在線信息對(duì)不同城市類型酒店網(wǎng)上預(yù)訂量的影響研究——以攜程網(wǎng)數(shù)據(jù)為例

徐 峰

(南京大學(xué)工程管理學(xué)院，江蘇 南京 210093)

一、引 言

隨著電子商務(wù)的迅速發(fā)展，越來越多的消費(fèi)者開始通過網(wǎng)絡(luò)來獲取產(chǎn)品信息，特別是對(duì)于未知的體驗(yàn)型產(chǎn)品，消費(fèi)者為了降低交易風(fēng)險(xiǎn)更傾向于得到其他消費(fèi)者意見和看法，并以此作為決策的重要依據(jù)[1]。研究發(fā)現(xiàn)消費(fèi)者在購(gòu)買產(chǎn)品時(shí)越來越受到網(wǎng)絡(luò)的輿論影響，這些影響甚至超過了傳統(tǒng)媒介。由于消費(fèi)者網(wǎng)絡(luò)評(píng)論是根據(jù)消費(fèi)后的體驗(yàn)給出的，而基于這些評(píng)論信息，潛在的消費(fèi)者就可以做出最適合自己的選擇，相應(yīng)的企業(yè)則可以充分挖掘和利用這些評(píng)論信息進(jìn)行更好的決策。因此，很多網(wǎng)站和企業(yè)如京東、亞馬遜、攜程、同程、藝龍、去哪兒等網(wǎng)站紛紛推出評(píng)論功能，并鼓勵(lì)消費(fèi)者發(fā)布評(píng)論。但是，這又引發(fā)了另一個(gè)難題，就是企業(yè)和消費(fèi)者如何從這些海量的評(píng)論信息中快速獲取自身所需要的信息。目前，一些網(wǎng)站推出了有用性評(píng)價(jià)、關(guān)鍵詞評(píng)價(jià)以及用戶體驗(yàn)等方式來幫助消費(fèi)者快速選擇，但上述這些措施只是各個(gè)網(wǎng)站的初步嘗試，尚缺乏理論依據(jù)。

作為典型的體驗(yàn)型產(chǎn)品，酒店業(yè)是消費(fèi)者最早和最成功地通過網(wǎng)絡(luò)渠道獲得決策信息的行業(yè)之一[2]980。研究發(fā)現(xiàn)酒店行業(yè)大多數(shù)消費(fèi)者選擇酒店會(huì)受到朋友和媒體的影響，但隨著電子商務(wù)的發(fā)展，消費(fèi)者網(wǎng)絡(luò)評(píng)論對(duì)消費(fèi)者酒店選擇具有重要的影響[3]，研究發(fā)現(xiàn)84%的消費(fèi)者根據(jù)網(wǎng)絡(luò)上提供的酒店信息和消費(fèi)者評(píng)論內(nèi)容選擇所住的酒店。①http://www.travelindustrywire.com/article29359近年來，我國(guó)酒店業(yè)快速發(fā)展，其競(jìng)爭(zhēng)日益激烈，但整體管理水平和盈利水平均較低[2-3]，如果能夠獲取消費(fèi)者需求偏好，這對(duì)于酒店企業(yè)具有重要的價(jià)值。Decker和Trusov(2010)證明了基于評(píng)論信息的結(jié)果和通過統(tǒng)計(jì)得到的消費(fèi)者偏好的結(jié)果是十分吻合的，因此可以通過網(wǎng)上的產(chǎn)品評(píng)論信息預(yù)測(cè)消費(fèi)者的偏好[4]。

基于此，本文以國(guó)內(nèi)最大的在線酒店預(yù)訂平臺(tái)消費(fèi)者評(píng)論數(shù)據(jù)為基礎(chǔ)，對(duì)不同出行目的消費(fèi)者酒店預(yù)訂的影響因素進(jìn)行研究，考慮到酒店住宿需求主要來自旅游、商務(wù)和會(huì)議等活動(dòng)[5]，結(jié)合不同城市特征，進(jìn)而將城市分為三種類型:旅游型城市、工商業(yè)型城市和綜合型城市。分別選取不同類型城市樣本酒店在線數(shù)據(jù)信息為對(duì)象，研究不同城市類型酒店網(wǎng)上預(yù)訂量的影響因素，為消費(fèi)者酒店選擇提供決策依據(jù)，同時(shí)為酒店管理者對(duì)不同類型酒店經(jīng)營(yíng)與投資提供實(shí)證依據(jù)。

