1. 研究背景
近年来，随着数字经济的快速发展以及互联网技术的变得日益成熟，在线消费渐渐取代了传统消费模式，成为现代人生活里的关键构成部分。电商平台、社交媒体以及短视频应用相互融合，极大地丰富了消费者获取信息的途径，使得消费者可在更短的时间内接触到海量的商品信息，在这样的消费环境当中，网络评论作为一种典型的用户创造内容，是用户对商品或服务的直接反馈。而且还借助信息中介以及社会参照这两种机制，在不知不觉中影响着其他消费者的认知判断与决策路径[1]。
已有研究显示，网络评论在功能方面有信息中介与社会影响这两种属性，前者意味着评论帮助消费者了解产品性能与服务质量的第一手信息。后者则表现为消费者在做决策的过程中借助他人评价来验证自身判断或者寻求心理共鸣，实证研究说明，积极的评论可提高消费者的信心，缩短决策时间，而消极评论容易激发消费者的风险厌恶情绪，抑制购买意图[2]。
然而，当前学界对于在线评论的研究大多集中在情绪倾向分析、内容可信度评估或者评论数量对销量的影响方面，对于消费者如何接触评论信息及其行为路径的研究相对较少。在现实中，评论信息的接触方式主要有主动搜索与被动接收这两种路径，主动搜索是指消费者在有明确购买动机的情况下，凭借关键词检索、筛选评分以及评论内容。被动接收则是在浏览社交媒体、短视频平台时无意中接触到评论信息。这两种路径在信息加工方式、认知反应以及购买决策机制上存在明显差异，但是现有文献对此缺乏系统的探讨。
分析消费者在不同信息接触模式下的行为差异与认知机制，可补充现有理论的空白区域，还可为企业制定更精准的评论管理与内容投放策略提供实践指导。
2. 信息觅食理论
2.1. 理论来源
信息觅食理论的构建是基于生态学、认知科学以及数字时代实践这三重逻辑，它的理论源头能追溯到最优觅食理论，该理论指出生物体怎样依靠路径优化来达成生存效率的最大化，Pirolli与Card在1999年把这一生态学范式转移到了信息科学领域，把“能量”替换成“认知资源”，“食物”转变为“信息价值”，奠定了IFT“效率优先”的核心原则[3]。在此基础之上，IFT又融合了认知科学的理论内核：一方面继承了Simon的有限理性决策框架，强调人类在信息过载的环境里依靠启发式策略来简化决策，另一方面呼应了Gigerenzer的快速节俭启发式理论，解释了用户如何凭借“信息气味”迅速锁定高价值评论[4]。
随着数字技术不断发展，IFT的内涵持续得到扩展，促使用户从自主搜索评论的“狩猎者”朝着接受个性化推送的被动“采集者”转变，跨平台多任务处理催生了动态混合觅食路径，呈现出移动互联网时代信息生态的复杂性与适应性。
2.2. 核心概念映射
信息觅食理论是研究人们如何在网络上搜索从而获得所需信息的基本理论，本质上就是用户在搜索目标信息时，信息本身价值与其所需要的时间、精力、金钱等成本的比例最大化，该理论的核心概念主要有：信息环境，觅食行为，信息评估，觅食成本和最优觅食策略。
信息环境，将电商平台(如淘宝、京东)的评论区视为消费者的“信息栖息地”，评论内容(文本、图片、评分)为“信息资源”。觅食行为，信息搜索：消费者主动筛选评论(如按“最新”“有用性”排序)、关键词检索(如“质量”“续航”)。信息评估，通过评论长度、情感倾向(正面/负面)、评论者等级(如“资深买家”)判断信息“营养值”。觅食成本，包括浏览时间、信息过载导致的决策疲劳、虚假评论的风险成本。最优觅食策略，消费者倾向于以最低成本获取高价值信息(如优先查看高赞评论、对比不同来源评论)。
