图书在线评论与销量关系实证研究述评.docx

1、图书在线评论与销量关系实证研究述评图书在线评论与销量关系实证研究述评 摘 要 近十年来，国内外学者在不断探索在线评论的测度和文本挖掘方法的基础上，对在线评论与销售绩效间的关系进行了大量实证研究，研究结论包括正相关、负相关、不显著等多种形态关系。这表明，在线评论对销量的影响不仅取决于在线评论维度的选取与测度等自身因素，还取决于在线评论的产品类别、来源平台差异、文化语境等情境因素。由于在线评论分析的领域性较明显，本文仅以图书领域为例，对国内外已有的图书在线评论与销量关系的实证研究进行系统归纳和总结，旨在为研究者进行规范的实证研究提供思路。 关键词 图书 在线评论 销量 关系 中图分类号 G235

2、文献标识码 A 文章编号 1009-5853 （2017） 01-0088-05 Review on the Empirical Study about the Relationship between Online Books Review and Sales Ren Juan （Shanghai Publishing and Printing College， Shanghai， 200093） Abstract Based on exploring the measure and text mining approaches of online reviews， most domesti

3、c and foreign scholars have made much and rich empirical research on the relationship between online reviews and sales in recent ten years. The conclusions of empirical study include positive correlation， negative correlation and no significant， etc. It suggests that the impact of online reviews on

4、sales depends not only on the selection and measure of dimensions of online reviews from its own factors， but also on the products category， different sources， cultural context and other situational factors. As the opinion mining of online reviews usually dependence on the field knowledge strongly，

5、it takes books as the object of study only， and summarizes the empirical research on the relationship between online book reviews and sales systematically， aims to provide new thought for the future empirical research. Key words Books Online reviews Sales Relationship 网络零售业规模的快速发展带来在线评论数量的急剧增长。在网络零售

6、领域，自亚马逊网站首次推出用户在线评论系统以来，各大电商网站竞相推出在线评论系统，用户在线评论已经成为当前企业进行营销管理的重要分析工具之一。越来越多的业界人士和学者倾向于在线评论对产品销量和消费者购买决策都会产生重要影响；有效利用在线评论能够促进产品销售，能为企业带来更多的利润。任娟（2016）从知晓效应和说服效应两方面说明图书在线评论影响销售绩效的机制，提出新媒体环境下利用在线评论销售图书的策略1。 通过对中国知网和外文数据库进行主题检索发现，自2006年起在线评论的商业价值日益受到国内外学者的关注，针对在线评论挖掘开展的研究不断深入，在线评论实证研究相关的文献数量也在逐渐增多。在过去十年

7、里， 一些学者对在线评论与销售绩效的关系进行实证研究，研究范围广泛，涉及图书、电影、酒店、旅游、数码产品等不同领域。由于在线评论的领域依赖性，以及研究方法、模型、数据选取等原因，已有研究显示在线评论对销售绩效具有一定的影响，但得出的结论莫衷一是。例如，同样是以图书在线评论为研究对象，陈（Chen）等人（2004）认为情感倾向对图书销量无显著影响2；而谢瓦利埃（Chevalier）和马亦林（Mayzlin）（2006）得出的结论是正面书评从总体上能增加图书销量，负面书评则会减少图书销量3。类似这种研究结论不一致的现象在其他商品领域也普遍存在。可以看出，在线评论与销售绩效关系的相关研究仍然处在探索

8、阶段，在线评论如何影响销量？通过何种作用机理产生影响？这些研究目前还缺乏更多规律性和普适性的发现。因此，本文拟以图书领域为分析对象，对国内外已有的图书在线评论与销量关系的实证研究进行系统归纳和总结，旨在为该领域进行更规范的实证研究提供思路。 1 图书在线评论的测度 不同产品领域的在线评论在内容、消费者感知等方面差异较大45，国内外研究对不同产品的在线评论进行观点挖掘时往往也是依据各自产品领域的具体需求而定。陈晓美等人（2013）总结了新闻在线评论、图书在线评论、影视在线评论、服务领域在?评论等不同类型评论的独特领域特点6。图书是一种典型的体验型产品，图书在线评论体现评论者对书籍的形式、内容、印

