共享住宿价值共创公民行为下的服务需求研究

左文明 徐梓馨 黄枫璇 焦青松

(1.华南理工大学电子商务系； 2.人工智能与数字经济广东省实验室(广州))

1 研究背景

分享经济成为近年来全球的一大热点，凭借盘活闲置资源、协同多方共同参与、改变传统物权观念等优点，推动社会经济的快速运转，受到社会各界的广泛关注[1]。随着IT技术和“协作消费”理念的发展，一系列新兴的分享经济行业迅速萌芽和成长，其中以共享住宿(如Airbnb)为典型代表。

在分享经济中，服务提供方将闲置资源进行共享，创造了额外的价值。分享经济平台的按需分配实现了资源的高效调配，降低了价值创造成本。由于分离了资产的所有权与使用权，分享经济的资源分配方式不同于传统经济，两者的价值共创机制也存在差异[2]。分享经济下的消费者无需所有权即可使用相应的商品或服务[3]，且其既是价值的创造者也是共享者，共享的资源与收获的价值包括物质形式与非物质形式[4]。

分享经济背景下，消费者生活方式的转变和收入水平的提升使得共享住宿需求日益多元化。已有学者通过实证研究发现，体验价值对顾客参与价值共创具有正向影响[5]；但未研究体验价值的前因变量即需求满足，亦未对价值共创行为作进一步细分。此外，现有文献多通过问卷数据进行价值共创影响因素与价值共创行为的实证研究，而大数据时代下的顾客评论数据蕴藏着丰富且宝贵的信息。为帮助企业改进服务与决策，从评论数据中精准挖掘服务需求具有重要意义。

在分享经济中，与顾客角色内的价值共创参与行为相比，企业逐渐转向关注可操作性更强、角色外的价值共创公民行为[6]。因此，本研究以Airbnb为例，识别并细分评论数据所体现的价值共创公民行为与服务需求，构建服务需求网络，剖析分享经济背景下服务需求满足与价值共创公民行为之间的关系。旨在丰富复杂网络分析在提高顾客满意度领域的研究，同时促进共享住宿平台基于需求改进服务以实现服务创新，吸引顾客参与价值共创。

2 文献回顾

2.1 分享经济下的价值共创

随着分享经济的蓬勃发展，价值共创成为学者们关注的热点领域。现有研究主要集中在价值共创过程与模式、顾客参与的影响因素两方面，且多通过企业案例研究剖析价值共创的过程与模式。以Airbnb为例，JOHNSON等[7]通过内容分析法探究旅游体验的价值共创过程，构建了包括资源、主-客价值共创实践和价值共创结果在内的价值共创理论框架；杨学成等[8]以Uber为例，基于顾客的连接、接触和分离阶段刻画价值共创过程，发现3个阶段的价值共创模式具有显著差异；王水莲等[9]通过研究Airbnb、抖音和滴滴，描述了包括整合资源、匹配供需和共创驱动在内的价值创造过程；MA等[10]以Mobike和EVCARD为例，构建了政府、企业与消费者之间的价值共创模式。

分享经济背景下，顾客参与价值共创受多种因素影响。申光龙等[5]根据层次体验模型，实证了体验价值对顾客参与价值共创的正向影响路径；LAN等[11]研究Mobike，指出自我效能、责任认知、预期奖励和学习过程是影响顾客参与价值共创的重要因素；简兆权等[12]以小米社区为例，通过编码分析发现，顾客契合是产生价值共创的前提条件；唐方成等[13]基于SOR框架，实证了社交与自我成就利益、享乐利益对顾客公民行为的显著正向影响；TSAI等[14]实证了感知价值对顾客参与价值共创的强制-自愿关系的中介作用。

2.2 价值共创公民行为

近年来，关于价值共创行为的研究主要集中于影响因素的探析及其结果的量化研究上。YI等[15]开发的价值共创行为量表正式让价值共创行为进入量化研究阶段，此量表将顾客价值共创行为分为参与行为和公民行为。其中，参与行为是必需的角色内行为，包括信息搜索、信息分享、人际互动与负责任行为；公民行为是非必需的角色外行为，能够为企业带来额外的价值，包括推荐、反馈、宽容与帮助。