信息觅食理论的框架构建是围绕着四大核心概念来展开的：信息斑块——它是动态价值密度的时空载体[5]。作为信息富集的功能性单元，其核心特征是价值密度的非线性衰减规律，也就是说信息斑块在初期会有密集的价值输出，不过随着时间的推移会逐渐稀释，具体表现为信息信噪比下降以及用户停留时长出现系统性缩减，这可借助边际效用递减规律来进行建模，信息气味——它是直觉导航的认知锚点。这个概念描述的是用户凭借多级线索体系来评估信息潜在价值的认知机制，囊括了从自动化感知到系统性验证的连续谱系，本质上是对信息环境进行启发式价值预判的神经计算过程，信息通路——它是认知惯性的路径烙印，指的是用户在信息环境中形成的稳定行为轨迹，其演化受到个体认知模式与环境界面设计的双向塑造，体现为路径依赖效应与适应性学习机制的动态博弈，边际价值定理——它是成本收益的动态阈值[6]。作为行为决策的临界点判定法则，其核心命题是：当用户在当前信息斑块的单位时间收益增量低于预期新斑块净收益时，就会触发搜索路径转移行为，这遵循理性决策理论中的效用最大化原则，但会受到认知资源有限性与信息环境不完全透明性的限制[7]。
2.3. 理论在场景应用的可行性分析
信息觅食理论应用于消费者在线评论研究的可行性，是基于四个存在内在逻辑联系的学术要点构建而成的，形成了一套系统化的理论适配框架。理论适配性，涉及行为范式的本质同构特征，IFT把信息环境抽象成“斑块–气味–通路”的生态模型，该概念架构与在线评论领域的关键特征呈现出拓扑结构的本质契合，具体表现在：信息斑块对应评论信息的异质性分布状况，信息气味对应平台多模态的线索提示系统，信息通路则对应消费者形成的稳定浏览路径的行为模式，这种结构上的同构性为该理论在消费者在线评论研究应用提供了基础支撑。此理论的“成本–收益”决策分析框架，可直接反映消费者处理评论信息时的认知经济学本质，也就是个体在信息搜索、筛选以及整合过程中，下意识地遵循能量投入与价值获取的最优化原则，借助有限理性决策达成认知资源的高效配置[8]。
演化性特征指出信息环境与用户行为的协同进化本质，一方面，用户依靠持续学习积累，发展出适应性的信息觅食策略，比如形成跨平台比价的认知脚本、建立个性化的评论可信度评估模型，逐步构建稳定的认知操作范式，另一方面，平台基于用户行为反馈数据，持续迭代评论生态系统的底层架构。如动态调整评论排序算法、优化信息展示界面，构建环境参数与用户偏好的动态匹配机制[8]。这种双向适应过程推动系统向更高阶的均衡状态演进，延缓了信息斑块的价值衰减速率，又促进了用户认知策略的持续精进，最终形成有自我优化能力的智能评论生态系统，实现理论应用价值的螺旋式提升[9]。信息觅食理论为在线评论研究提供了新的视角，比如可以利用信息斑块价值建立多维度的评论营养指数，或者基于觅食路径分析构建消费者购买决策模型等等，该理论在消费者在线评论的应用展现出巨大的潜力。
3. 消费者在线评论主动搜索行为分析
3.1. 影响消费者在线评论主动搜索行为的因素
影响主动搜索评论行为的因素主要有以下四类，它们从不同维度共同对消费者的行为决策产生作用，首先是个体特征，其中包含消费者的年龄、教育水平以及购买经验[10]。举例来讲，年轻消费者在网络操作方面更为熟练，可能更倾向于主动搜索评论，教育水平较高的消费者一般有更强的信息收集意识，会借助搜索评论来辅助自身决策，购买经验丰富的消费者深知评论对于购物的参考价值，也会主动进行搜索。其次是产品特性，具体体现为产品价格、复杂度以及品牌认知度，一般情况下，价格较高的产品，消费者为降低购买风险，会更加主动地去搜索评论，产品复杂度越高，像电子产品或者高端家电这类，消费者就越需要凭借评论来了解使用体验，品牌认知度较低的产品，消费者由于缺乏对品牌的信任，会更依赖评论来评估产品质量。再次是评论特性，覆盖评论数量、情感倾向、评论者信誉以及图片展示等方面，评论数量较多会吸引消费者点击查看，情感倾向无论是积极还是消极的评论都会对消费者的态度产生影响，评论者信誉高的评论更具说服力，而图片展示可提供更为直观的产品信息，这些因素都会促使消费者主动搜索评论。最后是平台机制，比如评论排序算法决定了评论的展示顺序，便于消费者优先看到更具价值的内容，标签分类可消费者快速筛选出符合自身需求的评论，关键词搜索功能使消费者可精准获取特定信息[11]。这些平台机制的设计直接影响着消费者获取评论信息的便捷程度，对其主动搜索行为产生影响。
