赵锴 杨小聪 陶晓波 李晓婧

摘要：伴随着互联网技术的飞速发展与应用，如伺通过网络营销环境质量的提升，促进我国文化产业尤其是影视业健康、稳定发展，是摆在政策制定者与从业者面前的重要研究课题。本文基于第三方影评平台的网络评论数据，构建了—个兼顾多重市场营销要素（网络评分、用户身份差异与品牌效应）的实证模型，探析各要素互动在形塑消费者认知在线评论可信度和后续购买行为过程中扮演的关键角色。本文发现：对于真实性较高的网络评论而言，其分值对电影票房的影响显著强于真实性较低的网络评论，但评论方差对电影票房的影响则显著弱于真实性较低的网络评论;品牌强度负向调节了用户网络评论分值对电影票房的影响，正向调节了用户网络评论方差对电影票房的影响;对于非用户网络评分与方差，品牌强度和其的相互关系与用户网络评分与方差恰恰相反。充分认识线上营销环境中各要素之间的联动关系，是提高消费者购买效率、企业高效调整影视产品与服务的关键。

关键词：网络评论;用户身份差异;品牌效应;电影票房

一、引言

随着web2.0的普及发展和移动通信技术的日益成熟，以开放性、互动性和便捷性为主要特点的网络评论为产品的营销提供了一个有效的途径。早在1997年，eBay就建立了产品评分和用户信用评分双重机制。而电影市场借鉴其动态评价模式，已衍生出线上体验、评分、购票一体化模式，将电影产品带入了“信用”透明阶段。国内较早的电影评分系统例如豆瓣网和格瓦拉生活网分别建于2005年和2007年。之后格瓦拉生活网于2009年，将其业务从单纯产品评论进一步拓展到网络售票领域。在中国电影票房爆炸性增长、电影业与互联网融合不断加深的背景下，以三大评分网站为代表的新媒体电影产品社交平台迅速发展起来，已成为影响消费者购买决策的重要渠道。正因为网络评论具有较高的商业价值，一些商家有动机以非真实消费者的身份为自己的产品提供好评，为竞争对手的产品提供差评（Hu等，2011a）。越来越多的证据（如Anderson和Simester，2014）表明，电影消费者正面临真假评论共存的困境。在我国，自从2012年《王的盛宴》宣传方涉嫌虚假宣传，使得“网络水军造假”备受关注以来，关于线上电影评论在我国电影产业高速发展过程中所扮演角色的討论也接连不断。影评对一部影片的影响究竟有多大？影评的法律和管理边界在哪里？目前围绕这一系列问题展开的国内外研究主要集中于虚假评论的检测和识别（BaneIj ee和Chua，2014），或探析网络评论与产品质量的关系及其对消费者福利的影响（Dellarocas，2006）等。然而，此类研究一定程度上忽略了评论平台用户的社交网络特性，以及网络评论与其他营销要素之间的联动关系。该领域研究的匮乏意味着学界在网络评论真实性影响消费者购买决策的具体机制方面，依然缺乏足够的了解。此外，面对越来越多的网络评论，由于消费者的认知处理能力有限，可能采用启发式（heuristic cue）的方式处理网络评论，此时，产品品牌强度作为启发式线索对不同类别评论的影响发挥了怎样的调节作用依然未知。因此，本文响应《中华人民共和国电影产业促进法》关于“引导形成统一开放、公平竞争的电影市场，促进电影市场繁荣发展”的号召，在统一框架下对上述两方面问题进行了综合研究，以线上评论对电影票房的影响为纽带，将市场营销学、品牌学、消费者行为学等诸多理论联系起来，形成了一个较完整的、针对中国电影产业与市场的发展理论体系。相关研究成果在疏导与管理网络营销环境和规范电影市场秩序等方面具有重要的实践价值。

二、文献回顾

（一）电影票房的影响因素：线上评论与用户信息

文献表明，三个基本元素决定电影产品在经济上的成功：产品属性、发行模式相关变量和信息来源（Gmerek，2015）。产品属性包括制作成本、屏幕格式、影片类型、预算规模以及导演和主要演员的市场声誉等。电影的发行模式与上映策略、经销商市场势力和上映范围（例如大规模上映、平台上映或有限上映）相关。信息来源可再划分为客户评级、影评评级和宣传费用。许多研究发现，口碑对电影观众是否愿意观看某部电影具有说服力（Chintagunta等，2010），且口碑的说服力比广告更强（Moul，2007）。口碑经常定义为观众在电影网站上的评级，包含三个测量指标：评论量（Chevailier和Mayzlin，2006）、评论级分（Zhang和Dellarocas，2006）和评论之间的差异性（Moe和Trusov，2011）。

