在线信息对不同城市类型酒店网上预订量的影响研究——以携程网数据为例

徐 峰

(南京大学工程管理学院，江苏 南京 210093)

一、引 言

随着电子商务的迅速发展，越来越多的消费者开始通过网络来获取产品信息，特别是对于未知的体验型产品，消费者为了降低交易风险更倾向于得到其他消费者意见和看法，并以此作为决策的重要依据[1]。研究发现消费者在购买产品时越来越受到网络的舆论影响，这些影响甚至超过了传统媒介。由于消费者网络评论是根据消费后的体验给出的，而基于这些评论信息，潜在的消费者就可以做出最适合自己的选择，相应的企业则可以充分挖掘和利用这些评论信息进行更好的决策。因此，很多网站和企业如京东、亚马逊、携程、同程、艺龙、去哪儿等网站纷纷推出评论功能，并鼓励消费者发布评论。但是，这又引发了另一个难题，就是企业和消费者如何从这些海量的评论信息中快速获取自身所需要的信息。目前，一些网站推出了有用性评价、关键词评价以及用户体验等方式来帮助消费者快速选择，但上述这些措施只是各个网站的初步尝试，尚缺乏理论依据。

作为典型的体验型产品，酒店业是消费者最早和最成功地通过网络渠道获得决策信息的行业之一[2]980。研究发现酒店行业大多数消费者选择酒店会受到朋友和媒体的影响，但随着电子商务的发展，消费者网络评论对消费者酒店选择具有重要的影响[3]，研究发现84%的消费者根据网络上提供的酒店信息和消费者评论内容选择所住的酒店。①http://www.travelindustrywire.com/article29359近年来，我国酒店业快速发展，其竞争日益激烈，但整体管理水平和盈利水平均较低[2-3]，如果能够获取消费者需求偏好，这对于酒店企业具有重要的价值。Decker和Trusov(2010)证明了基于评论信息的结果和通过统计得到的消费者偏好的结果是十分吻合的，因此可以通过网上的产品评论信息预测消费者的偏好[4]。

基于此，本文以国内最大的在线酒店预订平台消费者评论数据为基础，对不同出行目的消费者酒店预订的影响因素进行研究，考虑到酒店住宿需求主要来自旅游、商务和会议等活动[5]，结合不同城市特征，进而将城市分为三种类型:旅游型城市、工商业型城市和综合型城市。分别选取不同类型城市样本酒店在线数据信息为对象，研究不同城市类型酒店网上预订量的影响因素，为消费者酒店选择提供决策依据，同时为酒店管理者对不同类型酒店经营与投资提供实证依据。

二、文献回顾

作为一种单向与双向，广播与窄播、同步与异步并行的交流媒介，网络提供了虚拟社区式的远程的群体交流[6]。消费者的网络评论对潜在消费者的决策有着重要的影响，这种影响广泛存在于日常用品、经验品等不同类型产品或服务领域[7]。大量研究表明，评论信息的发出者和信息的接收者之间的交流能够改变信息接收者的态度和购买决策[8-9]。一些研究人员试图从个体对信息认知角度研究网络评论信息如何影响个体决策行为[10-12]。例如，Zhao等(2013)研究了网络产品评论对于消费者体验型产品购买决策的影响，发现消费者更愿意相信在线评论而不是过去的经验[13]。Lee等(2008)研究了消极的网上消费者评论对消费者态度的影响，发现当消极的网上消费者评论比例增高的时候，大部分消费者关注评论的质量并接受评论的观点，只有小部分消费者不关注评论质量而轻信评论的观点[14]。Chen和Xie(2008)对用户评论研究发现，如果评论信息足够充分，零售商提供的产品信息和消费者提供的评论信息将相互影响对方的决策[15]。Sparks和Browning(2011)对酒店行业研究发现当酒店拥有一系列积极评论时，消费者对其也有着明显的高信任度[16]。李宏等(2011)研究了负面在线评论质量、消费者卷入度和性别对消费者满意度和购买选择的影响[17]202。孙春华和刘业政(2009)认为网络口碑已经成为消费者了解产品质量的一个主要信息来源，网络口碑的信息可信度对购买意图有正向作用[18]。为了能具体研究顾客网络舆论影响消费者现象，一些研究者对不同产品市场进行了具体研究，例如对在线图书销售市场[19]、电影市场[20]、游戏市场[21]等。

