共享住宿平臺(tái)信任建立措施對房客信任的影響研究

牛阮霞 宋瑞

[摘 要]就共享住宿而言，如何建立用戶信任是業(yè)界、學(xué)界及政府部門共同關(guān)注的問題，而現(xiàn)有文獻(xiàn)中探究真實(shí)情境下共享住宿平臺(tái)信任建立措施實(shí)施效果者甚少。文章以途家為例，在信任建立模型的基礎(chǔ)上，構(gòu)建共享住宿平臺(tái)房客信任影響因素模型，探討共享住宿平臺(tái)信任建立措施中的制度因素、情感因素和認(rèn)知因素對房客信任的實(shí)際影響效果。研究發(fā)現(xiàn)：制度因素中的超贊房東、優(yōu)選PRO 房源、評價(jià)分?jǐn)?shù)顯著正向影響房客信任;情感因素中的即時(shí)速訂并未對房客信任產(chǎn)生顯著的正向影響;認(rèn)知因素中的房東性別和房東性質(zhì)顯著正向影響房客信任，房東會(huì)員時(shí)長并未對房客信任產(chǎn)生顯著的正向影響。文章拓展了共享住宿用戶信任的理論研究，并為共享住宿平臺(tái)進(jìn)一步完善信任建立措施提供了科學(xué)依據(jù)。

[關(guān)鍵詞]共享住宿;信任建立模型;信任建立措施;房客信任

[中圖分類號] F592 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號] 1674-3784（2024）04-0067-13

近年來，伴隨著互聯(lián)網(wǎng)技術(shù)的廣泛普及、消費(fèi)觀念的不斷升級和產(chǎn)業(yè)競爭的日益加劇，共享住宿作為一種新的業(yè)態(tài)得以快速發(fā)展。共享住宿是指以互聯(lián)網(wǎng)技術(shù)為依托，通過搭建第三方平臺(tái)，將供給端有閑置或租賃房產(chǎn)的房東和需求端有短期住房需求的房客對接起來，實(shí)現(xiàn)供需雙方精準(zhǔn)匹配的資源配置方式[1]。在該模式中，買賣雙方交易的實(shí)現(xiàn)首先依賴于房客信任的建立。由于房客的交易和互動(dòng)對象是以個(gè)人房東為主[2]，這些“微型企業(yè)家”雖可提供個(gè)性化的房源和服務(wù)，但通常缺乏傳統(tǒng)酒店業(yè)通過標(biāo)準(zhǔn)化的產(chǎn)品供應(yīng)、專業(yè)化的客戶服務(wù)以及品牌化的信譽(yù)認(rèn)知所形成的保障[3]。與此同時(shí)，由于買賣雙方之間存在時(shí)空距離，房客在預(yù)訂之前很難準(zhǔn)確評估房源的實(shí)際質(zhì)量和房東的服務(wù)水平，這種信息不對稱所帶來的逆向選擇和道德風(fēng)險(xiǎn)增加了交易環(huán)境的不確定性[4]。因此，與入住傳統(tǒng)酒店相比，“住進(jìn)陌生人家里”的房客面臨更多的風(fēng)險(xiǎn)，例如，個(gè)人信息泄露、入住房間與平臺(tái)描述不符、房東服務(wù)質(zhì)量差以及人身安全沒有保障等。這些風(fēng)險(xiǎn)的存在容易使房客產(chǎn)生不信任感，而不信任正是阻礙房客參與共享住宿的主要因素之一[5]。可見，如何建立房客信任對于共享住宿的發(fā)展而言至關(guān)重要。

為緩解信息不對稱所帶來的信任危機(jī)，一些共享住宿平臺(tái)不斷優(yōu)化相關(guān)措施。例如，制定一系列標(biāo)準(zhǔn)，評選出經(jīng)營能力強(qiáng)的房東和質(zhì)量有保障的房源，并授予其超贊房東、優(yōu)選PRO（途家推出的“優(yōu)選PRO 全新計(jì)劃”，以下簡稱“優(yōu)選PRO”）、甄選房源、平臺(tái)嚴(yán)選及安心住等認(rèn)證標(biāo)簽;開發(fā)聲譽(yù)和反饋系統(tǒng)，邀請已入住房客對住宿體驗(yàn)進(jìn)行評分并發(fā)表評論;設(shè)置房東主頁，向潛在房客提供房東的頭像照片、個(gè)人資料、注冊時(shí)間、認(rèn)證信息、經(jīng)營性質(zhì)、回復(fù)率和訂單確認(rèn)率等信息。共享住宿平臺(tái)推出的這些措施能否切實(shí)有效地促進(jìn)房客建立信任，目前尚缺乏深入分析?，F(xiàn)有研究多以Airbnb（Airbnb andbreakfast）為研究對象，通過問卷調(diào)查法或?qū)嶒?yàn)法搜集數(shù)據(jù)，探索虛擬情境中影響房客信任的前因變量。眾所周知，虛擬情境中房客的主觀感受與其真實(shí)的消費(fèi)行為之間存在偏差，因此相關(guān)研究說服力相對有限，有必要采集共享住宿平臺(tái)的客觀數(shù)據(jù)，對真實(shí)情境下平臺(tái)信任建立措施的實(shí)施效果進(jìn)行系統(tǒng)評估。本文以途家為例，在信任建立模型的基礎(chǔ)上，構(gòu)建共享住宿平臺(tái)房客信任影響因素模型，探討共享住宿平臺(tái)的信任建立措施對房客信任的實(shí)際影響效果，以期從理論上豐富共享住宿用戶信任的研究內(nèi)容，從實(shí)踐上為共享住宿平臺(tái)進(jìn)一步提升房客信任提供科學(xué)依據(jù)。

1 文獻(xiàn)回顧

1.1 信任的概念

信任具有復(fù)雜性、抽象性并對情境存在依賴性[6]25，要對其進(jìn)行準(zhǔn)確界定并非易事。不同學(xué)科基于不同研究背景、研究對象和研究目的，從不同的角度對信任加以界定[7]35。在社會(huì)學(xué)領(lǐng)域，信任被認(rèn)為是簡化社會(huì)交往復(fù)雜性的有效機(jī)制。人們基于熟悉度和情感聯(lián)系的人際信任以及基于法律、法規(guī)的制度信任，降低社會(huì)交往的復(fù)雜性。心理學(xué)主要關(guān)注個(gè)體間的信任。Hosmer認(rèn)為，當(dāng)面臨預(yù)期損失大于預(yù)期收益這種不可預(yù)料的事件時(shí)，個(gè)體的非理性選擇行為即為信任[8]。 經(jīng)濟(jì)學(xué)更加關(guān)注信任的經(jīng)濟(jì)價(jià)值，認(rèn)為信任是經(jīng)濟(jì)交換的有效潤滑劑，可有效提升經(jīng)濟(jì)組織的運(yùn)作效率[9]。管理學(xué)者認(rèn)為，信任是在不確定性和存在風(fēng)險(xiǎn)的情況下，組織或個(gè)體對互動(dòng)的另一方不會(huì)采取投機(jī)行為的期望[10]。信任概念的不統(tǒng)一，給學(xué)術(shù)研究和實(shí)踐發(fā)展帶來諸多障礙。為此，一些學(xué)者嘗試對信任進(jìn)行一般性的概念界定，其中影響最大的是Mayer等的研究。在其看來，信任是無論控制或監(jiān)督受信方的能力如何，施信方都預(yù)期受信方將執(zhí)行對施信方而言重要的特定行為，從而容忍受信方可能導(dǎo)致的傷害行為的程度[11]。本文對信任的界定沿用此概念，并在此概念的基礎(chǔ)上，將共享住宿中的房客信任界定為“無論控制或監(jiān)督受信方共享住宿平臺(tái)、房東的能力如何，作為施信方的房客都預(yù)期共享住宿平臺(tái)、房東將執(zhí)行對房客而言重要的特定行為，從而容忍受信方可能導(dǎo)致的傷害行為的程度”。

