基于在线评论情感分析的声誉影响效应研究

李 磊 宋建伟 刘 继

(新疆财经大学统计与数据科学学院)

1 研究背景

随着消费升级和零售新生态核心人群的形成，零售业的发展趋势必然是线上线下一体化发展。线上交易具有跨地区、跨时间、低成本、高效率等优势，但也更容易因信息不对称而产生逆向选择和道德风险问题。在弱连接的匿名线上市场中，声誉机制是交易顺利、高效完成的根本保障。它既是一种信号发送机制，向潜在消费者传递卖家历史交易行为的信息，促进交易双方的信任[1]；又是一种搜索机制，能够指导买家进行有效搜寻并甄别出高质量商品[2]。国内外电商平台构建的声誉系统主要基于以下两个内容：①消费者反馈评价机制，有效的反馈机制就是一个非正式的、买方驱动的卖家认证系统[3]；②结构性保障机制，结构保障是第三方平台为线上交易提供的担保服务，买家在交易中获得的有效保护和电商平台的声誉都直接影响卖家的声誉。

从经济学的角度，商品可分为搜索型和体验型两类。体验型商品提供享受体验，必须在购买和使用后才能对商品价值做出评判，所以消费者在购买商品前更趋向于参考在线评论[4]。大部分实证研究选取图书、电影等体验型商品，较少以农产品为研究对象。新疆的特色干果是极具地方特色的优质农产品，在全国范围内都有一定的知名度和美誉度，但在线上销售中也面临诸多问题和挑战。同一区域公共品牌下的特色干果种类、等级繁多，产品质量差别较大，消费者在选择商品时有一定的困难；有些产品有口碑没品牌，有些产品品牌知名度不高、整合力度不够，存在恶性竞争的风险，因此，线上评论在传递商品质量信息、甄别高信誉卖家、促进信任关系等方面的作用更加重要。

近年来，在线声誉领域的实证研究更加关注评论文本的语义内容，并运用自然语言处理和数据挖掘方法从中提取声誉信息流，从而更加准确、客观地测度声誉水平[5]。为此，本研究拟以淘宝和天猫平台上销售的新疆特色干果为例，抓取线上交易的真实数据，从在线评论中挖掘出消费者的情感倾向，据此测度卖家线上声誉状况；再构建计量模型，研究声誉因素对销售收入及卖家促销策略的影响效应。研究结果对于线上反馈评价机制的设计和卖家竞争策略的制定有一定启示意义。

2 文献回顾与研究假设

2.1 声誉的经济价值

理论分析表明，潜在消费者会基于卖家的历史交易行为制定购买决策，卖家积累的声誉会体现在其经济效益上[6]。基于国内主要电商平台上的真实交易数据，对电子产品、小家电、化妆品、图书等线上交易的实证研究发现，声誉与商品的销量或销售收入有显著的正相关关系[7,8]，而且这种关联关系也可能是非线性的[9]。另外，其他一些因素会对声誉的经济价值起到调节作用，如市场结构[10]、商品特质[11]等。这表明良好的声誉能提升交易成功的概率，具有经济价值。

从对在线声誉的衡量看，实证研究大都选取电商平台的统计指标(如信用积分、好评数/率等)作为声誉水平的代理变量。这些指标对在线声誉的衡量过于简单且存在偏误，反馈机制的设计、测度方法的合理性、卖家的欺骗性行为等因素是造成“好评膨胀”“评分等级膨胀”的主要原因[12]。而在线评论文本蕴含的信息更丰富全面，是反映卖家声誉状况的重要信息来源[13]。非负面评论通常在数量上占主导地位，要积累良好的在线声誉，好评所起的作用至关重要。由此提出以下假设：

