旅游者异质性对目的地绩效的影响研究

吕兴洋　邱玮　刘祥艳

[摘要]对于同一目的地，不同旅游者的旅游体睑往往存在差异，因此，满意一绩效研究中应充分考虑旅游者异质性特征的影响。文章突破了传统的满意度均值和方差指标的局限，借助对网络游记的分析，创造性地构建了同质化满意与异质化满意两个新变量，更加有效地衡量了旅游者的同质性与异质性特征，并在此基础之上验证了两者与目的地绩效间的关系。文章通过对中国60个旅游城市数据的分析发现：以满意度均值衡量的满意同质性对绩效的影响显著（H1），但解释力有限；以往利用满意度方差来衡量旅游者满意异质性，进而提升对目的地绩效解释力的思路（H2），由于多重共线性问题难以真正实现；构建的同质化满意与异质化满意两个新变量，不仅对目的地绩效有显著的正向影响，而且在传统的满意度均值一绩效模型的基础之上具有较好的增益效度（H3.H4），这为旅游者群体特征及目的地绩效等领域的研究提供了有价值的启发。

[关键词]旅游者满意；目的地绩效；满意异质性；同质化满意；异质化满意

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2016）09-0072-08

Doi：10.3969/i.issn.1002-5006.2016.09.018

引言

顾客是同质化的，还是异质化的？尽管营销领域中顾客的异质性早已成为共识，可是长久以来，由于工业大规模生产的需要，企业只以种类有限的标准化产品去满足尽可能多的顾客的需求——顾客在某种程度上一直被视为是同质化的群体。对于旅游目的地来说也曾存在着类似的问题：在独特卖点理论（unique selling proposition，USP）的指导之下，目的地总是试图以最著名、最有吸引力的几个景点去满足所有旅游者的需求。突出的表现为：在团队旅游占据主导的时代，以少数热门景点为核心的旅行社标准化、同质化的旅游产品被大量消费。然而，旅游的本质是旅游者的个体体验，旅游者个体需求的多样性与旅行社所提供的相对标准化的产品和服务之间有着天然的矛盾。于是，当个人出游变得越来越便利时，就有越来越多的旅游者开始放弃旅行团转而选择更为灵活的自助游，以自己独特的方式完成在目的地的旅游活动，原本被束缚的旅游者个性化需求随即得以释放。现今，目的地所接待的散客旅游者比例不断攀升，因而必须要考虑旅游者的异质性特征对于绩效的影响。但当前目的地绩效研究中最常使用的各类游客满意度都属于均值指标，暗含有同质性假设。当旅游者的体验趋于异质时，显然不能再单一地依赖满意度均值指标，而是需要设法将旅游者的异质性纳入考虑。正因如此，本文意欲探索旅游者异质性的衡量方法，改进现有的“满意一绩效”模型，并通过对我国60个优秀旅游城市数据的实证研究，检验旅游者在追求异质化旅游体验的同时带给目的地的影响。

1.相关研究回顾

1.1满意一绩效关系与满意度的测量

顾客满意与企业绩效间的关系已被多国多行业的数据证实，大量的已有研究表明满意度正向影响企业市场占有率、利润率、盈利能力（profitability）、股东价值（shareholder value），甚至包括现金流等绩效指标。不仅如此，顾客满意往往能够使企业获得产品市场与资本市场的双重回报，顾客满意度高的企业同时在资本市场上会有更佳的表现。同样，满意度对旅游目的地绩效的影响也被许多研究者所证实。

满意度对绩效有着如此重要的影响作用，不止企业非常看重，市场管理者也对其十分重视。譬如，瑞典早在1989年就率先建立全国范围内的顾客满意度晴雨表（customer satisfaction barometer），囊括30多个行业100多家企业的年度数据。此后，德国、美国等欧美国家和地区相继建立了从国家到行业的多层次满意度指数体系（customersatisfaction index）。我国自1997年筹备建立中国顾客满意度指数，截止目前已经涵盖了房产、汽车、IT、旅游等众多行业。如今，中国旅游研究院每季度会发布《国内游客满意度调查报告》，对全国60个样本城市游客满意度进行持续监测。

