廖俊云　黄敏学

(武汉大学经济与管理学院)



基于酒店销售的在线产品评论、品牌与产品销量实证研究

廖俊云黄敏学

(武汉大学经济与管理学院)

摘要：从产品质量的视角，以团购网站的酒店销售为背景，研究了品牌和在线产品评论共同对于产品销售的影响。结果发现：产品评分分布偏差对于产品销售具有显著的负向影响，但是品牌的作用能削弱这一负向影响；产品平均评分和评论量较高时，产品评分偏差的负向作用更加明显；品牌与评论效价对销售的影响具有正向的加强作用。

关键词：口碑； 在线产品评论； 品牌； 酒店； 产品销量

随着社会化媒体时代的到来，消费者在各种类型的社会化媒体中分享产品信息、为产品写评论、建立产品讨论社区等等。在此情境下，很多研究者都认为，相比于企业的营销活动，其他消费者的口碑往往更加客观，因而更值得信赖，对消费者的购买决策影响也更大[1,2]。但在社会化媒体时代，品牌的作用会显著降低吗？或者说，在网络评论影响产品销售的条件下，品牌是否会继续发挥作用、又如何发挥作用？学术界对在线产品评论和品牌共同影响产品销售这一重要问题的认识还有待深化。以往的研究没有很好地解决这一问题。实际上，尽管消费者会依赖网上产品评论推断产品的质量，做出购买行为[3]，但与此同时，品牌作为反映产品质量的重要信号，也是影响消费者购买决策的重要因素[4]。但学术界在研究口碑的影响时，很少同时考虑品牌的作用。例如，他们通常选择书籍、电影等多文化产品来考察口碑的影响，但是对这些产品而言，品牌的影响相对比较小[1,2,5]。

鉴于此，本研究从产品质量的视角，根据可及性-诊断性模型，将品牌和在线评论统一视为消费者借以判断产品质量的线索，其中品牌作为消费者个体记忆线索，而在线评论作为外部情境线索，以团购网站的旅馆销售为背景，研究了品牌和在线产品评论两种质量线索共同对于产品销售的影响。具体而言，本研究全面分析了在线评论3个维度(评论量，评论效价与评分分布偏差)与品牌的交互作用，以及对于消费者决策和产品销售的影响，从而拓展了口碑方面的研究。

1文献回顾

1.1在线产品评论

(1)评论效价与评论量 在互联网购物普遍流行的条件下，在线产品评论是消费者了解产品的重要途径，阅读产品评论已经成为当前消费者网上购物中的重要环节。在线产品评论为消费者评价产品质量，降低购买不确定性提供了线索[6,7]。很多研究都发现网上产品评论对产品销售具有重要的影响。例如，CHEVALIER等[2]的研究发现，产品评论中产品平均打分越高越有助于产品销售，而负面产品评论带来的负面影响尤其大。口碑效价，主要是通过作用于消费者态度来影响产品销售，正面口碑能反映较好的预期产品质量，消费者就会对产品产生积极的态度。反之，较差的评论则会形成消费者对产品的消极印象和消极态度。

在口碑效应的研究中，评论量的影响也是研究者最为关心问题之一。口碑量可能通过多种方式来影响消费者决策。①产品口碑量可能通过消费者观察学习作用于消费者。也就是说，当产品口碑量越大，说明购买的消费者越多，那么后来的消费者就会推测产品质量越高，从而提高购买的可能性[8]。②口碑量也可以通过促进消费者知晓来影响消费者决策。在消费者购买决策过程中，知晓是购买的前提条件，在网络条件下产品的口碑量和评论量越大，消费者就会有更大的可能在网络上了解到此产品，进而购买该产品[5]。③在企业的管理实践中，通常优先推荐评论量大的产品，例如给消费者“按评论量”排序的选项，这就使得评论量大的产品相对于其他产品具有一定的优势，可以促进产品销售。

(2)评分偏差 近年来的一些研究发现，产品评论的效价和评论量并不能反映口碑的全貌，而应考虑产品评论的偏差。评分偏差也就是不同消费者对于产品的不同评价，其反映在产品评分的分布差异上[7,9,10]。目前，众多电子商务网站，例如美团网、亚马逊、京东网都会以柱状图的形式为消费者提供产品的评分分布情况，消费者可以直观清晰地观察到产品评分分布的情况。实际上，对于同一个产品，不同消费者的评价可能不一样。例如，PARK 等[10]注意到“尽管消费者评论经常互相抵触，但是很少有学者研究这种不一致性如何影响消费者的判断”。HU 等[11]的研究也发现，产品评分分布呈现出“J”型，也就是大部分都是5分的高打分，但还存在一些1分的情况，这与CHEVALIER 等[2]的观察一致。他们进而认为，这种严重偏离正态分布的评分分布形式使得平均打分并非产品质量的很好代理变量，因而在考虑产品评论时口碑效价与评论偏差是同样重要的因素[11]。但目前，学术界对于评论效价的作用机制研究并不充分，而且最近文献对于评论偏差如何影响产品销售的结论也不一致。例如，MOE 等[12]的研究发现产品评论偏差对于销售存在正向的影响，但是SUN[7]的研究发现只有平均打分相对较低时，评论偏差对于产品销售才存在正向影响。本研究认为，出现这种差异的可能原因在于作者没有考虑品牌的影响。