假设1正面线上评论蕴含的在线声誉水平对销售收入有正向影响。

DUAN等[14]认为线上评论具有知悉效应和劝说效应。口碑推荐会对消费者的购买意愿产生直接和间接效应[15]，是卖家声誉作用的主要体现。相关研究多以效价(卖家的评分均值)来量化劝说效应，但有学者指出，离散度指标的信息含量更大，并在模型中引入评分的标准差[16]或评论情感极性的熵值[17]，结果证实这些指标对商品销售有显著影响，但在影响方向上并没有一致的结论。本研究认为，在线评论的情感极性分布可反映顾客消费体验上的差别程度，也是传递声誉信息的重要信号。由此提出以下假设：

假设2a在线评论中的情感极性分布对销售收入有正向影响。

假设2b在线评论中的情感极性分布对销售收入有负向影响。

在线声誉系统的另一个构成部分是结构性保障机制，其目的是构建基于制度的信任，即消费者感知到促进交易成功的条件已经确立[18]。SHA[19]把线上结构性保障分为4种类型：认证、商家承诺、银行或保险服务、交易安全保护。国内电商平台普遍采用的实名认证、消费者保障计划、支付保障体系等均可归为上述4种类型。结构保障能够促进消费者对卖家的信任，提升购买意愿[19]，提高成交概率[20]，并可通过网络口碑的中介作用增加商品销量[21]。所以，结构保障传递了关于商家可信度的信号，由此提出以下假设：

假设3卖家获得的结构保障对销售收入有正向影响。

2.2 声誉与卖家的策略行为

在线声誉的变化会引起卖家做出相应的策略反应，线上反馈评价是卖家调整经营策略的主要依据。CABRAL等[22]对eBay卖家市场行为的研究发现，当卖家收到第一个差评后，其维持声誉的努力也随之下降，而声誉的下降明显增加了卖家退出市场的可能性。FAN等[23]的实证研究表明，新卖家有更强烈的降价动机，会放弃短期收益以积累声誉，成为资深卖家后又会调整定价策略，获取良好声誉带来的正回报。SU等[24]的研究也证实，淘宝卖家会根据预期的声誉水平给商品定价，从而实现当前和未来收益的最大化。

为实现长期生存和盈利的目标，卖家会采取多种促销手段来影响消费者的购买行为。促销活动有助于提升品牌认知、商品销售和顾客的满意度[25]，使顾客倾向于对卖家给出更高的评价[26]。卖家普遍采取折扣、优惠券等价格促销策略吸引顾客，但过高的折扣可能会对卖家的利润率和声誉造成负面影响[25]。此外，CHEN等[27]从理论上证明了在收益最大化的目标下，卖家会根据第三方评论调整促销策略。BAI等[28]的实证研究发现，卖家收到的评论数越多、评级越高，越倾向于采取团购交易方式，表明卖家会根据反馈评价调整营销方式。

综上，本研究认为当在线声誉发生变化时，两方面原因可能会导致卖家在促销策略方面做出相应的调整：①出于声誉管理的考虑，无论是扭转在线声誉的下滑，还是积累良好的声誉，卖家都有可能采取促销手段来激励消费者反馈好评；②出于收益最大化的目的，价格促销本质上就是一种定价策略，所以在线声誉的变化可能会导致促销策略的调整。卖家的促销策略是多种影响效应叠加的选择结果，也是一个实证问题，由此提出以下假设：

假设4正面线上评论蕴含的在线声誉水平对促销策略有影响。

假设5在线评论中的情感极性分布对促销策略有影响。

3 研究方法

3.1 样本及数据收集

本研究将研究对象限定为大枣、葡萄干和巴旦木3种代表性的新疆特色干果。采取Python语言编写爬虫程序与人工抓取相结合的方法，从淘宝和天猫平台上收集了研究所需的数据。抽样方法为，先根据商品销量排序的结果，从排名前150的店铺中随机抽样，然后再选取每家店铺销量最高的前3个商品跟踪收集数据。对于销量和评论数持续4周不变的商品，视为滞销商品并从商品集中剔除。对于下架商品，从观测初期开始至少有5周有效观测数据的商品予以保留，否则从商品集中剔除。在剔除商品的同时，再按上述抽样原则，补充新的店铺和商品。

