郭莉, 李杰
东北大学 工商管理学院，辽宁 沈阳 110169
收稿日期：2021-10-19
基金项目：国家自然科学基金资助项目(71872035)；辽宁省社科规划项目(L10BJY018)。
作者简介：郭莉(1977-), 女, 辽宁铁岭人, 东北大学副教授。

摘要：突发公共事件中在线评论的效果受到消费者对危机风险的感知程度的影响突显.构建消费者危机感知风险情景下的在线评论内容对消费者购买决策的影响模型，运用多元回归分析模型和Bootstrap分析进行验证，探讨评论长度、评论丰富度、评论回复等在线评论内容对消费者购买的影响，同时考虑评论有用性的中介作用以及外在感知风险和内在感知风险的调节作用.结果表明：评论有用性有中介作用，外在感知风险起正向调节作用，内在感知风险起负向调节作用，且外在感知风险对消费者购买的影响更大.突发公共事件会放大在线评论对消费者在线购买的影响，电商应加强在线交易服务和对在线评论的监管，降低消费者在线购物感知风险，促进电子商务稳定有序持续发展.
关键词：外在感知风险内在感知风险在线评论评论有用性消费者购买
Impact of Consumers' Perception of Crisis Risks on the Effect of Online Reviews
GUO Li, LI Jie
School of Business Administration, Northeastern University, Shenyang 110169, China
Corresponding author: GUO Li, E-mail: lguo@mail.neu.edu.cn.

