在最近一次出乎意料的界面设计调整中，
亚马逊网站将问答部分从主要产品页面移除，将其放到次要页面上。随后，亚马逊推出了Rufus，这是一个基于评论、问答和商品目录数据训练的人工智能助手。这一变化值得注意，因为亚马逊是最早将问答整合到产品页面中的先驱之一。因此，平台面临一个新的设计挑战：应向消费者展示哪些来自用户生成内容（UGC）的信息。虽然可以通过社区问答和评论来筛选信息，或者利用基于大型语言模型（LLM）的助手来合成信息，但核心的设计问题仍然是：首先应该向潜在消费者展示哪些信息？在这项研究中，我们从信息内容的角度来探讨这个问题。我们研究了在引入LLM之前的UGC的信息作用，以及亚马逊上问答的变化情况。关键在于产品的参与度——即购买决策对消费者的个人重要性或风险程度，这影响了消费者的信息搜索行为[1]。我们使用调整前的数据来量化问答相对于评论的信息增量价值，并将这些估计转化为关于问答应何时以及以何种方式展示的设计建议。在产品页面上，评论和问答所传递的信息可能是重叠的（可替代的确认信息），也可能是新颖的（互补的信息）。根据详细阐述模型（ELM），高参与度的消费者会投入精力并受益于互补的、不重叠的线索，这些线索共同降低了不确定性；而低参与度的消费者则会节省精力，并从重叠的、确认性的线索中获益。这就引出了一个问题：页面应在何时提供共识式的冗余信息，或者展示诊断性的、非冗余的内容？
在亚马逊平台上，评论和问答长期以来一直作为嵌入式的网络决策支持系统（DSS），帮助潜在买家降低搜索成本和诊断不确定性。全球超过三分之二的消费者认为在线UGC（包括评论和问答）与购买决策相关，因为它们有助于填补信息空白并提升销售额[[2]，[3]，[4]]。然而，未经过滤或冗余的内容可能会导致信息过载、决策质量下降和决策过程缩短[5]。为了解决这个问题，平台会筛选并展示获得高票数的内容[6]。目前尚不清楚的是，问答和评论中包含的互补信息与冗余信息对不同类型产品的销售影响是否相同。
先前的研究表明，可见的问答和评论都能影响购买决策[7,8]，但一些论坛上的观点认为问答有时会带来干扰[1]。因此，最近对问答的弱化关注了一个核心的DSS问题：这两种UGC如何共同影响消费者的选择，以及参与度如何影响重叠内容与非重叠内容的价值？综合考虑这些因素很重要，因为消费者通常会参考多个高评分的评论和问答；分析多个来源可以提高对销售和选择的解释能力[9,10]。因此，我们研究了重叠与非重叠之间的权衡，以及其对产品销售的影响如何依赖于产品的参与度。据此，我们提出了以下问题：(1) 评论和问答中的重叠信息与新颖信息对产品销售有何影响？(2) 这些影响是否因产品参与度的高低而有所不同？(3) 对问答的可见性、排名和展示方式有哪些设计上的启示？
为了解决这些研究问题，我们使用了来自
亚马逊网站的独特面板数据集，其中包含了各种低参与度和高参与度的产品。我们通过结合潜在狄利克雷分配（LDA）、概率论和信息论的方法构建并量化了热门评论和热门问答中的重叠信息与新颖信息。我们使用工具变量固定效应估计器来评估这些信息对销售的影响，并进行了多种异质性和稳健性检验，以验证我们的发现。
我们的研究得出了一些重要结论。首先，我们发现产品的参与度调节了评论和问答对销售的影响。对于高参与度产品，评论和问答之间的信息非重叠性越高，销售量越大；而对于低参与度产品，评论和问答之间的信息重叠性越高，销售量也越大。我们的结果在考虑非常高的参与度和非常低的参与度产品时仍然成立，同时也在较小的热门评论和问答样本集上得到了验证。我们的结果对一系列敏感性和稳健性检验具有鲁棒性。因此，我们认为应该根据产品的参与度来定制UGC策略，而不是一刀切的方法。
我们的研究建议采用考虑产品参与度的设计规则来管理页面上的UGC。对于高参与度产品，应将社区问答与热门评论放在同一位置（或以同等方式展示），以保持属性信息的互补性和非重叠性。对于低参与度产品，则应优先展示简短的跨来源确认信息，这些信息能反映关键评论内容。排名和推荐也应考虑参与度：对于高参与度产品，应强调缺失的、具有诊断性的信息（如兼容性、限制条件、规格等）；对于低参与度产品，则应展示经过验证的、稳定的信息。总结和去重策略应避免压缩那些真正重要的信息：在高参与度产品中强调互补性，在低参与度产品中强调确认性。
从概念上讲，我们将评论和问答视为嵌入式决策支持系统（DSS），并认为产品的参与度决定了冗余性与互补性何时创造价值。方法论上，我们提供了可解释的跨来源重叠性和定向新颖性的度量方法，从而能够同时估计重叠性和不对称的增量内容。实证上，我们在调整前的估计为界面设计提供了基准，特别是在平台重新考虑问答的显眼程度时，这些估计有助于制定关于问答展示位置和方式的决策。