网络评论的匿名性也成为学界普遍关心的一个问题。在多数情况下，评论平台上只能看见用户的论坛名称、代号或用户服务级别，这意味着其他人无法看到该用户的真名、生平、照片或其他能揭示他们真实身份的信息，这种现象会带来信息可信度的疑虑。此外，消费者经常从网络上获取不完整、错误或具误导效果的信息。社会认同理论认为，认同是“个人知觉自身与某群体为一体或对该群体具有归属感，包含直接或替代性地体验该群体的成功或失败”（Ashforth和Mael，1989）。由于电影产品具有经验性的本质，所以尚未看过某部电影的潜在消费者可能会阅读与其具有相同品味的用户所撰写的评论，以降低不确定性。此外，声誉能让消费者找出其他具有共同兴趣的个体，借此增进在某特定社会团体中信息质量的知觉可信度（Pompitakpan，2004）。Formane等（2008）强调评论者身份识别的重要性。根据亚马逊的资料，识别评论者的人口学数据与后续增加网络产品销售有关。在检视评论评价和来源识别度在旅游业中的互动性影响时，Kusumasondjaja等（2012）也发现当评论者身份被披露后，在线客户评论的可信度会提高。

（二）品牌效应理论

品牌效应可定义为“品牌知识对消费者营销活动的反应所造成的差别效应”（Hoeffler和Keller，2003）。品牌学文献表明，具有强大品牌权益的产品具有更大的广告力，可以提高消费者的注意力（Simonson等，1988），对负面信息有较高的耐受度（Dawar和Pillutla，2000），并可作为产品信誉的信号（Erdem等，1999）。以上结果显示，品牌效应的产生和不确定性息息相关。而在线客户评论在信号传播与消除消费者不确定之间扮演重要角色。在线客户评论所提供的信号，来自消费者对信誉的观感，不受营销方利益的影响。因此，比较在线客户评论对品牌权益的影响尤为关键。早期研究试图理解影评如何传达产品质量，而产品质量并不易于观测。一些学者认为联名是降低消费者知觉产品风险的有效策略（Chiambaretto和Gurau，2017）。后续研究将这些讨论延伸到在线客户评论的情境下。Zhu和Zhang（2010）利用电玩产业数据（GameSpot.com）检视游戏普及度如何中介在线评论对销量的影响。他们指出，普及度较低的游戏的销量更容易受到在线客户评论的影响。Ho-Dac等（2013）提供证据说明了品牌权益在成熟DVD播放器市场的影响，证实弱势品牌的销量和在线客户评论的评价成正比，而在线客户评论对强势品牌不具显著影响。

（三）本文对线上评论、用户信息与品牌效应理论的整合

相比之下，国内学者在一定程度上从理论和实证角度研究了线上评论对电影票房可能产生的影响，研究范围主要集中于线上评论的发布动机（孟美任和丁晟春，2013）、形成路径（陈燕方和娄策群，2015）以及网络评论的可信性（金立印等，2008;李雨洁等，2013）等方面。除此之外，少数实证研究分析了网络水军对消费者购买意愿的影响（郑春东等，2014;郑春东等，2015）以及企业的管理特征和组织特征对评论操纵程度的影响（卢向华和冯越，2009）。不过无论中外，关于电子口碑的新兴研究大多都只分别从线上评论、用户信息来源与品牌效应三个方向关注其对电影经济绩效的个别影响，而极少有将三者结合起来并纳入同一分析框架的研究。此外，许多研究以“明星魅力”为线上品牌的代理变量，例如导演、演员、奖项提名、电影受欢迎程度和票房纪录等（Fetscherin，2010），但关于品牌效应对票房的影响尚未得到一致性结论。品牌权益的影响也并未和在线客户评论的影响清楚区分开来。因此，尽管通过衡量品牌信号，了解在线客户评论对产品销量的影响有其重要性，但品牌效应如何调节不同种类在线客户评论对电影产业的作用尚不明晰。

本文依托国内著名专业票务网站——格瓦拉生活网（http：//www_gewara_com/）中电影产品的网络评论数据，在统一的分析框架中进一步将综合评分（overall rating）和综合评分方差（overallvariance）细分为用户（user）和非用户（non-user）两个子范畴，构建了一个包含用户评论评分（user's rating）、非用户评论评分（non-user's rating）、用户评论方差（user's variance）、非用户评论方差（non-user，s variance）和其与品牌效应交叉项的实证模型，旨在研究网络评论、用户信息来源与品牌效应之间的动态关系，为中国电影行业线上用户行为规范的制定提供有价值的实证参考。本文还提供了一种新颖的实证检验，阐明了多要素協同发展与管理模式的优越性。

