商家公開回復對后續用戶評論特點的影響研究

陳莉　伍青生

摘 要：在線評論特點尤其是評論數量與評分能對消費決策過程產生顯著影響，商家公開回復能否影響后續評論數量和評分，如何公開回復能更加顯著地影響后續評論特點？對手機游戲評論數據進行實證分析，發現被用戶觀測到的公開回復行為能顯著增加后續評論數量和評分。而隨著被回復評論的評分增加，其對評論數量的影響先減少后增加；隨著回復內容情感傾向的變化，其對評論數量的影響先減少后增加，對后續評分的影響先增加后減少。

關鍵詞：在線評論；商家公開回復；用戶評論特點

中圖分類號：F 063.2

文獻標志碼：A

Research on the Influence of Managers’ Responses toOnline Reviews on Subsequent Reviews

CHEN Li WU Qingsheng

（Antai College of Economics & Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract：The characteristics of online reviews， especially the number and rate of reviews， can have a significant impact on the consumption decision-making process. Can the number and rate of subsequent reviews be affected by the managers’public responses？ How can the public responses more significantly affect the characteristics of subsequent reviews？ Through the empirical analysis of mobile game review data， it have been found that the public response behavior observed by users can significantly increase the number and rate of subsequent reviews. With the increase of the rate of the replied reviews， the impact on the number of reviews first weaken and then strengthen; with the change of emotional tendency of the reply content， the impact on the number of comments first weaken and then strengthen， and the impact on the rate first strengthen and then weaken.

Key words：online review; managers’ response; characteristics of online reviews

0 引言

隨著互聯網迅速發展，各個行業均發展出多樣的點評網站，有些網站是獨立的消費者點評網站，如面向書籍、電影等的豆瓣網，而有些網站則包括產品銷售與購后評論功能，如銷售大眾消費品的淘寶網、短時性租房的Airbnb以及主營手機游戲的TapTap等，同時在這些網站上，商家也可對評論進行公開回復。隨著線上運營技術的成熟，越來越多的商家會通過公開回復點評來進行客戶關系管理（如圖1所示，圖片分別來自大眾點評網、淘寶網、Airbnb、TapTap）。商家如何管理公開回復的問題是普遍存在的，如選擇哪些評論進行回復，選擇怎樣的話語模式進行回復等。本文的研究問題是商家公開回復對后續用戶評論特點的影響。眾多研究發現在線評論特點能通過影響感知有用性等因素影響該評論對消費者購買決策的影響。有研究顯示在線評論的正負向對酒店預訂量有顯著作用；Tsekouras（2017）和Kupor（2018）等人均研究發現評論的極端性的重要作用，對體驗型產品極端評價相對中等評價其有用性更低，而搜索型產品評論深度對有用性影響更顯著（Mudambi，2010；張艷輝，李宗偉，2016）；文本長度也會影響產品銷量（Schindler，2012；王君珺等，2013）；同時Ordenes等（2017）人研究發現了評論文本有著不同的話語模式，存在著不同的喚起水平，可分為直接、承諾性和陳述性評論，同時語句中存在著情緒不一致性。Yin等（2017）研究證明高喚醒水平的文本可通過感知努力造成更高的感知有用性。因此，商家公開回復對后續評論特點的影響研究能幫助企業通過公開回復行為影響整體輿情，同時也能通過影響評論特點來影響消費者購買行為。

已有在線評論特點的影響因素研究表明，評論動機和評論環境均會顯著影響評論特點。Pan等（2018）研究不同親密程度人的評價時，評論者評論行為的差異，也有學者研究面對不同親密程度人群時，人們分享信息內容和動機的差異（Dubois，2016），即高親密程度分享更多的負面消息，有著更強的保護他人的動機，而低親密者分享更多的正面消息，有著更多的自我強化信息。Tsekouras等（2017）研究顯示不同的評分框架量表會影響用戶進行極端評論的傾向，Ransbotham （2019）研究發現移動端創建的口碑更有感染力、更具體、極端性更低。但只有較少目光聚焦于商家公開回復對在線評論的影響。Proserpio（2017）對酒店在線評論數據的實證分析顯示，商家首次回復會增加后續評分和12%左右的評論數量，并且會收到更少但更長的負面評論，其可能的原因是消費者意識到酒店會監測評論，使得不滿意的消費者更少可能留下短評；但Chevalier（2018）研究證明商家回復會減少評分，其原因在于商家的首次公開回復能提供一個商家可能會解決問題的信號，消費者提供反饋和獲得回復的動機顯著增強了；而Wang（2018）等人繼續研究證明被觀察到的經理人的回復能影響消費者的后續評價，正向評論的回復會使得后續評分下降，而負向評論的回復會使后續評分上升。李宗偉等人（2020）從淘寶網數據分析中發現，賣家回復能正向影響評論長度和圖片評論數，同時店鋪星級水平、店鋪服務能力起到調節作用。從這些研究結果可以看出，商家公開回復對評論特點有著顯著影響，但其效果仍具有爭議，而且其研究的主要是商家首次公開回復的影響，并未探究多次公開回復造成的累積效應。與此同時，這些研究數據來源集中于酒店行業，主要由于酒店行業的產品質量是易變的（如客房服務），評論者將評論信息和商家回復都當作一種信息參考，商家有更多的動機與必要性去進行公開回復（Chevalier，2018）。而本文將研究多次的商家公開回復對后續評論特點（即后續評論數量和后續評論評分）的影響。

