Exploration on the Mechanisms of OPR Features on Consumers’ Information Adoption Decisions in E-commerce Environment
-
摘要:目的/意义基于信息采纳模型和信息系统成功模型，探索了在线产品评论特征对影响消费者信息采纳决策的影响机理。设计/方法通过实验收集数据和偏最小二乘法结构方程（PLS-SEM）来分析数据并验证假设。结论/发现有用度投票对在线产品评论诊断性有正向影响，结构化格式对易用性有正向影响，易用性对在线产品评论诊断性有正向影响，易用性和诊断性对在线产品评论采纳决策存在着正向影响，但认知需求作为调节变量对有用度投票和诊断性的关系及易用性和诊断性的关系影响不显著。Abstract: [Purpose/Significance] Based on the information adoption model and information systems success model, this paper examines how online product review (OPR) characteristics impact online consumers’ information adoption decisions. [Design/Methodology] Experiments are conducted to collect data. PLS-SEM are used to analyze the data and verify the proposed research model. [Conclusions/Findings] The results indicate that helpfulness indicator has positive impacts on OPR diagnosticity, structured format has positive effects on ease of use, ease of use impacts OPR diagnosticity positively, and both ease of use and the diagnosticity have positive impacts on OPR adoption decisions. However, the moderating effect of cognitive need is insignificant on the relationship between helpfulness indicator and diagnosticity, and the relationship between ease of use and diagnosticity.
-
Keywords:
- OPR features /
- information adoption /
- OPR diagnosticity /
- ease of use
-
引言
随着信息技术的发展和互联网的普及，电子商务对消费者的影响无处不在。根据CNNI的报告显示[1]，截至2020年底，我国网购用户数达到了7.82亿，而电子商务交易额已经攀升到34.81万亿元[2]。近几年，在线产品评论成为电子商务中一股蓬勃发展的力量。越来越多的在线消费者通过在线产品评论来相互交流、分享和传播他们对产品和服务的体验和意见[3]。更重要的是，消费者在做购买决策时，会通过在线产品评论来获取信息、建议或专家用户的意见[4]。研究表明，60%的消费者每周至少看一次在线评论[5]。
考虑到在线产品评论日益重要的地位，研究其对在线消费者购买决策的影响具有极其重要的意义[6]。在业界，京东等众多电商利用在线产品评论来帮助消除线上环境带来的不确定性或风险，从而提高销售额。然而，只有当在线消费者理解了在线产品评论的内容，辨别其复杂性和微妙性，并将其融入他们心理模型中时，信息才能产生相应的作用[7]。认同信息的真实性，并将该信息应用到决策中，就是信息采纳[8]。换句话说，只有被采纳的信息才会对消费者的决策产生影响。因此，研究在线产品评论是如何影响线上消费者采纳信息的决策是非常重要的。
迄今为止，对在线产品评论采纳的研究多数只是从消费者作为信息使用者这一个维度出发来展开的[9~10]。其实，线上消费者在阅读评论进行决策时不仅是信息使用者，还是系统使用者。而同时考虑这两个维度对消费者信息采纳行为进行研究的文章非常少。本研究就同时从这两个维度出发来建立一个在线消费者信息采纳的模型。此外，本文还检验了个人认知需求对相关假设的影响。
一、 文献回顾及研究假设
与传统的口碑相比，在线产品评论有两个明显的特点。首先，在线产品评论的显示方式可以是结构化或非结构化的。最常见的结构化格式之一就是表格，它将评论的不同部分放在不同的栏目中。这样的格式可以帮助消费者快速找到感兴趣的部分。而非结构化的格式则是将单个评论的所有部分混杂在一起，没有任何的分隔符。另一个特征就是有用度投票。每一条在线产品评论的投票反映了其他消费者对该口碑内容有用程度的评价。本文结合了信息采纳模型[7]和信息系统成功模型[11]来研究这两个特征对在线消费者评论采纳决策的影响。图1是本文的研究假设理论框架。
