When Paying for Reviews Pays Off: The Case of Performance-Contingent Monetary Rewards

之前我们的一篇“经济激励可以让你在写评论过程中更快乐”提到了最近发表的3篇有关经济激励的在线评论论文。其中，一篇ISR论文发现经济激励可以损害人们后续的利他行为；另外一篇JMIS论文研究了如何减少经济激励的负面作用；而那期分享的JMR论文研究了经济激励可以让评论者写评论的时候感到快乐，因而提升评论的相对积极性。最近，我们又看到两篇相关论文发表在顶级期刊上。一篇ISR论文利用博弈论模型，探讨了为什么有时候经济激励能够增加用户参与、有时候会减少用户参与。这篇论文发现了当激励金额比较少的时候，会出现动机挤出效应(motivation crowding out)，使得一些用户不愿意参与；而当激励金额比较大的时候，又会出现竞争挤出效应(competition crowding out)，使得一些低效的用户无法获得奖励，因此，即使大家认为经济激励能够吸引更多的人发表评论，但是有时候会事与愿违。本期的我们分享另外一篇发表于信息管理与信息系统MIS Quarterly上的经济激励论文。这篇论文提到经济激励主要有两种形式，一种是完成任务即给奖励（Completion-contingent Incentives），另一种是表现好才给奖励（Performance-contingent Incentives）。这篇论文基于亚洲一个餐馆点评网站的自然实验，研究当用户得到了基于表现的经济激励后，用户的点评行为会产生什么影响。

理论与假设

本文基于认知评价理论（Cognitive Evaluation Theory，CET）框架，提出了本文的假设。当用户因为表现良好受到奖励的时候，用户的感知竞争力将增加，使得用户想进一步加强自己的表现。此外，得到奖励后，用户会感到自己可以写质量很高的评论，从而增加写优质评论的内在动机。因此，作者假设：

H1：当用户得到了基于表现的经济激励后，会写出质量更高的评论

如前所述，当用户因为表现良好受到奖励的时候，用户的感知竞争力将增加，因此用户可能会写更多的评论。但是，研究也发现，当用户得到奖励后，会得意自满，写评论的数目也可能减少。此外，在收到奖励后，用户的社区地位将提升。这时候，为了保持他的社区地位，他可能会致力于提升评论质量。由于用户的时间和精力有限，这种质量上的提升，通常会使消费者减少发布评论的数目。因此，作者提出竞争性假设：

H2A：当用户得到了基于表现的经济激励后，其评论数目会增加

H2B：当用户得到了基于表现的经济激励后，其评论数目会减少

当用户因为表现良好受到奖励后，用户的自我效能感将得到提升，这让消费者更可能保持积极的态度，因此，用户对产品和服务的评分将提高。但是，如前所述，在收到奖励后，用户的社区地位将提升，用户会变得更加苛刻，因此，用户的后续评分将降低。

H3A：当用户得到了基于表现的经济激励后，其后续评论的评分会增加

H3B：当用户得到了基于表现的经济激励后，其后续评论的评分会减少

研究环境

本文基于亚洲一个大型餐馆点评网站。这个网站每天会评选“最佳评论”。该网站首先根据评论的长度和帮助性投票数目初选出一些评论。然后评审专家从中选择出“最佳评论”。获得“最佳评论”的用户会收到邮件通知，会获得5-10美元的代金券，他们不会得到勋章等非物质奖励。该平台给本文的作者提供了2014年7月到2017年12月的评论数据和用户数据，用以完成本研究（羡慕）。

数据与研究设计

本文将获得一次奖励的用户作为处理组，为每个用户匹配了相似的对照组。本文的时间范围为用户获得奖励的前24周和后24周，共计48周的观测时间。本文共包括四个因变量。作者首先用文本的长度(Length)和帮助性投票的数目(Helpfulness)来代理评论质量。第三个因变量为每周发表评论的数目(Reviewcnt)。第四个因变量为每周发表评论的平均评分(Rating)。自变量为两个哑变量after和treatment，前者等于1代表当前评论发表于用户得到了基于表现的奖励之后的某周，后者等于1表示该用户得到了基于表现的奖励。本文采用两阶段的倾向得分匹配和双重差分模型（PSM+DID）的方式进行因果推断。

结果

结果表明，得到基于表现的经济激励后，用户会进一步提交质量更高的评论，同时，用户提交的评论数目也会增加，但是用户评分和评论情绪没有出现显著的变化。

在主结果中，对照组是通过两阶段倾向得分匹配的方法获得的。随后，作者采用当天没有获得奖励、但是写出优质评论的评论者作为对照组，并获得了一致的结论。

稳健性检验

本文进行了7项稳健性检验，证明了本文结果的可靠性。第一，采用更少的协变量进行倾向得分匹配；第二，采用传统的一阶段的倾向得分匹配方法；第三，采用广义精确匹配的方法；第四，采用了相对时间模型（relative time model）；第五，采用tobit回归模型；第六，采用了负二项回归模型；第七，研究了获得多次奖励的用户获得奖励后的行为。

参考文献

[1]Qiao, D., Lee, S. Y., Whinston, A. B., & Wei, Q. (2021). Mitigating the Adverse Effect of Monetary Incentives on Voluntary Contributions Online. Journal of Management Information Systems, 38(1), 82-107.

[2]Qiao, D., Lee, S. Y., Whinston, A. B., & Wei, Q. (2020). Financial Incentives Dampen Altruism in Online Prosocial Contributions: A Study of Online Reviews. Information Systems Research, 31(4), 1361-1375.

[3]Woolley, K., & Sharif, M. A. (2021). Incentives Increase Relative Positivity of Review Content and Enjoyment of Review Writing. Journal of Marketing Research.

[4]Liu, Y., & Feng, J. (2021). Does Money Talk? The Impact of Monetary Incentives on User-Generated Content Contributions. Information Systems Research, 32(2), 394-409.

[5] Yu, Y., Khern-am-nuai, W., & Pinsonneault, A. (2021). When paying for reviews pays off: The case of performance-contingent monetary rewards. MIS Quarterly, forthcoming.