本文基于手機游戲下載點評APP（TapTap）的評論數據和商家回復數據，即包括157個游戲樣本的49 289條有效觀測值分析發現：

（1）被觀測到的商家回復能顯著影響后一天的總體評論特點，包括增加后一天新增評論數量和評分。

（2）新增評論數量隨著被回復評論評分變化呈現U型變化；隨著回復內容情感傾向變化呈現U型變化。

（3）后續評分隨著商家公開回復內容的情感強度傾向變化呈現倒U型變化。

與已有的相關文獻中的結果不同的是。

（1）累積的商家公開回復會使后續整體評分顯著增加。Proserpio（2017）發現商家首次回復會增加后續評分，Chevalier（2018）研究證明商家回復會減少評分，其結果有一定矛盾性。本文對手機行業的數據分析發現，觀測到的商家公開回復能顯著增加后續評論評分和評論數量。

（2）本文發現無論是對正向還是負向評論的回復均能顯著增加評論數量，但對負向評論的回復增長更加顯著；但無論是對正向還是負向評論的回復均無法增加后續評分，但增加負向評論回復比例可以增加后續評論評分。這與過去Wang（2018）研究發現正向評論的回復會使得后續評分下降，而負向評論的回復會使后續評分上升的結果也有差異。

（3）本文相比其他研究，更多地探討了商家公開回復的策略，如回復內容的情感強度導致后續評論特點的影響，發現回復內容情感強度對后續評論數量和評分的增長模式有所差異。

本文對商家公開回復對后續評論特點的影響研究，一方面補充了評論特點影響因素的研究，將商家公開回復的研究范圍從首次擴展到多次的累積影響，同時也補充了在該研究問題上數據來源相對單一的問題，補充了國內市場手機游戲行業的分析；另一方面，為商家如何管理評論來引導整體評論特點，選擇怎樣的評論回復以及使用怎樣的回復內容提供了一定的參考。

1 相關文獻與研究假設

1.1 理論基礎：社會反應理論（Social Respond Theory）

Moon（2000）提出社會反應理論（Social Respond Theory），即當機器與人產生互動行為時，人會傾向于將機器作為一個社會角色，從而更有可能分享自身的私人信息。該觀點的提出基于互惠原則和社會取向。對自我披露（self-disclosure）的研究發現，由于互惠原則，如果人們第一次從談話伙伴那里獲得了這樣的信息，即使是相對陌生的人，他們也會進行親密的自我表露（Archer ， 1978）。同時人類是社會性動物，在進化過程中傾向于社會取向 （Reeves and Nass，1996），而當人類面對一種表現出類人特征的技術時，這種社會取向變得更加明顯。有研究發現，網站可以被認為是一個有效的社會行動者，其特征與任何其他人際關系的特征基本相同（Kumar， 2002）。Horton和Wohl（1956）在對電視行為的研究中發現，電視人物可以將各種社會線索融入他們在鏡頭中的舉止行為中，人格可以創造出一種準社會在場。

閆幸（2013）在企業微博互動策略對消費者品牌關系影響的研究中也基于社會互動理論分析了通過設計社交媒體中的互動來增加對網站社會化的感知，同時Wang（2007）基于社會互動理論也分析零售網站可通過一些社會化設計來提高用戶社會化感知。在商家公開回復中，商家與后續評論者之間并非是直接互動的，而是通過評論網站上的公開回復創造出社會化線索而提高其社會化感知，對于商家而言，其可以通過各種線索創造出人格的準在場，而后續評論者將其作為一個社會角色來產生自我披露，在此處自我披露表現為在線評論，尤其表現為消費者的評論文本。

1.2 商家公開回復行為和評論特點

評論數量是評論特點中常見的研究變量，Duan（2008）對電影票房的研究表明在線評論數量和票房對在線評論數量產生顯著影響，其他很多研究也表明了評論數量對產品銷量的影響（Liu，2006；Ye at el，2009）。Henning-Thurau（2003）提出發表在線評論的動機：平臺支持、負面情緒發泄、關心其他消費者、提升社區地位、社會利益、幫助企業、經濟激勵和尋求建議。由于品牌與消費者之前的溝通能影響品牌形象（Escalas，2004），商家公開回復行為可能使后續評論者眼中產生該品牌是“能接受消費者建議”的形象，從而直接提高消費者幫助企業的動機（Proserpio，2017；Chevalier，2018）；同時商家公開回復行為表現出“積極與用戶互動”的形象，產生更高的類人行為，從而用戶將其作為社會角色對待，增加互惠動機（Moon， 2000），即幫助商家與支持商家，從而評論數量增加。

評論的效價值意味著消費者對產品的滿意度（Chevalier，2006；Liu，2006），也常被作為評論特點研究變量。有研究認為評論效價值會影響評論數量（Liu，2006），某些研究將效價值分為正向、負向和中立三類（Sonnier，2011），研究結果證明在線評論的正負面對酒店預訂量有顯著作用（Ye， 2009）。Moon （2004）采用對服務的整體滿意程度和對服務提供者的整體滿意程度兩個維度來衡量總體顧客滿意度。商家公開回復一方面可能對消費者使用過程中出現的服務問題進行補救，從而提高服務滿意度（Spreng et.al， 1995）；另一方面商家公開回復行為可能使后續評論者將該品牌作為社會角色對待，增加互惠動機，從而使消費者對品牌滿意度增加，從而增加評分。