3.2. 信息觅食理论模型构建
理论框架，展示“消费者需求→信息搜索→评估筛选→决策行动”的觅食路径，数据来源，爬取淘宝平台小米手机的评论数据，包括文本内容、点赞数、评论时间、评论者等。信息资源特征：评论长度(字数)、情感极性(通过情感分析工具量化)、关键词密度(如“卡顿”出现频率)。觅食行为指标：评论点击量、阅读、回复率(消费者互动意愿)。
主动搜索行为模型构建，基于前述分析，本文构建消费者主动搜索行为模型如图1所示：
Figure 1. Flowchart of model construction
图1. 模型构建流程图
从模型构建流程图可以看出来，消费者在购买意图激发和感知风险上升的时候，会主动发起信息搜索的行为。消费者搜索过程中，会通过识别评论的情感倾向、内容详实度等要素来形成对产品的信任评价，强化或削弱购买意愿。
3.3. 信息觅食理论模型下淘宝平台小米手机消费者在线评论实证研究
本研究以淘宝平台上的“小米手机”为案例，基于信息觅食理论分析消费者在该类产品上主动搜索评论的行为特征。研究步骤如下：
3.3.1. 数据获取
栖息地定位：淘宝平台“小米14手机”商品页评论区。斑块特征：宏观斑块，按“好评/中评/差评”“有图/无图”“追评/非追评”分类的评论集群；微观斑块：单条评论(含“续航”“系统流畅度”“电池”等手机核心属性关键词)。
映射消费者行为逻辑，信息需求，功能需求，性能(如处理器)、续航、价格；情感需求，品牌信任(如“小米生态链”)、使用体验(如“手感舒适”)。觅食目标：通过评论获取决策所需的关键证据(如差评中是否集中出现“发热严重”)，降低购买风险。
通过Python爬虫工具从淘宝平台抓取小米14的用户评论数据共计2000条，包含评论内容、星级评分、评论时间、是否追评、是否附图等字段如表1所示。
Table 1. Review data table
表1. 评论数据表
用户名(脱敏) |
评论内容 |
星级 |
时间 |
是否附图 |
是否追评 |
u***3 |
手机运行速度很快，屏幕也很好看，满意 |
5星 |
2024-12-03 |
是 |
否 |
匿名用户 |
发热严重，打游戏烫手，失望 |
2星 |
2025-01-15 |
否 |
是 |
t***b |
系统流畅无卡顿，MIUI体验提升明显 |
4星 |
2025-02-22 |
是 |
否 |
y***8 |
拍照一般，电池用一天还剩20%左右 |
3星 |
2025-03-05 |
否 |
否 |
3.3.2. 文本处理
在数据预处理阶段，采用NLTK与jieba中文分词库对评论文本进行标准化处理，具体步骤如下：去除无关字符(如HTML标签、特殊符号)；统一简繁体、全半角字符；使用停用词表(包含常见无意义词汇，如“的”“了”“啊”等)进行过滤；基于jieba分词对每条评论进行中文分词处理；统计词频并生成初步的高频词词云，用于后续关键词分析；通过清洗与分词，保证输入BERT模型的文本数据质量，避免噪声影响情感分类效果。
3.3.3. 情感分析
本研究采用中文预训练BERT模型(bert-base-chinese)对处理后的评论文本进行情感分类，情感分析流程如下：模型加载与准备，使用transformers库加载预训练好的BERT模型，并在最后一层添加情感分类器(Softmax激活)，输出三分类结果(正向、中性、负向)；数据编码，利用BERT的分词器(BertTokenizer)将每条评论文本进行分词，将分词后的文本编码为模型可接受的输入张量(input_ids, attention_mask)；情感预测，将编码后的数据批量输入BERT模型，
对每条评论生成情感预测标签(0 = 负向，1 = 中性，2 = 正向)；结果统计与占比计算。对所有评论的情感分类结果进行统计，得出各情感类别的占比。情感分析总体结果如表2所示。
