、评论时间、评论者会员级别、评论者来源省份、评论星评数、评论及时度。 　　本文进行数据分析时需要对销量进行离散化处理，我们采用四分箱，其他连续变量的离散化处理过程中考虑到分组对其他变量的影响，所以采用熵分组的分组方式。分箱如下图2、图3、图4所示。 　　2.数据分析及结论 　　本文的数据分析工作过程中是采用IBM SPSS Modeler 14.1软件和ROST Content Mining System软件完成的。我们对影响因素的规则分析进行了统计，如下图（图5）所示。 　　由以上规则结果我们发现，手机产品的好评率、中评率、差评率、总评价数、评论时间跨度等对产品销量都起到了显著的作用。举例来说，如果好评率为96%，中评率为2%，品牌为中兴，则销量属于分箱4；好评率为97%，中评率为2%，品牌为华为，则销量属于分箱4。差评率小于3%且总评价数属于分箱4即总评价数886～152248之间，则销量属于分箱4。规则7显示如果差评率=4%，屏幕尺寸=5.0，网络为移动联通双四G，则销量属于分箱4。针对用于分箱1销量的规则，规则1、规则2、规则3、规则4，我们可以总结为如果差评率大于等于15%，则销量_TILE4=1。规则5显示，如果品牌为邦华，则销量_TILE4=1。规则6显示，如果好评率90，品牌=酷派，屏幕尺寸=5.0，分辨率=960X