英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
1.介绍
目前，美国有超过1.9亿的数字购物者，其中92%的购物者依靠在线评论来进行购买决定，并最关注在线产品或服务评级（Kril，2014;BrightLocal，2015）。线上评级（例如，五颗星中有三颗）可以帮助消费者克服困难网上购物的固有限制，例如无法评估产品和服务亲自或直接与销售沟通人员（Darley，Blankson，＆Luethge，2010;Peterson＆Merino，2003;Simonson＆Rosen，2014）。在大多数情况下，创建在线评分通过让产品或服务的以前用户评价他们的体验使用一星到五星的标准，一颗星表示“差”体验“和五颗星表示”极好的体验“（Mudambi，2010）。这些评级由网站汇总并向潜在客户进行视觉展示。在线客户评级显示出显着影响消费者行为。尽管承认，研究人员争辩说主观的在线评级是方便的，并为消费者提供价值成本低（Kozinets，2016;Simonson，2016）。此外，deLanghe，Fernbach和Lichtenstein（2016a，2016b）表明
购物者通常比其他品质更依赖在线客户评分线索，即使客户评级不反映客观产品质量。以前的研究发现，在线收视率影响消费者品牌选择（Shandwick，2012），购买行为（Chevalier＆Mayzlin，2006）和回购意向（Gauri，Bhatnagar，＆Rao，2008）。然而，尽管有很多行为研究关于信息格式对决策的影响（Schwarz，2015年;Simonson，2015年），对此如何不重视在线客户评级格式影响购买意愿。显示给在线购物者的顾客评分可以不同格式。诸如Yelp，IMDb和Booking.com等网站通常依赖于采用平均格式，其中显示加权平均评分购物者。例如，使用移动应用Yelp的购物者可能会看到一家酒店的总收视率为100，平均评分为3五颗星。其他网站通常包括NewEgg和Glassdoor使用分发格式报告评分，其中评分的数量显示每个“星级”。例如，购物者NewEgg网站可以看到，给定的笔记本电脑有100个总评分，包括10个五星评级，20个四星评级，40个三星评级，20个二星评级和10个一星评级。目前的研究经验测试是否有不同的评级格式（如所描述的格式）可能会导致不同的消费者结果。这样做，目前的调查没有找到支持以评估方式影响购买意图的方式预计通过经典的决策模型（研究1-3;Savage，1972;VonNeumannMorgenstern，1947）或消费者的描述模型决策制定（研究2;Kahneman＆Tversky，1979;Tversky＆Kahneman，1992）。相反，情感信息理论是最重要的吝啬与我们的三项研究的结果，并有助于确定处理流畅性作为潜在影响的重要过程评级#39;购买意向的格式。
- 评级的格式和购买意向
产品和服务的在线评级被认为可以帮助消费者预测他们未来对产品或服务的满意度（Wulff，Hills，＆Hertwig，2015）。另外，所有其他的都是平等的一般认为消费者会选择收视率较高的产品（de Langhe等，2016a，2016b）。例如，消费者会可能会从平均产品中获得更高的未来满意度三星评级相比，平均评级为两颗星。这种消费者偏好期待值更高的选项价值或效用已经在经典的决策模型中得到很好的确立（Savage，1972; Shafir，Simonson，＆Tversky，1993; Von
Neumann＆Morgenstern，1947）。另外，这些模型建议消费者应该在选择选项之间漠不关心等于期望值，而不管选项的信息如何被呈现。因此，决策制定的典型模式不会预期在线评级的格式对差异影响购买意图。这种预测可以正式说明如下：H1。在线评分格式（平均分配）将会不影响购买意图，给定的数量并且评级的加权平均值是相等的格式。决策制定的描述性模型（Kahneman＆Tversky，另一方面，预计信息格式可以影响购买意愿（Bettman，Payne，＆Staelin，1986; Slovic，Fischhoff，＆Lichtenstein，1980; Tversky＆Kahneman，1981）。展望理论，例如，建议一个S形的价值函数是凹的获得收益和凸出损失（Kahneman＆Tversky，1979）。这个价值函数大于小概率，大于大和中等概率（Tversky＆Kahneman，1992）;和斜坡这种功能的损失比收益更陡，导致损失相对于其他方面相同的收益而言过分重要（Kahneman＆Tversky，1979; Tversky＆Fox，1995）。因此，前景理论意味着收视率格式有可能产生影响购买意向。