Abstract: Consumer's perception of crisis risks (PCR) affects online reviews outcome particularly in the public emergency. The model of online reviews affecting consumer purchasing decision was constructed in consumer's PCR scenarios, and the multiple regression and Bootstrap analysis were used to verify the model. The impact of online reviews including review length, review richness, and review responses on consumer purchasing behavior was discussed. Meanwhile the mediating effect of review helpfulness and the moderating effects of external perceived risks (EPR) and internal perceived risks (IPR) were considered. The results show that review helpfulness has the mediating effect; EPR has positive moderating effect while IPR has negative moderating effect. What's more, EPR has greater effect on consumer purchasing behavior. Online reviews exert the effect on consumers' online shopping, which is amplified by the public emergency. Therefore, e-commerce companies should improve online transaction service and online reviews supervision to decrease the consumers' PCR of online shopping and improve the stable, orderly and sustainable development of e-commerce.
Key words: external perceived risk (EPR)internal perceived risk (IPR)online reviewsreview helpfulnessconsumer purchasing behavior
与一般的公共事件相比，突发危机公共事件的起因、波及范围和影响程度具有更大程度的不确定性、复杂性和破坏性.近期全球范围内遭遇的突发危机事件远不止是一场健康危机，它不可预测地改变了人们的工作、沟通和购物方式，不仅影响居民正常的生活，还引起人们对新环境不确定性的恐慌心理^[1].这种恐慌心理带给人们资源短缺的焦虑以及购买时间上的紧迫感，居民纷纷囤积各类物资，生活必需品销量猛增，加之特殊时期生产、物流受限，有些实体门店甚至出现面粉、生活用纸等断货的现象.线上交易模式是近期突发危机事件期间的主要交易方式，不仅部分弥补了线下门店的损失，也保障了人们生活物资的基本需求.在线评论的内容、质量和评论者的资质对网络平台潜在消费者的购买决策有重要引导作用^[2].在突发公共事件中，消费者的恐慌心理是否会引起在线评论引导作用的变化，这个问题值得关注.
对此，国内外****展开了相关研究.赵杨等分析了消费者囤积行为的原因^[3]，消费者感知到完成某项任务的时间压力，就可能导致焦虑情绪，从而产生强迫性网购行为.Liu等通过眼动实验发现在线消费的用户在时间压力下更关注品牌信息^[4].这都是从消费者内在感知压力角度出发，没有分析外在环境的变化带来的压力，也没有分析在线评论的有用性.Guthrie等指出在线评论已经成为消费者的行为规范，分析了消费者面对突发公共事件的行为演化过程，建立了应对-处理-适应的行动逻辑^[5].易牧农等对在线社区强迫性购买的原因进行了实证分析，认为群体规范所导致的消费者认同是根本原因，在一定程度上验证了在线评论可能会引起强迫性购买^[6].相反，Li等指出在突发公共危机时期，产品的稀缺性线索会导致消费者的感知风险，而在线评论等外在信息的呈现可以降低稀缺性线索的负面影响^[7].这些研究认为消费者的感知风险是被动的，是被解释变量，实际上在突发公共事件中消费者主动感知到外在环境风险.
基于此，本文将突发公共事件中消费者感知风险定义为外在和内在两种感知风险，构建了在线评论对消费者购买行为的影响模型，考虑消费者感知风险的调节作用，弥补以往突发公共危机情景下在线评论和感知风险研究的空白，对于商家识别危机事件的时间窗口、提升消费者的品牌忠诚具有理论指导意义.
1 文献综述1.1 在线评论相关研究在线评论的概念是由Chatterjee提出的，他认为消费者在网上购物时会查看已购买消费者发布的有关产品或服务的信息^[8].目前有关在线评论的研究，主要集中在两个方面：一是从评论者和评论两个维度的外在特征进行研究，评论者特征包括评论者的专业性、声誉等方面，评论特征包括评论数量、评论时效性等方面；二是从在线评论文本具体内容的内在特征出发，研究评论语句长短、评论内容的完整性和情感特征等因素.评论文本内容能够直接刺激阅读者，因此在线评论内容是消费者获取信息最直接有效的方式.
1.2 评论有用性相关研究****从不同的角度对评论有用性进行了研究.Mudambi等指出，评论有用性是消费者在阅读在线评论时，主观感知到的在线评论内容的信息价值^[9].Yue等则认为评论有用性代表了一种有用程度，具体体现在消费者网络购物时所接触到的产品的在线评论中^[10].Park等指出，当消费者感知到评论对产品信息搜索更有用时，他们就会增加搜索的频率，并更频繁地购买产品^[11].Jia等研究了评论的积极程度和评论有用性的交互作用对消费者购买决策的影响，结果发现只有当评论是积极且高度有用时，才会促进消费者购买^[12].王军等以评论有用性为中介变量，将初始评论和追加评论分为一致性评论和矛盾性评论，研究不同评论类型对消费者信息采纳的影响，发现矛盾性在线评论对消费者购买的影响更强烈^[13].