三、假设提出与研究框架

（一）以用户和非用户作为划分网络评论真实性依据的合理性

从理论上来说，社会心理学中有大量文献表明可信性（Credibility）是影响说服性信息效果的重要因素。可信性是有效信息分享的关键问题，它涉及信息的可靠性（Reliability）和消费者的信任（Trust）;而可信性要么建立在口碑发送者的声誉上，要么建立在信息的内容上（Cialdini和Goldstein，2004）。很多证据表明，信息来源会影响消费者对信息内容的反应（Kang和Herr，2006）。

从实践上来说，当网络评论的阅读者有机会同时看到用户和非用户发表的评论时，他会推测用户对产品进行售后评价是普遍而正常的，而大量非用户对产品的评价则存在异常。因为用户在消费完产品之后，可能产生正面或负面的情绪，需要通过发表网络评论来获得心理平衡;而且他们也已经拥有账号、熟悉网页布局并能轻易找到已观看的电影等，即发表评论的前提条件是具备的，不需要用户付出额外的成本。对于非用户来说，可分为两类，一类是正常的非用户，一类是非正常的非用户（如网络水军）。前者可能需要注册新账号才能评论，花费精力熟悉网页评论规则，并寻到目标电影等，但他们并不能获得比用户发表评论更多的收益，因此这类非用户的行为相对缺乏理性，网络评论的接收者会对这类人的口碑给予折扣。对于非正常的非用户，他们需要注册新账号以掩人耳目，躲避删帖以及付出劳动和时间等，但能获得雇佣企业的佣金，因此他们的行为是理性的，但显然，网络评论的接收者对这类人的口碑采取不信任的态度，有时甚至会有反感。

（二）假设提出

基于以上的理论分析可知，对于用户的网络评论，消费者相信其是基于真实的购买和使用行为而作出的评价，因而更加可信。网络评论的分值通常被看作产品质量的信号：分值越高，产品质量越好。换句话说，根据用户的评论，某产品的网络分值越高表示该产品的质量越好。产品质量越高，对潜在消费者的吸引力越大，也越能促进消费者的购买行为。

相反，对于非用户的网络评论，由于评论阅读者对非用户发表评论的动机存在疑问，所以对其信任程度较低。这时候的网络分值不能很好地代表产品质量，即不能通过非用户的分值推断产品质量，因此，非用户的分值对产品销售量不具有正向促进作用。

基于以上分析，提出假设Hi。

H1：用户网络评论的分值对电影购买量的正向影响大于非用户网络评论的分值对电影购买量的影响。

网络评论的方差（多样性）反映了消费者评价的异质性。在评论方差对购买量的影响上，存在三种观点。第一种观点认为网络评论方差越大，产品的销售量越少，有两种解释可支持这一观点：一是消费者是风险规避的，如果评论的方差很大，说明大家对产品的评价不一致，这会增加消费者的风险感知（Zhang和Dellarocas，2006）;二是方差大的产品是小众产品（Sun，2012），而小众产品的消费者基数比较小，所以购买产品的人数也比较少。第二种观点认为方差越大，产品的销售额越高，也有两种解释支持这一观点：一是方差越大，消费者越好奇，并且在好奇心的驱使下诱使更多消费者购买产品（Martin等，2007）;二是方差越大，表示产品信息扩散的范围越广，发表评论的消费者细分群体的数目越多，所以产品的销售额越高（Clemons等，2006）。第三种观点认为方差不会影响产品销售额，因为分值不仅仅是产品质量的反映，还是消费者品味的反映，所以方差越大，说明消费者的偏好差异越大。综合以上分析，当产品的知晓度被控制之后，评论方差对购买量的影响就取决于消费者的风险规避与好奇心之间的相对大小。

非用户的网络评论方差对电影票购买量的影响可能存在三种情况：第一种是网络水军故意提高电影分值，一些消费者发现后对这种行为进行惩罚，故意刷恶评，导致方差较大。在这样一来一往的较量中，增加了电影的知晓度，而知晓度的提高导致购票人次增加;第二种是网络水军是竞争对手的宣发公司雇佣的，给电影打低分，一些消费者（如电影粉丝）发现后，不但为电影刷好评，而且通过再次购票支持，而导致购票人次增加;第三种情况是电影的宣发公司和竞争对手的宣发公司同时雇佣了水军，双方都提高自己贬低对方，所以导致方差较大，并且有能力开展这种宣传方式的电影具有较高的营销预算，高营销预算与高票房相关。从以上分析可知，即使控制产品的知晓度，非用户评论方差对电影购买量仍具有正向影响。