1.2 電子商務(wù)中的消費(fèi)者信任研究

隨著互聯(lián)網(wǎng)的普及，越來越多的消費(fèi)者通過線上渠道購買產(chǎn)品或服務(wù)。線上交易過程中，由于產(chǎn)品、資金、買賣雙方存在時(shí)空分離，加之信息不對稱和交易環(huán)境復(fù)雜等原因，消費(fèi)者較易產(chǎn)生不信任態(tài)度[12]。因此，獲得消費(fèi)者信任是電子商務(wù)面臨的主要挑戰(zhàn)之一[13]。針對這一問題，學(xué)者們重點(diǎn)圍繞以下3個(gè)方面展開了系列研究：一是信任的分類。根據(jù)交易的不同階段，Kim 等將信任分為購買前信任、購買中信任和購買后信任[14];根據(jù)信任對象的不同，可將信任分為對賣方的信任和對中介的信任[15-16]301，39。二是信任的影響因素。主要包括消費(fèi)者因素、賣方因素和網(wǎng)站因素。消費(fèi)者因素涉及信任傾向[17]、經(jīng)驗(yàn)特征[18]等;賣方因素包括能力、仁慈、正直表現(xiàn)[19]以及與買方的相似性[20]等;網(wǎng)站因素涵蓋隱私保護(hù)、結(jié)構(gòu)保障、網(wǎng)站質(zhì)量及服務(wù)質(zhì)量[21-22]等。三是信任的實(shí)際作用。研究發(fā)現(xiàn)，消費(fèi)者信任的建立可直接或間接對消費(fèi)者的購買意愿、忠誠度和滿意度產(chǎn)生影響[23]。

1.3 共享住宿中的房客信任研究

基于Mayer等對信任的界定以及電子商務(wù)中消費(fèi)者信任的研究，學(xué)者們主要從兩個(gè)方面就共享住宿中的房客信任問題展開研究。

一是房客信任的影響因素。已有研究主要通過問卷調(diào)查法和實(shí)驗(yàn)法搜集房客的主觀匯報(bào)數(shù)據(jù)，試圖探究虛擬情境中共享住宿平臺(tái)、房東和房客因素對房客信任的影響。其中，共享住宿平臺(tái)方面包括制度保障和技術(shù)支持，房東方面涉及聲譽(yù)評價(jià)，房客方面主要取決于其自身的信任傾向。共享住宿平臺(tái)的制度保障因素主要包括保險(xiǎn)賠償、安全和隱私保護(hù)[24]201 和第三方信用體系的引入[25]等，這些因素通過營造安全可靠的交易環(huán)境來影響房客對平臺(tái)的信任。共享住宿平臺(tái)的技術(shù)支持則與網(wǎng)站質(zhì)量有關(guān)。Yang等的研究發(fā)現(xiàn)，房客在使用共享住宿網(wǎng)站時(shí)感知到IT 質(zhì)量正向影響房客對平臺(tái)的信任[24]201。房東的聲譽(yù)評價(jià)主要包括已入住房客的評價(jià)分?jǐn)?shù)和評論數(shù)量。已有研究表明，已入住房客的評價(jià)分?jǐn)?shù)越高、評論數(shù)量越多，房客對房東的感知信任度越高[26]112。房客的信任傾向是指在一般情況下，房客愿意依賴他人的傾向[7]41。Park等的調(diào)查發(fā)現(xiàn)，信任傾向?qū)Ψ靠托湃蜛irbnb平臺(tái)具有積極作用[27]。少數(shù)學(xué)者將共享住宿中房客信任影響因素的研究從虛擬情境拓展到真實(shí)情境。Ert等通過采集Airbnb平臺(tái)房東的人口統(tǒng)計(jì)信息和頭像信息，研究了房東性別、年齡以及頭像照片中的人數(shù)、照片質(zhì)量、照片清晰度等對房客信任的影響[28-29]62，630。

二是房客信任的實(shí)際影響。主要指房客信任對房客持續(xù)使用平臺(tái)的意愿[30]、購買行為[31]2970、滿意度[32]等產(chǎn)生的直接影響，以及通過其他變量如依戀、感知風(fēng)險(xiǎn)和吸引力對房客行為意愿產(chǎn)生的間接影響。Mao等通過調(diào)查發(fā)現(xiàn)，房客對房東的信任和對平臺(tái)的信任分別對房客的持續(xù)購買意愿產(chǎn)生顯著正向影響。其中，平臺(tái)信任的影響效果大于房東信任的影響效果[33]73。Yang等通過對Airbnb房客的調(diào)查發(fā)現(xiàn)，認(rèn)知信任通過對Airbnb的身份依戀間接影響房客的持續(xù)購買意愿[24]206。

1.4 研究述評

學(xué)者們圍繞共享住宿中的房客信任這一重要議題進(jìn)行了有益的探索，不過仍有較大的拓展空間。首先，就研究內(nèi)容而言，盡管既有研究驗(yàn)證了虛擬情境中共享住宿平臺(tái)、房客及房東等因素對房客信任有積極的影響，但真實(shí)情境中共享住宿平臺(tái)信任建立措施對房客信任的實(shí)際影響關(guān)注不多。其次，就研究方法而言，既有研究多以問卷調(diào)查法和實(shí)驗(yàn)法收集房客的主觀數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)搜集共享住宿平臺(tái)客觀數(shù)據(jù)的研究相對較少。最后，就研究對象而言，既有研究多以Airbnb為主，對國內(nèi)本土共享住宿平臺(tái)房客信任問題探究不足。因此，本文試圖以國內(nèi)共享住宿平臺(tái)為研究對象，通過搜集客觀數(shù)據(jù)，研究真實(shí)情境下信任建立措施中的制度因素、認(rèn)知因素、情感因素對房客信任的實(shí)際影響。

2 理論基礎(chǔ)與研究假設(shè)

2.1 信任建立模型

2002年，Harrison等在互聯(lián)網(wǎng)技術(shù)催生了更多在線交易的背景下，提出了信任建立模型，用于研究消費(fèi)者對電子商務(wù)供應(yīng)商的信任建立過程[15]297。該模型提出，電子商務(wù)情境下，影響消費(fèi)者感知信任的因素有三類：以結(jié)構(gòu)保障為代表的制度因素、網(wǎng)絡(luò)供應(yīng)商聲譽(yù)和網(wǎng)站質(zhì)量。消費(fèi)者在對網(wǎng)絡(luò)供應(yīng)商的信任和感知風(fēng)險(xiǎn)綜合權(quán)衡的基礎(chǔ)上，會(huì)產(chǎn)生一系列的行為意愿[15]301。之后，信任建立模型被廣泛應(yīng)用于在線購物網(wǎng)站、證券網(wǎng)站和眾籌網(wǎng)站中消費(fèi)者的信任建立過程。近年來，隨著共享住宿的興起，一些學(xué)者如Yang等、Mao等在信任建立模型的基礎(chǔ)上，探索了虛擬情境中房客信任的影響因素，驗(yàn)證了信任建立模型在共享住宿情境中的適用性[24]198，[33]67。

