基于網絡評論的鄉村旅游住宿質量評價

劉文龍 吉蓉蓉

摘要：鄉村旅游是實現鄉村振興的途徑之一，在影響鄉村旅游體驗的眾多因素中，住宿體驗起著至關重要的作用。目前，鄉村旅游住宿行業尚未形成規范化的管理模式，服務質量評價指標有待探索。通過對江蘇省216家鄉村民宿的在線評論內容進行分析，歸納出環境、服務和設施3個主范疇下7個自范疇、23項評價指標，建立鄉村旅游住宿質量評價指標體系，并利用層次分析法（簡稱AHP）計算出各個指標的權重;利用BP神經網絡，以江蘇省的鄉村民宿為例，驗證該評價指標體系的準確性。結果表明，房間布局、建筑類型、裝修風格、交通便利程度等環境因素是消費者最關注的方面。另外，經營者以及服務人員的態度和專業水平相較于其他因素也較受關注。

關鍵詞：鄉村振興;鄉村旅游;住宿質量指標;層次分析法;BP神經網絡

中圖分類號： F590.75文獻標志碼： A

文章編號：1002-1302（2019）21-0038-06

收稿日期：2018-11-30

基金項目：中央高校基本科研業務費資助項目（編號：NR2015026、NS2017056）。

作者簡介：劉文龍（1986—），男，吉林舒蘭人，博士，講師，主要從事電子商務、消費者行為研究。E-mail：willenliu@nuaa.edu.cn。

低碳經濟時代，鄉村旅游成為我國旅游產業和農業發展的一大組成部分[1]。一方面，國家為鄉村旅游的發展創造了良好的政治環境，國務院2018年初出臺的《中共中央國務院關于實施鄉村振興戰略的意見》就明確指出應當利用閑置農房發展民宿、養老等項目;另一方面，在城市化的日益推進下，具備田園風光和濃厚鄉情的鄉村意象，能夠激發人們心中的歸屬感[2]，逐漸成為使游客接受并促使其進行鄉村旅游的概念性符號。千百年來，作為生命誕生發展的載體，鄉村能夠使人們產生依戀與認同，進而引起游客的回歸訴求[3]。在此訴求之下，鄉村旅游表現出較好的發展態勢。在鄉村旅游業中，鄉村旅游住宿業是其中至關重要的一部分。在旅游消費升級的推動下，國內住宿形式呈現多元化發展狀態，除了星級酒店和品牌酒店，非標住宿業逐漸成為消費者的選擇，甚至形成“三足鼎立”的局面。尤其是民宿迎來了爆發式的增長，在經歷了粗放的自發發展后，近年來民宿的管理逐漸規范。然而隨著鄉村旅游的大規模興起，鄉村民宿卻仍未得到有效的規范管理。鄉村民宿的經營者大多沒有接受過專業的服務培訓，缺乏服務意識及能力[4]，粗放的發展下，民宿的文化內涵也不深厚[5];鄉村民宿的安全、衛生以及環保問題的界定困難使得消費者難以真正了解其住宿環境[6]，進而導致消費者旅游體驗的不確定性。想要幫助消費者在進行鄉村民宿體驗時作出正確的消費決策，減少住宿風險，同時也幫助住宿服務提供者改善服務質量，提高運營效率，首要任務是了解消費者在住宿時關注哪些因素。綜合國內學者的研究成果可知，影響消費者住宿意愿的指標大體可以分為環境體驗元素、住宿體驗元素、服務體驗元素和文化體驗元素。基礎設施滿意度對住宿需求有著顯著的影響[7]，因此包含硬件設施和軟件服務的住宿體驗元素是影響消費者住宿意愿的首要因素[8];包含區位環境和建筑環境在內的環境體驗元素是游客對鄉村旅游住宿質量的共性需求[9];包含飲食服務的服務體驗元素則成為對中國消費者較重要的指標。另外，“中文游客”對“吃”的關注度遠高于“英文游客”[5]。國外學者對消費者的關注因素則討論得更加細致，Park等對關注因素進行排序并認為，優先度最高的是服務，其次是設備，環境是最后一個被考慮到的因素[10]。而對服務的著重強調也被其他研究所證實，提供個性化服務、餐飲服務、景點與餐廳咨詢服務及導覽手冊等對消費者極為重要。此外，國外研究結論中還提出隱私這一要素[11]，這是國內研究暫時沒有涉及到的。現有研究中，不同學者對鄉村住宿體驗的影響因素和各因素的重要度評價有很大差異。一方面，研究方法和數據樣本的差別對研究結果有一定影響;另一方面，鄉村旅游住宿質量的研究須要與時俱進。在現今互聯網經濟快速發展的背景下，鄉村旅游住宿也將受到第三方平臺用戶參與的影響。消費者完成住宿之后可以在第三方平臺發表評論，表達自己的住宿體驗，從而為其他潛在消費者提供相關信息。而消費者在消費之前很難確切獲得無形產品的質量等重要信息，因此更依賴于瀏覽評論以使自己獲得充分的信息和間接消費經驗，這樣可以降低消費者感知不確定性的程度[12]。因此，在線評論是消費者消費的重要參考線索。但是目前將鄉村旅游住宿質量因素和互聯網信息交換社區相聯系的研究還較少。本研究基于鄉村民宿的在線評論，通過內容分析法，析出消費者在住宿過程中的關注指標，將層次分析法與BP神經網絡相結合，構建鄉村旅游住宿質量的評價模型。這2種方法都能進行評價分析，但是均存在一定的缺陷，AHP能夠對定性問題進行層次化、數量化、模型化分析，但是其判別矩陣易受人類知識結構、判斷水平和個人偏好的影響;BP神經網絡在訓練過程中則容易陷入局部極小值，因此二者的結合可以彌補神經網絡權重任意賦值的缺陷，降低陷入局部最小值的概率[13]。