综合以上分析，提出假设H2。

H2：用户网络评论的多样性对电影购买量的影响小于非用户网络评论多样性对电影购买量的影响。

根据系统一启发式理论，消费者对信息采用两种不同的处理方式：一种是系统式处理，接受者对信息的态度主要受内容的影响;另一种是启发式处理，接受者对信息的态度主要受情境的启发线索的影响。系统式处理比启发式处理需要占用消费者更多的认知资源（Chaiken，1980）。当消费者面对海量的网络评论时，系统地处理如此大量的评论信息将超过人类的认知能力，所以人们常常把对情境线索的评估作为一种简单和方便的决策规则或者认知捷径来帮助他们得出判断和指导行动（Forman等，2008）。

品牌强度是指品牌认知和有利的品牌联系的强度（Keller，1993）。知名度和声誉度高的产品品牌强度高，反之则低。Levin等（1997）认为明星具有品牌资产效应，他们将“明星”类比于“品牌”，并认为流行的电影演员和导演，就像流行的品牌一样，拥有名称识别，并建立了一定的形象，并且与特定的产品类型相关。因此可以使用“明星力量”作为产品品牌强度的代理变量：如果电影的导演或演员曾经在金鸡、金像、金马、奥斯卡等国内外电影节上获得最佳导演或最佳演员奖项，则这部电影的明星力量强，对应的品牌强度强。反之，则表示明星力量弱或品牌强度弱。

品牌强度或本研究情境中的明星力量作为启发式的线索会调节用户的网络评论分值与购买量之间的关系。因为人们认为，如果一部电影的导演或演员曾经在电影节获过奖，那么这部电影的质量可以得到一定保证，因而潜在消费者对用户网络评论分值所传递的质量线索的依赖度降低。基于这样的事实和消费者预期，当一个产品的品牌强度大或电影明星力量强时，将削弱购买者的评论分值对购买量的影响。而在没有启发式线索可供参考的时候，用户网络分值成了电影质量的重要指示线索，此时用户的评论分值越高，越能说服新消费者采取购票行动（Nelson和Glotfelty，2012）。

对于非用户的评论分值，虽然消费者对非用户评论分值的信任是有限的，但是如果产品的品牌强度强或电影的明星力量强，就会增强消费者对影片的信心，提高消费者对电影的评价，并促进消费者的购买行动。对于品牌强度弱的产品或明星力量弱的电影，非用户分值的虚高甚至会引起潜在消费者的反感，而加速逃离这部电影。因此，基于以上的分析，本文提出假设H3。

H3：产品品牌强度会调节真实性程度不同的用户和非用户的网络评论分值对购买量的影响。

H3a：用户网络评论分值对品牌强度弱的产品（明星力量弱的电影）的购买量的积极影响大于对品牌强度强的产品（明星力量强的电影）的购买量的影响。

H3b：非用户网络评论分值对品牌强度弱的产品（明星力量弱的电影）的购买量具有负向影响，对品牌强度强的产品（明星力量强的电影）购买量的影响不显著。

对于明星力量强的电影，明星质量削弱了购买者分值差异大引起的潜在消费者的风险感知，并增强了消费者的好奇心，此时方差越大，购买量越大。对于明星力量弱的電影，由于没有可靠的质量线索，用户评论方差越大将导致消费者的感知风险迅速上升，并在其决策中占据主导地位，进而对购买量产生负向影响。

对于明星力量强的电影，如果非用户对电影评论的方差很大，潜在消费者可能将非用户分值中的好评归因于电影制作方或宣传方的炒作，而将非用户分值中的差评归因于其他消费者的反感，进而导致消费者感知风险上升，购买量下降。对于明星力量弱的电影，潜在消费者认为这类电影没有经济实力雇佣水军，更可能将非用户较大的方差归因于不同消费者的品味差异，进而引发部分消费者的好奇心和购买行动（Sun，2012）。