从2018年4月6日～2018年10月27日，每3天收集一次数据，共69个观测时点。获取的有效非平衡面板数据共涉及29家淘宝店铺、46个商品，44家天猫旗舰店、148个商品。具体收集的数据包括：店铺的基本信息(如开店时长、信用积分、服务承诺、保证金金额等)、商品交易的基本信息(如价格、销量、收藏数、支付方式、促销活动等)、在线评论的基本信息(如评论数量、评论文本等)。

3.2 在线声誉测度

3.2.1在线评论的情感分析

消费者在购物过程中通常同时考虑卖家和商品的声誉状况，这两种声誉联合起来对商品销售产生显著影响。而线上评论内容通常既涉及商品又涉及卖家，其评价的对象是多个，同时传递关于商品和卖家声誉状况的信号[12]。所以，在线评论的情感分析结果是两种声誉状况的联合信号显示，在此基础上可更准确地测度影响商品销售的声誉因素。

在整个样本观测期间，共抓取在线评论314 755条。剔除无效评论后，有效评论共314 194条，其中淘宝店29 475条，约占9.38%，旗舰店284 719条，约占90.62%。本研究使用Python的SnowNLP包计算在线评论的情感值，并根据情感值对评论分为好、中、差3类。由于SnowNLP包中的语料库包含的农产品评论很少，直接使用该语料库导致情感分类结果的准确率较低，故本研究先用已标注的农产品类评论文本对语料库进行了扩充，然后再进行情感分析。从淘宝店和旗舰店评论中分别随机抽取1 000条和6 000条进行情感标注，然后按7∶3的比例划分训练集和测试集，训练分类模型。训练后的模型在测试集上的分类准确率达到了85%以上，情感极性的分类效果较好(1)本研究采用网格搜索法确定情感分类的临界值。根据分类准确率的提升幅度判断，最终将好评的情感临界值定为0.7，差评的情感临界值定为0.3。。

分类模型对全部有效在线评论的情感倾向性分类结果见表1。天猫是国内B2C市场上最大的电商渠道之一，相对于淘宝的集市卖家(C2C市场)，天猫商城的产品质量较好，消费者权益更有保障，信誉口碑更佳。旗舰店的评论中，好评数占比最高，约为80%；23 359条中性评论中，系统默认好评占0.65%，其余99.35%都是根据语义内容判定的中性情感。淘宝店的评论中，中评数最多，约占70.3%，好评数次之，差评数最少。这是因为淘宝店的反馈评论中，“系统默认好评”占比达到70.28%，在情感分析中都被归为“中评”。在20 717条中性评论中，系统默认好评占97.58%，根据文本语义内容判定的中性评价仅占2.42%(2)出现“系统默认好评”的原因主要有两个：(a)买家的确对线上交易表示满意，但没有及时给出反馈评价；(b)买家对线上交易并不满意，但又不愿给出负面评价，所以不予评价。根据字面内容无法区分具体是哪种原因，但无论是哪种情况，“系统默认好评”都传递不出关于卖家商品、服务质量的任何有效信息，起不到信号发送的作用。鉴于此，本研究将“系统默认好评”均归为中评。。

表1 在线评论情感倾向性分析结果

3.2.2在线声誉水平的测度

尽管绝大多数类似研究都采用总量指标作为在线声誉的代理变量，但由于第三方平台统计的销量指标是一个流量数据，所以为更准确地刻画在线声誉与销售收入之间的关系，本研究基于线上好评的增量测度在线声誉水平。关于人类行为动力学的研究已经发现，大量人类行为的时间间隔分布均具有重尾特征，在线用户的兴趣变化是一个符合幂律的无限长程记忆过程[29]。而农产品的消费具有一定的时效性，其内在品质的检验也具有一定的滞后性，因此农产品的在线评论不仅会表现出更强烈的情感，而且也具有更强的时效性。出于上述两个方面的考虑，本研究用好评数增量的加权平均来测度声誉水平的动态变化。假定潜在消费者对评论内容的记忆性随记忆时长λ的增大，以幂律形式衰减：