綜上， 提出假設1：

H：商家的公開回復行為會使后續用戶評論的（a）評論數量顯著增加；（b）評分顯著增加。

1.3 商家公開回復與被回復評論評分的交互作用

在商家公開回復的研究中，Wang（2018）發現當商家首次公開回復的評論的評分極性不同時，后續評分變化有所差異，主要是消費者認為回復不同極性的評論時，商家公開回復行為的動機是有所差異的。Gu （2014）研究表明低滿意度的客戶收到商家在線回復后客戶滿意度會提高，因此對負面評論的回復可看作一種服務補救行為（Spreng et.al， 1995; Wang， 2018）; 而對正向評論的回復則更可能被看作一種營銷活動（Wang， 2018）。根據社會反應理論，后續評論者將通過商家公開回復留下的線索而將其視為一種社會角色來進行對待。因此，我們可以假設商家對不同評分評論的回復產生了差異性的社會線索，從而后續影響產生差異。

評論評分越負向極端，說明消費者體驗越差，越可能需要補救，商家在其他消費者中產生更強的“積極解決問題”形象，消費者幫助企業解決問題的的動機顯著增加，從而評論數量增加（Henning-Thurau，2004；Proserpio，2017）。同時，商家對負向極端評論的公開回復行為更可能對消費者使用過程中出現的更為嚴重服務問題進行補救，從而提高服務滿意度，后續用戶評分增加更為顯著。

評論評分越正向極端，說明消費者體驗越好，商家對這類評論進行評分時，會在其他消費者心目中產生更強的“積極與用戶互動”及“希望得到用戶支持和鼓勵”形象，表現出更強的類人行為（Gouldner，1960），其他評論者將其更可能作為社會角色對待，增加消費者互惠動機，從而評論數量增加（Henning-Thurau，2003）。商家對正向極端的評論的公開回復行為更可能使后續評論者眼中產生更強的類人行為，更可能將其作為社會角色對待，其互惠動機更為顯著，因此評論評分增加更為顯著。

另一方面，對正向評論的公開回復，更有可能被認為是“廣告宣傳”的線索（Wang， 2018），而根據抗拒理論（Clee， 1980），即促銷活動、廣告操縱都被視為威脅自由的方式，消費者對此會產生抗拒心理，此時消費者的抗拒心理會顯著增加，因此消費者評論意愿下降，評論數量也會顯著減少。

綜上所述，被回復的評論評分越極端，無論是正向還是負向，均會使其他消費者增加更強的幫助企業動機，因此后續評論數量增加越顯著。對極端負向評論的回復能對消費過程中產生的更嚴重服務問題進行補救，服務滿意度增加更為顯著，因此后續評論評分增加更為顯著；正向評論的回復更能加強企業在其他評論者眼中“積極與用戶互動”“希望得到用戶支持和鼓勵”形象，更可能使其他評論者將其作為社會角色對待，產生更強烈的互惠動機，從而后續評分增加更為顯著。因此，后續評論數量和后續評分均隨著被回復評論的評論變化呈U型變化。

因此，提出假設2：

H：商家公開回復后，被回復評論評分對后續用戶評論特點有一種U型影響。（a）后續評論數量隨著被回復評論的評分呈現U型變化；（b）后續評分隨著被回復評論的評分呈現U型變化。

1.4 商家公開回復與回復內容情感強度的交互作用

在商家回復策略中，商家首先可采用不同的回復內容，Wang（2018）發現在對負面評論的回復中常采用“承認、解釋、行動”的回復模式，同時也可采用情感強度更加明顯的回復內容。一方面，隨著回復內容情感強度極端性增加，則其表現出更加類人行為，其他評論者更可能將其視作社會角色，增加互惠行為，即支持和幫助商家，因此增加評論數量；另一方面，隨著公開回復情感強度的增加，其更有可能被認為是“廣告宣傳”的線索（Wang， 2018）。而根據抗拒理論（Clee， 1980），此時消費者的抗拒心理會顯著增加，因此消費者評論意愿下降，評論數量也會顯著減少。因此，商家回復策略對后續評論數量的調節作用可能是正U型的，但當情感強度增加時其可能會減少后續評論數量。

而對于評論的用戶而言，當商家采用情感強度極端性更加明顯的回復時，評論者更可能將其作為社會角色對待，增加評論者的互惠行為，增加對品牌的評價，即增加后續評論評分；另一方面，Yin（2017）在對評論文本的研究中發現，文本情感強度對感知有用性的正向影響將隨著情感強度呈倒U型，即先增加后減少直至成為負向影響。因此，其他消費者對商家公開回復的感知有用性可能也隨著回復文本情感強度的增加呈倒U型，即先增加后較少。根據Rust等（1994）提出的服務質量三因素模型，即公開回復信息的感知有用性可以影響服務的交互質量從而影響服務質量，從而正向影響用戶滿意度，其他消費者對商家公開回復的服務滿意度會隨著回復文本情感強度的增加呈倒U型。因此，后續評論評分的增加也會隨著回復內容情感強度的增加呈現倒U型。

