在線信息對酒店網上預訂的影響研究

[摘要]在線信息如何影響消費者購買決策是酒店在線服務的一個關鍵問題。文章基于攜程網1092家酒店網上預訂數據.通過對數線性回歸模型，分析了酒店特征信息、顧客評論信息和預訂平臺推薦信息對4類不同等級酒店在線預訂的影響。研究表明：顧客評論信息對各類酒店網上預訂影響最顯著，但對五星級酒店的影響最小；酒店特征信息對五星級酒店網上預訂影響最大，其中客房價格信息對四星級、三星級和經濟型酒店的影響不顯著；推薦信息對四星級酒店影響很顯著。但其中的用戶評級對四星級以外的酒店無顯著影響。文章通過對顧客評論信息中的5方面內容分析發現：顧客對酒店設施、服務水平、周邊環境的評價均顯署影響酒店網上預訂，而客房衛生評價對酒店預訂的影響不顯著。該研究可為酒店在線分類管理與客戶信息服務提供指導。

[關鍵詞]特征信息；評論信息；推薦信息；在線預訂；酒店

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002—5006(2011)07—0079—06

1 引言

信息在消費者購買決策過程中起著重要作用，尤其在網絡環境中，消費者不僅搜索價格、類型、品牌等產品特征信息，還十分關注其他消費者的購后評論信息。酒店提供的是一種典型的體驗式服務，由于消費者預訂前無法對其服務的內容和質量做出準確評估，因此在決策過程中需要參考大量信息以降低感知風險。所以，酒店在線預訂平臺對酒店信息的合理呈現極其重視。通過對酒店在線預訂平臺(Expedia、Trip advisor、攜程網、藝龍網、同程網等)的分析發現，在線信息通常包括三類：預訂平臺的推薦信息、酒店自身的特征信息和顧客的評論信息。本文在對相關文獻梳理的基礎上，以攜程網的酒店在線預訂數據為例，研究上述三類信息對不同等級酒店網上訂購量的影響，提出在線旅行服務商酒店在線信息設計和服務管理的新思路。

2 文獻綜述

在線信息對產品銷售影響顯著，彼德森和莫里諾(Peterson＆Merino)2003年研究消費者在互聯網上的信息搜尋行為時，發現在線信息可以影響消費者的購買行為，進而對產品的銷量產生影響。陳等(Chen，et al.)研究在線圖書銷售時，指出在線推薦信息可以顯著影響圖書的網絡銷量；錢瓦里和梅茲林(Chevalier＆Mayzlin)在分析圖書特征和在線評論的基礎上，認為在線評論對圖書銷售影響顯著，但負向評論對銷量的影響大于正向評論。隨后，一些學者研究了在線信息對消費者的作用機制，劉(Liu)指出在線評論的數量能影響消費者的認知，因為評論數量越多，消費者就越容易接觸到這些信息。德拉盧卡斯等(DeIlarocas，et al.)也發現隨著關于某產品或服務的在線評論信息數量的增加，消費者購買該產品或服務的概率將有所提高。可見，在線信息影響著消費者的購買行為進而影響產品的在線銷售。

酒店作為典型的體驗式服務產品尤其適合網上銷售，而且專業的酒店在線預訂平臺已經成為客房銷售的重要渠道。酒店產品具有無形性的特征，消費者在購買時面臨較高的感知風險，尤其需要較多信息來輔助決策。因此，消費者在網絡環境下購買這類體驗型服務產品時，信息對決策影響將更加顯著。格瑞茨和劉(Gretzel＆Yoo)通過對1480個旅游者的調查發現來自其他旅游者的在線評論對其決策的影響最大；迪克金戈和瑪扎奈克(Diekinger＆Mazanec)在研究在線預訂酒店的影響因素時也發現在線評論能顯著影響消費者的購買決策；葉等(Ye，et al.)研究在線評論對酒店客房銷售的影響時，指出在線評論得分的均值顯著正向影響客房的銷量，而方差則對客房銷量呈負向影響；維曼倫和希格斯(Vermeulen＆Seegers)發現在線評論有助于提高消費者對酒店的知覺，而正向的評論信息則能顯著提高消費者的購買意愿。