1鄉村旅游住宿質量評價指標探究

“互聯網+”的發展使得傳統住宿業的服務反饋發生了很大改變，在線評論對住宿業的影響越來越大。本研究對鄉村旅游住宿質量指標的分析是基于第三方平臺（大眾點評）的在線評論。通過“八爪魚”網絡數據抓取工具采集網絡評論數據，共采集江蘇省216家鄉村民宿的點評數據，獲得1 114 條有效評論。采集的評論發布時間為2018年3月前，將采集到的評論用Python軟件進行初步處理，提取其中的高頻關鍵詞。

1.1關鍵詞分析

本研究將收集到的評論數據進行預處理，使用Python軟件首先對評論文本進行關鍵詞分析。將關鍵詞按照詞頻由高到低排列后，人工剔除一些不必要的高頻詞，如“里面”“一家”“以后”等無意義的詞匯，只保留鄉村民宿住宿體驗相關的詞匯。詞匯的出現頻率越高，一定程度上說明游客對該要素越關注。詞匯頻數排在前20位的依次是房間、老板、環境、位置、地方、早餐、味道、價格、設施、風格、院子、農家樂、態度、特色、景區、周邊、空調、附近、外面、景色。

1.2數據編碼

綜上關鍵詞分析及對前30條評論的試分析情況，擴充并整理出影響鄉村旅游住宿質量的眾多要素，并對要素進行編碼。最終確定的影響要素共有3個維度：環境、服務和設施。環境維度包含建筑和周邊環境等9個具體指標;服務包括服務系統和人工服務;設施則包括家具/衛浴設施和家電設備2個方面。提取的指標、相關評論及各指標的編碼情況見表1。

2構建鄉村旅游住宿質量評價的層次結構模型

首先使用層次分析法確定上述所析出的評價指標的權重，層次分析法是美國運籌學家Saaty于20世紀70年代中期提出的一種系統分析方法，將目標分解為多個準則，每個準則再分解為多個指標（或準則、約束），從而形成一個包含若干層次的復雜的系統。通過定性指標模糊量化方法算出層次單排序（權數）和總排序，并將其作為決策的依據。

AHP將決策者的思維過程層次化以形成模型，并采用數學手段為分析、決策提供定量的依據，增強了分析的科學性，在決策目標組成要素較復雜而無法使用數據進行判斷，從而須要將決策者的經驗判斷定量化時，該方法非常實用。