二、文獻(xiàn)回顧

作為一種單向與雙向，廣播與窄播、同步與異步并行的交流媒介，網(wǎng)絡(luò)提供了虛擬社區(qū)式的遠(yuǎn)程的群體交流[6]。消費(fèi)者的網(wǎng)絡(luò)評(píng)論對(duì)潛在消費(fèi)者的決策有著重要的影響，這種影響廣泛存在于日常用品、經(jīng)驗(yàn)品等不同類型產(chǎn)品或服務(wù)領(lǐng)域[7]。大量研究表明，評(píng)論信息的發(fā)出者和信息的接收者之間的交流能夠改變信息接收者的態(tài)度和購(gòu)買決策[8-9]。一些研究人員試圖從個(gè)體對(duì)信息認(rèn)知角度研究網(wǎng)絡(luò)評(píng)論信息如何影響個(gè)體決策行為[10-12]。例如，Zhao等(2013)研究了網(wǎng)絡(luò)產(chǎn)品評(píng)論對(duì)于消費(fèi)者體驗(yàn)型產(chǎn)品購(gòu)買決策的影響，發(fā)現(xiàn)消費(fèi)者更愿意相信在線評(píng)論而不是過去的經(jīng)驗(yàn)[13]。Lee等(2008)研究了消極的網(wǎng)上消費(fèi)者評(píng)論對(duì)消費(fèi)者態(tài)度的影響，發(fā)現(xiàn)當(dāng)消極的網(wǎng)上消費(fèi)者評(píng)論比例增高的時(shí)候，大部分消費(fèi)者關(guān)注評(píng)論的質(zhì)量并接受評(píng)論的觀點(diǎn)，只有小部分消費(fèi)者不關(guān)注評(píng)論質(zhì)量而輕信評(píng)論的觀點(diǎn)[14]。Chen和Xie(2008)對(duì)用戶評(píng)論研究發(fā)現(xiàn)，如果評(píng)論信息足夠充分，零售商提供的產(chǎn)品信息和消費(fèi)者提供的評(píng)論信息將相互影響對(duì)方的決策[15]。Sparks和Browning(2011)對(duì)酒店行業(yè)研究發(fā)現(xiàn)當(dāng)酒店擁有一系列積極評(píng)論時(shí)，消費(fèi)者對(duì)其也有著明顯的高信任度[16]。李宏等(2011)研究了負(fù)面在線評(píng)論質(zhì)量、消費(fèi)者卷入度和性別對(duì)消費(fèi)者滿意度和購(gòu)買選擇的影響[17]202。孫春華和劉業(yè)政(2009)認(rèn)為網(wǎng)絡(luò)口碑已經(jīng)成為消費(fèi)者了解產(chǎn)品質(zhì)量的一個(gè)主要信息來源，網(wǎng)絡(luò)口碑的信息可信度對(duì)購(gòu)買意圖有正向作用[18]。為了能具體研究顧客網(wǎng)絡(luò)輿論影響消費(fèi)者現(xiàn)象，一些研究者對(duì)不同產(chǎn)品市場(chǎng)進(jìn)行了具體研究，例如對(duì)在線圖書銷售市場(chǎng)[19]、電影市場(chǎng)[20]、游戲市場(chǎng)[21]等。

消費(fèi)者的網(wǎng)絡(luò)評(píng)論對(duì)企業(yè)的影響已引起相關(guān)企業(yè)和研究人員的關(guān)注。Duan等(2008)對(duì)在線用戶評(píng)論對(duì)電影的票房收入影響做了研究，發(fā)現(xiàn)消費(fèi)者電影評(píng)論星級(jí)對(duì)電影票房影響并不大，但在線評(píng)論數(shù)量對(duì)電影票房收入影響較大[22]。在此基礎(chǔ)上，Chintagunta等(2010)根據(jù)美國(guó)市場(chǎng)16個(gè)月內(nèi)148部電影票房情況和Yahoo網(wǎng)站電影評(píng)論，研究發(fā)現(xiàn)電影的票房收入不僅僅取決于在線評(píng)論數(shù)量，更受到公司的努力(如:廣告、網(wǎng)絡(luò)宣傳)和顧客網(wǎng)絡(luò)評(píng)論共同影響[23]。?ˇgüt和Cezar(2012)通過對(duì)巴黎最大酒店預(yù)訂網(wǎng)站的數(shù)據(jù)研究發(fā)現(xiàn)更高的評(píng)級(jí)和更低的價(jià)格會(huì)增加評(píng)論數(shù)量，但極端的評(píng)分、酒店星級(jí)對(duì)于發(fā)表評(píng)論的傾向沒有任何影響，此外，房間面積對(duì)發(fā)布評(píng)價(jià)的可能性有負(fù)面影響[24]。Li和Hitt(2010)研究產(chǎn)品定價(jià)對(duì)消費(fèi)者網(wǎng)上評(píng)論的影響[25]。事實(shí)上，負(fù)面評(píng)論可能會(huì)提高企業(yè)利潤(rùn)，如Berger等(2010)研究發(fā)現(xiàn)負(fù)面評(píng)論對(duì)銷售量有積極的影響，這是因?yàn)樨?fù)面的在線評(píng)論會(huì)增加產(chǎn)品的知名度，從而增加銷售量[26]。Ye等(2009)從中國(guó)最大的旅行網(wǎng)站收集數(shù)據(jù)，建立了一個(gè)對(duì)數(shù)線性模型，來研究網(wǎng)上用戶評(píng)論對(duì)旅店房間訂購(gòu)的影響[27]180。張夢(mèng)等(2011)以攜程網(wǎng)數(shù)據(jù)為基礎(chǔ)，研究了在線信息對(duì)4類不同等級(jí)酒店網(wǎng)上預(yù)訂量的影響[28]79。