(3)在线产品评论与产品质量产品质量是指消费者对产品整体的卓越性的判断[13]。由于信息不对称的存在，买方通常缺乏对产品质量的完全认识。在社会化媒体产生之前，消费者更多地依赖企业的营销活动(例如广告、促销)等活动来认知产品质量[14,15]；但是社会化媒体产生之后，用户产生内容迅速发展，消费者通常更加愿意相信其他消费者(而非企业宣传)的口碑推荐来做出购买决策。尽管一些学者认为在线产品评论中存在随着评论量的增多可能出现信息过载问题[16]，先前消费者与后续消费者偏好差异而导致的在线产品评论的自我选择偏差问题[17]，但是更多的学者认为，在线产品评论相对于企业发出的信息更具有可信度[18]，而且随着在线评论的累积使得评论趋向于反映真正的产品质量[6]，因而在线产品评论仍然是消费者判断产品质量的重要线索，是影响消费者决策的重要因素[19]。

1.2品牌的信号作用

信息经济学里的信号理论认为，尽管消费者希望判断产品质量以确定购买决策，但是产品质量本身很难直接观察，可能在购买后才能准确评价产品的质量。为了解决这一问题，卖方创造品牌，以发出关于产品质量的信号，买方则依据品牌信号推断产品质量。在实际市场运行中，品牌产品若达不到自己宣称的质量水平将会失去对于产品声誉的投资，同时也会失去未来利润。正是考虑到这一点，消费者从理性判断品牌产品的质量是可靠的，这就导致品牌成为不可观测质量的信号[20]，成为买方决策的重要依据。营销学研究也表明，品牌是影响消费者决策的重要因素[4]。例如，ERDEM 等[21]的研究发现，品牌的清晰度和可信赖性可提高产品的感知质量，降低消费者感知风险和信息成本，因而提高消费者对产品的期望效用。在互联网时代，品牌的作用依然很重要[22]。

尽管品牌和口碑(产品评论)都是消费者推断产品质量的重要线索，但是以往的研究很少将二者结合起来，而是分别检验品牌或产品评论的作用[2,5,7]。实际上，品牌与在线评论是紧密相连的，LOVETT 等[23]的研究发现品牌感知风险、复杂性与品牌个性等特征都会影响消费者产生口碑总量。NGA 等[22]也发现了品牌与产品评论的交互作用，不过他们的研究将口碑分为正面产品评论和负面产品评论，研究了二者与品牌之间的关系，而没有研究在线产品评论的其他维度(如评分偏差)与品牌之间的关系。在此基础上，本研究根据可及性-诊断性模型，将品牌和在线产品评论视为消费者判断产品质量的重要线索，探讨品牌与在线产品评论的多维度属性之间的交互影响关系。

1.3可及性-诊断性模型

可及性-诊断性模型是消费者信息处理方面的经典理论，它特别适用于解释消费者面对多个信息线索时的信息处理行为[24]。这一模型认为，信息线索用于消费者认知判断的可能性取决于该线索的可及性和诊断性。可及性是指信息或者线索出现在头脑中的容易程度和速度。高可及性的信息可以很快出现在消费者脑海中，因此也更加可能被用作判断时的线索。诊断性是指信息对决策而言的有用性和相关性，高诊断性的信息更可能被消费者在做出判断时使用[25]。研究发现，信息的可及性是诊断性的前提，当某个信息对消费者而言可及性较低时，即使它的诊断性非常高，消费者也不会使用该信息做出判断。MENON等[26]的研究区别了基于记忆的信息和基于情景的信息。他们的研究表明，消费者更倾向于使用基于记忆的信息，而非基于情景的信息；当记忆中的信息具有可及性和诊断性时，基于情景的信息就不会被使用。具体到本研究的研究情景，品牌更多的是偏向于消费者记忆的信息，而在线产品评论则属于基于情景的信息[27]。那么问题是，当消费者同时面临品牌和在线产品评论两类信息时，他们如何影响消费者决策？

2研究框架与假设

在购买产品时，无论消费者从企业方面获取信息或者从其他消费者方面获取信息，其目的都在于帮助自身准确获知产品真实质量，减少购买决策的不确定性[28]。本研究的研究框架见图1。

