在線用戶評論行為時效特征影響因素實(shí)證研究

張艷豐 李賀 彭麗徽等

摘要：[目的/意義]針對我國在線用戶評論習(xí)慣，探索用戶評論行為對評論時間的影響作用因素，對電子商務(wù)運(yùn)營商探究用戶評論行為規(guī)律及探索潛在用戶評論時間偏好具有重要的潛在商業(yè)價值。[方法/過程]基于TAM模型抽取在線用戶評論行為時間特征規(guī)律研究的影響因素并構(gòu)建模型，通過抽取消費(fèi)者購買行為和評論行為的時間間隔為時間序列，通過多元線性回歸模型進(jìn)行假設(shè)驗(yàn)證。[結(jié)果/結(jié)論]通過對在線評論數(shù)據(jù)的實(shí)例驗(yàn)證，本文所構(gòu)模型能夠很好地發(fā)現(xiàn)在線用戶評論行為對評論時間的影響作用關(guān)系，對消費(fèi)者評論行為的時間特征規(guī)律發(fā)現(xiàn)和預(yù)測具有輔助作用。

關(guān)鍵詞：TAM模型；用戶；在線評論；評論行為；時間特征；影響因素

DOl：10.3969/j.issn.1008-0821.2019.01.008

[中圖分類號]G252.0；G202 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008-0821（2019）01-0060-10

在線用戶評論是在線消費(fèi)用戶在電子商務(wù)平臺上發(fā)表的對產(chǎn)品或服務(wù)的使用體驗(yàn)和質(zhì)量評估。第三方平臺不僅提供電商企業(yè)整體評價端口，同時用戶在電商平臺進(jìn)行購買和評論行為的同時，電商平臺也記錄了消費(fèi)者的行為時間軌跡，通過時間記錄的在線用戶評論為潛在消費(fèi)者提供了真實(shí)購買和使用信息來源，不同時間內(nèi)評論內(nèi)容關(guān)注的重點(diǎn)各不相同，電子商務(wù)用戶作為經(jīng)濟(jì)人，其在線評論的時間特征必然折射出其內(nèi)在特質(zhì)，不同評論行為特征表現(xiàn)的消費(fèi)者通常具有不同的時間行為習(xí)慣，通過時間記錄的用戶特征規(guī)律分析，能夠?yàn)槠髽I(yè)、平臺和廠商提供不同時間段的商品購買、評論信息規(guī)律，同時也是用戶行為分析和商品推薦的重要渠道。

目前通過量化方法針對在線評論時間維度的研究還很少。Jin L等通過實(shí)驗(yàn)研究發(fā)現(xiàn)消費(fèi)者偏好受在線用戶評論發(fā)布時間點(diǎn)的影響，近期評論對及時購買力決策更有吸引力，而長期評論對用戶的遠(yuǎn)期購買決策更具影響力；Tirunillai S等綜合多家公司和市場的產(chǎn)品評論數(shù)據(jù)，使用無監(jiān)督LDA來抽取與消費(fèi)者滿意相關(guān)的關(guān)鍵潛在維度，通過動力學(xué)分析跟蹤這些維度重要性隨著時間的變化。在國內(nèi)，龔艷萍等等基于水平理論的實(shí)證研究得出結(jié)論，當(dāng)新產(chǎn)品預(yù)告與發(fā)布時間較長時，用戶常發(fā)表針對產(chǎn)品核心屬性的評論，而間隔較短時，則發(fā)表針對產(chǎn)品次要屬性的評論；汪濤等基于歸因理論，通過探索了購買時間與評論時間的時間間隔如何影響用戶對體驗(yàn)型及物質(zhì)型商品的感知有用性；胡常春等通過實(shí)驗(yàn)驗(yàn)證了追評的有用性感知顯著高于初評，但追評的有用性感知受時間間隔和產(chǎn)品類型調(diào)節(jié)。

大數(shù)據(jù)環(huán)境下，如何針對我國在線用戶評論習(xí)慣，探索用戶行為的時間規(guī)律及影響評論時間的影響因素具有一定的理論創(chuàng)新性，對電子商務(wù)運(yùn)營商探究用戶評論行為規(guī)律及探索潛在用戶評論時間偏好具有重要的實(shí)踐意義。

1理論基礎(chǔ)

