Các yếu tố ảnh hưởng đến điểm hữu ích của đánh giá trực tuyến của người dùng trên các trang thương mại điện tử ở Việt Nam: Nghiên cứu trường hợp Tiki.vn

Tạp chí Khoa học xã hội miền Trung, Số 03 (71) - 2021 17
Các yếu tố ảnh hưởng đến điểm hữu ích của đánh giá trực tuyến 
của người dùng trên các trang thương mại điện tử ở Việt Nam: 
Nghiên cứu trường hợp Tiki.vn
Chu Mỹ Giang
Đinh Thị Lệ Trâm
Trường Đại học Kinh tế - Đại học Đà Nẵng
Email liên hệ: giangcm@due.edu.vn
Tóm tắt: Sử dụng mô hình hồi quy Tobit, nghiên cứu này ước lượng sự ảnh hưởng từ các 
đặc điểm của đánh giá trực tuyến đến điểm hữu ích của chúng đối với người tiêu dùng trên 
trang thương mại điện tử Tiki.vn. Kết quả ước lượng đã chỉ ra rằng, tất cả các đặc điểm của 
đánh giá trực tuyến được đề xuất trong mô hình đều có tác động tích cực lên điểm hữu ích 
của bài đánh giá. Ngoài ra, nghiên cứu còn khám phá được mối quan hệ ngược chiều giữa yếu 
tố độ dài với xếp hạng của đánh giá trực tuyến, cũng như sự ảnh hưởng tích cực của xếp hạng 
lên sức mạnh cảm xúc của bài đánh giá sản phẩm. Trên cơ sở đó, nghiên cứu này đề xuất giải 
pháp cho các nhà quản trị sàn thương mại điện tử, đặc biệt là Tiki.vn. 
Từ khóa: Đánh giá trực tuyến, nhân tố ảnh hưởng, điểm hữu ích, thương mại điện tử
Factors affecting online review helpfulness on e-commerce websites in Vietnam: 
A case of Tiki.vn
Abstract: Using the Tobit model, also known as a censored regression model, this study 
estimates the impact of online reviews’ characteristics on their helpfulness for consumers 
on Tiki.vn, an e-commerce platform. The results indicate that all features of online reviews 
suggested in the model have positive influence on the helpfulness of online reviews. Besides, 
this study explored the negative relationship between the length and the ratings of online 
reviews as well as the positive effect of the ratings on sentiment of online reviews. Accordingly, 
this research suggests some good and sound solutions for e-commerce managers, especially 
Tiki.vn. 
Keywords: Online reviews, influencing factors, helpfulness, e-commerce 
Ngày nhận bài: 11/06/2020 Ngày duyệt đăng: 15/06/2021
1. Đặt vấn đề
Mua sắm trực tuyến đang là xu hướng của người dùng hiện nay vì các lợi ích về tiện 
lợi và tiết kiệm thời gian cũng như phòng chống dịch hiệu quả trong bối cảnh dịch Covid-19 
đang diễn biến phức tạp. Tuy nhiên, bên cạnh những lợi ích đem lại, mua sắm trực tuyến vẫn 
tồn tại những điểm bất lợi cho người dùng về sự tin cậy trong chất lượng sản phẩm và tính 
chính xác trong thông tin cung cấp của người bán tại các sàn thương mại điện tử. Người dùng 
ngày càng dựa vào những đánh giá của người đã mua sản phẩm như là một yếu tố quan trọng 
18 Chu Mỹ Giang, Đinh Thị Lệ Trâm
phục vụ việc ra quyết định mua hàng hoá trên các nền tảng số. Do đó, đánh giá trực tuyến của 
người tiêu dùng ngày nay đóng vai trò như một nguồn thông tin chính yếu trong việc giúp 
người tiêu dùng đưa ra quyết định mua hàng.
