旅游者異質性對目的地績效的影響研究

呂興洋　邱瑋　劉祥艷

[摘要]對于同一目的地，不同旅游者的旅游體瞼往往存在差異，因此，滿意一績效研究中應充分考慮旅游者異質性特征的影響。文章突破了傳統的滿意度均值和方差指標的局限，借助對網絡游記的分析，創造性地構建了同質化滿意與異質化滿意兩個新變量，更加有效地衡量了旅游者的同質性與異質性特征，并在此基礎之上驗證了兩者與目的地績效間的關系。文章通過對中國60個旅游城市數據的分析發現：以滿意度均值衡量的滿意同質性對績效的影響顯著（H1），但解釋力有限；以往利用滿意度方差來衡量旅游者滿意異質性，進而提升對目的地績效解釋力的思路（H2），由于多重共線性問題難以真正實現；構建的同質化滿意與異質化滿意兩個新變量，不僅對目的地績效有顯著的正向影響，而且在傳統的滿意度均值一績效模型的基礎之上具有較好的增益效度（H3.H4），這為旅游者群體特征及目的地績效等領域的研究提供了有價值的啟發。

[關鍵詞]旅游者滿意；目的地績效；滿意異質性；同質化滿意；異質化滿意

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2016）09-0072-08

Doi：10.3969/i.issn.1002-5006.2016.09.018

引言

顧客是同質化的，還是異質化的？盡管營銷領域中顧客的異質性早已成為共識，可是長久以來，由于工業大規模生產的需要，企業只以種類有限的標準化產品去滿足盡可能多的顧客的需求——顧客在某種程度上一直被視為是同質化的群體。對于旅游目的地來說也曾存在著類似的問題：在獨特賣點理論（unique selling proposition，USP）的指導之下，目的地總是試圖以最著名、最有吸引力的幾個景點去滿足所有旅游者的需求。突出的表現為：在團隊旅游占據主導的時代，以少數熱門景點為核心的旅行社標準化、同質化的旅游產品被大量消費。然而，旅游的本質是旅游者的個體體驗，旅游者個體需求的多樣性與旅行社所提供的相對標準化的產品和服務之間有著天然的矛盾。于是，當個人出游變得越來越便利時，就有越來越多的旅游者開始放棄旅行團轉而選擇更為靈活的自助游，以自己獨特的方式完成在目的地的旅游活動，原本被束縛的旅游者個性化需求隨即得以釋放。現今，目的地所接待的散客旅游者比例不斷攀升，因而必須要考慮旅游者的異質性特征對于績效的影響。但當前目的地績效研究中最常使用的各類游客滿意度都屬于均值指標，暗含有同質性假設。當旅游者的體驗趨于異質時，顯然不能再單一地依賴滿意度均值指標，而是需要設法將旅游者的異質性納入考慮。正因如此，本文意欲探索旅游者異質性的衡量方法，改進現有的“滿意一績效”模型，并通過對我國60個優秀旅游城市數據的實證研究，檢驗旅游者在追求異質化旅游體驗的同時帶給目的地的影響。

1.相關研究回顧

1.1滿意一績效關系與滿意度的測量

顧客滿意與企業績效間的關系已被多國多行業的數據證實，大量的已有研究表明滿意度正向影響企業市場占有率、利潤率、盈利能力（profitability）、股東價值（shareholder value），甚至包括現金流等績效指標。不僅如此，顧客滿意往往能夠使企業獲得產品市場與資本市場的雙重回報，顧客滿意度高的企業同時在資本市場上會有更佳的表現。同樣，滿意度對旅游目的地績效的影響也被許多研究者所證實。

滿意度對績效有著如此重要的影響作用，不止企業非常看重，市場管理者也對其十分重視。譬如，瑞典早在1989年就率先建立全國范圍內的顧客滿意度晴雨表（customer satisfaction barometer），囊括30多個行業100多家企業的年度數據。此后，德國、美國等歐美國家和地區相繼建立了從國家到行業的多層次滿意度指數體系（customersatisfaction index）。我國自1997年籌備建立中國顧客滿意度指數，截止目前已經涵蓋了房產、汽車、IT、旅游等眾多行業。如今，中國旅游研究院每季度會發布《國內游客滿意度調查報告》，對全國60個樣本城市游客滿意度進行持續監測。

