HJDM  >> Vol. 8 No. 4 (October 2018)

    基于WOS的负面口碑发展之路径分析
    WOS-Based Path Analysis for the Development of Negative Word-of-Mouth

  • 全文下载: PDF(746KB) HTML   XML   PP.201-209   DOI: 10.12677/HJDM.2018.84021  
  • 下载量: 239  浏览量: 387  

作者:  

熊辉:广东广业开元科技有限公司,广东 广州;广州临观教育信息有限公司,广东 广州;
黄俊健,梁培锋:广东广业开元科技有限公司,广东 广州

关键词:
负面口碑主路径分析多全局主路径全局关键路径Negative Word-of-Mouth Main Path Analysis Multiple Global Main Path Global Key Route

摘要:

通过引文分析和主路径分析的方法,将Web of Science (WOS)数据库中以负面口碑为主题的文献作为研究对象,研究负面口碑的重要文献与逻辑演化路径。研究发现:Richins (1983)的论文是负面口碑领域中最重要的文献之一,而负面口碑的逻辑演化有三条重要路径,分别是:负面口碑行为、负面口碑动机、抱怨和服务补救。
By using the methods of citation analysis and main path analysis, taking the literature with nega-tive word-of-mouth as the research object in the Web of Science (WOS) database, the important literature and logical evolution path of negative word-of-mouth have been studied. The results reveal that the paper of Richins (1983) plays the most important role in negative word-of-mouth field; and there are three important logical evolution routes: behavior of negative word-of-mouth, motive of negative word-of-mouth, complaint and service recovery.

1. 引言

负面口碑是消费者对于不满意消费行为的反应之一。Richins (1983)曾指出,负面口碑会负面影响消费者的产品评估,并认为消费者对于不满意的消费行为有三种潜在的反应:1) 转换品牌或是拒绝再消费;2) 对厂商或是第三方(如消费者委员会)抱怨;3) 告诉他人不满意的产品或是店家 [1] 。过去有许多学者,为负面口碑下过定义,如Richins (1984)定义负面口碑为消费者之间诋毁营销组织或是产品的人际沟通 [2] ,Singh (1990)则定义负面口碑为告诉他人产品或服务的不愉快消费经验或抱怨 [3] ,Anderson (1998)认为负面口碑包含有关不愉快经验的产品诋毁、谣言和私下抱怨 [4] 。

负面口碑是很重要的议题,Arndt (1967)的研究发现,82%的消费者会受到负面口碑影响不购买新产品 [5] 。Lau、Ng (2001)则指出负面口碑是一股强大的力量,能毁掉一间企业 [6] 。根据过去的研究,负面口碑比正面口碑更具传播力和影响力。Watkins、Liu (1996)指出一般人传播负面经验的次数是正面经验的3到10倍 [7] 。Basuroy et al. (2003)的研究结果发现负面评论对电影票房的伤害,比正面评论对电影票房的帮助大 [8] 。

Richins于1983年发表了第一篇以负面口碑为主题的初探性研究,开启了负面口碑领域的研究。在此之前,鲜少有以负面口碑为主题的研究,只有少数研究在讨论口碑现象时提到负面口碑。至今30年,已有不少负面口碑相关的研究,如Sundaram et al. (1998)研究负面口碑的传播动机 [9] ,Hanson (2000) [10] 和Hennig-Thurau、Walsh (2003) [11] 研究网络负面口碑;Laczniak et al. (2001) [12] 、Glodenberg (2007) [13] 和Luo (2007) [14] 研究负面口碑对企业和消费者的影响力;East et al.(2008) [15] 则提出负面口碑的衡量工具。