Table 2. Sentiment proportion table
表2. 情感占比表
情感类别 |
占比(%) |
正向 |
68.5 |
中性 |
15.7 |
负向 |
15.8 |
3.3.4. 结果分析
消费者行为特征以及信息偏好方面，理性决策占据主导地位：在针对淘宝平台小米14手机所开展的消费者在线评论研究里，主动搜索者呈现出颇为理性的决策逻辑，高评分评论成为他们重点关注的对象，原因在于这类评论传递出了积极的消费体验，恰似信息觅食理论中寻觅到的优质“食物源”，可为消费者提供关于产品可靠的关键证据，大幅降低了购买决策时的不确定性与风险。可视化以及细节信息的需求：带有图片以及详细使用细节的评论备受消费者关注，在信息爆炸的网络环境之中，这些具体形象的内容仿佛构建起一个个真实的消费场景，使得消费者可更直观地感受产品使用状况，这与信息觅食理论里，个体为降低信息不对称而主动搜寻高价值信息的行为相契合，此类评论可有效填补消费者对产品实际使用效果认知的空白，成为他们评估产品的关键依据。
情感分析结果的解读，正向情感有优势：情感分析结果说明，正向评论占比高达68.5%，这一数据说明，小米14在多数消费者使用过程中，契合甚至超越了他们的预期，产品在性能、体验等多个方面收获了认可，对于小米品牌而言，这是品牌形象塑造以及产品口碑传播的有力支撑，同时也为吸引新用户、拓展市场提供了积极信号。中性与负面情感的洞察：中性评论占15.7%，负面评论占15.8%，中性评论反映出部分消费者对产品感受不鲜明，或许产品未给他们留下特别突出的印象，这提示商家需要思考如何强化产品亮点，提升消费者感知，而负面评论虽说占比未超过正向，但每一条都有可能成为潜在消费者的顾虑点。如消费者反馈的“发热严重”等问题，集中体现了产品在散热等方面存在短板，商家需要深入剖析这些负面反馈，针对性地进行技术改进与产品优化，以减少负面评价，提升整体产品质量。
在针对淘宝平台小米手机评论展开分析时，主动搜索者的行为特征呈现出十分突出的理性决策逻辑，那些高评分评论由于传递了积极的消费体验，成为主动搜索者重点阅读的对象，那些附有图片以及使用细节的评论，它们借助具体形象地展示构建起真实的消费场景，可有效地降低信息不对称所带来的风险。而负面评论则被主动搜索者当作“风险探测器”，他们会特意去检索这类内容，借此评估产品潜在的缺陷，这体现出他们对劣势信息有警惕性的筛查，临近购买阶段时，消费者往往倾向于集中获取正向评论，借助他人的积极反馈来强化自身的决策信心，从本质上来说这是对购买合理性的一种自我验证。“发热”“续航”“售后”等高频关键词的出现，充分反映出主动搜索者对技术性能以及服务保障的高度关注，他们的决策是建立在对产品核心属性进行严谨考量的基础之上，评论的时效性在可信度评估中有关键作用，越是近期的评论因为更贴近产品当前的实际表现，被赋予了更高的信任度，这直接影响着搜索者的即时判断。
研究对于电商平台以及商家的启示，评论展示策略的优化：鉴于消费者对高评分和附带图片、细节评论的偏好，电商平台应当构建智能化的评论排序算法，通过机器学习技术识别包含多图、长文本、使用场景描述等高信息密度的优质评论，并优先展示在评论区前列，让消费者可更便捷地获取关键信息，提升购物决策效率。鼓励消费者发布高质量、有价值的评论，比如对附带3张以上实拍图且超过一定字数的深度体验评论给予一定的奖励，引导用户分享更丰富、详细的使用体验，产品改进与服务提升：商家要高度重视消费者评论中的意见与建议，从信息觅食角度来讲，消费者的负面反馈是他们在寻找产品不足信息时的“收获”，商家应当将这些反馈转化为产品改进的方向，例如针对集中反映的发热问题，可以在后续固件更新中优化芯片调度策略。除了针对产品性能问题进行优化，还需要在售后服务等方面发力，及时响应用户需求，解决用户遇到的问题，提升消费者满意度和忠诚度，最终实现口碑提升与复购增长的双重目标，这种信息觅食理论帮助商家将用户反馈转化为真正的产品竞争力。
