基于在线旅游代理商的产品销量与影响因素研究

2021-04-02 17:03孙德健邰鹏飞
经济研究导刊 2021年34期
关键词:代理商

孙德健 邰鹏飞

摘 要:销量是影响酒店绩效最关键的因素,探讨酒店产品销量的影响因素具有重要的理论与实践意义。基于此,研究收集北京地区1 372件在线酒店产品信息,采用多元线性回归方法并引入酒店星级作为分类变量,探讨销量与在线产品评分、推荐比例以及折扣的影响关系。研究发现,不同层次酒店销量受各类因子的影响程度存在差异。相较而言,评分对低星级酒店销量起正向作用而高星级酒店则相反;推荐比例的影响则是在低星级酒店这一层次被弱化,但对高星级酒店的正向作用显著增强。

关键词:产品销量;星级分类变量;在线旅游;代理商

中图分类号:F592.6       文献标志码:A      文章编号:1673-291X(2021)34-0133-04

引言

近年来,“互联网+旅游”的概念逐步被消费者熟知,电子商务改变了传统旅游产业,互联网已成为旅游业的一个重要营销渠道,因此在线旅游代理商(Online Travel Agent,OTA)应运而生。通过OTA可详细查询酒店相关信息,如产品价格、评分、评论量、酒店环境和交通情况等。酒店是一种典型的体验式消费,因此酒店销量影响因素数量众多。在信息时代,在线评论等因素是如何影响消费者决策,酒店星级是否会对消费者决策提供导向,这些问题都有待进一步深入研究。

酒店销量一直是国内外学术界讨论的一个热点话题,学者提出可以通过品牌特色化、营销网络化、服务创新化和人员管理制度化四个渠道提升酒店销量。李妍(2011)提出酒店开展网络营销是对未来客源市场的战略考虑,对销量的增长具有巨大促进作用,酒店的在线销售逐步进入到学者的视野。廖俊云(2016)以团购网站的酒店销售为背景,研究了品牌和在线评论共同对于产品销售的影响。

在对在线酒店销售的影响因素中,评分是各个研究最为关注的因素之一,消费者在住宿方面多会依赖酒店的在线评分。除评分外,价格也被认为是驱使消费者购买的重要因素。张影莎(2012)认为,降价将会刺激消费并对吸引客源有促进作用。此外,还有很多因素对酒店销量都具有影响,这里不再一一赘述。

我国酒店产品的在线评价对销量的影响研究较为匮乏,加之平台为保证竞争力隐藏了酒店销量信息,因此缺乏足够的实证研究。目前研究只弥补了关注点集中在传统酒店的短板,至于在线评价对销量的影响及作用程度仍需要更多的定量研究进行佐证。

随着电子商务的普及,在线评论突破时间与空间的限制对酒店销量起到真正作用,研究在线酒店销量的影响因素对酒店未来发展具有重要意义。鉴于此,本文基于携程网的在线酒店产品数据,对产品销量与评分、推荐比例、折扣之间的关系进行实证研究,从高星级和低星级两个层次出发来揭示影响不同层次酒店销量的因素,以期为不同层级酒店制定销售策略提供帮助。

一、研究设计

(一)模型构建

本文采用多元线性回归模型构建分析模型,多元线性回归模型用来解释两个以上变量之间相互关系和依存关系,一般假设Y为因变量,X1,X2,X3,...,Xn为n个解释变量,得到公式:

Y=β01X12X2+...+βnXn

其中,β1、β2、β3、βn为回归系数,ε为随机误差项。本文引入酒店星级作为分类变量,上述公式会根据实际情况在原有基础上进行改变。

(二)变量选取

研究发现,在线酒店产品的推荐比例、评论量、评分均对产品销量产生不同的影响。但由于酒店产品的销售量自2017年后OTA平台不对外公布,根据Ye&Law的研究成果,可将酒店产品评论量近似代替销量。以携程网为参考,选取在线评论中的评论量、评分、推荐比例进入模型进行实证分析。

同时,充分考虑消费者广泛关注的价格问题,选取折扣作为衡量价格尺度的指標进入模型,提高实证的完整性。Gavilan(2018)的研究表明,星级对酒店而言同样是产品质量的参考,消费者普遍认为高星级酒店会有更好的服务,这也会产生一定的选择倾向。因此,选取酒店星级进入模型,进而以星级进行分类实证,对不同层次酒店做进一步探讨。

