随着互联网的不断发展，网络成为消费者获得产品和服务的重要渠道，网络购物成为人们生活中常见的行为。电子商务也逐渐成为社会生活的方式之一。同时，传统的门店也逐渐向电子商务发展，电子商务网站己经成为用户快捷、方便购物的一个重要平台。激烈的竞争迫使电子商务网站各出奇招吸引顾客，目前顾客了解商品信息的一个重要来源是口碑相传。用户对购买到的商品发表评论信息就是一种传播口碑的方式。
在大数据时代的背景下，许多电子商务网站都提供可见的在线评论信息，为顾客购物提供信息参考，在线评论也成为消费者交流购买商品的重要方式。消费者在网络购买商品后，越来越习惯在网上发布评论，来表达自己关于产品质量和卖家口碑的观点。这种消费者生成的购物体验观点，与卖家精屯、设计的产品营销信息相比，更能体现出商品真实的一面，更为直观可靠地表现了消费者的使用感受。正因为在线评论包含了消费者对商品及服务的评价信息，卖家希望能从中获取影响消费者满意度的因素，以此来制定企业营销策略。因此，越来越多经营电商的卖家开始重视对在线评论的管理。
大部分消费者在网上捜索商品时，除了关注商品本身的信息外，还会关注商品在线评论信息，有不少消费者表示，在购买商品前都会留意商品的在线评论或曾经在购买前看过商品的在线评论。但网络评论信息繁多，消费者消费者会受到多种评论的影响，消费者购买也会由多种因素决定，评论中的各种因素也会造成不同的影响。此外，在购买的过程中消费者购买也会受到商品类型的影响，因此引入商品类型作为探讨因素之一，显得很有必要。
本研究以淘宝网作为研究平台，探讨在线商品评论对商品销量及消费者满意度的影响。
本研究收集的数据最终采用了11个字段，分别是：店名、收藏量、图片评论数、追评数、好评数、中评数、差评数、描述评分、服务评分、物流评分、月成交记录。以上所有的数据在淘宝网上都能直接获取，从淘宝网的商品页面共捜集了1000多家淘宝店的商品销量相关数据，根据研究的需要将数据收集整理在一起。由于一些排名靠后的店铺商品销量和评论数量过少，这样的数据容易对研究结果造成影响，因此在研究中需要剔除这部分数据。删除了信息不完整的数据和离群值数据后，剩余1048家店铺的商品销量数据，其中体验型商品店铺有452家，搜索型商品店铺有586家，这些数据成为最终的研究对象。
本研究共获得1048家店铺的数据，数据包括好评数、中评数、差评数、店铺信誉、收藏量、图片评论数、追评数和月成交量，各变量的描述性统计分析如下表所示。
各研究变量的描述性统计分析
从上表中可看出，好评数、中评数、差评数、图片评论数、追评数和收藏量的最小值均为０，各个变量的均值符合人们日常消费的习惯。消费者给出好评的次数要比中评和差评的次数多，中评无论在最大值还是均值上，都比差评高，这也符合消费者的行为，在购买商品的过程中，若不存在问题，消费者是极少给出差评的，且卖家会对给差评的买家进行沟通，提高自家店铺的好评率。在店铺信誉上，由于描述、服务、物流三者的评分相差不大，且消费者对三者的评分偏向于给予满分５星，因此店铺信誉的均值为4.819，接近５星。由图片评论数和追评数看出，消费者给这两种评价的次数偏少，而进行收藏行为的人较多。
由于本节中，自变量的量钢不同，数量级差别大，因此在对数据进行下一步分析前先对数据进行了归一化处理，再进行相关分析和回归分析。
相关分析是研究变量之间不确定性关系的统计方法，一般用来研究两个或多个随机变量之间的线性相关关系和程度。相对于回归分析，相关关系是一种不确定性的关系， 通过相关分析我们可以判断出两个或多个随机变量间存在的相关关系，但不能推断出其中两个或多个变量是否存在因果关系。在进行回归分析之前，通常先考虑变量的相关关系，以揭示变量间统计关系的强弱程度，为接下来的变量间数量变化关系提供直观的依据。本节选用皮尔逊相关系数来分析各变量之间的相关关系，结果如下表所示。
各变量相关性统计分析
注：**表示在0.01的水平上显著，*表示在0.05的水平上显著。
相关分析己经说明了各个变量之间是否存在相关关系以及关系间的相关方向和相程度。但是，相关分析并不能完全确定各个变量间的因果关系。因此，本节将采用多元回归分析方法，进一步探讨各个变量之问的因果关系。
为了消除异方差的影响，本节对所有变量去对数后进行回归。本节首先拟合模型1、模型2和模型3，三个模型的表述如下：
模型1：月成交量 = 好评数 + 中评数 + 差评数 + 店铺信誉
模型2：月成交量 = 收藏量 + 图片评论数 + 追评数
在模型1中，好评数、中评数、差评数和店铺信誉称为主要变量。在模型2中，收藏量、图片评论数和追评数称为附加变量。我们将评价情感倾向（好评数、中评数、差评数）和店铺信誉作为主要变量，评价情感倾向和店铺信誉是消费者在评价过程中必须做出的对商品和服务的评价，同时消费者对评价的正负偏向和信誉评分十分关注，所引起的态度变化比在线评论的其他因素更为持久。此外，我们将热门程度和评论附加特征作为附加变量，热门程度和评论附加特征在消费者的评价过程中，不是一定会出现的评价，但不少消费者对热门程度和评论附加特征也给予很大的关注，这些信息对消费者决策造成一定的影响。