2. 研究内容、方法与目的

2.1. 研究对象与内容

本文将Web of Science (WOS)数据库中以负面口碑为主题的文献作为研究对象,研究内容则主要为负面口碑的重要文献与逻辑演化路径。

2.2. 历史文献所采用的方法

Mizerski (1982)通过实验方法证实,相对于正面信息,负面信息在产品表现、信任度和影响力等三个指标上有更强的驱动力 [16] 。这个研究结果证实,负面口碑在消费者购买决策中比正面口碑更有影响力,可以说是负面口碑研究的重要前身之一。Richins (1984)从重要性、动机、传递偏差和影响力四个指标回顾了过去和负面口碑相关的文献 [2] 。但Richins的回顾局限在个别领域的探讨,看不出整体的发展脉络;Laczniak等人(2001)进一步利用实验方法研究消费者对负面口碑的反应,并发现归因理论中介负面口碑对品牌评估的影响 [12] 。举例来说:如果消费者认为负面口碑是来自品牌本身,则会降低消费者对该品牌的评估;但如果消费者认为负面口碑是来自传递者本身,则品牌评估会提升。East et al. (2008)则提出负面口碑的衡量工具,他们发现人们对于口碑衡量的所知有限,因此着手衡量正、负面口碑的影响力,并发现口碑对品牌购买机率的影响力取决于接收口碑前的购买可能性、口碑的表达强度和接收者对品牌的喜好度 [15] 。De Matos、Rossi (2008)利用整合性分析回顾(meta analytic review)方法回顾了口碑的前因(如满意度、忠诚度、质量、承诺、信任、知觉价值)和调节变量(如口碑方向、口碑频率、研究特性)的相关文献 [17] 。但其文献样本也局限在个别子领域,无法窥探整体的发展脉络。Lin、Liao (2008)利用引文分析和社会网络分析的方法,回顾了1957~2008年间所有的口碑文献,找出引用数最高的口碑文献并汇出社会网络图和发展路径图,帮助读者了解口碑的发展历程 [18] 。但其只选取文献标题有word-of-mouth和 WOM的文章,且社会网络图过于复杂。Yan et al. (2011)的研究则将讨论的主体延伸到政策面上,通过个案分析,探讨了有负面口碑的新产品适用甚么样的生产和销售策略,以达到最大的获利,他们发现拥有很强负面口碑的新产品适用短视政策(myopicpolicy),而有弱负面口碑的新产品则适用建立政策(build-up policy) [19] 。

在国内,近年来关于负面口碑的研究也比较多,如赵海川在其博士毕业论文中设计了六个实验来验证其所提出的假设,即负面口碑的负面影响可以通过改变消费者的稳定性归因来实现,这丰富了伤害修复的研究成果 [20] 。张心泽等人基于支持向量机理论提出了领域知识水平、情感状态和互动程度三种特征维度的专家用户识别方法以帮助企业处理在线负面口碑 [21] 。杨征与刘梦华研究了顾客感知的服务质量对顾客抱怨程度和方式的影响,通过模拟情境实验法进行了实证研究,认为顾客感知的服务质量对顾客抱怨程度具有负向影响 [22] 。

为了达到研究目的,本文使用引文分析和主路径分析(主要采用SPC方法,计算连结线的权重值)两种方法,对文献样本进行分析,以修正其研究限制,提供更完整且全面性的负面口碑发展轨迹。引文分析帮助我们了解文献样本彼此的引文情况,并藉此找出在负面口碑领域中具影响力的文章、作者和期刊;主路径分析帮助我们找出时间序列中负面口碑领域的重要文献,藉此掌握负面口碑的研究主轴和发展方向。最后,本文根据分析结果,归纳出负面口碑的发展轨迹并提出未来研究的可能方向。

2.3. 本文研究方法与目的

客观而言,过去几乎没有负面口碑领域的引文分析研究,而既有文献又大多局限在一些子领域的回顾,例如:动机、发生率和影响力等层面,缺少从发展初期直到现代一以贯之且具有时间概念的连续型回顾文献,使得我们对负面口碑研究的引用关系和演进过程所知非常有限。

为填补上述的缺口,本研究希望可以通过引文分析和主路径分析的方法,了解负面口碑的发展轨迹,并找出该领域中具代表性的重要文献。希望可借此帮助其他学者能更轻松获得更完整且全面性的负面口碑相关知识,更清楚了解负面口碑研究的发展脉络。因此,本文的目的有三:1) 利用引文分析探索负面口碑文献的引文状况;2) 通过主路径分析找出负面口碑领域中具代表性的重要文献;3) 描绘负面口碑领域中架构的演进路径。