(虚线代表已有研究，实线代表本研究)图1　研究框架

2.1评分偏差对产品销售的影响

消费者在做出购买决策时会尽力收集关于产品质量的确切信息以减少购买的不确定性[28]。从可及性-诊断性模型而言，评分偏差将带来信息的模糊性，减少信息的诊断性，使得消费者难以判断产品质量。首先，产品评分分布差异意味着一部分消费者喜爱这一产品(评分高)，另一部分不喜爱这一产品(评分较低)，这就会促使消费者产生购买决策上的矛盾。以往的研究表明，当消费者面临矛盾态度时，会降低购买意愿，继续搜寻其他产品，这将有损本产品的销售。其次，产品评分分布偏差越大也就代表风险和不确定性越大[29,30]，并且极端负面的产品评论为消费者对产品质量判断提供更加清晰并且诊断性的信息[31]，其对消费者购买决策的影响更大[2]。另一方面，高评分分布差异的产品在一定程度上说明产品本身的匹配性非常重要，高匹配能带来高满意和高评价，但是低匹配将导致低满意和负面评价，这就提高了消费者在购买决策时的不匹配成本，降低消费者的购买意愿[7]。总之，高评分分布偏差会提高消费者购买决策不确定性，使得消费者购买意愿降低。因此，提出如下假设：

假设1产品评分分布偏差负向影响产品销售。

2.2品牌的调节作用

根据信息经济学的理论，品牌本身是质量的信号，而且是具有诊断性的信息。当产品的品牌强度较高时，消费者倾向于对其产品持有好感，品牌能抵御消费者不一致的观点。并且PARK等[10]的研究也发现，对于高偏差的评论，消费者若对其质量有积极的预期，其偏差对产品的作用就会削弱。以往产品伤害危机方面的文献也表明，品牌对于负面事件具有一定的抵御作用[32]。因此提出假设：

假设2品牌将减弱产品评分分布偏差对销售的影响。

2.3评论效价的调节作用

平均打分意味着平均的期望质量，当消费者平均打分相对比较高时，说明产品的期望质量较高，但是若评分偏差较大时，则会带来额外的负面信息，降低对产品质量的感知。SUN[7]的研究发现，当产品评分比较低时，产品评分分布差异能起到正向的作用。他们认为，平均打分高代表产品质量比较高，但是若评分分布偏差比较大则说明这一产品是利基产品，也就是一部分消费者喜爱，另一部分消费者却很讨厌。因此，高偏差的评论的产品只有在平均打分比较低的情况下才能促进产品销售。因此提出假设：

假设3产品平均得分较高时，产品评分分布偏差对销售的负向影响将增强。

2.4评论量的调节作用

一般而言，产品评论量越大，消费者处理信息的难度就会越大[33]。当评论量较小时，即使存在评分偏差，消费者很容易通过少量的评论来确定产品的质量，而且将少量评论情形下的评分偏差归因于消费者个体偏好的差异[34]，这时评分偏差所蕴含的对产品质量的感知风险比较小。但是当产品评论量较大时，而产品评分偏差也较大时，意味着该信息的诊断性较差，因为这一方面说明产品本身质量不稳定的可能性增大；另一方面也表示消费者群体中对于产品质量的评价存在较大分歧，这时消费者处理矛盾信息时需要花费更大的心智资源，使得消费者难以准确推断产品质量，而产生较大的感知风险，此时消费者更倾向于犹豫和选择其他产品[35]。因此，本研究提出假设：

假设4产品评论量将强化产品评分分布偏差对于产品销售的负向影响。

2.5品牌的调节作用

根据消费者信息处理理论，消费者在做产品选择时，更倾向于寻找记忆中可及性高的线索以快速做出判断；在缺乏记忆线索时，消费者更加注重具体的信息处理[36]。由于品牌是消费者对产品已经建立的印象，根据信息处理的可及性-诊断性模型，品牌对于消费者判断产品质量的可及性更高，而且较具体的、冗杂的产品评论更加具有诊断性，能够帮助消费者迅速建立对具体产品的印象[31]。在此基础上，在线评论可帮助消费者确认产品质量，但是消费者会降低依赖产品评论的具体信息(包括评论效价和评论量)判断产品质量的程度。因此提出假设：

假设5a当品牌强度较强时，产品评论效价对产品销售的影响会降低。

假设5b当品牌强度较强时，产品评论量对产品销售的影响会降低。

3数据与模型设定

3.1数据来源

本研究以团购行业为例，选择了中国最大的团购网站——美团网中的酒店行业作为研究背景。这一研究背景的选择基于如下理由：①以往口碑效应的检验多集中在电影[1,37]、电视[38]、书籍[2]和等文化产品的背景中[39]，文化产品的特征在于其生命周期比较短，样本数据收集受到所处生命周期的影响比较大[5]，并且消费者是一种冲动型和体验型的产品，本研究背景酒店行业同样是一种体验型产品，但是其产品价格相对于电影和书籍，价格更高，为了确定产品质量消费者会更加重视网上口碑的评价。②以书籍和电影为背景的研究较少考虑品牌因素所起的作用，这有可能是因为这两类产品较少有品牌因素的影响，但是酒店业中有明显的品牌划分，有些酒店是全国著名的连锁酒店，有些则是没有品牌的私人旅馆，这一背景使我们能考察品牌与口碑效应对销售的共同作用。③在数据来源上，以往很多研究数据来自于亚马逊，但是亚马逊并不提供产品销售数据而只是提供了产品销售在类别内的销售排名，因此很多研究以产品销售排名作为销量的代理变量来进行研究，使研究结果可能存在一定失真。但是本研究的团购网站提供了每天准确的产品销售数据，便于我们进行分析。