P(λ)∝λ-α,

(1)

(2)

3.2.3情感熵的测度

对体验型商品而言，在线评论的观点分歧也是影响潜在消费者购买意愿的一个重要因素。观点分歧说明不同消费者的体验效用差别较大，而这主要是由潜在的商品特性造成的，也是在线声誉的一种体现。本研究用线上评论的情感极性分布反映商品消费体验的差异化信息，根据每个观测点的好、中、差评论增量计算信息熵(简称为情感熵)：

(3)

3.3 模型设定

3.3.1在线声誉对销售收入的影响

本研究以观测点的商品成交价格乘以近30天的销量来估算销售收入，已有研究成果大多表明在线声誉对销售收入的影响是非线性的，故对销售收入、声誉水平和情感熵均取了对数。为避免内生性问题，测度在线声誉的指标均滞后一期[14,23]。为检验假设1～假设3，基于非平衡的面板数据构建以下计量模型：

lnS=α0+α1lnRepu+α2lnE+β′StrucVar+γ′ContrVar+ε，

(4)

式中，StrucVar是反映结构保障的变量向量。鉴于卖家普遍获得的结构保障(如实名认证等)对于在线声誉的信号显示作用很小，故不予考虑。在第三方平台上，旗舰店和淘宝店可获得的结构保障有较大差别。针对旗舰店，选取保证金余额、破损包退两个代理变量；针对淘宝店，选取保证金余额、质量安全、7天无理由退货3个代理变量，并预期这些变量对销售收入有正向影响。ContrVar是控制变量向量，基于已有研究来选取控制变量。虽然中性评论的情感倾向性不明确，可能同时含有褒贬态度、语义内涵比较复杂，但有研究发现中评率对销售收入也有显著影响[30]，故选取滞后一期的中评率作为控制变量。评论数量通常是度量网络口碑知悉效应的重要变量，本研究用研究期间的累积评论数控制知悉效应的影响。对商品的收藏行为是购买倾向性的体现，收藏数还具有一定的劝说效应，因此需要控制收藏数的影响。促销活动很可能对销售收入产生影响，这里只考虑卖家最常用的促销方式，旗舰店为满减、包邮和优惠券3种方式，淘宝店为淘金币、优惠劵和包邮3种方式(3)从样本数据看，打折、赠送小礼品、刮券等其他促销活动占比均不足3%，故不予考虑。，并构建虚拟变量来区分是否有促销活动。

另外，旗舰店有开店时长的统计指标，老店与新店相比，在市场占有量、经营管理和服务水平等方面都有明显优势，开店时间越长，说明卖家在市场中的生存几率越高，越具有竞争优势。本研究还用旗舰店的仅自主退款完结时长来反映商家的服务水平，服务质量越高越有助于商品的销售。

第三方平台计算淘宝店的信用积分，并根据信用积分评出等级，从低到高共分为“红心”“钻石”“皇冠”“金皇冠”4个级别，其中每个级别中又细分为5个等级。卖家的信用积分和等级非常直观，是消费者购物时的重要参考因素之一。本研究基于样本数据，以上、下四分位点为临界值，将卖家分为高、中、低3个信用级别。总体上，高信用级别对应的是“金皇冠”，中等信用级别对应的是“皇冠”中的4～5级，其他为低信用级别，分类结果较为合理。此外，还选取了退款率以反映淘宝店的商品和服务质量。

3.3.2在线声誉对促销策略的影响

卖家最常采用的促销方式本质上都是价格促销策略，而且一些卖家会同时采取两种及以上的促销方式。根据目前能获取的线上交易数据，既无法具体量化每个卖家的分段定价方式，也无法区分每一种促销方式的影响效应。所以，本研究探讨在线声誉对卖家促销倾向性的影响。定义P=Prob(Prom=1)，以卖家是否采取促销策略为因变量，建立如下面板Logistic模型：

