1. 引言
随着互联网的发展以及在线购物、支付等条件的不断完善，消费者的购物行为逐渐向线上转移，网络购物已逐渐成为消费者的一种生活习惯。在线评论在影响消费者购买决策、产品销售业绩等方面起着至关重要的作用。作为电子口碑(eWOM)的主要来源，在线评论能够为消费者提供有关商品质量的可靠信息，塑造消费者对产品的认知。在电子商务平台上，在线评论使消费者在做出购买决策之前能够评估和比较备选方案。因此，在线评论被认为是产品销售的主要驱动力。
越来越多的人选择在网络平台上自由地表达对产品和服务的看法。这些评论中不可避免地会有负面评论。负面评论中包含的产品质量、物流延迟、服务不佳等问题信息，可能会影响潜在消费者的购买意愿，从而对产品销售产生负面影响[1]。随着在线评论重要性的增加，为减缓负面在线评论造成的消极影响，管理者们找到了一种管理消费者关系的新方法：“商家回复”。通过商家回复，管理者可以与消费者发布的在线评论进行沟通。商家回复在促进消费者在线参与和建立积极的在线口碑方面发挥着至关重要的作用[2]。商家回复代表着企业满足消费者预期的第二次机会，对管理者来说尤为重要。
因为商家回复的重要性与日俱增，许多研究还把重点放在了如何有效利用商家回复策略上。例如，大多数研究认为，提供及时且信息丰富的回应，尤其是对负面评论的回应，可以提高其有效性[3]。不同的商家回复策略可能会产生不同的影响。学者们研究了不同回复策略的效果，如道歉、纠正、促进、解决问题、礼貌、解释和承认等[4]。也有学者研究了回复策略的有效性，例如对不同评论的管理反应，以及不同的回复长度、速度和主题[5]。以上研究均强调了商家回应的重要性。然而，到目前为止，现有研究主要集中在探讨负面在线评论对消费者购买意愿、网络口碑、产品销售等方面的影响，而关于商家回复负面在线评论行为对消费者购买决策影响机制的研究仍然较为有限。
因此，本文在研究负面评论对消费者购买决策的影响关系中，引入商家回复速度与商家回复质量两个调节变量，并选取京东平台上商品负面评价作为研究对象，以服务补救理论为基础，构建多元线性回归方程，通过实证分析验证变量是否对消费者购买决策产生显著影响，以揭示商家回复在负面评论中对消费者购买决策影响的内在机制。本文结果有助于为电子商务平台开展商家回复策略提供指导意见，以帮助减轻负面评论带来的负面影响。
2. 文献综述
2.1. 负面在线评论
在电子商务的各种研究课题中，负面在线评论作为一种口碑概念，一直是备受关注的话题，消费者总是在购买后通过在线评论来表达对不满意体验的抱怨和负面情绪。在用户生成内容的趋势下，负面评论是网络卖家挖掘消费者视角的理想渠道，进而帮助电子商务平台发现问题并改进服务。
已有许多学者展开了对负面评论的研究。Gu等[6]发现，受欢迎产品的销售受负面评论的影响较小。Duan等[7]的研究也证实了在线评论对受消费者欢迎的产品没有明显影响。相比之下，对于那些不太受欢迎的产品，消费者往往受在线评论的影响较大。负面评论比正面评论更具诊断性，对消费者行为决策的影响也更显著，Ghose等[8]调查了评论的客观性与产品销售或有用性投票之间的关系，结果表明具有更多客观性的负面评论获得更多的投票。
负面评论可以揭示产品或服务中的潜在问题，提供详细和具体的问题描述，从而有助于消费者更好地评估他们的选择并做出更明智的决策。负面评论会影响产品销售，对于某些产品(例如利基产品)来说，即使只是一个负面评论也可能会造成不利影响[9]。强烈的负面评论会引起从众效应，造成更多消费者对产品的负面看法并影响他们后续的购买决策。负面评论会降低消费者对产品或服务的态度，使他们对产品质量产生怀疑，降低消费者对产品供应商的信任，增加他们对产品的感知风险，导致消费者重新考虑他们的购买决定。
2.2. 商家回复
在互联网时代，如何应对服务失败对于管理者来说越来越重要。服务失败如果处理不好会转化成负面口碑，影响后续顾客的购买决策。“商家回复”是指企业与消费者互动并对其做出回应的努力[2]，商家回复被视为服务业的重要组成部分。以往的研究发现，得到商家的回应可以有效安抚遭遇服务失败的顾客的负面情绪，进而改善其再次光顾的行为[2]。同样，Le和Ha [10]也发现，商家回复在改变潜在消费者的态度和行为以及减缓负面评论造成的负面影响方面具有积极作用。