(三)数据来源

本文的数据源自携程网,其市场份额占到同行业50%以上,近年来旅游竞争实力不断增强,因此选用该OTA数据更能体现出游客的真实意愿。研究选取的样本是携程网北京地区2018年1月份的酒店产品,数据包含了产品名称、各产品价格、评论量、评分、推荐比例、星级和折扣等。通过对携程网酒店信息的手动收集,建立关于酒店研究数据的数据库,并在研究期间不间断更新数据,以确保研究数据的准确性。为了保证研究分析的真实性,对数据缺失以及在收集数据期间下架的酒店产品进行筛选删除,最终得到有效数据1 372个。

二、结果分析

本研究主要的关注点为北京市酒店产品在线评论、折扣与酒店星级共同对酒店产品销售的影响。基于此,实证模型的设定要全面考虑到所有因素,即酒店星级、折扣与在线评论所包含的评分、推荐比例。根据前文可知,酒店产品销售量用评论量代替。为使线性回归变量分布更加平滑,模型中对评论量取对数值并选取推荐比例、评分、折扣、销售天数、酒店星级作为解释变量进行多元线性回归分析,计算得到以下结果如表1所示。

根据表1回归结果可知,R2为0.279,F值为107.35,显著性小于0.01,因此本回归模型较好地拟合了数据,经过共线性检验发现,模型中的变量间不存在多重共线性。评分的系数值为0.373,虽与销量呈正相关,但系数较小。推荐比例的系数值为3.142,对酒店销量具有正向作用。同时,折扣的系数为-1.229,代表折扣值越小对酒店销售的销售越有利,也就是说,酒店折扣越大酒店产品销量越好。这里唯一起到负向作用的为销售天数,代表一个酒店产品销售好并不是因为其上架天数多,更多的是产品自身是否符合消费者的体验要求与该产品在线评论是否更好。

根据上述回归结果发现星级对产品销售具有一定的影响,故将酒店星级分为两个档次,该变量为一个0—1变量,酒店星级大于等于4则酒店档次定为“1”,酒店星级小于4则酒店档次定为“0”,1—3星级酒店定为低星级酒店,4—5星级为高星级酒店。将酒店产品在线评论量作为被解释变量,酒店档次作为分类变量,推荐比例、评分、折扣作为主要解释变量,将销售天数作为控制变量得到第二个阶段的回归方程如下所示:

ln(评论量)=β01推荐比例+β2推荐比例×酒店档次+β3评分+β4评分×酒店档次+β5折扣+β6折扣×酒店档次+β7ln(销售日期)+β8ln(销售日期)×酒店档次+ε

对1 372个数据样本进行回归,得到结果见表2。

1.由表2可知,本回归模型似然比为0.000,调整后的R2为0.256,该模型结果良好。根据实证结果,评分正向影响低星级酒店销量,但评分×星级的系数值为-2.879,表明评分对高星级酒店销量的影响是负面的。这也证实,评分反映了不同群体对质量评价的不一致性,不同消费群体具有不一致的消费观念,并非对任何酒店而言,高评分一定带来高销量。

究其原因,主要是北京低星级酒店的消费群体多为商务旅行者、公务员和学生,在价格较低且差距较小的情况下,消费者优先对比评分高低。低星级酒店的价格注定产品主打方面是性价比,其次是设施与服务。在首都城市北京,地租价格居于全国前列,在地租高、价格低的情况下,低星级酒店所能提供的服务和设施更是有限。由于低星级酒店同质化较为严重,在服务、价格以及设施条件基本相同的情况下,评分对消费者决策起到关键作用。

对于高星级酒店,评分对酒店销量带来负面影响是因为高星级酒店大多具备自己的特色,所对应的消费者数量少,基数过少注定产品销量不会多,但正因为独具特色,选择此类产品的消费者更能得到消费满足,给予高分评价。但酒店价格定位很高,消费者对酒店的要求也随之提高,一些高星级酒店尽管价位偏高,但设施、服务、条件和位置无法满足对应的要求,从而使消费者期望值大大降低,出现了低评分的状况。值得注意的是,高星级酒店会因季节不定时进行打折促销活动,这本是促进销量、提高评分的好机会,但大部分酒店并没有做到一视同仁,促销产品的质量大打折扣,虽然销量得到大幅度提升但评分降低。

2.根据回归结果,推荐比例对在线北京酒店产品都具有显著的正面影响。相对而言,对高星级酒店销量的影响更大,推荐比例代表对酒店设施与服务的认可程度,在某一方面反映了酒店产品的质量水平。高星级酒店消费者多为高端人才或高消费者,对他们而言经济水平不再是主要考慮因素,取而代之的是在消费过程中的体验感是否能够得到满足。