消费者的网络评论对企业的影响已引起相关企业和研究人员的关注。Duan等(2008)对在线用户评论对电影的票房收入影响做了研究，发现消费者电影评论星级对电影票房影响并不大，但在线评论数量对电影票房收入影响较大[22]。在此基础上，Chintagunta等(2010)根据美国市场16个月内148部电影票房情况和Yahoo网站电影评论，研究发现电影的票房收入不仅仅取决于在线评论数量，更受到公司的努力(如:广告、网络宣传)和顾客网络评论共同影响[23]。Öˇgüt和Cezar(2012)通过对巴黎最大酒店预订网站的数据研究发现更高的评级和更低的价格会增加评论数量，但极端的评分、酒店星级对于发表评论的倾向没有任何影响，此外，房间面积对发布评价的可能性有负面影响[24]。Li和Hitt(2010)研究产品定价对消费者网上评论的影响[25]。事实上，负面评论可能会提高企业利润，如Berger等(2010)研究发现负面评论对销售量有积极的影响，这是因为负面的在线评论会增加产品的知名度，从而增加销售量[26]。Ye等(2009)从中国最大的旅行网站收集数据，建立了一个对数线性模型，来研究网上用户评论对旅店房间订购的影响[27]180。张梦等(2011)以携程网数据为基础，研究了在线信息对4类不同等级酒店网上预订量的影响[28]79。

虽然上述研究已取得了较为丰富的成果，但这些研究主要对在线评论对消费者购买决策或酒店预订量的影响研究，没有考虑到不同出行目的消费者群体需求这一重要因素，我们知道消费者酒店住宿需求主要来自旅游、商务和会议等活动，这些活动的不同必然影响其对酒店选择。此外，通过对相关人员访谈和已有酒店评论信息研究发现，用户这种不同的需求可以通过不同城市类型来区分，例如丽江酒店的住宿者大多出行目的为旅游，而深圳酒店的住宿者大多出行目的为商业活动或会议，通过对携程旗下的驴评网酒店数据进行随机抽取，发现均满足这一规律。因此，我们选取携程网上数据信息进行研究，分析不同城市类型酒店网上预订量的影响因素，并为酒店消费者和酒店管理者决策提供建议。

三、模型构建

(一)模型假设与构建

携程网是国内最大的在线酒店预订平台，其在线数据信息保存完整，已成为国内研究者的主要研究对象。同文献[28]80，影响消费者选择的在线信息主要由酒店提供信息、预定平台提供信息和消费者提供的评论信息构成。酒店提供信息主要包括价格、房型、设施等，由于各个酒店房型设施不同，很难对其进行比较，因此我们主要选择价格这一关键变量。为了帮助消费者快速选择合适的酒店，网络预订平台对每个酒店推出评价信息，以携程为例，其推出了用户评级是以携程用户对酒店的评价为基础，综合考虑了其他多方面的因素，对合作酒店进行的评级。①http://hotels.ctrip.com/Domestic/ShowUstarNote.aspx由于其自身专业性，其对酒店的评价可能更全面，因此假设网络预订平台的评级与酒店销售量之间呈线性相关。

事实上，研究发现潜在消费者更相信其他消费者的评论[2]981。携程网的点评规则是只允许入住后的消费者才能发表评价，其评论内容可信度更高，因此我们以携程网消费者点评数据为基础，选取相关数据进行研究。携程网的消费者需要从卫生、服务、设施、位置四个方面对酒店进行打分评估，并给出推荐或不推荐评价，最后给出文字评论。由于有的酒店的消费者评论有上千条，潜在消费者不可能详细读完目标酒店所有消费者给出的评论，而企业也很难获取评论所包含的全部信息。事实上，消费者根据卫生、服务、设施、位置四个方面对酒店进行打分并给出是否推荐的意见时，基本上已经表达了自己的评论观点。消费者负面评价比正面评价更能影响消费者的选择的行为[17]206，因此我们选取不推荐的消费者占评价总量这一指标来表示消费者的负面评价，其不推荐比例与酒店销售量有显著线性负相关。特别是在研究大规模样本数据时，我们可以利用这种结构化的评论方式来代表消费者对酒店消费判断。

