1. 引言
在当今数字经济时代，消费者获取产品信息和进行购买决策的途径不断多样化。随着互联网、社交媒体以及电子商务平台的蓬勃发展，各类评论信息在消费者决策过程中扮演着越来越重要的角色。评论不仅是产品信息传递的重要渠道，更通过口碑效应对消费者的信任与态度产生深远影响[1]。高卷入度产品通常涉及较高的经济支出、复杂的产品性能或长期使用的决策风险，如高端智能手机、汽车、家用电器以及奢侈品等。这类产品的购买决策不仅要求消费者投入大量时间与精力进行信息搜集与比对，还需要对产品的各项技术指标、使用体验和售后服务进行全方位评估。在此过程中，消费者往往面临信息不对称以及认知负荷过大的问题，从而更依赖外部信息来辅助决策。
用户生成内容的来源中，消费者购买评论与网红测评各具特色：消费者购买评论通常基于用户的实际购买和使用体验，反映出产品在日常生活中的表现，其主观性和多样性使得每个评论都呈现出不同的角度，且即时反馈的特性帮助消费者在购买前迅速获取信息，并形成讨论互动[2]；而网红测评则往往经过精心策划和制作，不仅具备较强的视觉效果和叙事性，还会从多个角度详细分析产品功能、设计和使用效果，通过网红的影响力和粉丝基础迅速传播内容，有时还融入品牌合作元素，因而在专业性、内容深度与说服力上更具优势，虽然这种商业推广性质也要求消费者在参考时注意其客观性[3]。现有文献多集中于单一评论类型对购买行为的影响，较少关注两者在不同情境下的综合效应。
本研究旨在通过整合信息加工理论与信任理论，构建适用于高卷入度产品评论效应的理论框架，探讨在处理消费者购买评论与网红测评时消费者的信息加工路径与认知机制，分析不同评论形式在建立消费者信任、降低决策风险中的作用及边际效应，为企业制定数字营销和口碑传播策略提供理论依据和实践指导，从而优化评论信息的整合与展示方式。该研究不仅有助于弥补当前关于评论类型比较研究的不足，丰富信息加工与信任理论在实际营销中的应用，也能帮助企业更好地理解目标消费者的信息需求，在产品推广、品牌建设和售后服务等环节中制定更为精准的营销策略，提升消费者满意度与市场竞争力。
2. 理论基础与文献综述
2.1. 用户生成内容对消费者决策的影响
近年来，随着互联网和移动终端的普及，消费者获取产品信息的途径日益多样化。用户生成内容(UGC)作为一种真实、即时且具有广泛覆盖面的信息来源，已经成为消费者决策的重要参考依据[4]。国内外大量研究表明，UGC信息不仅能够提供产品使用体验和质量反馈，还能在一定程度上塑造品牌形象和消费者信任。特别是在高卷入度产品领域，消费者往往更依赖UGC来降低信息不对称、弥补专家评测不足的风险。学者们普遍认为，UGC的可信度、情感倾向及信息丰富性均对消费者的认知和购买意向产生显著影响[5]。
2.2. 高卷入度产品与消费者决策
高卷入度产品通常具有较高的价格、复杂的技术参数和较大的使用风险[6]，这使得消费者在决策过程中面临更大的信息不对称和不确定性。对于此类产品，消费者往往需要通过多维度的信息来降低风险，并从中寻找有利于决策的关键依据[7]。现有研究表明，消费者在面对高卷入度产品时，更倾向于详细审阅产品评论、专业测评以及消费者体验等信息，以帮助他们全面了解产品特点和性能优势[8]。此外，高卷入度产品的购买决策不仅受到理性因素(如产品性能、价格等)的影响，也受到情感因素(如品牌形象、用户口碑等)的驱动[9]。消费者在决策过程中可能采用中心路径加工信息，侧重于产品的具体参数和功能，也可能采用边缘路径，通过感性认知来判断产品的可靠性和价值。正因为如此，如何整合和有效利用多渠道的信息成为提升消费者信任和降低购买风险的重要手段。
3. 研究假设
本研究基于精细加工可能性模型(ELM)，旨在探讨不同信息加工路径——用户购买评论(中心路径)与网红测评视频(边缘路径)——如何影响高卷入度产品的销售。高卷入度产品由于较高价格，使得消费者在决策过程中更为谨慎，亟需多维度的信息来降低风险和不确定性。为此，本研究构建了如下理论模型，并提出了相关假设。
3.1. 用户购买评论(中心路径信息)的影响