在数据收集上，我们选择的样本是美团网北京地区的经济型酒店，这些酒店的价格处在150～200元之间，属于中间水平。在确定了研究样本后，本研究使用网页爬虫工具每天定时跟踪爬取产品数据，这些数据包括：产品网址，产品名称及ID，产品销售量，产品价格，产品使用限制，产品总体评分，1～5分的各自打分人数，产品总评论数还包括产品文本评论等。在经过软件的稳定性测试之后，正式的数据抓取从2014年7月7日到8月4日历时29天，得到了252个产品的数据。在这些样本中，为了保证分析的完整性，删除了此期间存在数据缺失的样本或下架的样本，保留了以天为单位74个产品29天的平衡面板数据，作为本研究的最终数据。

3.2描述性统计

对于捕捉消费者评分不一致的方法主要有两种：①评分分布百分比标准差[7]。利用亚马逊中每个产品1～5分打分，计算1～5分每一刻度打分人数占总打分人数的百分比(消除了评论量的影响)，依据这5个百分比分值计算出标准差来衡量消费者评论的不一致性。文献[9]也使用了这一方法。②利用信息熵的概念来反映不确定性程度，这一方法被CLEMONS等[40]采用。实际上这两个方法没有显著差异，因为熵和偏差呈负相关关系，当偏差最大时，熵最小；而当偏差最小时，熵最大[38]。本研究采用了第一种较为简洁却不失一般性的做法，也就是评论效价则用评论的总体平均打分表示，这一分数由爬虫每天抓取。评论量和销售数据也由软件每天抓取，其中销售数据做对数变换。美团中酒店种类比较多，既有全国性连锁品牌，也有地方个体不知名品牌。由于缺乏品牌资产的具体数字，很多研究者为了研究需要往往根据具有公信力的品牌排名而将品牌区分为强品牌和弱品牌，如NGA等[22]。本研究遵循这一做法，根据中国旅游饭店业协会公布的《2014中国经济型连锁酒店品牌规模30强排行榜》，将出现在名单中的酒店品牌编码为1，其他酒店编码为0。其中有17个全国连锁品牌酒店出现在此榜单中，将其作为强品牌，剩下的57个酒店则作为弱品牌。 A代表平均评分，N代表评论数目，V代表评分分布偏差，B代表品牌性质，S是销售量的对数。变量的描述性统计和相关分析见表1和表2。

表1　描述性统计(N=2 146)

表2 相关性分析

注： * 、**分别表示p<0.05和p<0.01，双尾检验，下同。

3.3实证模型设定

本研究关注的问题是，在线评论与品牌的相互依赖关系，以及在线评论与品牌共同对于产品销售的影响。因此，在模型设定时必须要考虑到这两个问题。值得注意的是，在研究口碑效应的研究中，研究者必须注意到口碑并非外生性变量[38]。也就是说，口碑和产品销售之间的互为因果的可能，即口碑可能是产品历史销售的反映，例如，今日较高的口碑可能是前期产品销售较好带来的结果，它并不一定导致明天更高的销售量。不同研究者采用了不同的方式来解决这种口碑非外生的问题，本研究遵循DUAN等[5]的方法使用两方程系统模型以消除产品销售量和评论内生性的内生性影响，两方程系统模型同时可以帮助我们理解品牌与口碑多个维度之间的相互依赖关系(例如平均评分对于评论量的影响)。

(1)

(2)

式中，i = 1,2，…，N，代表每个酒店产品。Sit代表每个产品在第t天的销售量，它滞后一天的销售额用Sit-1表示。Nit代表每个产品在第t天的评论量。每个方程都包含哑变量Wit,这是因为要控制由于周末(Wit=1)和平时(Wit=0)差异而出现的销售量和评论量的差异。Ait代表第i个产品在第t天的平均评分(效价)，Vit代表第i个产品在第t天的评分偏差。Bi代表酒店i的品牌类别，Bi=1代表酒店i是强品牌;而Bi=0则代表酒店i是弱品牌。

θt和ηt的截距代表每个酒店总的时间差异。对于每个方程，同时考虑到固定效应，用μi，ρi来捕捉每个酒店除了品牌之外其他影响销售的随机性因素，例如酒店的位置等等。固定效应捕捉了每个酒店不可观察的、不随时间而变化的异质性，因此我们控制了不同酒店之间的不可观察因素的影响。此外，固定效应估计使得残差项与其他解释变量相关，因此使得模型估计更加灵活和稳健[5]。