信息采纳模型主要目的是研究个体在解决问题时对信息采纳的决策过程[7]。该模型认为信息采纳决策受信息有用性的影响，这与管理信息系统领域的系统采纳行为类似。在研究在线产品评论的文献中，信息诊断性是一个广受关注的变量，它衡量了信息帮助消费者对产品实际性能做出准确判断的能力。因此，本研究聚焦在线产品评论特征对信息诊断性的影响以及其对信息采纳的影响。
消费者在网购时愿意阅读在线产品评论来寻求相关知识并解决问题，做出更好的购买决策[12]。如果在线产品评论的内容具有较高的诊断性，消费者会相信评论可以帮助他们准确的评价相关产品并做出正确的决策。因此，线上消费者倾向于采纳该在线产品评论对产品进行评价。基于此，提出研究假设：
H1. 在线产品评论诊断性对在线产品评论采纳有正向影响。
当阅读产品评论以做出购买决策时，在线消费者同时也是信息系统用户。根据信息系统成功模型[11]，信息系统用户在与信息系统交互时，会产生两种不同的感知：信息质量和系统质量。信息质量即信息系统输出的质量。研究表明信息质量可以从信息对辅助决策的有用性方面进行评估[13]。在我们的研究模型中，信息系统输出的质量可以通过在线产品评论诊断性来衡量。系统质量是衡量信息处理系统本身的质量。实证研究中很多文章使用易用性，即系统“用户友好”的程度[14]，来测量系统质量[15]。所以，本文的研究模型使用易用性来衡量系统质量。研究表明，易用性会增加用户使用特定信息系统来实现其目标的意图[16]。在线产品评论的环境中，易用性会导致消费者依赖产品评论的信息系统进行决策。基于此，提出研究假设：
H2. 易用性对在线产品评论采纳有正向影响。
学者在研究光晕效应时指出人们对一个主体某个属性的评价会影响对该主体其他属性的评价[17]。例如，消费者对产品或一个人的第一印象会影响对该产品或人其他属性的评价[18]。这种效应在管理信息系统领域也普遍存在。有研究表明系统的易用性会提高系统使用者对其有用性的感知[16, 19]。在电商环境中，在线产品评论网站的用户友好性会让消费者对该网站上的评论的价值（即诊断性）产生积极的评论。基于此，提出研究假设：
H3. 易用性对在线产品评论诊断性有正向影响。
基于详尽可能性模型的研究表明，观众反应代表着相关信息被他人认同，是通过外围路径来影响人们的重要线索，并且具有很强的说服力[20]。观众的反应会激活人们使用简单的共识启发式来对相关信息进行评价，例如，“如果其他人认为该信息是正确的（不正确），那么它可能是有效的（无效的）”。换而言之，听众反应作为一种线索可能直接影响人们对信息的认同，因为它给信息的有效性提供了初步证据[21]。跟在线产品评论一起呈现的有用度投票代表了其他消费者对该在线产品评论的反应。所以它可以作为一种线索，通过外围路径让消费者对在线产品评论产生认同，让他们认为“既然产品评论对其他消费者有用，那么它一定对我有用”。也就是说，消费者会将其他人对在线产品评论的评价运用到自己对在线产品评论的评价中。因此，被其他消费者评价为有用的在线产品评论，很可能会被消费者认为诊断性高。基于此，提出研究假设：
H4.有用度投票对在线产品评论诊断性有正向影响。
很多大型电商网站，如华为商城（vmall.com）和苏宁易购（suning.com），使用结构化格式来显示在线产品评论，而使用最广泛的结构化格式之一是表格。这种格式通常会把在线产品评论的各个部分内容放在不同的栏目中，如把评论内容单独放到一栏，作者信息放到另一栏，而其他信息放到第三栏。消费者在阅读这种结构化的在线产品评论时，很容易找到自己感兴趣的部分，提高阅读效率。基于此，提出研究假设：
H5. 结构化格式对易用性有正向影响。
以前的研究提出，为了提高决策质量，消费者会使用大量的认知资源来处理在线产品评论中相关的信息[22]。然而，如果认知资源有限，消费者则倾向依赖于在线产品评论相关的线索来做出决策。这种现象可以由详尽可能性模型来解释[23]。详尽可能性模型认为信息可以通过两种途径影响人们的态度和行为：中心路径和外围路径。当消费者的动机很强时，他们往往会采取中心路径并根据在线产品评论中论点的品质来进行决策。否则，他们就会采用外围路径，依靠相关的线索进行决策。有学者指出认知需求（NFC），即个体享受努力思考的倾向或求知欲，是一个重要的动机因素[24]。在线上环境中，有用度投票和易用性是跟在线产品评论相关的外围线索。所以，当认知需求较低时，消费者会更加依赖有用度投票和易用性等相关线索并通过外围路径来形成对信息的评价。基于此，提出研究假设：
H6.认知需求调节有用度投票对在线产品评论诊断性的影响：认知需求较低时，有用度投票对在线产品评论诊断性的影响较大。
H7.认知需求调节易用性对在线产品评论诊断性的影响：认知需求较低时，易用性对在线产品评论诊断性的影响较大。
二、 实验研究
（一） 刺激物设计
本文设计了2（有用度投票：有与无）×2（结构化格式：结构化与非结构化）的全因子实验来收集数据。一共建立了4个网站，每个网站除了在书评页面的有用度投票和结构化格式有区别外，其余的所有要素，例如书评内容、顺序、个数、字体、背景颜色都是一致的，目的是排除网站内容及设计上可能的干扰。实验所使用的产品是一本时间管理方面的书籍，这是因为时间管理与我们的被试大学生相关性很高。此外，因为消费者经常参考在线书评来购买书籍，所以用书来做实验的产品确保了真实性。
（二） 实验流程