本研究以美國學(xué)者Davis提出并應(yīng)用于信息系統(tǒng)領(lǐng)域的技術(shù)接受模型（TAM）為理論框架，TAM是在理性行為理論（Theory of Reasoned Ac-tion，TRA）和計(jì)劃行為理論（Theory of Planned Behavior，TPB）基礎(chǔ)上發(fā)展而來的，國內(nèi)外諸多學(xué)者將技術(shù)接受模型（TAM）作為在線評論分析的理論模型框架，Hsu C L等、Lee G等以及尹英姿、晏芳都基于TAM模型進(jìn)行了在線用戶評論的相關(guān)研究，證明TAM的應(yīng)用不僅局限于信息系統(tǒng)領(lǐng)域，同時在市場營銷、用戶行為研究等領(lǐng)域也同樣具有很好的解釋效果。模型要素關(guān)系

消費(fèi)者對在線評論的接受和采納程度是在線用戶購買意向與購買行為的主要前因，而在線用戶評論有用性感知、在線用戶評論情感感知和其他外在因素直接影響消費(fèi)者是否接受評論意見?；诖耍诰€用戶評論行為的時間特征可以通過技術(shù)接受模型的因素來度量。提取TAM模型的感知有用性、使用態(tài)度和外部因素感知3個因子變量作為評論時間特征的影響因子。其中，外部因素通過會員等級、星級評價、點(diǎn)贊數(shù)量和語義深度4個方面內(nèi)容展現(xiàn)，這4個方面是影響用戶購買意向的重要因素，是評論閱讀者能夠直接量化的特征因子；在線評論的感知有用性因素以用戶綜合評價后的評論質(zhì)量表示；評論的使用態(tài)度因素反映用戶的使用情感，在評論文本中以情感詞進(jìn)行表述。外部因素、感知有用性和使用態(tài)度這3個因素是技術(shù)接受模型的重要因素，同時也是用戶使用行為的直接或間接前因要素。

2在線用戶評論行為時間特征影響因素模型

本研究基于TAM模型抽取在線用戶評論行為時間特征規(guī)律研究的影響因素，通過抽取消費(fèi)者購買行為和評論行為的時間間隔為新的時間序列，時間間隔越短時效性越強(qiáng)，時間間隔越長時效性越弱，評論的時效性反映了用戶購買、評論行為的時間規(guī)律，通過對評論文本內(nèi)容的挖掘，探求評論時間與評論行為內(nèi)容之間的隱性規(guī)律發(fā)現(xiàn)。

2.1外部因素

本研究將評論閱讀者能夠直接量化的特征稱之為外部因素，參考前人研究成果與在線用戶評論特征，從會員等級、星級評價、點(diǎn)贊數(shù)量和語義深度4個方面內(nèi)容進(jìn)行闡述。

1）會員等級。會員等級直觀反映了在線用戶網(wǎng)絡(luò)購物經(jīng)驗(yàn)，對于評論閱讀者，在對評論進(jìn)行決策篩選時，往往更傾向于信任等級高的用戶評論內(nèi)容，因此，高會員等級的用戶在評論中的“引導(dǎo)作用”較為明顯，通常起到“意見領(lǐng)袖”的作用。

2）星級評價。多數(shù)電子商務(wù)網(wǎng)站都開通了星級評價入口，消費(fèi)者可以對購買體驗(yàn)進(jìn)行1～5分的評分，星級越高，表示此次購物過程的滿意度越高，通過對星級評分的統(tǒng)計(jì)、查閱，可以直觀看出商鋪消費(fèi)者滿意度的等級比率，星級評價是影響企業(yè)網(wǎng)絡(luò)口碑的重要參考標(biāo)準(zhǔn)之一。

3）點(diǎn)贊數(shù)量。在線評論有用性投票（點(diǎn)贊數(shù)量）是指評論能夠獲得其他瀏覽用戶的認(rèn)可程度。很多網(wǎng)站會以點(diǎn)贊或投票的方式進(jìn)行有用性評價，瀏覽評論用戶一般通過投票、點(diǎn)贊的形式對有用信息進(jìn)行評價，也可以進(jìn)行在線回復(fù)，圍繞此評論信息進(jìn)行在線互動。一般來說，有用性投票數(shù)越高的評論對產(chǎn)品的描述更貼近用戶實(shí)際使用情況，真實(shí)性和有用性越強(qiáng)。

4）語義深度。Mudambi S M等的研究發(fā)現(xiàn)，評論的字?jǐn)?shù)對于評論的有用性影響是正相關(guān)的。評論字?jǐn)?shù)越多，評論長度越長，其中對商品及其服務(wù)的描述可能就越詳細(xì)，這種詳細(xì)的描述對于其他消費(fèi)者而言，能夠在很大程度上減少購買決策時的不確定性，從而增加評論的效用。

