在线评论研究中的社会网络论文范文

1数据和方法

以WebofScience平台的核心合集为文献检索源，首先检索“在线评论”的相关文献，下载题录；其次提取关键词并运用共词分析法建立共词矩阵；然后通过社会网络分析法并以Ucinet为工具进行中心度、凝聚子群分析；最后形成主题网络结构图，为后续讨论提供依据。

1．1样本文献收集为确保和强调与在线评论研究领域的一致性和直接相关性，确定“onlinereviews”、“electronicwordofmouth”、“e－wom”为检索词，在WebofScience平台的核心合集中以2009－2013年为时间跨度，通过文献类型“ARTI－CLE”精炼后，共获得文献146篇。阅读每一篇的标题、摘要、关键词后，剔除内容不符合、没有关键词的文献，最后保留113篇。

1．2共词分析法共词分析法（Co－termAnalysis）是利用两两词对在相同文献中出现的频次，作为记录来表达关键词与关键词之间的亲疏关系，频次越高表示两个词之间的关系越紧密，通过这种关系反映某一学科领域研究主题或研究方向，从而展现该学科的研究结构（张勤，马费成，2007；钟伟金等，2008）［5－6］。将下载的题录整理、排序后共提取关键词346个。为了进一步洞察在线评论研究领域的热点和主题，对原始关键词进行了处理，包括合并近义词、大小写和缩写的统一，剔除“onlinereviews”、“electronicwordofmouth”、“e－wom”3个高频关键词所带来的主题干扰，最后确定词频2次以上的41个词定为高频词。根据上述高频关键词，统计两两之间在所有113篇文献中同时出现的频次，建立41×41的高频关键词共词矩阵。

1．3社会网络分析法社会网络分析（SocialNetworkAnalysis）源于对社会群体中个体间关系的考查和度量。在社会中个体不仅具有自己的独特属性，另外还与其他个体有这样和那样的各种关系，就是因为这些的关系存在，个体间才形成了不同的群体（刘军，2004）［7］。这种关系会随着时间和外部环境的变化而影响群体结构，反过来不断演化的结构也会影响个体属性和个体间关系。社会网络分析恰恰关注的就是这种关系数据，通过彼此间的关系来量化分析群体结构。近几—62—年来，社会网络分析已成为较为成熟的关系计量方法，不仅在社会学研究当中，而且在心理学、人类学、经济学和管理学等多个学科中也有了一些应用。如前所述，共词分析描述的是关键词与关键词同时出现在一篇文献中的情况，反映了两两词之间的亲疏关系，显然共词矩阵呈现的正是这种关系数据，所以在本研究中运用社会网络分析方法通过对词与词之间关系的度量，来透视在线评论研究中的主题关系、群体结构，就成为行之有效的方法。

2分析和结果

2．1主题结构的中心性分析中心性分析考查了个体在网络结构中所处的中心或边缘位置，这是社会网络分析中重点探讨的内容（刘军，2004）［7］。在本研究中采用点度中心度和中间中心度来度量关键词在关键词关系结构中的位置，从而反映研究领域内的主题分布。（1）将前面的原始共词矩阵导入社会网络分析工具Ucinet中，形成邻接矩阵（AdjacencyMatrix）。运用Uci－net中集成的NetDraw可视化工具展现在线评论研究领域在2009－2013年5年间国际前沿研究的主题分布社群图（见图1）。由社群图所示，整体网络的密度均值是0．074，密度较小，标准差为0．2973。表明当前在线评论相关研究领域中的主题和热点较为分散和疏松。特别是socialmedia、internetmarketing、hotels、onlinecommunity、communication5个关键词处于孤立的位置，和其他关键词关系不紧密。（2）进行点度中心度和中间中心度分析，以考查网络结构中关键词节点的相对重要程度。点度中心度反映了网络结构中某个结点和其他结点关系的多少，如果和其他结点联系多，那么它就处在较为中心的位置，反之就处于较为边缘的状态。中间中心度是指网络的连接控制作用，比如一个结点点度中心度指数可能不高，但由于它处在某些网络路径的联接节点上，起到桥梁的作用，那么它的中间中心度指数就会较高，反之较低。通过在线评论主题网络中心度的测量，发现网络的中心势指数（NetworkCentral－ization）为10．53％，表示整个网络中心趋势并不显著，研究主题和热点并不集中，这也和前面密度分析的结论相一致。