3.4模型估计与分析结果

由于本模型的设定中，两个方程中的回归因子都包括内生变量和滞后变量，故使用普通最小二乘估计的结果将不稳健。本研究将遵循文献[5]的做法，采取三阶段最小二乘法来估计方程，方程估计的结果见表3。

(1)评分分布偏差负向影响销售(β=-0.689，p<0.01)。这验证了本研究的假设1，也就是评分分布差异负向影响产品销售。这也证实， 评分分布偏差在一定程度上反映了群体对于质量评价的不一致性， 因而能引起后续购买者对于产品质量上感知的不确定性，提高后来消费者感知风险，因而会降低消费者购买意愿。本研究的结论与[40]有一些差异，但他们的假设是所有产品的总体质量都不高，在这样的情况下，消费者购买某一特性突出的产品，而不购买各种属性特征比较均匀而不突出的产品。但是本研究评分分布偏差反映的是整体过去消费者对产品的评价的分布状态，而并不突出产品的某些属性，这种整体评分偏差可能带给消费者是对质量的不确定，因而能降低产品销售。

表3　模型估计结果

(2)品牌强度(知名连锁品牌VS不知名品牌)对与评分分布对销售的影响起调节的作用(β=0.369，p<0.01)，这支持了假设2。这表明品牌能起到一定的作用，减弱评分分布对销售的负面影响。以往的信息经济学、品牌相关的研究指出，品牌本来就是质量的象征，在消费者缺少其他信息的比较下，品牌是影响消费者的重要因素。同时，营销方面的理论表明，品牌能促进消费者忠诚，使得品牌具有抵御负面信息的作用，因为消费者在品牌偏好的条件下，可能将不一致的评价归因于评价者自身。因而，品牌能削弱品牌分布偏差带来的负面影响。

(3)平均打分(效价)对与评分分布对销售的影响起调节的作用(β=-0.164，p<0.05)，这支持了本研究的假设3。这表明评分值越高，评分分布的正向影响作用就会越突出。本研究的结论与SUN[7]的研究结论有一致之处。也就是评分值越高代表总体上口碑效价越高，其评分分布差异的影响反而是负向影响，但是评分分值较低代表总体上口碑效价较低，其评分分布差异越大则意味着也有一部分消费者喜欢这类产品，此时产品评价偏差的负向影响将会受到削弱。

(4)评论量对与评分偏差对销售的负向影响也起着加强作用(β=-0.000 7，p<0.01)，这就支持了本研究的假设4。这表明评论量越高，评分分布偏差影响作用就会越负面。评论越高代表总体上口碑效价越高，其评分分布差异的影响相对较小，但是评分分值较低代表总体上口碑效价较低，其评分分布差异的影响就相对比较大。

(5)品牌与评论效价和评论量的关系上，品牌对于评论效价具有显著的正向调节作用(β=0.089，p<0.05)，与本研究的假设5a的预测相反。这可能是因为在团购背景下，产品评分的区分度并不大，使得消费者难以通过平均打分识别产品质量，只有当产品质量和平均打分都比较高时，消费者通过二者相互印证才能确定产品质量，从而做出购买决策。与此同时，品牌对于产品的评论量的影响的调节作用并不显著(β=3.34×10-5，p=0.418)，本研究的假设5b没有得到支持。这表明消费者将品牌与评论数量看作独立的判断产品质量的因素，品牌并不能削弱评论量的影响。这可能因为本研究的酒店属于体验型产品，即使消费者将品牌视为酒店质量的一个因素，但是他们也注重从消费者的评论中发现酒店的实际体验。

(6)产品评论量对于销售具有积极的作用。CHEN 等[8]认为评论数量增加会造成一种积极的观察学习效应。就如同吃饭时选择人多的地方，其他人的选择就是质量的暗示，也就造成评论量越多，消费者越认为酒店的质量越好，越有利于产品销售。同时产品销售能预测评论数量(β=2.368，p<0.01)，这表明产品销售和评论数量之间存在互为因果的关系，应该引起后续研究口碑效应的学者重视[38]。值得注意的是，平均打分对销售的影响并不显著(β=-0.02，p=0.319)。本研究在一定程度上与文献[5]的研究一致，也就是口碑的平均效价可能并不是影响产品销售的显著因素。这可能是因为口碑效价在平均值上一般都相对比较高，而且由于评分分布通常并不服从正态分布而是J型分布，从而平均效价掩盖了评论内部中的不一致性，不能反映消费者口碑的全貌[11]。