北京二环内是历史文化保护区,所以高星级酒店多分布在二环外的城市功能区附近。在这里,地铁带来了较好的交通通达性,各类CBD带来了丰富的客源,各种景点也吸引了众多旅游者,这使高星级酒店推荐性得到增强,从而销量得到增加。而对于北京众多低星级酒店,消费者决策更加注重性价比,因此推荐比例对其也有推动作用,但仅集中于价格方面,相较而言略逊一筹。

3.折扣的系数为-1.506,显著性为0.000,而折扣×酒店档次的显著性则为0.799,结果为不显著,表明酒店产品折扣无论对低星级酒店还是高星级酒店都具有显著的影响。由于折扣系数为负数,说明折扣值越小酒店产品销量越好。折扣是每个消费者都关心的问题,产品在线价格低于市面价格,线上折扣便由此产生。由心理学出发,消费者通常希望购买到性价比高且折扣更大的产品,这也符合常理。

4.根据实证结果,低星级酒店销售天数的系数为-0.587,对销量具有负面影响,而对高星级酒店具有正面影响(系数=0.349)。其原因包括低星级酒店价格较低,消费者注重产品性价比,此类产品价格波动较小并长期处于稳定状况,消费者关注的是产品本身能否带来便利以及与自身出行目的是否契合。北京是一个旅游资源丰富的城市,长期销售的高星级酒店产品价格会因旅游淡旺季产生相应的波动,在价格较低或者折扣较大的情况下,酒店销量会有明显的增长。

三、结论与启示

(一)结论

如今在线酒店产品的销量已逐渐成为学者们关注的领域,但多关注于评分等因素而忽略了各个因子作用于不同星级酒店时影响的差异。本研究认为,酒店的星级实际上反映了不同消费群体的决策方式,这种不一致也使各个影响因素对不同层次酒店的作用方向、影响程度呈现出不同。

1.本研究将酒店星级作为分类变量对北京市在线酒店产品销量进行实证分析,研究结果证明,尽管评分、推荐比例、折扣均对整体酒店产品销售量起正向作用,但是对不同层次的酒店,各类影响因子依旧表现出差异性。本研究打破了将酒店整体进行研究或就单一要素、单一层次研究的限制,通过对比不同层次酒店销量的影响因素,得出具有针对性的结论。

2.评分作为评判酒店产品质量的一个重要因素,是消费者推断产品质量的重要因素。本研究发现,酒店档次作为产品自身质量信号作用仍旧很突出,能直接影响销售情况,并且能与评分一起影响产品销量。低星级酒店价位较低,服务设施有限,消费者关注的主要是性价比,在此基础上辅以评分高低进行判断;而高星级酒店价位较高,服务设施齐全,消费者更加注重消费体验是否满足。因此,评分对低星级酒店表现出正向作用而对高星级酒店产品销量产生负向影响。

3.推荐比例也是产品评论中的重要维度,推荐比例的不同反映了消费者对产品质量评价的不一致性,当推荐比例与酒店档次结合起来进行实证分析,可以发现推荐比例对高星级酒店的正向影响远高于低星级酒店。这表明,在考虑产品销量的影响时,要尽可能避免单独研究推荐比例带来的影响,而必须考虑到酒店档次的影响。

本文在已有的研究基础上,做出了一定的突破与改进,但也存在一定的局限性。首先,本文采用评论量代替销售量,但仍旧存在评论量与销售量不是线性关系的可能。其次,引入推荐比例作为影响因素之一,但究竟是具体哪类因素会对销量造成影响,本文并没有答案。最后,本文未将消费者分类进行研究,不同的职业、性别、旅游目的都会产生不同的消费决策,这也是影响酒店产品销量的一个相关因素。

(二)管理启示

本研究对企业网上销售具有比较重要的管理意义。本研究表明评分对各类酒店都有显著性影响,对于低星级酒店,由于定价偏低应主打性价比这一策略,采取稳定的低价策略,在保证经济收益的基础上,充分发挥评分带来的优势,通过高性价比低价格争取到消费者的青睐,以起到评分所带来的正向作用。而对于高星级酒店而言,应减少评分所带来的负面影响,采取积极的价格策略,减少因为价格过高所带来的销量减少,同时扩大服务范围,彻底体现出高星级酒店的优势。