我们采用了独立组的设计并且把被试随机分配到四个实验组中的一个。首先请被试阅读一个场景。这个场景描述了一个面临着时间管理问题的大学生，该学生想管理好时间并改善自己的大学生活质量，所以决定购买关于时间管理的书籍来帮助自己解决这些问题。实验要求被试以该学生朋友的身份，通过阅读网站上的书评来帮助学生评价其中的一本书①。接着实验要求被试打开网上书店并搜索相关图书。在打开图书详细信息页面后，他们继续阅读该书的评论。完成阅读后，被试会填写问卷，内容包括被试基本信息、控制变量信息、因变量信息和操纵检查信息。其中，在线产品评论诊断性[25]，易用性[26]，认知需求[27]和在线产品评论采纳[28]的量表是基于以前研究中有效和可靠的量表进行改编的（请见附录）。控制变量包括性别、年龄、阅读在线产品评论的年限和过去30天内阅读评论的时间。在实验中，我们告知被试该实验的目的是了解在线消费者的搜索和浏览习惯，而并没有提及本研究实际的调查重点。之所以这样做，是为了尽量减少需求效应，增加研究的有效性。
（三） 前测
按照上述的流程我们进行了一次前测来检测操纵的有效性，进一步完善实验的程序，并对本文研究模型进行了初步检验。
（四） 正式实验
1 被试选择
正式实验有203名大学生参与，剔除4名没有按照要求完成任务的学生，共199名学生有效地完成任务。其中男生91人，女生108人，平均年龄为20.4岁。
2 数据分析
（1）随机性检验
为了确保对被试的分配是随机的，我们对性别、年龄、阅读线上评论的年限以及过去30天内阅读线上评论的时间进行了检验。卡方分析和方差分析的结果显示不同小组间的性别（
$ {\chi }^{2} $ =4.075，df=7，p=.771），年龄（F=0.376，df=7，p=0.916），评论阅读年限（F=0.557，df=7，p=0.790），和过去30天的评论阅读时间（F=0.520, df=7, p=0.819）没有明显差异。所以，被试分配是随机分配到各个实验小组的。（2）操纵检验
为了检验对有用度投票的操纵是否有效，要求被试回答以下问题：“你是否看到了有用度投票（X人中的X人认为以下评论有用）？”结果显示，有7名被试（不显示有用度投票组4个，显示有用度投票组3个）选择了错误的答案。其余192名被试，即96%的人选择了正确的答案。卡方检验表明组间的差异是显著的（
$ {\chi }^{2} $ =172.003, df=1, p<.001）。因此，有用度投票的操纵是成功的。对于结构化格式的操纵，本研究要求被试回答三个问题：当阅读本网站上的书评时，找到我想要阅读的部分（如标题、作者、评论内容等）：非常困难/根本不困难；很费力/几乎不费力；花费了很多时间/几乎不费时间。方差分析结果显示，非结构化格式实验组与结构化格式实验组被试的任务感知难度差异显著（F=424.279，df=1，p<0.001）。因此，结构化格式的操纵是成功的。（3）假设检验
本文使用偏最小二乘法–结构方程模型（PLS-SEM）工具SmartPLS（version3.3.2）来对数据进行分析。单个指标的信度是通过检查题项对构念的因子载荷来测试的。结果显示，所有题项在对应的构念上的载荷都满足要求（>0.70）。Cronbach和CR见表1。所有构念的得分均高于0.70，AVE高于0.50，说明内部一致性较高[29]。
表 1 因子载荷构念 题项 因子载荷 1. 在线产品评论诊断性 题项1 .847 Cronbach=.858 题项2 .850 CR=.904 题项3 .828 AVE=.702 题项4 .826 2. 在线产品评论采纳 题项1 .893 Cronbach=.901 题项2 .886 CR=.931 题项3 .869 AVE=.771 题项4 .862 3. 易用性 题项1 .920 Cronbach=.920 题项2 .900 CR=.943 题项3 .853 AVE=.807 题项4 .919 4. 认知需求 题项1 .886 Cronbach=.822 CR=.894 题项2 .825 AVE=.737 题项3 .863 5. 认知需求×有用度投票 题项1 .925 Cronbach=.824 CR=.873 题项2 .832 AVE=.697 题项3 .732 6. 认知需求×易用性 题项1 .806 Cronbach=.948 题项2 .799 CR=.947 题项3 .838 AVE=.599 题项4 .803 题项5 .787 题项6 .774 题项7 .810 题项8 .793 题项9 .741 题项10 .741 题项11 .791 题项12 .761 我们用指标的交叉载荷来检验区别效度。如果交叉载荷高于指标的外载荷，则区别效度不合格，否则，区别效度达标。如表2所示，所有的指标均满足要求。区别效度的第二个检测方法是比较潜变量间相关系数与AVE平方根的大小。如表3所示，每个潜变量与其他潜变量的相关性都小于该变量AVE的平方根，因此再次确定了区别效度是合格的。
表 2 交叉载荷易用 诊断 采纳 认知 认知×投票 认知×易用 格式 投票 年龄 时间 性别 年限 易用1 .920 .154 .326 .022 .045 .041 .379 .040 .132 .130 .105 –.132 易用2 .900 .134 .323 –.012 .014 .028 .352 –.011 –.003 .109 .118 –.131 易用3 .853 .076 .302 –.047 –.031 .052 .290 .053 .074 .062 .209 –.100 易用4 .919 .160 .267 –.029 –.035 .083 .315 .076 .069 .127 .060 –.079 诊断1 .165 .847 .374 .189 .035 .085 .063 .213 .003 .322 –.014 –.108 诊断2 .149 .850 .359 .086 .087 .064 –.004 .189 .048 .390 .048 –.095 诊断3 .095 .828 .337 .176 .048 .141 –.031 .184 .006 .336 –.119 –.117 诊断4 .082 .826 .357 .168 .073 .032 .043 .220 .050 .335 –.012 –.118 采纳1 .327 .371 .893 .053 .039 .024 .149 .169 .089 .129 .058 –.084 采纳2 .322 .386 .886 .037 .007 .032 .169 .154 .033 .158 .023 –.120 采纳3 .274 .380 .869 .026 –.072 –.024 .135 .122 .084 .217 .030 –.150 采纳4 .270 .358 .862 .074 –.028 .090 .152 .150 .085 .143 .079 –.150 认知1 –.043 .182 –.001 .886 .054 .015 .019 .030 –.020 –.056 .078 .003 认知2 .031 .148 .128 .825 .009 –.053 .144 .078 .023 –.033 .123 .005 认知3 –.021 .144 .021 .863 .026 .005 .060 –.050 –.016 –.011 .049 –.027 认知1×投票 .020 .075 .016 .060 .927 –.132 .046 .000 .099 –.098 –.047 .020 认知2×投票 –.030 .051 –.058 –.006 .834 –.074 .031 –.001 .110 –.077 –.001 .116 认知3×投票 .036 .004 .034 .005 .733 –.127 .042 .001 .125 –.067 .009 .058 认知1×易用1 .085 .038 –.056 –.051 –.082 .793 .033 .055 .098 .048 –.039 .047 认知1×易用2 .079 .049 .014 .026 –.152 .786 .102 .024 .082 .055 .061 –.018 认知1×易用3 .068 .080 .014 .043 –.086 .824 .078 –.009 .013 .093 –.109 .091 认知1×易用4 .087 –.006 –.002 –.016 –.077 .790 .057 –.012 .137 .024 –.029 .033 认知2×易用1 –.012 .050 .017 –.097 –.062 .773 –.019 .008 .103 .031 –.049 .057 认知2×易用2 –.069 .058 .030 –.044 –.106 .761 .007 –.009 .016 .015 –.010 –.086 认知2×易用3 .011 .077 –.005 –.042 –.028 .796 .000 –.060 –.049 .014 –.098 .105 认知2×易用4 .032 .000 .034 –.087 –.009 .779 .015 –.050 .121 .031 –.059 .057 认知3×易用1 .097 .001 .034 –.061 –.115 .728 .064 .050 .086 .062 .013 .100 认知3×易用2 .091 .064 .116 –.045 –.130 .729 .097 .048 .103 .115 .062 .006 认知3×易用3 .133 .072 .103 .057 –.088 .778 .119 .035 .016 .015 –.066 .141 认知3×易用4 .109 –.040 .105 –.065 –.027 .748 .087 –.016 .159 .039 .022 .097 格式 .375 .023 .172 .082 .045 .066 1.000 .035 –.011 .008 .004 .026 投票 .042 .241 .170 .024 –.001 .013 .035 1.000 –.010 .081 –.015 –.096 年龄 .076 .031 .083 –.006 .117 .033 –.011 –.010 1.000 .031 .023 .179 时间 .121 .412 .184 –.041 –.100 .065 .008 .081 .031 1.000 –.004 .011 性别 .135 –.029 .054 .097 –.031 –.055 .004 –.015 .023 –.004 1.000 .021 年限 –.125 –.131 –.143 –.006 .066 .057 .026 –.096 .179 .011 .021 1.000 注：易用=易用性，诊断=诊断性，认知=认知需求，格式=结构化格式，投票=有用度投票，时间=过去30填阅读在线产品平路时间；年限=阅读在线产品评论年限。 