2.2評論有用性

在線用戶評論內(nèi)容可以長期積累并存儲在電子商務(wù)平臺，為消費(fèi)者提供海量有用信息源，但是由于網(wǎng)絡(luò)的匿名性和用戶評價成本等因素的影響，并非所有的評論都具有參考價值，有些評論者會不負(fù)責(zé)任的隨意書寫評論內(nèi)容，從而生成大量無用評論和虛假評論充斥其中，使得在線用戶評論質(zhì)量良莠不齊，產(chǎn)生信息過載的壓力，大大增加了有用信息的搜索成本，干擾了用戶對商品評價的判斷，降低決策效率和誤導(dǎo)決策判斷?；谛畔⒔?jīng)濟(jì)學(xué)理論，信息和不確定性關(guān)系緊密，有用性高的在線評論內(nèi)容就是為了及時、有效地消除消費(fèi)者的不確定性，減少購買決策風(fēng)險，提高消費(fèi)者的決策效率和決策效果，這構(gòu)成了評論有用性影響因素模型的邏輯起點(diǎn)。

2.3評論情感態(tài)度

消費(fèi)者在進(jìn)行商品評論闡述時會根據(jù)消費(fèi)感知和使用體驗(yàn)來進(jìn)行客觀評價，在評論內(nèi)容中往往會使用諸如“不錯”、“喜歡”、“一般”等情感詞體現(xiàn)消費(fèi)者的情感傾向，情感詞匯前經(jīng)常通過“很”、“非?！薄ⅰ疤貏e”等修飾詞來修飾情感強(qiáng)度，表示疑問或感嘆情感時會通過“？”和“！”等標(biāo)點(diǎn)符號進(jìn)行語氣加強(qiáng)，當(dāng)評論內(nèi)容中出現(xiàn)較多情感詞匯時，證明評論情感比較豐富，能夠?yàn)橄M(fèi)者提供較多有價值的參考信息，當(dāng)評論內(nèi)容具有較多正面情感詞匯時，能夠促使消費(fèi)者做出購買行為，而當(dāng)評論內(nèi)容具有較多的負(fù)面情感詞匯時，將使消費(fèi)者放棄購買選擇，因此，情感修飾詞和情感詞匯能夠有效增強(qiáng)評論效用，有效增強(qiáng)消費(fèi)者的購買決策輔助。

3在線用戶評論時間特征影響因素模型構(gòu)建

3.1外部因素對評論時間的影響

在線評論網(wǎng)站采用各種激勵手段來鼓勵消費(fèi)者發(fā)布評論，優(yōu)質(zhì)、有效評論可以得到相應(yīng)的積分獎勵，因此，大部分會員等級高的用戶是通過積極、迅速發(fā)布評論來提升會員等級的目的，會員等級高的用戶也在日常的電子商務(wù)活動中形成了主動、及時發(fā)布評論的習(xí)慣，會員等級顯示了用戶參與評論的積極性，對在線用戶評論的時效性產(chǎn)生積極的影響，即高等級會員用戶發(fā)布評論時間間隔較小，低等級會員用戶發(fā)布評論時間間隔較長。因此本文假設(shè)：

H1a：會員等級正向影響在線用戶評論的時效性。

星級評價代表用戶的情感極性，諸多消費(fèi)用戶通常不寫評論內(nèi)容，而直接給星級評價來代表用戶情感，因此電商企業(yè)十分關(guān)注用戶對星級評價的鼓勵，會以各種方式鼓勵消費(fèi)者及時對產(chǎn)品和服務(wù)做出評價，并且對五星好評的用戶采取一定的激勵措施，一般會對及時給五星好評用戶給予返現(xiàn)和優(yōu)惠鼓勵，諸多消費(fèi)者也會在收到貨物的同時習(xí)慣給五星好評。因此本文假設(shè)：

H1b：星級評價等級正向影響在線用戶評論的時效性。

點(diǎn)贊數(shù)量是經(jīng)過一定的時間積累而成的大多消費(fèi)者認(rèn)同的有用評論，點(diǎn)贊數(shù)量越多，對于購買后及時給出客觀評價評論者的觀點(diǎn)支持，從時間維度上，及時的評論才是有價值的，否則長時間未評論的購買評論失去了參考的時效性，對其它用戶購買決策的參考意義將減少，因此本文假設(shè)：

H1c：點(diǎn)贊數(shù)量正向影響在線用戶評論的時效性。

語義深度是在線評論字?jǐn)?shù)，評論用戶根據(jù)購買的服務(wù)體驗(yàn)和使用經(jīng)歷來闡述評論內(nèi)容，一般經(jīng)過一段時間的使用后的使用經(jīng)歷和經(jīng)驗(yàn)評論的描述越詳細(xì)，會闡述詳細(xì)的使用感受，優(yōu)點(diǎn)和缺點(diǎn)的詳細(xì)說明都是需要使用時間的積累，短時間內(nèi)很難有具體詳細(xì)的使用感知，因此本文假設(shè)：