使用層次分析進行決策大體可以分為4個步驟：第一，找出各因素之間的內部關系，構建要素之間的遞階層次結構;第二，對同層次因素采用1～9位標度法進行量化，構造兩兩比較的判斷矩陣;第三，計算每一個判斷矩陣各因素針對其準則的相對權重;并計算得出每層因素的綜合權重值，按照權重大小排列順序;第四，在構造判斷矩陣時，須要對其進行一致性檢驗，若不能通過一致性檢驗，則說明在判斷矩陣中存在邏輯錯誤的打分。

2.1建立遞階層次結構模型

通過表1的編碼，本研究構建鄉村旅游住宿質量評價指標體系;包括1個目標層、3個準則層、7個次級準則層和23個指標層（圖1）。

2.2構造判別矩陣

為增加因素重要性判別的準確性，本研究采用問卷調查的方式獲取因素之間的相對重要性程度，問卷共41題。問卷通過社交軟件進行發放，在調查對象的選取上，邀請各年齡段、收入水平段、有鄉村旅游住宿經驗的人員進行作答，盡量保證樣本選取的多樣性。再根據所填寫的問卷內容，運用AHP進行各層次各點的權重計算。把同一層中各因素對于上一層某因素的重要性進行兩兩比較（如比較建筑類型、裝修風格和房間布局對基礎建筑的影響），構造比較判別矩陣。假定準則層因素Ck與下一層中m1，m2，…，mn有聯系，將mi與mj對Ck的重要性進行兩兩比較，構造出權重判斷矩陣：

A=（aij）n×n。

對矩陣采用Saaty提出的1～9標度法：aij為mi和mj兩兩比較的比例標度，按1～9的比例標度對重要性進行賦值。如果mj比mi絕對重要，那么aij的值為9;如果mi比mj絕對重要，那么aij的取值為1/9。1～9標度法中各個標度的含義見表2。

上述各數的倒數反比較若i和j重要度之比aij為n，則j與i的比值aji=1/n

2.3一致性檢驗

一致性比例計算公式為CR=CI/RI，其中CI=（λmax-n）/（n-1），λmax為矩陣的最大特征根;n為判別矩陣的階數，RI是矩陣的平均隨機一致性指標，可以通過矩陣的階數（n）查表得到（表3）。

由于本研究采用問卷調查獲取因素之間的重要性程度，為保證數據的真實性，以一致性檢驗作為檢驗問卷有效性的標準，因此首先對所有問卷進行一致性檢驗。本研究共收集到86份問卷，經過一致性檢驗的問卷共62份，有效問卷比例為72.09%。

2.4計算權重

將所獲得的有效問卷通過Yaahp軟件計算出權重，并求得所有問卷權重結果的算術平均數（表4）。

在鄉村旅游住宿質量的三大維度中，建筑和周邊環境（0.62）是影響消費者選擇住宿最重要的因素。非標準化住宿的突出特點就是服務的多樣性和不確定性，也是影響鄉村旅游住宿的另一個重要因素（0.27），往往是標準化住宿中較重要的設施（0.11）?在鄉村旅游住宿中卻不是消費者主要關注的因素。

對于環境維度而言，基礎建筑這一要素權重最高（0.48），高于輔助性建筑（0.21）和周邊環境（0.31）。基礎建筑所包含的3個指標在整體權重中排名均較高，由于民宿與標準式住宿不同，其房間格局往往更豐富，而較多消費者是全家出游，因此布置較好的房間格局能使消費者在住宿中有更妥善的安排;裝修風格則是評論中提及最多的一個指標，如“古色古香”“老板放了很多香熏蠟燭”等，裝修風格和建筑類型是能夠反映“鄉村意象”的重要指標，契合了游客的回歸訴求。消費者住宿的前提是鄉村旅游，因此交通便利、靠近景區是游客選擇鄉村旅游住宿較關鍵的因素，交通因素不夠好的民宿往往會得到負面評論。游客也通常希望有露臺或者民宿自帶的花園，能欣賞鄉村的風景或是體驗鄉村生活。