雖然上述研究已取得了較為豐富的成果，但這些研究主要對(duì)在線評(píng)論對(duì)消費(fèi)者購(gòu)買決策或酒店預(yù)訂量的影響研究，沒有考慮到不同出行目的消費(fèi)者群體需求這一重要因素，我們知道消費(fèi)者酒店住宿需求主要來自旅游、商務(wù)和會(huì)議等活動(dòng)，這些活動(dòng)的不同必然影響其對(duì)酒店選擇。此外，通過對(duì)相關(guān)人員訪談和已有酒店評(píng)論信息研究發(fā)現(xiàn)，用戶這種不同的需求可以通過不同城市類型來區(qū)分，例如麗江酒店的住宿者大多出行目的為旅游，而深圳酒店的住宿者大多出行目的為商業(yè)活動(dòng)或會(huì)議，通過對(duì)攜程旗下的驢評(píng)網(wǎng)酒店數(shù)據(jù)進(jìn)行隨機(jī)抽取，發(fā)現(xiàn)均滿足這一規(guī)律。因此，我們選取攜程網(wǎng)上數(shù)據(jù)信息進(jìn)行研究，分析不同城市類型酒店網(wǎng)上預(yù)訂量的影響因素，并為酒店消費(fèi)者和酒店管理者決策提供建議。

三、模型構(gòu)建

(一)模型假設(shè)與構(gòu)建

攜程網(wǎng)是國(guó)內(nèi)最大的在線酒店預(yù)訂平臺(tái)，其在線數(shù)據(jù)信息保存完整，已成為國(guó)內(nèi)研究者的主要研究對(duì)象。同文獻(xiàn)[28]80，影響消費(fèi)者選擇的在線信息主要由酒店提供信息、預(yù)定平臺(tái)提供信息和消費(fèi)者提供的評(píng)論信息構(gòu)成。酒店提供信息主要包括價(jià)格、房型、設(shè)施等，由于各個(gè)酒店房型設(shè)施不同，很難對(duì)其進(jìn)行比較，因此我們主要選擇價(jià)格這一關(guān)鍵變量。為了幫助消費(fèi)者快速選擇合適的酒店，網(wǎng)絡(luò)預(yù)訂平臺(tái)對(duì)每個(gè)酒店推出評(píng)價(jià)信息，以攜程為例，其推出了用戶評(píng)級(jí)是以攜程用戶對(duì)酒店的評(píng)價(jià)為基礎(chǔ)，綜合考慮了其他多方面的因素，對(duì)合作酒店進(jìn)行的評(píng)級(jí)。①http://hotels.ctrip.com/Domestic/ShowUstarNote.aspx由于其自身專業(yè)性，其對(duì)酒店的評(píng)價(jià)可能更全面，因此假設(shè)網(wǎng)絡(luò)預(yù)訂平臺(tái)的評(píng)級(jí)與酒店銷售量之間呈線性相關(guān)。

事實(shí)上，研究發(fā)現(xiàn)潛在消費(fèi)者更相信其他消費(fèi)者的評(píng)論[2]981。攜程網(wǎng)的點(diǎn)評(píng)規(guī)則是只允許入住后的消費(fèi)者才能發(fā)表評(píng)價(jià)，其評(píng)論內(nèi)容可信度更高，因此我們以攜程網(wǎng)消費(fèi)者點(diǎn)評(píng)數(shù)據(jù)為基礎(chǔ)，選取相關(guān)數(shù)據(jù)進(jìn)行研究。攜程網(wǎng)的消費(fèi)者需要從衛(wèi)生、服務(wù)、設(shè)施、位置四個(gè)方面對(duì)酒店進(jìn)行打分評(píng)估，并給出推薦或不推薦評(píng)價(jià)，最后給出文字評(píng)論。由于有的酒店的消費(fèi)者評(píng)論有上千條，潛在消費(fèi)者不可能詳細(xì)讀完目標(biāo)酒店所有消費(fèi)者給出的評(píng)論，而企業(yè)也很難獲取評(píng)論所包含的全部信息。事實(shí)上，消費(fèi)者根據(jù)衛(wèi)生、服務(wù)、設(shè)施、位置四個(gè)方面對(duì)酒店進(jìn)行打分并給出是否推薦的意見時(shí)，基本上已經(jīng)表達(dá)了自己的評(píng)論觀點(diǎn)。消費(fèi)者負(fù)面評(píng)價(jià)比正面評(píng)價(jià)更能影響消費(fèi)者的選擇的行為[17]206，因此我們選取不推薦的消費(fèi)者占評(píng)價(jià)總量這一指標(biāo)來表示消費(fèi)者的負(fù)面評(píng)價(jià)，其不推薦比例與酒店銷售量有顯著線性負(fù)相關(guān)。特別是在研究大規(guī)模樣本數(shù)據(jù)時(shí)，我們可以利用這種結(jié)構(gòu)化的評(píng)論方式來代表消費(fèi)者對(duì)酒店消費(fèi)判斷。