除此之外，近年来网络点评平台不断增多，提供了细化到每一家企业的满意度数据，使数据范围得到了进一步扩展。相比于传统问卷调研获取的满意度数据，这种网络口碑形式的满意度数据更具有可信性。基于此类数据的一系列研究同样证实了满意度评分与绩效间的联系。需要注意的是，无论基于何种方式、何种指标体系获得的满意度，最终都是以均值形式予以呈现，在相关研究中也都是以满意度均值作为绩效的解释变量。

均值指标是以nx替代X₁，X₂......，X_n众多差异化的样本被视作同质化的均值，虽然这有利于简便直观地描绘出样本的总体趋势，但是样本之间的大量差别信息被舍弃掉了。均值指标的这种同质性假设导致基于满意度均值的研究存在着先天缺陷：顾客的异质性特征被忽视。在顾客愈来愈追求个性化消费的今天，顾客异质性正不断凸显，旧有的满意一绩效研究亟须做出针对性的改进，以适应这种新趋势。

1.2满意异质性的提出与满意度研究的桎梏

顾客异质性是指顾客彼此间的差异性。要研究顾客异质性对绩效的影响，首要工作就是找到合适的变量对顾客的异质性进行衡量。顾客异质性本身难以直接测得，只能寻找观察变量来对其进行测评。在顾客满意研究中，顾客异质性表现为不同顾客对同一个产品或服务满意度的差异，研究者最先联想到的观测变量自然就是与均值共同描绘样本特征的方差。均值体现出样本的集中趋势，而方差表示样本与均值间的偏离程度，偏离程度越大表明样本间的差异越大，即样本越趋于异质。故满意度均值x就被称为满意同质性（satisfactionhomogeneity），相应的满意度方差S²。被称为满意异质性（satisfaction heterogeneity）。在随后的研究中发现，顾客的满意异质性会给绩效带来强烈的负面影响。Grewal等嘲对航空业连续9年的数据分析结果显示，在满意度均值相同的情况下，满意度方差的差异会导致股东价值相差70%。对酒店业数据的研究也有相似的结果，酒店的网络点评评分均值正向影响其销量、方差则显现出负向影响。

同样地，对于旅游目的地来说，满意度均值越高表示旅游者对目的地的总体评价越好，满意度评分越离散表示旅游者对目的地的评价分歧越大，故比照之前的同类研究，可以提出两个满意一绩效的基础研究假设：

H1：旅游者满意同质性正向影响目的地绩效

H2：旅游者满意异质性负向影响目的地绩效

满意异质性的提出有效地改进了原有模型，满意一绩效的研究却没有到此结束，顾客异质性的影响远非Grewal等所想的这么简单。满意度是顾客对消费全过程总体性的评价，满意度等级评分是对这一评价极端抽象的数字化概括。即使满意度评分相同的两个消费者，也可能有着差异化的消费体验和不同的满意原因。以往研究的对象多是相对标准化、同质化的产品，所以这一问题还并不十分突出。但在研究旅游目的地绩效问题时，目的地接待的旅游者，尤其是自助游旅游者，不仅每个人在目的地的行程和体验都不尽相同，而且受个人偏好影响对目的地同一事物的评价也会有所不同。满意度评分只反映了最终满意与否的结果，而对于旅游者因何感觉到满意却不得而知。也就是说，满意度方差对于旅游者异质性的考虑其实非常有限。

更严重的问题是满意度数据本身也可能存在问题。大多数顾客在满意度评价时倾向于给出一个正面的评价，其评价为“非常满意”并不一定真的是非常满意，只是“没有什么不满意”。这致使无论是问卷数据亦或是网络点评数据，满意度评分分布都没有服从标准正态分布，而是普遍呈现出明显的正态负偏，大量的评分聚集在高分区域，真正满意的顾客与没有不满意的顾客被混淆，这将会使测量效度受到影响。