對于服務維度而言，人員服務的重要性（0.62）明顯高于服務系統（0.38）。老板和服務人員的服務也是所有指標在評論中被提及最多的，評論中經常提到“老板熱情周到”“親自接送”“阿姨服務很細心”等詞匯?而有獨特魅力的民宿業主往往會成為民宿本身的賣點之一。早餐及餐飲服務也是對中國消費者較重要的一個指標。在國外的研究中，餐飲服務在所有質量因素中所占的比重并不高。但在本研究中餐飲也成為民宿質量的重要因素之一。部分民宿主人會提供自制的有特色的“農家菜”“私房菜”，這些菜品也成為鄉村旅游和鄉村旅游住宿的特色之一。根據對評論內容的分析，也能發現服務系統中民宿的指引標志，預定和前臺的服務以及民宿的安全問題提及的次數都較少，可能的原因有：網絡預訂的流程是統一的，并無明顯差異。民宿區域治安較好，安全問題少。在硬件服務里所占比重較大的是衛生因素。在線評論對鄉村旅游住宿的衛生狀況普遍較關心，從評論中也反映出民宿衛生質量參差不齊的情況。

對于設施維度而言，家具/衛浴設施（0.65）比家電設備更重要（0.35）。其中浴室和衛生間則是消費者的重點關注指標，消費者對浴室和衛生間的要求集中于浴室冬季的保暖，夏季的通風以及衛生間的潔凈程度。對床的大小及舒適度也較關注，但與國外的研究結果相比，國內消費者對床的要求較少。

從整體層面看，23個子要素中排在前5位的依次是房間布局 （0.137）、 建筑類型（0.089）、交通便利程度（0.085）、裝修風格（0.071）、老板/服務人員（0.070），其中前4個子要素均隸屬于環境維度，第5個子要素——老板/服務人員隸屬于服務維度。該結果與關鍵詞詞頻分析結果幾乎一致，再次說明房間的建筑、裝修、民宿周邊的交通狀況，以及老板、服務人員的態度和專業程度是影響鄉村民宿住宿體驗的最主要因素。換言之，民宿所營造的鄉村的寧靜氛圍和住宿地的獨特風格是吸引顧客，提高民宿住宿滿意度的重要因素。鄉村旅游住宿的選址應盡量考慮便利的交通環境和完善的周邊設施。另外，民宿經營者和服務人員應具有良好的職業素養。

3建立BP神經網絡模型

神經網絡是在神經科學研究成果的基礎上，對大腦神經元網絡進行抽象，進行分布式并行信息處理的算法數學模型。大量的節點（神經元）按照不同的連接方式組成不同的網絡，能夠處理非線性關系，這也是大自然中的普遍特性;神經網絡具有自適應、自組織和自學習能力，處理的信息可以有各種變化，處理過程中非線性系統本身也在不斷變化。

BP神經網絡是最常使用的一種神經網絡模型，被廣泛應用于評價與預測[13]。BP神經網絡是一種多層前饋型神經網絡，它解決了多層網絡隱含層連接權的學習問題。一般包括輸入層、隱含層和輸出層3層，以網絡的輸出值和實際值之間的誤差平方為目標函數，采用梯度下降法計算目標函數的最小值[14]。

BP算法包括信號的正向傳播和誤差的反向傳播2個過程。正向傳播時，輸入信號通過隱含層作用于輸出節點，經過非線性變換，產生輸出信號，若實際輸出與期望輸出不相符，則轉入輸出值和實際值的誤差的反向傳播過程，將誤差通過隱含層反傳于輸入層，并分配給所有神經元，從而獲得誤差信號，以反復修改各層間的權值閾值，使誤差沿梯度方向下降，直到網絡的全局誤差最小[15-16]。

3.1確定各層次節點數目

本研究的輸入采用詞頻分析后析出的23個住宿質量評價指標，即n=23;輸出m為對鄉村旅游住宿質量的評價值，因此輸出層的節點數目為m=1;中間隱含層神經元的確定可以參考公式j=m+n+a，a∈[1，10];j=log2n;j=mn。因此，本模型的中間隱含層節點數應該在5～14之間。分別采用5～14個神經元對模型預測性能進行比較，發現當神經元個數為6時，預測誤差最小，因此中間層節點數確定為6。

3.2數據處理

本研究整理20家評論條數超過15條的民宿，將其評論中涉及到各指標的句子分配至23個指標中，使用python的snownlp庫對各指標進行情感分析，得分在0～1之間，以0.5為中性界限，超過0.5則該指標的極性為積極，得分越高評價越積極;低于0.5則該指標的極性為消極，得分越低評價越消極，即認為該民宿在該指標的質量較差;若所有評論均沒有提到該指標，得分為0.5。情感分析的得分為模型的輸入值。

