《Journal of Service Research》：A Linguistic Guide to Webcare: The Roles of Attentiveness, Justice, and Response Patterns in Handling Online Complaints
编辑推荐：
网络关怀（webcare）要求服务提供者公开回应顾客的负面在线评论，由此产生的投诉—回应交流是可见的，也会影响观察者。尽管研究表明回应评论对服务提供者有利，但关于回应内容和模式如何与后续顾客行为相关，现有指导有限。本研究借鉴信号理论与公正概念，探讨三种回应特征
网络关怀（webcare）要求服务提供者公开回应顾客的负面在线评论，由此产生的投诉—回应交流是可见的，也会影响观察者。尽管研究表明回应评论对服务提供者有利，但关于回应内容和模式如何与后续顾客行为相关，现有指导有限。本研究借鉴信号理论与公正概念，探讨三种回应特征，即关注度、公正线索和回应模式，如何与后续正面评论量（positive review volume）相关联。通过对Tripadvisor和Yelp上酒店与餐厅的371,878条顾客评论投诉—回应交流进行文本挖掘（text mining），结果显示，服务提供者对投诉中所提服务方面的关注度与后续正面评论量正相关。当回应还包括程序公正或分配公正线索时，这种关联会增强。此外，与对所有负面评论进行全量回应（blanket response）相比，选择性回应（selective response）负面评论与更高的后续正面评论量相关。这些发现为网络关怀提供了实证基础，并为服务提供者应如何回应以及以何种范围回应在线投诉提供了指导。
研究背景与目的
在Tripadvisor、Yelp等平台上，服务提供者公开回应负面顾客评论已成为常见做法。此类投诉—回应交流不仅面向投诉者，也会被观察者（observers）看到，影响其评论意愿和购买选择。虽然已有研究证明回应负面评论能改善服务提供者绩效，但约75%的服务提供者没有明确回应策略，且现有文献对回应内容与回应范围如何影响后续顾客行为指导不足。传统服务补救研究多基于面对面、单一事件情境，难以解释公开、文本化、重复发生的在线交流。为此，研究人员基于信号理论和公正理论，聚焦三种可观察的回应特征：关注度（attentiveness，回复与投诉所涉核心或外围服务方面的一致性）、公正线索（justice cues，反映互动、程序和分配公正的语言线索）、回应模式（response patterns，选择性回应或全量回应），考察它们与后续正面评论量之间的关联。该研究发表于《Journal of Service Research》。
研究方法与数据
利用Tripadvisor（酒店）和Yelp（餐厅）的面板数据，共371,878条投诉—回应交流。酒店样本为纽约市和拉斯维加斯556家酒店，2013年12月至2019年12月；餐厅样本为美国14个都市区7,760家餐厅，2009年至2022年。关键技术方法包括：基于词典的文本分析（dictionary-based text analysis）操作化关注度与三类公正线索；准泊松回归（quasi-Poisson regression）估计与后续正面评论量的条件关联；两阶段残差纳入法（two-stage residual inclusion）处理回应模式内生性，以同行群体回应类型作为工具变量；用Helmert编码区分回应与不回应、全量与选择性回应。
研究结果
研究一：酒店情境（Tripadvisor）。支持H1：关注度与后续正面评论量正相关（系数0.056，p<.01），关注度每增加一个单位对应约5.6%更高的后续正面评论量。支持H2：程序公正线索（0.011）和分配公正线索（0.062）显著增强关注度与正面评论量的正相关，分别对应约7%和12%更高的后续正面评论量。支持H3：全量回应比选择性回应的后续正面评论量低约50%（系数-0.683，p<.01）。探索性命题P1在酒店情境中获得初步支持：程序公正线索调节回应模式与正面评论量的关系（0.039，p<.01）。稳健性检验结果一致。
研究二：餐厅情境（Yelp）。复现H1：关注度与后续正面评论量正相关（0.015，p<.01）。支持H2：程序公正线索增强关注度与正面评论量的正相关（0.015，p<.05），组合后对应约3%更高的正面评论量。支持H3：全量回应比选择性回应的后续正面评论量低约33%（系数-0.405，p<.01）。P1在餐厅情境未获支持，提示公正线索对回应模式的调节作用可能具有情境依赖性。
讨论与启示
研究发现，关注度、公正线索与回应模式是网络关怀中可观察且可操作的回应特征。相比一般主题相似性，关注度更精确地捕捉了回应是否针对投诉中的具体服务方面；程序公正和分配公正线索能增强关注度的积极关联；选择性回应在这两个高信息不对称、高评论活跃度的服务情境中优于全量回应。对服务提供者而言，回应应直接点明并处理投诉所指的核心或外围服务方面；在关注度基础上加入程序公正（如说明改进措施）和分配公正（如补偿）线索；同时根据情境判断回应范围，优先处理高风险或关键投诉。研究还开发了可复制的词典式文本测量方法，为后续研究提供了工具。局限在于观测数据无法完全区分潜在机制或确立因果，且回应模式的内生性处理依赖同行工具变量假设；生成式人工智能回应是否具有相同效果仍待检验。
研究结论
本研究利用Tripadvisor和Yelp的大规模面板数据，考察了网络关怀中关注度、公正线索和回应模式与后续正面评论量的条件关联。结果表明，关注度与后续正面评论量正相关；程序公正和分配公正线索会增强该关联；在决定回应的服务提供者中，选择性回应比全量回应与更高的后续正面评论量相关。这些发现为服务提供者提供了“说什么”和“回应多广”的实证指导，也为未来研究提供了可扩展的文本分析测量方式。