因此，提出假設3：

H：商家公開回復和回復內容的情感強度對后續評論特點有交互作用，即 （a）對評論數量的影響隨著公開回復內容的情感強度呈正U型變化；（b）對后續評論評分的影響隨著公開回復內容的情感強度呈倒U型變化。

2 研究方法

2.1 數據收集

本研究將采用實證研究的方法，實證數據來源于手機游戲行業。一方面由于手機游戲行業市場競爭比較充分，我們可以獲得足夠的樣本數據，同時點評數據也較易獲得，其產品與服務具有持續性，也易于做出改變，商家回復更具有實踐意義，因此選擇該行業點評數據作為樣本選擇數據。另一方面，也有學者通過APP點評數據做在線評論的影響研究的實證分析（Zhou，2016; Yin， 2017）。

數據來源于一款移動端游戲下載與點評APP（TapTap）。國內手機游戲廠商會選擇的發行渠道包括官方網站、iOS應用商店、Android應用商店（包括安卓系統手機自帶游戲下載中心，如華為游戲中心、應用寶等第三方應用下載商店）、TapTap APP（iOS和Android均有）。除官方網站外，這些應用商店均提供游戲評價功能，包括評分和評論文本，同時商家也可以進行公開回復。在這些應用商店中，只有TapTap是專門的游戲下載應用商店，游戲運營商也會專門對TapTap內容進行運營。因此，TapTap可以為我們提供足夠的游戲評論與商家回復數據，而且其同時有Android端和iOS端，可以消除游戲終端差異對分析結果的影響。

通過網絡爬蟲爬取了包括單機、角色扮演、動作、moba、策略、卡牌、生存、模擬、競速、益智、二次元、音游、開放世界、高畫質、MMORPG、武俠、乙女、冒險、戀愛、休閑、經營、射擊、文字、解謎、聯機、Roguelike、養成、放置、像素、掛機在內的30個類別的游戲，每個類別按照網站下載熱度從高到低爬取了30個游戲的游戲信息，包括游戲名稱、發行商、游戲大小、平臺總體評分、總評論數量、游戲價格、游戲標簽（如單機、有內購、女性向）等，并且通過數據清洗刪除游戲信息缺失、未開服、測試服（包括體驗服和先行服）、國際服（日本、美國、韓國等其他國家）游戲和評論數量少于30條的樣本，最后剩下266個有效游戲樣本。同時，爬取了這些游戲2018年6月-2019年6月的所有評論信息，包括評分、評論時間、評論文本和商家回復信息（包括商家公開回復時間，回復內容），共375699條評論數據。

當前評論文本的文本分析技術主要包括預處理、屬性抽取和情感分析三大類。預處理包括中文分詞、詞性標注和語言學特征處理。情感分析主要分為基于機器學習的情感分析和基于詞典的情感分析?；谠~典的情感分析方法主要首先標記句中的情感表達詞進行正向與負向打分，然后處理情感轉換詞和情感副詞（如很、非常、稍微等），最后進行情感聚合打分。本文采用的文本情感分析是基于詞典的情感分析方法，結合BosonNLP詞語情感得分和HowNet副詞詞庫進行處理。

2.2 變量

2.2.1 自變量

商家是否公開回復（IsReply）變量為二元變量，即游戲i在時間t（以每日為單位間隔）的第k條評論是否被商家回復，如果已被回復則為1，否則為0（Proserpio， 2017）。IsReply均值為0.238，即在整個樣本中商家公開回復的比例占到23.8%，說明在游戲行業商家公開回復為普遍策略。因此，像過去的研究那樣只考慮第一次回復的影響是不合適的，我們需要考慮商家多次回復的累積影響。

2.2.2 因變量

評論數量（AddReviewNum）為游戲i在時間t（天）新增的評論數量，為連續變量（Liu，2006；Ye at el，2009； Duan， 2008），其均值為14.1567條，極差相距較大。

評分（Rate）為游戲i在時間t的新增的第k條評論的評分，為順序離散變量，取值為1、2、3、4、5（Chevalier，2006；Liu，2006）。整體均值為3.831，符合均值分布的J型分布特點。

2.2.3 調節變量

評論評分（ReplyRate）為1～5的離散變量，即被回復的評論j的評分，與因變量Rate的區別為此處為被回復的評論的評分，Rate為后續（本文為t+1時間）新增評論的評分。

評分文本一致性為（SaRateBias）類別變量，其分類如圖1所示。評論情感強度（ReviewSa）為用戶評論文本的情感得分（Ordenes ，Ludwig et al.， 2017）。本文情感分析的基本方法為基于詞典的情感分析方法。首先將整個文本根據標點符號分拆為n個語句，每個語句通過jieba分詞插件分拆為多個詞語，并去掉停用詞；語句中的情感詞匯基于BosonNLP詞語情感得分進行賦值，并根據HowNet的程度副詞庫確定程度（如非常：2；稍微：0.5；不：-1）得到每個語句的情感程度，然后聚合整個文本的情感程度。如文本t中有s個語句，即{t， t，…， t}， 在語句t中有n個情感詞匯，即{t，t，…， t}，情感詞匯對應的副詞修飾程度為{a，a，…， a}，則文本t的情感程度Sa=∑si=1∑nj=1a*t。設SaRate1、SaRate2、SaRate3、SaRate4四個虛擬變量。當評論j的評分（Rate）大于3分時，即為正向評分，當評論情感強度（ReviewSa）大于0時即為正向文本，此時SaRate1為1，否則為0；其他三個變量類似。當評論j評分小于3分，評論情感強度大于0時，SaRate2為1，否則為0；當評論j評分大于3分，評論情感強度小于0時，SaRate3為1，否則為0；當評論j評分小于3分，評論情感強度小于0時，SaRate4為1，否則為0。從樣本數據來看，46.5%的評論屬于第1類，僅8.96%的評論屬于第2類，第3類評論占16.0%，第4類評論占11.6%。