2.2 模型與假設(shè)

信任建立模型是在傳統(tǒng)電子商務(wù)情境下提出的，在此情境下，消費(fèi)者信任的建立更多依賴于網(wǎng)站的制度約束。在沒有物理接觸且交易雙方可能來自不同社會(huì)和文化背景的電子商務(wù)情境中，制度因素是建立信任的最重要方式。共享住宿具有傳統(tǒng)電子商務(wù)的一般特征，因此，其用戶信任的建立對制度因素的要求較高。此外，共享住宿還具有區(qū)別于傳統(tǒng)電子商務(wù)的新特征，如房客和房東具有高交互性，因此，人際因素也是房客信任建立的重要參考[24]199。根據(jù)社會(huì)心理學(xué)的研究，人際信任通常建立在認(rèn)知因素和情感因素的基礎(chǔ)上[6]25。當(dāng)施信方通過搜集受信方的信息和線索，對受信方的認(rèn)知介于完全認(rèn)知和完全未知之間，他就有了充分的理由去進(jìn)行冒險(xiǎn)的信任決策，于是基于認(rèn)知的人際信任就產(chǎn)生了[34]。情感因素是指交易雙方之間的情感紐帶。當(dāng)人們在信任關(guān)系中進(jìn)行情感投資，表達(dá)對另一方的真正關(guān)心時(shí)，就為信任的產(chǎn)生提供了情感基礎(chǔ)[6]54。

本文在信任建立模型和社會(huì)心理學(xué)關(guān)于人際信任的研究基礎(chǔ)上，將共享住宿平臺(tái)的信任建立措施劃分為三大類：制度因素、情感因素和認(rèn)知因素。房客通過對三類因素的觀察、感知，形成感知信任或不信任。由此形成房客信任影響因素模型（圖1）。其中，制度因素包含超贊房東、優(yōu)選PRO 房源及評價(jià)分?jǐn)?shù)，用于解釋共享住宿平臺(tái)的制度約束對房客信任的影響;情感因素包括即時(shí)速訂，認(rèn)知因素包含經(jīng)營性質(zhì)、房東性別和會(huì)員時(shí)長，這兩類因素分別從情感和認(rèn)知的視角解釋人際因素對房客信任的影響。控制變量為反映房源特征的價(jià)格、宜住人數(shù)、配套設(shè)施、出租方式以及反映城市特征的各城市人均國內(nèi)生產(chǎn)總值（GDP）、第三產(chǎn)業(yè)占GDP 比重和星級飯店數(shù)量。

2.2.1 制度因素對房客信任的影響

制度因素對信任的影響，是指施信方認(rèn)為已具備有利的條件保證交易環(huán)境的相對安全，從而對受信方完成期望行為的評估過程[7]42。行為是由情境建構(gòu)的，只有當(dāng)人們感知到情境是安全可靠時(shí)，才有可能采取進(jìn)一步行動(dòng)[7]39。共享住宿模式下，潛在房客需要與網(wǎng)絡(luò)另一端未知的另一方進(jìn)行交易，交易過程中的不確定性和感知風(fēng)險(xiǎn)較大[16]39。因此，作為連接買賣雙方的共享住宿平臺(tái)往往通過制度機(jī)制的建設(shè)，為房客營造可信賴的交易情境，并通過鼓勵(lì)合作以及懲罰不當(dāng)行為促進(jìn)信任的建立[35]。本文的制度因素特指共享住宿平臺(tái)的認(rèn)證標(biāo)簽和聲譽(yù)評價(jià)。

認(rèn)證標(biāo)簽是指共享住宿平臺(tái)通過制定一系列的標(biāo)準(zhǔn)對房東的經(jīng)營能力或房源的質(zhì)量進(jìn)行綜合評估，符合標(biāo)準(zhǔn)的房東或房源經(jīng)過申請并獲得平臺(tái)審核通過后，房客就可以在平臺(tái)的房東頁面、列表頁面以及篩選頁面看到這些認(rèn)證標(biāo)簽。認(rèn)證標(biāo)簽是以平臺(tái)為擔(dān)保，保障房東經(jīng)營能力和房源質(zhì)量的一種制度約束。聲譽(yù)評價(jià)是共享住宿平臺(tái)基于房東過去表現(xiàn)所建立的評價(jià)系統(tǒng)，這一系統(tǒng)通過讓已入住房客進(jìn)行真實(shí)入住體驗(yàn)的評價(jià)而對房東進(jìn)行制度約束，進(jìn)一步保證了房客交易環(huán)境的安全。

（1）認(rèn)證標(biāo)簽。超贊房東、優(yōu)選PRO 是途家對房東和房源進(jìn)行綜合評估后所頒發(fā)的平臺(tái)認(rèn)證，每月評選一次，房東必須滿足一定的標(biāo)準(zhǔn)才有資格申請。超贊房東的具體標(biāo)準(zhǔn)為：1）門店評分≥4.8分;2）門店等級≥V4;3）30天內(nèi)無拒單;4）30天內(nèi)無違規(guī)。優(yōu)選PRO 的具體標(biāo)準(zhǔn)為：1）開通閃訂功能;2）房源擁有5條及以上點(diǎn)評;3）近3個(gè)月訂單大于15;4）未來30天有可售天數(shù)（不得限制起訂天數(shù)）;5）總點(diǎn)評分?jǐn)?shù)大于4.8分;6）房源圖片不少于20張;7）庫存不得大于10。

從房客角度看，超贊房東和優(yōu)選PRO 認(rèn)證標(biāo)簽是以平臺(tái)為背書提供的質(zhì)量擔(dān)保，有助于提高其感知信任。部分學(xué)者研究了此類認(rèn)證標(biāo)簽對房客信任的影響。Zhang等認(rèn)為，Airbnb平臺(tái)的超贊房東是房東卓越能力和精英地位的證明，實(shí)證研究證明超贊房東對房客信任產(chǎn)生積極影響[26]112。類似地，Xie等的研究發(fā)現(xiàn)，房客認(rèn)為帶有超贊房東標(biāo)簽的房東是誠實(shí)、積極、可靠的，并在此基礎(chǔ)上形成初始信任[36]2254。因此可認(rèn)為，共享住宿平臺(tái)認(rèn)證標(biāo)簽通過向房客傳遞房東經(jīng)營能力和房源質(zhì)量的積極信號，可增加房客的感知信任?；诖耍疚淖魅缦录僭O(shè)：

H1：帶有超贊房東認(rèn)證標(biāo)簽的房源更受房客信任;

H2：帶有優(yōu)選PRO 認(rèn)證標(biāo)簽的房源更受房客信任。

（2）評價(jià)分?jǐn)?shù)。為降低信息不對稱所帶來的負(fù)面影響，共享住宿平臺(tái)建立了基于房東過去表現(xiàn)的聲譽(yù)評價(jià)系統(tǒng)，便于潛在房客客觀評估即將與之發(fā)生交易的房東的可信度[16]37。房東獲得的聲譽(yù)評價(jià)越積極，潛在房客的感知風(fēng)險(xiǎn)和不確定性程度越低，從而越容易對房東產(chǎn)生信任[15]312。最常見的聲譽(yù)評價(jià)為評價(jià)分?jǐn)?shù)，即已入住房客對住宿體驗(yàn)滿意度的數(shù)值評價(jià)。一些學(xué)者研究了評價(jià)分?jǐn)?shù)對房客信任的影響。Teubner等基于Airbnb平臺(tái)上86個(gè)德國城市房源數(shù)據(jù)的分析發(fā)現(xiàn)，評價(jià)分?jǐn)?shù)是促進(jìn)消費(fèi)者信任并提升房源價(jià)格的重要信號[37]72。Zhang等的研究得出相同結(jié)論，即潛在消費(fèi)者在Airbnb上搜索房源時(shí)通常會(huì)參考評價(jià)分?jǐn)?shù)，評價(jià)分?jǐn)?shù)越高，感知信任度越高[26]112?；诖?，本文作如下假設(shè)：