9、刷包装等特征属性的赞成、中立、反对等态度。图书的特点是消费者在购书之后，会根据自己的阅读体验和心理感受对图书的属性等内容发表不同的观点，图书在线评论往往带有很强的主观色彩，随感而发。因此，图书的内容质量这一关键属性只能通过读者的阅读体验感知，个性化特征较其他产品领域的在线评论更为明显。相关研究文献中早期研究较多的是在线评论本身特征的维度，如评论星级、评论数量、评论效价等代表性指标，近几年随着研究视角的拓展和研究程度的深入，在线评论的质量、时间间隔、一致性等维度开始受到关注，对在线评论维度衡量的方法也在不断发展。 1.1 单维度衡量法 早期研究中最常用的在线评论维度包括评论数量、评论星级等。评论

10、数量和评论星级在定量分析中是较为容易获取的数据，而以在线文本评论等形式出现的大量非结构化数据在获取、量化分析上难度较评论星级等结构化数据更大。然而，在线文本评论中蕴含着丰富的有价值的信息，使得学者对在线评论文本内容的特征和语义分析趋于深入，在维度上体现为分析评论质量、评论长度、评论差异性、评论强度、评论可读性、评论情感的细粒度分析等。 1.2 多维度衡量法 董天锡（Tianxi Dong）等人（2012）使用文本挖掘方法和多元回归模型，基于图书在线评论提出一种图书的四维评价体系并进行实证检验7。李雁翎等（2013）采用多维度多指标衡量法对图书评价进行量化结构分析，并提出五维图书数据分析星形模型

11、；认为网络书评是该模型中的重要维度之一，并提出“网络舆情维度”图书评价因子，包括评论数量，图书质量，时效性，评论星级，网络点击量等指标8。王军和丁丹丹（2015）针对一般商品，从时间维度出发，构建从原评论到追加评论之间动态变化的指标体系，提出三类一级指标和更细化的二级指标9。尽管多维度指标能够更全面地衡量图书评论，但由于受数据可获得性的限制，绝大多数研究只采用单一维度或指标来衡量在线评论的特征。 综上所述，现有相关研究主要选取几种具有代表性单维度单指标组合来衡量图书的在线评论维度。 2 图书在线评论与销量关系研究 2.1 图书销量的内涵及评价 已有的实证研究中用到的图书销量数据主要来源于亚马逊

12、、当当网等各大网络书店公布的图书排行榜进行估算的。图书销售网站并不提供图书的具体销售量（额），但能提供动态的图书销量排名数据，进而间接反映图书销售情况。早期的研究发现销量和销量排名分别取自然对数后呈线性相关10，以后的实证研究模型均以此为基础，使用销量排名的自然对数代替销量的自然对数作为因变量进行回归分析。国内学者徐永杰（2014）指出，一般而言，图书在当当网、京东商城、亚马逊这三大网站的实际销量大都为图书评论数的2倍至5倍，随着图书的畅销，其倍数呈递减趋势11。考虑到用排行榜代替销售数据存在估计偏差等弊端，有学者在图书销售指标的选择上进行改进，如宋浩夏（Sung Ho Ha）等人（2015）

13、以韩国一家著名的网上书店提供的评论数量和销售点（sales point）排名前100本的图书在线评论为实验数据。该网上书店不仅提供每本图书的销售排行榜，同时提供根据图书销售周期和实际销售情况的指标销售点。用销售点作为销量指标，克服了以往研究中用排名代替实际销售情况的弊端12。就国内图书的销售数据而言，除了网络书店图书排名指标外，还有源于第三方统计的关于实体书店、馆配等其他渠道的销售数据。例如，当前我国很多出版社用得较多的是开卷网数据。开卷网是全球唯一一家从事中文图书市场零售数据连续跟踪服务的专业公司，它提供的“开卷全国图书零售市场观测系统”对国内图书的销售情况观测较全面。开卷销售数据是基于实体