回復情感強度（ReplySa）為連續變量，其測量方法與評論情感強度相同，同時本文計算的情感得分為第一次回復文本的情感得分。其均值為1.892902，但極值相差較大，說明商家回復的情感強度具有較大差異，但大部分情感強度為0。

2.2.4 控制變量

游戲本身的總體評論特點會對商家回復的效應有所影響。游戲的評論總數（ReviewNum）反映了游戲整體的熱度，也會對因變量產生影響（Liu，2006；Ye at el，2009）。

其他游戲特點，如游戲大?。⊿ize），即游戲的安裝包大小，反映了游戲的下載門檻，也可能會對用戶態度產生影響。是否為女性向游戲（IsFemale）則反映了游戲主要用戶的性別群體，而男女性在游戲中的評論可能具有差異，因此也可能對結果產生影響，當游戲標簽中包含“女性向”“乙女”時，其值為1，否則為0。是否為個人開發者游戲（IsPersonal）也將影響用戶將商家作為社會角色對待的可能性，從而對商家回復的效應產生影響。游戲總體評論比率（ReviewRatio）為游戲評論總數除以游戲下載總數得到，表明了游戲總體吸引人進行用戶評論的比例，與游戲本身類別與其他因素有關，也可能對因變量產生影響。是否為單機游戲（IsSolo）將會影響商家是否會持續投入運營，也可能會對商家回復的效應產生影響。

回復時間（ReplyLag）為商家回復時間與評論時間的差值，精確到天，其均值為2.5943天，極差較大。但整體而言75%的評論回復在1天之內（含1天），因此我們在分析回復對后一天的影響時，包含了75%的回復內容（在一天之內回復，第二天評論者可以看到，為有效回復；而在一天之后回復，由于排序原因評論者看到的可能性較低，影響較低）。

評論影響力（Perserate）為游戲i的評論j的影響力。之前的研究表明，評論所在的順序和評論的有用性對（Cheung et al.，2008；Forman et al.，2008）用戶決策均會產生影響，因此本研究需控制由商家公開回復引起的用戶影響力增加而對后續評論特點造成的影響。其測量方式為計算游戲i在評論時間為t的所有評論的點贊數up和down，即N=∑nk=1up+down（n為游戲i在評論時間t的評論總數），則游戲i在時間t的第k條評論的評論影響力為Perserate=upN。

通過數據清洗，剩下157個游戲樣本的49 289條觀測值，其變量的描述性統計如表4所示。

2.3 模型

本文采用動態面板數據的分析方法，分析時間t的所有商家回復內容對后一天（時間t+1）總體評論特點的影響。在前文的描述性統計中可以看出，50%以上的商家回復都是評論發表后一天以內發生的，因此我們分析商家回復對后一天的評論既能簡化模型，又能包含絕大部分的回復信息。而根據前文分析，商家公開回復需要觀測到才可能影響后續評論者的行為，而Wang（2018）的研究也證明了商家的回復只有被觀測到才是有影響的，因此我們引入變量IsObserve，當回復間隔ReplyLag大于1時，第二天的評論者是無法觀測到商家回復的，因此IsObserve為0，否則為1。我們在此處表示的公開回復均為可觀測到的，后文不再贅述。

本文研究的是在時間t商家回復的累積效應對后一天的影響，在度量累積影響時，采用的是測量游戲i在時間t所有評論的影響的均值的方法。但由于自變量為二元變量，當游戲i在時間t有觀測到前一天任意一條公開回復均為1，否則為0，則本文的研究模型為：

Y=β+β IsReply+β f（IsReplyM）+β C+ε

其中。i為游戲i。由于游戲的重大版本更新可能會影響產品質量與體驗，從而影響到消費者評論，為控制產品質量對評論特點的影響，我們的觀測窗口為版本更新后的第4到第30天（Proserpio， 2017）。而不同樣本更新時間具有差異性，為解決面板數據的非平衡問題，我們將時間t設置為版本更新后的第t天，因此t的取值為。k為游戲i在時間t的第k條評論。

Y為游戲i在時間t+1的總體評論特點（包括上述的AddReviewNum， Rate）。評分的總體特點測量采用的是求取游戲i在時間t+1時評論評分均值的方法。

M為上述的調節變量，f（IsReplyM）為調節效應的累積影響，本研究對累積影響的度量為均值函數。C為上述控制變量的向量組合。n為游戲i在時間t的評論總數。

3 結果

我們采用隨機效應模型對數據進行分析。如表5所示，Model1至Model4驗證的是商家公開回復對后續評論數量的影響。由于新增評論數量沒有呈現正態分布，我們對新增評論數量進行取對數處理（即lnARN）。Model1結果表明了商家公開回復能顯著增加后一天評論數量（p<0.01），H得到驗證，結果顯示商家的公開回復行為會使后一天的評論數量平均增加22.3%。