1.3 感知风险相关研究感知风险是由哈佛大学的Bauer在1960年定义的.他认为消费者感知风险是在购买时因为某些不确定性而产生无法预期的后果^[14].随后****对感知风险的定义进行了补充，Cunningham从“不确定性-后果”双因素对感知风险进行了定义，即购买产品的不确定性和某种事件发生后的不良结果^[15].感知风险不同于外在环境，基于SOR理论，突发公共危机事件作为一种外部环境刺激(S)，消费者的外在感知风险是对刺激的心理认知(O)，消费者购买行为是在这一心理认知下所做出的行为反应(R).对于网上购物感知风险的构成，井淼等将其划分为8个方面，除了财务风险、功能风险、社会风险、心理风险、产品风险和时间风险等传统感知风险外，还包括隐私风险和服务风险^[16].由于消费者的全部选择行为都会涉及到风险的感知，因此，感知风险被广泛应用于心理、社会、管理、经济学等各个领域.Soesilo等以复杂技术产品为研究对象，分析了在企业和代言人的信誉对消费者感知风险的作用^[17].Amirtha等分析了不同维度的感知风险对女性在线购物的作用机理^[18].
综上所述，基于感知风险和在线评论的研究成果较为丰富，但缺乏对公共危机事件产生的时间压力和强迫性网络购买的研究，忽视重大公共事件和品牌传播驱动情景下在线评论的作用机理，公共危机事件下在线评论相关实证研究不足.本文的贡献主要有三个方面：一是从消费者内在感知和外在环境两个角度去界定突发公共事件情景下的线上购物感知风险；二是通过实证分析揭示不同类型感知风险情景下在线评论的作用机理，为进一步探究持续多发突发公共事件下在线评论购物行为规律提供新的思路；三是探索突发公共事件中出现的时间窗口及其与感知风险的交互影响，通过窗口关键事件实现品牌推广研究视角，便于今后进行更深入研究.
2 理论分析与研究假设2.1 在线评论内容与消费者购买决策的关系在线评论内容的质量评价包括评论长度、评论丰富度和评论回复等三个方面^[19].具体来讲，评论长度是指评论内容的字数.评论长度能够反映在线评论多个方面的信息，除了评论内容是否全面之外，评论者对产品是否熟悉也能得到一定体现.一般来说，评论中体现的细节信息与已购买者发布内容的长度是显著相关的.借助较长的评论，消费者可以对产品和服务的具体情况加深理解，进而吸引消费者的购买欲望^[20].Racherla等指出，当评论长度过短时，通常会缺乏对产品属性的综合评估，而较长的评论包含相对较多产品的细节信息，更好帮助消费者做出购买决策^[21].
评论丰富度侧重于评价内容的丰富性和完整性.评价文本内容是感知评价效用的关键，论据内容要有说服力，需要同时兼具对评价对象的客观描述和主观认知^[22].因此，当消费者对产品属性、使用感受、物流包装、售后态度等信息的描述越详细，消费者对产品的认知就越深入.Qazi等研究表明，消费者在支付订单前，希望可以取得多方面有价值的信息，规避购买的风险^[23].
评论回复是针对在线评论进行反馈的个数总和.以在线评论为连接点，潜在消费者不仅能够阅读在线评论，还可以通过评论回复对其他消费者的在线评论做出反馈.评论回复是消费者和商家或者消费者之间双向沟通的体现，是一种更丰富的信息交流^[24].依托评价机制，消费者可以通过对话沟通表达内心的疑虑，或者针对他人的疑虑作出解释，一条评论的回复数的多少与该条评论受到的关注度息息相关.借助评论反馈机制，可以有效地弥补详情页产品描述的缺失，帮助消费者更好地了解产品信息，激发潜在消费者对该商品的购买意愿.基于此，提出如下假设：
H1a??评论长度对消费者购买决策具有积极促进作用；
H1b??评论丰富度对消费者购买决策具有积极促进作用；
H1c??评论回复对消费者购买决策具有积极促进作用.
2.2 评论有用性的中介作用评论有用性是指阅读他人发表的评论能为自己提供有价值的信息的一种主观性认知^[25].有用的评论不仅可以帮助消费者准确定位高价值的信息，还能减轻消费者的认知负担与时间成本，进而提升潜在消费者购买决策的准确性.但是随着发布评论数量的激增，识别出有用的在线评论变得越来越难，为此网站专门设置了“有用”投票来识别高水平评论，这一设置可以为潜在客户提供重要的过滤功能^[26].有用的在线评论有着鲜明的观点和客观的描述，往往对参考者产生较强的吸引力，进而对消费者的购买决策产生显著影响^[27].
评论的长度、丰富度和评论回复都会促进评论有用性的提高.在线评论的长度能够在一定程度上反映购买者信息披露的多少.越长的在线评论包含的可用信息量越多，越有可能获取到详情页面缺失的信息^[28].评论丰富度能促进消费者感知到评论的有用性.Sussman等研究发现，感知在线评论有用性与在线评论信息的质量显著相关^[29].对产品或者服务各个方面描述得越丰富，评论信息质量越高，越能影响感知信息的有用性.评论回复是消费者或者商家针对潜在消费者存在的疑虑做出的答复.评论回复能弥补详情页的不足，帮助潜在消费者解决疑惑，增强说服力，提高消费者对评论有用性的认知.
因此，在线评论的内容质量会提高潜在消费者的评论有用性，而消费者感知到评论的有用性，会增强对商品和品牌的认知和信任，产生积极的口碑效应，增强消费者购买决策的信心，进而促进消费者的购买欲望^[30].评论有用性在在线评论内容和消费者购买行为之间起到中介作用.基于此，提出以下假设：
H2a??评论有用性在评论长度和消费者购买决策之间起中介作用；
H2b??评论有用性在评论丰富度和消费者购买决策之间起中介作用;
H2c??评论有用性在评论回复和消费者购买决策之间起中介作用.
2.3 危机感知风险的调节作用危机感知风险是指消费者在网上购物时，对遭受不确定性结果的主观预期^[31].消费者之所以浏览在线评论，其目的就是为了筛选出有用的信息，减少购买的不确定性，从而做出购买决策^[32].Mortimer等指出，感知风险不仅与产品或服务相关，还与消费者的购买环境息息相关^[33].基于此，危机感知风险分为内在感知风险和外在感知风险.一方面，消费者在网络购物过程中感知到的与产品或服务有关的风险属于内在感知风险，包括零售商核心服务、网络购物伴随风险、个人隐私和假货风险^[34]，这些风险在网络购物中普遍存在；另一方面，消费者感知到由于突发公共事件导致的购物环境变化而感知到生命、财产等有价值的东西受到威胁时的心理风险属于外在感知风险，外在感知风险主要包括三个方面：安全风险、供应风险和需求风险^[35].曹裕等通过对休闲零食的研究发现，当消费者食品安全风险感知处于高水平时，有用评论对消费者购买行为意愿的影响会变大^[36].因此，对于高外在感知风险的消费者来说，具有更强烈的恐慌心理和时间压力，高评论有用性的在线评论能激发消费者的购买倾向；而高内在感知风险会约束评论有用性对消费者购买决策的关系，使网购行为意愿降低.基于此，提出如下假设：
H3??外在感知风险在评论有用性与消费者购买决策中起正向调节作用.
H4??内在感知风险在评论有用性与消费者购买决策中起负向调节作用.
2.4 被调节的中介效应危机感知风险不仅调节评论有用性和消费者购买决策的关系，还会通过评论有用性的中介作用调节在线评论内容对消费者购买决策的影响.具体来说，在突发公共事件背景下，消费者感知到高的外在风险，通过分享相关内容将风险信息告知他人，帮助他人规避风险^[37].在高水平的外在感知风险下，在线评论内容会通过评论有用性刺激消费者的购买，而当消费者感知到产品或服务的内在风险增加时，在线评论内容的各方面会通过评论有用性降低消费者购买的可能^[38].基于此，提出如下假设：
H5??外在感知风险越高，在线评论内容通过评论有用性对消费者购买决策产生积极影响；
H6??内在感知风险越高，在线评论内容通过评论有用性对消费者购买决策产生消极影响.
根据以上研究假设，研究模型如图 1所示.
图 1(Fig. 1)

