237 / 322
臺大管理論叢
第
26
卷第
3
期
237
2011)
。更何況，評論者在撰寫評論時，除給予結構化資訊（如評分），亦也提交非結
構化資訊（如評論的文字主文）。因此，若只衡量數值形式變數，將無法概括式全盤
瞭解評論本質。實務與研究上，近年因此都開始探勘評論文字形式中所隱含的變數。
針對文字探勘作為一種行銷研究活動，
Decker and Trusov (2010)
認為，傳統問卷
為基礎的行銷研究，相當耗費時間與金錢，並且受制於消費者對問卷填答的意願。因
此他們便建議利用網路公開產品評論來代表個別消費者意見，並佐以自然語言處理
(Natural Language Processing; NLP)
技術方法，將個人意見轉換成市場整體消費者偏
好。
Archak et al. (2011)
亦藉文字探勘技術，將線上評論依不同產品屬性來分解並分
類，並納入消費者選擇模型。他們發現考慮評論文字內容
(Textual Content)
後，其對
消費者決策重要性超過評論數量與效價。同時間，
Ghose and Ipeirotis (2011)
也在研究
中利用評論主文進行文字分析，探討評論主文的多個面向，像主觀性、可讀性及拼字
錯誤的程度等文本基礎特性的影響。
另外
Lee and Bradlow (2011)
從線上評論中自動化提取產品屬性與品牌相對定位
(Position)
以分析市場結構。該研究藉由文字探勘、實驗調查
(Laboratory Survey)
與對
應分析
(Correspondence Analysis)
等方法來進行。研究發現，雖然消費者評論中所提到
部分屬性在專業購買指南中也有闡述，但也有些消費者所提及的屬性，在購買指南裡
並未述及；可見即使是專業購買指南，仍無法完全捕捉消費者內心所真正關心的全部
屬性。他們利用評論數據的分析資料，清楚且準確地描繪
2004
至
2007
年數位相機市
場結構演進發展。同樣地，
Netzer, Feldman, Goldenberg, and Fresko (2012)
亦以網路用
戶生成資料結合文字探勘的技術來描繪市場結構。
Tirunillai and Tellis (2014)
則更進一
步以橫跨多產品類別，利用文字探勘方法萃取出線上產品評論中消費者所關注的各個
構面，瞭解到不同差異化市場中，消費者對所關注重點的異質性程度也不同。
此外，
Zhang et al. (2012)
與
Ludwig et al. (2013)
亦藉由文字探勘技術分析消費者
對書籍的評論。該二研究皆顯示，評論對銷售結果的影響，並非完全被評論中非文字
部分（如：評論中數值的評分）所衡量，評論文字部分也相當重要且甚至更重要。而
Hu, Koh, and Reddy (2014)
則在線上評論文字探勘分析後發現，文字裡所呈現的感情
可以用來預測銷售量。
縱觀以上文獻，當研究者進一步採納評論的文字內容，便發現這些透由文字內容
所分解或分析後的變數，比起單純線上評分資料更能夠解釋且預測評論對銷售的影響。
伍、結論與後續研究建議
近十年來，隨著網際網路的日新月異、移動裝置的普及、社群媒體的崛起，讓網
路評論的重要性日益在學術界與實務界獲得重視。現今消費者普遍在作購買決策時，
常常倚賴隨處可得的線上評論。