14、书店和网络销售信息汇总分析得到的排行榜，包括码洋、册数、品种、动态销售率，销售渠道等指标。然而，鉴于数据的可获得性等原因，现有文献中还未见到用开卷销售数据作为因变量的实证研究，后续研究可以用开卷销售数据替代排名对已有模型进行验证、改进，以期得到更多有意义的研究结论。 2.2 图书在线评论与销售绩效的关系 图书在线评论对销售绩效的影响研究大多是将在线评论的数量、评分、情感倾向等特征维度作为解释变量，将图书排行榜进行对数处理当作绩效指标作为被解释变量，实证检验二者之间的关系和影响程度。早期研究评论效应时大都是直接检验评论与销售之间的关系，随着研究领域的进一步拓展，在线评论特征、评论者特征和图书类型

15、等变量被不断引入模型，研究方法更趋于复杂，通过检验模型中可能存在的调节效应和中介效应，研究在线评论与销售之间的作用机理，也出现了很多创新性的实证结论。 2.2.1 图书在线评论对销售绩效的直接影响效应 已有研究从在线评论的知晓效应出发，对于图书在线评论数量与图书销售量的关系进行探讨；从在线评论的说服效应出发，探讨图书在线评论内容中包含的情感倾向（效价）与销售绩效的关系。陈等人（2004）在对亚马逊网站图书评论的研究发现，在线评论的数量对图书销量影响显著，但评论情感评分对销售无显著影响13。谢瓦利埃和马亦林（2006）为了控制图书质量等外在因素对模型的影响，采用差异比较法对同一本书在亚马逊和巴诺

16、书店（Barns&Noble）网站的销售情况进行分析，研究发现，书评从总体上能增加图书销量；但极端差评对销量的影响较之极端好评的影响更大14。龚诗阳等人（2013）通过对当当网上3200 多万条图书评论的实证分析表明，图书在线评论对销量的影响主要来自于评论数量增加所引发的知晓效应，而评论星级对销量的影响不显著15。除了图书在线评论的数量、情感倾向是被关注的重要维度外，有学者进一步对情感倾向维度进行了拓展，以图书在线评论中正负情感倾向的方差作为测量指标，如莫妮卡?森（Monic Sun）（2012）对美国两大图书零售商的图书在线评论评分发现，当某本书的用户平均评分较低时，该本书的评论评分标准差可

17、以显著提高该书的销量16。有学者从不同的图书在线评论数据来源研究了两者关系，如赵志荣和方佳明（2015）以独立的第三方网站豆瓣网为研究对象，收集了50本热门书籍共计550条评论信息，通过建立计量模型研究评论效价、评论差异、评论数量和读书人?刀酝际橄?量的影响。结果发现，图书评论总量显著地正向影响图书销量，在读人数和想读人数也显著地正向影响图书销量17。从对上述文献的分析可以看出，图书在线评论的知晓效应得到了大多数学者的验证，即评论数量总体上促进了图书的销售。然而，对于图书在线评论的说服效应的研究结论并不一致，部分学者如陈（2014）和龚诗阳（2013）的研究得出情感倾向影响不显著的研究结果18

18、19。笔者认为，这一问题除了与建模的内生性控制、图书生命周期导致的动态性20等原因有关外，还与图书在线评论情感倾向的测量指标有关。情感分析是当前在线评论信息挖掘的关键，如何采用有效的方法对在线评论的情感进行合理的判定对研究结论的得出十分重要。 2.2.2 图书在线评论对销售绩效的间接影响效应。 在线评论对销量的直接影响效应侧重于从整体层面上研究，表现为一种总体效应，同时也忽视了因在线评论本身隐藏的其他特征维度的交互影响而产生的间接效应。为了更深刻地揭示在线评论不同特征之间、在线评论与环境变量之间复杂的因果关系，近年来学者们从不同的视角对这一问题进行研究，通过检验可能存在的调节效应和中介效应，研

19、究在线评论与销售之间的作用机理。这些研究将在线评论的维度拓展到评论者特征、产品类型、评论来源的平台特征、阅读者特征等多方面。邬溪羽等人（2015）将阅读者特征、评论者特征、评论平台特征、产品特征作为调节变量纳入概念框架，分析调节变量作用机制的逻辑21。针对评论者特征维度方面，福尔曼?C.等人（Forman et al.）（2008）发现评论者身份信息的披露对销量的积极影响22。Hu， Liu 和Zhang（2008）研究表明，评论的有用性体现了评论者的撰写质量，该维度对在线评论影响销量的过程中发挥着显著调节效应，即评论越有用，正向评论对销量的积极影响越明显23。针对产品类型维度方面，学者们往往