受现有满意度数据自身形式和特点的限制，从简单的评分中发掘或构建新的变量来解决这一问题已变得非常困难，样本之间的区别仅仅依靠满意度评分已无法得到有效的反映。既然对于评分数据的挖掘已经走到了尽头，若要衡量旅游者异质性，就需打破满意度研究的桎梏，跳出传统满意度量表的窠臼，寻找满意度评分以外的新途径来更详细深入地了解旅游者的旅游感受，进而从中发掘新的观测变量。如前所述，网络点评平台不只提供评分，还有点评和游记等内容，其中蕴含了非常丰富的信息，这为打开旅游者满意黑箱，解开满意度评分高分区域的谜团，解决旅游者异质性的测量问题带来了一线曙光。

2.旅游者同质性与异质性的衡量

2.1游记信息的优势

游记是旅游者在完成目的地旅游活动后所记录下的旅游体验。游记的撰写具有开放性、自主性的特点，旅游者不必拘泥于固定的格式，可以自由表达自己的旅游感受。这一特性确保游记内容能够充分展现旅游者的个性化特征。以游记详实的文字描述取代简单的评分，既解决了满意度调查表题项数量固定，只能在规定的框架内作答，难以拓展的问题，又解决了满意度等级评分过于抽象概括，难以有效反映旅游者个体间差异的问题。此外，游记的撰写过程是非干预情况下进行的，未受到研究人员的影响，这使得游记信息更为可信，更能够体现旅游者内心的真实感受。因此，每一篇游记均真实有效地记录下旅游者个性化的旅游体验，理论上从游记中可以分析得出旅游者对目的地的态度，获知每一位旅游者感到满意的差异化原因。那么如何对游记进行系统分析，从中提炼出相关数据就成为研究的关键。本文基于目的地形象理论，借助词频分析工具对其进行解析，并尝试构建新的研究变量。

2.2旅游者同质化满意与异质化满意

目的地形象是旅游者对旅游目的地的认知、情感和印象，反映出旅游者对目的地的总体评价。旅游者游后撰写的游记中即包含有旅游者对目的地形象的感知，其中，提及频次越多的词语表明旅游者对目的地的此种印象就越为深刻。通过对足够大量游记的词频分析，便可获取旅游者对某一目的地的感知形象，得知旅游者在目的地旅游体验的统计分布情况。以往研究发现，游记词频统计分析结果显示目的地形象词频具备长尾分布特征，这意味着旅游者游后对目的地形象的感知既有彼此相似的部分，又有各自独特之处——将旅游者的共性感受视为满意的共性原因，称为“同质化满意”（homogeneity satisfaction），其体现出旅游者群体的同质性特征；旅游者的个性化感受则视作满意的个性化原因，称为“异质化满意”（heterogeneoussatisfaction），其体现了旅游者群体的异质性特征。

在目的地形象词频长尾分布曲线中，热门词是到访旅游者对目的地的普遍认识，热门词的总词频（total frequencies ofhead image words，TF）则表示了旅游者对于目的地的共性认识的强度，TF值越高代表目的地热门吸引物获得了到访旅游者越为一致和强烈的认可，故可以以之作为同质化满意的观测变量。类似地，长尾词是到访旅游者对目的地的个性化认识，长尾词的总数量（total number of tailimage words，TN）显现出旅游者个性化体验的丰富程度，TN值越高代表目的地具备了更为多样化、个性化的吸引物，不同需求的旅游者都能在目的地找到自己喜好之物，因而可以将之作为异质化满意的观测变量。至此，本文构建出衡量旅游者同质性与异质性特征的两个新观察变量。