基于YI等[15]提出的量表，学术界开展了一系列与价值共创行为相关的实证研究。在影响价值共创行为的因素研究方面，DELPECHITRE等[16]基于社会交换理论，实证了“销售人员的情商和同理心”对“顾客价值共创行为”具有显著的正向影响；JUNG等[17]通过实证研究发现，正面情绪的顾客互动能够正向影响顾客价值共创公民行为。在价值共创行为对结果变量的影响研究方面，其中一个讨论较多的结果变量是顾客价值，如NAVARRO等[18]基于模糊集定性比较分析法(fsQCA)，研究了酒店水疗服务中不同价值共创行为与顾客满意度之间的关系。另一个讨论较多的结果变量是企业价值，如REVILLA-CAMACHO等[19]实证了顾客价值共创行为对顾客流失意向的负向影响，发现顾客价值共创行为能够巩固顾客与企业间的关系。

2.3 文献述评

分享经济下的价值共创是新的研究主题，相关文献较少，研究的广度及深度有待提升。已有研究实证了体验价值对顾客参与价值共创的正向影响，但未就体验价值的来源及对其不同类型价值共创行为的影响差异进行研究。服务需求的满足是体验价值的重要来源，共享住宿的兴起丰富了住宿需求的种类，需要结合共享住宿的特性更新传统住宿业的服务需求体系。从研究内容看，现有研究大都是基于对某一特定企业的案例研究剖析价值共创的过程与模式，或采用问卷方式获取数据，来实证某一因素与价值共创行为之间的关系，而基于文本评论数据的研究仍存在缺口，因此本研究创新地从共享住宿评论数据中识别价值共创行为并挖掘顾客需求。顾客价值共创公民行为包括推荐、反馈、宽容和帮助行为[15]，由于评论文本无法体现在线住宿顾客的帮助行为，本研究仅聚焦推荐、反馈和宽容行为，探究顾客形成不同价值共创公民行为的服务需求差异。

3 价值共创公民行为的识别

3.1 数据来源

Airbnb是具有代表性的共享住宿平台，致力于帮助具有闲置房源的房东与外宿人员实现供需匹配。本研究以Airbnb为实例，采用的评论文本数据源为InsideAirbnb.com上的公开数据。考虑到顾客评论时的关注点会受到地域和气候等差异的影响，因此本研究聚焦北京市，选取了发布时间范围在2020年2月至2021年1月的评论文本作为数据集，共包含38 196条数据。该数据集以中文评论为主，相关属性包括房源ID、评论者ID、评论文本和评论时间等。

3.2 数据预处理

在进行情感分析与文本分类前，首先对评论文本进行数据预处理。预处理步骤如下：①非中文字符替换与过滤。由于多语言不便于情感分析与主题提取，本研究过滤了数据集包含的少量非中文评论文本，并对中文文本中常见的外文词语进行替换，例如将“wifi”替换为“网络”；②针对评论文本中出现的少量繁体字，本研究使用Python中的langconv包完成文字的繁体转简体；③使用jieba对评论文本进行分词、去停用词和词性标注。在此过程中，本研究添加了自定义的词库，主要包括搜狗细胞词库以及近年网络热词，以获得更为准确的分词结果。

3.3 情感分析

本研究采用SnowNLP计算共享住宿评论文本的整体情感值与分句情感值。SnowNLP是基于Python的中文自然语言处理类库，是目前学术界进行情感倾向分析的主流技术，它通过计算文本为正向情感的概率，实现文本情感倾向的判定。若SnowNLP的输出值大于0.5，则该评论的情感倾向为正向；若输出值等于0.5，则该评论的情感倾向为中性；若输出值小于0.5，则该评论的情感倾向为负向。评论文本的分句情感分析则是首先对评论中的句子进行划分，然后通过SnowNLP计算各个分句的情感值，最后得到分句的情感倾向。

3.4 文本分类

本研究参考YI等[15]对于推荐、反馈和宽容行为的定义和量表，进行评论文本的价值共创公民行为分类，为后续服务需求网络的构建奠定基础。其中，推荐行为指顾客进行积极的口碑宣传，向其他人推荐企业或员工的业务[15]；反馈行为指顾客主动为员工提供要求与非要求信息，有助于企业同员工进行持久的服务改进[15]；宽容指顾客在企业或员工未满足其服务期望时仍选择宽容，例如顾客能够容忍企业的服务延误[15]。