商家回复还能积极影响潜在消费者的心理状态，提高他们对企业的关注度和信任度[3]。当潜在消费者浏览在线评论时，他们会观察到商家对这些评论的回应。在这种情况下，商家回复对消费者的潜在购买意愿具有显著的正面影响。但也有学者得出了相反的结果，Bhandari和Rodgers发现商家对负面评论的回复对潜在消费者的购买意愿有负面的影响[11]。
有研究发现对同一评论，不同的人回复也会产生不同的效果，与员工提供的回复相比，公司管理者提供的回复会降低未来的财务绩效[12]。在回复及时性上，当大多数的评论都是负面的时候，及时的商家回复会增加消费者对管理层的信任，减少他们对负面评论的关注[3]。在回复策略上，以往的研究将商家回复策略主要分为两种：一种是迁就性反应，包括纠正措施、补偿等；另一种是防御性反应，包括否认和逃避责任。Min等[13]发现，针对负面评论采取解释投诉策略(一种定制化回复)会提高潜在消费者的满意度。由此可见，商家回复在弥补负面评论造成的负面影响方面发挥着显著的作用。
3. 研究模型与假设
3.1. 负面在线评论特征对消费者购买决策的影响
3.1.1. 负面评论长度
评论长度通常用产品评论中包含的字数或字符数量来衡量，通常被假设为与评论有用性正相关。作为在线评论信息量的衡量标准，评论长度一直被认为是评论说服力和评论有用性的决定性因素[14]。
由于较长的评论通常包含更多的产品描述以及对产品的使用体验和服务的更详细说明，其中包含了丰富的信息可以帮助消费者减少对产品质量的不确定性[15]。评论长度也代表了评论者的参与程度[16]，发表较长评论的评论者通常表现得更为热情，他们为潜在消费者提供了更多的知识和见解。因此，评论的深度、真实性和说服力会随着评论字数的增加而增加，这将使消费者获得更多有价值的产品信息。随着评论长度增加，消费者对评论真实性和评论内容可信度的感知也会随之增加。
因此，本文认为，对于负面评论而言，评论长度越长，负面评论内容的真实性就越高，潜在消费者对产品问题的感知程度也就越深，评论中的不满情绪也会更加强烈，从而更可能影响消费者的购买决策，对后续销售产生不利影响。为此，本文提出如下假设：
H1：负面评论长度负向影响消费者购买决策，负面评论长度越长，对消费者购买决策负向影响越大。
3.1.2. 负面评论有无图片
Luo等[17]通过对网上酒店爬取的数据进行分析和实验，发现图片评论比文本评论更有用，评论中高质量的图片对评论有用性有显著影响。以往的研究表明，人们理解视觉评论和文字评论的能力不同，阅读文字通常比阅读图片要花费更多的时间和精力[18]。无论是哪种类型的产品，消费者都更容易通过展示的图片来提高对它们的认知，个人对图片的感知与真实物体在物理上是相似的，他们能够想象图片中的物体似乎就在这里，从而产生相对接近的心理距离，降低消费者的感知风险[18]。
附有图片的在线评论比起只是简单文字说明的评论，展示了更为详细的产品信息，图片往往比文字更能加深消费者对商品概况的了解，从而加强评论信息的传播。评论中附有的图片大大提高了该评论的真实性和可信度，从而降低了消费者的感知风险和心理距离。此外，高清晰度的图片能给消费者带来视觉上的吸引力，帮助他们快速获得更多关于商品的信息和细节，加快决策过程。因此，消费者往往更容易信任图片，并根据图片评论做出购买决策，附有图片的负面评论可能会对消费者的购买决策产生更大的影响。为此，本文提出如下假设：
H2：负面评论有无图片负向影响消费者的购买决策，有图片的负面评论比没有图片的负面评论对消费者购买决策的负向影响更大。
3.2. 商家回复的调节作用
3.2.1. 商家回复速度
更快的回复速度是衡量管理者努力的重要指标之一[5]，快速的商家回复速度可以提高消费者对投诉处理的满意度[19]。商家回复的一个重要作用是通过与评论者的互动来减少潜在消费者的信息不确定性，及时的商家回复会对消费者产生积极的影响。
Gu和Ye [2]的研究指出，及时的商家回复可以被潜在消费者视为管理者积极管理企业与消费者之间关系的努力。潜在消费者可以通过商家回复速度来推断企业的服务质量[3]。Min等[13]的研究探讨了商家回复速度对消费者满意度和重复购买意图的显著影响。研究表明，迅速的回复速度表明商家正在积极接受消费者的意见，而缓慢的回复速度则被视为缺乏对消费者的关注[13]。这一发现强调了商家回复速度的重要性，及时的商家回复可以建立积极的消费者关系并且增强消费者满意度。