Model2驗證了商家公開回復與被回復評論評分的交互效應，即公開回復對后續評論數量的影響隨著被回復評論評分的增加呈U型變化，其影響差異如圖3所示，H得到驗證。同時從圖4可以看出，隨著評分極端性的增加，商家的行為出現出更強的類人性，而消費者產生了更強的互惠動機，評論數量增加的比例更高；而同時回復評分為5的新增評論數量不如回復評分為1的評論數量增長，說明了對正向評論的回復會使商家此時的行為給消費者產生營銷的印象，使消費者產生抗拒心理，減少了評論行為。

Model3驗證了回復內容情感強度對商家公開回復影響的交互作用，且其作用為正U型，即隨著回復內容情感強度的增加，其影響先減少后增加，H得到了支持。即隨著回復內容情感強度的增加，其表現出的類人性先減少后增加，從而消費者幫助商家的行為也先減少后增加，即評論數量先顯著減少后顯著增加。

在控制變量中，是否為獨立開發者在Model1里對后續評論數量產生了正向顯著，進一步驗證了當產品有更多的類人行為線索時，根據社會反應理論，其更可能產生互惠動機，從而增加評論數量。

如表6所示，Model4至Model6驗證的是商家公開回復對后續評論評分的影響，Model4結果表明了商家公開回復能顯著增加后一天評論評分（p<0.05），H得到驗證，結果顯示商家存在公開回復行為會使后一天的評論評分平均增加0.1603。

Model5驗證的是商家公開回復與被回復評分的交互作用，數據結果顯示其沒有顯著影響，即H沒有得到支持。從這個結果可以看出，在對后續評分的影響中，社會反應理論產生的互惠影響較小，也有可能是因為評論動機的變化對評分沒有顯著影響。Wang（2018）的研究結果顯示，對負面評論的回復會增加后續評分，對正面評論的回復會降低評分。本文因此也檢驗了商家回復正向或負向的評論時，其后續評分是否會有差異。與Wang（2018）的結果不同的是，評分并未出現變化；但是隨著負向評論回復比例的增加，其后續評分增長也會更加顯著。我們猜測其可能原因為需要商家持續地對負面評論進行公開回復才能使后續評分增加，而單一的負面評論回復無法表現出商家能有效地解決問題，提高用戶滿意度。

Model6檢驗了公開回復內容文本情感強度對該影響的交互作用，結果顯示其作用為倒U型，即隨著回復內容情感強度的增加，其影響先增加后減少，H得到了支持。圖4顯示的是公開回復內容情感強度對后續評論數量和評分的影響。從圖4中可以看出，負向情感的回復內容會增加后續評論數量但是會減少評分，同時從回復內容情感強度對后續評論數量和評分的不同影響模式也可以看出，在對評論數量的影響中起到主導性作用的是社會反應理論使消費者對商家產生的互惠動機，但是在評分的影響上，起到主導性作用的是商家公開回復作為一種服務對消費者服務滿意度的增加。

在控制變量上，Model4結果表明是否為個人開發者會顯著增加后續評論評分，表明了更多類人線索存在時，消費者更可能對商家產生互惠行為，驗證了社會反應理論的解釋。

4 結論與討論

本文基于TapTap網站的游戲用戶評論數據和商家回復數據（總共包括157個游戲樣本的49 289條觀測值），分析了商家公開回復對后續評論總體特點的影響。

本文的主要研究結果，可以概括為以下幾個方面：

被觀測到的商家回復能顯著影響后一天的總體評論特點，即增加后續評論數量和后續評分。本文使用手機游戲行業的評論數據進一步驗證了Proserpio（2017）的商家回復會增加后續評分和評論數量的結論。本文認為其影響是兩方面的：在對評論數量的影響上，一方面是商家公開回復會直接影響消費者的評論動機（Proserpio，2017），另一方面是商家公開回復會留下類人行為線索，根據社會反應理論，消費者將商家看作社會人來進行互動，即進行互惠行為，從而增加評論數量；在對后續評分的影響上，一方面是作為一種服務直接影響商家服務滿意度來影響評分，另一方面是通過社會反應理論來增加對品牌的互惠行為從而增加品牌滿意度來影響評分。本研究也通過其他的交互效應驗證了這兩種影響方式的存在。

本文研究發現商家公開回復對后續評論數量的影響隨著回復評論評分的增加呈現U型特點，不管是對正向還是負向評論的回復均能顯著增加后續評論數量，且隨著評分極端性的增加，其評論數量增加得越多，回復中立評論時（3分），評論數量增加是最少的；同時回復同樣極端性的正向評論相比負向評論（即5分相比1分；4分相比2分），評論數量增加得更少，可能原因為消費者將商家公開回復的行為看作一種營銷行為，產生了抗拒心理，從而減少了評論數量；但是在評分的影響上，商家公開回復的影響隨著回復評論評分變化沒有顯著性變化，同時本文也檢驗了商家回復正向或負向的評論時，其后續評分是否會有差異，與Wang（2018）的結果不同的是，評分并未出現變化；但是隨著對負向評論回復比例的增加，其后續評分增長也會更加顯著，其可能原因為評分的增加需要商家持續公開回復。