用户购买评论作为中心路径信息，通常以文字为主，其内容的详尽程度和情感一致性能够直接影响消费者对产品性能和可靠性的判断。基于此，我们提出以下假设：
H1：用户购买评论的字数越多，信息越全面，消费者对产品的信任度越高，从而对销售产生正向影响。
H2：用户购买评论情感的不一致性较高时，会使消费者对产品质量和性能产生疑虑，从而抑制其购买意向，进而对销售产生负向影响。
3.2. 第三方视频(边缘路径信息)的影响
第三方视频通常由专业测评或知名博主发布，其直观的展示和生动的解说能迅速传递产品的使用体验和品牌形象，但其影响更多依赖于感性认知和信号传递机制。因此，我们提出：
H3：第三方视频(包括视频数量和质量)的正面信息能够提升消费者对新能源汽车的信任和兴趣，从而间接促进销售，其主要影响路径是通过提升消费者购买意向实现的。
3.3. 消费者购买意向的中介作用
消费者的购买意向在信息传递与实际购买之间起到关键的中介作用。无论是通过详尽的评论信息还是直观的视频展示，最终都需要转化为消费者的购买意向，进而影响销售表现。基于此，我们提出：
H4：消费者购买意向在用户购买评论或第三方视频信息与新能源汽车销售之间起中介作用，即这些UGC信息通过提升消费者购买意向进而促进销售。
结合上述假设，构造的本文理论模型如图1所示。
Figure 1. Research model
图1. 研究模型
4. 研究方法
4.1. 数据采集
为实证检验用户购买评论与网红测评在高卷入度产品(以新能源汽车为例)中的影响机制，本研究采用问卷调查与实验设计相结合的方式，并辅以真实的评论数据爬取与整理，以保证研究结论的有效性和外部效度。
本文的研究主要面向潜在新能源汽车消费者，所以在实验开始前我们通过线上平台与线下活动招募那些具备购买新能源汽车意向但尚未锁定具体车型的受试者，以避免已有品牌偏好或既定认知对实验结果造成干扰。受试者需填写知情同意书，并接受简短培训，确保他们理解实验要求及操作流程。在收回调查问卷后，还要进行剔除无效问卷(如填写不完整、明显随意作答等)。在正式调查中，我们将消费者置于两种信息情境：一是仅提供消费者评论，二是同时提供消费者评论与网红测评内容，并通过观看视频、阅读文字评价等方式了解新能源汽车信息。在实验结束后，要求被试填写调查问卷，以测量其对新能源汽车的态度、购买意向以及对评论信息的信任度等。通过现场发放与线上发放两种方式，共发出问卷543份，回收问卷421份，剔除无效问卷59份，最终回收有效问卷381份，有效问卷回收率66.67%。
本研究还爬取并整理专业汽车论坛(懂车帝)的购买评论以及社交媒体平台(抖音)的网红测评视频标题、弹幕和评论区内容。通过Python脚本抓取工具获取评论文本后，进行去重、去噪和分词处理。最终，我们获得有效评论总数约17,651条、网红测评视频信息3482条。这些数据为本研究在统计分析与模型验证阶段提供了丰富的实证依据。
4.2. 变量测量
本研究围绕核心自变量(用户购买评论、网红测评)、结果变量(销售表现/购买行为)以及中介变量(消费者购买意向)和调节变量(产品价格)展开分析。变量的测量既涉及定量指标(如评论数量、观看量、点赞数等)，也包含主观认知和态度层面的量表评价(如对评论可信度、视频质量的感知等)。在正式数据收集前，为确保量表的信度与效度，本研究对测量工具进行了预调查与探索性因子分析，并根据结果对量表条目进行了适当修订。
用户购买评论主要体现于消费者基于实际购车及使用体验所撰写的文字评论。本研究将其拆分为“数量指标”和“文本内容指标”两大部分：在数量指标方面，采用评论总数，总数越多，往往表明消费者对该产品的关注度或讨论度较高。而在文本内容指标方面，对评论字数或评论深度进行统计，即评论越长通常意味着消费者分享了更详实的使用体验或观点；同时利用情感分析方法(Senta-BiLST)将评论情感分为正面、中立和负面，进而计算评论情感不一致性(sentiment inconsistency)，用以衡量评论间的观点分化程度。如果评论情感分布两极分化明显，往往会增加消费者对产品认知的矛盾与迟疑。