根据正义理论，相较于延迟回复，及时回复消费者的投诉或负面评论可以对评论者的正义感产生积极影响[20]。一般来说，更及时的商家回复表明在实施服务恢复和差异化竞争方面有更多的时间和机会与消费者沟通。这种及时互动加强了商家正式回应的积极影响，并提高了互动水平，刺激了评论者，从而产生更多信息，增加在线评论量。
当商家能够迅速回复消费者的需求、问题或投诉时，潜在消费者会认为商家重视并关心他们的意见和体验。这种积极的管理响应有助于建立信任和亲和力，使潜在消费者更有可能选择该产品，并进一步提高他们的好感度和忠诚度，及时的商家回复对于维护良好的企业与消费者关系至关重要。为此，本文提出如下假设：
H3a：商家回复速度负向调节负面评论长度对消费者购买决策的影响关系。与商家回复速度快相比，商家回复速度更慢，负面评论长度对消费者购买决策的负向影响更加明显。
H3b：商家回复速度负向调节负面评论有无图片对消费者购买决策的影响关系。与商家回复速度快相比，商家回复速度更慢，负面评论有无图片对消费者购买决策的负向影响更加明显。
3.2.2. 商家回复质量
不同的商家回复策略会产生不同程度的影响。具体回应，指的是针对特定评论中提出的问题进行定制化的回复[21]；这种针对性的回复，强调了商家回复与相关评论主题的一致性和匹配度，强调了商家回复与相关评论之间的兼容性和关联性。
已有研究表明，商家的回复策略会积极调节评分和评论内容对消费者购买决策的影响。对负面评论的具体(或定制)商家回复比一般的商家回复带来更积极的结果[22]。Zhang等[23]的研究发现，消费者在线评论和商家回复的主题之间有更大相似性可能导致酒店预订受欢迎程度的增加，包括在线评论的数量和评级。对不同的评论回复重复的主题会对后续消费者的购买决策产生显著的负面影响。因此，建议管理者对不同主题的评论做出有针对性的回复策略。
基于以上理论，本研究将商家回复分为针对性回复和程序化回复。在网络购物活动中有的商家采取结构化、标准化的回复方式，单一、刻板、缺乏针对顾客具体问题的个性化解答，本研究将其界定为程序化回复；有的商家针对顾客点评中具体问题提出相应的解决策略，遵循具体问题具体分析原则，本研究将此归为针对性回复。
因此，本文认为，采取合适的商家回复策略，可以减轻负面评论带来的不利影响，挽回网络口碑，加强消费者对品牌的信任，影响消费者的购买决策。为此，本文提出如下假设：
H4a：商家回复质量正向调节负面评论长度对消费者购买决策的影响关系。与采取针对性回复相比，商家采取程序化回复，负面评论长度对购买决策的负向影响更加明显。
H4b：商家回复质量正向调节负面评论有无图片对消费者购买决策的影响关系。与采取针对性回复相比，商家采取程序化回复，负面评论有无图片对购买决策的负向影响更加明显。
3.3. 研究模型
本文自变量选取负面评论长度、负面评论有无图片等负面评论特征，以探究其对购买决策的直接影响，消费者的购买决策用商家采取回复策略五天后新增的评论数量来衡量，此外，还引入商家回复视角，采用商家回复速度和商家回复质量两个维度，以探讨其在负面评论特征与消费者购买决策之间的调节作用。研究模型如图１所示。
4. 研究方法
4.1. 数据收集
本文以国内著名的B2C平台京东商城为例，对其平台产品的负面评论以及商家回复进行实证检验。京东商城是中国最大的自营式电商平台之一，以其广泛的产品品类、强大的供应链和技术创新为优势，是中国电商行业的领军企业之一。本研究应用Python编写了网络爬虫程序，抓取了2019年4月至2023
Figure 1. Research model
图1. 研究模型
年12月期间在京东平台上发布的消费者评论，包括评论内容、商家回复、追加评论、产品价格、有无图片等信息，共获得了600,174条在线评论，其中11,289条负面评论。本文根据商品ID (评论的唯一标识符)对数据集进行重复数据删除，最终得到8865条负面评论和商家回复。
4.2. 变量定义和测量方法
