引言：受网络购物的便利性、多样性与价格低等特点，消费者更加乐意在网络上购买自己的心仪产品。同时，由于无法亲临现场体验产品，消费者们会浏览不同卖家的商品，仔细观察对比评论信息，以便获得更好的消费体验，做出正确的消费决策。商品的网络口碑在这样的背景下，就变得格外重要，那么企业该如何应对在线客户的评论来提高企业利润呢？

01背景介绍

鉴于目前随处可见的在线意见论坛，消费者可以很容易地从其他消费者的体验中收集产品或服务信息。特别是，在线客户评论被发现对公司的声誉和收入有很大影响。在竞争激烈的市场中，消费者的购买决策可能不仅取决于焦点企业的审查，也取决于竞争对手的审查。在线客户评论以及公司对这些评论的反应是市场上所有消费者和竞争对手都可以观察到的。所以，消费者能够在竞争激烈的市场中形成关于评论评级的知情信息。这些评级信息会决定客户是否产生购买行为，从而影响产品销售。因此，公司需要对这种行为进行解释，以实现评级和销售的有效管理。管理用户意见的一种常见做法是公开回应客户评论，以解决审阅者所表达的问题。然而，产生管理层的回应并不是免费的。培训人们进行调查并对审查做出专业回应可能代价高昂。由于回应努力是昂贵的，公司需要确定最佳回应战略来管理审查评级，以促进他们的销售。那么影响企业最佳应对策略的因素是什么？企业在竞争面前应该如何采取行动？

02研究问题

第一，在竞争性市场中，其他公司的评级如何影响焦点公司的销售？第二，在竞争性市场中，公司应如何通过管理层的反应来管理其评级？

03数据与变量

作者采用了来自携程网站的数据，该网站是中国最大的在线旅游聚合网站，占据了中国在线旅游市场一半以上的市场份额。作者获取了包含2013年9月至2014年6月携程网上从上海出发的1400个旅行团的数据，并将评论数量限制在 20 条以上后，剩下 317 个拥有足够评论数据量的旅行团。

下表是这个研究的主要变量：

来自MIS Quarterly Vol. 47 No. 1 / March 2023 P169

04研究结果

对于研究问题（1），作者应用了MLE模型与ETS模型，证明了在竞争市场中，评级差距较大时，焦点公司受到客户评级敏感性（）变化的影响更大。如果差距较大，且焦点企业的评级高于市场平均水平，则客户评级敏感度（）的提高（降低）会导致利润的较大提高（降低）。另一方面，当差距较大且焦点公司的评级低于市场平均值时，客户评级敏感度（）的增加（降低）可能会减少（增加）焦点公司的利润。对于研究问题（2），在本文中，假设公司采用最佳回应策略，则根据观察到的数据估计旅行参数（例如，利润率、评级衰减因子和客户评级敏感度）。然而，在了解相关参数之前，公司无法最佳地选择其策略（“先有鸡还是先有蛋”的问题）。那么，企业在了解相关参数之前如何实施最优的应对策略呢？对于公司来说，一种合理的方法是首先使用方便的回应策略。例如恒定回应策略，其中响应概率独立于状态值，通过用恒定响应策略替换评级方程中旅游的实际响应策略来模拟恒定响应策略的影响，这意味着无论评级的状态变量如何，旅游都有恒定50%的机会响应评论，并生成一些可用于估计相关参数的数据。然后，公司可以使用初始磨合期的参数来决定最佳策略。

05结论与建议

在竞争环境市场中，每个公司都试图通过应对策略来管理其评级，并且它们的反应的效果是相互交织的。此研究显著特点是，制定的应对策略考虑了收视率和销量以及利润之间的关系。也就是说，此研究最先考虑评级前因和后果的影响链：应对策略→评级→销售→利润。为此，作者开发了一个受控扩散模型，其中焦点公司的销售是由客户对平均市场评级和自身评级的信念驱动的，而公司使用回应策略来操纵这些评级以实现利润最大化。作者在模型中嵌入了响应策略，使我们能够进行分析来回答假设问题。例如，如果旅游经理采取其他应对策略，会对收视率和进一步销售产生什么影响？ 某些参数的变化将如何影响竞争并进一步提高利润？此外，作者还研究了参数对最优控制工作和进一步利润的边际影响。同时作者为负责管理评级的管理者提供了几条建议：（1）评级是相对的，而不是绝对的，公司应努力提高评级而非是使评级成为市场中最高者。（2）在选择回应措施时，公司需要考虑客户对优质服务的要求有多高。高端公司往往拥有要求更高的客户。随着消费者的要求越来越高，公司有时可能需要减少回应，因为维持高评级的成本太高。有时，公司需要加大力度来应对要求更高的客户。（3）公司管理者必须注意，持续的回应策略通常不是最佳的，必须根据当前评级选择回应措施的级别。更重要的是，当前评级和最大可能评级之间的差异对于回应工作很重要。

参考文献：Yang, M. W., Zheng, Z. Q., Mookerjee, V., & Chen, H. Y. 2023. RESPONDING TO ONLINE REVIEWS IN COMPETITIVE MARKETS: A CONTROLLED DIFFUSION APPROACH. Mis Quarterly, 47(1): 161-194.

文献链接：https://doi.org/10.25300/MISQ/2022/16163

作者信息：

Mingwen Yang

Position：Assistant Professor of Information Systems，Foster School of Business，University of Washington

Area：data analytics，e-commerce，economics of information systems

Site：https://foster.uw.edu/faculty-research/directory/mingwen-yang/

Email：mingweny(at)uw.edu

Zhiqiang (Eric) Zheng

Position：Professor，Management，University of Texas at Dallas

Area：Business Analytics，Information Technology Innovation, Diffusion and Standardization，Quantitative analysis for Operations, Marketing and Finance

Site：https://profiles.utdallas.edu/ericz

Email：zxz062000@utdallas.edu

Vijay Mookerjee

Position：Professor，Information Systems，University of Texas at Dallas

Area：Optimal design of e-commerce servers，Web server capacity planning，Software development，Expert systems

Site：https://jindal.utdallas.edu/faculty/vijay-mookerjee

Email：vijaym@utdallas.edu

Hongyu Chen

Position：Professor，Information Systems，California State University at Long Beach)

Site：https://web.csulb.edu/colleges/cob/intranet/vita/public/resume

php?username=Hongyu.Chen&cid=32#AccordiancollapseFive

Email: hongyu.chen@csulb.edu