Đánh giá trực tuyến đang trở nên quan trọng hơn khi cho phép người tiêu dùng tiếp 
cận được những thông tin đáng tin cậy và chi tiết từ việc chia sẻ trải nghiệm của những người 
tiêu dùng khác trong quá khứ (Gretzel và cộng sự, 2011). Nghiên cứu của Ren và Hong (2018) 
chỉ rõ đánh giá của người tiêu dùng được xem là cái nhìn tổng thể về tất cả khía cạnh của sản 
phẩm, từ chất lượng, dịch vụ đến các chi tiết liên quan. Vì vậy, tìm kiếm và tiếp cận các đánh 
giá từ người khác giúp người tiêu dùng có nhận thức đầy đủ hơn về sản phẩm, từ đó tác động 
lên các quyết định mua hàng của họ. Tuy nhiên, số lượng các bài đánh giá đang có sẵn cho mỗi 
sản phẩm trên các sàn thương mại điện tử hiện đang rất lớn, đồng nghĩa với việc người tiêu 
dùng phải dành nhiều thời gian và nỗ lực để sàng lọc nhiều đánh giá khác nhau. Xuất phát từ 
thực trạng đó, nhiều trang bán hàng ở Việt Nam (ví dụ như Tiki, Shopee, Lazada) đã cho phép 
khách hàng của mình bày tỏ các suy nghĩ về tính hữu ích của các bài đánh giá từ người dùng 
khác dựa trên việc tương tác với câu hỏi “bài đánh giá này có hữu ích với bạn không?”. Nhờ vậy, 
quá trình tìm hiểu sản phẩm của người tiêu dùng trở nên dễ dàng và nhanh chóng hơn. Bên 
cạnh đó, nghiên cứu của Jiang và Benbasat (2007) cũng chỉ ra điểm hữu ích của thông tin thu 
được ảnh hưởng tích cực đến thái độ của người tiêu dùng. Do đó, đối với nhà quản trị doanh 
nghiệp trên các trang mua sắm trực tuyến, nhiệm vụ xúc tiến người tiêu dùng mua hàng có 
thể được thực hiện hiệu quả bằng việc tập trung vào điểm hữu ích các bài đánh giá sản phẩm. 
Đối với các nghiên cứu, việc khám phá ra các yếu tố có thể ảnh hưởng đến tính hữu ích của 
đánh giá trực tuyến là một vấn đề cấp thiết cần được giải đáp.
Tầm quan trọng của điểm hữu ích của các bài đánh giá trực tuyến đã được nhấn mạnh 
trong các nghiên cứu trước. Tuy nhiên, có rất ít nghiên cứu tập trung vào việc khám phá các 
yếu tố ảnh hưởng đến điểm hữu ích từ đánh giá của người tiêu dùng trên các trang thương 
mại điện tử ở Việt Nam, cụ thể là Tiki. Báo cáo quý 1 năm 2021 về các sàn thương mại điện 
tử ở Việt Nam được thực hiện bởi Iprice đã ch ...  2008), 
nhưng những nhận xét về sản phẩm với thái độ tích cực phản ánh những trải nghiệm tốt đối 
với sản phẩm đó, từ đó thúc đẩy người tiêu dùng mua hàng, rút ngắn quá trình ra quyết định, 
vì vậy tác động tích cực đến điểm hữu ích của đánh giá trực tuyến. 
3.3. Dữ liệu và phương pháp nghiên cứu
Dữ liệu nghiên cứu được thu thập gồm 4.313 quan sát cho 130 sản phẩm điện thoại của 
nhiều hãng điện thoại khác nhau với mức giá từ 3 đến 10 triệu trên trang ứng dụng mua hàng 
Tiki.vn. Dữ liệu thu thập bằng ngôn ngữ lập trình Python với sự hỗ trợ của thư viện Request và 
Beatiful Soup, và được mã hóa thành bộ dữ liệu theo bảng 1.
Bảng 1. Mã hóa dữ liệu nghiên cứu
Dữ liệu Mã hóa Dữ liệu
Độ dài của đánh giá trực tuyến Do_dai
Xếp hạng của đánh giá trực tuyến Xep_hang
Sức mạnh cảm xúc của đánh giá trực tuyến Suc_manh_cam_xuc
Điểm hữu ích của đánh giá trực tuyến Do_huu_ich
Nghiên cứu sử dụng mô hình hồi quy Tobit để phân tích mối quan hệ của các biến trong 
mô hình đề xuất, trong đó biến phụ thuộc được kiểm định phải (kiểm định mức cao) hoặc 
kiểm định trái (kiểm định mức thấp). Dữ liệu của điểm hữu ích được kiểm định trái với giá trị 
bằng 0 khi người tiêu dùng cho điểm hữu ích của một bài đánh giá với hai lựa chọn “không 
hữu ích” hoặc “hữu ích”, với “không hữu ích” nhận giá trị 0, “hữu ích” nhận giá trị 1. Vì vậy, 
nghiên cứu lựa chọn mô hình hồi quy Tobit với giới hạn kiểm duyệt bằng 0 (Austin và cộng sự, 
2000). Nhìn chung, kết quả kiểm định LR tại bảng 2 cho thấy các mô hình ước lượng đều đảm 
bảo độ tin cậy ở mức ý nghĩa thống kê 1%.
