现有相关研究主要利用产品评论的数值信息（如星级评分和评论数量等），或者采用粗粒度情感分析技术，挖掘产品评论的整体情感极性，量化产品评论的口碑效应[105-117]，却鲜有挖掘产品评论的文本信息（即不同产品属性以及其对应的正、负面评价），并且分析其对评论口碑效应的作用，以及与产品销量的关系。

因此，本章以产品评论的细粒度情感分析为基础，通过分析产品评论的文本信息为消费者购买决策带来的边际效用，研究产品评论对销量的影响。首先，以描述消费者购买决策的多属性离散选择为理论基础，建立产品评论对销量影响的计量模型；然后，以产品评论的细粒度情感分析结果为样本数据，对模型进行多元回归分析，并且通过面板数据的固定效应模型和工具变量法处理内生性问题；最后，根据回归分析的结果，分析产品评论中的不同评价对象及其评价观点对销量的影响，并且基于此为商家实施口碑营销提供管理建议。

由于产品销量是对市场上所有消费者购买选择的总和，所以整个计量分析过程经历了从微观到宏观的演变。先从微观层面上分析单个消费者在不确定条件下的购买决策，再累积成消费者群体的选择概率，最后转换为宏观层面的产品销量。(www.daowen.com)

与其他相关研究不同的是，本书将不同产品属性的正、负面评价作为目标解释变量，量化产品评论的口碑效应。因此，本章将与产品评论口碑效应有关的信息分为文本信息和数值信息。根据基本概念的界定（详见第一章1.4.1），文本信息是指通过细粒度情感分析，从产品评论中挖掘出的不同产品属性及其对应的正、负面评价；数值信息是指除文本信息以外的、与产品评论相关的信息，包括评论的星级评分、评论数量、评论长度和有用评论的数量等。