2.3同质化满意与异质化满意对绩效的影响

通常目的地形象热门词（head）包含了目的地最热门的景点和最突出的特征，是目的地所能提供的最核心的旅游体验，一般旅游者都会实地游览和体验，甚至很多旅游者就是慕名而来。因此，对其认可与否将直接影响旅游者来访意愿和到访数量。反映在游记中，旅游者对于热门词的重复频率越高，表示目的地提供的价值核心获得越广泛的认可和越强烈的认同，也就能够吸引越多的旅游者。同理，长尾词（tail）表现出目的地旅游资源的多样性，游记中形象长尾词数量越为丰富，表示目的地能够满足越多类型的旅游者差异化的需求，目的地绩效就会有更佳的表现。由此可以提出目的地形象热门词总词频（TF）和形象长尾词总数量（TN）与目的地绩效关系假设，但由于目的地形象热门词总词频和形象长尾词总数量分别是旅游者同质性和异质性的观测变量，故而本文直接提出等价的旅游者同质性和异质性与目的地绩效关系假设：

H3：旅游者同质化满意正向影响目的地绩效

H4：旅游者异质化满意正向影响目的地绩效

3.研究设计

本文进一步对研究假设进行实证检验，重点分析旅游者异质性对目的地绩效产生的影响作用，改进传统满意—绩效模型。

3.1目的地样本的选取与样本信息的获取

百度旅游（1vyou.baidu.com）是全球最大的中文搜索引擎百度旗下的旅游信息社区服务平台，提供有国内外6万余个目的地的详细旅游信息，包含超过30万篇旅游者撰写的游记攻略和近130万条目的地点评。在每一个目的地的专属页面上，展示有点评总数、点评评分的详细情况、相关游记等信息。笔者直接选用中国旅游研究院《全国游客满意度调查报告》中游客满意度监测体系所涵盖的60个国内城市作为目的地样本，2015年1月1日从百度旅游直接截取每一个样本目的地的点评总数、1～5星五个评分等级各自的数量以及默认顺序下前50篇游记，共计3000篇游记，总字数约1000余万字。为了确保分析结果反映的是到访旅游者满意的原因，本研究对游记中记叙不满意经历的部分予以剔除。一般来说，游记的撰写者都是满意度较高的用户，所以剔除的文字非常少，小于总字数的0.5%。这样的处理能够保证研究结果更为严谨，但是又不会受到过多的人为干扰。

3.2研究数据的提取

在使用网络口碑进行研究时，点评的数量常常被作为绩效的替代变量，本文参照之前的同类研究，采用目的地点评数量（number of reviews，NR）的对数（1n（NR））代表目的地绩效。评分的星级表示旅游者游后的对目的地的总体评价，形式上与李克特量表类似，对应将1-5星赋值为1-5，其算术平均值（average rating，AR）即为满意同质性指标，方差（variance rating，VR）即为满意异质性指标。

同质化满意与异质化满意数据分别以目的地形象中热门词的总词频（TF）与长尾词的总数量（TN）表示，具体数值提取自游记词频分析结果。游记词频分析采用词频分析软件ROST CM 6.0进行运算，并对软件的词频输出结果做如下处理：（1）去掉词频低于3的词汇，因为过低的词频可能是偶然因素所致，不具备代表陛，应予以舍弃；（2）剔除与形象无关的词语；（3）只对专有名词进行合并，比如“九寨”与“九寨沟”只是叫法上的不同，并不是两个旅游资源，应将两者合并按照一个词进行统计，新词的词频为原来两者的词频之和，对于其他词语则不进行任何处理，这样可以尽可能地减少目的地形象词汇筛选过程中的人为因素；（4）目的地形象热门词和长尾词本身并没有一个明确的分界，根据以往的研究经验，目的地形象词频曲线通常在第30个词之后已经由陡峭变得平缓，且目的地营销组织主要宣传的目的地特征也在30个词以内，所以本研究将之作为两者的分界线。依此，60个样本目的地数据显示前30个词的平均累计词频高达63.7%，说明分类是合理有效的。计算每个目的地最高频的前30个形象词的词频总和作为变量TF的数值，统计其余形象词的个数作为变量TN的数值。