本研究的輸出值通過計算以AHP模型得出的各指標的整體權重與每項指標的情感值的加權平均值得到。樣本數據共有20組，以前17組作為訓練樣本，后3組作為測試樣本，通過MATLAB 2017a的神經網絡擬合工具創建BP神經網絡模型，并進行訓練測算。由于樣本較少，因此采用貝葉斯正則化算法對樣本數據進行訓練。

3.3訓練及測試結果

經過61步訓練，均方誤差達到目標誤差的要求（圖2）。

從訓練結果看，網絡性能非常理想。期望輸出值與訓練后的輸出值非常接近，表5為其輸出值與訓練結果的對比，為了展示方便，期望輸出和訓練結果均采取其前6位小數，而相對誤差為原值。訓練的17組數據中，誤差最大的為0.018 097，其余誤差大部分接近0。

由表6可知，測試結果的最大相對誤差為2.77×10-7，模擬結果與期望結果非常吻合，因此該神經網絡進行評價的相對誤差較小。訓練樣本的平均誤差為0.001 151 402，測試樣本的平均誤差為4.239 47×10-8，二者進一步體現出模型的仿真能力。為了判斷模型的穩定性，計算訓練樣本和測試樣本誤差的標準差，得出訓練樣本的標準差為0.004 741 435，測試樣本的標準差為1.805 1×10-7，反映出模型具有較好的穩定性。因此，本研究基于AHP和BP神經網絡提出的評價模型可以作為鄉村旅游住宿質量的評價工具，能夠具有較準確的評價效果，為消費者判斷鄉村民宿的質量并作出消費選擇提供有效的工具。

4結論與對策建議

4.1研究結果與意義

鄉村旅游住宿是典型的非標準住宿，消費者難以對住宿服務質量作出精準的評判，因此在線評論成為其獲取民宿信息的主要來源。明晰消費者對住宿服務質量的評價指標可以幫助民宿商家改善和規范其住宿服務。本研究基于民宿的在線評論確定了23項具體指標，并通過層次分析法明確每項指標的綜合權重，結合AHP和BP神經網絡建立住宿服務質量評價模型。結果表明，房間布局、建筑類型、裝修風格、交通便利程度等環境因素是消費者最關注的方面。此外，經營者及服務人員的態度和水平相較于其他因素也較受關注。本研究具有以下理論和實際意義。首先，運用詞頻分析的方法確定消費者對住宿質量的評價指標，是對現有指標確定方法的補充，具有客觀性。現有的民宿評價指標大多是基于文獻和問卷調查，本研究對鄉村民宿的消費者根據其住宿體驗發表的評論進行內容分析，統計評論中的高頻詞，客觀地反映了消費者在住宿過程中的關注對象。其次，住宿質量評價指標的確定，不僅可以給消費者在選擇過程中提供評價依據，對民宿商家來說，也是了解消費者傾向的一種工具，根據指標質量得分的指導，采取相應的措施以提高住宿質量，從而增強民宿競爭力。最后，基于AHP、BP神經網絡建立的評價模型具有很好的預測效果。本研究根據析出的評價指標建立了鄉村民宿住宿質量評價模型。使用層次分析法將定性與定量相結合，旨在更好地解決多指標決策問題，而通過問卷對消費者的指標偏向進行打分，最后通過算數平均得出每個指標的權重，一定意義上最小化了AHP存在的主觀性問題。通過情感分析的方法確定被評價民宿每個指標的得分，傳達出的情感信息可以使消費者產生對信息主體的判斷，因此可以成為指標質量的評價依據。最后利用BP神經網絡對建立的住宿質量評價模型進行檢驗，結果表明所建立的評價模型能夠對住宿質量進行較準確的判斷，進而幫助消費者進行合理的消費選擇。

