研究动机

在当今数字化时代，社交媒体和在线评论平台的普及使得用户生成的内容成为消费者购买决策的重要依据。尤其是在电影行业，观众在购票前往往会参考他人的在线评论，以决定是否观看一部电影。根据本文的调研，超过75%的消费者会在购票前参考在线评论。由于情感在消费者认知和决策过程中的重要作用，越来越多的企业开始关注在线评论中情感的经济价值。事实上，25%的《财富》全球500强企业和超过1400个品牌已经在其市场研究中采用了情感人工智能（Emotion AI），以更好地理解和回应消费者的情感。然而，尽管这一领域的重要性日益增加，但在如何准确地测量和理解在线评论中的情感及其对消费者行为和商业绩效的影响方面，仍然面临着理论和算法上的双重挑战。

图片来源：counselingintegrity.com

传统上，管理学研究多集中于情感的维度分析（dimensional emotion analysis），即通过情感的极性（正面或负面）和唤醒度（arousal）来理解情感的影响。然而，这种方法的局限性在于，它无法捕捉到情感的细微差别和复杂性。相比之下，离散情感理论（discrete emotion theory）提供了一种更为细致的情感分类方法，识别了基本情感类别（如惊讶、愤怒、快乐等）及其对消费者行为的影响。此外，从算法的角度来看，现有的情感分析方法未能充分考虑情感表达的领域差异和演化性质，导致在实际应用中的预测效果有限。这篇文章的写作动机源于作者希望通过将离散情感理论与先进的算法相结合，解决现有情感分析方法的局限性，并探索情感在实际商业环境中的应用潜力。本文通过两个互为支持的实验，验证这些猜想并得出结论。

研究1: 使用离散型情感指标预测中国电影市场

在研究的第一部分，作者聚焦于中国电影市场，分析了2012年至2018年间上映的499部电影的在线评论数据，以探讨情感如何影响电影的票房表现。研究从微博平台上收集了3,257,871条与电影相关的消息，并通过支持向量机（SVM）模型筛选出其中的1,214,310条有效电影评论。这一数据集是目前关于微博电影评论与票房关系研究中规模最大的一次，具有很强的代表性。

研究采用了三种不同的情感分析方法：情感极性分析、离散情感分析和情感主题分析。首先，情感极性分析将评论划分为正面或负面情感。研究显示，这种方法虽然简单，但在预测票房方面具有一定局限性。其次，离散情感分析是研究的重点，作者构建了一个领域自适应的情感词典，结合Word2Vec模型，通过检测评论中的八种离散情感（惊讶、快乐、期待、爱、焦虑、悲伤、愤怒和厌恶）来预测票房。相比于使用通用情感词典（如Ren-CECps），该领域自适应的词典显著提高了预测的准确性，特别是在支持向量回归（SVR）模型下，各种离散情感的预测效果均优于情感极性分析。第三种方法是情感主题分析，通过潜在狄利克雷分布（LDA）模型对评论进行主题建模，以识别评论中的潜在情感主题。尽管这一方法在一定程度上能够捕捉到情感的多样性，但其预测效果依然不如离散情感分析。

研究结果显示，离散情感分析在票房预测中的表现远超其他两种方法，并且将离散情感与情感极性或潜在情感主题结合并未显著提高预测准确性。这表明，离散情感已经充分捕捉了评论中的情感信息。通过使用线性回归、随机森林、支持向量回归和XGBoost等多种机器学习模型，研究证实了离散情感分析的实际应用价值，特别是在提高票房预测的精度和影院运营决策的优化方面

研究2: 美国电影市场情感影响实验

在研究的第二部分，作者转向美国电影市场，通过随机实验探讨了在线评论中的情感如何影响消费者的购买意图。实验旨在验证情感在不同文化背景下的普适性，尤其是离散情感在影响评论有用性感知和购买意图方面的作用。

实验设计精巧，参与者被随机分配到不同的实验组，以测试不同情感在评论中的作用。处理组的评论内容中加入了各种离散情感的表达，而控制组的评论则没有进行情感操作。研究特别关注了感知处理流畅性，即消费者在处理信息时的认知流畅度，如何受到不同情感的影响。实验通过问卷调查的形式，测量了参与者对评论有用性的感知以及他们的购买意图。

