编辑推荐：
本研究针对线上产品评论感知有用性研究长期局限于整体情感的问题，深入探究了评论结构（即正面与负面内容在评价信息中的序列安排）的关键作用。通过对195,675条亚马逊评论进行成长曲线建模分析，研究发现评论的有效结构因产品评分而异：高评分产品下，情绪渐趋积极的评论最有用；平均评分产品下，渐趋负面的结构更能提升有用性；而低评分产品下，以建设性意见开篇再提出批评的“建设性批评”结构效果最佳。该结果揭示了评价信息的组织方式与其内容本身同等重要，为在线评论与反馈理论提供了新的洞见。
当你网购时，是更愿意看通篇赞美的好评，还是更关注那些既有夸奖也有批评的“混合型”评价？传统上，无论是商家、平台还是研究者，判断一条评论是否有用，往往只看它的“总分”——也就是整体是好评还是差评。然而，这种只看“结果”的视角，可能忽略了一个关键维度：评论的“讲述过程”。想象一下，同样是给四星好评，一条评论是先吐槽不足再盛赞优点，另一条则是先褒奖后指出瑕疵，这两条评论给读者的感受和帮助会一样吗？现有的研究对这个问题关注甚少，几乎全部聚焦于评论的整体情感倾向（Sentiment）。
为了填补这一空白，一项研究将目光投向了“评论结构”（Review Structure），即正面和负面内容在整个评价信息中的排列顺序。研究者们认为，评论如何被“组织”和“讲述”，其重要性不亚于它“说了什么”。这就像听一个故事，跌宕起伏的讲述方式比平铺直叙更能吸引人，评论的“情感轨迹”或许同样深刻影响着读者对其有用性的感知。
为了验证这一想法，研究团队开展了一项探索性研究。他们没有采用传统的情感分析（Sentiment Analysis）只计算整体情感得分，而是运用了更为精细的成长曲线模型（Growth Curve Modeling, GCM）来分析大规模的评论数据。这种方法能够动态地捕捉每一条评论的“情感脉搏”：它以怎样的情感基调（积极或消极）开篇，以及在后续的文本中，这种情感的“走势”是逐渐变得更加积极（渐趋积极轨迹）、更加消极（渐趋消极轨迹），还是发生转折。通过对亚马逊平台上195,675条真实产品评论进行建模分析，研究者得以量化每一条评论的情感序列模式。
研究发现，并不存在一种“放之四海而皆准”的最优评论结构。评论的有用性高度依赖于它所评价的产品评分，呈现出清晰的匹配效应：
- •
对于高评分（例如五星）产品，最有效的评论结构是那些情感上“渐入佳境”的类型——即评论以相对中立或轻微积极的语调开始，随着叙述的深入，变得越来越积极和褒奖。这类“低开高走”的积极轨迹评论被认为最有帮助。相反，对于那些开头积极但结尾转向批评（“高开低走”）的评论，读者则认为帮助最小。这或许是因为，对于公认的优质产品，读者期待看到对其优点的深入挖掘和确认，结尾的强化褒奖能巩固购买信心，而结尾的“转折”批评则可能被视作吹毛求疵或令人困惑。
- •
对于平均评分（例如三星）产品，情况发生了逆转。在这里，被认为最有帮助的评论是那些“渐趋消极”的结构——评论以相对中立的观察开始，但逐步揭示出更多的问题和缺点。这种逐步深入的批评，可能被认为更全面、更值得信赖，帮助消费者识别潜在风险。而效果最差的结构，则是“先抑后扬”型，即开头严厉批评，但结尾又转向积极。这种结构可能让人感到不一致或不可信。
- •
对于低评分（例如一星）产品，最有帮助的评论展现了一种“建设性批评”（Constructive Criticism）的智慧。具体而言，那些以建设性或相对温和的口吻开篇（例如先承认产品的某方面设计意图或某个微小优点），然后再系统性地阐述其核心缺陷和批评的评论，被感知为最有价值。这种结构可能被认为更客观、更富思考性，而非纯粹的情绪宣泄，从而提供了更高质量的信息。
该研究主要运用了以下关键技术方法：首先，从亚马逊平台大规模获取真实产品评论文本与元数据（包括评分、有用性投票等），构建研究数据集。其次，采用成长曲线模型（Growth Curve Modeling） 这一统计技术，对每条评论进行句子级的情感分析，并拟合其情感值随时间（即文本序列位置）的变化轨迹，从而量化定义每条评论的“情感轨迹”或“评论结构”。最后，通过回归分析等统计模型，检验不同的情感轨迹（如渐趋积极、渐趋消极）如何与评论的感知有用性相关联，并分析产品评分在这一关系中的调节作用。
研究结果
- •
情感轨迹的识别与量化：通过成长曲线建模，研究成功地从海量评论文本中提取出不同形态的情感变化轨迹，证实了评论内部情感结构的多样性与可度量性，超越了简单的整体情感分析。
- •
产品评分的调节作用：分析结果表明，产品评分是决定何种评论结构最有效的关键边界因素。对于高、中、低不同评级的产品，能最大化其感知有用性的评论情感轨迹截然不同，证明了“有效性取决于语境”的核心观点。
- •
特定产品评分下的最优结构：
- •
高评分产品：情感轨迹呈“渐趋积极”的评论最有助于提升感知有用性。
- •
平均评分产品：情感轨迹呈“渐趋消极”的评论最能增强其帮助性。
- •
低评分产品：采用“建设性批评”结构（即开头相对积极/建设性，后续提出批评）的评论被评价为最有帮助。
- •
结构效应超越整体情感：研究证实，在控制了评论的整体情感倾向（整体效价）后，评论的情感序列结构（即“如何说”）仍然对感知有用性具有独立的、显著的预测能力。这意味着，两条整体情感相似的评论，可能因其内部结构的不同而被判定为有用性迥异。
结论与讨论
本研究的结论清晰地指出，在线产品评论的感知有用性并非仅由“说了什么”（即整体情感内容）决定，更关键的是“如何说”（即正面与负面信息的组织序列）。评论的结构性特征——具体体现为可量化的“情感轨迹”——是理解其说服力和帮助价值的一个核心且此前被忽视的维度。研究揭示的“产品评分-评论结构”匹配效应，为在线评论平台的设计、商家对用户反馈的管理以及消费者自身的评价撰写提供了深刻的实践启示。例如，平台可以利用此类发现优化评论排序算法，优先展示与产品类型或当前评分最匹配的有效结构评价；商家可以鼓励用户在评价不同等级的产品时，采用更可能被其他消费者认为有帮助的叙述方式；而消费者在阅读评论时，也可以更有意识地审视评价的叙事逻辑，而非仅仅依赖星级。
这项研究将“结构”视角引入了在线反馈研究领域，挑战了长期以来以聚合情感为主导的研究范式。它表明，如同面对面的沟通和组织内的反馈一样，在线公开评价的有效性也极大地依赖于信息呈现的次序和方式。该论文发表于《Scientific Reports》，其发现不仅深化了我们对数字时代消费者决策支持信息的理解，也为计算社会科学、人机交互和信息系统领域的相关研究开辟了新的方向，即关注文本信息动态的、序列化的属性及其产生的心理影响。
