当调节聚焦语言与产品类别匹配时：基于在线零售平台评论的个体内计算分析

《Journal of Retailing and Consumer Services》：When regulatory-focus language matches the product category: A within-person computational analysis of reviews from an online retail platform

　　

摘要
在线评论平台利用有用性投票及相关信号对评论进行排序和征集。本研究检验监管焦点相关语言是否与有用性以类别敏感的方式相关联。我们分析了来自八个产品类别的391,047条亚马逊评论，这些类别事先被归类为促进导向或预防导向。促进语言涉及收益、抱负和享受，预防语言涉及安全、可靠性和问题规避。类别划分和语言测量分别与800种产品的人工评分及1136条评论进行了基准比较。主要分析比较了同时出现在两类类别中的20,787位评论者在153,655条评论内的偏差，从而在指定模型下控制了加性的、随时间不变的评论者差异。相同评论者在促进导向类别中使用了更高密度的促进语言，在预防导向类别中使用了更高密度的预防语言，配对Cohen's d值分别为.20和.14。在评论者内部，匹配语言计数与log(1+有用票)正相关，且其系数高于不匹配语言系数，p<.001。八种类别的类别特定计数估计均为正值，尽管其幅度有所差异。五个随机种子的计数基础双重/去偏机器学习点估计的中位数也为正值。这种关联较小。在评论者内部，匹配语言计数的一标准差差异对应模型隐含的几何均值1+有用票的2.39%差异。加入促进与预防密度项及其类别交互后，内部五折交叉验证R2增加了ΔR2=.0002。假设的响应面模式未能描述中心数据区域。这些发现属于关联性的，并不能区分监管契合与信息属性相关性。它们值得进行前瞻性测试，以检验类别一致的 LANGUAGE 测量是否能改善评论排序或征集。

引言
在线消费者评论影响产品评价、购买决策和零售需求，但消费者只能关注大型电子商务平台上可用的少量评论（Chevalier和Mayzlin，2006；Dellaroccas，2003）。因此，平台依赖有用性投票及相关排序系统来识别可能支持消费者决策的评论。了解哪些语言特征与这些投票相关，对于消费者信息加工、评论系统设计以及用户生成内容的管理都具有重要意义。

有用性投票总数并非单个读者心理反应的直接衡量。它们反映了评论评价以及决定评论是否被看到的平台过程。评论长度、评分、可读性、情感、评论者可信度、评论年龄、产品类型、多媒体内容、排名和展示位置都可能影响累积投票（Alzate等，2024；Ganguly等，2024；Huang等，2015；Korfiatis等，2012；Mudambi和Schuff，2010；Yin等，2014）。已有投票还可能通过羊群行为影响后续投票（Tseng等，2023）。将评论内容与投票分开评估的研究，将内容有用性与包含可见性和社会影响的聚合平台结果区分开来（Erlebach等，2026）。本研究将有用性投票视为聚合平台行为，而非监管契合、感知诊断性、加工流畅性或感觉正确的直接观察。

评论信息的相关性也随产品情境而变化。产品类型调节着评论有用性的若干决定因素（Ganguly等，2024）。在与服装评论相关的研究中，面对个人产品适配不确定性的消费者，契合-诊断性的言语和视觉线索与有用性相关（Baek等，2026）。相关计算研究考察了其他形式的对齐。Kovács（2025）使用基于人工基准的深度学习测量，表明评论文本与数值评分之间的对齐与有用性相关。Nguyen和Sheffler（2026）表明，与消费者的功利性或享乐性购物取向相匹配的评论可以支持有用性判断和消费者决策。这些研究说明了文本-评分对齐和评论-读者对齐的相关性。本研究考察评论语言与产品情境所赋予的动机取向之间的对齐。

其前提是一致性原则，而非假设的监管契合机制。当信息对于当前决策是可获得且具有诊断性时，它会影响判断（Feldman和Lynch，1988；Herr等，1991）。监管焦点理论提供了一种词汇来表示一种类别敏感的一致性形式。促进焦点关注进步、抱负、享受、成就和收益。预防焦点关注安全、保障、可靠性、责任和避免不利结果（Higgins，1997，2000）。产品情境可能使任一组关注更为突出。体验性和抱负性利益更容易与促进关注对齐，而安全、健康、可靠性、维护和问题规避更容易与预防关注对齐（Chitturi等，2008；Dhar和Wertenbroch，2000；Zhang等，2024）。

实证对象是一种语言-类别一致性关联。本研究询问包含更多与产品类别所赋予取向对齐的监管焦点语言的评论，是否会累积更多的有用性投票。两种接收端解释预测了这一关联，而归档投票数据无法将它们区分开来。监管契合理论预测，维持活跃监管取向的传播可以通过感觉正确、加工流畅性或参与强度来增强说服力（Cesario等，2004；Higgins，2005；Lee和Aaker，2004）。信息属性相关性解释做出相同方向的预测，因为预防语言可能描述与预防导向情境相关的安全和可靠性属性，而促进语言可能描述与促进导向情境相关的体验性和抱负性属性。