本文所使用的主路径分析软件,有内建软件可以帮助整理出文献样本的基本数据,包含作者、发表年代、期刊、文章、摘要、关键词、g-index 和h-index等更多维度的资料。并利用Microsoft Excel 2010软件整理分析所获得的数据。从中,我们可以了解到负面口碑领域中文献样本彼此的引用关系,并从中找出引用数最高的文献、最具影响力的作者群、共同作者关系,和最具代表性的期刊。

本文将WOS数据库搜寻到的文献样本集合以full record和citation record的方式汇出成txt文件,再汇入主路径分析软件,选定SPC权重计算方式,进行主路径分析。最后再搭配专门用来分析与可视化大型复杂网络的软件Pajek进行数据分析。Pajek帮助主路径分析模块依时间序列找出历史轨迹中具有影响力的文献群。

3. 数据源与搜集

本文采用WOS数据库作为文献样本的数据源,其乃一个网络引用文献索引数据库系统,包含五大数据库:Science Citation Index Expanded (SCIE)、Social Sciences Citation Index (SSCI)、Arts & Humanities Citation Index (A & HCI)、Conference Proceedings Citation Index-Science (CPCI-S)、Conference Proceedings Citation Index-Social Science & Humanities (CPCI-SSH),其领域涵盖多项学科,数据完整丰富,且可以确保文献样本有一定的质量。数据搜寻日期为2018年2月15日。文献样本的筛选包含以下三大步骤。

第一步,制定关键词。本文阅读过去负面口碑领域的重要文献,并和专家讨论,制定出主要关键字:negative word-of-mouth (NWOM)、negative consumer review,以及次要关键词(如表1所示),组成关键词群组。

第二步,WOS搜寻设定。进入WOS的进阶搜寻功能,选择all languages、all document types、all years (1947-present)并勾选SCI-EXPANDED 和SSCI两组数据库,以确保可以搜寻到数据库所有符合的样本。

第三步,布尔逻辑运算。依序输入第一步的关键词群组,得到子文献样本集合。接着,使用布尔逻辑表达式(and、or、not)精炼出负面口碑的最终文献样本集合,如图1所示,其中TS代表针对论文的Title、Abstract、Key Words、Key Words Plus进行检索,TI代表只针对论文的Title进行检索,框框旁的数字代表执行检索后得到的文献样本数量。

Figure 1. Boolean logic filter diagram

图1. 布尔逻辑筛选图

Table 1. list of secondary keywords

表1. 次要关键词一览表

图1中各集合的详细说明如下。

1) 集合1:“在TS搜寻所有主要关键词”与“在TS搜寻所有次要关键词”所获得的文献样本交集。集合1中的所有文献样本,在Title或Abstract或Key Words或Key Words Plus等位置,皆同时含有主要关键词和次要关键词。

2) 集合2:“在TI搜寻所有主要关键词”所获得的文献样本集。

3) 集合3:集合1与集合2的并集,即“集合1” “集合2”。

4) 集合4:集合3与集合2的差集,即“集合3”\“集合2”;将集合3中标题有主要关键词的文献样本剃除。

5) 垃圾集合:经过人工判读集合4,找出和研究主题无相关的文献,集合成垃圾集合。

6) 集合5:集合3与垃圾集合的差集,即 “集合3”\“垃圾集合”;在集合5中,文献样本皆与研究主题有直接相关。

7) 集合6:手动加入搜寻过程被遗漏但重要的负面口碑文献获得集合6。

经过上述三步骤的筛选,可以确保最终集合囊括大部分负面口碑相关的文献,且剃除非相关的文献;本文最后得到78篇负面口碑相关的文献样本,而集合6则是最接近研究主题的文献样本集合。