H1d：語義深度正向影響在線用戶評論的時效性。

3.2評論有用性對評論時間的影響

發(fā)布一條對消費(fèi)者有用性強(qiáng)的“富信息評論”內(nèi)容需要從購買、使用、服務(wù)、售后等各階段的時間積累，因此，如果一條有用性高的評論內(nèi)容最好包含所有商品的相關(guān)內(nèi)容，那么評論生產(chǎn)者會通過一定時間的使用情況來進(jìn)行評論行為，以幫助其他消費(fèi)者進(jìn)行鼓勵消費(fèi)推薦或避免錯誤購買決策，不論是鼓勵購買還是謹(jǐn)慎提醒，都要進(jìn)行一定時間的使用經(jīng)驗(yàn)積累。因此我們做出如下假設(shè)：

H2：評論質(zhì)量負(fù)向影響在線用戶評論的時效性。

3.3評論情感強(qiáng)度對評論時間的影響

消費(fèi)者的情感極性可分為正面情緒和負(fù)面情緒，消費(fèi)者在網(wǎng)絡(luò)平臺分享觀點(diǎn)和經(jīng)驗(yàn)時，會通過不同的情感詞和情感修飾詞來描述產(chǎn)品特征的情感態(tài)度，當(dāng)用戶對產(chǎn)品的滿意度高時，評論內(nèi)容多為正向情感；當(dāng)消費(fèi)者對產(chǎn)品或服務(wù)不滿意時，評論內(nèi)容會呈現(xiàn)針對不同產(chǎn)品特征的負(fù)面情感。在線評論的正面情感和負(fù)面情感在評論時間上具有一定的差異性，一般負(fù)向情感是消費(fèi)者難以忍受的并且急于進(jìn)行評論分享，以宣泄情緒和提醒購買，因此，我們提出如下假設(shè)：

H3：評論情感強(qiáng)度正向影響在線用戶評論的時效性。

3.4概念模型

基于以上分析，本文基于TAM理論框架提取指標(biāo)要素，以在線評論外部因素、感知有用和使用態(tài)度3個指標(biāo)作為自變量因素，以評論時間序列為因變量，構(gòu)建在線評論時效性影響因素模型如圖2所示：

4在線用戶評論時間特征影響因素實(shí)證分析

4.1樣本選擇與數(shù)據(jù)獲取

本研究選擇京東商城（www.jd.com）手機(jī)類典型商品的在線評論文本為數(shù)據(jù)源，通過Python語言編程爬取對應(yīng)字段進(jìn)行存儲。在平臺選擇上，京東商城是我國著名的B2C電子商務(wù)平臺，用戶購買力穩(wěn)定在20%以上，具有一定的用戶群體以及代表性數(shù)據(jù)，在商品選擇上，本文選擇在統(tǒng)計(jì)中商品銷售前4的商品類型進(jìn)行分析，具有商品上的代表性，對爬取的評論內(nèi)容進(jìn)行初級的清洗和去重后，抽取7083條評論進(jìn)行分析，京東商城在線評論抓取頁面與字段示例如圖3所示：

該頁面展示了豐富的評論屬性，包括用戶ID、購買時間、評論時間，追評時間、評論文本、點(diǎn)贊數(shù)量、評論數(shù)字評分和會員等級等內(nèi)容。

4.2相關(guān)變量說明及測定

根據(jù)圖2中的在線評論時間特征影響因素模型，結(jié)合圖3爬取的評論屬性，將評論集合表示為C，對于評論集中的第i個評論表示為：C_{i∈c，（i=1，2…，|c|）}，各變量測定指標(biāo)如表1所示：

在上述變量中，評論時間、會員等級、星級評價、點(diǎn)贊數(shù)量、語義深度和評論情感都能從在線用戶評論內(nèi)容中直接量化獲取，而評論質(zhì)量是復(fù)雜的用戶綜合評價感知，需要借助一系列綜合評價算法和文本挖掘方法獲得。

4.3數(shù)據(jù)描述性統(tǒng)計(jì)

通過對各指標(biāo)屬性的量化統(tǒng)計(jì)，各指標(biāo)要素字段的基本描述如表2所示：

表2中給出個會各屬性指標(biāo)的基本數(shù)據(jù)統(tǒng)計(jì)信息，下面對各個屬性的分布情況進(jìn)行統(tǒng)計(jì)介紹和可視化分析。

