题目：Online Review Volume, Customer Agility and Product Performance: An Empirical Big Data Study in the Mobile App Industry

主讲人：樊卫国 教授 （弗吉尼亚理工大学）

时间：2017年6月22日（周四）上午10：00

地点：主楼418

主讲人简介：

    任Management Science(MS)，Management Information System Quarterly (MISQ)，IEEE Transactions on Evolutionary Computation (TEC)，IEEE Transactions on Knowledge and Data Engineering (TKDE)，ACM Transactions on Information Systems (TOIS)等期刊审稿人。任IEEE Technical Committee on Digital Libraries成员，任MISQ, Information and Management, Journal of Database Management编委会成员, 任近20个国际会议评审委员。

    近年来，主讲人一直在美国弗吉尼亚理工大学致力于社会计算、大数据及文本挖掘在商业领域的应用，商务智能与大数据的研究与开发, 社交媒体数据分析及用户行为， 智慧健康等问题的研究, 并取得了丰硕且具有创新性和影响力的成果。其研究成果已应用到金融，营销，互联网金融，众包，运营管理，互联网技术，信息管理,智慧健康等重要领域。

    主要的成果：（1）将文本挖掘与分析技术应用到社交媒体与用户产生的内容进行产品缺陷的识别与质量监控。该研究被美国纽约时报强力报道。现正在商业化。(2）首次将文本挖掘技术应用到美国上市公司财务报表欺诈舞弊风险的预测。该技术有非常高的商业前景，已经商业化。（3）全球第一个致力于社交网络服务公司战略竞争行为的实证研究。（4）首次在信息管理领域利用文本挖掘技术自动对网上论坛用户的讨论有用性进行打分。(5) 较早研究用户在网上知识社区里的信息共享行为及信息传播特征。(6) 全球首次将遗传规划应用到搜索引擎排序函数的优化， 并成功将该技术拓展应用到图像检索与查找领域. (7) 首次提出研究学者合作能力指数C-index, 能准确的对学者的合作能力进行测量, 定位。（8）利用深度学习技术做癌症检测智能诊断系统。脑癌检测已达到国际先进水平。

    发表论文170 余篇. 其中有国际影响力的期刊论文60 余篇。近五年谷歌学者引用次数超过2108 次. H-index = 39。全球谷歌学者引用排名商务数据分析第14, 商务智能排名第 8, 文本挖掘排名第44, 社会计算第50。

报告摘要：

    This study examines product development based on online customer reviews. We develop a tension perspective to reconcile contradictories in prior literature and investigate relationships among review volume, product performance, and customer agility, which describes the effectiveness of a developer’s response to customers’ demands. We argue that because demands embedded in large-volume reviews are valuable but difficult to respond, review volume has a curvilinear relationship with customer agility. This relationship is moderated by the developer’s number of sibling products and the variance of product ratings. Furthermore, because making effective responses to demands simultaneously raises customers’ willingness to purchase and product development costs, customer agility has a curvilinear relationship with product performance. We test our model using a large mobile app dataset consisted of three million online reviews and find support for our hypotheses. Our findings of the curvilinear relationships and moderators provide nuanced explanations on how online reviews facilitate product development.

（承办：管理工程系，科研与学术交流中心）