4. 研究结果

本节分别就引文分析和主路径分析的结果,来探讨负面口碑领域的文献样本集合。

4.1. 引文分析结果

经过分析,在78篇文献样本中,10篇(13%)文献是2000 年以前发表的,68篇(87%)是2000年以后的研究;共有159名作者和共同作者,平均一篇文章约有2.03个作者;文献样本共发表在47个期刊上,平均一篇期刊有3.38篇文章。在10篇被引用次数最高的文章中,前三名分别为Richins (1983) [1] 、Blodgett等人(1997) [23] 和Mizerski (1982) [16] 。此外,这10篇被引用数最高的文章中,有7篇出现在local main path或multiple global main path上,3篇未出现在这两条路径上。Lin、Liao (2008) [18] 在针对口碑文献的回顾中发现,部分文章是因为被其他领域的文章引用,才有如此高的被引用数。可见,单单就引用数高低来检视,无法完整判断一篇文章在该领域中是否扮演重要角色。

在文献样本中,G-index为2以上的共有14位作者,以第一作者发表两篇以上文献的作者共有为7位;分析14位作者共同研究的情形还可发现,由East Robert为主的研究团队A还包含了Romaniuk Jenni、Hammond Kathy和Lomax Wendy三位作者,以及Van Hoye Greet和Lievens Filip组成的研究团队B。

本文使用G-index找出负面口碑领域最有影响力的期刊,G-index大于2的共有13种期刊,排名第一的期刊为 Psychology & Marketing。在13种期刊中,营销领域的期刊共有8种,占全部的62%。其它则是分散在消费者领域、服务研究领域、零售领域和管理领域。由此可知,负面口碑的相关知识最常被运用在营销领域当中。

4.2. 主路径分析结果

本文参考Liu、Lu (2012) [24] 建议的主路径模型,分析了78篇文献样本,绘出了负面口碑学术论文的主路径。主路径中每个节点代表一篇文献,连接线表示论文间的引用关系,箭号则表示知识流动的方向,链接线的粗细代表连接线的权重,连结线愈粗,代表该路径(引用关系)的重要性愈高。我们将使用三种主路径分析方法,从不同的观点来探讨负面口碑领域文献的发展脉络。第一种方法是以历史发展过程为主的局部主路径(Local main path);第二种是重视整体知识扩散轨迹以及子领域概况的多全局主路径(Multiple global main path);最后一种是比较多条重要路径互动关系,着眼研究领域发展结构的全局关键路径(Global key-route)。

4.2.1. 局部主路径

局部主路径上共有9篇文献,可以说是负面口碑发展轨迹中很重要的9篇文献。Mizerski (1982) [16] 和Richins (1983) [1] 两篇文献为源点,中间经过五个节点:Richins (1984) [2] 延续负面口碑议题,从负面口碑的重要性、动机、传递偏误(transmission biases)和影响力等方向,回顾相关文献,并描绘出负面口碑行为的轮廓,同时归纳出会影响接收者接收负面口碑的三个变量:来源(source)、信息(message)和接收者特质(receiver characteristics)。最后是两个汇点:East等人(2008) [15] 与Yan等人(2011) [19] 。

接着,从时间序列的观点,进一步讨论主路径构念的发展脉络。1982年,Mizerski的研究发现负面信息比正面信息更能影响消费者的购买决策,虽然本篇文献的标题使用负面信息这个字眼,但其实就是负面口碑,本篇文献可以说是负面口碑前身中,重要的文献之一。1983年,Richins首先发表以负面口碑为主题的第一篇探索性研究,研究发现影响传递者传递负面口碑的变量。1984年,Richins继续研究影响接收者接收负面口碑的变量,研究对象从传递者到接收者。2001年,Laczniak等人(2001) [12] 使用归因理论研究接收者接收后的反应,研究对象从接收前的影响变量到接收后的反应。2006年,Ward、Ostrom (2006) [25] 将研究目标从传统负面口碑带到网络负面口碑。2007年,Goldenberg (2007) [13] 将负面口碑影响的目标由消费者延伸到企业市值。2008年,East等人(2008) [15] 找出可以用来衡量正负面口碑影响力的变量,2011年,Yan等人(2011) [19] 将负面口碑的理论知识运用到订定新产品的生产销售策略。