图 1 理论模型Fig.1 Theoretical model

3 研究设计3.1 样本选取与数据来源以生活必需品为研究对象，利用八爪鱼采集器采集数据，2020年5月27日在京东商城搜索栏中输入“面粉5 kg”进行搜索，点击“按销量排名”后，抓取了京东商城自营旗舰店自2020年1月26日到2020年4月30日(公共突发事件发生前后)品牌销量前六名的5 kg面粉的在线评论数据，包括金龙鱼、金沙河、福临门、五得利、香满园和新良等六个品牌.通过数据清洗和去除重复数据，最终得到有效数据5 542条.抓取到的数据包括：评论次数、评论长度、商品名称、评论内容、评论时间、评论回复次数和有用性投票数等.
选择京东商城获取数据基于以下原因：一是京东作为中国第二大电商平台，在线评论模块的设置比较全面精细，方便消费者阅读；二是京东拥有仓配一体式物流设施，尤其是在特殊危机时期，坚持配送不打烊，使得京东在各大电商平台中脱颖而出，具有较好的代表性.样本选择上，面粉作为特殊时期的宅家必需品和畅销品，在特殊时期掀起了一场“面粉热”狂潮，因此以面粉产品为研究对象.
3.2 变量测量1) 被解释变量——消费者购买决策.消费者购买决策的结果为产品销量, 由于电商平台的隐私性，销量数据往往无法直接获取.因此，本文参考Ye等的研究，用评论数量来反映消费者购买决策^[39].
2) 解释变量——在线评论内容.在线评论内容包括评论长度、评论丰富度和评论回复.评论长度用评论内容的字数进行测量；评论丰富度根据京东商城给出的风味口感、粉质状态、产品色泽、产品包装和物流服务五个方面，按照1~5的打分标准进行赋值；评论回复用对评论回复的个数衡量.
3) 中介变量——评论有用性.参考Racherla等的研究，用评论获得的有用性投票数测量评论有用性^[40].
4) 调节变量——消费者感知风险.消费者的感知风险包括外在感知风险和内在感知风险，采用文本挖掘的方法对感知风险进行测量.相对于在线评论内容，感知风险是隐含在在线评论内容中的消费者情感信息.Cunningham^[15]用两个指标衡量感知风险，即危机发生的可能性和危机产生的后果.首先，对于外在感知风险的分类，参考慕静等的研究，将在特殊时期的消费者外在感知风险分为安全风险、供应风险和需求风险三个维度^[35]；对于内在感知风险，参考Kaplan等对感知风险的定义，将消费者在特殊时期的内在感知风险定义为财务风险、绩效风险、使用安全风险和心理、社会风险.其中，绩效风险包含了线上购物特有的产品质量风险、物流风险和售后服务风险^[41].其次，对于危机感知风险情感词的提取，借鉴石文华等利用文本挖掘提取情感词的方法^[42]，从5 542条数据中随机抽取500条作为样本，统计样本中反映危机感知风险的字词，并进行分类汇总，得出126个外在感知风险和内在感知风险情感特征词词库.第三，借鉴尹丽春等对在线评论文本的情感强度分级赋值方法^[43]，对得到的情感词以1~3分进行赋值，3分表示非常焦虑的风险感知情感特征词，1分表示不太焦虑的风险感知情感特征词.赋值结果如表 1和表 2所示.最后，参考Zhang计算情感强度所运用的词频统计法^[44]，根据每条评论中出现的情感词的个数，对每条评论按照情感词得分进行加总计算.
表 1(Table 1)