H3：評價(jià)分?jǐn)?shù)正向影響房客的信任。

2.2.2 情感因素對房客信任的影響

情感因素對信任的影響是指施信方對受信方是否具有可信任屬性的情感評估[38]。與認(rèn)知因素的理性判斷不同，情感因素更多地建立在房客所產(chǎn)生的情感信念的基礎(chǔ)上。Mcallister認(rèn)為，當(dāng)受信方愿意表達(dá)對施信方的真正關(guān)心，即使受信方不會(huì)因?yàn)樘峁椭玫綀?bào)酬時(shí)，基于情感的信任就產(chǎn)生了[6]26。本文中的情感因素特指即時(shí)速訂。即時(shí)速訂是指房客在預(yù)訂房源時(shí)無需經(jīng)過房東確認(rèn)即可直接下單的功能，這一功能從房東的角度來看，可能會(huì)因?yàn)闊o法審核房客資料而增加入住風(fēng)險(xiǎn)，但從房客角度來看，不僅提高了預(yù)訂的便利性，而且減少了預(yù)訂的不確定性，是房東基于利他主義動(dòng)機(jī)所產(chǎn)生的行為，這符合情感信任產(chǎn)生的條件。因此，有利于房客信任的建立。Biswas等研究了影響共享住宿平臺(tái)房客評論數(shù)量的因素后發(fā)現(xiàn)，開通即時(shí)速訂功能房源的評論數(shù)量要高于沒有開通即時(shí)速訂功能房源的評論數(shù)量[39]13。基于此，本文作如下假設(shè)：

H4：開通即時(shí)速訂功能的房源更受房客的信任。

2.2.3 認(rèn)知因素對房客信任的影響

認(rèn)知因素對信任的影響是指施信方對受信方是否具有可信任屬性的理性預(yù)期[40]。施信方選擇在何種情況、在哪些方面信任受信方，是基于施信方是否找到了對方值得信任的證據(jù)，這種證據(jù)建立在對受信方的過去表現(xiàn)、專業(yè)知識(shí)和其他可用線索的理性判斷的基礎(chǔ)上[6]25。在共享住宿情境中，房客在預(yù)訂之前不能直接通過物理接觸觀察房東，但可通過平臺(tái)顯示的房東屬性來推斷其服務(wù)質(zhì)量和經(jīng)營能力。本文中的認(rèn)知因素特指房東主頁中所顯示的經(jīng)營性質(zhì)、房東性別和會(huì)員時(shí)長3個(gè)特征。經(jīng)營性質(zhì)、會(huì)員時(shí)長是房客推斷房東經(jīng)營房源專業(yè)性的有力證據(jù)，房東性別所傳遞的刻板印象以及感知相似性為房客推斷房東可信度提供了線索支持。

（1）房東性質(zhì)。共享住宿平臺(tái)房東包含兩種類型：非專業(yè)房東和專業(yè)房東。根據(jù)Kwok等的研究，非專業(yè)房東更易產(chǎn)生損失厭惡、有限注意力和過度自信等行為偏差[41]253。與之相比，專業(yè)房東會(huì)投入更多的時(shí)間和精力去經(jīng)營房源，且可通過同時(shí)運(yùn)營多個(gè)房源快速積累經(jīng)驗(yàn)，從而更熟練地為消費(fèi)者提供服務(wù)，提升房源收益[42]。Kwok等的研究表明，通過使用價(jià)格定位和動(dòng)態(tài)定價(jià)等策略，專業(yè)房東在Airbnb平臺(tái)的收益表現(xiàn)要優(yōu)于非專業(yè)房東[41]257?；诖?，本文作如下假設(shè)：

H5：專業(yè)房東管理的房源更受房客信任。

（2）房東性別。人際關(guān)系領(lǐng)域的研究表明，根據(jù)可觀察到的特征（性別、年齡、相貌）來評估一個(gè)人的可信度是人的天性[43]。在長期人際交往中，人們往往會(huì)形成對不同性別群體可信度的刻板印象。有研究發(fā)現(xiàn)，女性群體似乎比男性群體更值得信任[44]。這種基于性別所形成的偏見會(huì)對潛在消費(fèi)者對房東的選擇意愿和行為產(chǎn)生影響。Ert等通過一組對照實(shí)驗(yàn)發(fā)現(xiàn)，75%的受訪者更愿意選擇女性房東，25%的受訪者更愿意選擇男性房東[28]68。Wu等以小豬短租為研究對象，探討了房東屬性對消費(fèi)者購買行為的影響，結(jié)果顯示，房東性別是影響消費(fèi)者預(yù)訂決策的重要因素[31]2971。Ert等通過對Airbnb房東頭像特征的分析發(fā)現(xiàn)，女性房東比男性房東更值得信任[29]636?；诖?，本文作如下假設(shè)：

H6：女性房東管理的房源更受房客的信任。

（3）會(huì)員時(shí)長。會(huì)員時(shí)長是指房東注冊成為共享住宿平臺(tái)會(huì)員的時(shí)間長度。房東成為會(huì)員的時(shí)間越長，所積累的管理經(jīng)驗(yàn)會(huì)越多[45]。經(jīng)驗(yàn)的增加會(huì)讓房東在提升服務(wù)質(zhì)量、增加房客滿意度以及爭取更多訂單量方面更加游刃有余[36]2255。Biswas等通過對全球10個(gè)城市Airbnb房源數(shù)據(jù)的分析發(fā)現(xiàn)，房東的會(huì)員時(shí)長對房東收到的評論數(shù)量有積極影響[39]15。Teubner 等也得出了相同的結(jié)論[37]72。基于此，本文做如下假設(shè)：

H7：房東會(huì)員時(shí)長正向影響房客的信任。

綜上，本文模型構(gòu)建及研究假設(shè)如圖1所示。

3 研究方法

3.1 數(shù)據(jù)收集

本文數(shù)據(jù)來自途家官網(wǎng)（www.tujia.com）。途家成立于2011年12月1日，截至2020年，擁有在線房源超過230萬套，覆蓋國內(nèi)400個(gè)城市地區(qū)和海外1 037個(gè)目的地，是國內(nèi)共享住宿行業(yè)的龍頭企業(yè)① 。為保證樣本的代表性，選取途家官網(wǎng)上25個(gè)城市的房源數(shù)據(jù)作為研究對象，這25個(gè)城市分別是北京、上海、成都、廣州、三亞、重慶、廈門、杭州、西安、青島、深圳、貴陽、南昌、呼和浩特、拉薩、蘭州、烏魯木齊、西寧、銀川、哈爾濱、沈陽、石家莊、濟(jì)南、太原及鄭州。2021年1月，采用Python編寫的程序在途家官網(wǎng)上共抓取25個(gè)城市的30 258條房源數(shù)據(jù)。而后對數(shù)據(jù)進(jìn)行清洗，刪除不可量化、數(shù)據(jù)均質(zhì)性強(qiáng)、有明顯錯(cuò)誤和缺失值的數(shù)據(jù)，最終得到有效數(shù)據(jù)29 640條?？紤]到不同城市的經(jīng)濟(jì)、旅游等因素可能對房客信任產(chǎn)生一定的影響，在參考前人研究[46-47]的基礎(chǔ)上，本文對11個(gè)城市的人均生產(chǎn)總值、第三產(chǎn)業(yè)所占生產(chǎn)總值比重及星級飯店數(shù)量進(jìn)行統(tǒng)計(jì)，數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒2021》《中國城市統(tǒng)計(jì)年鑒2021》《中國文化文物和旅游統(tǒng)計(jì)年鑒2021》以及各城市文化和旅游部門的官網(wǎng)。