Tạp chí Khoa học xã hội miền Trung, Số 03 (71) - 2021 23
4. Kết quả nghiên cứu và thảo luận
Độ dài của đánh giá trực tuyến ảnh hưởng tiêu cực đến xếp hạng của đánh giá trực 
tuyến.
Một người không hài lòng với một sản phẩm hoặc dịch vụ cụ thể có thể chia sẻ nhiều 
chi tiết hơn về trải nghiệm của họ với người khác (Lu và Hsiao, 2007; Verhagen và cộng sự, 
2013; Zhou, 2011). Do đó, trong bối cảnh đánh giá của người tiêu dùng trực tuyến, vì người 
tiêu dùng có trải nghiệm tiêu cực trong việc sử dụng sản phẩm/dịch vụ sẽ sẵn sàng chia sẻ 
cảm xúc và trải nghiệm của họ với người khác, các đánh giá tiêu cực dự kiến sẽ dài hơn so với 
những người tích cực (Salvetti, 2012; Banerjee và Chua, 2017). Kết quả ước lượng mô hình cho 
thấy, biến độ dài của đánh giá trực tuyến tác động tiêu cực đến biến xếp hạng của đánh giá 
trực tuyến. Với kết quả đã thực hiện, nghiên cứu cho thấy xếp hạng đánh giá càng thấp thì độ 
dài của đánh giá trực tuyến càng dài. Kết quả ước lượng này tương đồng với nghiên cứu của 
Jiménez –Zafra và cộng sự (2017). 
Xếp hạng của đánh giá trực tuyến ảnh hưởng tích cực đến sức mạnh cảm xúc của đánh 
giá trực tuyến.
Xếp hạng của đánh giá trực tuyến là đánh giá chung của người đánh giá, trải nghiệm 
về chất lượng của một sản phẩm hoặc dịch vụ (Hu và cộng sự, 2008). Trong các nghiên cứu 
trước đây trong bối cảnh đánh giá trực tuyến, cảm xúc của một thông điệp đã được truyền đạt 
hiệu quả qua văn bản và ảnh hưởng đáng kể đến nhận thức của người đọc (Harris và Paradice, 
2007; Riordan và Kreuz, 2010). Mọi người có xu hướng tìm các đánh giá với xếp hạng số cực 
cao (Mudambi và Schuff, 2010). Kết quả ước lượng cho thấy, biến Xếp hạng của đánh giá trực 
tuyến có tác động tích cực đến biến Sức mạnh cảm xúc của đánh giá trực tuyến. Điều này hàm 
ý rằng, xếp hạng của đánh giá trực tuyến càng cao thì sức mạnh cảm xúc của đánh giá trực 
tuyến tích cực hơn. 
Độ dài, xếp hạng và sức mạnh cảm xúc của đánh giá trực tuyến ảnh hưởng tích cực 
đến điểm hữu ích của đánh giá trực tuyến.
Kết quả ước lượng từ bảng 2 cho thấy, các yếu tố độ dài của đánh giá trực tuyến, xếp 
hạng của đánh giá trực tuyến và sức mạnh cảm xúc của đánh giá trực tuyến có tác động ý 
nghĩa đến điểm hữu ích của đánh giá hữu ích trực tuyến được người xem bình chọn. Trong 3 
khía cạnh, độ dài của đánh giá trực tuyến có tác động cùng chiều với độ hữu ích của đánh giá 
trực tuyến, theo đó độ dài càng cao thì người xem dành nhiều thời gian để nghiên cứu hơn. 
Trái với mong đợi, xếp hạng của đánh giá nghiên cứu càng thấp thì người xem càng để tâm và 
đánh giá hữu ích nhiều hơn, vì vậy với các bình luận một sao sẽ được xem xét kỹ hơn. Và phản 
hồi bình luận càng mạnh mẽ thì người xem càng tập trung vào xem xét sản phẩm. 