表 1 外在感知风险情感特征词赋值表Table 1 Assignment table of emotional characteristic words of external perceived risk 外在感知风险情感特征 赋值 安全风险 供应风险 需求安全 少出门、战役一线、聚集 交通管制(控) 支持国家、响应号召 1 特殊时期、敏感时期、疫情期间、疫情影响、不宜(能)出门、保护膜 物资紧张、交通受阻 囤(备)货、存粮、宅家 2 疫情严重、疫情未结束、不敢出门、污染、隔离、感染 封闭、超市关门、封路、断粮(货)、物资奇缺、救命粮 全靠网购、秒杀、急需、有粮心不慌、抢购 3

表 1 外在感知风险情感特征词赋值表 Table 1 Assignment table of emotional characteristic words of external perceived risk

表 2(Table 2)

表 2 内在感知风险情感特征词赋值表Table 2 Assignment table of emotional characteristic words of internal perceived risk 内在感知风险情感特征 赋值 财务风险 绩效风险 使用安全风险 心理、社会风险 将就、凑合 没纸箱 划痕 一般、中等、包装简单 1 吸水差、不出膜、不保价、比超市贵、涨价、价格经常变动、买完就降价、价格不稳定 不劲道、黑、面硬、发酥、断、碎、发不好、送货拖延、发货慢、配送时间长、延期、换货速度慢 破皮、漏面、漏粉、不防潮 陈货、日期不新鲜、缺斤少两 2 align="left"挂羊头卖狗肉、不值、坑、差劲、无法退货 假货、口感差、疙瘩、坨、馊、糟、颗粒、黏糊、有异味、牙碜、结块、塑料味、质量问题、过期、不发货、联系不到客服、服务态度差、客服敷衍、发错地址 胀袋、香精、有异物、添加剂、增白剂、滑石粉、发霉、变质、生虫、有破口、不卫生、污染、脏、渗水、吃完拉肚、影响健康、伤身体、不敢吃、有毒、细菌 便宜没好货、不要买、不好、害怕、糟糕、影响心情、失望、后悔、无语、垃圾、生气、裸包 3

表 2 内在感知风险情感特征词赋值表 Table 2 Assignment table of emotional characteristic words of internal perceived risk

5) 控制变量——评论发布天数.评论发布天数是评论者发布时间与数据采集时间之间的时间差.
参考石文华等对人工标注的情感词验证的方法，对上述危机感知风险提取的准确性进行验证^[42].从评论数据中随机抽取100条在线评论，按上述方法赋值得分(组1)；然后邀请20位网民，针对这100条评论的内外感知风险进行开放式打分，计算20位参与者针对每条评论打分的均值作为现实情况的得分(组2).对两组数据进行配对样本T检验，结果如表 3和表 4所示.
表 3(Table 3)

表 3 外在感知风险配对样本T检验Table 3 Paired-samples T test of external perceived risk 配对差值 结果 项目 均值 标准差 差分的95%置信区间 t值 自由度 Sig(双侧) 下限 上限 1-2 -0.080 0.759 -0.231 0.071 -1.054 99 0.294

表 3 外在感知风险配对样本T检验 Table 3 Paired-samples T test of external perceived risk

表 4(Table 4)

表 4 内在感知风险配对样本T检验Table 4 Paired-samples T test of internal perceived risk 配对差值 结果 项目 均值 标准差 差分的95%置信区间 t值 自由度 Sig(双侧) 下限 上限 1-2 -0.018 0.172 -0.052 0.167 -1.021 98 0.301

表 4 内在感知风险配对样本T检验 Table 4 Paired-samples T test of internal perceived risk

表 3和表 4中，显著性水平均大于0.05，说明两组的结论没有显著差异，利用简单文本挖掘的词库赋值方法具有实际意义.
4 结果及分析4.1 变量的描述性统计分析首先使用SPSS 22.0进行了描述性统计和相关分析，结果见表 5.由表 5可知，评论长度、评论丰富度、评论回复、评论有用性、外在感知风险、内在感知风险和消费者购买决策之间均存在显著相关关系，为后续假设检验提供了初步支持.
表 5(Table 5)

表 5 各变量相关系数Table 5 Correlation coefficient of variables 变量 均值 标准差 1 2 3 4 5 6 7 8 评论发布时间 77.50 27.857 1 评论长度 101.750 8.292 0.383** 1 评论丰富度 2.813 0.250 0.395** 0.890** 1 评论回复 0.229 0.148 0.336** 0.839** 0.934** 1 评论有用性 1.172 0.566 0.257* 0.887** 0.901** 0.890** 1 外在感知风险 1.452 0.612 0.526** 0.876** 0.813** 0.745** 0.817** 1 内在感知风险 0.414 0.151 0.040 -0.381** -0.397** -0.379** -0.397** -0.301** 1 购买决策 57.73 15.230 0.449** 0.945** 0.952** 0.936** 0.938** 0.875** -0.366** 1 注：*表示P < 0.05; **表示P < 0.01; ***表示P < 0.001，下同.