由于攜程網(wǎng)上酒店的實(shí)際預(yù)訂數(shù)據(jù)是不對(duì)外公開的，我們無法直接在網(wǎng)站上獲取每家酒店的在線預(yù)訂量，文獻(xiàn)[27]181在研究在線評(píng)論和酒店預(yù)訂量之間的關(guān)系時(shí)，提出由于評(píng)論量和銷售量之間存在一定的線性關(guān)系，可以用在線評(píng)論數(shù)量作為酒店實(shí)際銷售量的代理指標(biāo)，并通過實(shí)證分析了這一指標(biāo)的可行性。攜程的酒店點(diǎn)評(píng)只有入住后才能進(jìn)行評(píng)價(jià)，可以保證上述變量真實(shí)性。因此，本模型采用在線評(píng)論數(shù)量近似替代同期的酒店網(wǎng)上預(yù)訂量，并構(gòu)建酒店預(yù)訂量與各影響因素之間的線性回歸模型，模型表達(dá)式如下式所示:

模型中各變量的詳細(xì)解釋如表1所示。

(二)數(shù)據(jù)收集

通常酒店住宿需求主要由消費(fèi)者旅游、商務(wù)和會(huì)議等活動(dòng)產(chǎn)生[5]，而這些不同活動(dòng)會(huì)導(dǎo)致住宿者對(duì)酒店的住宿要求不同。在傳統(tǒng)的研究中我們主要通過問卷調(diào)查的手段來獲取影響出行者的酒店選擇影響因素，但這可能會(huì)存在樣本數(shù)據(jù)的約束或很難獲取消費(fèi)者的真實(shí)決策數(shù)據(jù)等問題。攜程網(wǎng)是目前國(guó)內(nèi)最大的旅游在線服務(wù)提供平臺(tái)，其擁有大量且規(guī)范的歷史在線評(píng)論數(shù)據(jù)，如果能夠充分合理利用該平臺(tái)數(shù)據(jù)對(duì)上述問題進(jìn)行研究，不但能解決樣本約束問題還能獲得第一手的消費(fèi)者資料。因此，根據(jù)消費(fèi)者不同的出行需求，本文將城市分為以下三種類型:旅游型城市、工商業(yè)型城市和綜合型城市。旅游型城市確定主要是根據(jù)《中國(guó)公民旅游關(guān)注度報(bào)告》①http://chn.lotour.com/zt/report2012q1zt/中最受關(guān)注旅游城市中的名單，同時(shí)旅游收入占城市總GDP比在50%(2011年)以上的城市，我們選取了三亞、麗江、張家界、黃山四座城市作為樣本。與旅游型城市相對(duì)應(yīng)，工商業(yè)型城市的確定主要是根據(jù)福布斯最佳商業(yè)城市排行榜中的名單，②http://www.forbeschina.com/review/list/001988.shtml同時(shí)旅游收入占城市總GDP比在10%左右(2011年)的以工商業(yè)為主的城市，我們選取了溫州、深圳、南通、蕪湖四座城市作為樣本。綜合型城市的確定主要是根據(jù)最受關(guān)注旅游城市和最佳商業(yè)城市排行榜中的名單，且旅游收入占城市總GDP比在15%以上(2011年)的城市，我們選取了杭州、南京、廈門、珠海四座城市作為樣本。此外，上述樣本選取時(shí)，適當(dāng)考慮到城市的地理分布，力求樣本城市具有代表性。隨后，我們通過對(duì)攜程旗下驢評(píng)網(wǎng)上的上述城市的酒店進(jìn)行隨機(jī)抽取，對(duì)獲得的樣本研究發(fā)現(xiàn)旅游型城市的住宿人員的出行目的主要是旅游，而工商業(yè)型城市酒店的住宿人員的出行目的主要是商務(wù)活動(dòng)。

表1 模型變量說明表

本文通過編寫的java程序，分別抓取攜程網(wǎng)的上述城市的每家酒店的在線信息。隨后對(duì)數(shù)據(jù)進(jìn)行處理，剔除沒有用戶評(píng)級(jí)和沒有評(píng)論的酒店，共獲得3098家酒店的數(shù)據(jù)，其中旅游型城市的酒店(三亞、麗江、張家界、黃山)715家，工商業(yè)型城市的酒店(溫州、深圳、南通、蕪湖)773家，綜合型城市的酒店(杭州、南京、廈門、珠海)1610家，并將上述數(shù)據(jù)作為實(shí)驗(yàn)樣本數(shù)據(jù)。