本文相关变量定义如表1所示。因变量是消费者的购买决策，用商家对负面评论回复五天后新增的评论数量来表示，反映负面评论对消费者购买决策的影响。自变量包括负面评论长度和负面评论有无图片，调节变量包括商家回复速度和商家回复质量。
Table 1. Definition of variables
表1. 变量定义
变量名称 |
测量方法或说明 |
来源 |
因变量 |
|
|
购买决策 |
商家回复五天后新增的评论数量 |
王君珺和闫强[25] |
控制变量 |
|
|
产品类型 |
体验型产品赋值为0，搜索型产品赋值1 |
陈瑞霞和李园园[26] |
评论数量 |
产品的评论数量 |
齐托托等[27] |
负面评论比例 |
该产品的负面评论/该产品的全部评论 |
李宏等[28] |
追加评论数量 |
消费者的追加评论数量 |
石文华等[24] |
自变量 |
|
|
评论长度 |
用评论的总字数来衡量 |
Liang等[29] |
有无图片 |
负面评论无图片赋值为0，有图片赋值为1 |
Luo等[17] |
调节变量 |
|
|
商家回复速度 |
商家回复时间与消费者评论时间之差 |
Xie等[12] |
商家回复质量 |
程序化回复赋值为0，针对性回复赋值1 |
李爱国等[30] |
此外，本文控制了一系列的潜在影响因素，包括产品类型、评论数量、负面评论比例以及追加评论数量。本文根据消费者获取产品信息的能力，将产品类型分为搜索型产品和体验型产品。参考以往研究，本文搜索型产品以手机、智能手表和电脑为例；体验型产品以内衣、鞋袜为例，本文8865条负面评论中，4954条为搜索型产品评论，3911条为体验型产品评论。评论数量代表产品的市场流行度、负面评论比例用负面评论在总评论中的比值表示，反映消费者对商品的满意程度，追加评论是指消费者在发表初始评论之后再次发布的评论[24]，是对初次评价的补充，这些均会影响产品销量。
5. 实证分析
5.1. 描述性统计
由于部分变量标准差较大，可能影响数据正态性，本文通过对评论长度、评论数量、商家回复速度等变量取自然对数进行了线性变换处理，从而使回归结果可以更加稳健。从表中可以看出，经过处理后，数据的标准差都控制在一定范围内。
研究变量的描述性统计结果如表2所示。其中，取对数后销量的最小值为0，最大值为5.645，均值为2.592，标准差为1.321。说明销量差异较大。产品类型是分类变量，均值为0.560，标准差为0.497，说明两种产品类型数量差别不大，搜索型产品比体验型产品更多一些。取对数后评论数量最小值为5.298，最大值为15.425，均值为10.287，标准差为1.222。负面评论比例最小值为0，最大值为0.020，均值为0.005，标准差为0.003，说明负面评论比例总体水平较低。追加评论数量最小值为0，最大值为1，均值为0.180，标准差为0.384，说明追加评论数量占比并不大。取对数后评论长度最小值为0，最大值为6.405，均值为2.967，标准差为1.660。有无图片是分类变量，均值是0.360，标准差是0.479，说明负面评论中不包含图片的评论占比更大。取对数后商家回复速度最小值为0，最大值为7.669，均值为0.566，标准差为1.010，说明商家回复速度大多数都比较快。商家回复质量是分类变量，均值为0.540，标准差为0.498，说明商家针对性回复与程序化回复数量差别不大，针对性回复比程序化回复略多。
Table 2. Descriptive statistics of variables
表2. 变量的描述性统计
变量 |
均值 |
标准差 |
中值 |
最小值 |
最大值 |
购买决策 |
2.592 |
1.321 |
2.708 |
0.000 |
5.645 |
产品类型 |
0.560 |
0.497 |
1.000 |
0.000 |
1.000 |
评论数量 |
10.287 |
1.222 |
9.903 |
5.298 |
15.425 |
负面评论比例 |
0.005 |
0.003 |
0.005 |
0.000 |
0.020 |
追加评论数量 |
0.180 |
0.384 |
0.000 |
0.000 |
1.000 |