因此，基于以上的分析，提出假设H4。

H4：产品品牌强度会调节真实性程度不同的用户和非用户的网络评论方差对购买量的影响。

H4a：用户网络评论方差对品牌强度弱的产品（明星力量弱的电影）的购买量的影响小于对品牌强度强的产品（明星力量强的电影）的购买量的影响。

H4b：非用户网络评论的方差对品牌强度强的产品购买量的影响为负;非用户网络评论的方差对品牌强度弱的产品购买量的影响为正。

根据以上的假设推演分析，本文提出了真实性程度不同的用户和非用户网络评论对产品购买量影响的分析模型，如图1所示。

四、研究模型与变量

（一）模型设定

根据前面的理论分析，建立下列模型检验真实性不同的网络评论分值和方差对电影购买量的影响差异。各个变量的含义如表1所示。

其中，Z是除评论数量之外的控制变量，ε是误差项。

另外，为了检验网络评论与购买量之间的关系是否受到产品品牌强度的影响，在式（2）、（3）中加入产品品牌强度与网络评论分值和方差的交互项，建立（4）、（5）。

（二）数据和变量设置

1.数据收集与主要变量生成

本文所使用的数据主要来源于格瓦拉生活网和中国票房网，收集自2013年1月至2014年10月在中国上映的308部电影的相关信息。每部上映电影的主要特征如演员阵容、导演、语言、发行日期和关注者人数等均可被观测，且与电影总评分的汇总相关。用户和非用户的评分分别用橙色和灰色展示，所以消费者能够对整体评分高低和分布（方差）形成直接印象。不过消费者无法借助汇总统计数据进一步确认信息可信度。相应地，格瓦拉生活网设置了一个评论专区，使消费者能够详细地了解网络评论评分与内容，读者同时鉴别用户和非用户评论的具体内容和个人评分。我们相信格瓦拉网站采用的评论审核系统能有效地提供一个适宜的网络环境，使消费者能结合品牌和用户身份来源对网络评论进行解读，进而产生购买意愿与行为。

从格瓦拉网站收集的原始数据包括：电影名称、在格瓦拉上购买该电影的门票张数、喜欢电影的人次、电影的网络口碑数量（网站上用“哇啦”表示）、电影的评分、评分为9-10分的比例及用户和非用户的相对比例、评分为8-9分的比例及用户和非用户的相对比例、评分为6-8分的比例及用户和非用户的相对比例、评分为4-6分的比例及用户和非用户的相对比例、评分为1-4分的比例及用户和非用户的相对比例。另外，从格瓦拉网站上收集了电影特征数据，如电影的导演、主演、类型、制片国家/地区、片长、语言、在中国内地和非内地（如有）上映的日期等。

对原始数据，预处理的第一步是解析用户和非用户发布的网络评论的数量、效价和方差。根据格瓦拉网站中的评论数量、各档评分比例以及用户和非用户的相对比例可以计算出格瓦拉上每一部电影的用户和非用户发表的评论数量以及对应的星级评分所占的比例，进而以其为权重，通过加权平均法对每部电影上映期间用户和非用户的综合评分和方差分别进行计算。处理的第二步是将电影的特征变量编码成数值型变量。具体来说，按照电影的制片国家和地区可以将电影分为三类，分别是国产片、进口片和合拍片。国产片指制片国家和地区是中国大陆的电影;合拍片指中国大陆与其他一个或多个国家或地区合作拍摄的电影;进口片指制片国家和地区是欧美等国家的电影。此外，作者对明星力量的操作化定义为：参与电影拍摄的演员或导演曾经获得过金鸡奖、百花奖、香港金像奖、台湾金马奖和美国奥斯卡金像奖最佳男演员、最佳女演员或最佳导演奖的电影具有明星力量。换句话说，明星力量（star）是一个虚拟变量，其编码规则是：值为l表示参与拍摄的导演或男女演员曾在百花奖、金鸡奖、金像奖、金马奖和奥斯卡获得最佳导演、最佳男主角或最佳女主角;其值为0表示参与电影拍摄的演员或导演都没有获得过以上奖项。最后，本文将电影分为七个主要类别，分别是剧情片、喜剧片、动作片、爱情片、动画片、惊悚片和其他类型，为此生成七个虚拟变量来表示;电影的放映形式可以分为2D、3D和IMAX三种，生成三个虚拟变量，分别表示对应的形式;电影的宣传发行公司可以分为三类，分别是国有大型电影发行公司（G）、明星私企（M）和私营小企业（S）。其中国有宣发公司（G）包括中影集团、华夏电影发行有限责任公司、上海电影集团有限公司;明星私企（M）包括光线传媒、博纳影业、乐视影业、万达影业和华谊兄弟;私营小企业（S）则为以上两类之外的国有中小型电影宣传发行公司。

2.因变量

综上所述，本研究因变量是格瓦拉网站上一周票房的总销量（lnbuy）。此外，出于稳健性检验的考虑，我们也应用了中国票房网站上的电影票房销量数据，格瓦拉网站上影迷的数量（lnlike）和影片关注者的数量（lnatten），以及票房转化率（trans，电影票购买总数÷电影关注总人数）。除票房转化率外，回归分析中所使用的所有因变量都用对数函数进行了转换。

3.自变量

此次研究中关键的自变量有如下：电影总评分（rate）和其方差（var）;用户和非用户评论评分（rgg和rbg）和其方差（vgg和vbg）;产品品牌强度（star），把电影的明星效应作为其代理变量（1为因导演或演员曾在有代表性的电影节中获得过最佳导演或演员的奖项所造就的强大的品牌强度;0为因导演或演员并未在电影节中获得过任何奖项所导致的弱小的品牌强度）。