除此之外，近年來網絡點評平臺不斷增多，提供了細化到每一家企業的滿意度數據，使數據范圍得到了進一步擴展。相比于傳統問卷調研獲取的滿意度數據，這種網絡口碑形式的滿意度數據更具有可信性。基于此類數據的一系列研究同樣證實了滿意度評分與績效間的聯系。需要注意的是，無論基于何種方式、何種指標體系獲得的滿意度，最終都是以均值形式予以呈現，在相關研究中也都是以滿意度均值作為績效的解釋變量。

均值指標是以nx替代X₁，X₂......，X_n眾多差異化的樣本被視作同質化的均值，雖然這有利于簡便直觀地描繪出樣本的總體趨勢，但是樣本之間的大量差別信息被舍棄掉了。均值指標的這種同質性假設導致基于滿意度均值的研究存在著先天缺陷：顧客的異質性特征被忽視。在顧客愈來愈追求個性化消費的今天，顧客異質性正不斷凸顯，舊有的滿意一績效研究亟須做出針對性的改進，以適應這種新趨勢。

1.2滿意異質性的提出與滿意度研究的桎梏

顧客異質性是指顧客彼此間的差異性。要研究顧客異質性對績效的影響，首要工作就是找到合適的變量對顧客的異質性進行衡量。顧客異質性本身難以直接測得，只能尋找觀察變量來對其進行測評。在顧客滿意研究中，顧客異質性表現為不同顧客對同一個產品或服務滿意度的差異，研究者最先聯想到的觀測變量自然就是與均值共同描繪樣本特征的方差。均值體現出樣本的集中趨勢，而方差表示樣本與均值間的偏離程度，偏離程度越大表明樣本間的差異越大，即樣本越趨于異質。故滿意度均值x就被稱為滿意同質性（satisfactionhomogeneity），相應的滿意度方差S²。被稱為滿意異質性（satisfaction heterogeneity）。在隨后的研究中發現，顧客的滿意異質性會給績效帶來強烈的負面影響。Grewal等嘲對航空業連續9年的數據分析結果顯示，在滿意度均值相同的情況下，滿意度方差的差異會導致股東價值相差70%。對酒店業數據的研究也有相似的結果，酒店的網絡點評評分均值正向影響其銷量、方差則顯現出負向影響。

同樣地，對于旅游目的地來說，滿意度均值越高表示旅游者對目的地的總體評價越好，滿意度評分越離散表示旅游者對目的地的評價分歧越大，故比照之前的同類研究，可以提出兩個滿意一績效的基礎研究假設：

H1：旅游者滿意同質性正向影響目的地績效

H2：旅游者滿意異質性負向影響目的地績效

滿意異質性的提出有效地改進了原有模型，滿意一績效的研究卻沒有到此結束，顧客異質性的影響遠非Grewal等所想的這么簡單。滿意度是顧客對消費全過程總體性的評價，滿意度等級評分是對這一評價極端抽象的數字化概括。即使滿意度評分相同的兩個消費者，也可能有著差異化的消費體驗和不同的滿意原因。以往研究的對象多是相對標準化、同質化的產品，所以這一問題還并不十分突出。但在研究旅游目的地績效問題時，目的地接待的旅游者，尤其是自助游旅游者，不僅每個人在目的地的行程和體驗都不盡相同，而且受個人偏好影響對目的地同一事物的評價也會有所不同。滿意度評分只反映了最終滿意與否的結果，而對于旅游者因何感覺到滿意卻不得而知。也就是說，滿意度方差對于旅游者異質性的考慮其實非常有限。

