我国在线购物网站评论系统的主要展现形式

　　引言

　　在实体店铺购物时，消费者购买商品时的决策在很大程度上依赖于现实生活中亲朋好友相互之间的产品口碑传播。伴随着全民电商的兴起，在线商品评论越来越盛行，传统口碑也开始逐渐向电子口碑过渡，在线商品评论信息已经成为消费者进行网购决策时的重要参考依据之一[1].大多数网购用户在做出购买决策之前，都会浏览已有评论信息，购买使用商品之后，则会对所购商品进行评分，发表评论，阐明使用商品和接受服务后的体验，为后面购买此商品的消费者提供参考，由此形成循环。作为B2C电子商务网站的显着特征，在线商品评论大大增加了消费者对B2C电子商务网站的认知有用性[2].在线商品评论信息逐步演化为口碑传播的一种新形式，因此，深入了解和分析消费者对目前评论系统中主流的各种评论展现形式的认知度是运营商调整功能设计的重要前提；同时，作为一种反馈机制，在线商品评论促成了大规模的口碑网络。

　　1、相关研究综述

　　近年来，国内外学者开始对在线商品评论效用进行逐步深入的研究，其研究内容主要侧重于4个角度，包括评价目标、评价特征、评价技术以及评价对象[3].如表1所示。

　　

　　2、现阶段我国在线购物网站评论系统的主要展现形式

　　本文的研究对象是我国主流电商网站的商品评论系统，所本文的研究对象是我国主流电商网站的商品评论系统，所以，必须首先建立样本网站库。综合考虑网站面向的消费者数量以及各个垂直行业购物网站在商品评论系统功能设计上的差异性，根据本文的筛选原则[4],最终确定的样本网站为：淘宝、天猫、京东、当当网、亚马逊、新蛋网，共6家。本文通过逐一访问这些网站来获取商品评论系统的功能设置情况，并且从各个角度分析其对消费者做出购买决策的影响。

　　从提供的信息内容以及对内容的序化，从用户实际接触和使用的角度来对功能进行识别，最终从样本网站中梳理出目前我国在线购物网站商品评论系统所包含的15项展现形式，如表2所示。

　　2.1 商品评论数量

　　商品的累积评价数量的属性就是数据，与文字相比，数据更能让人觉得直观明确可以让消费者非常直接迅速地了解到自己所浏览商品的销售量情况，一般来说，商品的评价信息越多，意味着商品销售数量越多，受欢迎程度越高，基于大众购物时的从众心理，那么这从某一程度也能对消费者做出购买决策起到促进作用。

　　2.2 多维文字评论
　　
　　多维文字评论功能是从多个层面对商品进行评论，除了可以涉及商品本身的内容评价（如颜色、包装、价格等），也可以包含与商品相关的（如物流速度、商家服务态度等）附带服务功能的评论信息，让消费者对商家的信誉度、发货速度、物流速度等其他信息有所了解，比如有的网购消费者在网上购物时就十分注重商品的物流速度，从而满足不同消费者的需求。

　　2.3 消费者晒图

　　消费者晒图，相比文字、数字，显得更加直观、清晰，图片既可以反映商品的颜色，消除了消费者的诸如商品有没有色差、商品大小是否合适这样的疑虑，同时，也可让消费者把商家对商品的描述（如文字描述、图片）和网民们自己实际购买到的商品图片相对比，判断购买到的商品本身和商家对商品的描述是否相符，从而做出购买决策。

　　2.4 追加评论

　　追加评论是相对于初次评论而言，相比初次评论，追加评论阐明了消费者在使用商品和接受服务之后的体验，购买者在对商品进行多次使用体验之后再次做出的商品评论，为后面购买此商品的消费者提供参考，这样的评论信息对于那些追求商品性价比较高、商品耐用性高的消费者来说，更具可信性和参考价值，更有助于消费者理性消费，买到更好、更耐用的商品，同时，这也对商家在网上销售贩卖低质伪劣的商品起到了一定约束和监管作用。

　　2.5 标签云

　　标签云指的是消费者自发地为某一种商品定义一组标签（一般是短语、词汇）进行描述，并最终从中选出被使用频率最高的标签，来作为该商品的特征标识，这个标签形成的过程完全是自发的，主要优势是自由性、实时性和共享性。如"质量很好"、"外观漂亮"、"物流快"等标签，让消费者能够对商品总体性能了解，也可选中某个标签，专门浏览只与本标签相关的评论信息，以自动筛选代替人工筛选，而不用一条一条地去浏览所有的评论信息，大大节省了消费者的时间成本，更具有针对性。

　　2.6 商品平均分

　　当前在线商品评价数量日益增多，内容也十分纷繁复杂，伴随着当前社会网络流行语、口头语的盛行，表达方式多样化，而潜在消费者需要对海量的评论信息做出综合判断。为了缓解在线商品评论信息过载的问题，很多电商网站提供了商品的综合得分，即计算所有评论者给某件商品的评分的平均值[5],让消费者能从宏观的角度对某一种商品了解。

　　2.7 多维打分

　　打分维度从商品本身拓展到售前售后服务是帮助消费者获得多方面商品信息的一种较为快捷的方式，可以大大提高消费者满意度。如在淘宝网上，从宝贝与实物相符、发货速度、服务态度三个维度进行打分。