(7)评分分布偏差对评论量的产生没有显著的影响(β=0.463，p=0.973)。平均打分值正向影响评论量(β=0.695，p<0.05)。这与以往的研究有一致之处[12]，当最初的打分较高时，后续的消费者倾向于对产品给予更低分数的评价，这就促使平均打分高可能正向影响后续的评论。但是当最初的打分比较低的时候，一方面抑制了产品的销售从而减少了评论量，另一方面也使后续的消费者与最初消费者较低打分的观点一致而降低消费者发表产品评论的动机。

4结论与讨论

4.1研究结论与意义

产品评论的影响已经受到了广泛关注和研究，学者们多关注产品评论效价(如产品打分)和产品评论量的影响，而最近的研究表明，产品评分偏差也是产品评论中的重要维度，但是他们对于产品评分偏差对于产品销售的影响的结论并不一致。本研究在质量理论的视角下，认为产品评分偏差实际上反映了现有消费群体对于产品质量评价的不一致性，这种不一致性或者矛盾性给后续的消费者带来信息处理上的困难，带来购买决策和感知质量上的不确定性，并且实证结果表明产品评分偏差对销售存在负向影响。这也证实，评分偏差是一个与评论量和评论效价并行的重要维度。事实上，文献[41]研究了品牌评价偏差对企业价值的影响，发现了其降低市场回报和企业风险的双重作用，他们进而指出，排除相关表示偏差的变量，品牌评价的效价对企业价值的影响将会被错误估计。因此，未来关于产品评论的研究应该考虑评论评分偏差这一重要因素。

同时，尽管品牌和口碑(产品评论)都是消费者推断产品质量的重要线索，但是以往的研究很少将二者结合起来，而是分别检验品牌或产品评论的作用[2,5,7]。但实际上，品牌与在线评论是紧密相连的，例如LOVETT等[23]的研究发现品牌感知风险、复杂性与品牌个性等特征都会影响消费者产生口碑总量。NGA等[22]的研究表明，在互联网背景下，品牌与口碑也是紧密关联的。本研究也发现，品牌作为自身产品质量信号的作用仍然很突出，品牌能直接影响销售，并且能与产品评论一起影响产品销售，如品牌能削弱产品评分偏差带来的负向影响，而强化产品评分的对产品销售的积极作用。这表明，在考虑产品评论的影响时，可能更要避免单独地研究产品评论的影响，而必须要考虑到产品特征(本研究中的品牌)的影响[19]。

4.2管理启示

本研究对企业管理口碑，进行网上销售具有比较重要的管理意义。①企业在管理网上口碑时，要全面衡量口碑的多个维度，包括产品的平均打分、评论量和评分的偏差。本研究表明，评分分布差异对企业销售起负向作用，而且平均打分和评论量比较大时，这种负向影响更加显著。在营销实践中，一些商家往往努力提高自己的评论量或者平均打分，提高自己在销售平台中的排名以增加销售，尽管这一做法能够起到一定作用，但是他们也要注意到若是评论量和平均打分比较高，同时评分分布也比较大时，可能企业的产品销售反而会受到负面的影响，达不到想要的效果。②网络销售时不可忽视品牌的作用，应该着力树立互联网品牌。本研究表明，品牌仍然作为一种产品质量信号，在提升网上产品销售时起着重要的作用。例如，当评分分布差异对强品牌的负面作用会降低，但是弱品牌的负面作用仍然显著。这就表明，当品牌较强时，品牌能够防御一定程度的对负面信息的曝光。这可能是因为，当品牌资产较高时，消费者面临评分分布差异时，消费者可能不会将这些偏差归结为品牌自身的原因，而是更倾向于将其归结于评论人的原因；但是当产品的品牌并不强势时，消费者可能将品牌评分分布差异归因于产品本身。因此，企业在网上销售时尽管评论非常重要，但是建立强大的品牌资产仍然具有重要意义。

4.3局限与未来研究

本研究有一定的局限。①由于本研究仅根据面板数据，而没有进行实验操纵，无法准确探知评论偏差与消费者决策之间的影响机制，以后的研究可以考虑使用实验方法来检验产品评论偏差对于个体消费者的影响；②本研究根据相关的资料将酒店品牌分为强势品牌和弱势品牌，但这一方法可能显得过于粗浅，未来的研究可以采用更加准确的数据来检验本研究的结果。

本研究使用评分分布差异实际上反映的是消费者群体偏好的不一致性带来的影响，但是本研究的不一致性是用评分分布来衡量的，后续研究可以考虑使用其他方式来研究。实际上消费者个体内部的评论之间也存在不一致性，这种不一致性如何测量，其如何影响其他消费者的决策乃至产品消费者是一个非常值得探索的问题。CHEVALIER 等[2]的研究表明，消费者并不仅仅阅读统计性的数据，而且关注评论文本本身，并且评论文本之间往往存在相互矛盾和冲突[10]。因此，未来的研究应该发展捕捉评论文本之间的矛盾性(或不一致性)的方法，并且检验这种矛盾性对于消费者产品评价和产品销售的影响。