本研究检验的是一致性关联本身。它并不将监管契合视为观察到的中介变量或结果唯一的解释。感觉正确、加工流畅性、感知诊断性、感知属性相关性和读者监管取向均未测量。归档设计可以确立作者是否在不同产品情境下变化其监管焦点语言，同一评论者内部类别一致语言是否与有用性相关，匹配语言是否比不匹配语言与有用性关联更强烈，以及这些关系是否随领域和类别而变化。

本研究做出了增量的实证贡献。它考察了消费者语言中动机语调在评论者内部的变异。它通过联合估计匹配和不匹配的监管焦点语言来检验相对一致性排序。它将类别取向和语言测量与人工判断、邻近构念、语义结构、词项级行为和替代评分规则进行了评估。这种方法遵循了文本测量应基于理论并以透明的外部标准进行评估，而非仅凭计算复杂性来判断的指引（Humphreys和Wang，2018；Mousavi等，2026）。本研究还区分了评论者内部的语言变化与评论者之间的差异。

这些贡献并未修改监管焦点理论。该理论定义了本研究中使用的语言维度。贡献在于评论者内部设计、匹配与不匹配的对比以及人工基准的测量审计。本研究评估了一种情境关联。它并未检验监管焦点理论的新命题，或语言测量是否改善了排序、征集或消费者决策。

章节片段
评论有用性作为类别敏感信息
在线评论通过传递在购买前可能无法获得的产品信息和消费体验来减少不确定性。结构和特征如长度和可读性影响加工努力，而内容特征决定传递了哪些属性和体验（Mudambi和Schuff，2010；Schlosser，2011）。语言风格、注意焦点、情感和与评价情境的对齐也会影响对评论信息的反应（Lei...

研究设计、数据与分析样本
本研究使用了来自亚马逊评论2023数据集（Hou等，2026）的观察性归档数据。源数据包含评论文本、星级评分、时间戳、有用投票计数、验证购买指标、评论者标识符、产品标识符和产品元数据。源交互延续至2023年9月。

分析单位为单个评论，嵌套于评论者和产品之中。产品变体通过父产品标识符parent_asin进行链接。

描述性模式与测量证据
评论平均词数为M=59.60，SD=78.20，平均星级评分为M=4.22，SD=1.25。总体上，31.30%获得了至少一个有用投票。促进和预防的总评分规则分别覆盖了54.90%和34.60%的评论，40.50%包含至少一个匹配词（表1；表S1、S11和S12）。这些百分比描述的是类别分层分析样本，而非亚马逊全站的流行度。

促进和预防密度呈弱的负相关...

理论贡献与解释
监管焦点相关语言在同一评论者的不同零售情境中存在变化。评论者在促进导向类别中使用了更多促进语言，在预防导向类别中使用了更多预防语言。这种模式与动机语言中的情境适应一致。它不需要读者层面的监管契合过程，因为它涉及语言产生而非读者反应。

主要有用性模型支持了相对一致性...

结论
本研究记录了在线评论中一种适度的类别敏感语言关联。相同评论者在不同产品情境下变化其监管焦点相关语言。在评论者内部，包含更多与所赋予类别取向一致语言的评论具有更高的log(1+有用票)。匹配语言系数大于不匹配语言系数。

这些证据并未确立监管契合过程。监管契合与信息...

CRediT作者贡献声明
Mac Zewei Ma：写作–审阅与编辑，写作–初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，形式分析，数据整理，概念化。Binyue Zhang：写作–审阅与编辑，写作–初稿，项目管理，调查，形式分析，数据整理。Frank Tian-Fang Ye：写作–审阅与编辑，写作–初稿，可视化，数据整理。Xiaozi Gao：写作–...

伦理声明
本研究分析了与平台分配的评论者和产品标识符关联的公开可用归档评论文本。作者未试图识别评论者或将这些标识符与外部记录连接。人工编码任务涉及对产品元数据和评论文本的评分。未分析编码员的任何个人或敏感信息。

声明生成式AI及AI辅助技术在手稿准备过程中的使用
在准备本工作期间，作者使用了由Anthropic开发的Claude和由OpenAI开发的ChatGPT，以协助语言编辑、手稿组织、文献检索支持和起草辅助。作者独立审阅、验证和编辑了所有生成的材料，并对文章的内容承担全部责任。

资助
本研究未获得公共、商业或非营利部门资助机构的任何特定拨款。

利益冲突声明
作者声明，他们没有已知的可能与本文所述工作有冲突的经济利益或个人关系。

Mac Zewei Ma | Binyue Zhang | Frank Tian-Fang Ye | Xiaozi Gao | Xijing Wang | Fangcao Lu
中国香港特别行政区打鼓岭北角伟诗街10号，香港书剑学院工商管理系