4.3.1“購買—評論”時間間隔

“購買—評論”時間間隔序列C_i（PR）時模型中的因變量，針對每一條評論進(jìn)行時間計(jì)算，“購買—評論”時間間隔C_i（PR）的計(jì)算公式為：C_i（PR）=C_i（RT）-C_i（PT），根據(jù)爬取的內(nèi)容確定時間天數(shù)范圍，以天數(shù)為時間單位，“購買—評論”時間間隔分布情況如圖4所示：

可以看出大多消費(fèi)者習(xí)慣在20天內(nèi)完成評論行為，超過40天進(jìn)行評論的比率相對較少。

4.3.2會員等級

根據(jù)京東的會員等級統(tǒng)計(jì)分布情況，統(tǒng)計(jì)方法為將會員等級從小到大排序分為7個等級，分別為1等級用戶為注冊會員和鐵牌會員，因?yàn)檫@兩類數(shù)量均較少，所以將其合并處理；2等級用戶為銅牌會員；3等級用戶為銀牌會員；4等級用戶為金牌會員；5等級用戶為鉆石會員；6等級用戶為PLUS會員；7等級用戶為企業(yè)會員，圖5給出了數(shù)據(jù)集中各個等級的用戶分布情況。

可以看出中間等級3、4、5、6級別的會員比例最多，而極高和極低的用戶比率相對較少。

4.3.3星級評價

星級評價的統(tǒng)計(jì)方式按爬取評論中用戶對產(chǎn)品的星級評分進(jìn)行統(tǒng)計(jì)，星級評價在一定程度上也代表用戶的情感傾向，其中1星和2星代表負(fù)面情感，3分代表中性情感，4星和5星代表正向情感，星級越高，滿意度越高，因此根據(jù)星級評價的5個標(biāo)準(zhǔn)，確定星級評價的分布情況如圖6所示：

可以看出整體上星級評價的5星評價數(shù)量比率較高，2星、3星較少，呈現(xiàn)出典型的J型分布，這與Hu N等學(xué)者的研究結(jié)論具有一致性。

4.3.4點(diǎn)贊數(shù)量

在線評論點(diǎn)贊數(shù)量是指評論能夠獲得其他瀏覽用戶的認(rèn)可程度。很多網(wǎng)站會以點(diǎn)贊或投票的方式進(jìn)行有用性評價，瀏覽評論用戶一般通過點(diǎn)贊的形式對有用信息進(jìn)行評價，也可以進(jìn)行在線回復(fù)，圍繞此評論信息進(jìn)行在線互動。一般來說，有用性投票數(shù)越高的評論對產(chǎn)品的描述更貼近用戶實(shí)際使用情況，真實(shí)性和有用性越強(qiáng)，評論點(diǎn)贊數(shù)量分布情況如圖7所示：

4.3.5語義深度

在線用戶評論語義深度是指在線評論對有用性內(nèi)容屬性描述地詳細(xì)程度。一般認(rèn)為較長評論對產(chǎn)品和服務(wù)的描述比較細(xì)致，通常包含更為全面、詳細(xì)的信息內(nèi)容。通過統(tǒng)計(jì)每條評論的字?jǐn)?shù)，字?jǐn)?shù)越高其語義深度越高，將各條評論字?jǐn)?shù)統(tǒng)計(jì)排序后如圖8所示：

4.3.6評論質(zhì)量

在線評論有用性是在線評論對網(wǎng)購消費(fèi)者的購買決策是否有幫助的一種主觀感知，能夠在購買決策過程中為用戶提供有效的商品認(rèn)知，減少不確定性，為用戶的購買決策提供幫助，參考文獻(xiàn)對在線評論質(zhì)量的計(jì)算方法，對在線評論有用性進(jìn)行評估后的分布情況如圖9所示：

4.3.7評論情感

情感表達(dá)強(qiáng)度是評論中用戶所表達(dá)的情感顯性程度。評論者在發(fā)表評論時，不同的情感傾向評論所使用的情感表達(dá)強(qiáng)度是不同的，因此可以通過情感詞的情感強(qiáng)度來表征情感表達(dá)強(qiáng)度。另外也可以各種通過特殊關(guān)鍵詞（如“啊”、“呢”、“唉”等），或特殊符號（如異化的標(biāo)點(diǎn)符號、表情符號等）和特殊句式（如反問句、疑問句、感嘆句等）來量化。情感表達(dá)強(qiáng)度越大，評論價值越高，情感頻次統(tǒng)計(jì)如圖10所示：