Bảng 2. Kết quả ước lượng 
Giả thuyết LR chi2(d1) Hệ số ước lượng p-value
H1: Độ dài của đánh giá trực tuyến ảnh 
hưởng tiêu cực đến xếp hạng của đánh 
giá trực tuyến.
78,87 -0,0119 0,000
H2: Xếp hạng của đánh giá trực tuyến 
ảnh hưởng tích cực đến sức mạnh cảm 
xúc của đánh giá trực tuyến.
2872,80 1,4342 0,000
24 Chu Mỹ Giang, Đinh Thị Lệ Trâm
H3: Độ dài của đánh giá trực tuyến ảnh 
hưởng tích cực đến điểm hữu ích của 
đánh giá trực tuyến.
449,48
0,0916 0,000
H4: Xếp hạng của đánh giá trực tuyến 
ảnh hưởng tích cực đến điểm hữu ích 
của đánh giá trực tuyến
-2,7130 0.000
H5: Sức mạnh cảm xúc của đánh giá trực 
tuyến ảnh hưởng tích cực đến điểm hữu 
ích của đánh giá trực tuyến
0,7547 0,042
5. Kết luận và hàm ý
Bài nghiên cứu này tập trung khám phá các đặc điểm của đánh giá trực tuyến bao gồm 
độ dài, xếp hạng và sức mạnh cảm xúc đến điểm hữu ích của đánh giá trực tuyến trên trang 
thương mại điện tử Tiki.vn. Sử dụng mô hình hồi quy Tobit, kết quả ước lượng cho thấy các 
đánh giá trực tuyến có các yếu tố như: đánh giá tiêu cực, xếp hạng thấp, và dài sẽ hữu ích với 
các người tiêu dùng hơn. Một người không hài lòng với một sản phẩm hoặc dịch vụ cụ thể có 
thể chia sẻ nhiều chi tiết hơn về trải nghiệm của họ với người khác. Bên cạnh đó, nghiên cứu 
cũng chỉ ra rằng, độ dài đánh giá càng cao thì xếp hạng càng thấp vì người tiêu dùng có trải 
nghiệm tiêu cực trong việc sử dụng sản phẩm hoặc dịch vụ sẽ sẵn sàng chia sẻ cảm xúc và trải 
nghiệm của họ với người khác, các đánh giá tiêu cực dự kiến sẽ dài hơn so với những người 
có trải nghiệm tích cực.
Kết quả nghiên cứu có một số hàm ý chính sách vi mô như sau: Một là, nghiên cứu này 
đã phát hiện ra bài đánh giá càng dài, càng được cho là hữu ích đối với người tiêu dùng. Do 
đó, các nhà quản trị có thể xem xét việc đưa ra giới hạn tối thiểu về độ dài cho các bài đánh 
giá. Thực tế, một số trang thương mại khuyến khích người dùng viết chia sẻ trải nghiệm sử 
dụng sản phẩm càng dài càng tốt bằng một số phần thưởng, nhưng điều này có thể ảnh 
hưởng đến tính chân thật của bài đánh giá, vì vậy giới hạn tối thiểu về độ dài bài viết là biện 
pháp tối ưu nhất ứng với nền tảng Tiki.vn. Hai là, nghiên cứu này đã chỉ ra mức độ quan trọng 
của xếp hạng trong bài đánh giá trực tuyến càng thấp càng khiến cho khách hàng để ý. Điều 
này phản ánh thực tế rằng, xu hướng mua của khách hàng mua trực tuyến hiện nay tập trung 
nhiều vào lỗi của sản phẩm để quyết định có nên mua hàng hay không. Các nhà quản trị nên 
xem xét điểm này để cải thiện cũng như khắc phục những điểm tiêu cực của sản phẩm và 
mang đến trải nghiệm cũng như cảm nhận tốt hơn ở người dùng. Bên cạnh đó, việc phản hồi 
lại các đánh giá có xếp hạng thấp của người tiêu dùng là vô cùng quan trọng. Điều này vừa 
thể hiện sự thấu cảm của doanh nghiệp đối với trải nghiệm của người dùng, bên cạnh đó vừa 
gây ấn tượng tốt với người đọc các bài đánh giá xếp hạng thấp. Cuối cùng, nghiên cứu này 
được thực hiện tại một trong những trang web thương mại điện tử lớn nhất của Việt Nam, 
có giá trị xác định mối quan hệ của người tiêu dùng với công ty hoặc nhóm bán sản phẩm. 
