从评论时间看消费行为：基于真实平台数据揭示电商用户数字习惯的运营价值

电商行业竞争日趋激烈，平台普遍面临负面口碑管控难、用户复购获客成本走高的现实困境，如何低成本减少差评、提升用户复购，已经成为电商运营的核心痛点。一项依托国内主流电商平台全年真实交易数据开展的实证研究揭示数字习惯效应：用户固有的评论时间习惯，会显著影响购后评价倾向与复购表现，该发现能够为平台精细化用户管理、负面评论治理提供一套可落地的数字化解决方案。

上述成果来自西交利物浦大学西浦国际商学院李琛炜博士的合作研究，论文题为《数字习惯效应：电商用户评论时间习惯遵从对产品评论效价与复购的影响》，现已发表于国内管理科学领域权威 CSSCI / 北大核心期刊《中国管理科学》。

过往电商研究大多聚焦商品、营销补贴等外部因素如何影响评价与复购，较少关注用户个体数字行为习惯的内在作用。本研究基于图式理论，使用包含 14858 名用户、73405 条订单的真实平台交易数据集开展分析，综合运用 Logit、深度学习工具变量 DNN‑IV、Weibull‑AFT 生存模型等多种计量方法开展严谨检验。研究发现：当用户遵从自身固有的评论时间习惯发布评价时，产生负面评论的概率会明显降低，习惯遵从强度与负面评价概率呈 U 型关系，中等习惯强度用户差评倾向最低；产品介入度会正向放大这一抑制效果，订单金额则无显著调节作用。同时，遵从评论时间习惯具备正向外溢效应，可以有效缩短用户复购间隔、提高复购频次；而没有形成稳定评论时间习惯的用户更容易留下差评，复购周期更长，运营价值相对更低。异质性结果显示，该效应在高订单金额、非促销时段、普通基础会员群体中表现更为突出。

基于实证结论，研究提出面向电商平台的实操运营方案：平台可搭建用户评论时间偏好识别机制，在用户个人习惯时段推送评论提醒，利用用户低认知负荷状态减少差评生成；针对家电数码等高介入度品类，优先匹配用户习惯时段开展触达；对于尚未建立稳定评论时序习惯的用户，可借助定时提醒、积分、徽章激励等方式培育数字评论习惯，改善长期评价质量与复购表现。平台还可借鉴 DNN‑IV 建模思路搭建用户行为预测系统，提前识别高差评、低复购风险人群，实现前置干预。

研究指出，在获客成本高涨的行业背景下，识别、用好并培育用户的评论时间数字习惯，已经不再是锦上添花的小技巧，而是平台实现精细化运营、降低口碑治理成本、提升用户生命周期价值的核心策略。该成果为国内电商行业摆脱粗放促销模式，转向低成本可持续的用户经营模式提供扎实实证依据。

李琛炜博士现任西交利物浦大学西浦国际商学院副教授、新兴科技与创新卓越研究中心副主任、项目管理专业副主任。主要研究方向为社交媒体与消费者行为、人机交互、信息隐私等。她的成果已发表Decision Support Systems, International Journal of Electronic Commerce, International Journal of Information Management, Information Processing and Management等国际顶尖期刊和ICIS, PACIS, WeB, CSWIM, and CNAIS等顶尖学术会议。她还担任Pacific Asia Journal of the Association for Information Systems (ABS-2, ABDC-B)期刊编辑委员会成员，Internet Research (ABS-3, ABDC-A)期刊客座编辑，并为多项知名学术期刊担任审稿人。此外，她还具有丰富的主持政府研究课题和产业合作项目的经验，目前已有多项外部课题成功立项。