例如，如果评分是以分布形式呈现的格式，那么前景理论会提示更低的概率评级水平（即由较少评论者给出的星级评分）是相对于较高的概率评级水平（即，星级评级）而言过重由更多评论者给出）。另外，前景理论会建议评分较低（例如，五星级以下的三星以下）被称为超过更高的评级（例如，三星以上的那些五星级）。例如，假设Amazon.com上的相机购物者是查看以分布格式图形显示的评级。图形通知购物者相机已收到100评级，包括10个五星评级，20个四星评级，40个三星评级，20个二星评级和10个一星评级。该这些评级的加权平均数是3;然而，前景理论的S形的价值函数表明估值较低，从而导致从购物者超过小概率（例如，星级评分）由较少的评论者给出）以及相对于收益的损失超过（例如，低于三星的评级）。相反，价值估计中的这些偏差可能不是一个考虑因素如果购物者已经在线显示在线评分意思是格式。平均格式没有任何关于它的信息底层分销，禁止在亚马逊上的购物者，为例如，由于评论者和评论人数较少而超过了星级明星级别低于平均评级。那么，情况可能是这样的，在线评价格式可以有差异地影响购买意愿。所有其他条件相同的情况下，在线评分以分布呈现（vs.平均）格式可能导致较低的消费者估值和购买意图。从形式上看，H2。 在线评级将导致更高的购买意愿当以平均（对比分布）格式呈现时，给定的数量和加权平均数各种格式和收视率分布的收视率都是相同的是正常的。
3 .研究1：评分的格式效果
3.1 |参与者和刺激
参与者为73名成人（59％为女性，18-63岁）。对全部研究，参与者位于美国，并且是使用Amazon Mechanical Turk招募。创建刺激以反映流行的实际消费者评级网站。NewEgg.com上的收视率类似，在分配中格式条件下，参与者显示了200的全分布客户评分（图1，顶部图片）。类似于Yelp的评级。在平均格式条件下，参与者被显示出来加权平均200个客户评分（图1，底部图片）。在两种情况下，消费者总评分数（200）和评分的加权平均值（五颗星中有三颗）是一样。
3.2 |程序
参与者被随机分配到平均格式条件或分发格式条件。在每种情况下，参与者被告知他们正在接受网上评级在酒店预订网页上。说明中指出了收视率表明以前消费者对酒店的总体满意度。参与者提供了特定格式的评级图表到他们的状况，并被要求回答这个问题：“请说明你选择这家酒店的可能性假期？“（1 =非常不可能，7 =很可能）。这个单项量表是用于衡量购买意愿（参见Bergkvist＆Rossiter，2007）。最后，收集包括年龄和性别的人口统计数据。
3.3 |结果
单因素方差分析（ANOVA）格式（平均分配）对购买意愿有影响。评级格式对购买意图有显着影响，F（1,71）= 11.02，p lt;.001。因此，我们的研究结果支持H2，H1被拒绝。如图2所示，购买意向是在均值格式条件下（M = 3.54，SD = 1.35）高于分布格式条件（M = 2.47，SD = 1.40）。
3.4 |讨论
结果符合基于S形值的预期功能;但是，还有其他问题。例如，偏好因为知道未知概率，也称为模糊性厌恶（例如，Ellsberg悖论），已经很成熟（Chow＆Sarin，2001;埃尔斯伯格，1961年）。给定两个期望值相等的期权，一个人通常更喜欢提供结果的选项已知（与未知）发生的概率。从这个角度来看，所有其他条件相同的情况下，分发格式应该优先于一种平均格式，因为结果概率在分布中是已知的格式但不是以平均格式。但是，在之前研究，情况并非如此。相反，购买意向的平均格式较高（具有未知的结果概率）比分布格式（具有已知的结果概率）。虽然这个偏好是在与前景理论一致，它与歧义的概念相矛盾厌恶。但是，这种差异可能会减少分配的评级是不容易估计的偏差与一个S形值功能。例如，前景理论和歧义规避可能会发现更大的支持，因为所有的评级在a分布变得更接近其平均评级。例如，考虑产品具有的假设情况100个在线评分由所有三星评级组成。在这种情况下，分发格式会向以下信息报告以下信息消费者：0五星评论，0四星评论，100三星评论评论，0个二星评论和0个一星评论。在另一手，平均格式只会报告平均评分为三五颗星之一，并没有提供任何额外的信息评级的分布。因为前景理论和含糊不清厌恶假定消费者喜欢知道未知的结果并且不喜欢不确定性，他们都会预测分布（相对于平均值）格式，从而在概述中导致更高的购买意向场景。这种情况将在我们的下一次研究中经验性地测试，这将测试以下假设：H3。在线评级将导致更高的购买意愿当以分布（与平均值）格式呈现时，因为所有的评级都是相同的价值。
4 .研究2：气味变化
4.1 |参与者和刺激