本文研究顯示公開回復內容情感強度也會對后續評論特點產生影響，即后續評論數量會隨著回復內容情感強度的增加呈現正U型，隨著商家公開回復情感強度的增加其后續評論數量增長率先減少直至為負向，后開始增加；而后續評分則隨著回復內容情感強度的增加呈現倒U型，即先增加后減少。研究表明隨著評論內容情緒喚醒的增加，其有用性感知是先增加后減少的，商家回復的內容也是隨著情感強度的增加，有用性先增加后減少，因此后續評分的變化趨勢也呈現倒U型。公開回復內容的情感強度對評分數量和評分的影響模式具有差異性，其可能原因是對評論數量的影響起到主導性作用的是社會反應理論使消費者對商家產生的互惠動機，但是在評分的影響上，起到主導性作用的是商家公開回復作為一種服務對消費者服務滿意度的增加，后者也可以解釋被回復評論的評分對后續評論評分變化無顯著性影響，而負向評論的回復比例越大，評分增加越多，說明商家持續對負向評論進行回復才可能增加其服務滿意度，社會反應理論在對評分的影響上起到的效應較小。

本文研究的幾個理論貢獻主要體現在以下幾個方面：

（1）本文在對商家公開回復的影響研究中，首次討論了商家公開回復的累積效應，過去的研究中，學者討論的均是第一次公開回復對消費者的影響。這些文章表明，第一次的公開回復會使消費者意識到自己的行為受到了商家的監控（Chevalier，2018）， 同時自己的意見可能會得到反饋（Proserpio，2017），從而影響了消費者的評論行為。但當前，商家公開回復已是一個普遍存在的事實，本文數據顯示，有23.5%的評論收到了商家的公開回復，因此首次公開回復的影響可能變得更弱，而累積回復的影響更為重要，本文研究的即是前一天所有公開回復對后一天評論特點的影響。

（2）本文討論了不同的回復策略對評論特點影響的差異，Wang（2018）的研究中討論了商家公開回復的評論的極性不同時后續評論評分的差異，本文除了分析被回復評論評分差異，被回復內容的評分文本極性不一致性的影響，還討論了商家回復內容差異的影響。即后續評論數量增加會隨著被回復評論評分變化呈現U型變化，先增加后減少，同時回復4分或者5分的評論相比2分和1分的評論，其評論數量增加得更少，驗證了Wang（2018）研究中認為回復正向評論相比負向評論能增加消費者的抗拒心理?；貜拓撓蛟u分正向評論文本情感的評論，相比正向評論負向評論文本情感的評論更加顯著減少了評論數量，但更加顯著地增加了后續評論評分，其可能的原因還需要進一步研究驗證。而公開回復內容情感強度也會對后續評論特點產生影響，即后續評論數量會隨著回復內容情感強度的增加呈現正U型，后續評分則隨著回復內容情感強度的增加呈現倒U型。公開回復內容的情感強度對評分數量和評分的影響驗證了社會反應理論在對評論數量的影響中起到主導作用，而在評分上公開回復服務在對滿意度的影響中起到主導作用。李宗偉（2020）在對淘寶網的實證分析中，討論的是店鋪的星級水平和服務水平的影響，而未討論選擇何種類型評論回復和用怎樣的方式回復的影響。本文對商家選擇策略的研究也對商家如何采取回復策略實踐有著更加直接的參考價值。

（3）本文在商家公開回復對后續評論特點的影響研究中，首次認為其對評論數量和評分的影響是存在直接效應和間接效應的，間接效應以社會反應理論作為中介效應，商家公開回復后，后續用戶將商家看做社會角色來進行互動，同時被回復評論評分和回復內容情感強度對評論數量和評分的不同影響也證明了在對評論數量的影響中，有著更強的間接效應，因此商家在公開回復中表現出的類人線索越多，其評論數量增長越多；而在對評分的影響中，直接效應的影響更顯著，即商家公開回復作為一種服務，使用戶的感知滿意度上升。

在實踐上，本文為商家如何管理評論，即商家選擇怎樣的評論進行公開回復以及采用怎樣的回復內容來引導后續評論特點起到了一定的參考作用。

（1）本文研究結果表明，商家可以通過對評論的公開回復來影響后續評分的評分數量和評分，即評論的整體輿論，被觀測到的商家回復能顯著增加后一天評論數量和評分。而評論數量和評分在過去研究中表明能顯著影響決策流程和增加產品銷量，因此商家在進行運營時，應積極地對評論進行公開回復。

（2）與以往結果不同的是，無論選擇負向還是正向的評論進行回復，后續評論數量均能顯著增加，但評分沒有顯著的變化。但負向評論回復相比正向評論，評論數量增長更加顯著，而選擇評分更極端的評論進行回復也能更加顯著地增加后續評論數量。雖然單一的正向或負向評論公開回復無法顯著影響后續評分，但增加負向評論回復比例能顯著增加后續評分，因此盡量多地回復負面評論能讓消費者感受到商家積極解決問題的態度，最終能增加評分。另一方面，商家也可以通過回復內容來影響后續的評論特點，商家選擇更加極端的情感內容能更加顯著地增加評論數量，但是會減少后續評分。當商家想要更加顯著地增加后續評分時，應該選擇情感傾向正向且適度的回復內容，既能表現出廠商良好的解決問題態度，也能最大化回復內容的感知可用性，從而通過公開回復內容來提高消費者滿意度。