3.2 變量量化

本文采用Zhang等[26]108、呂婉瑩等[48]對信任（Trust，T）的量化方法（如公式1所示）。已有研究通過主觀標(biāo)注房客信任與量化房客信任進(jìn)行對比，驗(yàn)證了該方法的合理性。

T（li）=R（li）/Rt（li）. （1）

其中，R（li）表示第i 個(gè)房源收到的全部評論數(shù)量;Rt（li）表示第i 個(gè)房源收到的第一條評論和最后一條評論（截至2021年1月1日）的時(shí)間間隔月數(shù)。

在自變量中，即時(shí)速訂、超贊房東、優(yōu)選PRO為虛擬變量，如房源有此認(rèn)證標(biāo)簽則賦值為1，沒有則賦值為0。評價(jià)分?jǐn)?shù)是指房源的綜合評分，為連續(xù)變量。房東性質(zhì)為虛擬變量，房東主頁中顯示為商戶經(jīng)營的則視為專業(yè)房東，賦值為1，顯示為個(gè)人房東的則視為非專業(yè)房東，賦值為0。性別為虛擬變量，女性房東賦值為1，男性房東則賦值為0。會(huì)員時(shí)長為連續(xù)變量。在控制變量中，房源價(jià)格、宜住人數(shù)為連續(xù)變量，按照實(shí)際數(shù)值進(jìn)入模型。配套設(shè)施包含基礎(chǔ)設(shè)施、衛(wèi)浴設(shè)施、廚房設(shè)施、娛樂設(shè)施、周邊設(shè)施及特色設(shè)施等共計(jì)66種設(shè)施，如含有則賦值為1，不含有則賦值為0，配套設(shè)施的數(shù)值為66種設(shè)施分值的總和。出租方式為虛擬變量，如為整套出租則賦值為1，單間出租則賦值為0。人均國內(nèi)生產(chǎn)總值是指各個(gè)城市2020年的人均生產(chǎn)總值。第三產(chǎn)業(yè)所占生產(chǎn)總值比重是指各個(gè)城市2020年第三產(chǎn)業(yè)所占生產(chǎn)總值的比重。星級飯店數(shù)量是指截至2021年1月1日各個(gè)城市所包含的星級飯店數(shù)量。模型中所有變量的描述如表1所示。

4 實(shí)證分析

4.1 描述性統(tǒng)計(jì)分析

截至2021年1月1日，北京、上海、成都、廣州、三亞、重慶、廈門、杭州、西安、青島及深圳等25個(gè)城市的29 640條房源數(shù)據(jù)中：開通即時(shí)速訂功能的房源占比44.9%;47.8%的房源獲得了超贊房東認(rèn)證標(biāo)簽;25.3%的房源獲得了優(yōu)選PRO 認(rèn)證標(biāo)簽;平均評價(jià)分?jǐn)?shù)為4.75分;62%的房東為個(gè)體經(jīng)營的非專業(yè)房東，38%的房東為商戶經(jīng)營的專業(yè)房東;男性房東占比78%，女性房東占比22%;房東會(huì)員時(shí)長從1個(gè)月到109個(gè)月不等，平均會(huì)員時(shí)長為21.98個(gè)月。在控制變量中：房源價(jià)格從每晚20元到每晚20 025元不等，平均住宿價(jià)格是每晚529.85元;房源平均可容納3.77人;配套設(shè)施平均值是36.37;單間出租房源占比6.2%，整套出租房源占比93.8%。與其他變量相比，房源價(jià)格、人均生產(chǎn)總值數(shù)量級差異較大，特將這兩個(gè)變量進(jìn)行對數(shù)轉(zhuǎn)換后納入模型。變量的描述性統(tǒng)計(jì)分析結(jié)果詳見表2。

4.2 回歸分析

本文旨在探究真實(shí)情境中共享住宿平臺(tái)的制度因素、認(rèn)知因素、情感因素對房客信任的影響，因變量為連續(xù)變量，自變量包含連續(xù)變量和分類變量，因此可采用多元線性回歸模型對假設(shè)進(jìn)行檢驗(yàn)，采用最小二乘法對多元線性回歸參數(shù)進(jìn)行估計(jì)。研究模型的標(biāo)準(zhǔn)化表達(dá)式如下：

Trust=β0 +β1BI+β2SH +β3PP +

β4RS +β5AH +β6GH +β7SM +

β8ln（PH）+β9AG +β10SF +

β11RM +β12ln（PGDP）+

β13TGDP +β14N H +ε.

其中，β0 為截距項(xiàng)，β1～β14 為變量回歸系數(shù)，ε為誤差項(xiàng)。

回歸分析結(jié)果如表3所示。模型的P 值小于0.05，德賓-沃森值接近于2，各變量的VIF值均小于5，通過了顯著性和共線性檢驗(yàn)。

實(shí)證研究結(jié)果如下。

（1）在制度因素中，擁有超贊房東（β=0.021，P <0.01）和優(yōu)選PRO（β=0.015，P <0.05）認(rèn)證標(biāo)簽的房源更受房客信任。Xie 等[36]2254、Zhang等[26]112 在研究Airbnb平臺(tái)認(rèn)證標(biāo)簽對房客信任的影響因素時(shí)，也得出了類似結(jié)論。原因有兩個(gè)：第一，超贊房東和優(yōu)選PRO 是途家對房東經(jīng)營能力和房源質(zhì)量的平臺(tái)認(rèn)可，潛在房客將其視為平臺(tái)對高品質(zhì)服務(wù)質(zhì)量和住宿體驗(yàn)的一種背書和承諾，這種制度保障增加了房客的感知信任度。第二，途家對獲得超贊房東和優(yōu)選PRO 認(rèn)證標(biāo)簽的房源給予廣告推廣和流量支持，吸引更多潛在房客的關(guān)注，在一定程度上增加了該房源被預(yù)訂的概率。此外，從影響效果來看，超贊房東對房客信任的影響大于優(yōu)選PRO。原因可能在于，途家上線超贊房東的時(shí)間較早，且城市覆蓋率較高，獲得該認(rèn)證標(biāo)簽的房源比例高于優(yōu)選PRO，在房客中的認(rèn)可度較高。因此，假設(shè)H1、H2得到支持。評價(jià)分?jǐn)?shù)顯著正向影響房客信任（β=0.017，P <0.01）。具體來看，在信息不對稱的情境中，潛在房客往往通過搜集相關(guān)信息對房東的可信任程度作出判斷，由于評價(jià)分?jǐn)?shù)是已入住房客對入住體驗(yàn)的綜合評價(jià)指標(biāo)，因此成為重要的參考。評價(jià)分?jǐn)?shù)越高，代表已入住房客對房源的聲譽(yù)評價(jià)越積極，潛在房客的感知風(fēng)險(xiǎn)和不確定性程度越低，從而更易對房東產(chǎn)生信任。假設(shè)H3得到支持。