4.4在線用戶評論時間特征影響分析的結(jié)果

4.4.1數(shù)學(xué)模型構(gòu)建

本文采用線性回歸分析方法對評論時間序列影響因素進(jìn)行建模分析，線性回歸是基于因變量y和x自變量的線性函數(shù)關(guān)系，如公式（1）所示：

根據(jù)回歸方程的擬合曲線可以得到在線評論時間序列時間變化影響因子和預(yù)測未來發(fā)展態(tài)勢，并且線性回歸方法建模步驟簡單，計(jì)算量小，能夠清晰地表明規(guī)則的整體走勢。在圖2的模型框架基礎(chǔ)之上，使用數(shù)據(jù)建模回歸分析的方法來分析在線評論行為對評論時間的影響因素。在進(jìn)行回歸分析前需進(jìn)行相關(guān)性分析，根據(jù)評論屬性指標(biāo)的數(shù)據(jù)特點(diǎn)，大部分評論數(shù)據(jù)是結(jié)構(gòu)化數(shù)據(jù)范圍，例如星級評分是1～5，會員等級變量是1～7，因此本文采用線性回歸方法進(jìn)行模型構(gòu)建，從“購買—評論”時間間隔序列構(gòu)建的回歸模型如下所示：

4.4.2變量間相關(guān)性分析

為了預(yù)防出現(xiàn)多重共線性，首先通過相關(guān)性分析來驗(yàn)證變量之間的關(guān)系，采用Pearson相關(guān)系數(shù)進(jìn)行相關(guān)性檢驗(yàn)，檢驗(yàn)標(biāo)準(zhǔn)為：若顯著性檢驗(yàn)概率值P小于0.05則變量顯著相關(guān)，P值為正表示因素正相關(guān)，P值為負(fù)表示因素負(fù)相關(guān)；若P值大于0.05則表示變量間沒有顯著相關(guān)性。將本文各指標(biāo)數(shù)據(jù)購買評論時間間隔C_i（RT）、會員等級C_i（艦）、星級評級C_i（RA）、點(diǎn)贊數(shù)量C_i（SC）、語義深度C_i（咂）、評論質(zhì)量C_i（QU）、評論情感C_i（SE）導(dǎo)入R語言，由于時間間隔C_i（RT）、語義深度C_i（TE）、評論情感C_i（SE）是計(jì)數(shù)數(shù)據(jù)，變量的分布狀況呈現(xiàn)出偏態(tài)分布，因此對這3個變量進(jìn)行了對數(shù)變換的平滑處理，使其服務(wù)正態(tài)分布適用于線性回歸分析，為了避免在對數(shù)計(jì)算中出現(xiàn)0的狀況，本文使用log（RT+1）來替代RT，使用log（TE+1）來代替TE，使用log（SE+1）來替代SE。使用R語言中的Pairs函數(shù)顯示變量間的相關(guān)變量多面板散點(diǎn)矩陣，如圖11所示：各指標(biāo)間相關(guān)分析結(jié)果數(shù)字化顯示和相關(guān)性如表3所示：

從樣本因素相關(guān)性實(shí)驗(yàn)數(shù)據(jù)分析結(jié)果看出，大多變量都是彼此顯著相關(guān)的（p<0.05）。但除變量Time外，變量相關(guān)系數(shù)均較小，最大相關(guān)系數(shù)是0.523（Useful和Members的相關(guān)系數(shù)），其他不同獨(dú)立變量之間的相關(guān)系數(shù)小于O.4（相關(guān)系數(shù)排序第二大的值是Useful和Emotion之間的相關(guān)系數(shù)值為0.35）。以Time為衡量標(biāo)準(zhǔn)，除Word外，其他因素與Time的相關(guān)性均顯著相關(guān)，Star、Mem-bers、Emotion、Praise、Useful對Time的相關(guān)系數(shù)分另0為-0.128**、0.312**、0.560**、-0.029*、0.399**，Word對Time的相關(guān)系數(shù)較小，為0.01，顯著性概率p>0.05，相關(guān)性不明顯。綜上，Star、Praise對Time有顯著負(fù)向影響，Members、Emo-tion、Useful對Time有顯著正向影響，其他相關(guān)變量間相關(guān)系數(shù)極小，相關(guān)性不明顯，同時自變量間不存在多元線性關(guān)系。