评论长度 |
2.967 |
1.660 |
3.332 |
0.000 |
6.405 |
有无图片 |
0.360 |
0.479 |
0.000 |
0.000 |
1.000 |
商家回复速度 |
0.566 |
1.010 |
0.000 |
0.000 |
7.669 |
商家回复类型 |
0.540 |
0.498 |
1.000 |
0.000 |
1.000 |
5.2. 相关分析
表3为变量相关性分析结果，从表中可以看出自变量之间的相关系数，范围从−0.225到0.376，相关系数远远小于1，不存在严重多重共线性的可能，总体样本适合后续相关研究。
Table 3. Variable correlation
表3. 变量相关性
|
变量 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
1 |
购买决策 |
1 |
|
|
|
|
|
|
|
|
2 |
产品类型 |
0.141** |
1 |
|
|
|
|
|
|
|
3 |
评论数量 |
0.311** |
0.079** |
1 |
|
|
|
|
|
|
4 |
负面评论比例 |
−0.094** |
0.203** |
−0.063** |
1 |
|
|
|
|
|
5 |
追加评论数量 |
−0.023* |
0.118** |
0.038** |
0.069** |
1 |
|
|
|
|
6 |
评论长度 |
−0.048** |
0.131** |
−0.024* |
0.042** |
−0.208** |
1 |
|
|
|
7 |
有无图片 |
−0.080** |
0.062** |
0.091** |
0.083** |
−0.073** |
0.376** |
1 |
|
|
8 |
商家回复速度 |
−0.225** |
−0.064** |
−0.220** |
0.032** |
−0.01 |
0.011 |
−0.030** |
1 |
|
9 |
商家回复类型 |
0.030** |
0.284** |
−0.034** |
0.096** |
0.021* |
0.298** |
0.070** |
−0.068** |
1 |
注：***表示p < 0.001，**表示p < 0.01，*表示p < 0.05。
5.3. 假设检验
在加入调节变量之前要对自变量和调节变量中的连续变量进行去中心化处理，以避免多重共线性，回归结果如表4所示。
Table 4. Regression analysis
表4. 回归分析
模型因素 |
模型1 |
模型2 |
模型3 |
模型4 |
产品类型 |
0.383∗∗∗(0.027) |
0.408∗∗∗(0.027) |
0.386∗∗∗(0.027) |
0.364∗∗∗(0.028) |
评论数量 |
0.319∗∗∗(0.011) |
0.329∗∗∗(0.011) |
0.294∗∗∗(0.011) |
0.293∗∗∗(0.011) |
负面评论比例 |
−40.141∗∗∗(4.034) |
−36.382∗∗∗(4.018) |
−34.499∗∗∗(3.964) |
−35.561∗∗∗(3.965) |
追加评论数量 |
−0.154∗∗∗(0.035) |
−0.209∗∗∗(0.035) |
−0.203∗∗∗(0.035) |
−0.195∗∗∗(0.035) |
评论长度 |
|
−0.024∗∗(0.009) |
−0.021∗(0.009) |
−0.046∗∗∗(0.012) |
有无图片 |
|
−0.283∗∗∗(0.03) |
−0.29∗∗∗(0.029) |
−0.363∗∗∗(0.045) |
商家回复速度 |
|
|
−0.233∗∗∗(0.016) |
−0.231∗∗∗(0.016) |
商家回复质量 |
|
|
|
−0.008(0.035) |
商家回复速度 × 评论长度 |
|
|
−0.002(0.008) |
0.001(0.008) |
商家回复速度 × 有无图片 |
|
|
0.092∗∗(0.029) |