20、将产品划分为体验型产品和搜索性产品进行比较。李卓慧和李芳芳（2016）研究发现产品类型在在线评论与销售关系之间起着调节作用，且对体验型产品的影响更为明显24。李宗伟和张艳辉（2013）发现搜索型产品的主动评论率和有效评论率高于体验型产品；体验型产品的?性化评论率高于搜索型产品25。图书往往被当作体验型产品的代表，与其他体验型产品或搜索性产品进行比较研究，探索产品属性在在线评论与销量关系中的作用。然而，即使是同一类产品， 更具体的产品特征对在线评论与销量关系的影响结果也会存在差异。目前，针对图书这一体验型产品，进一步细化研究图书的独特产品特质产生的间接影响的文献还比较少见。比较有代表性的研究有盘

21、英芝等人（2011）以图书作为体验型商品的代表，根据长尾理论分析“热门程度”这种图书的显著产品特质，将“看过”“正在看”和收藏数作为图书热门程度的指标并进行聚类处理，研究发现，利用面板数据分析的结果表明，“热门”和“非热门”的在线评论数量均对销量产生积极影响，在线评论得分的变化对销量排名的变化有显著影响，且对非热门图书影响更大26。此外，现有研究表明，不同来源的在线评论会影响购买行为。上述文献多数从亚马逊网站、当当网等商业性图书销售网站和豆瓣网这样的第三方读书社区平台单独研究在线评论与销售之间的关系。随着研究的深入，有学者开始研究微博等不同类型的网络口碑平台对图书销量的影响2728，不同的在线

22、评论来源在模型中被认为是一个调节消费决策的关键变量。针对评论来源的平台特征方面，黄可（2015）综合分析来自当当网、微博、豆瓣网等不同图书评论来源的口碑指标和销售数据，论证各平台作用的程度和方向差异29。宋浩夏等人（2015）以韩国一家著名的网上书店图书在线评论为实验数据进行了研究。该书店为顾客同时提供三种不同类型的在线评论发表平台，即图书销售网站、图书销售博客和私人博客。作者采用回归模型分析这三种不同的来源对在线评论与销售关系中的作用，并通过仅选择经管类图书这一种类型来最大程度减小图书类型产生的偏差。研究结论表明，私人博客的在线评论在这三种类型中对图书销量的影响最大，对在线图书销售商如何管理

23、图书博客这种销售工具实现图书销售的盈利30。另外，还有学者对中西方不同文化情境下的图书在线评论与销售关系的比较研究，方辉和张杰（Fang & Zhang）（2013）通过比较亚马逊中国和亚马逊美国的评论特征差异，发现中国的评论总体质量上不如美国，证实当当网图书评论有用性并不会影响阅读者的购买意愿31。 从这部分的文献述评来看，对在线评论的各维度进行更深层次的挖掘和度量，充分利用在线评论的数据信息探索潜在的调节变量，对于更真实地理解在线评论和购买意愿、销售绩效之间的关系至关重要。 2.2.3 图书在线评论与销量预测的关系 基于在线评论情感分析进行销量预测是近几年该领域一个重要的应用研究方向。已有

24、研究中，微博评论是所有在线评论类型中最多地被用于销量预测模型的一种类型。微博评论被认为是一种可靠的、以人为本的信息来源， 微博评论比其他在线评论来源对产品销量的影响更大32。比如在电影领域，利用微博评论的情感分析构建模型进行电影票房的预测。目前相关研究已经在图书销售预测领域进行了有益尝试和探索。对于图书在线评论如何能进行销量预测的逻辑基础，格鲁尔?D（Gruhl D.）等人（2005） 分析利用图书博客情感分析来预测图书销量排行峰值的逻辑基础33。许波（2010） 研究了当当网前500名（Top500）的畅销书的八大细分类别（小说、文艺、青春、励志、少儿、经济、社科、管理）对销量预测的影响，结

