当消费者在网上购买商品时,商品的文本信息如产品描述和来自其他买家的评论能有效地帮助其减小商品的不确定性。传统文献在研究评论对消费者网上购物行为的影响时(是否购买商品以及是否为某条评论投票),仅仅从评论本身出发构建出各种量化评论的模型或框架,他们将评论看成一个个独立的个体进行研究,极大的忽略了评论之间的关系给消费者所带来的影响。在现实生活中消费者网上购物体验,阅读商品信息其实是一个连续性过程。本文从消费者连续性阅读的角度出发,衡量评论引起的商品不确定性,进而展示评论之间的关系,并且探究评论中商品感知对消费者行为的影响。其中,商品不确定性是由改进的香农信息熵计算方法对网站中商品的文本信息进行测量而得。本文通过Python编程采集亚马逊网站上十个真实商品数据进行实证研究获得以下几个显著的结论。首先,评论文本中的信息无法被评分所取代,搜索型商品的评分与评论中负面的情感显著性相关而与正面情感关系不大,而体验型商品的评分与评论中正面、负面的情感都呈现出显著性的相关性。其次,评论不论按照时间先后顺序或者有帮助性投票从高到低顺序,线性回归的结果都表明,某条评论文本引起商品不确定性的变化与该评论获得的有帮助性投票显著相关。再次,尽管某一条评论所带来的消费者对产品的不确定性变化的越多,越有可能获得更多的投票。但在分析评论所体现产品不确定性对购买商品行为的影响时数据分析的结果表明,使用多条评论计算出的产品不确定性越小,该商品的排名越靠前,就越能够促进消费者购买。最后,本文将以上实验结论结合行为心理学相关知识进行探究,对不同类型的电子商务网站在展示评论中做出不同的建议。