0.098∗∗∗(0.029) |
商家回复质量 × 评论长度 |
|
|
|
0.063∗∗∗(0.018) |
商家回复质量 × 有无图片 |
|
|
|
0.132∗(0.059) |
常数项 |
−0.655∗∗∗(0.115) |
−0.607∗∗∗(0.118) |
−0.12(0.12) |
−0.033(0.122) |
R2 |
0.122 |
0.136 |
0.16 |
0.163 |
F值 |
309.196∗∗∗ |
232.071∗∗∗ |
187.321∗∗∗ |
143.306∗∗∗ |
注：***表示p < 0.001，**表示p < 0.01，*表示p < 0.05。
由模型的似然比检验结果可知，所有模型均通过了显著性检验。由表4模型2可知，负面评论长度显著负向影响消费者购买决策(β = −0.024, p < 0.01)，表明负面评论长度越长，对消费者购买决策负向影响越大，假设1得到验证。当负面评论字数越多时，负面评论中所包含的信息丰富程度越大，负面评论的真实性也越高[15]。较长的负面评论会更容易让消费者将注意力聚焦在产品的缺点和问题上，会带来更显著的消极影响，从而影响消费者的购买决策。负面评论有无图片负向影响消费者购买决策(β = −0.283, p < 0.001)，表明有图片的负面评论比没有图片的负面评论对消费者购买决策的负向影响更大，假设2得到验证。比起简单的文字，附有图片的评论可以增强消费者对产品信息的直观感受[18]，评论中附有的图片能够直接展示产品的缺陷、损坏以及其他造成消费者不满意的情况，附有图片的负面评论往往更具可信度，进而对消费者的购买决策产生消极的影响。
由模型3可知，商家回复速度对负面评论长度与消费者购买决策的影响关系不显著(β = −0.002, p > 0.05)，假设3a未得到支持。可能的原因在于，比起商家及时回复，消费者可能更在乎问题是否得到有效解决，如果商家只是及时采取回复行为而没有实际解决问题，则无法真正缓解负面评论造成的消极影响。商家回复速度正向调节负面评论有无图片对购买决策的影响关系(β = 0.092, p < 0.01)，从图2可以看出来，与商家回复速度慢相比，商家回复速度更快，负面评论有无图片对消费者购买决策的负向影响反而更加明显，假设3b未得到支持。原因可能在于，商家回复速度太快，容易让消费者感觉到仓促，缺乏真诚感，而消费者提供具体图片会让其他消费者感到负面评论具有较大的真实性，商家快速回复行为可能会被消费者解读为敷衍塞责，容易激发消费者的逆反心理。在这种情况下，商家应该制定更加深思熟虑的回复，这对于恢复品牌声誉和消费者信任可能会有更大的帮助。
Figure 2. Merchant response speed moderated for negative reviews with and without images
图2. 商家回复速度对负面评论有无图片的调节
由模型4可知，商家回复质量显著增强负面评论长度(β = 0.063, p < 0.001)，负面评论有无图片(β = 0.132, p < 0.05)对消费者购买决策的影响关系。从图3和图4可以看出，相对于采取针对性回复，商家采取程序化回复，负面评论长度以及负面评论有无图片对消费者购买决策的负向影响更加明显，假设4a跟4b均得到验证。商家对负面评论采取针对性的回复，可以让消费者感受到被重视、认真对待，商家对负面评论的认真回复和有效处理，可以在一定程度上弥补负面评论造成的不良影响，缓解消费者的不满情绪，挽回消费者信任，从而影响消费者的购买意愿。
Figure 3. Moderation of negative review length by merchant response quality
图3. 商家回复质量对负面评论长度的调节
Figure 4. Merchant response quality moderated for negative reviews with and without images
图4. 商家回复质量对负面评论有无图片的调节
5.4. 稳健性分析