从定义中可以看出，推荐行为是顾客进行积极的口碑宣传，当前多体现为顾客在网络平台上发布正向评论[20]；反馈行为虽然包括正向与负向的点评，但对比只涉及正向点评的推荐行为而言，其整体表达的是有待改进的服务板块，因此评论整体体现为负向情感；宽容行为是顾客的需求虽然未被满足，但仍能选择容忍，因此评论中虽然包括正向与负向的点评，但评论整体体现为正向情感。据此，本研究进行文本标记时，若评论文本的整体情感呈负向，则将其标记为“反馈型”；若评论文本的整体情感呈正向，则进一步按照文本中是否含有未被满足的需求进行分类，将含有未被满足需求的文本标记为“宽容型”，否则标记为“推荐型”。评论文本的价值共创公民行为分类示例见表1。

表1 评论文本分类示例

本研究从整体样本数据集中等距随机抽取500条评论，通过文本分类得到500条评论中推荐型、反馈型与宽容型文本的比例分别为83.6%、3.2%与13.2%。根据3种评论文本的占比可知，整体样本数据集中仅有约1 200条的反馈型文本。为了平衡不同类型评论文本的样本量并考虑工作量，本研究以样本量最小的反馈型评论文本为基准，取半数文本进行后续研究。因此，本研究最终筛选得到的样本总量为2 000，其中推荐型、反馈型和宽容型评论文本数量分别为670条、663条和667条，且筛选得到的评论样本月度分布与原始评论分布情况保持一致。

4 共享住宿评论文本的服务需求挖掘

4.1 评论文本的服务需求识别

顾客在发布评论时往往会同时描述多种服务需求主题，因此需要对评论文本中涉及到的多种服务需求进行识别。由于评论文本中的服务需求表现形式通常为名词、动词和形容词，本研究在识别服务需求时仅保留以上词性的词，并基于单个分句的情感计算结果，将评论文本中的服务需求分为正向与负向的服务需求。为确保服务需求识别的精准性，本研究采用人工方式对识别结果进行复核调整。服务需求识别的示例见表2。

表2 评论文本的服务需求识别示例

4.2 共享住宿服务需求体系构建

在服务需求识别的基础上，本研究对服务需求进行词频统计与归类，据此构建共享住宿服务需求体系。为充分掌握共享住宿范畴内的服务需求特征，首先，借鉴相关学者总结的传统酒店特征[21,22]，包括设施、位置和网络等；其次，归纳共享住宿的独有特征，包括与房主的主客互动[23,24]、顾客的审美愉悦体验[25]、顾客的现代功能体验[25]、顾客在家庭设施[23]/家的感觉[23]/地方生活[25]等方面的日常生活体验等；最后，构建得到共享住宿服务需求体系(见表3)，包括12个一级属性与35个二级属性。同时，基于评论文本的分词与词频统计结果，进一步将词语标准化，得到相应的特征词并进行归类。

表3 共享住宿服务需求体系

4.3 服务需求主题提取

基于所构建的共享住宿服务需求体系，先将服务需求识别的结果标准化为对应的特征词，再进一步归纳为二级属性和一级属性，以实现顾客评论的服务需求主题提取。例如，先将服务需求识别得到的初始表述“随和”标准化为特征词“性格”，再进一步归纳为二级属性“人际互动”，最后归纳为一级属性“互动”。主题提取过程及部分结果见表4。同时，采用“$”符号对服务需求的情感倾向加以区分，在负向需求前添加“$”进行标识。本研究将通过所示例的主题提取过程总结服务需求主题，以实现不同价值共创公民行为下服务需求差异的主题归纳。

表4 服务需求主题提取示例

5 价值共创公民行为的服务需求网络研究

5.1 服务需求网络构建

考虑文本中需求特征词的情感倾向，本研究基于Python编程构建3种类型文本的服务需求共现矩阵，其反映的是服务需求特征词之间的共现。基于构建得到的服务需求共现矩阵，将其输入Gephi软件，以实现推荐行为、反馈行为和宽容行为的服务需求网络可视化(分别见图1～图3)。由于服务需求网络过大时难以清楚识别网络中的节点及节点间关系，限于篇幅，本研究所展示的反馈行为和宽容行为的服务需求网络是未区分特征词情感倾向的网络。其中，服务需求网络节点的颜色越深、面积越大，表示节点的加权度越大；服务需求网络节点间的连线颜色越深，表示其共现次数越多。

