智慧物联网盛宴已经到来？

李志强

【摘 要】 国内智慧酒店尚处于起步阶段，缺乏统一的建设规范和成熟的运营管理。借助UTAUT和TTF整合模型，探究智慧酒店智能化服务对消费者接受意愿的影响。一方面，在模型传导路径上得出消费者接受意愿的影响因素，据此对传统酒店提出优化建议，促进智慧酒店这个新业态的成长和发展;另一方面得出智慧酒店对运营绩效的影响等相关结论，为智慧型酒店优化智慧服务系统提供建议。

【关键词】 智慧酒店 物联网 接受意愿 顾客行为

一、引言

近年来，信息化时代下的“互联网+”和“智能化”两股浪潮愈发迅猛，互联网借助智能技术的跨业态发展来引导产业的转型升级。在酒店业，智慧酒店概念正式诞生，林元乖（2018）将智慧酒店定义为——“智慧酒店是指擁有一套基于物联网技术架构、完善的酒店智能化体系，以酒店基础设施智慧化为基础，将信息通信技术与基于互联网思维的酒店管理理念相融合，实现酒店自动控制、管理、服务、营销的智慧化和一体化的系统。” [1]

近年来阿里、腾讯、京东等行业巨头也纷纷入局，利用强大资源促进智慧酒店的不断创新。阿里集团于 2018 年正式宣布了全国第一家“无人智慧酒店”的诞生，全过程由人工智能提供服务。智慧酒店从其诞生至今，已经从原本的单核智能化系统阶段演变为当下以物联网+智能为主的全方位智能化体系阶段[2]。然而，消费者是否全部接受智慧酒店的智能化服务？由智慧化给酒店带来各方面的影响会产生怎样的综合效应？这些问题仍需测量和探讨。

二、研究模型

（一）模型构建

本研究将行为意愿作为被解释变量，构建基于UTAUT模型和TTF模型的智慧物联网酒店顾客行为整合模型（如图所示），分析顾客对智慧物联网酒店的行为意愿。

（二）模型假设

1. TTF模型变量

H1：任务特征正向影响任务-技术匹配度（TAC-->TTF）

H2：技术特征正向影响任务-技术匹配度（TEC-->TTF）

H3：任务-技术匹配度正向影响智慧物联网酒店顾客的行为意愿（TTF-->IB）

2. UTAUT模型变量

（1）绩效期望 H4：绩效期望正向影响智慧物联网酒店顾客的行为意愿（PE-->IB）

（2）努力期望 H5：努力期望正向影响智慧物联网酒店顾客的行为意愿（EE-->IB）

H6：努力期望正向影响智慧物联网酒店顾客的绩效期望（EE-->PE）

（3）社会影响 H7：社会影响正向影响智慧物联网酒店顾客的行为意愿（SI-->IB）

（4） 便利条件 H8：便利条件正向影响消费者采纳智慧物联网酒店的行为意愿（FC-->IB）

3. 变量间的其他关系

H9：技术特征正向影响消费者采纳智慧物联网酒店的努力期望（TEC-->EE）

H10：任务-技术匹配度正向影响消费者采纳智慧物联网酒店的绩效期望（TTF-->PE）

（三）问卷设计

问卷主要包括3个维度（认知、意图、行为）的5个潜变量，即感知有用性、感知易用性、感知风险性、行为意图以及实际使用。[3]观测变量的测试题采用5级李克特量表。

三、实证调研结果

（一）样本及数据收集

本研究于2019年2月于武汉卓尔悦廷酒店调研，并通过线上“问卷星”平台发放问卷。最终回收有效问卷308份，问卷有效率为88%。问卷的描述性统计结果显示，调查对象的男女比例分别为42.21%和57.79%;就年龄而言，18至30岁及31至40岁的居多分别为49.68%和26.62%;被调查者33%为学生，16.23%为职员，15.26%为商务人员。

（二）模型计算结果分析

1.信度检验

在SPSS22.0中进行探索性因子分析，其中信度用Cronbachα系数进行测量。信度分析结果显示：8个潜变量Cronbachα系数均大于0.7属于高信度。

2.效度分析

运用KMO检验方法对量表进行结构效度检验。结果显示，量表的KMO值为0.920，说明样本数据的结构效度较好。为了探索并验证UTAUT-TTF模型的8个潜变量所构建的整合模型的可靠性和稳定性，运用SPSS22.0软件对UTAUT模型和TTF模型各题项进行探索性因子分析，采用主成分分析法中的方差最大正交旋转法，按照载荷值大于0.6的标准进行因子提取[4]。最终，将TTF模型中TEC3这个题项剔除;UTAUT模型中的题项FC3和SI1剔除。

3.整合模型的拟合度分析与修正

在假设模型拟合检验中，使用AMOS17.0作为分析工具对模型拟合度进行检验。并使用AMOS修正指标（M.I.）对模型进行修正以改善模型拟合指标，提高了模型的适配度。

4.路径分析及假设检验

本研究对UTAUT-TTF整合模型进行了修正和标准化路径分析，然而参数估计结果显示仅有4条路径显著。接下来本研究将对UTAUT模型、TTF模型以及两个模型间的相关潜变量的路径系数进行探究。

（1）TTF模型

经过修正后的TTF模型拟合指标得到改善，显著地提高了模型的适配度。模型进行标准化参数估计后的结果显示，智慧酒店顾客任务特征感知显著正向影响其任务-技术匹配度感知，路径系数为0.580（P<0.001）;技术特征感知在5%的显著水平上正向影响其任务-技术匹配度感知，路径系数为0.179（P=0.011）;任务-技术匹配度显著正向影响其行为意愿，路径系数为1.215（P<0.01）。