MUDAMBI等[18]的研究表明，消费者对于搜索品和体验品购买时对于产品评论的有用性判断存在差异，例如，对于体验品而言，具有极端打分的评论的有用性感知更低。这也就表明消费者在购买不同的产品类型中对于信息的处理机制是不同的。同时，他们也认为搜索品的感知质量主要包括客观属性的状态，但是体验品的感知质量主要包括一些主观属性的状态，这些属性可能与个人偏好非常相关。因此，对于不同产品类型，产品评论的偏差对于销售的影响有何差异值得进一步研究。

参考文献

[1] LIU Y. Word of Mouth for Movies: Its Dynamics and Impact on Box Office Revenue[J]. Journal of Marketing, 2006, 70(3): 74～89

[2] CHEVALIER J A, MAYZLIN D. The Effect of Word of Mouth on Sales: Online Book Reviews[J]. Journal of Marketing Research, 2006, 43(3): 345～354

[3] ZHAO Y, YANG S, NARAYAN V，et al. Modeling Consumer Learning from Online Product Reviews[J]. Marketing Science, 2013, 32(1): 153～169

[4] ERDEM T, SWAIT J, VALENZUELA A. Brands as Signals: A Cross-Country Validation Study[J]. Journal of Marketing, 2006, 70(1): 34～49

[5] DUAN W, GU B, WHINSTON A B. Do Online Reviews Matter? —— An Empirical Investigation of Panel Data[J]. Decision Support Systems, 2008, 45(4): 1007～1016

[6] KWARK Y, CHEN J, RAGHUNATHAN S. Online Product Reviews: Implications for Retailers and Competing Manufacturers[J]. Information Systems Research, 2014, 25(1): 93～110

[7] SUN M. How Does the Variance of Product Ratings Matter?[J]. Management Science, 2012, 58(4): 696～707

[8] CHEN Y, WANG Q, XIE J. Online Social Interactions: A Natural Experiment on Word of Mouth Versus Observational Learning[J]. Journal of Marketing Research, 2011, 48(2): 238～254

[9] CLEMONS E K, GAO G, HITT L M. When Online Reviews Meet Hyperdifferentiation: A Study of the Craft Beer Industry[J]. Journal of Management Information Systems, 2006, 23(2): 149～171

[10] PARK S B, PARK D H. The Effect of Low- Versus High-Variance in Product Reviews on Product Evaluation The Effect of Low- versus High-Variance in Product Reviews on Product Evaluation[J]. Psychology & Marketing, 2013, 30(7): 543～554

[11] HU N, PAVLOU P A, ZHANG J. Overcoming the J-shaped Distribution of Product Reviews[J]. Communications of the ACM, 2009, 52(10): 144～147

[12] MOE W W, TRUSOV M. The Value of Social Dynamics in Online Product Ratings Forums[J]. Journal of Marketing Research, 2011, 48(3): 444～456

[13] ZEITHAML V A. Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence[J]. Journal of Marketing, 1988, 52(3): 2～22

[14] KIRMANI A, RAO A R. No Pain, No Gain: A Critical Review of the Literature on Signaling Unobservable Product Quality[J]. Journal of Marketing, 2000, 64(2): 66～79

[15] ERDEM T, KEANE M P, SUN B. A Dynamic Model of Brand Choice When Price and Advertising Signal Product Quality[J]. Marketing Science, 2008, 27(6): 1111～1125

[16] YIN D, BOND S D, ZHANG H. Anxious or Angry? Effects of Discrete Emotions on the Perceived Helpfulness of Online Reviews[J]. Mis Quarterly, 2014, 38(2): 539～560

[17] LI X, HITT L M. Self-Selection and Information Role of Online Product Reviews[J]. Information Systems Research, 2008, 19(4): 456～474

[18] MUDAMBI S M, SCHUFF D. What makes a helpful online review? A study of customer reviews on Amazon. com[J]. MIS quarterly, 2010, 34(1): 185～200

[19] ZHU F, ZHANG X. Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics[J]. Journal of Marketing, 2010, 74(2): 133～148

[20] SPENCE M. Job Market Signaling[J]. Quarterly Journal of Economics, 1973, 87(3): 355～374

[21] ERDEM T, SWAIT J. Brand Equity as a Signaling Phenomenon[J]. Journal of Consumer Psychology (Lawrence Erlbaum Associates), 1998, 7(2): 131～157

[22] NGA N， HO-DAC, CARSON S J, MOORE W L. The Effects of Positive and Negative Online Customer Reviews: Do Brand Strength and Category Maturity Matter?[J]. Journal of Marketing, 2013, 77(6): 37～53

[23] LOVETT M J, PERES R, SHACHAR R. On Brands and Word of Mouth[J]. Journal of Marketing Research, 2013, 50(4): 427～444