表 3 AVE平方根与潜变量间相关系数易用 采纳 格式 认知×易用 认知×投票 投票 认知 诊断 年龄 时间 性别 年限 易用 .898 采纳 .340 .878 格式 .375 .172 F 认知×易用 .055 .034 .066 .774 认知×投票 .001 –.014 .045 –.123 .835 投票 .042 .170 .035 .013 –.001 F 认知 –.016 .054 .082 –.011 .036 .024 .858 诊断 .147 .426 .023 .096 .072 .241 .186 .838 年龄 .076 .083 –.011 .033 .117 –.010 –.006 .031 S 时间 .121 .184 .008 .065 –.100 .081 –.041 .412 .031 S 性别 .135 .054 .004 –.055 –.031 –.015 .097 –.029 .023 –.004 S 年限 –.125 –.143 .026 .057 .066 –.096 –.006 –.131 .179 .011 .021 S 注：F=形成性指标，S=单因子指标 （4）假设检验
研究假设检验的结果如图2所示。我们的研究显示在线产品评论诊断性对在线产品评论采纳有显著影响（β=0.38，p<0.001），效果f2为0.16，属于中等大小②。因此，研究假设H1成立。本文的数据表明易用性对在线产品评论采纳有显著的正向影响（β=0.27，p<0.001），效果f2为0.09，非常接近中等大小。因此，数据支持研究假设H2。数据显示易用性对诊断性有显著影响（β=0.14，p<0.05），效果f2为0.02，大小较小。因此，本研究支持研究假设H3。我们的研究表明有用度投票对在线产品评论诊断性有显著影响（β=0.23，p<0.001），效果f2为0.06，接近于中等大小。所以，本文数据支持研究假设H4。我们的结果还显示结构化格式对易用性有显著影响（β=0.38，p<0.001），效果f2为0.16，为中等大小。因此，研究假设H5成立。本文数据表明认知需求对有用度投票和诊断性两个关系的调节作用不显著（β=0.08，p>0.05）。所以，研究假设H6不成立。最后，本研究结果显示认知需求对易用性和诊断性两者关系的调节作用不显著影（β=0.10，p>0.05）。因此，研究假设H7不成立。
三、 结论及讨论
（一） 结论
本研究结果表明在线产品评论的特征会影响消费者的采纳决策。具体而言，有用度投票对在线产品评论诊断性有显著影响，带有有用度投票的在线产品评论可以提高消费者对诊断性的感知。研究结果显示，结构化格式对易用性有显著影响。使用结构化格式的在线产品评论能增强消费者对易用性的感知。此外，结果还显示，易用性对诊断性有显著影响。因此，较高的易用性水平会提高消费者对诊断性的感知。研究表明认知需求对有用度投票或易用性和诊断性关系的调节作用不显著。本文的另一个发现是在线产品评论诊断性对采纳决策有显著影响。消费者倾向于采纳诊断高的在线产品评论。最后，本研究表明易用性对采纳有显著的正向影响。因此，易用性越高，采纳率越高。
（二） 理论贡献
本研究对在线产品评论研究领域贡献有三。第一，从消费者既是信息使用者又是系统使用者的视角出发，本文建立了一个在线产品评论特征对消费者采纳决策影响的理论模型。结果表明信息使用者视角下采纳决策的重要影响因子和系统使用者视角下的重要因子间有交互作用。第二，我们将信息采用模型应用到在线产品评论研究领域中，用诊断性而不是有用性作为采纳决策的预测因素。第三，本研究将信息系统成功模型应用到在线产品评论研究领域中，发现易用性作为系统质量的一个重要方面，对采纳决策和诊断性都有显著影响。
（三） 实践意义
电商企业可以学习如何改进在线产品评论的特征来影响消费者的决策。对于消费者而言，通过本文他们也可以了解到自己的决策是如何被在线产品评论相关特征影响的，从而制定适合自己的策略做出更好的购买决策。
（四） 研究局限性及展望
本研究的局限性有：首先，以大学生为研究对象，可能限制了研究结果应用的广泛性，将来的研究可以调查在线产品评论特征对不同背景的消费者的影响；其次，本研究考察的是在线产品评论特征对B2C网站消费者的影响，将来的研究可以检验本研究的结果在其他类型网站上（比如C2C和B2B）的适用性。
附录
在线产品评论诊断性，改编自[25]：
1. 网站上的书评对我评估这本书有帮助。
2. 网站上的书评有助于我熟悉这本书。
3. 网站上的书评对我了解这本书内容的有用性有帮助。
4. 网站上的书评让我能够直接评估这本书是否能够满足小马的需要。
易用性，改编自[26]：
1. 在这个网站上阅读书评对我来说很容易。
2. 在这个网站上阅读书评并不需要太费力。
3. 在这个网站上看书评对我来说并不困难。
4. 我觉得这个网站很容易使用
在线产品评论采纳，改编自[28]：
1. 我非常同意这些书评的观点。
2. 书评让我更容易做出购买决定（例如，购买或不购买）。
3. 书评促使我采取购买行动。
4. 书评提高了我做购买决定的效率。
认知需求，改编自[27]：
1. 思考是我的乐趣所在。
2. 我真的很喜欢需要新点子的任务。
3. 抽象思考对我很有吸引力。
注释
① 做此要求的目的是避免被试了解实验真正目的而产生“demanding effects”。
② 判断效果f2大小的标准：0.02（小），0.15（中），和0.35（大）[30]。
-
表 1 因子载荷