总的来讲，主动搜索者展现出了强大的信息处理能力，而不是孤立看待某类评论，而是系统整合评论数量、内容质量、时间属性及情感倾向，构建多维评估体系，动态校准购买决策，极大体现主动搜索行为在消费决策中的理性与审慎特质。
4. 消费者在线评论被动接收行为分析
4.1. 被动接收行为的特点
被动接收行为呈现出鲜明的场景依附性与情感驱动特征，具体表现为：其发生往往源于非购买场景的情境触发，比如消费者在娱乐消遣、社交互动或休闲浏览时，并非主动搜寻评论，而是在平台浏览过程中“被动邂逅”相关内容，体现出显著的低主动性特征。并且，此类行为对情绪化表达具有高度敏感性，富含情感色彩的语言描述或视觉化元素更易突破注意力壁垒，引发用户情感共鸣。尽管被动接收具有非计划性，但评论内容若能精准契合用户潜在需求或情绪状态，便可能凭借“场景化渗透”激发兴趣，展现出强大的转化潜力，从无意识的信息浏览到产生收藏、搜索乃至购买行为的链路跳转往往较为直接。此外，依托平台算法的个性化推荐机制及社交网络的链式传播效应，优质评论内容的影响力能够以裂变式速度扩散，形成“接触–共鸣–传播–影响”的动态循环[12]。
4.2. 被动接收行为的影响因素
开展针对消费者在线评论被动接收行为影响因素的研究，依据信息觅食等相关理论，确定从信息内容、来源等多个维度展开深入剖析，借助文献研究的方式梳理理论依据，凭借案例分析观察平台实际互动情况来找寻影响因素，运用简单的问答调查收集消费者反馈，对筛选归纳后有较大影响的因素，进行分类整理得出表3。
Table 3. Factors table of review behavior
表3. 评论行为的因素表
类别 |
主要因素 |
信息内容 |
情绪倾向(如夸张表达、负面爆料)、评论视觉化程度(图文/短视频) |
信息来源 |
推荐博主、KOL、平台算法推送、广告形式评论等 |
认知状态 |
当前注意力水平、浏览目的、心情状态等 |
社交环境 |
评论的点赞量、转发量、评论热度、他人评论互动情况 |
平台机制 |
抖音/微博等算法推荐机制、沉浸式信息流展示方式 |
特别是在短视频平台，用户频繁接触带有评论性质的口播推广视频、带货直播评论、用户留言区等信息，这些都会在潜移默化中塑造用户的态度。
4.3. 信息觅食理论模型下抖音平台美妆产品的营销推广实证研究
为深入了解被动接收评论行为在实际营销中的表现，本研究以抖音平台美妆类产品为例，通过数据采集与分析，探讨短视频评论对消费者感知和转化行为的影响。
4.3.1. 数据采集
信息环境特征信息源属性：抖音的算法推荐机制(如短视频形式、KOL/广告内容)决定信息被动触达的随机性与碎片化。信息密度：美妆产品评论的文本长度、图片/视频比例、关键词集中度效果。信息可获取性：被动接收的信息是否需额外操作(如点击详情、滑动浏览)，影响“觅食”成本。被动接受信息的行为轨迹点赞收藏。
通过Python爬虫从抖音平台采集10个热门美妆类短视频，数据内容包括：视频评论内容(共约2000条)；点赞量、评论点赞量、发布时间、是否为广告/带货等标签信息。
4.3.2. 评论样例分析
在深入剖析评论样例之前，为更透彻地理解抖音平台美妆产品评论的多样特点，现将选取的典型评论给予简要介绍，这些评论从多个角度呈现了消费者对美妆产品的体验和态度，为后续情感分析以及营销策略制定奠定基础。如表4所示。
Table 4. Sample table of reviews
表4. 评论样例表
评论内容 |
点赞数 |
情绪倾向 |
类型 |
“这个口红真的一抹成膜不粘杯！！姐妹冲！” |
312 |
正面 |
用户体验式评论 |
“带货的都不靠谱，之前那个水乳用了爆痘” |
189 |
负面 |
反感型用户反馈 |
“这个色号也太美了吧！根本不用滤镜” |
403 |
正面 |
情绪感染+产品推荐 |