更嚴重的問題是滿意度數據本身也可能存在問題。大多數顧客在滿意度評價時傾向于給出一個正面的評價，其評價為“非常滿意”并不一定真的是非常滿意，只是“沒有什么不滿意”。這致使無論是問卷數據亦或是網絡點評數據，滿意度評分分布都沒有服從標準正態分布，而是普遍呈現出明顯的正態負偏，大量的評分聚集在高分區域，真正滿意的顧客與沒有不滿意的顧客被混淆，這將會使測量效度受到影響。

受現有滿意度數據自身形式和特點的限制，從簡單的評分中發掘或構建新的變量來解決這一問題已變得非常困難，樣本之間的區別僅僅依靠滿意度評分已無法得到有效的反映。既然對于評分數據的挖掘已經走到了盡頭，若要衡量旅游者異質性，就需打破滿意度研究的桎梏，跳出傳統滿意度量表的窠臼，尋找滿意度評分以外的新途徑來更詳細深入地了解旅游者的旅游感受，進而從中發掘新的觀測變量。如前所述，網絡點評平臺不只提供評分，還有點評和游記等內容，其中蘊含了非常豐富的信息，這為打開旅游者滿意黑箱，解開滿意度評分高分區域的謎團，解決旅游者異質性的測量問題帶來了一線曙光。

2.旅游者同質性與異質性的衡量

2.1游記信息的優勢

游記是旅游者在完成目的地旅游活動后所記錄下的旅游體驗。游記的撰寫具有開放性、自主性的特點，旅游者不必拘泥于固定的格式，可以自由表達自己的旅游感受。這一特性確保游記內容能夠充分展現旅游者的個性化特征。以游記詳實的文字描述取代簡單的評分，既解決了滿意度調查表題項數量固定，只能在規定的框架內作答，難以拓展的問題，又解決了滿意度等級評分過于抽象概括，難以有效反映旅游者個體間差異的問題。此外，游記的撰寫過程是非干預情況下進行的，未受到研究人員的影響，這使得游記信息更為可信，更能夠體現旅游者內心的真實感受。因此，每一篇游記均真實有效地記錄下旅游者個性化的旅游體驗，理論上從游記中可以分析得出旅游者對目的地的態度，獲知每一位旅游者感到滿意的差異化原因。那么如何對游記進行系統分析，從中提煉出相關數據就成為研究的關鍵。本文基于目的地形象理論，借助詞頻分析工具對其進行解析，并嘗試構建新的研究變量。

2.2旅游者同質化滿意與異質化滿意

目的地形象是旅游者對旅游目的地的認知、情感和印象，反映出旅游者對目的地的總體評價。旅游者游后撰寫的游記中即包含有旅游者對目的地形象的感知，其中，提及頻次越多的詞語表明旅游者對目的地的此種印象就越為深刻。通過對足夠大量游記的詞頻分析，便可獲取旅游者對某一目的地的感知形象，得知旅游者在目的地旅游體驗的統計分布情況。以往研究發現，游記詞頻統計分析結果顯示目的地形象詞頻具備長尾分布特征，這意味著旅游者游后對目的地形象的感知既有彼此相似的部分，又有各自獨特之處——將旅游者的共性感受視為滿意的共性原因，稱為“同質化滿意”（homogeneity satisfaction），其體現出旅游者群體的同質性特征；旅游者的個性化感受則視作滿意的個性化原因，稱為“異質化滿意”（heterogeneoussatisfaction），其體現了旅游者群體的異質性特征。

在目的地形象詞頻長尾分布曲線中，熱門詞是到訪旅游者對目的地的普遍認識，熱門詞的總詞頻（total frequencies ofhead image words，TF）則表示了旅游者對于目的地的共性認識的強度，TF值越高代表目的地熱門吸引物獲得了到訪旅游者越為一致和強烈的認可，故可以以之作為同質化滿意的觀測變量。類似地，長尾詞是到訪旅游者對目的地的個性化認識，長尾詞的總數量（total number of tailimage words，TN）顯現出旅游者個性化體驗的豐富程度，TN值越高代表目的地具備了更為多樣化、個性化的吸引物，不同需求的旅游者都能在目的地找到自己喜好之物，因而可以將之作為異質化滿意的觀測變量。至此，本文構建出衡量旅游者同質性與異質性特征的兩個新觀察變量。