(5)

为检验假设4～假设5，选取声誉水平、情感熵作为核心解释变量。促销活动的一个重要目的是为了促进商品的销售，所以销售收入也作为重要解释变量纳入模型中。为避免内生性问题，上述变量均滞后一期。控制变量则包括中评率、收藏数、开店时长、信用级别等。

4 实证结果与分析

4.1 变量的描述性统计分析

淘宝店和天猫旗舰店分别在C2C和B2C市场上运营，这两个市场的定位、管理方式和技术支持等方面有明显区别，而且第三方平台的统计指标和所提供的结构保障也有较大差别。故本研究基于淘宝店和天猫旗舰店两个子样本，分别研究在线声誉的影响效应，计量模型中变量的定义及描述性统计分别见表2和表3(4)为便于阅读，表2、表3中销售收入、保证金余额的单位均设定为万元。估计模型时，上述变量的单位均为元。。

表2 变量定义及描述性统计(天猫旗舰店)

表3变量定义及描述性统计(淘宝店)

4.2 在线声誉对销售收入的影响效应

鉴于保证金余额、收藏数、累积评论数的数据波动较大，故对这3个变量也做了对数处理。为处理变量取值为0的问题，销售收入、保证金余额、收藏数、累积评论数均在原样本数据上加1，再取自然对数。对于声誉水平为0的情况，用观测期间该商品声誉水平最小非零值的十分之一来近似替代，再取自然对数。本研究的样本数据总体上是一个非平衡的短面板数据，考虑到可能存在的异方差问题，故采用FGLS方法估计随机效应模型，Pooled OLS和FGLS估计结果见表4。

表4 在线声誉对销售收入的影响

注：*、**、***分别表示在10%、5%、1%水平下显著，括号内是标准误。下同。

天猫旗舰店的声誉水平对销售收入有显著的正向影响，声誉水平每提升1%，销售收入可平均增加0.446%，在线好评中隐含的声誉水平能够为卖家带来经济收益，实证结果支持假设1。但情感熵的系数显著为负，情感熵每增加1%，销售收入平均下降0.142%，证实了假设2b。情感熵的值越大，意味着评论中的情感极性分布越均匀，即中评或差评的比例会相对增加，这种情况下潜在消费者的购买意愿会下降，导致卖家的销售收入受到负面影响。声誉水平和情感熵对销售收入的影响效应表明，线上消费者明显属于风险厌恶型。另外，旗舰店的中评率对销售收入有明显促进作用。虽然旗舰店中评的比重不大，但是99%以上有实质性语义内容，系统默认好评很少。中评不具有明确的情感倾向性，但语义内容传递了可供潜在消费者参考的商品或服务信息，消费者获取的信息越多越有助于商品的销售。

与本研究的预期相符，旗舰店所有反映结构保障的代理变量，都对销售收入有显著的正向影响，假设3得到了验证。这也表明，结构保障在提高消费者信任度、建立良好在线声誉等方面有重要作用。商品的累积评论数和收藏数均与销售额之间存在明显的正相关关系，该结果反映出知悉效应与劝说效应对商品销售的促进作用，说明人气商品通常会受到消费者的普遍青睐。开店时长、服务质量(由仅自主退款完结时长反映)也与销售收入有显著的正相关关系，这些实证结果均与预期一致。但是，促销活动对旗舰店商品的销售收入有显著的负面影响。旗舰店采取的主要促销方式是包邮，在整个样本中，有包邮的商品销售约占60%，远高于其他促销方式。通常情况下，消费者购物达到一定的金额才能享受免运费的优惠。包邮有时是实际价格优惠，有时则是改变消费者的感知以获得销量的增加。若卖家通过增加销量而降低的成本不能弥补价格优惠产生的损失，则卖家的销售收入会下降。