（2）在情感因素中，即時(shí)速訂并未對房客信任產(chǎn)生顯著的正向影響（β=-0.004，P >0.05）。這可能與房客的認(rèn)知有關(guān)。具體原因或有3個(gè)：首先，傳統(tǒng)的旅游住宿服務(wù)一般都提供即時(shí)速訂功能，因此房客在認(rèn)知上將共享住宿中的即時(shí)速訂視作默認(rèn)服務(wù)。其次，與超贊房東、優(yōu)選PRO 等質(zhì)量認(rèn)證標(biāo)簽相比，房客在認(rèn)知上將即時(shí)速訂視作便利性認(rèn)證標(biāo)簽，對其重視程度不高。最后，由于即時(shí)速訂功能開通門檻較低，一些房東傾向于開通此功能以彌補(bǔ)房源其他屬性的不足。因此，假設(shè)H4并未得到支持。

（3）在認(rèn)知因素中，房東性質(zhì)顯著正向影響房客信任（β=0.064，P <0.001）。這說明，相較于非專業(yè)房東，專業(yè)房東在管理房源的過程中投入了更多的時(shí)間和精力，因此在提升服務(wù)質(zhì)量和房客滿意度方面更具優(yōu)勢，這種優(yōu)勢進(jìn)一步增加了房客的感知信任。房東性別對房客信任也存在顯著的正向影響（β=0.014，P <0.05）。相較于男性房東，由女性房東管理的房源更受房客信任。這和Ert等[28]68、Wu等[31]2971、Ert等[29]636 的研究一致。在交易雙方存在高交互以及高風(fēng)險(xiǎn)的共享住宿情境中，房客基于性別所形成的偏見會(huì)促使他們更加信任女性房東。因此，假設(shè)H5、H6得到支持。房東會(huì)員時(shí)長并未對房客信任產(chǎn)生顯著的正向影響（β=-0.096，P <0.001）。一個(gè)可能的解釋是，房東會(huì)員時(shí)長僅代表房東成為共享住宿平臺(tái)會(huì)員的時(shí)間長度，而不能代表房東所管理房源的活躍度，尤其在疫情影響下，房源的活躍度更受影響?；钴S度較低的房源，即使房東會(huì)員時(shí)長更長，但房東的管理經(jīng)驗(yàn)和能力也未必得到相應(yīng)提升。因此，假設(shè)H7沒有得到支持。

（4）在控制變量中，配套設(shè)施顯著的正向影響房客信任（β=0.015，P <0.05）。配套設(shè)施越齊全，房客越容易對房源產(chǎn)生信任。出租方式顯著正向影響房客信任（β=0.023，P <0.01）。Wu等[31]2971 的研究也得出了類似的結(jié)論。與單間出租的房源相比，整套出租的房源更受房客信任。此外，人均生產(chǎn)總值（β=0.049，P <0.001）、第三產(chǎn)業(yè)占生產(chǎn)總值的比重（β=0.030，P <0.01）也對房客信任產(chǎn)生了顯著的積極影響。這說明，城市的經(jīng)濟(jì)發(fā)展水平和服務(wù)業(yè)發(fā)展水平越高，共享住宿發(fā)展所需的基礎(chǔ)設(shè)施和服務(wù)體系越完善，房客的感知信任度就越高。

4.3 穩(wěn)健性檢驗(yàn)

為檢驗(yàn)?zāi)Ｐ徒Y(jié)果的穩(wěn)定性，本文還采集了每個(gè)房源2021年1月2日至2021年3月1日的評論增量、2021年1月2日至2021年4月30日的評論增量，以評論增量/第一條評論和最后一條評論的時(shí)間間隔天數(shù)（2021年1月2日至2021年3月1日）作為因變量1（Trust60days）、評論增量/第一條評論和最后一條評論的時(shí)間間隔天數(shù)（2021年1月2日至2021年4月30日）作為因變量2（Trust120days）[26]108，[31]2871對模型進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表4所示。結(jié)果顯示：超贊房東、優(yōu)選PRO、評價(jià)分?jǐn)?shù)、房東性質(zhì)和房東性別等顯著正向影響房客信任。即時(shí)速訂、會(huì)員時(shí)長并未對房客信任產(chǎn)生顯著正向影響。在控制變量中，顯著正向影響房客信任的變量有配套設(shè)施、出租方式、人均生產(chǎn)總值及第三產(chǎn)業(yè)占生產(chǎn)總值比重。基于上述分析可知，穩(wěn)健性檢驗(yàn)結(jié)果與多元線性回歸模型結(jié)果保持一致。

本文假設(shè)檢驗(yàn)結(jié)果如表5所示。

5 結(jié)論與啟示

5.1 主要發(fā)現(xiàn)

本文基于信任建立模型，從制度因素、認(rèn)知因素、情感因素分析共享住宿平臺(tái)的信任建立措施對房客信任的影響。通過對途家平臺(tái)數(shù)據(jù)的回歸分析和穩(wěn)健性檢驗(yàn)發(fā)現(xiàn)，制度因素中的超贊房東、優(yōu)選PRO 認(rèn)證標(biāo)簽以及評價(jià)分?jǐn)?shù)等均對房客信任產(chǎn)生了積極影響，認(rèn)知因素中的房東性別和房東性質(zhì)顯著正向影響房客信任。情感因素中的即時(shí)速訂、認(rèn)知因素中的會(huì)員時(shí)長并未對房客信任產(chǎn)生顯著正向影響。從標(biāo)準(zhǔn)化回歸系數(shù)來看，影響效果由大到小依次是：房東性質(zhì)、超贊房東、評價(jià)分?jǐn)?shù)、優(yōu)選PRO和房東性別。

5.2 理論價(jià)值

從理論研究角度來看，本文在以下3個(gè)方面有潛在貢獻(xiàn)。

其一，雖然既有研究已經(jīng)驗(yàn)證了虛擬情境中影響共享住宿房客信任的因素，但缺乏實(shí)證研究對真實(shí)情境中共享住宿平臺(tái)信任建立措施的影響效果進(jìn)行檢驗(yàn)。本文在以平臺(tái)制度因素作為主要影響因素的信任建立模型的基礎(chǔ)上，加入反映房東和房客人際交互的認(rèn)知因素和情感因素，驗(yàn)證了共享住宿平臺(tái)信任建立措施中的制度因素、認(rèn)知因素和情感因素對房客信任的影響效果。拓展了信任建立模型，突破以往單純從平臺(tái)制度因素解釋信任行為的局限，為進(jìn)一步剖析房客信任建立的內(nèi)在機(jī)理提供了研究思路和實(shí)證支持。