(三)結(jié)果分析

本研究采用多元線性回歸方法分析顧客在不同城市類型選擇酒店時(shí)的影響因素。VIF可以用于解釋各變量之間的多重共線性問題，一般認(rèn)為VIF＜10時(shí)，變量之間不存在顯著的共線性，本研究中的VIF值通過了檢驗(yàn)，因而回歸分析的結(jié)果是可信的。酒店預(yù)訂量與各影響因素之間的多元回歸分析結(jié)果如表2所示。

從類型一可以看出，旅游型城市中攜程用戶評(píng)級(jí)(β=0.288，p＜0.01)、位置評(píng)價(jià)(β=0.192，p＜0.01)和不推薦率(β=-0.481，p＜0.05)顯著影響酒店的預(yù)訂量，而其他變量沒有通過顯著性檢驗(yàn)，影響效果不顯著，這表明消費(fèi)者在外出旅游時(shí)，更多地關(guān)注酒店的位置、其他消費(fèi)者的推薦，而較少考慮配套設(shè)施、衛(wèi)生情況與服務(wù)水平等因素。同時(shí)，酒店的價(jià)格對(duì)酒店的預(yù)訂量沒有顯著的影響，這表明國(guó)內(nèi)消費(fèi)者在外出旅游時(shí)，更多關(guān)心旅游舒適度較少考慮價(jià)格等因素。此外，上述結(jié)果的一個(gè)可能重要原因就是國(guó)內(nèi)消費(fèi)者旅游時(shí)間點(diǎn)較為集中，造成景區(qū)資源緊張，可供消費(fèi)者選擇的酒店較少，因此大多數(shù)消費(fèi)者可能抱著酒店位置不要太遠(yuǎn)，其他條件差不多就行的心理選擇酒店[29]。這種情形將會(huì)隨著休假制度的逐步完善和消費(fèi)水平的提高而逐漸改善。除此之外，攜程用戶評(píng)級(jí)對(duì)酒店銷售量有著顯著的影響，這表明攜程預(yù)訂平臺(tái)的推薦信息影響著消費(fèi)者選擇。

表2 統(tǒng)計(jì)分析結(jié)果

從類型二可以看出，工商業(yè)型城市中攜程用戶評(píng)級(jí)(β=0.207，p＜0.01)、位置評(píng)價(jià)(β=0.273，p＜0.01)、不推薦率(β=-1.146，p＜0.01)對(duì)酒店預(yù)訂量的影響十分顯著。這表明消費(fèi)者在出差時(shí)，同樣會(huì)關(guān)注酒店的位置，較少考慮服務(wù)水平。但是，酒店的價(jià)格和衛(wèi)生評(píng)價(jià)對(duì)酒店的預(yù)訂量有著較為顯著的影響，這表明消費(fèi)者在商務(wù)活動(dòng)時(shí)酒店選擇會(huì)受到價(jià)格和衛(wèi)生等條件的影響。價(jià)格對(duì)該類型群體酒店預(yù)訂量具有較明顯的正相關(guān)性影響，這和我們直觀印象相反，這主要原因是工商業(yè)城市的住宿者以公務(wù)或商務(wù)出差為主，其費(fèi)用大多由企事業(yè)單位或相關(guān)單位承擔(dān)，因而對(duì)價(jià)格的敏感性相對(duì)較弱，相對(duì)更看重酒店的位置、衛(wèi)生等因素。在單位財(cái)務(wù)或出差制度約束下，其通常選擇的酒店價(jià)格標(biāo)準(zhǔn)更愿意接近財(cái)務(wù)允許的上限。同時(shí)，入住高價(jià)格的酒店也是一種身份的象征，相關(guān)人員也更愿意選擇價(jià)格較高的酒店入住。此外，我們對(duì)部分不同層次商業(yè)出行人員進(jìn)行了訪談，發(fā)現(xiàn)與上述結(jié)論相一致。

類型三綜合型城市的分析結(jié)果顯示，除服務(wù)評(píng)價(jià)未通過顯著性檢驗(yàn)，影響不顯著外，其他因素對(duì)酒店預(yù)訂量的影響都十分顯著。綜合型城市酒店同時(shí)具有旅游城市和工商業(yè)城市的共同特點(diǎn)，其酒店數(shù)量較多，市場(chǎng)競(jìng)爭(zhēng)充分，消費(fèi)者可選擇余地較大，在同等條件下，消費(fèi)者更愿意選擇其他條件較好的酒店。這表明隨著經(jīng)濟(jì)的發(fā)展和休假制度的逐步完善，旅游型城市的酒店應(yīng)該逐步加強(qiáng)衛(wèi)生條件的投入。值得指出的是，服務(wù)評(píng)價(jià)對(duì)酒店預(yù)訂量影響并不顯著，這表明在當(dāng)前條件下，良好的服務(wù)并不一定能提高酒店的預(yù)訂量。