Những dữ liệu được nghiên cứu và phân tích có thể mang tính khái quát cho thị trường giao 
dịch trực tuyến tại Việt Nam. Các nhà quản trị và người làm tiếp thị cần lưu ý điểm này để hiểu 
rõ hơn về hành vi mua hàng của người tiêu dùng trực tuyến Việt Nam so với môi trường trực 
tuyến các nước khác.
Tạp chí Khoa học xã hội miền Trung, Số 03 (71) - 2021 25
Phụ lục 1. Kết quả phân tích Tobit yếu tố xếp hạng và độ dài của đánh giá trực tuyến
Tobit regression
Log likelihood = -4548,131
Number of obs = 4313
LR chi2 (1) = 78,87
Prob > chi2 = 0,0000
Pseudo R2 = 0,0086
xep_hang Coef. Std. t P>|t| [95% Conf.Interval]
do_dai
_cons
-0,0119 0,0013 -8,87 0,000 -0,0145 -0,0092
6,6454 0,0866 76,70 0,000 6,4756 6,8153
Var 7,0658 0.3494 6,4130 7,7851
 left-censored observations
1193 uncensored observations
2967 right-censored observations at xep_hang >= 5
Phụ lục 2. Kết quả phân tích Tobit yếu tố xếp hạng và sức mạnh cảm xúc của đánh giá 
trực tuyến
Tobit regression
Log likelihood = -3255,6288
Number of obs = 4313
LR chi2 (1) = 2872,80
Prob > chi2 = 0,0000
Pseudo R2 = 0,3061
suc_manh_cam_
xuc Coef. Std. t P>|t|
[95% Conf.
Interval]
xep_hang
_cons
 1,4342 0,0294 48,78 0,000 1,3765 1,4918
-2,8922 0,1110 -26,05 0,000 -3,1099 -2,6744
Var 1,7455 0,0787 1,5978 1,9067
1 left-censored observations
1,346 uncensored observations
967 right-censored observations at suc_manh_cam_xuc >= 3
Phụ lục 3. Kết quả phân tích Tobit yếu tố xếp hạng, sức mạnh cảm xúc, 
độ dài và sự hữu ích của đánh giá trực tuyến
Tobit regression
Log likelihood = -6544,4853
Number of obs = 4313
LR chi2 (1) = 449,48
Prob > chi2 = 0,0000
Pseudo R2 = 00332
do_huu_ich Coef. Std. t P>|t| [95% Conf. Interval]
xep_hang
suc_manh_cam_xuc
do_dai
_cons
-2,7130
0,7547
0,0916
0,3374
0,3710
0,0054
-8,04
2,03
16,85
0,000
0,042
0,000
-3,3746
0,0273
0,0809
-2,0514
1,4821
0,1022
2,2801 1,0184 2,24 0,025 0,2834 4,2768
var 121,8284 5.110225 112,2106 132,2705
2945 left-censored observations
1367 uncensored observations
1 right-censored observations at do_huu_ich >= 87
26 Chu Mỹ Giang, Đinh Thị Lệ Trâm
Tài liệu tham khảo
Agnihotri, A., & Bhattacharya, S. (2016). Online review helpfulness: Role of qualitative 
factors. Psychology & Marketing, 33(11), 1006-1017. 
Austin, P. C., Escobar, M., & Kopec, J. A. (2000). The use of the Tobit model for analyzing 
measures of health status. Quality of Life Research, 9(8), 901-910.
Berger, J. (2016). Contagious: Why things catch on. Simon and Schuster.
Chen, H.-N. (2013). An investigation into online reviewers’ behavior. European Journal of 
Marketing, 47(10), 1758–1773.
Cheung, C. M. Y., Sia, C. L., & Kuan, K. K. (2012). Is this review believable? A study of factors 
affecting the credibility of online consumer reviews from an ELM perspective. Journal of the 
Association for Information Systems, 13(8), 2.
Dellarocas, C. (2003). The digitization of word of mouth: Promise and challenges of 
online feedback mechanisms. Management science, 49(10), 1407-1424.
Floh, A., Koller, M., & Zauner, A. (2013). Taking a deeper look at online reviews: 
The asymmetric effect of valence intensity on shopping behaviour. Journal of Marketing 
Management, 29(5-6), 646-670.
Goldenberg, J., Libai, B., & Muller, E. (2001). Talk of the network: A complex systems look 
at the underlying process of word-of-mouth. Marketing letters, 12(3), 211-223.