4.2.2. 多全局主路径

本文经过反复试验,发现权重最高的前 30 条路径最能诠释负面口碑领域之整体知识扩散轨迹。多全局主路径上共有34篇文献,可分为三大区块,分别是负面口碑行为区块、负面口碑动机区块和抱怨及服务补救区块。以下详细介绍。

1) 负面口碑行为区块。Mizerski (1982) [16] 和Richins (1983) [1] 两篇文献为源点,沿着最粗的路径往右为整体权值最重的全局主路径,其与local main path完全一样,代表无论是从历史观点或是整体观点,这9篇文献在负面口碑领域都扮演很重要的角色。这个区块主要是以负面口碑为自变量,探讨负面口碑的影响力、影响变量等议题的研究。

2) 负面口碑动机区块。从文献Sundaram等人(1998) [9] 向下延伸出去的区块主要是在探讨负面口碑的动机,发现传递动机与过去的消费经验有高度相关;其他文献则讨论消费者为什么会传递餐厅的负面口碑,发现消费者遇到不满意的经验时的情绪和传递负面口碑的目的是高度相关的,例如:生气的顾客传递负面口碑的目的是报复店家,失望的顾客传递目的则是提醒其他消费者。区块中其它汇点则延伸动机议题,进一步讨论不满意消费者的行为以及负面口碑的修辞用字等议题。

3) 抱怨和服务补救区块。从文献Blodgett等人(1997) [23] 延伸出去的区块主要在探讨抱怨、服务补救和负面口碑的关系之议题,在这个区块负面口碑行为较常被当作不满意经验的后果(consequence)来讨论。其他则是延续Blodgett等人的研究,将分配、程序和互动三个指标衍生成为服务补救的三个指标:补偿(compensation)、补救速度(recovery speed)和apology (道歉),探讨这三个指标与抱怨后行为的关系,并发现服务补救的满意度为中介变量。该区块中的其他汇点则仍聚焦于抱怨行为、服务失败、服务补救等议题。

从多全局主路径我们可以发现,负面口碑领域发展至今,共有三条重要的路径。除了讨论负面口碑行为的主路径外,负面口碑动机和抱怨及服务补救两个子领域,也都有许多学者投入研究。以下将针对从时间序列的观点,讨论两个子领域的发展脉络。

1) 负面口碑动机。1998年,Sundaram等人(1998) [9] 引用Richins (1984) [2] 的研究结果,研究消费者传递负面口碑的动机。此后又作者针对负面口碑传递动机议题,进一步去了解不满意的情绪和传递动机的关系,使我们对负面口碑传拨动机有了更深一层的了解。

2) 抱怨和服务补救。1997年,Blodgett等人(1997) [23] 引用 Richins (1983) [1] 关于负面口碑的初探性研究,探讨抱怨后知觉和负面口碑的关系。研究至此产生了分歧,一边是2003年Oh利用消费者抱怨行为的研究,类推到读者对图书馆的抱怨行为研究;另一边是2004年Wirtz与Mattila将抱怨后知觉的三个指标转化成服务补救的三个指标:补偿、补救速度和道歉,并讨论指标和负面口碑的关系。

4.2.3. 全局关键路径

反复测试后本文发现,全局关键路径最能解释负面口碑的文献样本集合。也就是说,锁定文献样本中权重最高的前20条连结线,并挑出经过这些连结线且权重最大的路径。此方法可以确保不遗漏具有影响力的文献,且可以观察多条路径间的互动关系。全局关键路径上共有25篇文献,经过和多全局主路径比对,有22篇文献重复,重复性很高。全局关键路径一样也可以分为三大区块:负面口碑行为、负面口碑动机、抱怨和服务补救。负面口碑行为和负面口碑动机的关连比较紧密,而抱怨和服务补救则相对独立。在25篇文献中,未出现在多全局主路径的文献共有3篇,这些文献虽然并未出现在整体的发展轨迹当中,但在文献发表当时却具有一定的影响力。

5. 结论

本文的主要目的是检视并找出负面口碑领域发展轨迹以及当中具影响力的文章、作者和期刊。利用引文分析和主路径分析方法分析负面口碑文献的引用状况,找出在负面口碑领域中扮演重要角色的核心文献。相较于过去单点式的回顾文献,本文加入了时间序列和引用关系,使读者可以更清楚及全面地了解负面口碑之发展轨迹。因此,本文填补了负面口碑领域知识的缺口,并增加了我们对于负面口碑研究的了解。