2.3同質化滿意與異質化滿意對績效的影響

通常目的地形象熱門詞（head）包含了目的地最熱門的景點和最突出的特征，是目的地所能提供的最核心的旅游體驗，一般旅游者都會實地游覽和體驗，甚至很多旅游者就是慕名而來。因此，對其認可與否將直接影響旅游者來訪意愿和到訪數量。反映在游記中，旅游者對于熱門詞的重復頻率越高，表示目的地提供的價值核心獲得越廣泛的認可和越強烈的認同，也就能夠吸引越多的旅游者。同理，長尾詞（tail）表現出目的地旅游資源的多樣性，游記中形象長尾詞數量越為豐富，表示目的地能夠滿足越多類型的旅游者差異化的需求，目的地績效就會有更佳的表現。由此可以提出目的地形象熱門詞總詞頻（TF）和形象長尾詞總數量（TN）與目的地績效關系假設，但由于目的地形象熱門詞總詞頻和形象長尾詞總數量分別是旅游者同質性和異質性的觀測變量，故而本文直接提出等價的旅游者同質性和異質性與目的地績效關系假設：

H3：旅游者同質化滿意正向影響目的地績效

H4：旅游者異質化滿意正向影響目的地績效

3.研究設計

本文進一步對研究假設進行實證檢驗，重點分析旅游者異質性對目的地績效產生的影響作用，改進傳統滿意—績效模型。

3.1目的地樣本的選取與樣本信息的獲取

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區服務平臺，提供有國內外6萬余個目的地的詳細旅游信息，包含超過30萬篇旅游者撰寫的游記攻略和近130萬條目的地點評。在每一個目的地的專屬頁面上，展示有點評總數、點評評分的詳細情況、相關游記等信息。筆者直接選用中國旅游研究院《全國游客滿意度調查報告》中游客滿意度監測體系所涵蓋的60個國內城市作為目的地樣本，2015年1月1日從百度旅游直接截取每一個樣本目的地的點評總數、1～5星五個評分等級各自的數量以及默認順序下前50篇游記，共計3000篇游記，總字數約1000余萬字。為了確保分析結果反映的是到訪旅游者滿意的原因，本研究對游記中記敘不滿意經歷的部分予以剔除。一般來說，游記的撰寫者都是滿意度較高的用戶，所以剔除的文字非常少，小于總字數的0.5%。這樣的處理能夠保證研究結果更為嚴謹，但是又不會受到過多的人為干擾。

3.2研究數據的提取

在使用網絡口碑進行研究時，點評的數量常常被作為績效的替代變量，本文參照之前的同類研究，采用目的地點評數量（number of reviews，NR）的對數（1n（NR））代表目的地績效。評分的星級表示旅游者游后的對目的地的總體評價，形式上與李克特量表類似，對應將1-5星賦值為1-5，其算術平均值（average rating，AR）即為滿意同質性指標，方差（variance rating，VR）即為滿意異質性指標。

同質化滿意與異質化滿意數據分別以目的地形象中熱門詞的總詞頻（TF）與長尾詞的總數量（TN）表示，具體數值提取自游記詞頻分析結果。游記詞頻分析采用詞頻分析軟件ROST CM 6.0進行運算，并對軟件的詞頻輸出結果做如下處理：（1）去掉詞頻低于3的詞匯，因為過低的詞頻可能是偶然因素所致，不具備代表陛，應予以舍棄；（2）剔除與形象無關的詞語；（3）只對專有名詞進行合并，比如“九寨”與“九寨溝”只是叫法上的不同，并不是兩個旅游資源，應將兩者合并按照一個詞進行統計，新詞的詞頻為原來兩者的詞頻之和，對于其他詞語則不進行任何處理，這樣可以盡可能地減少目的地形象詞匯篩選過程中的人為因素；（4）目的地形象熱門詞和長尾詞本身并沒有一個明確的分界，根據以往的研究經驗，目的地形象詞頻曲線通常在第30個詞之后已經由陡峭變得平緩，且目的地營銷組織主要宣傳的目的地特征也在30個詞以內，所以本研究將之作為兩者的分界線。依此，60個樣本目的地數據顯示前30個詞的平均累計詞頻高達63.7%，說明分類是合理有效的。計算每個目的地最高頻的前30個形象詞的詞頻總和作為變量TF的數值，統計其余形象詞的個數作為變量TN的數值。