图1 推荐行为的服务需求网络

图2 反馈行为的服务需求网络

图3 宽容行为的服务需求网络

5.2 服务需求网络特征

为探索共享住宿领域价值共创公民行为的服务需求网络特征，本研究采用复杂网络分析方法，对所构建的3种服务需求网络分别进行小世界效应和无标度特性检验，以从整体的视角理解服务需求。

(1)小世界效应小世界网络模型(WS模型)最初由WATTS等[26]提出。小世界效应是指尽管复杂网络中存在较多数量的节点，但节点间最短距离较小的现象。小世界效应的判定方法是，检验网络是否满足聚类系数大于0.1且平均路径长度小于10[27]。本研究通过Gephi软件，对考虑情感倾向的3种服务需求网络进行小世界效应检验，得到的聚类系数和平均路径长度见表5。由表5可知，推荐行为、反馈行为与宽容行为的服务需求网络均表现出小世界效应，网络中的需求特征词之间具有较高的关联度。

表5 小世界效应检验结果

(2)无标度特性无标度网络模型(BA模型)最初由BARABSI等[28]提出。无标度特性描述了复杂网络中少部分关键节点的连接数极多，而大多数节点具有很少连接数的现象。一般认为，满足节点的度分布符合幂律分布的复杂网络为无标度网络。本研究使用Gephi软件计算节点加权度，并通过Excel统计节点的度分布情况。通过对计算得到的度值和分布概率取自然对数，将幂律关系的检验转化为直线关系的检验。考虑服务需求特征词的情感倾向，3种服务需求网络的检验结果见表6，其中x为lg(度值)，y为lg(度值概率)。由表6可知，3种服务需求网络均具有无标度特性，网络中存在少量连接数极多的需求特征词，它们是服务需求网络的核心节点。

表6 无标度特性检验结果

5.3 服务需求关联分析

根据以上检验结果可知，服务需求网络具有小世界效应，网络中的需求特征词之间具有较高的关联度。由于需求特征词的共现次数能够反映服务需求间的关联程度，本研究进一步对推荐、反馈和宽容行为服务需求网络中的需求共现情况进行分析。顾客对服务需求的不同情感倾向均能有效体现顾客对该需求的关注，因此服务需求关联分析无需考虑需求的情感倾向。3种价值共创公民行为服务需求网络的需求特征词对共现次数的前6名见表7。由表7可知，在推荐行为服务需求网络中，“干净-性格”“干净-整洁”最常被顾客共同提及，因此该类顾客在关注“干净”需求时，共同关注“性格”和“整洁”需求的可能性最大；在反馈行为服务需求网络中，“干净-联系沟通”最常被顾客共同提及，因此该类顾客在关注“干净”需求时，共同关注“联系沟通”需求的可能性最大；在宽容行为服务需求网络中，“位置-地铁”最常被顾客共同提及，因此该类顾客在关注“位置”需求时，共同关注“地铁”需求的可能性最大。

表7 服务需求特征词对共现次数前6名

5.4 服务需求差异分析

为挖掘影响推荐、反馈、宽容3种价值共创公民行为的服务需求差异，本研究采用频次、度中心性和介数中心性指标分析，对3种服务需求网络进行对比研究，据此发现满足顾客的哪些需求更能促使其形成对应的价值共创公民行为。度指的是与节点相连的其他节点数量，度值的大小直接反映了其度中心性与地位的高低。本研究以服务需求特征词节点的共现次数为权重计算节点的加权度，由此反映该节点的度中心性。然而在复杂网络分析中，度中心性只能体现该节点独自的价值，无法反映对其他节点的控制能力。因此，本研究同时考虑能够反映节点控制能力的介数中心性指标，该指标计算的是网络中经过某一节点的最短路径数量与网络中全部最短路径数量之间的比值，即一个节点充当其他两个节点之间最短路径的“桥梁”的次数。针对推荐、反馈、宽容行为的服务需求网络，本研究选取频次、度中心性与介数中心性指标排在前20位的需求特征词，即关键服务需求(分别见表8～表10)。