2．2凝聚子群分析从密度和中心度分析看，在线评论研究领域呈现出较为稀松的结构关系，这表示了整体研究主题间的分散性。至于研究领域中，是否形成了内部联接较为紧密的局部主题以及局部主题间表现了怎样的联系，目前还无法洞察。接下来，通过凝聚子群分析便可依据主题间的聚类关系，重描和简化复杂社群图，以更简洁的方式概括主题子群的结构，呈现我们希望的结果。本研究根据凝聚子群递进步骤分析过程（刘军，2004）［7］，在剔除5个孤立关键词后，通过CONCOR迭代相关收敛法（convergentcorrelations），经过多次迭代计算之后，重新计算密度矩阵，同时得到凝聚子群聚类图，并且标记出8个子群分类以及各自所拥有的网络成员（见表2）。然后采用α－密度指标法进行块模型分析，其中α值采用整个网络的平均密度值作为临界值（王陆，2009）［8］，对比密度矩阵，将矩阵中大于整体网络平均密度值0．096的标识为1，小于整体网络平均密度值0．096的标识为－1，得到像矩阵。然后再次可视化描述在线评论研究主题社群简图（见图2）。图中节点大小差异化处理后表示在网络图中的位置，大的代表了相对核心地位，小的代表了相对边缘状态。由图可以看到在2009－2013年的研究周期中，第1、第5、第7、第8子群所代表的研究主题是主流，是重要的知识贡献。第3、第6子群代表的研究主题相对较弱，而第2、第4子群所蕴涵的研究主题处在边缘位置。

3讨论

根据上面的分析和结果，我们发现过去5年在线评论相关领域当中大致可分成7个研究主题。其中包括4个主要研究内容和3个扩展研究趋势（因clique3和clique4结构关系和内容的高度相关性，对其进行合并）。

3．1在线评论内容分析研究主题在线评论的有用性特征能够帮助消费者有效处理信息超载和制定购买决策（Cao，Duanetal．）［9］。目前具有规模的购物网站基本上都提供了在线评论系统，消费者通过这种渠道将自己对产品性能和商家服务质量的体验出去，以作为其他消费者购物决策和商家改进产品与服务的依据。但是由于不同消费者个体信息处理和商家知识提取能力的差异，现有的很多评论系统未必就能提供有效的帮助。因此，如何从评论信息中分析出消费者真实的体验、意向和意见，进行有用性评估和评论信息的效应特征分析，就成为这个时期重点研究的主题，也是其他相关主题不可或缺的分析手段。FangandZhang（2013）［10］以当当网的书籍产品为例，讨论了在中国情境下在线评论对产品销售的影响。研究结果发现评论的数量、焦点评论（当当网编辑认为在有用性、有独特见解等指标上强度较高的评论）、评论的情感倾向和书籍销售有正向关系；相反，评论者的评级和评论的长度与书籍销售有负向关系。显然，这个阶段的大量研究从在线评论系统中提取浅层数据（评论的星级投票、评论文本的长短、评论的有用性投票等）来考查对相关参与者的影响以及影响程度的测量等内容。总的来看缺乏对数据内容的深层利用，从而影响了对用户动机、情感、态度和意愿的真实了解和度量，进而限制了进一步探讨的空间。

3．2在线评论深度挖掘研究主题它是在第一主题基础上研究深度和广度的延伸。在线评论信息中表现出来的浅层知识已不足以描述消费者的感知和体验，那么深入挖掘信息所蕴涵真实情感的研究目的和各种复杂算法就成为这个时期逐渐显现的研究思路。比如语义分析，它就是通过对自然语言的深层处理，找出语义中真实的含义和内在解释，从而理解消费者的真正语言意图，准确反馈用户所需要的结果。Cao，Duanetal．（2011）［9］通过潜在语义分析文本挖掘法（LatentSemanticAnalysis，LSA），从评论信息中的基本特征、语体特征和语义特征出发，分析了有用性投票形成的机理，认为语义特征较其他特征更能影响消费者，同时他们进一步指出极端的评论（包括正向和负向）要比中立的态度更有效。Wang，Yinetal．（2013）［11］以中国在线评论为例，探讨了情感分类的特征。他们首先确定了形容词、副词和动词为潜在包含情感信息的文本特征，通过支持向量机（supportvectormachine，SVM）对在线评论信息的极性进行了极高精度的分类。同时对4种不同的特征选择方法，如：文本频率（documentfrequency，DF）、信息增益（informationgain，IG）、卡方统计（chi－squaredstatistic，CHI）和交互信息（mutualinformation，MI）进行了比较。认为文本频率效率最高，而交互信息不适合中文在线评论信息的情感分类。