4.控制变量

至于控制变量，消费者网络評论总数（lnvol）代表了一个网络平台上每部电影的在线评论总数，并与消费者对电影的关注度相联系。其他关于电影特征的控制变量有电影类型、原产国、是否为续集、放映格式、促销和分销公司的类型，以及电影长度（以分钟计>等。表1给出了本研究中对于关键变量的描述。

五、实证检验结果及其分析

（一）样本选择与描述统计分析

本研究样本基本特征如表2所示。可见购票量平均值为117380，最大值达1994703，最小值仅有149，标准差达到215401。口碑总数量均值为每部电影2279次，而峰值达到了23392次。此外，关注人次、口碑评分、口碑方差等指标的最大和最小值之间也存在明显的差距，可见中国电影市场上产品特征和相应经济效应差别极大。值得一提的是，用户与非用户在评论数量、评分值和方差方面并没有显著的统计差异，例如用户评分均值为7.283，而非用户则为7.336;用户、非用户每部电影放映期间评论数量均值分别为1280和1000次。这说明本研究抽样范围合理，非用户群体无论从数量上还是评分质量上足以支撑研究假设和相应分析，存在选择性偏差和极值效应的可能性较小。

（二）多元回归分析

1.异质的网络评论与购买量

针对截面数据和样本数量特征，本文采用稳健OLS模型进行分析，旨在检测用户和非用户网络评论评分及其方差对在线票房销售的影响。根据表3模型I中列出的基准模型回归分析结果，网络评论的总评分和总方差并未显著地影响电影的网络票房销量。这说明不同类别网络评论及其与市场要素之间的关系具有明显的异质性，因此很难在整体的层面上进行测度。

然而模型Ⅱ显示，用户网络评论评分的系数为0.211，而非用户网络评论评分的系数是0.202，且均达到了1%显著性水平。用户网络评论评分对电影销量的影响与非用户网络评论评分的影响刚好相反，也就是说，消费者更倾向于相信用户给出的评分。相反，消费者对非用户给出的评分持怀疑态度，非用户给出的评分越高，消费者对此评分表现出越消极的反应，他们购买电影票的欲望也变得更弱。这一发现表明，消费者有能力去辨别认证的和未认证的评论，而未认证的评论也不足以说服他们去购买电影票。用户网络评论评分相较于非用户网络评分对消费者购买电影票的积极影响要大很多，这也因此证明了假设Hi。用户网络评论评分方差的系数是0.216，而非用户网络评论评分方差的系数是0.380（表3，模型Ⅲ），只有后者达到了5%显著性水平。这表明更高的非用户网络评论方差与格瓦拉网站上更多的电影票购买量相关联。非用户的网络评论方差相较于用户的网络评论方差对消费者购买电影票的影响要大很多，因此假设H2被证实。此外，在控制变量中，品牌强度、网络评论数量、进口片、电影长度和是否电影续集系数显著为正，这意味着除了显著的认知效应（Awareness effect）和品牌效应以外，中国消费者更加青睐高质量的进口系列电影（例如钢铁侠系列、变形金刚系列等），这说明中国电影在实际经济效应上与国外影片相比仍有差距。

2.品牌强度对网络票房销量的中介作用

通过模型Ⅳ和V，本研究调查了品牌强度（明星效应）对用户和非用户网络评论以及在线购票数量之间关系的中介效应。品牌强度中介效应的单独作用方向和具体边际效应变化规律如图2和图3所示。从图2可直观地看到，品牌强度的强弱随着用户评分的上升对购买量的影响为线性递增的关系。而对于非用户而言，品牌强度的强弱对电影购票量呈现线性递减关系。不过总体上，有品牌强度的电影（导演或男女主角演员曾获奖，staFl）线上评论对购票量的影响都低于没有品牌强度的电影（导演或男女主角演员都没获奖，staFO）。图3显示了不同的结果，随着用户评论方差的不断增大，品牌效应对购票量的正效应开始逐渐显现。而非用户评论的方差对购票量基本呈現正向影响，即非用户的评论方差越大，购票量反而越多。平均边际效应如表3模型Ⅳ和V所示，用户评论评分和电影明星效应二者间的相互作用项显著为负（表3，模型Ⅳ）。这表明，观众网络评论对强明星效应电影的销量（0.295-0.328=-0.033）相比于对弱明星效应电影的销量影响更低（0.295）。因此，假设H3a被证实。相反，非用户评论评分和电影明星效应二者间的相互作用项显著为正。这意味着，非用户网络评论对强明星效应电影的销量（-0.366+0.503=0.137）相比于对弱明星效应电影的销量影响更强（-0.366）。此外，通过明星效应的调节作用，非用户评论对强明星效应电影的销量影响转变为正，不过，这些评论对弱明星效应电影的销量的影响仍然为负。因此，假设H3b也被证实。用户评论评分方差和电影明星效应二者间的相互作用项显著为正（表3，模型V）。这表明，观众网络评论方差对强明星效应电影的销量（-0.360+1.079=0.719）相比于对弱明星效应电影的销量影响更强（-0.360）。因此，假设H4a被证实。相反，非用户评论评分方差和电影明星效应二者间的交叉项系数显著为负。这说明了非用户网络评论方差对强明星效应电影的销量（0.561-1.140=-0.579）相比于对弱明星效应电影的销量影响更弱（0.561）。因此，假设H4b也被证实。