网红测评的测量包括“测评内容”与“网红影响力”两部分：在测评内容上，使用测评视频数量(某车型在固定时间内被测评或发布视频的次数)和测评视频质量(观看量、点赞数、分享次数)进行衡量；而在网红影响力上，可参考发布者的粉丝量、平台认证等级或历史视频播放量作为替代指标，以度量其在社群中的话语权与号召力。影响力越高的网红，其测评信息越容易被受众认可与传播。
消费者购买意向作为中介变量，是指消费者在接收或处理上述信息之后，对目标产品产生的购买愿望或行动倾向。本研究采用Likert五点量表对消费者的购买态度和行为意愿进行测量，1~5分别表示“我非常愿意购买该新能源汽车”、“我比较愿意购买该车型”、“我对该车型没有购买意愿”、“我不愿意购买该车型”、“我非常不愿意购买该车型”，分值越高表示购买意向越强。
销售表现(或购买行为)是本研究的核心结果变量。若能获取实际销售数据，则可使用品牌月度销量或订单转化率进行衡量；若仅在实验环境下模拟购买场景，则通过被试在实验末端做出的购买决策(如是否有明确购买意图、是否点击“下单”)或被试在虚拟商城中的选择结果来替代真实购买行为。实际研究中应尽量匹配消费者购买意向与真实销售状况，以增强结果解释力。
5. 结果分析
本章对实验数据进行了详细的统计分析，以验证第四章提出的各项研究假设。总体样本共计有效数据381份(消费者评论组212份，综合信息组169份)，所有数据均经过清洗和检验，具备较高的信度与效度。下文从描述性统计和回归分析模型展开讨论。
首先，通过描述性统计分析发现，两组受试者在基本背景变量(如年龄、性别、收入水平等)上无显著差异(均p > 0.05)，说明随机分组较为均衡。进一步，消费者评论组的平均评论字数为120词(标准差为30)，情感一致性评分均值为3.8 (5分制，标准差为0.6)；而综合信息组中，测评视频的平均观看量约为1.2万次，测评质量得分为4.1 (5分制，标准差为0.5)。这些数据表明，实验材料在两组中均达到了预期的信息传递效果，为后续假设检验提供了良好的基础。
在回归分析中，针对假设H1提出的“评论字数与消费者信任度及购买意向正相关”的观点，经多元回归模型检验，结果显示评论字数对购买意向的影响系数为0.52 (p < 0.001, R2 = 0.18)，表明信息越详尽，消费者对产品信任度越高，从而推动购买意向提升。相反，对于H2提出的“评论情感不一致性对购买意向具有负向影响”的假设，分析结果显示情感不一致性系数为−0.23 (p < 0.01, R2 = 0.05)，说明评论中情感极化现象确实会引发消费者对产品质量的疑虑，从而降低购买意向。
对于H3，即网红测评视频对消费者购买意向的促进作用，结果发现，测评视频质量与视频观看量对购买意向产生了正向影响(β = 0.35, p < 0.01, R2 = 0.12)。这表明，较高质量和广泛传播的网红测评在增强消费者购买意向方面发挥了重要作用。表1为回归分析的具体结果。
Table 1. Regression analysis results
表1. 回归分析结果
变量 |
购买意愿 |
销量 |
模型1 |
模型2 |
模型3 |
模型4 |
模型5 |
模型6 |
用户购买评论字数 |
0.52*** |
|
|
0.10* |
|
|
购买评论情感不一致性 |
|
−0.23** |
|
|
−0.12* |
|
第三方视频 |
|
|
0.35** |
|
|
0.08* |
购买意愿 |
|
|
|
0.48*** |
0.50*** |
0.52*** |
R2 |
0.27 |
0.05 |
0.12 |
0.46 |
0.33 |
0.38 |
调整后的R2 |
0.26 |
0.04 |
0.11 |
0.45 |
0.32 |
0.37 |
F Change |
141.4*** |
19.9*** |
51.6*** |
125.7*** |
74.2*** |
93.3*** |
F |
141.4 |
19.9 |
51.6 |
159.2 |
98.2 |
117.4 |
注：*p < 0.05, **p < 0.01, ***p < 0.001.