3．3在线评论服务响应研究主题服务行业中越来越多的企业参与电子商务，在服务出现误差和错误时，消费者可能会将这种负面的感知通过电子抱怨方式传递出去，那么企业应该除了做出及时的服务补救以外，还应通过在线评论渠道做出第一时间的响应。Browning，Soetal．（2013）［12］以体验性商品为例，指出随着在线评论信息源地位的日益重要，企业应最大限度的理解在线评论信息对消费者态度和行为的影响。指出消费者受到在线评论信息的影响不仅归因于服务质量和商家对控制服务交付的能力，而且还受到商家对在线评论信息是否做出快速响应。也就是说，商家将所采取的服务补救及时通过在线评论渠道反馈给消费者，将会导致消费者更多的正面评价。MatzatandSnijders（2012）［13］通过实验室模拟的在线网站，对不同的消费者抱怨和商家声誉进行了分析，指出即使声誉好的商家被认为是值得依赖的，但对“负面的评论”的“否认”往往不利于消费者的信服，同时也不利于商家声誉的重建。因此从这个角度来讲，对消费者负面评论信息的不响应其实就是一定程度上的“否认”，它将对消费者忠诚度的培养造成极大的影响。所以在线评论除了帮助消费者决策以外，还是商家监督和响应机制的有利武器。显然，如何从评论信息当中及时抽取消费者意见，快速处理和反馈信息将是未来在线服务研究的方向之一。

3．4在线评论行为研究主题这部分研究内容既包括在线评论信息对消费者行为的影响，也包括消费者本身对在线评论的参与行为。前者中最突出的是对消费者满意度的影响、对消费者忠诚度的影响，这些内容始终贯穿了整个5年研究周期，是较为重要的研究贡献。在线评论参与行为的研究是较为新的方向，不断吸引研究者进行探讨。Yoo，Sandersetal．（2013）［14］在研究中引入动机理论和认同理论，指出个体对电子口碑和在线评论的参与受到了内部动机（对他人的关心，自我社会地位的提高，社会利益）和外部动机（经济激励）的影响。他们发现对于个体的参与，内部动机比外部动机有更大的影响力，同时他们也发现在线评论的积极参与将显著影响消费者对网站的认同，进而影响消费者的电子忠诚度。Picazo－Vela，Chouetal．（2010）［15］以计划行为理论模型和大五人格模型为理论依据，讨论影响消费者在线评论的因素有哪些？他们的研究发现，消费者的态度、感知压力、情绪稳定性和尽责性对个体潜在的在线评论信息有显著的影响。

3．5在线评论系统与社交媒体研究主题随着社会性网络服务的逐渐普及，它为消费者搭建了一个不断让人惊叹的信息载体，它鼓励人们产生大量的用户生成信息，其中就包括产品评论信息。有关产品质量和商家服务的评论信息不再只固定于交易平台的系统当中，消费者可以通过移动设备就能轻松信息。更特别的是，随着社会化商务的逐渐兴起，在线评论对于吸引消费者参与、交流和互动，扮演了重要的角色。因此有学者将目光投入到这个领域当中，研究在线评论及其系统与不断发展变化的媒体之间的关系。ChuandKim（2011）［16］认为随着越来越多的营销人员将社会媒体纳入到促销组合当中，讨论消费者通过社会网络参与电子口碑的影响因素就成为十分重要的问题。通过研究他们发现联系强度、信任、规范和信息的影响与消费者电子口碑行为有正向的关系，而同质性与消费者电子口碑行为有负向的关系。Jansen，Zhangetal．（2009）［17］以twitter为例，通过150000多个微博贴子，分析了其中的产品评论、情感倾向和意见，指出消费者的品牌意识和购买决策越来越受到网络沟通和社会网络服务的影响。认为这种趋势为商家创新品牌关系和构建电子口碑平台提供了新机遇。