由于携程网上酒店的实际预订数据是不对外公开的，我们无法直接在网站上获取每家酒店的在线预订量，文献[27]181在研究在线评论和酒店预订量之间的关系时，提出由于评论量和销售量之间存在一定的线性关系，可以用在线评论数量作为酒店实际销售量的代理指标，并通过实证分析了这一指标的可行性。携程的酒店点评只有入住后才能进行评价，可以保证上述变量真实性。因此，本模型采用在线评论数量近似替代同期的酒店网上预订量，并构建酒店预订量与各影响因素之间的线性回归模型，模型表达式如下式所示:

模型中各变量的详细解释如表1所示。

(二)数据收集

通常酒店住宿需求主要由消费者旅游、商务和会议等活动产生[5]，而这些不同活动会导致住宿者对酒店的住宿要求不同。在传统的研究中我们主要通过问卷调查的手段来获取影响出行者的酒店选择影响因素，但这可能会存在样本数据的约束或很难获取消费者的真实决策数据等问题。携程网是目前国内最大的旅游在线服务提供平台，其拥有大量且规范的历史在线评论数据，如果能够充分合理利用该平台数据对上述问题进行研究，不但能解决样本约束问题还能获得第一手的消费者资料。因此，根据消费者不同的出行需求，本文将城市分为以下三种类型:旅游型城市、工商业型城市和综合型城市。旅游型城市确定主要是根据《中国公民旅游关注度报告》①http://chn.lotour.com/zt/report2012q1zt/中最受关注旅游城市中的名单，同时旅游收入占城市总GDP比在50%(2011年)以上的城市，我们选取了三亚、丽江、张家界、黄山四座城市作为样本。与旅游型城市相对应，工商业型城市的确定主要是根据福布斯最佳商业城市排行榜中的名单，②http://www.forbeschina.com/review/list/001988.shtml同时旅游收入占城市总GDP比在10%左右(2011年)的以工商业为主的城市，我们选取了温州、深圳、南通、芜湖四座城市作为样本。综合型城市的确定主要是根据最受关注旅游城市和最佳商业城市排行榜中的名单，且旅游收入占城市总GDP比在15%以上(2011年)的城市，我们选取了杭州、南京、厦门、珠海四座城市作为样本。此外，上述样本选取时，适当考虑到城市的地理分布，力求样本城市具有代表性。随后，我们通过对携程旗下驴评网上的上述城市的酒店进行随机抽取，对获得的样本研究发现旅游型城市的住宿人员的出行目的主要是旅游，而工商业型城市酒店的住宿人员的出行目的主要是商务活动。

表1 模型变量说明表

本文通过编写的java程序，分别抓取携程网的上述城市的每家酒店的在线信息。随后对数据进行处理，剔除没有用户评级和没有评论的酒店，共获得3098家酒店的数据，其中旅游型城市的酒店(三亚、丽江、张家界、黄山)715家，工商业型城市的酒店(温州、深圳、南通、芜湖)773家，综合型城市的酒店(杭州、南京、厦门、珠海)1610家，并将上述数据作为实验样本数据。

(三)结果分析

本研究采用多元线性回归方法分析顾客在不同城市类型选择酒店时的影响因素。VIF可以用于解释各变量之间的多重共线性问题，一般认为VIF＜10时，变量之间不存在显著的共线性，本研究中的VIF值通过了检验，因而回归分析的结果是可信的。酒店预订量与各影响因素之间的多元回归分析结果如表2所示。

从类型一可以看出，旅游型城市中携程用户评级(β=0.288，p＜0.01)、位置评价(β=0.192，p＜0.01)和不推荐率(β=-0.481，p＜0.05)显著影响酒店的预订量，而其他变量没有通过显著性检验，影响效果不显著，这表明消费者在外出旅游时，更多地关注酒店的位置、其他消费者的推荐，而较少考虑配套设施、卫生情况与服务水平等因素。同时，酒店的价格对酒店的预订量没有显著的影响，这表明国内消费者在外出旅游时，更多关心旅游舒适度较少考虑价格等因素。此外，上述结果的一个可能重要原因就是国内消费者旅游时间点较为集中，造成景区资源紧张，可供消费者选择的酒店较少，因此大多数消费者可能抱着酒店位置不要太远，其他条件差不多就行的心理选择酒店[29]。这种情形将会随着休假制度的逐步完善和消费水平的提高而逐渐改善。除此之外，携程用户评级对酒店销售量有着显著的影响，这表明携程预订平台的推荐信息影响着消费者选择。