4.2對策建議

首先，突出建筑風格，優化住宿體驗。研究結果表明，在環境類別的9個子要素中，有7個子要素排在23個子要素中的前9位，其中基礎建筑的3個子要素更是全部排在前4位，說明消費者對建筑物的類型、風格和布局尤為看重。因此，民宿經營者在建造、裝飾和修繕建筑物時，要充分凸顯民宿的獨特風格，并將其與當地的社會文化、風土人情有機結合;在房間布局上除了閣樓、榻榻米等個性化設計外，還應考慮到家庭出行、單位集體出行等不同需求。此外，民宿應該配備露臺、花園以及公共娛樂設施等輔助型建筑，為消費者提供更好的住宿和休閑體驗。其次，有效統籌資源，改善周邊環境。在環境相關要素中，交通便利程度和配套設施為主的周邊環境要素也是消費者較關心的方面。當地有關部門應該統籌政府、社會、商家等多方面資源，為鄉村旅游消費者打造更便利的交通環境以及超市、醫院、特色美食街、民俗體驗館等社區配套設施，以全域旅游為指導思想，豐富鄉村旅游的內涵。最后，加強人員管理，提升服務品質。人員服務是非標準住宿中不確定性最高的因素，民宿經營者和服務人員多來自當地，文化水平和專業素質參差不齊。因此，當地政府和行業協會應該定期開展專業培訓，提高民宿行業從業者的職業技能。另外，民宿提供餐飲服務時，一方面要保證消費者吃得美味、吃得地道，另一方面也要嚴格要求服務人員提高服務態度并具備衛生知識，保證消費者吃得舒心、吃得健康，與建筑、交通環境等并舉，從食、住、行多方面綜合提升鄉村旅游住宿的服務品質。

參考文獻：

[1]鄧愛民，黃鑫. 低碳背景下鄉村旅游功能構建問題探討[J]. 農業經濟問題，2013（2）：105-109.

[2]Liu T Z，Yang Z T，Liu P L.Preliminarystudy of ancient town protection and rural tourism development of Caoshi town in Hengdong county，Hunan Province[J]. Asian Agricultural Research，2012，4（8）：68-71，76.

[3]陶玉霞. 鄉村旅游需求機制與訴求異化實證研究[J]. 旅游學刊，2015，30（7）：37-48.

[4]劉光榮. 我國低碳鄉村旅游問題及功能探析[J]. 中國農業資源與區劃，2016，37（10）：161-165，173.

[5]李燕琴，于文浩，柏雨帆. 基于Airbnb網站評價信息的京臺民宿對比研究[J]. 管理學報，2017，14（1）：122-128，138.

[6]潘穎穎. 浙江民宿發展面臨的困難及解析——基于西塘的民宿旅游[J]. 生產力研究，2013（3）：132-135.

[7]張廣海，趙韋舒，朱旭娜. 基于Logistic模型的鄉村旅游住宿需求影響因素分析——以山東省樂陵市朱集鎮為例[J]. 中國石油大學學報（社會科學版），2017，33（3）：22-28.

[8]張培，喇明清. 游客選擇鄉村民宿的意愿傾向及其營銷啟示[J]. 西南民族大學學報（人文社科版），2017（11）：132-140.

[9]李星群. 基于旅游者需求的鄉村旅游住宿類型研究——以陽朔為例[J]. 旅游論壇，2011，4（2）：82-86.

[10]Park D B，Kim K H，Choo H. the development of quality standards for rural farm accommodations：a case study in South Korea[J]. Journal of Hospitality and Tourism Research，2014，41（6）：673-695.

[11]ZaneB.The B & B guest：a comprehensive view[J]. Cornell Hospitality Quarterly，1997，38（4）：69-75.

[12]ShanY.Howcredible are online product reviews？The effects of self-generated and system-generated cues on source credibility evaluation[J]. Computers in Human Behavior，2016，55，633-641.

[13]傅建華，張莉. 基于AHP與BP神經網絡模型的循環經濟綠色營銷績效評價[J]. 科技管理研究，2012（20）：215-220，242.

[14]沈國琪，陳萬明. 基于多元線性回歸與BP神經網絡分析的失業預測建模實證研究[J]. 工業技術經濟，2014（2）：103-112.

[15]李平舟，趙朗程. 基于BP神經網絡的國家穩定性研究[J]. 軟件，2018，39（6）：142-146.

[16]胡偉雄，姜政軍. 基于BP神經網絡的C2C電子商務信任度評價模型[J]. 圖書情報工作，2012，56（10）：131-137.