对于H4，即消费者购买意向在信息传递与实际销售之间的中介效应，结果显示当将购买意向与用户购买评论字数(模型4)、用户购买评论情感不一致性(模型5)和第三方测评视频(模型6)同时纳入回归时，这三种UGC信息对销量的直接效应虽有所减弱但仍显著(购买评论字数β = 0.10；情感不一致性β = −0.12；第三方视频β = 0.08，均p < 0.05)，而购买意向对销量的正向效应极为强大(模型4 β = 0.48；模型5 β = 0.50；模型6 β = 0.52，均p < 0.001)；整体模型解释力分别达到R2 = 0.46、0.33和0.38，表明购买意向不仅在三条信息传递路径上对销量产生了显著的间接影响，而且通过其强有力的正向作用将UGC对最终销量的影响显著放大，有力支持了H4假设。
总体而言，实验结果支持了本研究提出的各项假设，证明了在高卷入度产品决策中，消费者评论和网红测评均能通过不同的信息加工路径影响消费者信任和购买意向，而消费者购买意向在这一过程中起到了重要的中介作用，这些发现为企业在制定精准营销策略和优化线上口碑传播提供了实证依据。
6. 讨论
本研究通过实验设计与问卷调查相结合的方法，探讨了消费者评论与网红测评在高卷入度产品(以新能源汽车为例)中的影响机制，并结合营销理论对实验结果进行了深入剖析。总体研究结果显示，详细的消费者评论与优质的网红测评均能正向影响消费者信任及购买意向，其中消费者购买意愿在两者与实际销售之间发挥着重要的中介作用；
首先，从理论角度看，本研究丰富了消费者信息加工及口碑传播领域的研究。实验结果表明，消费者评论中信息详实度与情感一致性直接关联消费者信任和购买决策，这与传统的意见领袖理论和信息不对称理论相呼应。同时，网红测评作为一种新兴的营销传播方式，其视频质量与传播力度对消费者态度的正向影响为数字营销研究提供了实证支持。此外，本研究验证了消费者购买意向在信息传递与实际销售行为间的中介效应，为整合消费者信任、态度及行为意向的理论模型提供了新的视角。
在营销实践中，研究结果具有重要的指导意义。对于汽车制造商及经销商而言，应重视线上消费者评论管理。企业可以通过引导消费者撰写详实且富有情感共鸣的评论，从而提高品牌信任度及消费者认知的正面效应。同时企业在营销策略中应加强与优质网红及自媒体的合作，针对高价车型推出专业且具权威性的测评内容，借助视频传播和互动平台有效激发潜在客户的购买意向。值得注意的是，面对高价产品，消费者的信息需求更高，企业在内容制作时应更加注重信息的深度与客观性，降低消费者在决策时的不确定性风险。此外，营销人员可依据产品定位和价格策略，制定差异化的线上传播方案。在低价产品推广中，强调评论数量和口碑效应可能更为有效；而在高价产品营销中，则应重点依靠高质量的测评内容和专家意见，利用多渠道整合营销提升品牌公信力和产品价值认知。企业还可以借助数据挖掘技术，实时监控评论和测评的反馈动态，及时调整营销策略，形成精准营销闭环。