表8 推荐行为服务需求网络的关键服务需求特征词

表9 反馈行为服务需求网络的关键服务需求特征词

表10 宽容行为服务需求网络的关键服务需求特征词

由表8可知，在推荐行为的服务需求网络中，虽然关键服务需求特征词的频次、度中心性与介数中心性指标彼此排名不同，但整体的特征词集合基本相同。综合关键服务特征词的排名情况，对应本研究所构建的共享住宿服务需求体系进行主题提取，可知顾客形成推荐行为时更加关注干净情况、人际互动、地理位置、信息互动、其他基础设施、环境情况、家的感知、艺术文化、服务互动、面积、床品舒适、性价比、图片描述、安静等服务需求。

由表9可知，在反馈行为的服务需求网络中，虽然前9名关键服务需求特征词的频次、度中心性与介数中心性指标彼此排序不同，但整体的特征词集合基本相同。第10～20名的关键服务需求特征词彼此区别较大，基于介数中心性的排序结果包含较多词频排序较后的服务需求特征词。由此可见，本研究对于介数中心性指标的选用能够更加全面地反映关键服务需求。综合关键服务特征词的排序结果，对应所构建的共享住宿服务需求体系进行主题提取，可知顾客形成反馈行为时更加关注干净情况、性价比、隔音情况、地理位置、描述、信息互动、房型情况、洗浴情况、床、卫生间、温湿度、人际互动、水电、门窗、生活用品、服务互动等服务需求。

由表10可知，在宽容行为的服务需求网络中，虽然关键服务需求特征词的频次、度中心性与介数中心性指标彼此排名不同，但整体的特征词集合基本相同。综合关键服务特征词的排序结果，对应本研究所构建的共享住宿服务需求体系进行主题提取，可知顾客形成宽容行为时更加关注干净情况、地理位置、性价比、信息互动、人际互动、艺术文化、其他基础设施、房型情况、描述、环境、隔音情况、家的感知等服务需求。

6 结语

本研究从服务需求满足的视角研究共享住宿价值共创公民行为，探讨了顾客形成推荐、反馈、宽容3种价值共创公民行为的服务需求差异，主要得到以下结论：①在共享住宿领域中，3种价值共创公民行为的服务需求网络均表现出小世界效应与无标度特性，在共同关注少量核心服务需求的基础上，不同顾客对服务需求的关注互异，服务需求组合较为多元；②基于复杂网络分析，发现3种价值共创公民行为均最关注“干净情况”，其中推荐行为更关注“人际互动”和“地理位置”，反馈行为更关注“性价比”和“隔音”，宽容行为更关注“地理位置”和“性价比”。

本研究的理论贡献在于：①对服务需求和价值共创公民行为进行细分，提出基于情感分析与复杂网络分析的方法，为揭示不同价值共创公民行为下的关键服务需求提供了一种崭新的视角，拓展了价值共创行为的相关研究；②基于传统酒店特征以及共享住宿的独有特征，通过词频统计方法，构建了包含12个维度的共享住宿服务需求体系，为共享住宿范围内的后续研究奠定了理论基础；③通过评论文本中需求的共现情况构建服务需求网络，探讨服务需求网络的属性，拓展了网络分析在提升用户满意度方面的研究。主要的管理启示包括：①基于服务需求网络的小世界效应和无标度特性，企业应当从服务需求网络中的少量核心需求入手，充分重视和满足加权度高的节点反映的服务需求，以推动顾客形成相应的价值共创公民行为。②3种价值共创公民行为下的顾客服务需求具有差异性，应针对性地满足用户需求，为推动顾客形成推荐行为，应当予以重视的服务需求是干净情况、人际互动和地理位置；为防止顾客形成负面反馈行为，应当予以重视的服务需求是干净情况、性价比和隔音情况；为推动顾客形成宽容行为，应当予以重视的服务需求是干净情况、地理位置和性价比。

本研究还存在以下局限：①采用的数据为互联网评论文本，由于评论文本无法充分体现顾客的帮助行为，因此选取了价值共创公民行为中的推荐、反馈和宽容行为进行服务需求研究，未来研究可考虑通过其他数据类型以反映顾客的帮助行为；②仅选用了北京市的评论数据集，考虑到不同城市存在差异，顾客在共享住宿时的关注点也有所不同，未来可考虑对比不同城市共享住宿的顾客需求差异。