随着在线商品类型、数量的爆发式增长,消费者面临的选择愈来愈多,选购成本显著增大。作为反映商品购买、商品使用真实感受的重要信息,在线商品评论对于商品选购具有重要参考价值。然而,消费者在阅读商品评论时也面临严重的“信息过载”问题,为应对此问题,对商品评论进行筛选及排序优化非常有必要。本文从消费者阅读评论的行为切入,将其阅读过程划分为“注意阶段”与“理解与反馈阶段”,与之相对应地设立了评论关注度、评论有用性两个因变量,考察影响这两个因变量的因素,进而为筛选商品评论提供思路与依据。结合典型在线评论系统的特点,本文从消费者阅读的视角将其中的信息划分为“显性信息”与“隐性信息”,并假定评论关注度主要受显性信息的影响,评论有用性同时受到显性信息与隐性信息的影响。借助文献分析及消费者行为分析,本文提出了理论假设与影响因素概念模型,从亚马逊中国搜集了4种品类、8个商品的评论样本,采用文本分析的方法量化了关键变量,通过回归模型验证了影响因素概念模型,并对实证结果的应用进行了探索。本文主要研究成果如下:1.评论极端性、评论可靠性、评论者可信度对评论关注度有显著的影响,负向的极端评论,字符数较多、评论者排名较靠前的评论易获得更高的关注度。2.评论极端性、评论者可信度、评论主客观混合性、评论情感混合性对评论有用性有显著的影响,而评论广度、评论深度的影响并不显著。负向的极端评论、评论者排名靠前的评论、同时包含主客观信息的评论以及同时包含正负向信息的评论更易获得较高的有用性。此外,评论极端性、评论情感混合性对评论有用性的影响受到商品类型的调节作用,搜索品的评论有用性受这两个变量的影响较大。3.本文提出了筛选商品评论的两个策略,并基于4个显著影响评论有用性的因素,采用支持向量机、随机森林两种方法对任意评论的有用性进行了分类预测,准确率达75%以上。同时,本文也提出了若干具有较强操作性的实践建议。