表 5 各变量相关系数 Table 5 Correlation coefficient of variables

4.2 多重共线性检验对样本数据进行回归分析前，运用方差膨胀系数检验变量间的多重共线性.结果显示，OLS模型中VIF均小于10，各变量之间不存在显著的多重共线性.结果见表 6.
表 6(Table 6)

表 6 多重共线性检验Table 6 Multi-collinearity test 变量 共线性统计量 容差 VIF 评论发布时间 0.550 1.817 评论长度 0.124 8.058 评论全面性 0.117 8.539 评论回复 0.250 3.996 评论有用性 0.119 8.414 外在感知风险 0.168 5.936 内在感知风险 0.789 1.268 因变量：消费者购买决策

表 6 多重共线性检验 Table 6 Multi-collinearity test

4.3 在线评论内容对消费者购买行为的影响回归分析为检验假设H1，H2，H3和H4，考虑到调节效应的检验，首先对相关变量进行了中心化处理，然后利用SPSS 22.0进行回归分析.
1) 在线评论内容与消费者购买决策的关系分析.首先检验在线评论内容对消费者购买决策的影响，表 7中模型4结果表明，评论长度(β=0.444，P < 0.001)、评论丰富度(β=0.186，P < 0.01)和评论回复(β=0.361，P < 0.001)对消费者购买决策有显著正向影响，假设H1a，H1b，H1c得到支持.
表 7(Table 7)

表 7 在线评论内容对消费者购买行为的影响回归结果Table 7 Regression results of the influence of online review contents on consumer purchase 变量 评论有用性 消费者购买决策 模型1 模型2 模型3 模型4 模型5 模型6 评论发布天数 0.257* -0.121** 0.449*** 0.085*** 0.223*** 0.116*** 评论长度 0.413*** 0.444*** 0.334*** 评论丰富度 0.285* 0.186** 0.111* 评论回复 0.317** 0.361*** 0.191*** 评论有用性 0.880*** 0.277*** R2 0.066 0.874 0.202 0.973 0.926 0.982 ΔR2 0.056 0.869 0.193 0.972 0.924 0.981 F值 6.635 158.501 23.784 817.046 582.620 967.820

表 7 在线评论内容对消费者购买行为的影响回归结果 Table 7 Regression results of the influence of online review contents on consumer purchase

2) 评论有用性的中介效应分析.评论有用性的中介效应使用如下两种方法进行检验：①模型2表明评论长度(β=0.413，P < 0.001)、评论丰富性(β=0.285，P < 0.05)和评论回复(β=0.317，P < 0.01)对评论有用性有显著正向影响.模型5表明评论有用性(β=0.880，P < 0.001)对消费者购买决策有显著正向影响.模型6表明加入评论有用性后，评论长度、评论丰富度以及评论回复对消费者购买决策的影响依然显著，β系数减少，说明评论有用性在评论长度、评论丰富度与消费者购买决策的关系中起部分中介作用，假设H2a，H2b，H2c得到支持.②采用Bootstrap方法进行中介效应检验.由表 8可知，评论长度—评论有用性—购买决策的间接效应为0.110，95%置信区间为[0.046，0.170];评论丰富度—评论有用性—购买决策的间接效应为0.076，置信区间为[0.010，0.168]；评论回复—评论有用性—购买决策的间接效应为0.084，置信区间为[0.027，0.146].说明评论有用性中介效应显著，研究结果具有一定的稳健性与可靠性.
表 8(Table 8)

表 8 Bootstrap方法估计的中介作用效应及95%的置信区间Table 8 Mediating effect and 95% confidence interval of Bootstrap estimation 路径 间接效应 (标准化) P 95%置信区间 下限 上限 评论长度—评论有用性—购买决策 0.110 0.000*** 0.046 0.170 评论丰富度—评论有用性—购买决策 0.076 0.000*** 0.010 0.168 评论回复—评论有用性—购买决策 0.084 0.000*** 0.027 0.146 注：Bootstrap样本量为5000，下同.

表 8 Bootstrap方法估计的中介作用效应及95%的置信区间 Table 8 Mediating effect and 95% confidence interval of Bootstrap estimation

4.4 外在感知风险和内在感知风险的调节效应检验评论有用性与外在感知风险的交互项的系数显著(β=0.083，P < 0.01)，如表 9模型所示，说明外在感知风险的调节效应显著，假设H3得到支持；评论有用性与内在感知风险的交互项的系数显著(β=-0.060，P < 0.05)，说明内在感知风险的调节效应显著，假设H4得到支持.
表 9(Table 9)

表 9 调节效应回归分析结果Table 9 Adjustment effect regression analysis results 变量 消费者购买决策 模型7 模型8 模型9 模型10 模型11 模型12 评论发布天数 0.449*** 0.223*** 0.166*** 0.164*** 0.228*** 0.227*** 评论有用性 0.880*** 0.758*** 0.716*** 0.867*** 0.852*** 外在感知风险 0.168** 0.201** 内在感知风险 -0.031 -0.044 外在感知风险×有用性 0.083** 内在感知风险×有用性 -0.060* R2 0.202 0.926 0.932 0.939 0.927 0.930 ΔR2 0.193 0.924 0.930 0.936 0.925 0.927 F值 23.784 582.620 423.128 348.715 388.788 303.136