　　2.8 评论效价

　　当前，电子商务网站要求消费者对交易以好评、中评或差评进行标记[5].系统通过一种分类机制将三个维度总体的数量进行了统计，有的电商网站采用整数制，有的电商网站采用百分比制，通过该商品的好评率、差评率来对商品的总体性能有直观的了解。这种分类机制是基于在线商品评论本身的内容进行的，通过分词软件对每条评论进行分词，从而确定特征词语，如从中找出一些情感倾向十分明显（好、很不错等）的词汇短语，从而按照"好"、"中"、"差"进行归类。

　　2.9 效价分布

　　效价分布是指消费者对商品或服务进行评价打星，共分为五个维度，五颗星代表"非常好",一颗星表示"非常不好",这是两个极端。当前，消费者提供的商品评分呈双峰分布，这个得分只是折衷反映了两个评价极端，即好评和差评。但是，饱含强烈极性（如赞美、批评）与个人观点的在线商品评论也许并不可靠[3].

　　2.10 依据效价筛选

　　依据效价对商品评论信息进行筛选是一种人工效用评价机制，比如，最新发表的某一在线商品评论信息需要经过很长一段时间来获得消费者的累计"有用性"投票，这导致很多好的评论由于没有及时获得足够的赞成票而被淹没在数量庞大的信息海洋中[6],这对于电子商务网站中对消费者做出购买决策的激励效率不是很高。
　
　　2.11 有用性投票

　　亚马逊、京东等提供了评论的有用性指标，用户根据自己的认识和体验对前期的评论的有用性进行投票，系统最终给出一个类似"31/36人认为此评论有用"的结论，由此统计出总的支持或反对数量，评论系统则会默认显示最有用的评论在评论列表前端[5],对评论的有用性进行排序和筛选。Chen[7]等研究发现，通过有用性投票后对评论信息进行排序可以从某种程度上增加网站的浏览量，提升商品的销量。

　　2.12 投票排序

　　商品评论系统的投票排序可以帮助消费者以较低的信息搜索成本（时间、流量）快速了解商品质量，通过大众自身的投票选出可信度更高、更加具有参考价值的在线商品评论信息，效率大大提高了。

　　2.13 信用等级

　　信用等级是对评论者的身份等级的识别，往往评论者的等级越高（五百佳评论者、优秀评论者等），其所做出的商品评论更具有参考价值，从而能对消费者做出购买决策起到更好的引导作用。等级较高的评论者的网购经验比较丰富，他们留下的评论信息内容更准确、语言格式更规范，更具有可信性。

　　2.14 信用排序

　　信用排序指的是在线商品评论系统将信用度高的评论者所发出的参考价值高的评论信息尽可能排在靠前的位置，以供其后的消费者能在最快的时间内对此进行参考，节约了时间。

　　2.15 评论搜索

　　消费者可以根据自身的需求在检索框中对自己想要的信息通过关键词匹配进行检索，而不必面对大量纷繁复杂的评论信息，如同大海捞针，一一进行浏览和翻阅，寻找自己想要的商品关注点和描述，大大节省了网购时间。

　　3、结语

　　本文通过对我国主流的电商网站进行调研，获取商品评论系统评论信息的主要展现形式，其大致可以分为如下三类：第一，商品评论系统最初就使用的展现形式（如评论信息的总数量）；第二，以消费者二次UGC贡献为基础的功能（晒图、回复与追加评论、有用性投票等）；第三，大多数对评论信息进行人工和机器筛选和排序的功能（如标签云筛选、投票排序、信用排序等）[8].

　　当前，伴随网络购物高速发展的同时也存在着商品评论信息过载的现象，在线商品评论的数量呈几何级增长，动辄几千条甚至上万条的商品评论也让用户感到无所适从，并且由于缺乏相应的约束机制，评论者可以随意发表评论言论，导致评论信息有模糊性、多样性、语义缺乏等缺陷，从中获取有用、有价值的信息也变得十分困难。面对此问题，各大电子商务网站的在线商品评论系统的功能模块日趋多样化，满足不同消费者的购物需求偏好，评论系统改善的过程反映了当前的电子商务购物网站不断全方位地了解用户的购物需求，从而对商品评论系统进行改进，对有用性强的功能充分发挥其价值，对那些有用性不强的功能则需进一步改进或升级，使其更贴合消费者的购物习惯，这也是本文的研究意义所在。

　　参考文献：
　　[1] 李志宇。 在线商品评论效用排序模型研究[J]. 现代图书情报技术， 2013（04）：62-68.
　　[2] 陈江涛， 张金隆， 张亚军。 在线商品评论有用性影响因素研究：基于文本语义视角[J]. 图书情报工作， 2012（10）：119-123.
　　[3] 杨铭， 祁巍， 闫相斌， 等。 在线商品评论的效用分析研究[J]. 管理科学学报， 2012（05）：65-75.
　　[4] 黄卫来， 潘晓波。 在线商品评价信息有用性模型研究--纳入应用背景因素的信息采纳扩展模型[J]. 图书情报工作， 2014（S1）：141-151.
　　[5] 孙霄凌， 赵宇翔， 朱庆华。 在线商品评论系统功能需求的Kano模型分析--以我国主要购物网站为例[J]. 现代图书情报技术，2013（06）：76-84.
　　[6] 马艳丽。 在线评论引起的消费者决策困境：概念与相关问题[J].求索， 2013（07）。