Richins于1983首度发表以负面口碑为主题的研究,探讨影响传播者的变量,此篇文献被引用数多达246次,是负面口碑领域中最重要的一篇文献。East Robert在2007~2011年间先后发表三篇文献,是负面口碑领域中发表文献数最多的学者。Psychology & Marketing于2002~2011年间共发表7篇负面口碑相关的文献,是影响力最高的期刊。

通过主路经分析,我们可以了解负面口碑研究的演进。研究主题从影响传递者的变量,到影响传播者的变量,再到传播者的反应;从传统负面口碑到网络负面口碑;从负面口碑对消费者的影响力到对企业的影响力;并发展出负面口碑影响力的衡量工具。

同时,我们发现负面口碑领域的三条重要发展路径,分别是:负面口碑行为、负面口碑动机、抱怨和服务补救。虽然此三条路径互有关联且在分类上有些模糊,但我们仍然可以看出负面口碑的研究脉络,并从中找出未来研究的方向(如探讨正面口碑之主路径、探讨抱怨和转换品牌之主路径、探讨转换品牌和负面口碑的关系、网络负面口碑等)。

部分负面口碑文献无法被囊括在文献样本中,主要有以下几个原因:1) 文献不在Web of Science的数据库当中;2) Web of Science数据库中,早期文献无摘要,故无法被搜寻到;3) 部分讨论负面口碑的文章,标题和摘要中没有负面口碑,故无法被搜寻到。虽然如此,本文经过熟读负面口碑文献手动增加重要文献、订定负面口碑关键词并通过布尔逻辑筛选等选样步骤,所选出的文献样本已很具代表性,但限于篇幅,并未将它们全部在参考文献中列出。

NOTES

*通讯作者。

文章引用:
熊辉, 黄俊健, 梁培锋. 基于WOS的负面口碑发展之路径分析[J]. 数据挖掘, 2018, 8(4): 201-209. https://doi.org/10.12677/HJDM.2018.84021