表2 统计分析结果

从类型二可以看出，工商业型城市中携程用户评级(β=0.207，p＜0.01)、位置评价(β=0.273，p＜0.01)、不推荐率(β=-1.146，p＜0.01)对酒店预订量的影响十分显著。这表明消费者在出差时，同样会关注酒店的位置，较少考虑服务水平。但是，酒店的价格和卫生评价对酒店的预订量有着较为显著的影响，这表明消费者在商务活动时酒店选择会受到价格和卫生等条件的影响。价格对该类型群体酒店预订量具有较明显的正相关性影响，这和我们直观印象相反，这主要原因是工商业城市的住宿者以公务或商务出差为主，其费用大多由企事业单位或相关单位承担，因而对价格的敏感性相对较弱，相对更看重酒店的位置、卫生等因素。在单位财务或出差制度约束下，其通常选择的酒店价格标准更愿意接近财务允许的上限。同时，入住高价格的酒店也是一种身份的象征，相关人员也更愿意选择价格较高的酒店入住。此外，我们对部分不同层次商业出行人员进行了访谈，发现与上述结论相一致。

类型三综合型城市的分析结果显示，除服务评价未通过显著性检验，影响不显著外，其他因素对酒店预订量的影响都十分显著。综合型城市酒店同时具有旅游城市和工商业城市的共同特点，其酒店数量较多，市场竞争充分，消费者可选择余地较大，在同等条件下，消费者更愿意选择其他条件较好的酒店。这表明随着经济的发展和休假制度的逐步完善，旅游型城市的酒店应该逐步加强卫生条件的投入。值得指出的是，服务评价对酒店预订量影响并不显著，这表明在当前条件下，良好的服务并不一定能提高酒店的预订量。

综合比较上述三种不同城市类型的酒店，发现酒店位置、消费者推荐率和预订平台的评级对任何类型城市消费者的酒店选择均有着显著的影响。酒店的价格和卫生评价对综合型城市酒店的预订量的影响最显著，对商业型城市酒店的预订量影响较为显著，但是对旅游型城市酒店预订量影响不显著。因此对于酒店管理者来说，其应该注重以下几点:首先，酒店的选址直接影响酒店的预订量和绩效;其次，提高消费者的推荐率，进一步挖掘出客户选择不推荐的原因，进而解决顾客评论提出的问题并及时回复，可有效地提高酒店的预订量;再次，应及时加强与携程用户推荐平台沟通与合作，积极采纳携程网的意见，进而提高用户评级可以有效提高酒店管理水平和预订量;最后，应对不同城市类型酒店进行分类管理，并针对不同城市类型酒店消费者的关注点的不同，提供相应的服务，进而提高酒店的经营绩效。

四、结论与展望

(一)研究结论与建议

文章根据《中国公民旅游关注度报告》中最受关注旅游城市和福布斯最佳商业城市排行榜中的名单，结合各城市旅游收入占GDP总量比，分别将城市分为三种类型，并选取相应类型中的典型城市作为研究样本，即旅游型城市(三亚、丽江、张家界、黄山)、工商业型城市(温州、深圳、南通、芜湖)、综合型城市(杭州、南京、厦门、珠海)。通过编写java程序抓取携程网上样本城市的酒店在线信息，并对相应数据进行处理，采用线性模型研究预订平台用户评级、酒店价格、卫生、服务、设施、位置以及不推荐比率等因素对不同城市类型酒店网上预订量的影响。研究结果表明:(1)预订平台的评级对不同城市类型消费者的酒店选择均有着显著的影响;(2)酒店价格对综合型城市酒店的预订量有着显著的负相关性影响，对商业型城市酒店的预订量有着较显著正相关性影响，但对旅游型城市酒店的预订量影响不显著;(3)消费者评价中酒店位置、消费者推荐率对不同城市类型消费者的酒店选择均有着显著的影响，酒店卫生评价对综合型城市酒店的预订量的影响最显著，对商业型城市酒店的预订量影响较为显著，但是对旅游型城市酒店预订量影响不显著。