模型3：月成交量 = 好评数 + 中评数 + 差评数 + 店铺信誉 +收藏量 + 图片评论数 + 追评数
模型3在模型1的基础上增加了附加变量，包括收藏量、图片评论数和追评数三个变量，观察三个模型中拟合优度的变化情况。
三个模型的拟合结果如下表所示。从模型1、模型2和模型3中，F统计值均显著不等于0，达到了显著性水平，因此各回归模型的构造是合理的，线性回归关系成立。通过比较模型1、模型2和模型3的拟合优度指标可以发现，模型1的基础上加入附加变量后，拟合优度值有6.3%的提升，整体的解释力增强，说明主要变量和附加变量共同存在是有实际意义的。模型3中因变量与各自变量的多元回归方程所解释的比例为64.4%，解释能力良好。各个模型的DW值分别为1.8,1.854,1.876,均接近2，所有可以认为样本之间不存在序列相关性。
主要变量和附加变量对销售量的回归分析结果
注：表中所列为标准化后的回归系数，***,**,*,+分别表示显著性水平为0.1%，1%，5%和10%。
在模型1中，主要变量对月销量的回归系数均在10%统计水平下显著。在模型2，附加变量对月销量的回归系数均在0.1%统计水平下显著。在模型3中，所有变量对月销量的回归系数均显著。回归结果显示，好评数、中评数和店铺信誉均对商品销量有显著的正向影响，差评数对商品销量有显著的负向影响。收藏量、图片评论数和追评数均对商品销量有显著的正向影响。
从消费者接触商品评论到接触商品，再到完成商品评论的过程中，我们认为消费者的购买决策主要受到了已产生购物行为的消费者所提供的评论影响。此外， 商品类型作为调节变量，对商品销量产生调节作用。本研究将建立这些变量之间的相互关系，研究在商品类型的调节作用下，在线评论对商品销量的影响。
首先通过引入调节变量“商品类型”，交互项“好评数×商品类型”、“中评数×商品类型”、“差评数×商品类型”和“店铺信誉×商品类型”，研究商品类型对主要变量与商品销量关系的调节作用。模型拟合结果如下：
商品类型对好评数、中评数与商品销量关系的调节作用
商品类型对差评数、店铺信誉与商品销量关系的调节作用
注：表中所列为标准化后的回归系数，***,**,*,+分别表示显著性水平为0.1%，1%，5%和10%。
模型4、模型5、模型8和模型9是主要变量的基本模型，模型6、模型7、模型10和模型11分别加入调节变量“商品类型”，交互项“好评数×商品类型”、“中评数×商品类型”、“差评数×商品类型”和“店铺信誉×商品类型”。从结果可以看出，除模型11中的交互项未通过显著性检验外，其他交互项均通过了显著性检验，模型6显示商品类型对好评数和商品销量关系存在显著的调节作用，模型7显示商品类型对中评数和商品销量关系存在显著的调节作用，模型10显示商品类型对差评数和商品销量关系存在显著的调节作用。综上，主要变量和商品销量存在显著的相关关系，商品类型对好评数、中评数、差评数和商品销量间存在显著的调节作用，商品类型对店铺信誉和商品销量不存在显著的调节作用。
从研究的分析结果不难看出，顾客利用在线评论的相关信息能更好地作出决策，商家利用好在线评论能获取更多的销售业绩，对商家实施销售策略具有积极的影响。根据回归方程的系数可知，好评数和图片评论数对销量的影响作用是最大的。好评数、中评数、店铺信誉与消费者决策呈现正相关关系，差评数与消费者决策呈负相关关系。当好评数、中评数越多，店铺信誉评分越大时，商品销量增长将更加明显；反之，当差评数越多时，商品销量下降也越显著。
极性情感倾向对商品销量的影响效果是显著的，说明消费者对淘宝上第三方评价的评价内容和数量是有一定的认可，并且认为在线评论是可作为购买决策参考的。消费者会去仔细阅读商品评价，对好评数、中评数、差评数、店铺信誉都会产生不同的信任。商品的好评程度与消费者购买之间存在密切关系，好评数能够直接对消费者购买决策产生影响，因此不少卖家都在追求高的好评率和高的信誉评分，来吸引消费者，却忽略了中评数的影响，中性评论对消费者决策也是有着积极的作用，卖家不应该忽略中性评论内容。
商品的收藏量与销售量之间存在显著的正向关系，即消费者的收藏行为能够显著引发购买行为，说明消费者很大程度上是为了购买商品而对其进行收藏。当商品的收藏数越多时，商品的热门程度越大时，就会吸引了更多的消费者购买该商品。同时，我们注意到图片评论数与商品销量呈正向关系。图片评论作为一种追加的在线评论形式，使得消费者能够用商品照片来更加直观地展示商品和服务，以供网络购物的各方参考，相对于文字评论来说，图片评论更具参考性和影响作用。图片评论是消费者购买商品后，上传到淘宝来发表评论的信息，所以图片评论的发布者一定有真实的购买行为，因此图片评论更具有说服力，使得图片评论容易影响消费者的购买决策行为。
此外，我们观察到追加评论对消费者的购买决策存在显著的正向影响，追加评论能够帮助消费者快速并且明智地做出购买决策。因为和原始评论相比，追加评论具有较高的可靠度和真实度，可以显著减少消费者在决策过程中的风险。在实际网购过程中，消费者在选择目标产品时，也会更加注重追加评论的内容。