在线消费者感知信念形成及文本信息偏差研究：基于在线评论组件视角

Online rating system has been an important channel for enterprises to sell products, compete with rivals and acquire customers. Based on our prior studies, this research project will focus on online review information bias and develop a consumer belief enhancement model. The research project will be implemented from two aspects: (1) an online review component-level conceptual model for purchase behavior in the Web 2.0 context is developed. Web site analysis, meta-analysis and semi-structured in-depth interviews will be used for developing our conceptual model. Neuro IS-based situational simulation experiments and survey methods will be used for cross-validation. (2) We hope to provide a valuable supplement to traditional research methods that struggle to correctly and effectively identify the degree of information bias of online review contents by applying topic model, which is an emerging data mining technology for large-scale text data. Topics and review valence will be automatically extracted based online review. Our research findings not only help companies to deeply understand the relative importance of each online review component and to know how to design and develop an effective online review system. As a result, companies will benefit from facilitate successful transactions, inhibiting false comments and increasing reputation.

电子商务站点上的在线评论系统已经成为企业销售、与对手竞争并获取客户的重要渠道。基于先前的研究成果，该研究面向在线评论，从在线评论组件视角，探索Web2.0环境下在线消费者感知信念的形成及文本信息偏差。课题将从两个方面内容展开：(1) 基于评论组件视角，采用网站分析、半结构化深度访谈等研究方法，构建Web2.0下在线评论组件和消费者感知信念路径关系模型。采用基于神经测量工具(Neuro IS)的情境模拟实验和问卷调查方法进行交叉验证。(2) 通过引入自然语言处理领域的主题模型，针对在线评论文本内容信息的偏见扭曲程进行验证。为更加全面地认识在线评论信息的准确性和客观性提供了良好的基础。这些理论和方法的应用可以帮助企业深入理解互联网在线评论系统不同组件的特征及重要性，并充分利用这些信息设计和开发更加适合的在线评论系统和措施促进成功交易。

本研究从信息平台的组件视角，探索Web2.0环境下在线消费者/用户感知信念的形成及文本信息分析。基于评论组件视角，采用案例研究、大数据主题提取模型分析、调查问卷、实验等方法，构建Web2.0下在线评论组件和消费者感知信念路径关系模型，分析了消费者投射偏差的内源性和外源性影响因素，采用情境模拟实验和问卷调查方法进行交叉验证。此外，通过引入自然语言处理领域的主题模型，针对用户生成文本内容信息的主题进行了提取和分析。结果发现：消费者的品味会随着时间的流逝而系统地变化，用户生成的内容也反映出了存在投射偏差；信息平台组件的完整性、智能提取对感知的有用性具有积极影响。智能提取和可操作性对感觉到的便利性有积极影响；可操作性和社交互动对感知的愉悦感有积极影响；社会互动对感知的可靠性有积极的影响。根据这些研究结果，可以通过采取措施满足用户的实际需求来提高用户的意识和评价组件的性能。. 同时，本课题也基于对用户生成的数字和文本数据驱动，延续到了利用大规模文本主题分析的管理信息系统，比如共享打车、医院智能车库系统用户、企业社交网络的相关研究上，研究对象也从电子商务平台的消费者延伸到了共享经济的用户、医院用户；对在线评论等用的文本分析方法，拓展到了包括对文献大数据文本的分析。其中可持续性管理主题分析的研究，基于大规模文本分析，可视化了主要主题动态演变和新兴发展。验证了共享经济中用户的消费决策选择带来的制造商汽车销量的短期和长期变化，以及对环境的影响效应。基于对医院智能停车系统的用户行为调查，结合仿真分析提出了缓解医院交通拥堵的策略。基于对疫情期间大规模文本和文献的分析也提出了大数据防疫的分析框架。.本课题从消费者/用户行为切入，从大数据的文本方法工具利用出发，从不同方面分析了消费者的感知和行为决策、不同信息平台的相关大数据文本和用户生成内容，研究结果为研究和行业提供了有效的理论指导和应用参考。