对于淘宝店，声誉水平的变化不影响商品的销售收入，实证结果不支持假设1。情感分析的结果表明，语义内容明确表达出正面评价的线上评论并不多，而是系统默认好评占主导地位。实质性好评在数量上不占优势，其蕴含的声誉信息较少，所以对消费者的购买意愿没有显著影响。与旗舰店类似，情感熵对销售收入有显著负面影响，情感熵每增加1%，销售收入平均下降0.256%，证实了假设2b。在线评论的情感极性若向非正面变化，对淘宝店而言也是不利的，可见B2C市场上的消费者也是风险厌恶型。值得注意的是，中评率对销售收入有显著负面影响。本研究中的中评基本上由系统默认好评构成，有研究发现，好评率极高的原因是买家担心遭到卖家报复，所以不满意的顾客更倾向不予评价，而不是给出差评[12]。本研究的实证结果表明，潜在消费者在参考线上评论时很可能也注意到了这一点，过多的系统默认好评反而会降低他们的购买意愿。

保证金余额、质量安全承诺和7天无理由退货承诺的系数均显著为正，假设3在淘宝店卖家中也成立。商品累积评论数和收藏数对销售收入有显著的正向影响；卖家服务质量(由退款率反映)的提升与销售收入之间也是显著的正相关关系，这些结果与旗舰店的情况完全类似。中等和高信用等级卖家的销售收入明显高于低信用等级卖家，该结果符合预期，也说明尽管存在不少问题，但是第三方平台的信用积分制度仍然会对消费者的购买决策产生影响。此外，淘宝店卖家的促销活动可提高商品销售收入。淘金币和优惠券是淘宝店卖家采用最多的促销方式，多设计为阶梯式优惠形式，不同消费层次的顾客均有可能享受一定的优惠，所以可能更易于激发消费者的购买欲望。当然，销售收入的提高并不意味着销售利润也一定增加，该结果也从一个侧面表明，在C2C市场上，卖家似乎更偏向采取“薄利多销”的方式来销售商品。

4.3 在线声誉对促销策略的影响效应

模型(5)Pooled Logistic和随机效应Logistic回归结果见表5。LR检验的结果表明，应选用随机效应面板Logistic估计结果。对于旗舰店卖家，只有销售收入、情感熵、开店时长对卖家的促销倾向有显著的影响，其余自变量的系数均不显著。实证结果不支持假设4，仅支持假设5。一方面，声誉水平对卖家进行促销活动的可能性没有影响；另一方面，越是资深卖家越不倾向于搞促销活动。由于旗舰店都是具备了一定的运营能力和品牌影响力的企业店铺，线上声誉较好，卖家已经无需刻意追求好评数的持续增长，所以好评数的波动不会使卖家产生强烈的价格促销动机。特别是在已经积累了良好声誉的情况下，卖家可能更倾向于享受良好声誉带来的经济收益，所以降价的可能性较小。

情感熵越大，旗舰店卖家进行促销活动的可能性越大。这意味着当卖家观察到中性或负面在线评论增多时，则更倾向于通过促销活动提高顾客的满意度、管理在线声誉，以避免声誉状况恶化。此外，销售收入越高，卖家采取促销策略的可能性越大。结合前面模型(4)的实证结果，即旗舰店卖家的促销行为会降低商品的销售收入，这反映了卖家一定程度上的让利行为，也从侧面说明旗舰店在线上市场竞争中，并不是以利润最大化为唯一目的，也有品牌推广、客户关系管理等其他方面的综合考虑。

表5 在线声誉对促销策略的影响

相比之下，C2C市场上的情况就有明显差别。淘宝卖家的声誉水平对促销可能性有显著的正向影响，从而验证了假设4；情感熵的系数不显著，实证结果不支持假设5。淘宝店卖家收到的实质性好评越多，越倾向于采取促销手段，以进一步激励顾客留下好评。按照目前第三方平台的反馈评价机制，淘宝店卖家基本上都是“一边倒”的好评，差评比例很小，即使差评数有所增加，也不会改变卖家“好评膨胀”的状况。这种情况下，卖家很可能会忽略线上评论情感极性的变化，而以追求好评数的积累为主要目标。