綜上，概念與測量變量對應關系如表1所示，60個樣本城市的數據描述性統計分析結果如表2。

4.數據分析與討論

在檢驗一個新變量的有效性時，應當考慮其所帶來獨特的、增益性的貢獻，即在包含常規解釋變量的模型基礎之上，新變量的引入能否有效地提升模型的解釋力，亦即是否具有良好的增益效度。本研究將研究變量依次放人到滿意一績效的模型中，采用逐步回歸的方法，分析各個新變量的增益效度。

由于滿意均值對績效的影響已經被以往眾多的相關研究所驗證，所以本研究擬將之作為基礎模型。如表3模型1所示，滿意度均值AR的回歸系數為1.958，對應的t檢驗統計量的數值為3.620，說明滿意度均值對績效的影響顯著，假設1成立，傳統的滿意均值一績效模型在目的地領域再次得到驗證，可以將其作為基礎模型。

模型2中首先引入滿意度方差VR，相比于模型1，R²增加不明顯，△R²僅為0.005，VR的回歸系數為1.217，是違反常理的正值，且并不顯著（f=0.591，p=0.557>0.05）。AR與VR的方差膨脹因子（VIF）的數值為8.218，因而懷疑模型2存在多重共線性問題。進一步分析AR與VR的相關性，兩個變量顯示出非常強的負相關（相關系數r=.0.937，p=0.000），這明顯違背了樣本均值與方差相互獨立的統計學常理。因此，利用滿意度方差衡量旅游者異質性的方法在網絡點評評分數據支持下無法實現，VR不應進入模型，需要利用其他變量來衡量旅游者的異質性。假設2則未能被檢驗。

進一步考察旅游者同質化滿意和異質化滿意與目的地績效間的關系。在模型1的基礎之上，分別放入TF和TN兩個變量，如模型3和模型4所示。引入了新的解釋變量TF后，模型3的F=16.775，其所對應的p值遠遠小于0.01，說明模型的整體擬合性是顯著的；相比于模型1，△R²=0.186，擬合優度提高到了0.371，且對數極大似然值（△Log-likelihood）提高了7.775，說明模型3的解釋力顯著增加。在AR回歸系數依然顯著的前提下，TF變量的系數為0.425，其對應的t統計量的數值為4.106，說明同質化滿意度對績效的影響顯著，假設3成立。同理，模型4中加入變量TN，F=16.198，△R²=0.178，對數極大似然值提升7.390，TN回歸系數為0.655，t檢驗值為3.990，綜合說明異質化滿意度對績效的影響顯著，假設4成立。最后，在模型1的基礎上同時放入TF和TN兩個變量構成模型5。模型5的F=13.426，其所對應的p值為0.000，遠遠小于0.01；R²=0.418，對數極大似然值為-67.165，相比于模型3和模型4，模型的解釋力進一步增強，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）的系數均顯著，各自的方差膨脹因子（VIF）分別為1.092、1.565和1.541，均接近于1，說明這3個變量間的多重共線性問題在控制范圍內。為了使回歸模型中f檢驗更加地穩健，需針對模型3、模型4和模型5分別驗證其是否存在異方差。本文采用了最為常用的White檢驗方法，通過構建了nR²統計量，其中n為樣本量，R²為輔助回歸的擬合優度。如表3所示，模型3、模型4以及模型5的nR2統計量所對應的p值分別為0.533、0.130、0.072，均大于0.05，應接受原假設，即以上3個模型均不存在異方差。綜上分析發現，旅游者同質化滿意和異質化滿意是目的地績效的兩個有效解釋變量，且在傳統的滿意度均值一績效的基礎之上具有增益效度。