[24] FELDMAN J M, LYNCH Jr J G. Self-Generated Validity and Other Effects of Measurement on Belief, Attitude, Intention and Behavior[J]. Journal of Applied Psychology, 1988, 73(3): 421～435

[25] PARK C W, MOTHERSBAUGH D L, FEICK L. Consumer Knowledge Assessment[J]. Journal of Consumer Research, 1994, 21(1): 71～82

[26] MENON G, RAGHUBIR P, SCHWARZ N. Behavioral Frequency Judgments: An Accessibility-Diagnosticity Framework[J]. Journal of Consumer Research, 1995, 22(2): 212～228

[27] LYNCH Jr J G, MARMORSTEIN H, WEIGOLD M F. Choices from Sets Including Remembered Brands: Use of Recalled Attributes and Prior Overall Evaluations[J]. Journal of Consumer Research, 1988, 15(2): 169～184

[28] GOH K Y, HENG C S, LIN Z. Social Media Brand Community and Consumer Behavior: Quantifying the Relative Impact of User- and Marketer-Generated Content[J]. Information Systems Research, 2013, 24(1): 88～107

[29] ELLSBERG D. Risk, Ambiguity, and the Savage Axioms[J]. The Quarterly Journal of Economics, 1961, 75(4): 643～669

[30] MEYER R J. A Model of Multiattribute Judgments under Attribute Uncertainty and Informational Constraint[J]. Journal of Marketing Research, 1981, 18(4): 428～441

[31] HERR P M, KARDES F R, KIM J. Effects of Word-of-Mouth and Product-Attribute Information on Persuasion: An Accessibility-Diagnosticity Perspective[J]. Journal of Consumer Research, 1991, 17(4): 454～462

[32] CLEEREN K, DEKIMPE M G, HELSEN K. Weathering product-harm crises[J]. Journal of the Academy of Marketing Science, 2008, 36(2): 262～270

[33] MALHOTRA N K. Reflections on the Information Overload Paradigm in Consumer Decision Making[J]. Journal of Consumer Research, 1984, 10(4): 436～440

[34] HE S X, BOND S D. Why Is the Crowd Divided? Attribution for Dispersion in Online Word of Mouth[J]. Journal of Consumer Research, 2015, 41(6): 1509～1527

[35] OTNES C, LOWREY T M, SHRUM L J. Toward an Understanding of Consumer Ambivalence[J]. Journal of Consumer Research, 1997, 24(1): 80～93

[36] SHER P J, LEE S H. Consumer skepticism and online reviews: An Elaboration Likelihood Model perspective[J]. Social Behavior and Personality: an international journal, 2009, 37(1): 137～143

[37] CHINTAGUNTA P K, GOPINATH S, VENKATARAMAN S. The Effects of Online User Reviews on Movie Box Office Performance: Accounting for Sequential Rollout and Aggregation Across Local Markets[J]. Marketing Science, 2010, 29(5): 944～957

[38] GODES D, MAYZLIN D. Using Online Conversations to Study Word-of-Mouth Communication[J]. Marketing Science, 2004, 23(4): 545～560

[39] ROMANIUK J. Word of Mouth and the Viewing of Television Programs[J]. Journal of Advertising Research, 2007, 47(4): 462～471

[40] CLEMONS E, GAO G, HITT L. When Online Reviews Meet Hyperdifferentiation: A Study of the Craft Beer Industry[J]. Journal of Management Information Systems, 2006, 23(2): 149～171

[41] LUO X, RAITHEL S, WILES M A. The Impact of Brand Rating Dispersion on Firm Value[J]. Journal of Marketing Research, 2013, 50(3): 399～415

(编辑刘继宁)

Online Product Reviews, Brands and Product Sales: An Empirical Study Based on Sales of Hotel

LIAO JunyunHUANG Minxue

(Wuhan University， Wuhan， China)

Abstract：Based on the perspective of product quality, this paper explores the question that how online product reviews and brand affect product sales together in Group-buying websites. The results demonstrate that: product distribution deviation imposes a significant negative impact on product sales, but brand can weaken the negative impact; product ratings and reviews number strength the negative effect of product distribution deviation on sales; brand strength has a positive interaction effect with the valence of reviews in terms of their effect on sales .

Key words：word of mouth; online product reviews; brand; hotel; product sales

通讯作者：黄敏学(1973～)，男，湖北大冶人。武汉大学(武汉市430072)经济与管理学院教授、博士研究生导师。研究方向为网络营销。E-mail：huangminxue@126.com.

中图法分类号：C93

文献标志码：A

文章编号：1672-884X(2016)01-0122-09

基金项目：国家自然科学基金资助项目(71372127)；国家自然科学基金资助海外及港澳学者合作研究项目(71328203)；教育部新世纪优秀人才计划资助项目(NCET-12-0420)

收稿日期：2015-01-14

DOI编码： 10.3969/j.issn.1672-884x.2016.01.016