[논문 리뷰] Understanding the Role of Two-Sided Argumentation in Online Consumer Reviews: A Language-Based Perspective

Bernhard Lutz, Nicolas Pröllochs외 1명|arXiv (Cornell University)|2018. 10. 25.

Digital Marketing and Social Media참고 문헌 18인용 수 4

한 줄 요약

이 연구는 분산 텍스트 표현과 다중 예제 학습을 활용한 언어 기반 접근법을 제안하여 온라인 소비자 리뷰에서 이면적 논증을 측정한다. 그 결과, 균형 잡힌 리뷰는 특히 긍정적 리뷰에서 인식된 유용성에 크게 기여하는 것으로 나타났으며, 정서적 언어는 이 효과를 약화시킨다.

ABSTRACT

This paper examines the effect of two-sided argumentation on the perceived helpfulness of online consumer reviews. In contrast to previous works, our analysis thereby sheds light on the reception of reviews from a language-based perspective. For this purpose, we propose an intriguing text analysis approach based on distributed text representations and multi-instance learning to operationalize the two-sidedness of argumentation in review texts. A subsequent empirical analysis using a large corpus of Amazon reviews suggests that two-sided argumentation in reviews significantly increases their helpfulness. We find this effect to be stronger for positive reviews than for negative reviews, whereas a higher degree of emotional language weakens the effect. Our findings have immediate implications for retailer platforms, which can utilize our results to optimize their customer feedback system and to present more useful product reviews.

연구 동기 및 목표

• 온라인 소비자 리뷰에서 이면적 논증이 인식된 유용성에 미치는 영향을 언어 기반 시각에서 조사하는 것.
• 이전 연구가 별도의 데이터(예: 별점 평가)에 집중하면서 리뷰의 텍스트 내용을 간과한 점을 보완하는 것.
• 리뷰 텍스트 문장 수준에서 논증 극성(긍정/부정)을 탐지하고 정량화하는 새로운 방법을 개발하는 것.
• 양면 논증의 영향이 리뷰 감정(긍정 대비 부정)과 정서적 언어 강도에 따라 어떻게 달라지는지 조사하는 것.

제안 방법

• 리뷰 텍스트의 문장 수준 의미를 인코딩하기 위해 분산 텍스트 표현(예: 워드 임베딩)을 활용한다.
• 라벨이 부여된 리뷰 세그먼트와의 문맥적 유사도를 기반으로 다중 예제 학습을 적용하여 문장에 극성 레이블(긍정/부정)을 할당한다.
• 한 리뷰 내에서 긍정 및 부정 감정 세그먼트가 모두 존재하는 것으로 이면적 논증을 운영 정의한다.
• 실증 분석을 위해 스마트폰 및 액세서리에 관한 192,189건의 대규모 아마존 리뷰 코퍼스를 활용한다.
• 이중성의 영향을 유용성에 미치는 영향을 검증하기 위해 계층적 선형 모델링을 사용하며, 감정, 정서적 언어, 리뷰 길이를 제어한다.
• 정서적 언어의 영향을 분석하기 위해 기존 NLP 메트릭을 사용하여 정서적 언어 강도를 측정한다.

실험 결과

연구 질문

• RQ1 온라인 소비자 리뷰에서 이면적 논증은 그 리뷰의 인식된 유용성에 어떻게 영향을 미치는가?
• RQ2 이면적 논증의 유용성 효과는 긍정 리뷰와 부정 리뷰 간에 다를까?
• RQ3 정서적 언어는 이면적 논증과 리뷰 유용성 간의 관계를 어느 정도 조절하는가?
• RQ4 비정형 리뷰 텍스트에서 분산 텍스트 표현과 다중 예제 학습을 사용하여 이면적 논증을 신뢰성 있게 탐지하고 정량화할 수 있는가?

주요 결과

• 이면적 논증은 온라인 소비자 리뷰의 인식된 유용성을 유의미하게 증가시킨다.
• 이면적 논증의 긍정적 영향은 부정 리뷰보다 긍정 리뷰에서 더 크다.
• 정서적 언어의 강도가 높을수록 이면적 논증이 리뷰 유용성을 높이는 효과가 약화된다.
• 최종 모델의 R-제곱 값은 0.2251에 도달하여, 리뷰 유용성에 대한 중간에서 강한 설명력을 가짐을 시사한다.
• 연구는 감정 극성 외에도 텍스트 논증 구조가 정보 수용에 핵심적인 역할을 한다는 점을 확인한다.
• 진단적이고 사실 기반의 리뷰는 균형 잡힌 찬반 논거를 포함할수록 소비자에게 더 신뢰할 만하고 유용하게 여겨진다.