綜上所述，目前對酒店在線預訂的研究主要從在線評論數量、情感傾向(正向和負向)的角度分析在線信息對消費者購買決策或酒店網上銷售的影響。而在專業的酒店在線預訂平臺上，在線信息呈現的內容各不相同，它們對消費者購買意愿的影響存在差異。本文試圖研究不同內容的在線信息對酒店網上預訂的影響，并針對不同等級的酒店比較分析這些信息內容對酒店網上預訂影響的差異。

3 實證分析

3.1模型構建

通過廣泛調查發現，攜程網是國內第一大酒店在線預訂平臺，其在線信息的組織與呈現方式也具代表性，成為國內外研究者首選研究對象。因此，本文選用攜程網的實際數據進行研究，采用對數線性回歸模型分析在線信息對酒店網上預訂的影響。模型的一般表達為：

ιn(Num_Reviews )=β₀+β₁Travelers' Rating+β₂ Browsing Index+β₃ιn(Room Types)+β₄ιn(Price)+β₅City Rank+β₆Average Rating+β₇Facilities Rating+β₇Serviee Rating+βCleanlinessRating+β₁₀Environment Rating+ε₁ ( 1 )

葉等(Ye，et al.)在研究在線評論與酒店客房銷量時，采用了在線評論數量代替酒店網上預訂量的做法，并證明了二者之間存在一定的線性關系。此外，根據攜程網的點評規則，只有在網上進行交易并入住后的消費者才可以參與點評，這保證了評論數量的真實性。因此，本模型也采用在線評論數量近似替代同期的酒店網上預訂量。

模型中，變量的選擇以攜程網呈現的在線信息為基礎，其中，用戶評級和評論瀏覽指數表示平臺推薦信息，酒店的房型種類、客房價格和所在城市等級表示酒店特征信息，顧客對酒店的設施、服務、衛生、環境等的評價表示評論信息。酒店所在地理位置能影響其客房銷售，但在研究中量化這種影響存在難度，因此采用酒店所在城市等級反映酒店所在位置，這種方法在文獻中得到應用。此外，模型中變量的納入順序與消費者在酒店預訂過程中所接觸信息的先后順序一致，這便于分析不同信息對消費者預訂決策的影響程度。為了凸顯在線信息對不同等級酒店網上預訂的影響，本文在分析中采用了4個模型分別考察在線信息對五星級、四星級、三星級和經濟型酒店網上預訂的影響。

3.2 數據收集

研究中的原始數據均來自攜程網(WWW.etrip.corn)，該網站是目前中國最大的在線旅行服務提供商(2010年的市場份額為51.6％)，擁有最大的訪問客戶群，在線呈現的信息具有代表性，歷史數據保存相對完整，方便查閱與收集。根據史密斯旅行機構(sTR Globe)提供的2010年中國大陸酒店業經營業績數據，本文選擇攜程網上北京、上海、廣州、深圳、蘇州、杭州、無錫、青島、大連、寧波、南京、西安、廈門和三亞15個城市的酒店作為實證研究的樣本。考慮到不同規模的酒店可提供的客房數量會對其顧客評論數量產生影響，進而影響同類型酒店之間的可比性，本文在選擇樣本酒店時按照其在線評論數量大于其客房總數60％的原則進行篩選(根據STR Globe提供的數據，2010年中國大陸酒店業的平均客房出租率為60％)。

經過數據收集與整理，最終選擇了1092家酒店作為研究樣本，其中五星級酒店128家、四星級酒店313家、三星級酒店200家、經濟型酒店451家。在此，酒店預訂平臺的推薦信息(2個)和酒店特征信息(3個)所包含的變量的數據可以直接在網站上獲得，而反映在線評論信息(5個)的變量數據要經過處理才能使用。攜程網提供的顧客點評系統中的評分與5點李克特量表相似，顧客評論信息中每一個變量的評分級別從“很好”到“很差”共5級，本文在研究中對其進行從“5”到“1”相應的賦值，這樣每一項評論信息都可以用相應的加權平均分來表示。