构念 题项 因子载荷 1. 在线产品评论诊断性 题项1 .847 Cronbach=.858 题项2 .850 CR=.904 题项3 .828 AVE=.702 题项4 .826 2. 在线产品评论采纳 题项1 .893 Cronbach=.901 题项2 .886 CR=.931 题项3 .869 AVE=.771 题项4 .862 3. 易用性 题项1 .920 Cronbach=.920 题项2 .900 CR=.943 题项3 .853 AVE=.807 题项4 .919 4. 认知需求 题项1 .886 Cronbach=.822 CR=.894 题项2 .825 AVE=.737 题项3 .863 5. 认知需求×有用度投票 题项1 .925 Cronbach=.824 CR=.873 题项2 .832 AVE=.697 题项3 .732 6. 认知需求×易用性 题项1 .806 Cronbach=.948 题项2 .799 CR=.947 题项3 .838 AVE=.599 题项4 .803 题项5 .787 题项6 .774 题项7 .810 题项8 .793 题项9 .741 题项10 .741 题项11 .791 题项12 .761 
下载: 导出CSV
表 2 交叉载荷
易用 诊断 采纳 认知 认知×投票 认知×易用 格式 投票 年龄 时间 性别 年限 易用1 .920 .154 .326 .022 .045 .041 .379 .040 .132 .130 .105 –.132 易用2 .900 .134 .323 –.012 .014 .028 .352 –.011 –.003 .109 .118 –.131 易用3 .853 .076 .302 –.047 –.031 .052 .290 .053 .074 .062 .209 –.100 易用4 .919 .160 .267 –.029 –.035 .083 .315 .076 .069 .127 .060 –.079 诊断1 .165 .847 .374 .189 .035 .085 .063 .213 .003 .322 –.014 –.108 诊断2 .149 .850 .359 .086 .087 .064 –.004 .189 .048 .390 .048 –.095 诊断3 .095 .828 .337 .176 .048 .141 –.031 .184 .006 .336 –.119 –.117 诊断4 .082 .826 .357 .168 .073 .032 .043 .220 .050 .335 –.012 –.118 采纳1 .327 .371 .893 .053 .039 .024 .149 .169 .089 .129 .058 –.084 采纳2 .322 .386 .886 .037 .007 .032 .169 .154 .033 .158 .023 –.120 采纳3 .274 .380 .869 .026 –.072 –.024 .135 .122 .084 .217 .030 –.150 采纳4 .270 .358 .862 .074 –.028 .090 .152 .150 .085 .143 .079 –.150 认知1 –.043 .182 –.001 .886 .054 .015 .019 .030 –.020 –.056 .078 .003 认知2 .031 .148 .128 .825 .009 –.053 .144 .078 .023 –.033 .123 .005 认知3 –.021 .144 .021 .863 .026 .005 .060 –.050 –.016 –.011 .049 –.027 认知1×投票 .020 .075 .016 .060 .927 –.132 .046 .000 .099 –.098 –.047 .020 认知2×投票 –.030 .051 –.058 –.006 .834 –.074 .031 –.001 .110 –.077 –.001 .116 认知3×投票 .036 .004 .034 .005 .733 –.127 .042 .001 .125 –.067 .009 .058 认知1×易用1 .085 .038 –.056 –.051 –.082 .793 .033 .055 .098 .048 –.039 .047 认知1×易用2 .079 .049 .014 .026 –.152 .786 .102 .024 .082 .055 .061 –.018 认知1×易用3 .068 .080 .014 .043 –.086 .824 .078 –.009 .013 .093 –.109 .091 认知1×易用4 .087 –.006 –.002 –.016 –.077 .790 .057 –.012 .137 .024 –.029 .033 认知2×易用1 –.012 .050 .017 –.097 –.062 .773 –.019 .008 .103 .031 –.049 .057 认知2×易用2 –.069 .058 .030 –.044 –.106 .761 .007 –.009 .016 .015 –.010 –.086 认知2×易用3 .011 .077 –.005 –.042 –.028 .796 .000 –.060 –.049 .014 –.098 .105 认知2×易用4 .032 .000 .034 –.087 –.009 .779 .015 –.050 .121 .031 –.059 .057 认知3×易用1 .097 .001 .034 –.061 –.115 .728 .064 .050 .086 .062 .013 .100 认知3×易用2 .091 .064 .116 –.045 –.130 .729 .097 .048 .103 .115 .062 .006 认知3×易用3 .133 .072 .103 .057 –.088 .778 .119 .035 .016 .015 –.066 .141 认知3×易用4 .109 –.040 .105 –.065 –.027 .748 .087 –.016 .159 .039 .022 .097 格式 .375 .023 .172 .082 .045 .066 1.000 .035 –.011 .008 .004 .026 投票 .042 .241 .170 .024 –.001 .013 .035 1.000 –.010 .081 –.015 –.096 年龄 .076 .031 .083 –.006 .117 .033 –.011 –.010 1.000 .031 .023 .179 时间 .121 .412 .184 –.041 –.100 .065 .008 .081 .031 1.000 –.004 .011 性别 .135 –.029 .054 .097 –.031 –.055 .004 –.015 .023 –.004 1.000 .021 年限 –.125 –.131 –.143 –.006 .066 .057 .026 –.096 .179 .011 .021 1.000 注：易用=易用性，诊断=诊断性，认知=认知需求，格式=结构化格式，投票=有用度投票，时间=过去30填阅读在线产品平路时间；年限=阅读在线产品评论年限。
下载: 导出CSV
表 3 AVE平方根与潜变量间相关系数
易用 采纳 格式 认知×易用 认知×投票 投票 认知 诊断 年龄 时间 性别 年限 易用 .898 采纳 .340 .878 格式 .375 .172 F 认知×易用 .055 .034 .066 .774 认知×投票 .001 –.014 .045 –.123 .835 投票 .042 .170 .035 .013 –.001 F 认知 –.016 .054 .082 –.011 .036 .024 .858 诊断 .147 .426 .023 .096 .072 .241 .186 .838 年龄 .076 .083 –.011 .033 .117 –.010 –.006 .031 S 时间 .121 .184 .008 .065 –.100 .081 –.041 .412 .031 S 性别 .135 .054 .004 –.055 –.031 –.015 .097 –.029 .023 –.004 S 年限 –.125 –.143 .026 .057 .066 –.096 –.006 –.131 .179 .011 .021 S 注：F=形成性指标，S=单因子指标
下载: 导出CSV
-
中国互联网络信息中心第47次中国互联网络发展状况统计报告[EB/OL]. (2021-02-03). http://www.cac.gov.cn/2021-02/03/c_1613923423079314.htm. 商务部. 中国电子商务报告[EB/OL]. (2020-07-02). http://swt.fujian.gov.cn/xxgk/swdt/swyw/gnyw/202007/t20200702_5314246.htm. XU X. How do consumers in the sharing economy value sharing? Evidence from online reviews[J]. Decision Support Systems, 2020, 128(1): 1-13.
ZHANG M, WEI X, ZENG D D. A matter of reevaluation: incentivizing users to contribute reviews in online platforms[J]. Decision Support Systems, 2020, 128(1): 51-62.
PODIUM. Podium 2017 State of online reviews[EB/OL]. [2020-11-20]. https://www.podium.com/resources/online-reviews-statistics/.
KANE G, FICHMAN R, GALLAUGHER J, et al. Community relations 2.0[J]. Harvard Business Review, 2009, 87(11): 45-50.
SUSSMAN S, SIEGAL W. Informational influence in organizations: an integrated approach to knowledge adoption[J]. Information Systems Research, 2003, 14(1): 19-26.
HUSSAIN S, AHMED W, JAFAR R, et al. Ewom source credibility, perceived risk and food product customer’s information adoption[J]. Computers in Human Behavior, 2017, 66(1): 96-102.