其二，研究成果進(jìn)一步豐富了國內(nèi)本土共享住宿平臺(tái)用戶信任的研究。以往對共享住宿平臺(tái)用戶信任的研究主要集中于以Airbnb為代表的國外平臺(tái)。Airbnb倡導(dǎo)“共享式”理念的傳播，希望通過搭建平臺(tái)，將房東的個(gè)人閑置房產(chǎn)共享給房客，并在二者之間打造富有人情味的社區(qū)文化。國內(nèi)共享住宿平臺(tái)倡導(dǎo)“泛住宿化”理念，不強(qiáng)調(diào)“共享”，重點(diǎn)突出非標(biāo)準(zhǔn)化、特色化和多元化住宿產(chǎn)品的提供。在此背景下，國外共享住宿平臺(tái)的用戶有更多機(jī)會(huì)同住一個(gè)屋檐下，雙方的情感交流更多，面對面產(chǎn)生的感知風(fēng)險(xiǎn)也更多。因此，其信任建立措施更注重房東和房客資料的完備性，以及入住前用戶資料真實(shí)性的審核。國內(nèi)共享住宿平臺(tái)的信任建立措施更注重房源質(zhì)量和房東的服務(wù)質(zhì)量。本文的研究結(jié)果表明，基于平臺(tái)的制度因素以及基于理性的認(rèn)知因素更能對房客信任產(chǎn)生積極影響，而基于情感的即時(shí)速訂并未對房客信任產(chǎn)生積極影響，這也進(jìn)一步驗(yàn)證了國內(nèi)本土共享住宿平臺(tái)和國外共享住宿平臺(tái)信任建立措施影響效果的不同。

其三，建立在客觀數(shù)據(jù)分析結(jié)果基礎(chǔ)上的結(jié)論和建議，對引導(dǎo)行業(yè)實(shí)踐發(fā)展更具有參考性。以往研究大多采用實(shí)驗(yàn)法和問卷調(diào)查法收集房客的主觀匯報(bào)數(shù)據(jù)。本文通過搜集途家平臺(tái)的客觀數(shù)據(jù)并構(gòu)建回歸模型對其展開分析，探究真實(shí)情境中制度因素、情感因素以及認(rèn)知因素對房客信任的影響，彌補(bǔ)了既往研究通過收集用戶主觀匯報(bào)數(shù)據(jù)所可能出現(xiàn)的偏差。

5.3 管理啟示

從實(shí)踐應(yīng)用角度來看，本文或可從以下3個(gè)方面為共享住宿平臺(tái)和房東提供參考。

首先，對共享住宿平臺(tái)而言，應(yīng)進(jìn)一步規(guī)范和完善平臺(tái)的標(biāo)簽認(rèn)證機(jī)制，如前所述的超贊房東、優(yōu)選PRO 房源等均對房客信任有積極的正向影響。這說明以平臺(tái)為背書，對房東經(jīng)營能力和房源質(zhì)量評估所產(chǎn)生的系列標(biāo)簽認(rèn)證，可降低信息不對稱所帶來的感知風(fēng)險(xiǎn)，節(jié)省了房客的信息搜索成本，從而有效促進(jìn)房客的購買行為。未來，共享住宿平臺(tái)可建立多層次、多樣化的標(biāo)簽認(rèn)證體系，鼓勵(lì)不同房源類型、不同出租方式、不同經(jīng)營年限的房源加入標(biāo)簽認(rèn)證工作中。既可以針對優(yōu)質(zhì)新房、精品民宿等打造專屬的品牌認(rèn)證標(biāo)簽，也可以根據(jù)特殊時(shí)期房客的入住需求，評選出衛(wèi)生條件達(dá)標(biāo)、零接觸入住及訂單靈活取消等認(rèn)證標(biāo)簽。其次，對共享住宿平臺(tái)的房東而言，應(yīng)進(jìn)一步提升專業(yè)化運(yùn)營房源的能力。研究結(jié)果表明，房東性質(zhì)顯著正向影響房客信任。共享住宿平臺(tái)的非專業(yè)房東，應(yīng)通過線上線下學(xué)習(xí)，不斷積累管理經(jīng)驗(yàn)，也可將其名下房源交由專業(yè)房東進(jìn)行機(jī)構(gòu)化運(yùn)營管理，優(yōu)化房源的聲譽(yù)指標(biāo)。最后，對共享住宿平臺(tái)和房東而言，應(yīng)重視聲譽(yù)評價(jià)系統(tǒng)的改進(jìn)和完善。評價(jià)分?jǐn)?shù)顯著正向影響房客信任。未來，共享住宿平臺(tái)可進(jìn)一步改善用戶評論機(jī)制，確保評論信息的公正性和有用性，如可共享其他旅游住宿網(wǎng)站同一房源的評論信息，給房客提供有價(jià)值的信息參考;房東也可通過提供優(yōu)惠券或積分等方式鼓勵(lì)房客即時(shí)反饋入住體驗(yàn)。

5.4 未來展望

囿于知識(shí)、經(jīng)驗(yàn)、時(shí)間和篇幅等所限，本文在如下方面仍存在拓展空間。

首先，研究視角可進(jìn)一步拓展。本文主要關(guān)注房客的信任問題，對其信任構(gòu)建影響因素進(jìn)行了分析。實(shí)際上，房客與房東和平臺(tái)之間存在兩兩對應(yīng)的信任關(guān)系，共享住宿平臺(tái)也可通過風(fēng)險(xiǎn)評估、身份驗(yàn)證、背景核查、財(cái)產(chǎn)保障及第三方擔(dān)保支付等措施構(gòu)建房東信任，未來可對此進(jìn)行深入研究。其次，研究樣本可再擴(kuò)展。本文選取了途家官網(wǎng)25個(gè)國內(nèi)城市的樣本數(shù)據(jù)，未來可選取不同文化情境下途家官網(wǎng)的房源數(shù)據(jù)，以增加樣本的代表性;也可對不同的共享住宿平臺(tái)如小豬民宿、木鳥短租和螞蟻短租數(shù)據(jù)進(jìn)行橫向?qū)Ρ确治?，進(jìn)一步驗(yàn)證研究結(jié)論的可靠性。最后，本文的數(shù)據(jù)是在疫情期間采集的，未來可進(jìn)一步采集疫情前后不同階段的縱向數(shù)據(jù)，探索共享住宿用戶信任的動(dòng)態(tài)變化特征。

注釋

①資料來源：途家官網(wǎng)《關(guān)于途家》，2019年10月25日，http：//content.tujia.com/tujiajianjie.htm。

參考文獻(xiàn)

[1] 國家信息中心分享經(jīng)濟(jì)研究中心. 中國共享經(jīng)濟(jì)發(fā)展

報(bào)告[R].北京：國家信息中心，2021.

[2] 國家信息中心分享經(jīng)濟(jì)研究中心. 中國共享住宿發(fā)展

報(bào)告[R].北京：國家信息中心，2018.

[3] LU L，CAI R，KING C. Building trust through a personal

touch： consumer response to service failure and

recovery of home-sharing[J]. Journal of business research，

2020，117： 99-111.

[4] ERT E，F(xiàn)LEISCHER A. The evolution of trust in

Airbnb：a case of home rental[J]. Annals of tourism

research，2019，75： 279-287.

[5] TUSSYADIAH I P，PESONEN J. Drivers and barriers

of peer-to-peer accommodation stay-an exploratory

study with American and Finnish travellers[J]. Current

issues in tourism，2018（6）：703-720.

[6] MCALLISTER D J. Affect- and cognition-based trust

as foundations for interpersonal cooperation in organizations[

J].Academy of management journal，1995（1）：

24-59.

[7] MCKNIGHT D H，CHERVANY N L. What trust

means in e-commerce customer relationships：an interdisciplinary

conceptual typology [J]. International

journal of electronic commerce，2002（2）：35-59.

[8] HOSMER L T. Trust： the connecting link between

organizational theory and philosophical ethics[J]. The

academy of management review，1995（2）：379-403.

[9] BERG J，DICKHAUT J，MCCABE K. Trust，reciprocity，

and social history[J]. Games and economic

behavior，1995（1）：122-142.