综上，概念与测量变量对应关系如表1所示，60个样本城市的数据描述性统计分析结果如表2。

4.数据分析与讨论

在检验一个新变量的有效性时，应当考虑其所带来独特的、增益性的贡献，即在包含常规解释变量的模型基础之上，新变量的引入能否有效地提升模型的解释力，亦即是否具有良好的增益效度。本研究将研究变量依次放人到满意一绩效的模型中，采用逐步回归的方法，分析各个新变量的增益效度。

由于满意均值对绩效的影响已经被以往众多的相关研究所验证，所以本研究拟将之作为基础模型。如表3模型1所示，满意度均值AR的回归系数为1.958，对应的t检验统计量的数值为3.620，说明满意度均值对绩效的影响显著，假设1成立，传统的满意均值一绩效模型在目的地领域再次得到验证，可以将其作为基础模型。

模型2中首先引入满意度方差VR，相比于模型1，R²增加不明显，△R²仅为0.005，VR的回归系数为1.217，是违反常理的正值，且并不显著（f=0.591，p=0.557>0.05）。AR与VR的方差膨胀因子（VIF）的数值为8.218，因而怀疑模型2存在多重共线性问题。进一步分析AR与VR的相关性，两个变量显示出非常强的负相关（相关系数r=.0.937，p=0.000），这明显违背了样本均值与方差相互独立的统计学常理。因此，利用满意度方差衡量旅游者异质性的方法在网络点评评分数据支持下无法实现，VR不应进入模型，需要利用其他变量来衡量旅游者的异质性。假设2则未能被检验。

进一步考察旅游者同质化满意和异质化满意与目的地绩效间的关系。在模型1的基础之上，分别放入TF和TN两个变量，如模型3和模型4所示。引入了新的解释变量TF后，模型3的F=16.775，其所对应的p值远远小于0.01，说明模型的整体拟合性是显著的；相比于模型1，△R²=0.186，拟合优度提高到了0.371，且对数极大似然值（△Log-likelihood）提高了7.775，说明模型3的解释力显著增加。在AR回归系数依然显著的前提下，TF变量的系数为0.425，其对应的t统计量的数值为4.106，说明同质化满意度对绩效的影响显著，假设3成立。同理，模型4中加入变量TN，F=16.198，△R²=0.178，对数极大似然值提升7.390，TN回归系数为0.655，t检验值为3.990，综合说明异质化满意度对绩效的影响显著，假设4成立。最后，在模型1的基础上同时放入TF和TN两个变量构成模型5。模型5的F=13.426，其所对应的p值为0.000，远远小于0.01；R²=0.418，对数极大似然值为-67.165，相比于模型3和模型4，模型的解释力进一步增强，且AR（β=1.291，t=2.657，p=0.010<0.05）、TF（β=0.280，t=2.321，p=0.024<0.05）、TN（β=0.408，t=2.146，p=0.036<0.05）的系数均显著，各自的方差膨胀因子（VIF）分别为1.092、1.565和1.541，均接近于1，说明这3个变量间的多重共线性问题在控制范围内。为了使回归模型中f检验更加地稳健，需针对模型3、模型4和模型5分别验证其是否存在异方差。本文采用了最为常用的White检验方法，通过构建了nR²统计量，其中n为样本量，R²为辅助回归的拟合优度。如表3所示，模型3、模型4以及模型5的nR2统计量所对应的p值分别为0.533、0.130、0.072，均大于0.05，应接受原假设，即以上3个模型均不存在异方差。综上分析发现，旅游者同质化满意和异质化满意是目的地绩效的两个有效解释变量，且在传统的满意度均值一绩效的基础之上具有增益效度。