4.4.3回歸分析結(jié)果

通過多元線性回歸模型分析，使用SPSS軟件輔助，在線用戶評論時間特征影響因素計(jì)量模型的回歸分析結(jié)果如表4所示：

模型容差值大于0.6，且VIF均小于2，說明變量間無多元共線問題。同時，DW為1.634，自變量沒有顯著相關(guān)性，各自變量及截距的顯著性均小于0.05。因此，回歸方程、截距及回歸系數(shù)具有統(tǒng)計(jì)學(xué)意義。這些變量R²值為0.373，在37%左右的程度上解釋了評論的時效性。顯著性方面，Praise（p=0.059）與Words（p=0.639）顯著性p值大于0.05，Star（p=0.000）、Members（p=0.000）、Emotion（P=0.000）、Useful（p=0.000）顯著性p值均小于0.001，模型中從評論中抽取的特征變量都對log（TI+1）有著顯著意義的影響。最終確定的標(biāo)準(zhǔn)化方程如下：

綜合表4及公式（5）可以看出：

1）會員等級與時間間隔序列的相關(guān)系數(shù)為0.148，顯著性為0.000，呈現(xiàn)出一定的正相關(guān)作用，表明不同等級會員用戶，隨著等級的升高，發(fā)布評論的時間越快，等級越高的用戶評論及時性越高。其中可能的解釋為：具有較高會員等級的消費(fèi)者對網(wǎng)購和評論行為具有一定經(jīng)驗(yàn)積累的用戶，由于電商平臺對積極評論的激勵，會員等級高的用戶經(jīng)常進(jìn)行網(wǎng)購和在線評論行為，形成了一定的及時評論習(xí)慣，而具有較低會員等級的消費(fèi)者可能屬于偶發(fā)網(wǎng)購行為，對評論的積極性也不高，除非電商特別提醒或者在使用過程中具有較強(qiáng)的情感波動，才會進(jìn)行偶發(fā)評論行為，因此低會員等級會員評論的及時性較差。因此，假設(shè)H1a得到支持。

2）星級評價與時間間隔序列的相關(guān)系數(shù)為-0.081，顯著性為0.000，呈現(xiàn)出弱的負(fù)相關(guān)作用，表明星級評價越低，評論的時效性越高，即一星或二星的差評評論的“購買—評論”時間間隔較短，因?yàn)橐恍窃u論用戶通常對質(zhì)量、服務(wù)或物流不滿意的情緒較大，一般會及時地做出評論行為。而電商一般會鼓勵用戶及時給予好評進(jìn)行返現(xiàn)和其他方式進(jìn)行激勵，對于部分消費(fèi)者起到一定的激勵作用，但是從本研究數(shù)據(jù)來看，依舊有大量消費(fèi)者對這種激勵持謹(jǐn)慎態(tài)度，五星好評評論數(shù)量明顯多于其他星級評論數(shù)量，較于其他星級數(shù)量，五星好評的時間分布也趨于分散，因此相關(guān)系數(shù)為-0.081，相關(guān)性較小，其他星級呈現(xiàn)出較明顯的負(fù)相關(guān)性，因此，本文檢驗(yàn)結(jié)果與H1b假設(shè)相反。

3）點(diǎn)贊數(shù)量與時間間隔序列的相關(guān)系數(shù)為-0.029，顯著性p<0.05，具有微弱負(fù)相關(guān)作用，即點(diǎn)贊數(shù)量多的評論一般是相對時間間隔較短，但在回歸分析中，Praise的顯著性為0.059（p>0.05），因此點(diǎn)贊數(shù)量與時間間隔序列的相關(guān)性模型構(gòu)建不成立?？赡艿慕忉尀榇嬖诖罅奎c(diǎn)贊量的少數(shù)評論影響“購買—評論”時間間隔的相關(guān)關(guān)系。而大量評論則是沒有點(diǎn)贊量的用戶評論，因此很難用數(shù)理模型量化兩者間的相關(guān)關(guān)系.而且同時也說明僅以點(diǎn)贊量來衡量在線評論有用性的方法是有很大局限的，大數(shù)據(jù)環(huán)境下，存在大量被埋沒的非常有用的零點(diǎn)贊用戶評論，所以，點(diǎn)贊數(shù)量對時間間隔序列的影響作用不能用模型量化，因此，假設(shè)H1c被拒絕。

4）語義深度與時間間隔序列的相關(guān)系數(shù)為0.01，顯著性p>0.05，相關(guān)性較弱，并且在回歸分析中，顯著性為0.639（p>0.05），因此語義深度與時間間隔序列的相關(guān)性模型構(gòu)建不成立。可能的解釋為本文以評論字?jǐn)?shù)來量化語義深度，而各個用戶的評論行為存在差異性，各個時間內(nèi)的用戶評論字?jǐn)?shù)不存在線性相關(guān)關(guān)系，同時，存在大量短文本評論，對評論時效性的相關(guān)關(guān)系產(chǎn)生相關(guān)性影響，這與點(diǎn)贊數(shù)量對時效性的影響作用相同，都存在大量相同因素對其他少量因素的影響作用，因此，語義深度對評論時效性的影響作用不明顯，相關(guān)性也較弱，假設(shè)H1d被拒絕。