3.3 結果分析

鑒于模型中可能存在異方差、自相關等問題，本文在回歸分析中選擇了White檢驗、DW檢驗方法對模型進行檢驗。以此來消除其部分影響。同時，還采用了逐步回歸的方法來檢查模型中的多重共線性問題，以確定最終模型。在上述問題都通過檢驗后，模型的最終估計結果見表2。

從模型1中可以看出，酒店特征信息中房型種類(β₃：0.302，t=3.602)、客房價格(β₄=-0.396，t=-2.98)和所在位置(β₅=-0.023，t=-2.341)顯著影響酒店的網上預訂，而其他變量的參數均未通過檢驗。這說明在五星級酒店的網上預訂中，酒店自身特征信息的影響遠遠超過了推薦信息和在線評論的影響。其原因可能是由于五星級酒店消費群體主要為公務或商務旅行消費者，其旅行費用多數由行政單位或公司負擔，他們選擇酒店時比較重視酒店的檔次與自身社會地位的匹配，對酒店硬件設施要求較高，看重品質和品牌，較少受其他評論者的影響。

在模型2中，表示酒店特征信息的房型種類(β₃=0.3，t=4.85)和所在位置(β₅=-0.021，t=-2.789)兩個變量對酒店網上預訂的影響十分顯著。在線評論信息中除衛生評價以外，其他各變量均顯著影響酒店的網上預訂。從影響程度上看，評論信息總體上大于特征信息。這表明在四星級酒店的網上預訂中，消費者既關注酒店的特征信息，又重視在線評論。此外，用戶評級(β₁，=0.204，t=2.087)和評論瀏覽指數(β₂=0.313，t=1.723)兩個變量的參數也通過了檢驗，這表明預訂平臺的推薦信息顯著正向影響四星級酒店的網上預訂。

從模型3的參數估計結果可以看出，酒店特征信息(β₃=O.349，t=3.868；β₅=-0.033，t=-3.168)和在線評論信息(β=0.694，t=1.782；β₈=0.75，t=2.053)顯著影響酒店的網上預訂，其中在線評論信息的影響大于酒店自身的特征信息的影響。這說明在三星級酒店中，消費者除了考慮酒店所在的位置、房間類型外，還重視其他消費者對酒店設施及配套設備和服務水平的評價。一般而言，三星級酒店的消費者大多追求舒適的體驗，而酒店的設施設備(如寢具、浴室設備等)與服務水平正是影響顧客這種感知體驗的重要因素。此外，在酒店特征信息中，價格對預訂量影響不顯著。

在模型4中，房型種類(β₃=0.072，t=4.34)與所在位置(β₅=－0.03，t=-4.662)兩個變量對酒店網上預訂的影響仍然很顯著，但影響程度總體上低于在線評論。在線評論中消費者對酒店設施(β₇=0.885，t=3.315)、服務(β₈=0.809，t=3.127)、環境(β₁₀=0.48，t=2.535)的評價(β₆=1.655，t=2.418)對酒店網上預訂均有顯著的正向影響，同時評論瀏覽指數(β₂=0.023，t：1.919)也顯著影響酒店的網上預訂。這表明經濟型酒店中消費者既重視酒店自身的特征信息，也看重其他消費者的在線評論信息。這一結果與經濟性酒店的硬件設施條件與消費者群體特征較為吻合。經濟型酒店的顧客以大眾消費為主，其旅行費用通常由自己負擔，他們既關心酒店基本設施條件，又關注服務、安全等影響基本睡眠與休息的因素。所以，這些消費者對在線評論信息十分重視。價格依然對酒店網上預訂影響不顯著。