“她每次推荐我都想买，太种草了” |
270 |
正面 |
KOL信任型评论 |
4.3.3. 情感分析与关键词提取
使用BERT情感分类模型将评论分为正面、中性和负面，结果如下：正面评论占比：71.2%；中性评论占比：16.5%；负面评论占比：12.3%。高频关键词有：“成膜”“不脱妆”指向核心功效诉求表示消费者对持妆力的高度关注，“爆痘”等负面关键词表明产品安全性是重要决策因素，“种草”“博主同款”体现产品营销的有效性，这些高频关键词显示出产品特性与社交影响双重驱动。
4.3.4. 结果分析
被动接收评论的行为特征及营销逻辑。在抖音平台美妆产品的营销推广情境中，消费者被动接收评论的行为呈现出显著特征，并蕴含着特定营销逻辑。信息获取的被动性与吸引机制方面：抖音所拥有的独特算法推荐机制，致使消费者处于一种被动接收美妆产品评论信息的状况，那些情绪饱满且表达直观强烈的短视频，依靠视觉化的呈现方式以及强大的情感张力，在数量众多的信息里凸显出来，这就好像在信息觅食的进程当中，为消费者提供了极具吸引力的“信息源”。消费者不需要主动去搜索，在浏览的过程中就能自然而然地接触到这些评论信息，契合了他们在信息获取方面“低成本、高收益”的心理预期，与信息觅食理论里个体倾向于获取容易获取且价值高的信息这一特性相契合，营销逻辑的情感驱动方面：在被动接收的评论里，正面情绪倾向的内容所占比例相对较高，这一现象说明了情感在营销中有着关键的驱动作用。消费者在被动接收这些充满积极情感的评论时，容易产生情感上的共鸣，比如用户体验式评论中对产品效果的夸赞，能让其他消费者在潜意识里构建使用该产品的美好预期，激发出购买的欲望，这种基于情感共鸣的营销逻辑，打破了传统营销里信息传递的壁垒，让产品信息可更有效地在社交网络中传播。
情感分析的结果方面，正面评论的价值与传播效应：正面评论占比71.2%，这充分说明大部分消费者对抖音平台上的美妆产品持有认可的态度，这些正面评论成为产品口碑传播的关键载体，它们依靠情绪渲染和产品推荐，能直接影响其他消费者的购买决策，又能在抖音的社交生态里形成良好的传播效应。例如情绪感染 + 产品推荐类型的评论，凭借生动的表达以及真实的情感传递，可迅速吸引大量用户点赞，扩大产品的影响力和知名度，为品牌树立良好的形象，负面评论的警示与改进方向：虽然负面评论占比仅为12.3%，但它们对品牌和产品的发展有不可忽视的警示作用，这些负面评论反映出产品在实际使用过程中存在的问题，如“带货的都不靠谱，之前那个水乳用了爆痘”这类反感型用户反馈，提示商家需要关注产品质量、成分适配性等问题。凭借深入分析负面评论，品牌可以针对性地进行产品改进和优化，提升用户满意度，减少负面口碑的传播，中性评论的挖掘与转化潜力：中性评论占比16.5%，这意味着这部分消费者对产品的态度还不明确，对于品牌来说，这是挑战也是机遇，中性评论可能是因为消费者对产品的体验不够深刻，或者产品的某些特性未能充分契合他们的需求。品牌可以凭借优化产品宣传策略，加强与消费者的互动沟通，挖掘这部分消费者的潜在需求，将中性态度转化为积极态度，从而扩大品牌的消费群体。
高频关键词对于营销战略有着意义，其中产品特性关键词与研发导向方面，像“成膜”“不脱妆”这类高频关键词，直接体现出消费者对美妆产品实际功效的关注重点，这能为品牌的产品研发及优化给予明确的方向指引，品牌需要增加在这些关键功效领域的研发投入，持续提高产品质量以及性能，保证产品切实可以契合消费者的需求。比如在口红、粉底液等产品的研发过程中，着重对成膜技术和持妆效果进行优化，以此提高产品在市场中的竞争力，社交影响关键词与营销策略方面，“博主同款”等关键词突出了KOL在抖音美妆营销里的关键作用，KOL依靠自身在社交网络中的影响力以及粉丝基础，成为消费者获取产品信息和进行决策参考的关键源头。品牌应当强化与KOL的合作，依靠定制合作方案，像是联合推广、产品试用分享等活动，充分利用KOL的信任背书和号召力，把产品推荐给更广泛的受众群体，品牌还可借助KOL的创意内容创作能力，打造更具吸引力和传播力的营销活动，契合消费者基于社交认同的信息觅食需求，推动产品的营销推广工作。
