評論幫助性

資料來源：黃俊堯 and 柳秉佑 (2016) 圖2-1 評論分析之概念架構

國內學者黃俊堯 and 柳秉佑 (2016) 對國內外的口碑與評論研究進行回顧，

整理出圖2-1 的概念架構，將評論的研究分為兩層面，分別為內環的評論變數與 效果及外環的衍生性議題。在內環的議題中，評論幫助性 (Helpfulness) 能讓消 費者更快速聚焦於關鍵評論並作為購買決策之參考 (Mudambi & Schuff, 2010)；

外環的文字探勘能幫助我們透過文字內容，取得比單純分析評分等資料更完善的 訊息。故本研究將以過往對評論幫助性的研究為基礎，加入文字探勘技術，探討 一則有幫助的評論應包含什麼要素，下一小節將針對評論幫助性深入探討。

第二節 評論幫助性

隨著網際網路的發展，隨時都有成千上萬的網路評論產生，在如此資訊爆炸 的時代下，不管是消費者或是廠商皆難以逐一審視每則評論，網路上充斥著許多 無意義的評論。為因應此問題，許多網站紛紛推出投票機制，讓消費者對其他消 費者所撰寫的評論進行評價。例如：電子商務龍頭 Amazon 在消費者瀏覽評埨 時，除了顯示該評論的評分 (Rating) 外，會額外詢問此評論是否有幫助 (Was this review helpful to you?)，讓消費者針對該篇評論進行投票，如圖 2-2 所示。並根據 消費者的投票，進行評論排序的篩選，讓真正有幫助的評論能夠曝光。

8

資料來源：Amazon.com 圖2-2 Amazon 網站的一則評論

N. Hu, Liu, and Zhang (2008) 的研究發現，評論幫助性將放大評論與銷售量間 的關係，被認為越有幫助的評論，越能夠提升產品銷售量。在評分與幫助性票數 的研究中，過往學者認為評分較極端的評論 (1 分或 5 分) 較能夠幫助消費者判 斷產品特性，因此會得到較高的幫助性投票；反觀評分較為中間的評論 (3 分)，

可能包含較多不明確的資訊，消費者需要花較多的力氣才能理解該評論，評論獲 得幫助性的票數相對較低 (Forman, Ghose, & Wiesenfeld, 2008; N. Hu et al., 2008)。

Mudambi and Schuff (2010) 研究評論幫助性時，指出評論長度會正向影響評 論幫助性，然而評分極端性與評論長度對幫助性之影響會受到產品類別的調節。

對搜尋品而言，較為極端與篇幅較長的評論對幫助性的正向影響較大；但對經驗 品來說，評分較為中間的評論幫助性較高，評論長度對幫助性的正向影響較小。

Cao et al. (2011) 則開始利用文字探勘的技術，從評論中擷取語意特性。其研 究結果顯示，語意特性對評論幫助性的影響甚大，具有極端意見的評論相較於混 和或中立的評論被認為更具幫助性。後續也開始有許多學者透過情感分析、主題 模型等文字探勘技術去分析評論 (Hwang, Lai, Chang, & Jiang, 2015; Mankad, Han, Goh, & Gavirneni, 2016; Palese & Piccoli, 2016)，由此可見除了直接可得的評論長 度、評分等評論特性外，評論內容所隱含的語意特性更能夠反映出評論所要傳達 的內容。

本研究將近年來針對評論幫助性的相關研究整理為表2-1。近年評論幫助性

9

的研究中，不再像過去單純針對評論的評分、長度或存續時間等基本資訊做分析，

而是加入文字探勘的技術，更深入的剖析評論的內涵。普遍研究皆透過評論長度 來衡量評論的品質，其中Chen, Sheng, Wang, and Deng (2016) 將深廣度的概念帶 入評論分析中，認為單看評論長度無法衡量論點品質，評論中涵蓋的主題廣度以 及論點的深度也會影響評論的幫助性。

一則評論是否能夠輕鬆閱讀是影響資訊傳達的重要因素，用字艱深的評論，

儘管內容十分詳盡，仍會因為多數人無法理解而被忽略。因此多數學者計算評論 可讀性 (Chen et al., 2016; Mousavizadeh, Koohikamali, & Salehan, 2015; D. Yin, Bond, & Zhang, 2014; G. Yin, Wei, Xu, & Chen, 2014; Zhu, Yin, & He, 2014)，並指 出容易閱讀的評論所帶來的幫助性較大。

除了計算可讀性外，情感分析也是文字探勘技術中的一個應用，有學者針對 評論的負向性進行探討 (Baek, Ahn, & Choi, 2012; Chung, Lee, Koo, & Chung, 2017)，認為負面詞彙會影響評論幫助性。也有學者計算評論中情感的正負傾向，

探討情感對評論幫助性影響為何 (Mousavizadeh et al., 2015; Salehan & Kim, 2016)。

除此之外，Siering and Muntermann (2013) 也指出，情感傾向對評論幫助性的影 響會受到產品類別的調節。除了D. Yin et al. (2014) 與 G. Yin, Zhang, and Li (2014) 的研究有納入情緒喚起度外，評論幫助性的情感分析主要都針對正負情緒效價，

然而情緒喚起度也是情感很重要的一環，本研究也將納入情緒喚起度作更全面的 分析。

10 (Baek et al., 2012; Luan et al., 2014; Mousavizadeh et al., 2015; Zhu et al., 2014)，指 出人的思考可分為中央與周邊，更明確將評論幫助性的影響要素分類，探討不同 (Petty, Cacioppo, & Schumann, 1983)，進行推敲的可能性。人在接收訊息時，分為