25、论表明，在控制评论数量的条件下，某类别图书的阅读人群范围与销量正相关34。李雪妮等人（2013）以淘宝网上的图书评论及销售数据为实验对象，提出了基于词典分析的用于预测销量的情感感知自回归模型，预测结果的准确性较好35。情感分析技术影响销量预测的准确度，传统的整体情感倾向（好评、差评、中评）难以满足购买者和销售网站的需求，该领域的研究趋势是通过对在线评论进行更为细粒度的情感分析，减轻在线评论的信息过载、提炼出更个性化的产品属性以进行更精准的销量预测。 3 结论及展望 从上述文献的分析可以看出，现阶段关于图书在线评论对销量影响的实证研究正在从浅层数据提取（如评论星级、评论数量等）向深层数据内容利用

26、（如在线评论的情感分析挖掘等）、从直接效应分析向更复杂、更真实的间接效应分析的方向发展。未来的研究还需要整合不同的图书在线评论数据来源、构建图书在线评论的多维度多指标评价体系、从聚合层面转向个体层面研究图书在线评论对读者的感知及购买决策等多方向的改进。同时，还可以借鉴在电影等其他体验型产品领域应用成功的研究模型和结论，结合图书的特点进行修正、改进，将先进的研究模型推广到图书领域，从而取得更丰富、全面的考证。 注 释 1 任娟. 大数据背景下在线评论在图书销售中的策略分析J.编辑学刊，2016（4）：42-46 21318 Chen P-Y S， W u S-Y， Yoon J. The imp

27、act of on line recommendations and consume r feedback on sales C / / Proceedingsof International Conference on Information System s （ IC IS）， 2004： 711- 72 314Chevalier J. A.， Mayzlin D. The effect of word of mouth on sales： Online book reviews J， Journal of marketing research， 43（3），2006：345-354 4马

28、艳丽. 在线评论引起的消费者决策困境：概念与相关问题J.求索，2013（7）：244-246 56陈晓美，王付国，吴宏伟，孙中秋. 社会化网络评论观点挖掘的研究热点与应用进展J.情报科学， 2013（11）：119-124 7Tianxi Dong， MattiHamalainen， Zhangxi Lin， and BinjieLuo.Exploration of a Multi-dimensional Evaluation of BooksBased on Online Reviews： A Text Mining ApproachME-Life： Web-Enabled Converge

29、nce of Commerce， Work， and Social Life，2012，Vol（108）：119-129 8李雁翎，?O晓慧，陈玖冰.五维图书评价体系及分析模型的建构J.情报科学，2013（8）：77-80 9王军，丁丹丹.商品在线评论动态变化评价指标体系的研究J.图书情报工作，2015（12）：106-112 10Chevalier J.， GoolsbeeA.，Measuring prices and price competition online： Amazon. com and BarnesandNoble. ComJQuantitative Marketing an

30、d Economics， 2003，Vol.1. No.2， pp.203-222 11徐永杰.“估”有所依：如何估算图书的销量J.出版广角，2014（10）：74-76 1230Sung Ho Ha，SoonyongBae， Lee Kyeong Son. Impact of Online Consumer Reviews on Product Sales：Quantitative Analysis of the Source EffectJApplied Mathematics & Information Sciences，9，No. 2L，373-387 （2015） 151920龚诗阳

31、，刘霞，赵平. 线上消费者评论如何影响产品销量：基于在线图书评论的实证研究J.中国软科学， 2013（6） 171-183 16Monic Sun. How Does the Variance of Product Ratings Matter？J.Management Science， 58（4），2012：696-707 17赵志荣，方佳明.在线评论对于图书销量的影响：基于豆瓣网的实证性研究C.第十届中国管理学年会论文集，2015 21邬溪羽，郭斌，周莎莎，鲁爽.在线评论如何影响消费者：基于社会影响视角的整合框架J.西安电子科技大学学报：社会科学版， 2015（1）：1-18 22Form

32、an C，GhoseA，Wiesenfeld B. Examining the Relationship between Reviews and Sales： The Role of Reviewer Identity Disclosure in Electronic MarketsJInformation Systems Research，2008，19（3）：291-313 23Hu N，Liu&Zhang JJ. Do online reviews affect product sales？ The role of reviewer characteristics and temporal effectsJInformation Technology