本文的研究表明推荐比例对各类酒店都起到正向推动作用,但作用程度存在差别。对于低星级酒店而言,推荐比例的影响程度较小,其消费群体是高度价格敏感者,因此酒店在试图提高消费者对酒店的认可满意度时,应充分考虑给予消费者经济上的优惠。比如在入住时赠送水果、酸奶等物品,甚至采用积分兑换方式,这都能切实提高低星级酒店的推荐比例。而高星级酒店销量受推荐比例影响较大,应该重视消费者的反馈意见,甚至可以推出“一人一议”制度即每个房间配备相应人员,根据不同喜好满足消费者需求,充分利用OTA平台提高推荐比例,进而打造自己的网络品牌,高端酒店就可以用较少投资换取高回报。

折扣是几乎每个人都会关注的问题,酒店产品的定价要具有合理性,低折扣较之于低价格更能吸引顾客的选择。因此,高星级酒店要充分发挥旅游淡季的作用,对自身产品进行折扣促销,可以提供相应的“体验服务产品”,让消费者通过低价体验高星级酒店服务,不仅可增加销量弥补淡季酒店收入,而且还增加酒店推荐比例,为进一步提高销售量打下基础。低星级酒店可以采取提升产品原定价格,通过对比价格折扣刺激消费,但必须要保证实际售卖价格不能提高。

最后,各类酒店要明确自身定3位,低星级酒店主打高性价比、干净低价,面对的顾客主要是商务旅行者等人群;而高星级酒店主打高端设施、特色服务、酒店文化等方面,面对的顾客主要是社会精英等人群。合理制定产品分类、抓好各自主打层面,将会有利于在同层次酒店中居于领先地位,这对酒店的长远发展具有重要的战略意义。

参考文献:

[1]  Litvin S.W.,Goldsmith R.E.,Pan B.Electronic word-of-mouth in hospitality and tourism management[J].Tourism Management,2008,(3):458-468.

[2]  金怀玉.当前我国酒店营销的现状?问题及对策[J].生产力研究,2007,(7):130-132.

[3]  范秀成,曹花蕊.服务营销管理体系与酒店绩效关系的实证研究[J].旅游学刊,2009,(1):42-47.

[4]  李妍.我国酒店网络营销现状及策略研究——以义乌酒店为例[J].开发研究,2011,(6):129-131.

[5]  廖俊云,黄敏学.基于酒店销售的在线产品评论、品牌与产品销量实证研究[J].管理学报,2016,(1):122-130.

[6]  Gavilan D.,Avello M.,Martinez-Navarro G .The influence of online ratings and reviews on hotel booking consideration[J].Tourism Management,2018,(66):53-61.

[7]  Sparks B.A.,Browning V.The impact of online reviews on hotel booking intentions and perception of trust[J].Tourism Management,2011,(6):1310-1323.

[8]  高宝俊,孙含琳,王寒凝.在线评论对酒店订满率的影响研究[J].旅游学刊,2016,(4):109-117.

[9]  高宝俊,王寒凝,黄瑱,等.在线评价系统对商品销售的影响分析——基于京东和天猫的数据[J].价格理论与实践,2015,(8):103-105.

[10]  Qiang Ye,Rob Law,Bin Gu,et al.The impact of online user reviews on hotel room sales[J].International Journal of Hospitality Management,2009,(28):180-182.

Research on Product Sales and Influencing Factors Based on Online Travel Agents

——Take the Beijing Hotel as an Example

SUN De-jian,TAI Peng-fei

(School of Geography and Tourism,Rizhao 276826,China)

Abstract:Sales volume is the most critical factor affecting hotel performance,it is of great theoretical and practical significance to discuss the factors about affecting hotel product sales volume.Based on this,this study collects information of 1372 online hotel products in Beijing,and uses multiple linear regression methods to introduce hotel star ratings as categorical variables,discussed the influence of sales volume on online product score,recommendation ratio and discount.The study found that:Sales of different levels of hotels are affected by various factors.In contrast,the score has a positive effect on the sales volume of low-star hotels and the opposite effect on high-star hotels,and the influence of recommendation ratio is weakened at the level of low-star hotels but the positive effect on high-star hotels is significantly enhanced.

Key words:product sales;star-classification variable;online reviews

[責任编辑 马 学]

收稿日期:2020-12-30

作者简介:孙德健(1996-),男,山东济宁人,硕士研究生,从事人文地理学研究;通讯作者:邰鹏飞(1990-),男,山东日照人,硕士,从事旅游规划与管理研究。

猜你喜欢
代理商
商船上的矛与盾
代理商的销售职能在延续
新时代 厂商关系的“时代”定位
代理商会消失?这是谎言!
“代理商无用论”再次借尸还魂
厂家该怎样对待代理商?