CHONG A, KHONG K, MA T, et al. Analyzing key influences of tourists’ acceptance of online reviews in travel decisions[J]. Internet Research, 2018, 28(3): 564-586. doi: 10.1108/IntR-05-2017-0212
ISMAGILOVA E, SLADE E, RANA N, et al. The effect of characteristics of source credibility on consumer behaviour: a meta-analysis[J]. Journal of Retailing & Consumer Services, 2020, 53(1): 1-10.
DELONE W, MCLEAN E. The delone and mclean model of information systems success: a ten-year update[J]. Journal of Management Information Systems, 2003, 19(4): 9-30. doi: 10.1080/07421222.2003.11045748
CHEUNG C, LEE M AND RABJOHN N. The impact of electronic word-of-mouth: the adoption of online opinions in online consumer communities[J]. Internet Research, 2008, 18(3): 17-27.
NELSON R, TODD P, WIXOM B. Antecedents of information and system quality: an empirical examination within the context of data warehousing[J]. Journal of Management Information Systems, 2005, 21(4): 199-235. doi: 10.1080/07421222.2005.11045823
DOLL W, TORKZADEH G. The measurement of end-user computing satisfaction[J]. MIS Quarterly, 1988, 12(2): 259-274. doi: 10.2307/248851
KULKARNI U, RAVINDRAN S, FREEZE R. A knowledge management success model: the oretical development and empirical validation[J]. Journal of Management Information Systems, 2007, 23(3): 309-347. doi: 10.2753/MIS0742-1222230311
CHEN L, AKLIKOKOU A. Determinants of e-government adoption: testing the mediating effects of perceived usefulness and perceived ease of use[J]. International Journal of Public Administration, 2020, 43(10): 850-865. doi: 10.1080/01900692.2019.1660989
THORNDIKE E. A consistent error in psychological ratings[J]. Journal of Applied Psychology, 1920, 4(1): 25-29. doi: 10.1037/h0071663
DION K, BERSCHEID E, WALSTER E. What is beautiful is good[J]. Journal of Personality and Social Psychology, 1972, 24(3): 285-290. doi: 10.1037/h0033731
TRACTINSKY N, KATZ A, IKAR D. What is beautiful is usable[J]. Interacting with Computers, 2000, 13(1): 127-145.
AXSOM D, YATES S, CHAIKEN S. Audience response as a heuristic cue in persuasion[J]. Journal of Personality and Social Psychology, 1987, 53(1): 30-40. doi: 10.1037/0022-3514.53.1.30
CHAIKEN S. The heuristic model of persuasion[M]. New Jersey: Lawrence Erlbaum, 1987.
SHER P, LEE S. Consumer skepticism and online reviews: an elaboration likelihood model perspective[J]. Social Behavior and Personality, 2009, 37(1): 137-143. doi: 10.2224/sbp.2009.37.1.137
PETTY R, CACIOPPO J. The elaboration likelihood model of persuasion[J]. Advances in Experimental Social Psychology, 1986, 19(1): 123-162.
LIN C, LEE S, HORNG D. The effects of online reviews on purchasing intention: the moderating role of need for cognition[J]. Social Behavior and Personality, 2011, 39(1): 71-82. doi: 10.2224/sbp.2011.39.1.71
HUANG, L. Exploring utilitarian and hedonic antecedents for adopting information from a recommendation agent and unplanned purchase behaviour[J]. New Review of Hypermedia and Multimedia, 2016, 22(2): 139-165.
ASHRAF, A, THONGPAPANL N, SPYROPOULOU S. The connection and disconnection between e-commerce businesses and their customers: exploring the role of engagement, perceived usefulness, and perceived ease-of-use[J]. Electronic Commerce Research and Applications, 2016, 20(1): 69-86.
CLOSE A, LACEY R, CORNWELL T. Visual processing and need for cognition can enhance event-sponsorship outcomes[J]. Journal of Advertising Research, 2015, 55(2): 206-215. doi: 10.2501/JAR-55-2-206-215
FANG Y. Beyond the credibility of electronic word of mouth: exploring ewom adoption on social networking sites from affective and curiosity perspectives[J]. International Journal of Electronic Commerce, 2014, 18(3): 67-102. doi: 10.2753/JEC1086-4415180303
NUNNALLY J, BERNSTEIN I. Psychometric theory[M]. New York: McGraw-Hill, 1994.
COHEN J. Statistical power analysis for the behavioral sciences[M]. New Jersey: Lawrence, 1988.
计量
- 文章访问数: 1235
- HTML全文浏览量: 349
- PDF下载量: 22