在针对抖音平台美妆产品展开的实证研究里，得出的结论呈现出被动接收评论行为背后深层的营销逻辑：那些情绪饱满且直观强烈的短评，依靠自身强大的情感张力以及视觉化表达，在算法推荐和社交传播网络当中迅速吸引用户的注意力，借助情绪共鸣打破信息传播的壁垒，达成高点赞量以及广泛传播，证实了短视频场景下“情感共振就是传播动能”这一核心特征。对于被动接收评论的用户而言，其决策链路在非计划浏览的情境里被评论情绪悄悄渗透，这种突然出现的情绪刺激以低防御的姿态进入认知系统，快速激活兴趣中枢，促使其出现收藏、搜索甚至下单等转化行为，凸显了被动场景中“情绪先导，行为后随”的消费决策隐性机制，KOL推荐所有的专业背书效应以及评论点赞量形成的群体认同氛围，共同搭建起稳固的“社会证明”体系，利用用户对群体智慧与权威引导的依赖心理，有效降低感知风险，强化信任基础。这一现象深刻反映出社会认同理论在电商营销中的实践，用户凭借参考他人评价与行为来构建决策坐标系，把“他人之选”内化为“自我之信”，最终推动消费意愿实现实质性转化。
5. 消费者在线评论主动搜索与被动接收行为的比较
5.1. 行为动机比较
在用户获得网络评论时，用户的行为动机是区别主动搜寻和被动搜寻的一个重要切入点[13]。积极型搜寻行为往往源自内部需求，表现出强烈的对信息的掌控意识与认知目的性；而消极型搜寻行为对外界刺激的依赖性更强，往往受到外界因素的影响[10]。如表5所示。
Table 5. Comparison table of behavioral motivations
表5. 行为动机比较表
比较维度 |
主动搜索 |
被动接收 |
典型动机 |
降低感知风险，获取真实信息，辅助理性决策 |
情绪激发、兴趣引导、受社交圈影响 |
行为特征 |
目标明确，计划性强，自主性高 |
偶发性强，计划性弱，依赖外部情境和推荐 |
用户心理状态 |
高参与度、高警觉度、决策导向 |
中低参与度、易受感染、感性偏向 |
主动搜寻用户在购买前往往具有较强的信息搜集与决策需求，特别是在面对高价值高风险的商品时，他们会积极地进行深度搜寻，从而形成清晰的认知。而被动接收方通常会在“阅读–兴趣–被影响”的过程中，不一定会有最初的购买意向，但是情感导向或者推荐的内容会刺激他们的购买行为[14]。
结论：积极搜寻者具有较强的合理性，多发生于决策前临界期。此外，大部分的被动受众都是潜在的客户，情感信息能够激发他们的购买意向。
5.2. 信息来源与渠道比较
积极搜寻与消极搜寻在资讯来源、呈现方式及控制等方面均有显著差异[15]。前者以用户的积极活动为基础，所获得的内容主要来源于结构化平台和评价社群，具有更高的信息量；后者主要是在平台上进行推荐，通常是通过短视频或者社会化的方式进行。如表6所示。
Table 6. Comparison table of information sources and channels
表6. 信息来源与渠道比较表
比较维度 |
主动搜索 |
被动接收 |
获取渠道 |
电商平台(如京东、淘宝)、论坛、专业测评网站 |
短视频平台(抖音)、微博、小红书、朋友圈等 |
信息呈现形式 |
图文评论、评分列表、用户问答 |
视频评论、直播互动、弹幕、推荐区内容 |
信息控制权 |
消费者自主选择、浏览路径可控 |
平台算法驱动、信息流式展示，消费者被动接收 |
在积极的搜寻中，使用者可以掌握资讯的流向和资讯的途径，资讯的来源是可靠的。而在信息的被动接受方面，信息的呈现形式通常是沉浸式的，用户对信息的内容很难把握，更易被推荐算法或者热点内容所影响，进而产生一定的认知。
结论：学生对多个结构化的信息具有较高的控制能力；被动的获得方式主要是基于社会网络和算法的推荐，具有更强的感染力和可传播性。