上述研究结论详细分析如下:

首先，消费者评论中的酒店不推荐比率对酒店的预订量具有显著的影响。消费者是否推荐，直接反映消费者对该酒店的满意程度，值得指出的是部分消费者在评分较高情况下也可能选择不推荐。通过对这些不推荐的消费者所发表的评论研究，发现绝大多数消费者是因为某一个或几个原因导致而选择不推荐，除此之外，有的评论者选择不推荐的原因可能是上述结构化评价因素中未包括其所关注的问题，从而通过不推荐这一评价来表达自己的观点。熊伟等通过对国内外消费者评价推荐比较研究发现，国内消费者的不推荐比例要远高于国外消费者[30]，这其中一个重要原因就是国内消费者的评价可能是基于以前住过的其他酒店为基本参考，国内酒店目前管理水平可能要落后于国外酒店，因此部分消费者即使评分较高，也不会推荐该酒店。此外，顾客不推荐的原因经常是由酒店的某一方面的短板决定的，酒店的管理者应该关注造成消费者选择不推荐的原因，进而及时回复和解决大多数消费者所关注的问题，这样不但可以提高酒店预订量而且不需要太高成本。

其次，酒店位置对不同城市类型消费者的酒店选择均有着显著的影响。这就是说不论何种城市类型，酒店的经营管理者都应把酒店选址作为一个重要的决策因素，因为酒店的选址直接影响酒店的预订量和绩效。酒店所在位置影响住宿人员的出行的快捷性、便利性和成本，其周边的商业和生活设施配套情况会影响消费者入住后的舒适度。

再次，对于不同城市类型的酒店，当前的酒店预订量的影响因素也不同，总的来说综合型城市酒店预订量的影响因素最多，工商业型城市次之，旅游型城市最少。因此酒店经营者在对上述城市酒店投资时应有不同的侧重，同时，其应根据城市类型的不同采取分类管理，并针对不同城市类型酒店消费者的关注点，提供相应的服务。值得指出的是，目前旅游型城市酒店预订量影响因素较少的原因可能是当前旅游时间较为集中和资源紧张，随着《国民旅游休闲纲要(2013—2020年)》逐步实施，其竞争和影响因素会越来越多。

最后，根据上述影响因素，一般消费者只需在自身所能承受的价格范围内，根据酒店的地理位置，参考网站给出的用户评级以及顾客不推荐情况，即可快速作出决策。对于不同的出行目的消费者只需要结合自己的特殊需求就可以了。此外，酒店应及时加强与携程用户推荐平台沟通与合作，积极采纳携程网的意见，进而提高酒店的用户评级和管理水平。

(二)研究不足与展望

本文只是根据在线信息对不同城市类型消费者酒店选择因素进行研究，因此其结论是否适应于整个客户群体还需要进一步研究。未来可以在此基础上结合问卷调查方式对线下客户进行研究，或者进一步考虑评论质量、情感倾向等影响因素并结合文本挖掘方法开展深入研究。

[1]盘英芝，崔金红，王欢.在线评论对不同热门程度体验型商品销售收入影响的实证研究[J].图书情报工作，2011，55(24):126-131.

[2]ÖˇGÜTA 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，黄震方，陈肖静.主客体视角的城市经济型酒店空间分布研究——以扬州市为例[J].旅游学刊，2009(5):72-79.

[6]冯隽.新闻媒介的功能及其演变[J].浙江工商大学学报，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.负面在线评论对消费者网络购买决策的影响:一个实验研究[J].情报杂志，2011，30(5):202-206.

[18]孙春华，刘业政.网络口啤信息可信度的实证研究[J].财经论丛，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，叶强，李一军.基于影评数据的在线评论有用性影响因素研究[J].管理科学学报，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]张梦，张广宇，叶作亮.在线信息对酒店网上预订的影响研究——基于携程网酒店在线预订数据的分析[J].旅游学刊，2011(7):79-84.

[29]严艳，周文，张佑印.基于市场的西安城市家庭旅游决策研究[J].地域研究与开发，2010(4):78-81.

[30]熊伟，高阳，吴必虎.中外国际高星级连锁酒店服务质量对比研究——基于网络评价的内容分析[J].经济地理，2012，32(2):160-165.