评估产品评论的有用性和经济影响：挖掘文本和审阅者特征-研究论文

随着Internet的快速发展，用户创建和发布内容的能力已经创建了活跃的电子社区，这些社区提供了丰富的产品信息。 但是，通常针对单个产品发布的大量评论使个人和制造商更难找到最佳评论并了解产品的真正底层质量。 在本文中，我们重新审查了评论对诸如产品销售之类的经济成果的影响，并观察了不同的因素如何影响社会成果，例如感知的有用性。 我们的方法探索了审阅文本的多个方面，例如主观水平，各种可读性度量以及识别基于文本的重要特征的拼写错误程度。 此外，我们还检查了多个审阅者级别的功能，例如过去审阅的平均有用性以及在审阅旁边显示的审阅者的自我公开的身份度量。 我们的计量经济学分析表明，评论中主观性，信息性，可读性和语言正确性的程度对影响销售和感知有用性至关重要。 与倾向于只包含主观或客观信息的评论相比，具有客观和高度主观句子的评论与产品销售负相关。 但是，其他用户对此类评论的评价更高（或更有帮助）。 此外，当评论文本内容丰富且详细时，对产品进行负面评价的评论可能与增加的产品销量相关。通过使用基于随机森林的分类器，我们证明了我们可以准确地预测评论对销售及其感知有用性的影响。 我们研究了三种广泛的功能类别的相对重要性：“与审阅者相关”的功能，“审视主观性”功能和“审阅可读性”功能，并发现使用这三种功能集中的任何一种都会产生与统计上相同的效果使用所有可用功能的情况。 本文是第一个将计量经济学，文本挖掘和预测建模技术集成在一起的研究，旨在对用户生成的在线评论所捕获的信息进行更完整的分析，以评估其有用性和经济影响。