随着互联网的迅猛发展,网络成为消费者购物的主要渠道。在网络购物平台上,消费者可以自由地发表关于产品或服务消费体验的评论信息,这些信息能够帮助潜在消费者做出购买决策。然而,在线评论数量的急剧上升,使得消费者阅读评论的压力呈指数级增大。为了减轻消费者阅读评论的压力,Amazon网站率先增加了有用性投票功能,该功能帮助消费者快速筛选出有用的评论,避免阅读不必要的评论。近年来很多学者从评论者和评论内容两个方面研究了评论有用性的影响因素。一方面,学者们从评论者的身份信息、专业知识以及声望等方面展开研究;另一方面,学者们考虑了评论长度、评论情感、评论星级以及评论可读性等评论内容的特征。另外,这些研究主要采用了多元回归分析和机器学习等研究方法。然而评论有用性影响因素的研究仍存在一些不足,影响因素还未完全探索,研究方法较为单一。基于以上的不足,本研究主要关注以下三个问题:(1)评论者身份信息的揭露是否会影响评论有用性的投票?(2)评论者的专业知识展示是否会影响评论有用性的投票?(3)管理者回复内容相关的因素是否会对评论有用性的投票产生调节效应?本文第一部分从评论者的角度出发,基于评论者的身份信息揭露和专业知识展示这两个方面内容,拓宽研究评论有用性影响因素的维度。结合Tobit回归模型和神经网络分析方法,确定了具有显著性的影响因素,并分析了这些因素所产生的不同程度的影响。研究发现,评论者身份信息的揭露(年龄、性别)和专业知识的展示(水平、注册年龄、照片数量和投票率)对在线评论有用性具有显著影响。此外,基于人工神经网络的研究结果表明,对在线评论有用性的影响,评论者的专业知识展示特征优于身份信息的揭露。基于本文的研究结果,本文建议酒店管理者应采取多种激励策略,引导评论者揭露个人信息。与此同时,理性的消费者应更加关注这些显著因素,并迅速识别拥有专业知识的评论者。本文的研究有助于消费者从大量评论中快速筛选有用的评论,从而减轻认知负载的压力。本文第二部分从管理者回复的视角出发,研究了管理者回复长度与回复及时性对评论情感、评论星级与评论有用性影响的调节效应。根据TripAdvisor网站上美国纽约和洛杉矶两个城市83个酒店的21,197条有效评论数据,采用了负二项回归模型来研究管理者回复对于评论情感、评论星级和评论有用性之间影响关系的调节效应。本文研究发现:负面评论情感和低评论星级对评论有用性具有显著的影响;同时,管理者回复长度负向调节评论情感对评论有用性投票的影响作用,管理者回复及时性正向调节评论星级对评论有用性投票的影响作用。对潜在消费者来说,关注管理者的回复内容和回复速度,可以更好地认识酒店的服务态度,获取更多产品或服务相关的信息,减少心中的不确定性。本文的创新点体现在以下两个方面:第一,本文从评论者和管理者回复两个角度出发研究评论有用性,为未来研究在线评论有用性提供了新的研究内容。并且,本文对评论者身份信息揭露和专业知识展示对评论有用性的影响进行了深入的研究。另外,本文充分结合Tobit回归模型和人工神经网络,提出了一种新的研究方法,有效地揭示了评论者因素与在线评论有用性之间的内在联系。第二,本文综合考虑了管理者回复长度和回复及时性对评论有用性投票的影响机制,尤其是回复长度和回复及时性对评论情感、评论星级与评论有用性之间关系的调节效应,弥补了以往研究单一聚焦于评论者视角的评论有用性研究,全面分析了评论有用性的影响因素。