表 9 调节效应回归分析结果 Table 9 Adjustment effect regression analysis results

为了更直接地解释外在感知风险和内在感知风险在评论有用性与消费者购买决策之间的调节作用，按照调节变量均值高于或者低于1个标准差的标准对调节变量分组，进行回归分析，调节效应如图 2，图 3所示.可见，高外在感知风险会促进评论有用性对购买决策的影响，而且外在感知风险越高，评论有用性的促进作用越明显；低内在感知风险会促进评论有用性对购买决策的影响，而且内在感知风险越低，评论有用性的促进作用越明显.
图 2(Fig. 2)

图 2 外在感知风险Fig.2 External perceived risk

图 3(Fig. 3)

图 3 内在感知风险Fig.3 Internal perceived risk

用Bootstrap检验H5，H6.由表 10可知，当外在感知风险处于低水平时，置信区间[0.519，0.760]，随着外在感知风险的提高，间接效应95%置信区间为[0.695，0.889]，间接效应显著，表明高水平的外在感知风险在评论有用性与消费者购买水平之间起关键作用，H5得到验证.
表 10(Table 10)

表 10 外在感知风险的Bootstrap检验Table 10 Bootstrap test of external perceived risk 效应 外在感知风险 效用量系数 Boot SE 95%置信区间 下限 上限 间接效应 高水平 0.792 0.049 0.695 0.889 低水平 0.640 0.062 0.519 0.760

表 10 外在感知风险的Bootstrap检验 Table 10 Bootstrap test of external perceived risk

由表 11可知，当内在感知风险处于高水平时，95%置信区间为[0.716，0.889]，随着内在感知风险的降低，95%置信区间为[0.831，0.971]，间接效应显著，表明低水平的内在感知风险在评论有用性与消费者购买水平之间起关键作用，H6得到验证.
表 11(Table 11)

表 11 内在感知风险的Bootstrap检验Table 11 Bootstrap test of internal perceived risk 效应 内在感知风险 效用量系数 Boot SE 95%置信区间 下限 上限 间接效应 高水平 0.803 0.044 0.716 0.889 低水平 0.901 0.036 0.831 0.971

表 11 内在感知风险的Bootstrap检验 Table 11 Bootstrap test of internal perceived risk

4.5 进一步讨论在突发公共事件中容易出现化危为机的时间窗口.对京东平台上面粉产品在2020年1月26日到4月26日期间的销量和消费者的感知风险进行统计分析(图 4), 发现在2020年2月15日到3月15日期间，面粉的销量有明显的上扬趋势，说明这个时期是品牌厂商开发市场的时间窗口.时间窗口是指只需要很小的努力就可以在两种动态均衡之间完成转换的一段时间.当时间窗口开放时，创新企业有更好的机会影响技术、经济和社会的长期发展方向，而不是在窗口外的其他市场稳定的时期.创新者只有在时间窗口开启时进入该产业，一旦时间窗口关闭，机会就不复存在.品牌厂商如果能利用这个时间窗口通过关键事件打造品牌，可以大大提高知名度.同时，从图 4可见，销量是随着消费者的外在感知风险同步上升，说明消费者感知到无法配送、交通管制、产品断货等外部环境风险，加剧了消费者的恐慌情绪和时间压力.可见，在突发公共事件发生期间，消费者外在感知风险与产品销量有明显的相关性，而消费者的内在感知风险在这一窗口期作用不明显，呈现下降趋势.
图 4(Fig. 4)

图 4 危机感知风险与产品销量的时间窗口识别Fig.4 Time window identification of crisis perceived risks and sales

5 结语1) 在线评论内容对评论有用性和消费者购买决策均具有显著正向影响, 并且评论有用性在在线评论内容与消费者购买决策之间起到部分中介作用.
2) 消费者的外在感知风险正向调节评论有用性对消费者购买决策的作用，内在感知风险负向调节评论有用性对消费者购买决策的作用.
3) 在突发公共事件情景下消费者的外在感知风险的调节作用更加显著，此时外在感知风险弱化了内在感知风险对消费者购买意愿的消极影响.
综合以上研究结论，得到如下启示：第一，电商企业应持续完善产品质量、网络购物服务和信息安全等线上交易服务.虽然特殊时期消费者对产品质量、时间风险、信息风险都有所忽略，但外在感知风险和内在感知风险存在一个平衡.在外在感知风险逐渐下降的同时，内在感知风险就会有所上升.第二，电商企业应建立消费者对在线评论的可持续信任.在线评论中表达的外在感知风险放大了消费者购买压力，甚至造成消费恐慌和盲目消费，可见在线评论对在线购买的作用之大，而电商对在线评论的监管任重而道远.
参考文献