5）評論質(zhì)量與時間間隔序列的相關(guān)系數(shù)為-0.399，顯著性為0.000，具有較強(qiáng)的負(fù)相關(guān)作用，表明評論質(zhì)量高的評論一般的時效性較弱。即在購買后較長時間發(fā)表評論有用性較高。可能的解釋為購買后很短時的評論一般為商品外觀、服務(wù)與物流等方面消費(fèi)者比較關(guān)注的內(nèi)容，在購買后第一時間發(fā)出的評論用戶沖動評論情緒較高；而購買后長時間評論的內(nèi)容對使用感知和售后服務(wù)有更清晰地認(rèn)知，從而使優(yōu)質(zhì)評論內(nèi)容大多時效性較弱。因此，假設(shè)H2得到支持。

6）情感強(qiáng)度與時間間隔序列的相關(guān)系數(shù)為0.654，顯著性為0.000，具有較強(qiáng)的正相關(guān)作用，表明情感強(qiáng)度越強(qiáng)，越趨于在購買后很短時間內(nèi)發(fā)表評論?？赡艿慕忉尀椋河脩魧Ξa(chǎn)品和服務(wù)具有較高的正向或負(fù)向情感時，通常傾向于及時做出文本評論表達(dá)滿意或差評情感。尤其是消費(fèi)者對所購產(chǎn)品和服務(wù)有不滿意的負(fù)向情感時，大多消費(fèi)者都會通過及時進(jìn)行評論的方式進(jìn)行情感傾訴和文字表述，一方面用來傾訴使用和購買感受，表達(dá)內(nèi)心的不滿；另一方面警示潛在消費(fèi)者的謹(jǐn)慎購買。評論情感的表達(dá)通過對購買經(jīng)歷的描述和產(chǎn)品的介紹，使?jié)撛谙M(fèi)者更加了解商品特征和使用感受，因此，假設(shè)H3得到支持。

綜合以上假設(shè)驗(yàn)證結(jié)果，表5給出了本文所有檢驗(yàn)假設(shè)的最終結(jié)果。假設(shè)H1a、H2、H3得到支持；H1b與原假設(shè)相反；假設(shè)H1c、H1d被拒絕。

5結(jié)論

本研究基于TAM理論提出在線用戶評論時間特征影響因素，提出從外部因素、有用性因素和情感因素構(gòu)建在線用戶評論行為對評論時效性影響因素模型的研究思想，以京東商城手機(jī)評論為數(shù)據(jù)源進(jìn)行統(tǒng)計(jì)分析與模型驗(yàn)證，為深入開展在線用戶評論行為時間特征規(guī)律的研究提供了新的理論視角。通過回歸分析方法對提出的理論影響因子進(jìn)行回歸模型構(gòu)建，使用SPSS和R軟件對變量間相關(guān)性進(jìn)行分析、可視化處理以及多元線性回歸模型影響因素分析檢驗(yàn)，構(gòu)建標(biāo)準(zhǔn)化回歸方程模型。

根據(jù)回歸模型驗(yàn)證結(jié)果分析，得出以下結(jié)論：①等級越高的用戶評論及時性越高，用戶等級對評論的時效性存在正向影響；②星級評價越低，評論的及時性越高，星級評價對評論的時效性存在負(fù)向影響；③點(diǎn)贊數(shù)量對在線用戶評論的時效性的影響作用不顯著；④語義深度對在線用戶評論的時效性的影響作用不顯著；⑤評論質(zhì)量負(fù)向影響在線用戶評論的時效性；⑥情感強(qiáng)度越強(qiáng)，越趨于在短時間內(nèi)發(fā)表評論，情感強(qiáng)度對評論的時效性存在正向影響。

挖掘在線用戶評論時間特征的影響因素，對于消費(fèi)者有助于挖掘用戶評論規(guī)律，根據(jù)其他用戶的消費(fèi)體驗(yàn)來消除或減少商品的不確定性。對于企業(yè)能夠有效分析時間序列階段的網(wǎng)絡(luò)口碑傳播效應(yīng)，有助于提高企業(yè)的商品競爭力和服務(wù)能力，為生產(chǎn)廠商和電商企業(yè)的產(chǎn)品和服務(wù)提供參考建議。