参考文献

[1] Richins Marsha, L. (1983) Negative Word-of-Mouth by Dissatisfied Consumers: A Pilot Study. Journal of Marketing, 47, 68-78.
https://doi.org/10.2307/3203428
[2] Richins Marsha, L. (1984) Word-of-Mouth Communication as Negative Information. Advances in Consumer Research, 11, 697-702.
[3] Singh, J. (1990) Voice, Exit, and Negative Word-of-Mouth Behaviors: An Investigation across Three Service Categories. Journal of the Academy of Marketing Science, 18, 1-15
https://doi.org/10.1007/BF02729758
[4] Anderson, E.W. (1998) Customer Satisfaction and Word of Mouth. Journal of Service Research, 1, 5-17.
https://doi.org/10.1177/109467059800100102
[5] Arndt, J. (1967) Word-of-Mouth Advertising and Informal Communication. In: Cox, D.F., Ed., Risk Taking and Information Handling in Consumer Behavior, Division of Research, Harvard University, Boston, MA, 188-239.
[6] Lau Geok, T. and Sophia, Ng. (2001) Individual and Situational Factors Influencing Negative Word-of-Mouth Behaviour. Canadian Journal of Administrative Sciences-Revue Canadienne Des Sciences De L Administration, 18, 163-178.
[7] Watkins, H.S. and Liu, R. (1996) Collectivism, In-dividualism and In-Group Membership: Implications for Consumer Complaining Behaviors in Multicultural Contexts. Journal of International Consumer Marketing, 8, 69-96.
https://doi.org/10.1300/J046v08n03_05
[8] Chatterjee, B.S.S. and Ravid, S.A. (2003) How Critical Are Critical Reviews? The Box Office Effects of Film Critics, Star Power, and Budgets. Journal of Marketing, 67, 103-117.
https://doi.org/10.1509/jmkg.67.4.103.18692
[9] Sundaram, D.S. and Mitra, K. (1998) Cynthia Webster. Word-of-Mouth Communications: A Motivational Analysis. In: Alba, J.W. and Hutchinson, J.W., Eds., Advances in Consumer Research, Vol. 25, Assoc Consumer Research, Provo, UT, 527-531.
[10] Hanson, W.A. (2000) Principles of Internet Marketing. South-Western College Publishing, Ohio.
[11] Hennig-Thurau, T. and Walsh, G. (2003) Elec-tronic Word-of-Mouth: Motives for and Consequences of Reading Customer Articulations on the Internet. International Journal of Electronic Commerce, 8, 51-74.
https://doi.org/10.1080/10864415.2003.11044293
[12] Laczniak Russell, N., De Carlo, T.E. and Ramaswami, S.N. (2001) Consumers’ Responses to Negative Word-of-Mouth Communication: An Attributions Theory Perspective. Jour-nal of Consumer Psychology, 11, 57-73.
https://doi.org/10.1207/S15327663JCP1101_5
[13] Jacob, G., Libai, B., Moldovan, S. and Muller, E. (2007) The NPV of Bad News. International Journal of Research in Marketing, 24, 186-200.
https://doi.org/10.1016/j.ijresmar.2007.02.003
[14] Luo, X.M. (2007) Consumer Negative Voice and Firm-Idiosyncratic Stock Returns. Journal of Marketing, 71, 75-88.
https://doi.org/10.1509/jmkg.71.3.75
[15] Robert, E., Hammond, K. and Lomax, W. (2008) Measuring the Impact of Positive and Negative Word-of-Mouth on Brand Purchase Probability. International Journal of Research in Marketing, 25, 215-224.
https://doi.org/10.1016/j.ijresmar.2008.04.001
[16] Mizerski Richard, W. (1982) An Attribution Explanation of the Disproportionate Influence of Unfavorable Information. Journal of Consumer Research, 9, 301-310.
https://doi.org/10.1086/208925
[17] De Matos, C.A. and Rossi, C.A.V. (2008) Word-of-Mouth Communications in Marketing: A Meta-Analytic Review of the Antecedents and Moderators. Journal of the Academy of Marketing Science, 36, 578-596.
https://doi.org/10.1007/s11747-008-0121-1
[18] LinTom, M.Y. and Liao, C.-W. (2008) Knowledge Dissemination of Word-of-Mouth Research: Citation Analysis and Social Network Analysis. Libri, 58, 212-223.
[19] Yan, X., Cao, P., Zhang, M. and Liu, K. (2011) The Optimal Production and Sales Policy for a New Product with Negative Word-of-Mouth. Journal of Industrial and Management Optimization, 7, 117-137.
https://doi.org/10.3934/jimo.2011.7.117
[20] 赵海川. 道歉还是否认?企业如何选择危机响应策略: 基于稳定归因视角[D]: [博士学位论文]. 合肥市: 中国科学技术大学, 2016.
[21] 张心泽, 蔡淑琴, 罗思宇. 基于支持向量机的在线负面口碑处理专家识别方法[J]. 统计与决策, 2017(22): 79-83.
[22] 杨征, 刘梦华. 基于信任的顾客抱怨的调节[J]. 江西社会科学, 2017(7): 211-219.
[23] Blodgett Jeffrey, G., Hill, D.J. and Tax, S.S. (1997) The Effects of Distributive, Procedural, and Interactional Justice on Post Complaint Behavior. Journal of Retailing, 73, 185-210.
https://doi.org/10.1016/S0022-4359(97)90003-8
[24] Liujohn, S. and Louis, Y.Y.L. (2012) An Integrated Ap-proach for the Main Path Analysis: Development of the Hirsch Index as an Example. Journal of the American Society for Information Science and Technology, 63, 528-542.
https://doi.org/10.1002/asi.21692
[25] WardJames, C. and Ostrom, A.L. (2006) Complaining to the Masses: The Role of Protest Framing in Customer-Created Complaint Web Sites. Journal of Consumer Research, 33, 220-230.
https://doi.org/10.1086/506303