（三）稳健性检验

除了在线评论和产品特性，消费者的购买行为还可能受到竞争因素、产品消费的季节性、产品价格和产品广告植入的影响。本文利用在特定一周内电影放映的平均数量作为代理变量来检测竞争因素的影响（Gopinath等，2013）。一个较低的平均数意味着新发布的电影占比较高一一这些电影通常比老电影占据了更多的银幕资源（比如在多功能放映厅影院里排片比例更高）。相反地，一个较高的平均数表示某一周内放映的电影之间相互竞争较弱。电影消费的季节性是根据特定电影是否会在节假日上映和电影放映的月份来定义。电影在某一特定电影院放映的价格主要是由其放映形式决定的（比如2D、3D或者IMAX）。因此，电影放映形式可以作为电影票价格的一个代理变量。本文尚未收集到关于电影中广告植入的相关数据，不过，电影推广公司通常会根据放映电影的类型来逐步提高收费，所以电影中的广告植入是由推广公司（国有或民营的）间接和部分控制的。此外，为了进一步研究用户和非用户网络评论对电影票购买数量影响的外部有效性，本文在控制遗漏变量基础之上，将因变量分别置换为对消费者态度（喜欢和关注），网站绩效（转化率）和公司业绩（票房销量）的影响，再次重复表3模型Ⅳ和V的分析，以期检验结果的稳定性。

如表4（a）与表4（b），本文模型设定与结果稳健。用户的网络评论评分能显著地正面影响票房销量、消费者喜好和关注，提升票房转化率。除去转化率以外，非用户网络评论评分对其他因变量均产生显著的负面影响。用户网络评论方差对所有因变量均作用不显著，而非用户网络评论方差则显著地正面影响所有因变量。更重要的是，这些网络评论和品牌强度之间的相互影响作用与之前结果相似。例如，在表4（b）的所有设定下，非用户网络评论方差对强明星效应电影的影响依然比对弱明星效应电影的影响要低得多。

六、结论和政策建议

本研究聚焦于信息来源识别度和品牌强度对票房的互动影响。我们采用“用户”和“非用户”作为卷标以进行事实验证，在考虑到概念化来源识别度如何提高来源可信度之理论架构的同时，探究影响信息交流和获得的机制。本研究发现，相较于非用户的在线评论评级，用户在线评论评级在提升购买数量上发挥的效用更为显著。此外，非用户的在线评级负向影响购买数量，因为消费者倾向不购买具有高非用户评级的电影票券。此结果与现有研究相符，认为揭露来源的评论比未揭露来源的评论更能形成消费者对评论可信度的认知（Stiff和Mongeau，2016）。

另一发现显示，影片品牌强度显示出用户与非用户在线评论对票券购买数量的影响，依据情况不同，影响程度也会改变。就用户在线评论评级对电影购票数量的正向影响而言，品牌强度高者，用户在线评论评级影响力降低，而对品牌强度低者影响力提高。高品牌强度正向调节非用户在线评论评级对购票数量的负面影响，而低品牌强度则负面调节购票数量。影片的品牌强度也调节用户及非用户之在线评论方差对购票数量的影响。用户在线评论的方差正向影响具有高品牌强度影片之购票数量，负向影响具有低品牌强度影片之购票数量。非用户在线评论方差正向影响具有低品牌强度影片之购买票券数量，负向影响具有高品牌强度影片之购买票券数量。以上结果与先前电子口碑影响研究所得结论相似，包括关于评论评级（Duan等，2008）、评论方差（Godes和Mayzlin，2004）和明星魅力（Elliott和Simmons，2008）的研究。