5.結論與理論貢獻

綜上，從數據分析結果中可以發現如下重要結論：（1）傳統的滿意一績效理論框架依然適用于旅游目的地研究，旅游者滿意同質性水平（滿意度均值）依舊會顯著地影響目的地的績效，但其對于績效的解釋力相當有限，這是因為以均值測量的滿意同質性水平只考慮到旅游者滿意的平均水平，而未能充分地考慮旅游者滿意的內在原因與旅游者間的差異性。（2）以往利用滿意度方差來衡量旅游者滿意異質性，進而提升對目的地績效解釋力的思路，由于網絡第三方平臺上滿意度評分數據存在正態負偏的問題而難以真正實現。基于這樣的背景，本文依托目的地形象理論構建的同質化滿意與異質化滿意兩個新變量則能夠更為深層次地解析出到訪旅游者游后滿意的同質與異質原因。其中，前者關注到旅游者游后的共性感受，而后者關注到旅游者的個性化感受。這兩個新變量的加入是對利用均值和方差來衡量旅游者同質性與異質性的有益補充，從而再次改進原有的模型，顯著地提升模型的解釋力。（3）特別需要注意的是，兩個新變量所能帶來的增加效度（△R²）比較相近，分別為0.186與0.178，模型5中標準化系數也十分相近，分別為0.296和0.271，這說明旅游者對目的地的個性化感受與共性感受近乎同等重要地影響了目的地的績效——旅游者異質化特征已不容忽視，目的地營銷工作應當重視滿足旅游者的差異化需求。

以往在USP理論的指導下，營銷工作一直聚焦于產品最突出的特征。然而，當今顧客越來越追求個性化消費，對于旅游來說就更是如此。從供給的角度來講，旅游目的地本身涵蓋了非常豐富的要素，這給予旅游者極大的自主空間。從需求的角度來看，不同于傳統的團隊旅游者，自助旅游者的需求更加多樣化。最終，每一位自助旅游者的旅游經歷和體驗都會是獨一無二的，旅游者將變得愈來愈異質化，旅游目的地復合形象的長尾分布特征越來越顯著。故本文的理論貢獻體現在：（1）更為深入地解讀出復合形象長尾曲線中所蘊含的旅游者群體特征，突破了傳統均值和方差方法的局限，提出了衡量旅游者同質性與異質性的新方法，使同質化滿意與異質化滿意成為更加細化的滿意衡量方式；（2）通過增加對復合形象長尾特點的考慮，解析出旅游者群體共性特征和個性特征與目的地績效間的關系，使滿意一績效模型得到明顯改善；（3）創新地在研究中聯合使用兩類數據信息，打破以往數據來源的單一性，以旅游者真實感受的文字記錄作為滿意度評分的有效補充，同時展示了對游記的分析方法和數據提取過程，為滿意研究提供了新的數據來源。

6.研究局限及未來進一步研究

本文在原有研究的基礎之上增加了對旅游者異質性特征的考慮，改進了傳統的滿意均值一績效模型，從而提升了對目的地績效的解釋力。但受限于數據處理的能力，筆者只檢驗國內60個主要旅游城市的數據，未來有必要進一步擴大樣本量，在更廣的范圍內驗證同質化滿意與異質化滿意這兩個新變量的有效性。此外，雖然游記數據相比于簡單滿意度評分蘊含更多信息，但也并不完美——通常只有那些在目的地獲得滿意的旅游經歷的旅游者才會主動撰寫游記，所以通過游記能夠了解旅游者滿意的原因，卻難以了解到旅游者不滿意的原因。在這一點上，游記數據不如點評數據全面。當然，點評數據也存在著篇幅過短等問題。今后可以嘗試將評分、游記和點評數據共同綜合利用，再次改進模型，更為系統、全面、細致地解析旅游者滿意與績效間的關系。最后，異質化滿意的提出只是旅游者異質性特征研究的開始，一方面仍需繼續尋找新的異質性衡量方式和測量變量，另一方面則要更為深入地探索異質性帶來的影響，不斷深化研究。