5.3. 信息处理与信任度比较
不同的行为途径会影响到消费者对评论的态度。主动检索是一种深层次的认知活动，使用者具有对评论逻辑进行分析、评论背景核查等，注重对信息的真实与专业进行评判[16]。
而被动接受是一种较为肤浅的信息处理方式，其注重情感因素如情感倾向、评论点赞等，更多的是依靠感觉刺激与社会认同来构建信任如表7所示。
Table 7. Comparison table of information processing and trustworthiness
表7. 信息处理与信任度比较表
比较维度 |
主动搜索 |
被动接收 |
处理方式 |
深度加工，关注评论逻辑、详实性、评论者背景等 |
浅层加工，关注直观表达、情绪色彩和内容热度 |
判断维度 |
真实性、专业性、对比性 |
情感倾向、KOL影响、社交互动 |
信任来源 |
评论数量、细节完整度、个人验证偏好 |
点赞量、热度、博主身份、平台信任 |
结论：主动行为侧重“可信度判断”，被动行为侧重“情绪认同”。二者均可影响消费者信任，但维度不同。
5.4. 行为影响因素比较
影响消费者接触评论并最终形成行为路径的因素包括消费者个体特征、评论本身特性、平台机制和社会影响这四大维度，主动搜索行为较多受到个体动机、风险意识以及平台功能性的影响，被动接收则更加依赖社交反馈、视觉吸引力和算法推送，具体情况如表8所示。
Table 8. Comparison table of behavioral influencing factors
表8. 行为影响因素比较表
因素类别 |
主动搜索影响因素 |
被动接收影响因素 |
消费者因素 |
消费动机强度、过往经验、风险意识 |
好奇心、情绪状态、社交敏感度 |
评论特征 |
内容深度、逻辑性、用户身份、时间先后 |
情绪化语言、传播方式、内容包装、视觉吸引力 |
平台机制 |
搜索引擎排序、筛选机制、标签推荐 |
算法推送、内容流展示方式、推荐权重 |
社会影响 |
他人经验的认知参照 |
社交圈点赞转发、KOL推荐、跟风心理 |
可以根据上述得出结论，主动搜索行为的影响路径更“理性 + 结构化”，而被动接收行为更受“情绪 + 社交”双重驱动。
6. 结语
本研究基于信息觅食理论，对消费者在线评论的信息搜索与利用行为展开探讨，旨在揭示数字环境下用户决策的认知逻辑与行为规律。研究发现，消费者在评论信息处理中呈现显著的“觅食”特征：通过识别评论标题、关键词等“信息气味”线索筛选高价值“信息斑块”，围绕用户在线评论展开，运用文本挖掘等方式，从主观和客观方面，系统剖析各类用户评论里用户的行为特征以及对其购买决策的影响，研究显示，用户的主动搜索行为目的性与理性较强，更关注评论的品质和声誉，不过，用户的负面接受行为较易受评论情感和交流方式影响。消费者更看重产品性能、品牌声誉及售后服务，本课题研究成果能丰富发展用户评论领域相关理论，还可为企业进行个性化营销决策及评论内容管理提供参考，研究拓展了信息觅食理论在消费决策领域的应用场景，为电商平台优化评论展示机制(如突出高气味线索、强化结构化信息呈现)、商家提升评论营销效能(如聚焦核心卖点关键词、维护评论时效性)提供了理论参考。然而，本研究仍存在优化空间，当前研究仍存在样本过于集中、注释数据来源受限等情况，未来研究可从多平台、多类别入手，扩大样本量，结合眼动和行为轨迹记录等多种方式，更接近真实地把握用户浏览行为的动态变化。基于此，本项目打算引入机器学习和深度学习等方法，建立智能用户画像和评论推荐机制，提升评论引导的效率与准确性。
基金项目
1) 72271128，情感模型视阈下舆情传播的引导和阻断机制研究，国家自然科学基金面上项目；2) NYY221010，公共服务数字化转型背景下适老化机制建构研究，南京邮电大学人文社会科学研究项目。
NOTES
*通讯作者。