本文与以往中外研究相比有两点不同。首先，虽然过去关于电子口碑的研究已检视了来源识别度和品牌权益所扮演的角色，却很少有研究探讨它们的互动效应。虽然造假评论并没有减少的趋势，但购买与评论系统已变得更加精良，能协助消费者产生对产品的认知与初步信任。例如，亚马逊、eBay和TripAdvisor都设计了后台程序以侦测付费在线用户，而电影经销商也经常整合在线评论系统与消费者付费状态，因此，评论者若未购买票券，其评论就不会通过验证。然而，大多研究都聚焦于侦测造假或不实评论，而涉及市场环境显著变化的研究仍然稀少。本文模拟实际线上营销环境，阐明了来源识别度和品牌强度如何在形塑消费者认知在线评论可信度和后续购买行为过程中扮演关键的角色。

此外，目前关于信息来源识别度影响消费者认知信息可信度和相对应市场结果的研究强调信息真实性的重要性。信息真实性通常与用户的人口学特征（Forman等，2008）或经验（Gefen，2000）相关。然而，这些研究结果在解释来源识别度对消费者行为的影响时并不完全恰当，尤其是当电子口碑无法被单纯定义为“真”或“假”时。因此，本研究确认未揭露的信息来源不一定有害，甚至可能带来显著正向感知或形塑正向结果。从經济学的角度而言，片商花钱雇用写手（或网络水军），通过“误导”形成消费者感知只有一个动机，就是对产品具有信心。如果消费者被说服，进而购买高质量产品，他们就会进而提供正向回馈。额外的正向回馈成为吸引更多潜在用户的“口碑磁石”，形成良性循环。相反地，如果有许多消费者相信收费写手的推荐，却在购买产品后产生不良体验，他们将会张贴非常负面的用户评论，意味着长期而言，先前收费写手所做的努力可能是徒劳。这就是为何在高品牌强度下，非用户评级整体仍能造成正向影响的原因。换句话说，即使的确有网络水军的存在，某产品的整体评级很大程度上仍然和它的质量呈正相关。

相关政策建议：一是影视企业应将网站设计为能显示评论者电子口碑来源识别度的形式。本文的结果也显示，网络水军可能不是近年来中国票房成长迟缓的主要因素。因此，制片公司应关注新的市场潮流，例如愈加分化的消费者喜好、逐渐兴起的网络剧和提升的市场效率，以提高票房销售;二是有多种方法可以用来减弱电子口碑的负面效果。最直接的策略就是迅速响应由非用户所提供的众多评论，放大名人效应和产品品牌效应。对于具有高在线评级方差的产品，只要消费者能取得来源识别度和品牌强度相关信息，产品仍然可能获利。产品销售方应确保消费者能轻易察觉真实的低评级方差。即使在高方差情况下，明星魅力或获奖记录等详细信息也能抵销高方差对票房造成的负面影响。相较之下，卖方应仅在高品牌强度时限制揭露非用户的高方差评级。当品牌强度低时，高方差可能会促使好奇的消费者购买产品。

本文为我国“互联网+”语境下电影产业的融合创新提供了观念指引和具体实施路径，不过也有局限之处有待未来研究进一步深入。首先，本研究只针对电影产品，因此研究结果的广泛适用性还需更加全面的验证。此外，也存在用户恶意恶评、敲诈商户的可能性，此类行为对网络信用体系的发展危害极大，且不容易通过现有数据收集方式甄别。再次，也可通过分析产品特征异质性的角度，例如以区分国内外影片的方式，进一步多维度地捕捉线上信息来源对消费者购买行为所产生的影响。最后，消费者也可能因为折扣、付款方式便捷性、购买习惯等多种原因，在一家平台上阅读产品评论，却在别处购票，此类溢出效应对网络电影市场的发展乃至商家对消费者购买行为的刺激与诱导也具有重要的作用。

参考文献：

[1]陈燕方，娄策群.在线商品虚假评论形成路径研究[J]，现代情报，2015（01）.

[2]金立印，王如意，邹德强.消费者对网络评论信息的可信性评价[J]，营销科学学报，2008（04）.

[3]李雨洁，廖成林、李忆、伏红勇.在线商品评论可信吗——在线商品评论的偏差分析及矫正策略[J]，营销科学学报，2013（02）.

[4]卢向华，冯越.网络口碑的价值——基于在线餐馆点评的实证研究[J]，管理世界，2009（07）.

[5]孟美任，丁晟春.虚假商品评论信息发布者行为动机分析[J]，情报科学，2013（10）.

[6]戎钰网络水军搅局电影分值，电影好不好看还能信谁？[M]，楚天都市报，2013-3-20。

[7]郑春东，韩晴，王寒.网络水军言论如何左右你的购买意愿[J]，南开管理评论，2005（01）

[8]郑春东，孙为政，王寒.虚假网络评论对消费者在线搜索与购买决策的影响[J]，大连海事大学学报：社会科学版，2014（06）.