5.结论与理论贡献

综上，从数据分析结果中可以发现如下重要结论：（1）传统的满意一绩效理论框架依然适用于旅游目的地研究，旅游者满意同质性水平（满意度均值）依旧会显著地影响目的地的绩效，但其对于绩效的解释力相当有限，这是因为以均值测量的满意同质性水平只考虑到旅游者满意的平均水平，而未能充分地考虑旅游者满意的内在原因与旅游者间的差异性。（2）以往利用满意度方差来衡量旅游者满意异质性，进而提升对目的地绩效解释力的思路，由于网络第三方平台上满意度评分数据存在正态负偏的问题而难以真正实现。基于这样的背景，本文依托目的地形象理论构建的同质化满意与异质化满意两个新变量则能够更为深层次地解析出到访旅游者游后满意的同质与异质原因。其中，前者关注到旅游者游后的共性感受，而后者关注到旅游者的个性化感受。这两个新变量的加入是对利用均值和方差来衡量旅游者同质性与异质性的有益补充，从而再次改进原有的模型，显著地提升模型的解释力。（3）特别需要注意的是，两个新变量所能带来的增加效度（△R²）比较相近，分别为0.186与0.178，模型5中标准化系数也十分相近，分别为0.296和0.271，这说明旅游者对目的地的个性化感受与共性感受近乎同等重要地影响了目的地的绩效——旅游者异质化特征已不容忽视，目的地营销工作应当重视满足旅游者的差异化需求。

以往在USP理论的指导下，营销工作一直聚焦于产品最突出的特征。然而，当今顾客越来越追求个性化消费，对于旅游来说就更是如此。从供给的角度来讲，旅游目的地本身涵盖了非常丰富的要素，这给予旅游者极大的自主空间。从需求的角度来看，不同于传统的团队旅游者，自助旅游者的需求更加多样化。最终，每一位自助旅游者的旅游经历和体验都会是独一无二的，旅游者将变得愈来愈异质化，旅游目的地复合形象的长尾分布特征越来越显著。故本文的理论贡献体现在：（1）更为深入地解读出复合形象长尾曲线中所蕴含的旅游者群体特征，突破了传统均值和方差方法的局限，提出了衡量旅游者同质性与异质性的新方法，使同质化满意与异质化满意成为更加细化的满意衡量方式；（2）通过增加对复合形象长尾特点的考虑，解析出旅游者群体共性特征和个性特征与目的地绩效间的关系，使满意一绩效模型得到明显改善；（3）创新地在研究中联合使用两类数据信息，打破以往数据来源的单一性，以旅游者真实感受的文字记录作为满意度评分的有效补充，同时展示了对游记的分析方法和数据提取过程，为满意研究提供了新的数据来源。

6.研究局限及未来进一步研究

本文在原有研究的基础之上增加了对旅游者异质性特征的考虑，改进了传统的满意均值一绩效模型，从而提升了对目的地绩效的解释力。但受限于数据处理的能力，笔者只检验国内60个主要旅游城市的数据，未来有必要进一步扩大样本量，在更广的范围内验证同质化满意与异质化满意这两个新变量的有效性。此外，虽然游记数据相比于简单满意度评分蕴含更多信息，但也并不完美——通常只有那些在目的地获得满意的旅游经历的旅游者才会主动撰写游记，所以通过游记能够了解旅游者满意的原因，却难以了解到旅游者不满意的原因。在这一点上，游记数据不如点评数据全面。当然，点评数据也存在着篇幅过短等问题。今后可以尝试将评分、游记和点评数据共同综合利用，再次改进模型，更为系统、全面、细致地解析旅游者满意与绩效间的关系。最后，异质化满意的提出只是旅游者异质性特征研究的开始，一方面仍需继续寻找新的异质性衡量方式和测量变量，另一方面则要更为深入地探索异质性带来的影响，不断深化研究。