綜合比較上述三種不同城市類型的酒店，發(fā)現(xiàn)酒店位置、消費(fèi)者推薦率和預(yù)訂平臺(tái)的評(píng)級(jí)對(duì)任何類型城市消費(fèi)者的酒店選擇均有著顯著的影響。酒店的價(jià)格和衛(wèi)生評(píng)價(jià)對(duì)綜合型城市酒店的預(yù)訂量的影響最顯著，對(duì)商業(yè)型城市酒店的預(yù)訂量影響較為顯著，但是對(duì)旅游型城市酒店預(yù)訂量影響不顯著。因此對(duì)于酒店管理者來說，其應(yīng)該注重以下幾點(diǎn):首先，酒店的選址直接影響酒店的預(yù)訂量和績(jī)效;其次，提高消費(fèi)者的推薦率，進(jìn)一步挖掘出客戶選擇不推薦的原因，進(jìn)而解決顧客評(píng)論提出的問題并及時(shí)回復(fù)，可有效地提高酒店的預(yù)訂量;再次，應(yīng)及時(shí)加強(qiáng)與攜程用戶推薦平臺(tái)溝通與合作，積極采納攜程網(wǎng)的意見，進(jìn)而提高用戶評(píng)級(jí)可以有效提高酒店管理水平和預(yù)訂量;最后，應(yīng)對(duì)不同城市類型酒店進(jìn)行分類管理，并針對(duì)不同城市類型酒店消費(fèi)者的關(guān)注點(diǎn)的不同，提供相應(yīng)的服務(wù)，進(jìn)而提高酒店的經(jīng)營(yíng)績(jī)效。

四、結(jié)論與展望

(一)研究結(jié)論與建議

文章根據(jù)《中國(guó)公民旅游關(guān)注度報(bào)告》中最受關(guān)注旅游城市和福布斯最佳商業(yè)城市排行榜中的名單，結(jié)合各城市旅游收入占GDP總量比，分別將城市分為三種類型，并選取相應(yīng)類型中的典型城市作為研究樣本，即旅游型城市(三亞、麗江、張家界、黃山)、工商業(yè)型城市(溫州、深圳、南通、蕪湖)、綜合型城市(杭州、南京、廈門、珠海)。通過編寫java程序抓取攜程網(wǎng)上樣本城市的酒店在線信息，并對(duì)相應(yīng)數(shù)據(jù)進(jìn)行處理，采用線性模型研究預(yù)訂平臺(tái)用戶評(píng)級(jí)、酒店價(jià)格、衛(wèi)生、服務(wù)、設(shè)施、位置以及不推薦比率等因素對(duì)不同城市類型酒店網(wǎng)上預(yù)訂量的影響。研究結(jié)果表明:(1)預(yù)訂平臺(tái)的評(píng)級(jí)對(duì)不同城市類型消費(fèi)者的酒店選擇均有著顯著的影響;(2)酒店價(jià)格對(duì)綜合型城市酒店的預(yù)訂量有著顯著的負(fù)相關(guān)性影響，對(duì)商業(yè)型城市酒店的預(yù)訂量有著較顯著正相關(guān)性影響，但對(duì)旅游型城市酒店的預(yù)訂量影響不顯著;(3)消費(fèi)者評(píng)價(jià)中酒店位置、消費(fèi)者推薦率對(duì)不同城市類型消費(fèi)者的酒店選擇均有著顯著的影響，酒店衛(wèi)生評(píng)價(jià)對(duì)綜合型城市酒店的預(yù)訂量的影響最顯著，對(duì)商業(yè)型城市酒店的預(yù)訂量影響較為顯著，但是對(duì)旅游型城市酒店預(yù)訂量影響不顯著。

上述研究結(jié)論詳細(xì)分析如下:

首先，消費(fèi)者評(píng)論中的酒店不推薦比率對(duì)酒店的預(yù)訂量具有顯著的影響。消費(fèi)者是否推薦，直接反映消費(fèi)者對(duì)該酒店的滿意程度，值得指出的是部分消費(fèi)者在評(píng)分較高情況下也可能選擇不推薦。通過對(duì)這些不推薦的消費(fèi)者所發(fā)表的評(píng)論研究，發(fā)現(xiàn)絕大多數(shù)消費(fèi)者是因?yàn)槟骋粋€(gè)或幾個(gè)原因?qū)е露x擇不推薦，除此之外，有的評(píng)論者選擇不推薦的原因可能是上述結(jié)構(gòu)化評(píng)價(jià)因素中未包括其所關(guān)注的問題，從而通過不推薦這一評(píng)價(jià)來表達(dá)自己的觀點(diǎn)。熊偉等通過對(duì)國(guó)內(nèi)外消費(fèi)者評(píng)價(jià)推薦比較研究發(fā)現(xiàn)，國(guó)內(nèi)消費(fèi)者的不推薦比例要遠(yuǎn)高于國(guó)外消費(fèi)者[30]，這其中一個(gè)重要原因就是國(guó)內(nèi)消費(fèi)者的評(píng)價(jià)可能是基于以前住過的其他酒店為基本參考，國(guó)內(nèi)酒店目前管理水平可能要落后于國(guó)外酒店，因此部分消費(fèi)者即使評(píng)分較高，也不會(huì)推薦該酒店。此外，顧客不推薦的原因經(jīng)常是由酒店的某一方面的短板決定的，酒店的管理者應(yīng)該關(guān)注造成消費(fèi)者選擇不推薦的原因，進(jìn)而及時(shí)回復(fù)和解決大多數(shù)消費(fèi)者所關(guān)注的問題，這樣不但可以提高酒店預(yù)訂量而且不需要太高成本。

其次，酒店位置對(duì)不同城市類型消費(fèi)者的酒店選擇均有著顯著的影響。這就是說不論何種城市類型，酒店的經(jīng)營(yíng)管理者都應(yīng)把酒店選址作為一個(gè)重要的決策因素，因?yàn)榫频甑倪x址直接影響酒店的預(yù)訂量和績(jī)效。酒店所在位置影響住宿人員的出行的快捷性、便利性和成本，其周邊的商業(yè)和生活設(shè)施配套情況會(huì)影響消費(fèi)者入住后的舒適度。

再次，對(duì)于不同城市類型的酒店，當(dāng)前的酒店預(yù)訂量的影響因素也不同，總的來說綜合型城市酒店預(yù)訂量的影響因素最多，工商業(yè)型城市次之，旅游型城市最少。因此酒店經(jīng)營(yíng)者在對(duì)上述城市酒店投資時(shí)應(yīng)有不同的側(cè)重，同時(shí)，其應(yīng)根據(jù)城市類型的不同采取分類管理，并針對(duì)不同城市類型酒店消費(fèi)者的關(guān)注點(diǎn)，提供相應(yīng)的服務(wù)。值得指出的是，目前旅游型城市酒店預(yù)訂量影響因素較少的原因可能是當(dāng)前旅游時(shí)間較為集中和資源緊張，隨著《國(guó)民旅游休閑綱要(2013—2020年)》逐步實(shí)施，其競(jìng)爭(zhēng)和影響因素會(huì)越來越多。

最后，根據(jù)上述影響因素，一般消費(fèi)者只需在自身所能承受的價(jià)格范圍內(nèi)，根據(jù)酒店的地理位置，參考網(wǎng)站給出的用戶評(píng)級(jí)以及顧客不推薦情況，即可快速作出決策。對(duì)于不同的出行目的消費(fèi)者只需要結(jié)合自己的特殊需求就可以了。此外，酒店應(yīng)及時(shí)加強(qiáng)與攜程用戶推薦平臺(tái)溝通與合作，積極采納攜程網(wǎng)的意見，進(jìn)而提高酒店的用戶評(píng)級(jí)和管理水平。

(二)研究不足與展望

本文只是根據(jù)在線信息對(duì)不同城市類型消費(fèi)者酒店選擇因素進(jìn)行研究，因此其結(jié)論是否適應(yīng)于整個(gè)客戶群體還需要進(jìn)一步研究。未來可以在此基礎(chǔ)上結(jié)合問卷調(diào)查方式對(duì)線下客戶進(jìn)行研究，或者進(jìn)一步考慮評(píng)論質(zhì)量、情感傾向等影響因素并結(jié)合文本挖掘方法開展深入研究。

[1]盤英芝，崔金紅，王歡.在線評(píng)論對(duì)不同熱門程度體驗(yàn)型商品銷售收入影響的實(shí)證研究[J].圖書情報(bào)工作，2011，55(24):126-131.

[2]?ˇGüTA H，CEZARA A.The Factors Affecting Writing Reviews in Hotel Websites[J].Procedia-Social and Behavioral Sciences，2012，58(12):980-986.

[3]BARSKY J，NASH L.Word of Mouth Should be Top-of-Mind for Hotel Operators[N].Hotel＆ Motel Management.2007，222(6):8，20.

[4]DECKER R，TRUSOV M.Estimating Aggregate Consumer Preferences from Online Product Reviews[J].International Journal of Research in Marketing，2010(27):293-307.

[5]侯兵，黃震方，陳肖靜.主客體視角的城市經(jīng)濟(jì)型酒店空間分布研究——以揚(yáng)州市為例[J].旅游學(xué)刊，2009(5):72-79.

[6]馮雋.新聞媒介的功能及其演變[J].浙江工商大學(xué)學(xué)報(bào)，2010(1):49-55.