Gretzel, U., Fesenmaier, D. R., & Lee, Y. J. (2010). Narrating travel experiences: the role of 
new media. In Tourist Experience (pp. 191-202). Routledge.
Harris, R. B., & Paradice, D. (2007). An investigation of the computer-mediated 
communication of emotions. Journal of Applied Sciences Research, 3(12), 2081-2090.
Hu, G., Heitmann, J. A., & Rojas, O. J. (2008). Feedstock pretreatment strategies for 
producing ethanol from wood, bark, and forest residues. BioResources, 3(1), 270-294.
Jiang, Z., & Benbasat, I. (2007). Research note investigating the influence of the functional 
mechanisms of online product presentations. Information Systems Research, 18(4), 454-470.
Jiménez-Zafra, S. M., Montejo-Ráez, A., Martín-Valdivia, M. T., & López, L. A. U. (2017, 
August). SINAI at SemEval-2017 Task 4: User based classification. In Proceedings of the 11th 
International Workshop on Semantic Evaluation (SemEval-2017) (pp. 634-639).
Johnson, E. J., & Payne, J. W. (1985). Effort and accuracy in choice. Management science, 
31(4), 395-414.
Kumar, N., & Benbasat, I. (2006). Research note: the influence of recommendations and 
consumer reviews on evaluations of websites. Information Systems Research, 17(4), 425-439.
Lee, J., Park, D. H., & Han, I. (2008). The effect of negative online consumer reviews 
on product attitude: An information processing view. Electronic commerce research and 
applications, 7(3), 341-352.
Lee, M., Kim, M., & Peng, W. (2013). Consumer reviews: Reviewer avatar facial expression 
and review valence. Internet Research.
Li, M., Huang, L., Tan, C. H., & Wei, K. K. (2013). Helpfulness of online product reviews as 
seen by consumers: Source and content features. International Journal of Electronic Commerce, 
17(4), 101-136.
Tạp chí Khoa học xã hội miền Trung, Số 03 (71) - 2021 27
Lu, H. P., & Hsiao, K. L. (2007). Understanding the intention to continuously share 
information on weblogs. Internet research.
Mudambi, S. M., & Schuff, D. (2010). Research note: What makes a helpful online review? 
A study of customer reviews on Amazon. com. MIS quarterly, 185-200.
Ren, G., & Hong, T. (2019). Examining the relationship between specific negative emotions 
and the perceived helpfulness of online reviews. Information Processing & Management, 56(4), 
1425-1438.
Salvetti, E., Torriani, S., & Felis, G. E. (2012). The genus Lactobacillus: a taxonomic update. 
Probiotics and antimicrobial proteins, 4(4), 217-226.
Schindler, R. M., & Bickart, B. (2012). Perceived helpfulness of online consumer reviews: 
The role of message content and style. Journal of Consumer Behaviour, 11(3), 234-243.
Sen, S., and Lerman, D. (2007). Why are you telling me this? An examination into negative 
consumer reviews on the web. Journal of Interactive Marketing (21:4), 6-94.
Tập đoàn Iprice. (2021). Bản đồ thương mại điện tử Việt Nam. Truy xuất từ https://iprice.
vn/insights/mapofecommerce/, ngày 5/6/2021.
Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. 
Science, 185(4157), 1124-1131.
Uhl, M. W. (2011). Explaining US consumer behavior with news sentiment. ACM 
Transactions on Management Information Systems (TMIS), 2(2), 1-18.
Verhagen, S., & Teunissen, P. J. (2013). The ratio test for future GNSS ambiguity resolution. 
GPS solutions, 17(4), 535-548.
Yoo, K. H., & Gretzel, U. (2008). What motivates consumers to write online travel reviews?. 
Information Technology & Tourism, 10(4), 283-295.
Zhang, X., Gao, Y., Yan, X., de Pablos, P.O., Sun, Y. and Cao, X. (2015). From e-learning 
to sociallearning: Mapping development of studies on social media-supported knowledge 
management. Computers in Human Behavior, 51, 803-811. 
Zhou, T. (2011). Understanding online community user participation: a social influence 
perspective. Internet research. 
Zhou, X., Song, Q., Li, Y. Y., Tan, H., & Zhou, H. (2017). Examining the influence of online 
retailers’ micro-blogs on consumers’ purchase intention. Internet Research.