[1]	Di Crosta A, Ceccato I, Marchetti D, et al. Psychological factors and consumer behavior during the COVID-19 pandemic[J]. PLoS One, 2021, 16(8): e0256095. DOI:10.1371/journal.pone.0256095
[2]	Wu J. Review popularity and review helpfulness: a model for user review effectiveness[J]. Decision Support Systems, 2017, 97(5): 92-103.
[3]	赵杨, 王志华, 王林. 品牌忠诚和时间压力对强迫性网购行为的影响机制研究[J]. 东北大学学报(社会科学版), 2020, 22(5): 40-48, 89. (Zhao Yang, Wang Zhi-hua, Wang Lin. The influence mechanism of brand loyalty and time pressure on compulsive online shopping behavior[J]. Journal of Northeastern University(Social Science), 2020, 22(5): 40-48, 89. DOI:10.15936/j.cnki.1008-3758.2020.05.006)
[4]	Liu C W, Hsieh A Y, Lo S K, et al. What consumers see when time is running out: consumers' browsing behaviors on online shopping websites when under time pressure[J]. Computers in Human Behavior, 2017, 70(5): 391-397.
[5]	Guthrie C, Fosso-Wamba S, Arnaud J B. Online consumer resilience during a pandemic: an exploratory study of e-commerce behavior before, during and after a COVID-19 lock down[J]. Journal of Retailing and Consumer Services, 2021, 61(2): 102570.
[6]	易牧农, 贺小双, 郝连续, 等. 在线消费社区内倾性成员的强迫性购买倾向研究——基于从众理论视角[J]. 管理学刊, 2020, 33(4): 49-60. (Yi Mu-nong, He Xiao-shuang, Hao Lian-xu, et al. Compulsive purchase propensity of introverted members in online consumer communities: based on the conformity theory[J]. Journal of Management, 2020, 33(4): 49-60. DOI:10.3969/j.issn.1674-6511.2020.04.005)
[7]	Li Y, Yao J, Chen J. The negative effect of scarcity cues on consumer purchase decisions in the hospitality industry during the COVID-19 pandemic[J]. International Journal of Hospitality Management, 2021, 94(4): 102815.
[8]	Chatterjee P. Online reviews: do consumers use them?[J]. Advances in Consumer Research, 2001, 28(1): 129-133.
[9]	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. DOI:10.2307/20721420
[10]	Yue P, Zhang J Q. Born unequal: a study of the helpfulness of user-generated product reviews[J]. Journal of Retailing, 2011, 87(4): 598-612. DOI:10.1016/j.jretai.2011.05.002
[11]	Park D H, Kim S. The effects of consumer knowledge on message processing of electronic word-of-mouth via online consumer reviews[J]. Electronic Commerce Research & Applications, 2009, 7(4): 399-410.
[12]	Jia Y, Liu I L B. Do consumers always follow 'useful' reviews? The interaction effect of review valence and review usefulness on consumers' purchase decisions[J]. Journal of the Association for Information Science and Technology, 2018, 69(11): 1304-1317. DOI:10.1002/asi.24050
[13]	王军, 周淑玲. 一致性与矛盾性在线评论对消费者信息采纳的影响研究——基于感知有用性的中介作用和自我效能的调节作用[J]. 图书情报工作, 2016, 60(22): 94-101. (Wang Jun, Zhou Shu-ling. Research on how the consistent and contradictory online reviews affect consumer information adoption: based on the mediating effects of perceived usefulness and the moderating effects of self-efficacy[J]. Library and Information Service, 2016, 60(22): 94-101.)
[14]	Bauer R A. Consumer behavior as risk taking[M]//Hancock R S. Dynamic marketing for a changing world. Chicago: American Marketing Association, 1960.
[15]	Cunningham S M. Perceived risk and brand loyalty[M]//Cox D F. Risk taking and information handing in consumer behavior. Cambridge: Harvard University Press, 1967.
[16]	井淼, 周颖, 吕巍. 互联网购物环境下的消费者感知风险维度[J]. 上海交通大学学报, 2006, 40(4): 607-610. (Jing Miao, Zhou Ying, Lyu Wei. The perceived risk dimensions in internet shopping environment[J]. Journal of Shanghai Jiaotong University, 2006, 40(4): 607-610. DOI:10.3321/j.issn:1006-2467.2006.04.012)
[17]	Soesilo P K M, Gunadi W, Arimbi I R. The effect of endorser and corporate credibility on perceived risk and consumer confidence: the case of technologically complex products[J]. Journal of Marketing Communications, 2020, 26(5): 528-548. DOI:10.1080/13527266.2018.1545245
[18]	Amirtha R, Sivakumar V J, Hwang Y. Influence of perceived risk dimensions on e-shopping behavioral intention among women—a family life cycle stage perspective[J]. Journal of Theoretical and Applied Electronic Commerce Research, 2020, 16(3): 320-355. DOI:10.3390/jtaer16030022
[19]	王智生, 李慧颖, 孙锐. 在线评论有用性投票的影响因素研究——基于商品类型的调节作用[J]. 管理评论, 2016, 28(7): 143-153. (Wang Zhi-sheng, Li Hui-ying, Sun Yue. Determinants of votes of helpfulness for Chinese online customer reviews: a moderating effect of product type[J]. Management Review, 2016, 28(7): 143-153. DOI:10.14120/j.cnki.cn11-5057/f.2016.07.015)
[20]	Fang B, Ye Q. Analysis of the perceived value of online tourism reviews: influence of readability and reviewer characteristics[J]. Tourism Management, 2016, 52(2): 498-506.
[21]	Racherla P, Friske W. Perceived"usefulness"of online consumer reviews: an exploratory investigation across three services categories[J]. Electronic Commerce Research and Applications, 2012, 11(6): 548-559. DOI:10.1016/j.elerap.2012.06.003
[22]	聂卉. 基于内容特征的评论效用排名预测——以豆瓣书评为例[J]. 管理评论, 2021, 33(2): 176-186. (Nie Hui. Content-specific ranking prediction for online reviews: case of Douban book reviews[J]. Management Review, 2021, 33(2): 176-186. DOI:10.14120/j.cnki.cn11-5057/f.2021.02.016)
[23]	Qazi A, Syed K B S, Raj R G, et al. A concept-level approach to the analysis of online review helpfulness[J]. Computers in Human Behavior, 2016, 58(5): 75-81.
[24]	Zhu L L, Li H, He W, et al. What influences online reviews perceived information quality?: perspectives on information richness, emotional polarity and product type[J]. The Electronic Library, 2020, 38(2): 273-296. DOI:10.1108/EL-09-2019-0208
[25]	彭岚, 周启海, 邱江涛. 消费者在线评论有用性影响因素模型研究[J]. 计算机科学, 2011, 38(8): 205-207. (Peng Lan, Zhou Qi-hai, Qiu Jiang-tao. Research on the model of helpfulness factors of online customer reviews[J]. Computer Science, 2011, 38(8): 205-207. DOI:10.3969/j.issn.1002-137X.2011.08.048)
[26]	Meek S, Wilk V, Lambert C. A big data exploration of the informational and normative influences on the helpfulness of online restaurant reviews[J]. Journal of Business Research, 2021, 125(3): 354-367.
[27]	Mitra S, Jenamani M. Helpfulness of online consumer reviews: a multi-perspective approach[J]. Information Processing and Management, 2021, 58(3): 102538. DOI:10.1016/j.ipm.2021.102538
[28]	Li K L, Chen Y H, Zhang L Y. Exploring the influence of online reviews and motivating factors on sales: a meta-analytic study and the moderating role of product category[J]. Journal of Retailing and Consumer Services, 2020, 55(7): 102107.
[29]	Sussman S W, Siegal W S. Informational influence in organizations: an integrated approach to knowledge adoption[J]. Information Systems Research, 2003, 14(1): 47-65. DOI:10.1287/isre.14.1.47.14767
[30]	Sparks B A, So F K K, Bradley G L. Responding to negative online reviews: the effects of hotel responses on customer inferences of trust and concern[J]. Tourism Management, 2016, 53(4): 74-85.
[31]	Park S, Tussyadiah I P. Multidimensional facets of perceived risk in mobile travel booking[J]. Journal of Travel Research, 2017, 56(7): 854-867. DOI:10.1177/0047287516675062
[32]	徐峰, 张新, 马良, 等. 在线评论动态性偏差对评论有用性影响研究[J]. 管理学报, 2020, 17(9): 1383-1390. (Xu Feng, Zhang Xin, Ma Liang, et al. The impact of online reviews dynamic deviations on review helpfulness[J]. Chinese Journal of Management, 2020, 17(9): 1383-1390. DOI:10.3969/j.issn.1672-884x.2020.09.013)
[33]	Mortimer G, Fazal-E-Hasan S M, Grimmer M, et al. Explaining the impact of consumer religiosity, perceived risk and moral potency on purchase intentions[J]. Journal of Retailing and Consumer Services, 2020, 55(7): 102115.
[34]	Featherman M S, Pavlou P A. Predicting e-services adoption: a perceived risk facets perspective[J]. International Journal of Human-Computer Studies, 2003, 59(4): 451-474. DOI:10.1016/S1071-5819(03)00111-3
[35]	慕静, 李婧. 考虑疫情风险与双重时效性的生鲜品供应中断库存控制策略研究[J]. 运筹与管理, 2021, 11(8): 1-12. (Mu Jing, Li Jing. Research on inventory control strategy of fresh products supply interruption considering epidemic risk and dual timeliness[J]. Operations Research and Management Science, 2021, 11(8): 1-12.)
[36]	曹裕, 李青松, 万光羽. 在线评论对消费者休闲食品购买决策影响研究[J]. 管理评论, 2020, 32(3): 157-166. (Cao Yu, Li Qing-song, Wan Guang-yu. The influence of online reviews on consumers' decision to buy leisure foods[J]. Management Review, 2020, 32(3): 157-166.)
[37]	阳长征. 网络突发事件语意表征对用户持续分享意愿影响研究[J]. 情报杂志, 2020, 39(6): 143-151. (Yang Chang-zheng. Research on effect on network semanteme representation on continuous intention of sharing information in crisis event[J]. Journal of Intelligence, 2020, 39(6): 143-151.)
[38]	Jiang P, Jones D B, Javie S. How third-party certification programs relate to consumer trust in online transactions: an exploratory study[J]. Psychology and Marketing, 2008, 25(9): 839-858.
[39]	Ye Q, La W R, Gu B. The impact of online user reviews on hotel room sales[J]. International Journal of Hospitality Management, 2009, 28(1): 180-182.
[40]	Racherla P, Friske W. Perceived usefulness of online consumer reviews: an exploratory investigation across three services categories[J]. Electronic Commerce Research and Applications, 2012, 11(6): 548-559.
[41]	Kaplan L B, Szybillo G J, Jacoby J. Components of perceived risk in product purchase: a cross-validation.[J]. Journal of Applied Psychology, 1974, 59(3): 287-291.
[42]	石文华, 王璐, 绳娜, 等. 在线初次评论与在线追加评论对商品销量影响的比较研究[J]. 管理评论, 2018, 30(1): 144-153. (Shi Wen-hua, Wang Lu, Sheng Na, et al. a comparative study into the impact of initial and follow on online comments on sales[J]. Management Review, 2018, 30(1): 144-153.)
[43]	尹丽春, 王悦. 基于在线评论的图书消费者满意度影响因素与作用机理[J]. 图书情报工作, 2019, 63(22): 106-117. (Yin Li-chun, Wang Yue. Influencing factors and mechanism of book consumer satisfaction based on online comments[J]. Library and Information Service, 2019, 63(22): 106-117.)
[44]	Zhang Z. Weighing stars: aggregating online product reviews for intelligent e-commerce applications[J]. IEEE Intelligent Systems, 2008, 23(5): 42-49.
[45]	Nill J, Kemp R. Evolutionary approaches for sustainable innovation policies: from niche to paradigm?[J]. Research Policy, 2009, 38(4): 668-680.