参与者是102名成年人（51％男性，19-72岁）如前面的研究招募和支付。平均的刺激格式条件与研究1（图1，底部图像）相同;然而，分布格式条件的刺激被修改了所以所有的收视率都是三星级的。这是为了消除更高（四星和五星）和更低（一星和两星）的评级同时在整个条件下保持期望值（三星）不变。事实上，在市场上这种分布是不太可能的，尽管对于积累数量较低的产品可能存在这种分布顾客评论。但是，从方法论的角度来看，使用需要这种分配来评估购买的程度意图是由厌恶歧义驱动的。
4.2 |程序
参与者被随机分配到平均格式条件或分发格式条件。就像在之前的研究中一样，参与者被要求想象他们正在浏览一家酒店预订网页。酒店的评级已呈现给参与者以条件特定的格式（平均分配）和参与者被要求回答这个问题：“请说明可能性如何你会为你的假期选择这家酒店吗？“（1 =非常不可能，7 =很可能）。最后，收集人口统计数据。
4.3 |结果
单因素方差分析评估评级的格式（平均数与分布数）对购买意图有影响。和以前的研究一样，
评级格式被发现对购买有重大影响意图，F（1,100）= 15.75，p lt;.001。但是，与我们的预测相反（H3），平均购买意愿显着较高格式条件（M = 4.94，SD = 1.32）比分布格式条件（M = 3.85，SD = 1.46;图3）。
4.4 |讨论
虽然符合研究1的结果，但这些发现是出乎意料的并不支持H3。值得注意的是，这些结果也与之相反大量研究发现一般消费者偏好已知超过未知的结果（Chow＆Sarin，2001; Ellsberg，1961;
Kahneman＆Tversky，1979; Tversky＆Kahneman，1992）。替代模型可能会更好地解释平均分配评分格式影响购买意向。例如，信息理论（Schwarz，2011）可能有助于解释结果以往的研究强调了消费者影响的作用。有很多证据表明情感会影响消费者的决定（Finucane，Alhakami，Slovic＆Johnson，2000; Slovic，Finucane，Peters，＆MacGregor，2004,2007）。这样的研究表明消费者往往更多地依赖他们的感受而不是评估在评估产品和做出购买决策时进行微积分（Schwarz，2011）。消费者的感受来自各种各样的源。例如，当提供有关产品的信息时（例如，在线评级），信息的内容（例如，正面评级）可以引起消费者的感受，程度也可以消费者能够轻松处理信息。这个感觉启发的后一种形式通常被称为处理流畅性（Reber，Schwarz和Winkielman，2004; Topolinski＆Strack，2009年; Whittlesea，1993）。处理流畅度被描述为情感价值体验这源于信息处理本身的行为（Alter＆Oppenheimer，2006）。总的来说，信息时会产生积极的影响很容易（但困难）处理（Reber等人，2004）。这个启发反过来，积极的感受已被发现积极影响一个各种消费者成果（Schwarz，2004）。例如，什么时候与产品相关的信息很容易处理，消费者普遍倾向于有更大的偏好对于产品（Labroo，Dhar，＆Schwarz，2008; Novemsky，Dhar，Schwarz，＆Simonson，2007; Song＆Schwarz，2009）。同样，评级#39;格式对购买意向的影响在我们以前的观察中研究可能是处理流畅性的结果。评级呈现平均格式可能比消费者更容易处理以分布格式呈现（Checkosky＆Whitlock，1973;Reber等，2004）。因此，平均（对比分布）格式可以引发更大的流程处理，并因此增加购买量意图。如果是这种情况，那么我们期望处理流畅调解评级格式与购买之间的关系意图，在以前的研究中确立。形式上，我们预测的是以下：H4。在线收视率会导致更高的处理流畅度结果是，当购买意图更高时以平均（对比分布）格式呈现，因此评级的数量和加权平均数为相同的格式和收视率的分布是正常。
5 |研究3：加工调解
流畅性
5.1 |参与者和刺激
参与者是156名成年人（51％女性，20-62岁）像以前的研究一样征聘和支付。在...中使用的刺激均值格式条件和分布格式条件与研究1（图1）相同。
5.2 |程序
正如在以前的研究中，参与者被随机分配到要么是平均格式条件，要么是分布格式条件。与之前的研究一样，在每种情况下，参与者都被呈现与表面上酒店的酒店整体在线评级预订网页，并被要求回答这个问题：“请表明您选择度假酒店的可能性有多大？“（1 =非常不可能，7 =非常可能
全文共9080字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[11306]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