为了检验该模型的稳定性，采用替换因变量的方式进行稳健性分析。因变量的衡量方式由原来的商家回复五天后新增评论数量变为商家回复六天和七天后新增评论数量，并重新进行回归分析。结果显示，假设1、假设2、假设4a、假设4b成立，假设3a、假设3b未得到支持。稳健性检验的结果与原结果保持一致，该结果具有较好的稳定性，稳健性检验结果，如表5和表6所示。
Table 5. Regression results after six days of merchant responses
表5. 商家回复六天后回归结果
模型因素 |
模型1 |
模型2 |
模型3 |
模型4 |
产品类型 |
0.366∗∗∗
(0.028) |
0.389∗∗∗(0.028) |
0.367∗∗∗
(0.027) |
0.346∗∗∗(0.028) |
评论数量 |
0.305∗∗∗
(0.011) |
0.315∗∗∗(0.011) |
0.28∗∗∗(0.011) |
0.279∗∗∗(0.011) |
负面评论比例 |
−40.28∗∗∗
(4.064) |
−36.716∗∗∗(4.051) |
−34.849∗∗∗
(3.999) |
−35.895∗∗∗(3.999) |
追加评论数量 |
−0.143∗∗∗
(0.035) |
−0.194∗∗∗(0.036) |
−0.187∗∗∗(0.035) |
−0.179∗∗∗(0.035) |
评论长度 |
|
−0.021∗(0.009) |
−0.017∗(0.009) |
−0.041∗∗∗(0.012) |
有无图片 |
|
−0.271∗∗∗(0.03) |
−0.278∗∗∗(0.03) |
−0.36∗∗∗(0.046) |
商家回复速度 |
|
|
−0.232∗∗∗(0.016) |
−0.23∗∗∗(0.016) |
商家回复质量 |
|
|
|
−0.021(0.036) |
商家回复速度 × 评论长度 |
|
|
−0.001(0.009) |
0.001(0.009) |
商家回复速度 × 有无图片 |
|
|
0.095∗∗∗(0.03) |
0.102∗∗∗(0.03) |
商家回复质量 × 评论长度 |
|
|
|
0.062∗∗∗(0.018) |
商家回复质量 × 有无图片 |
|
|
|
0.147∗(0.06) |
常数项 |
−0.372∗∗∗
(0.116) |
−0.334∗∗(0.119) |
0.148(0.121) |
0.24(0.123) |
R2 |
0.113 |
0.125 |
0.148 |
0.151 |
F值 |
281.667∗∗∗ |
210.176∗∗∗ |
171.252∗∗∗ |
131.235∗∗∗ |
注：***表示p < 0.001，**表示p < 0.01，*表示p < 0.05。
Table 6. Regression results after seven days of merchant responses
表6. 商家回复七天后回归结果
模型因素 |
模型1 |
模型2 |
模型3 |
模型4 |
产品类型 |
0.351∗∗∗(0.028) |
0.372∗∗∗(0.028) |
0.35∗∗∗(0.028) |
0.329∗∗∗(0.028) |
评论数量 |
0.294∗∗∗(0.011) |
0.303∗∗∗(0.011) |
0.268∗∗∗(0.011) |
0.267∗∗∗(0.011) |
负面评论比例 |
−39.617∗∗∗(4.091) |
−36.203∗∗∗(4.081) |
−34.332∗∗∗(4.029) |
−35.403∗∗∗(4.029) |
追加评论数量 |
−0.13∗∗∗(0.035) |
−0.176∗∗∗(0.036) |
−0.17∗∗∗(0.035) |
−0.161∗∗∗(0.035) |
评论长度 |
|
−0.018∗(0.009) |
−0.014(0.009) |
−0.039∗∗∗(0.012) |
有无图片 |
|
−0.262∗∗∗(0.03) |
−0.269∗∗∗(0.03) |
−0.354∗∗∗(0.046) |
商家回复速度 |
|
|
−0.232∗∗∗(0.016) |
