第一章 緒論
第一節 研究背景
自 90 年代網際網路普及後，正式進入網路的世代。消費者可以透過網路進 行資訊交流，降低傳統上資訊不對稱的問題。借助網路的便利性，Amazon、eBay 引領我們進入電子商務 (Electronic Commerce, EC) 的全新時代，改變多數人的 生活方式與消費習慣。資訊獲得的管道從傳統書報逐漸改為線上內容，就連購物 習慣都由實體零售商店改為網路零售與網路拍賣，透過電子商務平台讓銷售模式 更加多元化。
資料來源：eMarketer (2016) 圖1-1 全球零售電子商務預估銷售額
2
根據市場調查機構 eMarketer 的最新報告 (eMarketer, 2016) 指出，2016 年 全球零售電子商務的銷售額為 1.915 兆美元，相較於 2015 年 1.548 美元年成長上 升 23.7%。圖 1-1 指出，零售電子商務的銷售額在 2020 年可望成長至 4.058 兆美 元，佔 14.6%之總零售銷售額，由此可見網路世代成為消費主力，電子商務也是 未來企業必經之路。
隨著電子商務平台的發展成熟，越來越多的資訊在網路上傳播，線上評論已 成為消費者購買前的決策依據。根據Bickart and Schindler (2001) 的研究顯示，
比起店家所提供的產品資訊，消費者更在意網路上其他消費者所提供的原創內容 (User-Generated Content, UGC)。消費者同時扮演受眾與傳播者的角色，透過互相 影響，達到更強大的傳播效應，電子商務平台上的用戶原創內容便是針對產品的 評論。透過這些線上評論的累積，形成所謂的網路口碑 (Electronic/Online WOM)，
進而達到口碑行銷的效果。
圖 1-2 為行銷顧問公司尼爾森 (Nielsen) 在 2015 年針對民眾對於廣告信任 的研究報告 (Nielsen, 2015)。報告中指出在贏得媒體 (Earned Media) 方面，除了 消費者的親友推薦外，其他消費者張貼在網路上的評論位居第二，受到全球消費 者信任的比例高達 66%，由此可見網路口碑在消費者心目中的地位不容小覷。
資料來源：Nielsen (2015)
圖1-2 消費者對贏得媒體的信任排行前三名
3
Amazon.com 成立於 1995 年，為美國最大的電子商務公司，最初以線上書店 做經營，隨著用戶量的成長，販售的商品逐漸走向多元化，成為全球最大的網路 零售商之一。除了提供企業對消費者 (Business to Customer, B2C) 的零售服務外，
也 提 供消 費者 對消費者 (Customer to Customer, C2C) 的交易模式 ，因此在 Amazon 平台上的商品數量十分可觀。
Amazon.com 平台提供完善的評論機制，除了單純文字內容外，撰寫評論時 可以同時給予星星評分。其他消費者可以依照評論的幫助性投票，平台將會依照 幫助性指標篩選，將具有幫助性的評論優先顯示予消費者。每位平台使用者會有 自己的評論頁面，統整出自己過去的評論紀錄，甚至做出評論者排行，提升消費 者撰寫評論的意願。
基於 Amazon.com 龐大的商品數與會員數，開始有針對該平台的評論研究 (Mudambi & Schuff, 2010)。研究線上評論時，曾經有學者探討評論特質對銷售量 的影響，證實評論確實會影響產品銷售 (Chevalier & Mayzlin, 2006)。因此部分學 者開始針對評論幫助性 (Review Helpfulness) 做研究，探討具備何種特質的評論 較能夠幫助使用者進行決策。本研究也將以評論幫助性的角度出發，透過 Wang, Mai, and Chiang (2013) 收集 Amazon.com 平台上平板電腦 (Tablet) 的資料，探 討影響評論幫助性的因素。
第二節 研究目的
本研究旨在探討電子商務平台中線上評論幫助性的影響因素。口碑行銷 (Word-of-Mouth Marketing) 已經行之有年，透過網路口碑宣傳更是現今產品經營 中重要的一環，大家都了解透過網路口碑來宣傳可以達到快速擴散的效果。然而 在資訊爆炸的時代下，許多時候我們可能將時間花費在閱讀毫無幫助的評論上，
或是無法快速抓到多數人對於產品的觀感而做出錯誤判斷，因此該如何從眾多評
4
論中挑選出真正有幫助的內容是重要議題。
閱 讀 評 論 屬 於 被 說 服 的 過 程 ， 我 們 透 過 推 敲 可 能 性 模 式 (Elaboration Likelihood Model, ELM) 的觀點，依照中央路徑與周邊路徑將文字探勘所發現的 要素分類。當消費者對產品較沒有概念時，會傾向使用周邊路徑的線索去思考，
容易受到其他人對產品的情感所影響；若消費者對該產品較有研究時，則會傾向 使用中央路徑的線索進行思考，傾向思考評論的論點品質。
評論最主要的成分就是文字，除了直接以評論的評分、存續時間等要素來分 析，應用文字探勘技術來挖掘文本中的隱含的要素更能有效解讀評論幫助性 (Cao, Duan, & Gan, 2011)。我們可以透過主題模型依據評論中的詞頻找出主題，
計算廣度來解讀評論；透過情感分析則能夠了解評論者對產品的情感因素。
本研究試圖以推敲可能性模式，帶入文字探勘的技術，將不同路徑可能關注 的評論要素分類，探討這些要素對於評論幫助性的影響。消費者可以透過這些要 素了解自己在撰寫評論時應該留意的重點；廠商在聆聽消費者聲音時，也可以透 過這些特性去找出消費者在意的議題；電子商務平台的管理者也能夠將這些要素 作為評論機制設計的參考，以提高網路口碑的成效。
第三節 研究流程
本研究依據研究背景與目的訂定研究問題，探討相關文獻後擬定研究架構與 假說。利用Wang et al. (2013) 對 Amazon.com 平板市場所收集的資料集來建構變 數與假說驗證，先對資料進行前處理後，透過主題模型與情感分析，對消費者評 論進行文字探勘。將整理後的資料進行迴歸分析，探討研究結果與修正。整體研 究步驟如圖1-3 所示。
5
圖1-3 本研究之研究流程