（3）從數據分析結果發現個人開發者的游戲有著更高的情感強度，因為消費者更可能將這類游戲商家看作社會角色，從而增加了自我披露，進一步驗證了社會反應理論，所以對于個人開發者而言，采取非官方的形式，保持“個人”特點能更顯著地增加后續評論的情感強度。而對于廠商而言，通過類人化的線索能提高消費者幫助商家動機，即能提高評論數量，但是對于提高評分而言，通過服務內容來提高服務質量能更顯著地增加評分。

5 不足與進一步研究的方向

在其他對商家公開回復的研究中，多選擇兩個或多個網站的點評數據，在部分網站商家無法進行回復，而在另一部分網站商家可以進行回復，通過DID的方法用同一家酒店的數據分析商家首次公開回復的影響。而手機游戲難以找到沒有商家回復的評論網站（第三方網站使用人數、評論數量都與TapTap差距較大，不適合使用DID），因此本文采用的是同類型有商家公開回復和無商家公開回復游戲之間的DID分析，而游戲本身的差異可能會對結果造成一定影響。

在計算多次商家公開回復的累積效應時，采用的是簡單相加的形式，可能還需要考慮商家多次公開回復的相似性和差異性。

參考文獻：

［1］YE Q， LAW R， GU B. The impact of online user reviews on hotel room sales［J］. International Journal of Hospitality Management， 2009， 28（1）：180-182.

［2］TSEKOURAS D. The effect of rating scale design on extreme response tendency in consumer product ratings［J］. International Journal of Electronic Commerce， 2017， 21（2）：270-296.

［3］KUPOR D， TORMALA Z. When moderation fosters persuasion：the persuasive power of deviatory reviews［J］. Journal of Consumer Research， 2018， 45（3）：490-510.

［4］MUDAMBI S M， SCHUFF D. What makes a helpful online review？ A study of customer reviews on amazon.com［J］. Mis Quarterly， 2010， 34（1）：185-200.

［5］張艷輝，李宗偉.在線評論有用性的影響因素研究：基于產品類型的調節效應［J］. 管理評論， 2016， 28（10）：123-132.

［6］SCHINDLER R M， BICKART B. Perceived helpfulness of online consumer reviews：the role of message content and style［J］. Journal of Consumer Behaviour， 2012， 11（3）：234-243.

［7］王君珺，閆強.不同熱度搜索型產品的在線評論對銷量影響的實證研究［J］.中國管理科學， 2013， 21（增刊2）：406-411.

［8］ORDENES F V. Unveiling what is Written in the stars：analyzing explicit， implicit and discourse patterns of sentiment in social media［J］. Journal of Consumer Research， 2017， 43（6）：875-894.

［9］YIN D， BOND S D， ZHANG H. Keep your cool or let it out：nonlinear effects of expressed arousal on perceptions of consumer reviews［J］. Journal of Marketing Research， 2017， 54（3）：447-463.

［10］PAN X. Do reviews from friends and the crowd affect online consumer posting behavior differently［J］. Electronic Commerce Research and Applications， 2018， 29：102-112.

［11］DUBOIS D， BONEZZI A， DE ANGELIS M. Sharing with friends versus strangers：how interpersonal closeness influences word-of-mouth valence［J］. Journal of Marketing Research， 2016， 53（5）：712-727.

［12］RANSBOTHAM S， LURIE N， LIU H. Creation and consumption of mobile word of mouth：how are mobile reviews different［J］. Marketing Science， 2019， 38（5）：773-792.

［13］PROSERPIO D， ZERVAS G. Online reputation management：estimating the impact of management responses on consumer reviews［J］. Marketing Science， 2017， 36（5）：645-665.

［14］CHEVALIER J A， DOVER Y， MAYZLIN D. Channels of impact：user reviews when quality is dynamic and managers respond［J］. Marketing Science， 2018， 37（5）：688-709.

［15］WANG Y， CHAUDHRY A. When and how managers’ responses to online reviews affect subsequent reviews［J］. Journal of Marketing Research， 2018， 55（2）：163-177.

［16］李宗偉，張艷輝，夏偉偉.賣家反饋能否引發高質量的在線評論信息？——基于淘寶網的實證分析［J］.中國管理科學.

［17］MOON Y. Intimate exchanges：using computers to elicit self：disclosure from consumers［J］. Journal of Consumer Research， 2000， 26（4）：323-339.

［18］BERG J H. Disclosure reciprocity and its limits：a reactance analysis［J］. Journal of Experimental Social Psychology， 1978， 14 （5）：527-540.

［19］REEVES， BYRON， CLIFFORD I. Nass， the media equation［M］. Stanford：CSLI Publications.

［20］閆幸，常亞平. 企業微博互動策略對消費者品牌關系的影響基于新浪微博的扎根分析［J］. 營銷科學學報， 2013， 9（1）：62-78.

［21］WANG L C， BAKER J， WAGNER J A， et al. Can a retail web site be social［J］. Journal of Marketing， 2007， 71（3）：143-157.