[10] BHATTACHARYA R，DEVINNEY T M，PILLUTLA

M M. A formal model of trust based on outcomes

[J]. Academy of management review，1998（3）：459-

472.

[11] MAYER R C，DAVIS J H，SCHOORMAN F D. An

integrative model of organizational trust[J].The academy

of management review，1995（3）：709-734.

[12] GEFEN D，KARAHANNA E，STRAUB D W. Trust

and TAM in online shopping： an integrated model

[J]. MIS quarterly，2003（1）：51-90.

[13] BELDAD A，MD J，STEEHOUDER M. How shall I

trust the faceless and the intangible？ A literature review

on the antecedents of online trust[J]. Computers

in human behavior，2010（5）：857-869.

[14] KIM D J，F(xiàn)ERRIN D L，RAO H R. Trust and satisfaction，

two stepping stones for successful e-commerce relationships：

a longitudinal exploration[J]. Information

systems research， 2009， 20 （2）：237-257.

[15] HARRISON M D，CHOUDHURY V，KACMAR C.

The impact of initial consumer trust on intentions to

transact with a web site： a trust building model[J].

The journal of strategic information systems，2002（3-

4）：297-323.

[16] PAVLOU P A，GEFEN D. Building effective online

marketplaces with institution-based trust[J]. Information

systems research，2004（1）：37-59.

[17] LEE M K O，TURBAN E. A trust model for consumer

internet shopping[J]. International journal of

electronic commerce，2001（1）：75-91.

[18] GEFEN D. E-commerce： the role of familiarity and

trust[J]. Omega，2000（6）：725-737.

[19] PAVLOU P A，LIANG H，XUE Y. Understanding

and mitigating uncertainty in online exchange rela-

tionships： a principal-agent perspective[J]. MIS

quarterly，2007（1）：105-135.

[20] LAMBERTON C P，ROSE R L. When is ours better

than mine？ A framework for understanding and altering

participation in commercial sharing systems[J].

Journal of marketing，2012（4）：109-125.

[21] YEN C，LU H. Effects of e-service quality on loyalty

intention： an empirical study in online auction[J].

Managing service quality，2008（2）：127-146.

[22] CHEN D，LAI F，LIN Z. A trust model for online

peer-to-peer lending：a lender's perspective[J]. Information

technology and management，2014（4）：239-

254.

[23] CYR D. Modeling web site design across cultures：relationships

to trust， satisfaction，and e-loyalty[J].

Journal of management information systems，2008

（4）：47-72.

[24] YANG S B，LEE K，LEE H，et al. In Airbnb we

trust：understanding consumers' trust-attachment

building mechanisms in the sharing economy[J]. International

journal of hospitality management，2019，

83：198-209.

[25] 謝雪梅，石嬌嬌. 共享經(jīng)濟(jì)下消費(fèi)者信任形成機(jī)制的

實(shí)證研究[J]. 技術(shù)經(jīng)濟(jì)，2016（10）：122-127.

[26] ZHANG L，YAN Q，ZHANG L. A computational

framework for understanding antecedents of guests'

perceived trust towards hosts on Airbnb[J]. Decision

support systems，2018，115：105-116.

[27] PARK S，TUSSYADIAH I P. How guests develop

trust in hosts：an investigation of trust formation in

P2P accommodation[J]. Journal of travel research，

2020（8）：1402-1412.

[28] ERT E，F(xiàn)LEISCHER A，MAGEN N. Trust and reputation

in the sharing economy：the role of personal

photos in Airbnb[J]. Tourism management，2016，

55：62-73.

[29] ERT E，F(xiàn)LEISCHER A. What do Airbnb hosts reveal

by posting photographs online and how does it

affect their perceived trustworthiness[J]. Psychology &

marketing，2020（5） ：630-640.

[30] LI C Y，TSAI M C. What makes guests trust Airbnb？

Consumer trust formation and its impact on continuance

intention in the sharing economy[J]. Journal

of hospitality and tourism management，2022，50：44-

54.

[31] WU J，MA P，XIE K L. In sharing economy we

trust：the effects of host attributes on short-term

rental purchases [J]. International journal of contemporary

hospitality management，2017 （11）：2962-

2976.

[32] MOHLMANN M. Collaborative consumption：determinants

of satisfaction and the likelihood of using a

sharing economy option again[J]. Journal of consumer

behaviour，2015（3）：193-207.

[33] MAO Z X，JONES M F，LI M M， et al. Sleeping in a

stranger's home： a trust formation model for Airbnb

[J]. Journal of hospitality and tourism management，

2020，42：67-76.

[34] LIANG L J，CHOI H C，JOPPE M. Exploring the

relationship between satisfaction，trust and switching

intention， repurchase intention in the context of Airbnb[

J]. International journal of hospitality management，

2018，69：41-48.

[35] MOYSIDOU K，HAUSBERG J P. In crowdfunding

we trust：a trust-building model in lending crowdfunding[

J]. Journal of small business management，

2020（3）：511-543.

[36] XIE K，MAO Z. The impacts of quality and quantity

attributes of Airbnb hosts on listing performance[J].

International journal of contemporary hospitality

management，2017（9）：2240-2260.

[37] TEUBNER T，HAWLITSCHEK F，DANN D. Price

determinants on Airbnb：how reputation pays off in

the sharing economy[J]. Journal of self-governance

and management economics，2017（4）：53-80.

[38] SWIFT P E，HWANG A. The impact of affective

and cognitive trust on knowledge sharing and organizational

learning[J]. The learning organization，2013

（1）：20-37.

[39] BISWAS B，SENGUPTA P，CHATTERJEE D. Examining

the determinants of the count of customer reviews

in peer-to-peer home-sharing platforms using

clustering and count regression techniques[J]. Decision

support systems，2020，135：1-18.

[40] KOMIAK S Y X，BENBASAT I. The effects of personalization

and familiarity on trust and adoption of

recommendation agents [J]. MIS quarterly，2006（4）：

941-960.

[41] KWOK L，XIE K L. Pricing strategies on Airbnb：are

multi-unit host revenue pros？ [J].International journal

of hospitality management，2019，82：252-259.

[42] JEROEN O，JEAN-PIERRE D R，BENJAMIN T.

What's mine is yours：but at what price？ Dynamic pricing

behavior as an indicator of Airbnb host professionalization[

J]. Journal of revenue & pricing management，

2018，17：311-328.

[43] SACCO J M，SCHEU C R，RYAN A M，et al. An investigation

of race and sex similarity effects in inter-

views：a multilevel approach to relational demography

[J]. Journal of applied psychology，2003（5）：852-865.

[44] BUCHAN N R，CROSON R T A，SOLNICK S.

Trust and gender： an examination of behavior and beliefs

in the investment game[J]. Journal of economic

behavior & organization，2008（3-4）：466-476.

[45] MAGNO F，CASSTA F，UGOLINI M M. Accommodation

prices on Airbnb：effects of host experience and

market demand[J]. TQM Journal，2018（5）：608-620.

[46] 龍飛，劉家明，朱鶴，等. 長三角地區(qū)民宿的空間分布

及影響因素[J]. 地理研究，2019（4）：950-960.

[47] 董之滔，孫鳳芝，田菲菲，等. 山東省民宿空間分布特

征及影響因素研究[J]. 干旱區(qū)資源與環(huán)境，2023

（2）：112-119.

[48] 呂婉瑩，趙潔，黃流深，等. 基于特征分組和組合的住

宿共享信任評估研究[J]. 數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，

2022（8）：61-74.