綜合比較4個模型的參數估計結果發現，在線評論對四星級、三星級和經濟型酒店的網上預訂影響顯著；酒店特征信息對五星級酒店網上預訂的影響最顯著；推薦信息對四星級酒店的網上預訂最顯著。在酒店特征信息中，價格對五星級以外的酒店網上預訂影響不顯著，這可能由于五星級酒店網上預訂的價格離差①最大，而等級越低的酒店競爭越激烈，價格離差也越小，從而使價格對低星級酒店網上預訂影響不顯著。在評論信息中，消費者對客房衛生的評價對酒店網上預訂無顯著影響，這說明客房衛生已經不是影響酒店網上預訂的重要因素，其影響程度顯著低于消費者對酒店設施、服務水平、周邊環境的評價。推薦信息對四星級酒店網上預訂的影響最顯著，其中用戶評級對四星級以外酒店的網上預訂影響不顯著。這可能是因為消費者對四星級酒店的滿意度顯著低于高星級酒店的平均水平，所以消費者為降低網上預訂的感知風險而對信息的搜尋更加全面。

4 結論與討論

本文在現有研究的基礎上，進一步拓展了在線信息對酒店網上預訂影響的研究內容。論文以攜程網為主要數據來源，采用對數線性模型分析了預訂平臺推薦信息、酒店特征信息和消費者在線評論對4類酒店網上預訂的影響。結果表明：(1)在線評論對四星級、三星級和經濟型酒店的網上預訂影響顯著，其中消費者對酒店設施、服務及周邊環境的評價能顯著影響酒店的網上預訂，而對酒店客房衛生的評價對酒店網上預訂影響不顯著。(2)特征信息對五星級酒店網上預訂的影響最顯著，其中客房價格對四星級、三星級和經濟型酒店的網上預訂無顯著影響。(3)推薦信息對四星級酒店網上預訂的影響最顯著，其中用戶評級對四星級以外酒店的網上預訂影響不顯著。

本研究結論對在線旅游服務商進行酒店在線管理有以下啟示：

首先，酒店在線信息應該進行分類管理。因為不同等級的酒店，消費者關注的信息重點不一樣，而頁面信息呈現順序、位置與方式都會顯著影響消費者對信息的關注與接受，如對于五星級酒店，其酒店地理位置、酒店價格及房型等信息應該在重點區域，而對經濟型酒店，消費者的評論信息應方便、快捷、全面地呈現給消費者，以便于他們進行全面評估。

其次，本研究有助于實現對不同顧客群體進行個性化管理，無論是顧客在預訂平臺進行酒店檢索還是預訂平臺對酒店進行的推薦，均應該關注不同顧客群體的需求特征，從而增加顧客對酒店產品的認同。

最后，三星級和經濟型酒店作為重要的網上預訂酒店類型，其在線服務平臺發布的三類信息雖然影響著消費者的購買決策，但對消費者而言，酒店的設施、服務水平、周邊環境信息才是他們關注的重心。但目前這類酒店在線服務平臺提供的多系統評級與推薦信息占據頁面中心位置的做法，并不符合消費者的真實需求。此外，對于三星級和經濟型酒店的經營者來說，衛生與價格不再顯著影響消費者對酒店的在線預訂，這表明隨著競爭的加劇，經濟型酒店的衛生服務水平已基本達到了消費者認同的要求；而低等級酒店價格離差的縮小在很大程度上反映了在線交易已基本實現了市場信息的充分性和有效性，也就是說，低星級酒店經營者的價格策略能力影響有限，而周邊環境、服務和設施設備才是目前消費者所看重的，這是低等級酒店經營者需要重點關注的核心。

由于實證數據的限制，本研究存在以下局限。其一，由于樣本選擇要求保有一定量的評論數據，因此得到的研究結論不一定適用于那些在網上極少被訂購并評論的酒店；其二，評論信息具有時效性，因此，評論內容還可以進一步采用面板數據與文本挖掘等方法進行深入研究。