实验结果显示，正面的离散情感（如快乐和爱）显著提升了消费者的购买意图，而负面的情感（如愤怒和厌恶）则降低了购买意图。通过影响感知处理流畅性，大多数离散情感（除愤怒外）显著增加了评论的有用性感知，这种效应在情感表达清晰、易于处理的情况下尤为显著。对于愤怒情感，研究发现其对购买意图的影响主要通过感知作者的理性程度（perceived writer rationality）来中介。总体而言，研究确认了评论的有用性感知与购买意图之间的显著正相关，进一步证明了情感在在线评论中对消费者决策的深远影响。这项研究不仅验证了离散情感理论的跨文化适用性，还提供了实证证据，说明情感在不同文化背景下对消费者行为的影响是一致且具有经济意义的。这一发现对于全球电影市场的营销策略制定具有重要的启示作用。

结论

本研究表明，使用离散情感分析相比传统的情感极性分析（如仅关注正面和负面情感）能够更准确地预测电影票房。具体而言，离散情感能够显著提高预测准确性，且相比于基于情感主题模型的隐性情感变量，其预测效果更佳。此外，在对美国电影市场的实验中，发现离散情感通过影响感知处理流畅性显著影响评论的有用性感知，进而影响消费者的购买意图。

这项研究为情感AI领域提供了重要的理论支持，验证了离散情感理论在不同文化背景下的适用性，并提出了情感通过感知处理流畅性影响购买意图的机制。该研究统一了算法与理论视角，为情感如何在在线评论中作用提供了新的见解。同时，研究结果对电影市场的营销策略和在线评论平台设计提供了实际指导。通过利用在线评论中的情感数据，企业可以更准确地预测票房，并优化电影营销和影院运营决策。特别是，研究显示，离散情感分析在提高票房预测准确性方面具有很高的实际应用价值。

参考文献：

Yu Y, Yang Y, Huang J, Tan Y (2023). Unifying Algorithmic and Theoretical Perspectives_ Emotions in Online Reviews and Sales MIS Quarterly, 47(1).

Link: https://misq.umn.edu/unifying-algorithmic-and-theoretical-perspectives-emotions-in-online-reviews-and-sales.htmlDOI: 10.25300/MISQ/2022/16600

作者信息：

Yifan Yu

Position: Assistant professor, McCombs School of Business, The University of Texas at AustinArea: (1) the economics of artificial intelligence and machine learning; (2) business analytics leveraging online multi-modal and unstructured data (i.e., text, images, videos, networks, behavioral sequences); and (3) data analytics to facilitate volunteerism, sustainability, and social justiceWebsite: https://www.mccombs.utexas.edu/faculty-and-research/faculty-directory/yifan-yu/

Email: yifan.yu@mccombs.utexas.edu

Yang Yang

Title: Lecturer, Department of Big Data Management and Application, School of International Economics and Management, Beijing Technology And Business University

Area: Information Management and Enterprise Innovation, Online Emotion, AI Chatbots

Website: https://siem.btbu.edu.cn/sztd/jstd/szxq/axspx/dsjglyyyx/1819003be7e94e33b5c73393c0bb2cca.htm

Email: yy921006@mail.ustc.edu.cn

Jinghua Huang

Title: Professor of Management Science and Engineering, School of Economics and Management, Tsinghua University.Area: The value of social media, social media user behavior (especially consumer sentiment), corporate behavior and their interactions.Website: https://www.sem.tsinghua.edu.cn/info/1210/31915.htm

Email: huangjh@sem.tsinghua.edu.cn

Yong Tan

Title: Professor of Information Systems, Chair of the Information Systems and Operations Management, Michael G. Foster Endowed Professor of Information Systems, University of WashingtonArea: Online social networks, Mobile commerce, Digital content distribution channels, Information securityWebsite: https://faculty.washington.edu/ytan/index.htm

Email: ytan@uw.edu