（2）UTAUT模型

经过修正后的UTAUT模型拟合指标得到改善。其假设检验结果显示顾客努力期望显著正向影响其绩效期望，其路径系数0.827（P<0.01）;技术特征感知在显著正向影响其行为意愿感知，其路径系数为0.543（P=<0.01）;努力期望并不显著影响其行为意愿，其路径系数为0.201（P=0.255）;社会影响在5%的显著水平上正向影响行为意愿，其路径系数为0.092（P=0.014）;便利条件并不显著影响其行为意愿，其路径系数为0.122（P=0.168）。

（3）两个模型间的相关潜变量的路径系数探究

在原整合模型中潜变量任务特征与任务-技术匹配度对绩效期望有影响，通过构建相关模型讨论TTF与UTAUT两个模型间相关变量的路径系数。

使用AMOS21.0作为分析工具对模型1拟合度进行检验和修正。模型标准化参数估计后其假设检验结果显示顾客任务特征显著正向影响其任务-技术匹配度感知，其路径系数为0.529（P<0.01）;技术特征感知在10%显著水平下正向影响其任务-技术匹配度感知，其路径系数为0.208（P=0.084）;任务特征感知显著正向影响其绩效期望，其路径系数为0.429（P<0.01）;任务-技术匹配度显著正向影响绩效期望，其路径系数为0.452（P=0.014）。

四、结论及建议

（一）调研结论

1. 顾客使用智慧酒店进行活动的任务特征和技术特征对其任务-技术匹配度感知有显著的正向影响。如果顾客越需要利用智慧酒店系统帮助完成入住服务，则任务-技术匹配度就越高。另一方面，智慧酒店提供给顾客的相关功能和服务越多，则任务-技术匹配度越高。

2. 任务-技术匹配度对顾客行为意愿有显著的正向影响。即智慧酒店提供顾客所需的功能并解决顾客的大部分问题，则任务-技术匹配度高，顾客使用智慧酒店的意愿就越高。

3. 顾客努力期望对其绩效期望有显著的正向影响。即顾客越认为智慧酒店使用简单，就越能感知到智慧酒店对自己有用，验证了顾客努力期望是重要的影响因素。

4. 社会影响对顾客行为意愿有显著的正向影响。即顾客受周围环境的影响越大，则顾客使用智慧酒店的意愿越大。

5. 顾客技术特征感知对其行为意愿感知有显著的正向影响。即顾客认为智慧酒店技术效果越好，则顾客使用智慧酒店的意愿越大。

6. 顾客使用智慧酒店进行活动的任务特征感知对其绩效期望有显著的正向影响。即顾客越需要利用智慧酒店系统帮助完成各项服务，就越能感知到智慧酒店对自己有用。

7. 任务-技术匹配度对顾客采纳智慧酒店的绩效期望有显著的正向影响。即智慧酒店系统能够提供顾客所需要的功能并且在一定程度上解决顾客的问题，则表明任务-技术匹配度高，则顾客认为使用智慧酒店带来的效果越大。

（二）对策建议

1.高效宣传提升绩效期望——发掘、创造顾客需求

通过创新宣传方式，采取多途径、多样化的宣传手段突出智慧酒店的优越性。在宣传方式上，可以采用情景化视频、原创图、酒店宣传片等形式吸引观众眼球;在宣传途径上，微博、公众号、电视广告、活动赞助、影视植入多效并举，增加公众曝光度。

其次，智慧酒店的推广应该借助智慧旅游和智慧城市的力量，实现平台共享[5]，在实现自身发展的同时助推城市整体的智慧化建设，共同打造顾客心目中的智慧化目的地。

2.简化操作提升努力期望——初步加强顾客依赖

顾客认为智慧酒店技术效果越好同时操作过程越简单，则顾客使用智慧酒店的意愿越大，因此，为顾客提供从办理入住到退房的一体化服务成为必要。酒店为顾客提供服务的流程需要全部实现智能化。在设计智慧化操作系统时，应注意操作页面的友好性以及操作的大众化，提高智能化设备的易用性。良好个性化服务可以激励顾客主动进行口碑营销。

3.大数据分析、人性化服务提升任务-技术匹配度——强化顾客依赖

研究结果表明，任务-技术匹配度对顾客行为意愿有显著的正向影响。酒店的智慧化功能引入需要建立在对顾客行为和顾客期待的数据分析基础之上;智慧酒店在不断发展的过程中，应当加强复合型人才等培养，提高人力资源使用效率;在服务功能整合方面，酒店智慧平台应提供目的地的整合服务功能，通过提供“酒+景”、“酒+餐”“酒+行”等套餐优惠服务实现一站式服务，使平台对用户的价值发挥到最大。

【参考文献】

[1] 林元乖.物聯网技术在智慧酒店建设中的应用研究[J].物联网技术，2018，8（10）：68-69+73.

[2] 李尚春，余秉东，祁志民，程大章.基于物联网的五星级酒店智能化[J].智能建筑 与城市信息，2011（01）：25-27.

[3] 徐菲菲，黄磊.景区智慧旅游系统使用意愿研究——基于整合TAM及TTF模型[J].旅游学刊，2018，33（08）：108-117.

[4] 周涛，鲁耀斌，张金隆.整合TTF与UTAUT视角的移动银行用户采纳行为研究[J].管理科学，2009，22（03）：75-82

[5] 戴卫东，马帅.用物联网技术提升星级酒店服务水平[J].经营与管理，2011（09）：68-69.