另外，销售收入越高，卖家采取促销策略的可能性越大。前面的研究已经发现，促销活动可增加销售收入，这表明在C2C市场上，淘宝店卖家比较注重形成促销与收入增长的良性循环。对于其他控制变量，中等和高信用等级卖家采取促销策略的可能性均大于低信用等级卖家，该结果也从侧面印证了卖家的促销倾向会随声誉水平的提升而增强。商品的收藏数越大，卖家进行价格促销的可能性越小，说明淘宝卖家一般不会对人气商品搞促销。

4.4 稳健性检验

为验证上述研究结论的稳健性，进行如下检验。首先，由于在线声誉水平的测度与幂指数α密切相关，所以在区间[2，3]中，α以0.25的步长依次取值，重新计算了在线声誉水平，并按本研究的模型依次进行回归，检验在线声誉对销售收入和促销倾向性的影响，结果表明，核心解释变量的系数显著性和符号与前文一致。其次，在模型(4)中，因变量由销售收入替换为销售量，进一步检验在线声誉的经济价值。回归结果表明，前文中关于旗舰店的研究结论依然成立；但在淘宝店中，在线声誉水平对销售量有显著的正向影响，情感熵的影响效应不变。在模型(5)中，销售收入是重要控制变量，同样将其替换为商品的销售量，以考察控制变量的变化对研究结果的影响。检验结果显示，核心解释变量的系数显著性和符号没有改变。总体上，本研究的实证结论稳健、可信，回归结果留存备索。

5 结语

本研究以新疆特色干果这类较为特殊的体验型商品为研究对象，从国内最具代表性的B2C和C2C市场中抓取线上交易数据，全面而准确地测度卖方的在线声誉，从需求角度研究了声誉的经济价值，从供给角度分析了声誉对卖家促销倾向性的影响。研究发现：①好评中隐含的声誉水平对旗舰店销售收入有显著提升作用，对淘宝店无明显影响，而线上评论中的情感熵对两类卖家的销售收入均有显著负面影响；②卖家在第三方平台获得的结构保障对销售收入有显著正向影响；③在线声誉的变化对卖家采取促销策略的倾向性有显著影响，旗舰店以声誉管理为主，更重视在线评论中的观点分歧，倾向于通过促销提升顾客满意度，淘宝店则以声誉构建为主，倾向于通过促销增加消费者的实质性好评反馈。

在线声誉所包含的信息非常丰富，简单的量化指标无法全面、准确地反映声誉状况，会影响潜在消费者的信任感知。淘宝网上大量的系统默认好评会使声誉系统出现“噪声”，导致线上声誉失真。尽管交易双方对这种“噪声”具有一定的“过滤”能力，但是为提高反馈评价机制的效用，第三方平台应完善反馈机制的设计，降低“噪声”出现的可能性，重视对在线评论语义内容的分析挖掘，改进信誉的测度方法。

对于线上卖家而言，为实现盈利和长期生存的目标，应从多个维度构建和积累良好的在线声誉，不能只追求好评的数量，更应重视好评的质量和消费者情感观点的变化。获得结构保障也是构建在线声誉的有效途径，并可带来一定的经济收益，是卖家应考虑的一种策略选择。另外，卖家有必要优化差异化定价策略，积极开展网络口碑营销，从而提高自身的竞争优势。

未来研究可扩大农产品的种类，丰富样本的代表性，强化体验型商品相关研究结论的普适性；在细粒度层面挖掘在线评论的情感极性及强度，进一步精准且全面地提炼文本评论所隐含的在线声誉信息流；在数据许可的情况下，可将卖家的促销策略量化为具体的定价方式，并深入研究在线声誉变化与不同促销方式之间的交互作用。