−0.23∗∗∗(0.016) |
商家回复质量 |
|
|
|
−0.024(0.036) |
商家回复速度 × 评论长度 |
|
|
−0.002(0.009) |
0(0.009) |
商家回复速度 × 有无图片 |
|
|
0.093∗∗(0.03) |
0.1∗∗∗(0.03) |
商家回复质量 × 评论长度 |
|
|
|
0.064∗∗∗(0.018) |
商家回复质量 × 有无图片 |
|
|
|
0.153∗(0.06) |
常数项 |
−0.136(0.117) |
−0.107(0.12) |
0.377∗∗(0.122) |
0.472∗∗∗(0.124) |
R2 |
0.104 |
0.115 |
0.138 |
0.141 |
F值 |
257.483∗∗∗ |
191.434∗∗∗ |
158.046∗∗∗ |
121.423∗∗∗ |
注：***表示p < 0.001，**表示p < 0.01，*表示p < 0.05。
6. 研究结论与讨论
6.1. 研究结论
本文从商家回复速度和商家回复质量两个维度去研究商家回复对负面评论特征与消费者购买决策的调节作用，弥补了以往仅仅聚焦于负面评论特征的影响，本研究将其拓展到商家视角，丰富了负面评论对消费者购买决策影响的相关理论。本文利用Python爬虫获取的京东商城评论数据，实证检验了商家回复的调节效应。研究发现，假设1、假设2、假设4a、假设4b成立，假设3a、假设3b未得到支持。
具体而言，负面评论长度、负面评论有无图片均显著负向影响消费者购买决策，商家回复质量正向调节负面评论长度与负面评论有无图片对消费者购买决策的影响关系。与采取针对性回复相比，商家采取程序化回复，负面评论长度对消费者购买决策的负向影响更加明显。与采取针对性回复相比，商家采取程序化回复，负面评论有无图片对消费者购买决策的负向影响更加明显。值得注意的是，与以往关于及时回复会对消费者产生积极影响的结论不同，本文发现，商家回复速度更快，负面评论有无图片对购买决策负向影响反而更加明显，揭示了商家回复速度对负面评论特征调节作用的新路径。
6.2. 实践启示
本研究可以为管理者制定负面评论的回复策略提供建议和指导。负面评论通常被认为具有较高的诊断性，商家回复作为管理者应对负面评论带来不利影响的服务补救方式应该得到管理者的高度重视。
研究结果表明，负面评论长度与负面评论有无图片均显著负向影响消费者购买决策，商家要对负面评论给予足够多的关注与重视，评论长度越长，给消费者传递的负面信息也更多，评论中附有图片又可以让消费者更直观地感受到产品问题或缺陷，商家应该完善负面评论管理机制，挽回消费者信任，弥补负面评论造成的负面影响。
其次，商家回复质量显著调节负面评论特征对消费者购买决策的影响，商家采取针对性回复比采取程序化回复有更明显的减轻负面评论对消费者购买决策带来不利影响的作用。商家对负面评论采取针对性的回复，可以让消费者感受到被重视、认真对待，可以在一定程度上弥补负面评论造成的不良影响，缓解消费者的不满情绪。所以，管理者应该对消费者发表负面评论的原因加以分析、制定个性化回复，采取合适的服务补救策略，提供具体可行的解决方案或补救措施，而不仅仅是及时回复，这样可以挽回消费者信任，恢复品牌声誉，弥补负面评论造成的负面影响，从而为企业带来更高的绩效和更好的口碑。
6.3. 本研究的局限和展望
本研究只将商家回复质量分成了程序化回复和针对性回复两种，并未探讨具体回复策略对消费者购买决策的影响，如补偿、解释道歉、反驳等策略；由于控制变量较多，本研究虽然考虑了一些控制变量，但是还不全面，模型有待进一步优化；本研究的数据来源范围受限，只研究了京东商城的负面在线评论，具有一定的局限性，未来研究可同时挖掘其他电商平台的负面评论，进一步提高研究的普遍意义；本研究未对负面评论进行具体分类，造成消费者产生负面评论的原因来自多方面，可能是快递物流、包装问题、服务还有产品质量等，未来可探究商家回复策略对不同类型负面评论的影响。
基金项目
国家自然科学基金项目(72272066, 71972090)；江苏省高校哲学社会科学研究一般项目(2022SJYB2238)；江苏科技大学青年科技创新项目(1042922212)。