3．6在线评论与消费者决策研究主题评论信息当中所包含的正面的评价、负面的评价、评论信息的叙述方式、星级水平、真实性的判断等因素都会对消费者的消费意愿和消费决策产生影响。显然这个主题在这个研究周期是十分重要的内容，与在线评论行为研究等主题有很强的相关性，处在主题网络的核心位置。Lee（2009）［18］在详尽可能性模型的基础上，就在线评论对消费者购买意图的影响因素进行了分析。研究认为：（1）在线评论的质量参数（强信息：客观的和容易理解的；弱信息：主观的和情绪化的）对消费者购买意图有正向的影响；（2）评论的数量对消费者购买意图有正向的影响；（3）高涉入的个体更容易采用中心路线去改变态度，也就是说，更容易被评论信息的质量所影响；（4）低涉入的个体更容易采用路线去改变态度，也就是说，更容易被评论信息的数量所影响。Walther，Liangetal．（2012）［19］的研究角度非常特别，他们关注在线评论系统中的不同信息源，考查了不同信息源的信息对消费者决策的影响。研究认为，在在线评论环境中，消费者决策过程是一个多层迭代过程，不同信息源（最初信息的正面或负面信息、对最初信息有用性的评估、对最初信息同意或不同意的字面表达）的信息可能是不一致的，消费者就是在这样的一种机制中不断修正自己对产品、对信息者的态度，从而形成最终的决策。

3．7在线评论质量研究主题HuandLiu（2011）［20］对在线评论的被操纵性进行了评估，认为这种操纵性随着产品的真实质量单调递减。也就是说销售低质量产品和拥有低评价的商家更有可能操纵评论信息。他们警告说，如果这种操纵活动持续下去，那么在线评论系统就将失去所有读者，并最终影响商家销售业绩。同时他们也建议从制度和技术层面，增加操纵评论信息的成本，从而减少“操纵性”的影响。FangandZhangetal．（2013）［10］在研究中考察了跨文化对评论信息的调节作用。他们以霍夫斯泰德文化框架为基础，从个体主义和集体主义、权力距离、不确定性规避、男性化和女性化、长期导向和短期导向5个维度出发，比较中国消费者与美国消费者在在线评论行为中的差异。如：他们发现中国人比美国人更倾向于给予正面的评价，而更少的给予负面的评价；中国人相比较美国人来说更不愿表达自己的情感，所以较少参与在线评论信息的。但他们并未对这种不同文化情境下产生的评价偏差，给予进一步的讨论。Chih，Wangetal．（2013）［21］指出网站的声誉、信息源的可信度、消费者获得的有关产品信息以及消费者的在线社会网络关系对感知正向口碑评论的可信度有积极的影响。总的来看，在线评论内容分析、在线评论行为研究、在线评论与消费者决策、在线评论质量研究是核心主题，在整个在线评论研究的网络结构关系中占据相对中心地位，为本领域的研究贡献了大量的知识。在线评论深度挖掘、在线评论服务响应、在线评论系统与社交媒体是当前研究中处在相对边缘位置，从具体情况分析来看，它们中的很多方向，具有一定的前瞻性，有一定深入探索的价值。

4总结与在线评论研究框架

通过上述分析，我们识别了在线评论研究领域当中的7个主题方向。在此基础上进一步总结归纳形成了一个在线评论研究的概念框架，为当前的研究者提供参考（见图3）。第一层是内容分析与数据挖掘。这是在线评论研究的核心层，是研究的起点，任何基于评论信息的研究都离不开数据的提取或是情感和语义的分析。第二层是在线评论信息的质量和可用性。在数据挖掘和分析的基础上，对在线评论信息的可信度、质量、有用性和一致性进行准确的评估，才能为进行一步的应用分析做好准备。第三层是行为与决策。通过高质量的信息数据我们深入了解消费者的态度、意图，把握顾客的决策和行为，从而不断改善产品与服务，提高消费者黏性。第四层是不断演化的研究趋势。随着Web2．0平台的逐渐普及，单纯的产品和服务已不再是核心，激励潜在消费者不断参与、沟通和互动才是焦点，消费者及时将自己对产品和服务的体验与感知准确的进行表达，以及对这种表达的最优捕捉将是研究的重点。另外，在线评论系统不光是单向的信息传递，而应是具有反馈机制的循环系统，通过在线评论系统的响应和反馈从而改善在线服务质量，这也将会吸引众多研究者的关注。

作者：陈农单位：青海大学财经学院