[7]HANKIN L.The Effects of User Reviews on Online Purchasing Behavior across Multiple Product Categories[EB/OL].(2007-05-07)[2013-02-25].http://www.ischool.berkeley.edu/files/lhankin_report.pdf.

[8]PARK D H，KIM S.The Effects of Consumer Knowledge on Message Processing of Electronic Word of Mouth via Online Consumer Reviews[J].Electronic Commerce Research and Applications，2008，7(4):399-410.

[9]PARK D H，LEE J.eWOM Overload and Its Effect on Consumer Behavioral Intention Depending on Consumer Involvement[J].Electronic Commerce Research and Applications，2008，7(4):386-398.

[10]CHEUNG M，LUO C，SIA C，et al.Credibility of Electronic Word-of-Mouth:Informational and Normative Determinants of Online Consumer Recommendations[J].International Journal of Electronic Commerce，2009，13(4):9-38.

[11]DOH S J，HWANG J S.How Consumers Evaluate eWOM(Electronic Word-of-Mouth)Messages[J].CyberPsychology ＆Behavior，2009，12(2):193-197.

[12]KUMAR N，BENBASAT I.Research Note:The Influence of Recommendations and Consumer Reviews on Evaluations of Websites[J].Information Systems Research，2006，17(4):425-439.

[13]ZHAO Y，YANG S，NARAYAN V，et al.Modeling Consumer Learning from Online Product Reviews[J].Marketing Science，2013，32(1):153-169.

[14]LEE J，PARK D H，HAN I.The Effect of Negative Online Consumer Reviews on Product Attitude:An Information Processing View[J].Electronic Commerce Research and Applications，2008，7(3):341-352.

[15]CHEN Y，XIE J.Online Consumer Review:Word-of-Mouth as a New Element of Marketing Communication Mix[J].Management Science，2008，54(3):477-491.

[16]SPARKS A B，BROWNING V.The Impact of Online Reviews on Hotel Booking Intentions and Perception of Trust[J].Tourism Management，2011，32(6):1310-1323.

[17]李宏，喻葵，夏景波.負(fù)面在線評(píng)論對(duì)消費(fèi)者網(wǎng)絡(luò)購(gòu)買決策的影響:一個(gè)實(shí)驗(yàn)研究[J].情報(bào)雜志，2011，30(5):202-206.

[18]孫春華，劉業(yè)政.網(wǎng)絡(luò)口啤信息可信度的實(shí)證研究[J].財(cái)經(jīng)論叢，2009(4):96-102.

[19]CHEVALIER J A，MAYZLIN D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research，2006，43(3):345-354.

[20]郝媛媛，葉強(qiáng)，李一軍.基于影評(píng)數(shù)據(jù)的在線評(píng)論有用性影響因素研究[J].管理科學(xué)學(xué)報(bào)，2010(8):78-96.

[21]ZHU F，ZHANG X M.Impact of Online Consumer Reviews on Sales:The Moderating Role of Product and Consumer Characteristics[J].Journal of Marketing，2010，74(2):133-148.

[22]DUAN W，GU B，WHINSTON A.Do Online Reviews Matter?-An Empirical Investigation of Panel Data[J].Decision Support Systems，2008，45(4):1007-1016.

[23]CHINTAGUNTA P K，GOPINATH S，VENKATARAMAN S.The Effects of Online User Reviews on Movie Box Office Performance:Accounting for Sequential Rollout and Aggregation across Local Markets[J].Marketing Science，2010，29(5):944-957.

[25]LI X，HITT M L.Price Effects in Online Product Reviews:An Analytical Model And Empirical Analysis[J].MIS Quarterly，2010，34(4):809-831.

[26]BERGER J，SORENSEN A T，RASMUSSEN S J.Positive Effects of Negative Publicity When Negative Reviens Increase Sales[J].Marketing Science，2010，29(5):815-827.

[27]YE Q，LAW R，GU B.The Impact of Online User Reviews on Hotel Room Sales[J].International Journal of Hospitality Management，2009，28(1):180-182.

[28]張夢(mèng)，張廣宇，葉作亮.在線信息對(duì)酒店網(wǎng)上預(yù)訂的影響研究——基于攜程網(wǎng)酒店在線預(yù)訂數(shù)據(jù)的分析[J].旅游學(xué)刊，2011(7):79-84.

[29]嚴(yán)艷，周文，張佑印.基于市場(chǎng)的西安城市家庭旅游決策研究[J].地域研究與開發(fā)，2010(4):78-81.

[30]熊偉，高陽，吳必虎.中外國(guó)際高星級(jí)連鎖酒店服務(wù)質(zhì)量對(duì)比研究——基于網(wǎng)絡(luò)評(píng)價(jià)的內(nèi)容分析[J].經(jīng)濟(jì)地理，2012，32(2):160-165.