在線評論對跟團旅游產品在線預訂量的影響研究①

韋荷琳，吳德誠

進入21 世紀以來，中國經濟仍然保持著高速的發展態勢，人們生活水平的提高，對于精神文明生活的需求日益增長，旅游行業在這樣的社會背景下，保持著高速的發展。 互聯網+旅游的規模推進，進一步助推了國內旅游消費的興起，根據中國互聯網中心發布的第44 次互聯網發展報告顯示，中國在線旅行預訂人數從2016年的2.6 億增加到2019年的4.18 億，增長超過60%，其規模占網民總量的48%。 而相關旅游企業主體，通過OTA 平臺，布局線下門店+線上渠道的模式，快速搶占市場，進一步助推在線旅游的發展。 而在線旅游預訂，潛在預訂用戶更愿意信任存量消費者的購后體驗發布的信息，對于專家與商家發布的信息存在一定的疑慮。 吳倩等學者基于貴州旅游現狀的大數據分析發現，網絡輿情主要在景區景點屬性、管理服務特征、情感表達極性三個方面影響用戶的消費體驗和選擇；現有關于網絡口碑等主題的研究相對較多且比較完善，但是對于網絡口碑在旅游產品，尤其是在線跟團旅游產品預訂方面的影響研究還有待開發和探索，本文基于現有研究結論，從用戶評論、旅游商品屬性、商家回復三個方面，探索網絡口碑對跟團游產品的在線訂購決策的影響，并對此提出相關的建議。

一、文獻回顧和研究假設

網絡口碑在消費者行為研究領域有著較為完善的研究體系，自從亞馬孫平臺開始應用商品在線評論/留言功能以來，國內外學者，對網絡口碑進行了大量的研究，而關于網絡口碑對旅游產品的影響，也有相關文獻做了一定的研究，比如陳立梅等人基于精細加工的可能性模型對國人的出境游進行了分析，發現在線評論通過正向影響潛在消費者的旅游態度和從眾心理而影響消費決策。 魏寶祥等人以傳播過程理論作為基礎，構建旅游產品在線評論可信度評價指標體系，研究發現，評論內容特征、評論者身份特征、評論平臺特征、評論受眾消費經驗等對評論可信度有著重要的影響，是旅游產品在線評論可信度的關鍵因素。 演克武等人基于旅游企業品牌影響的角度，研究發現了在線評論對于企業品牌的影響，并建議加強評論回復的管理。 基于現有研究文獻的結論，結合跟團游旅游產品的特點，我們從旅游產品屬性、用戶評論、商家回復三個方面入手，研究網絡口碑對跟團游在線預訂的影響。

與自由行相對的旅游方式——跟團游，是多人組團搭乘同一交通工具前往同一個旅游目的地的旅游方式，因為組團形式的存在，降低了旅游預訂的商品價格。 用戶的評論內容特征從說服效應的角度影響消費者的決策行為。 所謂說服效應是指面臨說服性信息時，個體態度發生轉變并影響決策的一種行為，即平臺通過提供豐富的產品評論信息，降低潛在消費者的決策風險，說服潛在消費者做出購買決策。 基于此，本文提出如下假設：

H1：評論內容長度顯著正向影響跟團游產品的在線預訂量

H2：評論圖片數量顯著正向影響跟團游產品的在線預訂量

H3：評論關鍵字詞頻顯著正向影響跟團游產品的在線預訂量

在以往的研究中，商品屬性通常作為中介變量或者調節變量加入研究模型進行研究，本文結合旅游產品的特點，將旅游天數和旅游商品價格加入研究模型中，提出如下假設：

H4：旅游天數顯著負向影響跟團游產品在線預訂量

H5：產品價格顯著負向影響跟團游產品在線預訂量

基于上述文獻回顧與假設推演，構建出用戶評論、商家回復、產品特性對跟團旅游產品在線銷量影響的關系模型，詳見圖1 所示。

圖1 理論模型

二、變量解釋和模型建立

本文通過網絡爬蟲技術，從飛豬旅行網爬取跟團游產品共計9.8 萬條評論數據，聚合成241 條研究樣本數據，從用戶評論、商家回復、參考王君珺等人研究，以商品的評論數量代表商品的銷量作為因變量進行研究，評論長度選取商品評論內容的平均字符數作為數值，評論圖片數量以商品評論所有圖片數量除以評論量得到，回復數量是以網頁上商家對于評論的所有回復次數為準，回復長度是商家在同一個商品中的所有回復內容的長度平均值。 評論關鍵詞頻是指商品所有評論中關鍵詞出現的平均次數，本文通過數據分析選取241條商品數據中共計20 個出現頻率最高的詞作為“關鍵詞”以衡量用戶評論內容的有效信息量，這20 個關鍵詞分別為“導游、行程、酒店、服務、司機、講解、客服、師傅、熱情、全程、旅游、滿意、購物、住宿、合理、推薦、開心、耐心、值得、風景”。所有數據均取自飛豬旅行網的真實客觀數據。 相應測度指標詳見表1，對應模型的線性公式見式(1)。

表1 模型變量測度指標

由于評論數量所代表的銷量、評論長度、評論圖片數量、評論關鍵詞頻、商品價格的原始數值較大，而旅游天數的數值相對較小，且各個變量之間的數值差距過大，可能會影響模型的準確性。 因此，本文參考已有文獻的研究方法，對代表跟團旅游產品在線銷量的在線評論總數(Sale)、評論長度(x1)、評論圖片數量(x2)、評論關鍵詞頻(x3)、商品價格(x5)取對數，以使整體樣本數據更加平緩；同時，保持(x5)的原始數值，以減少這兩個變量與其他變量在數量級上的差距，從而提高模型準確預測能力。

三、分析與討論

研究變量的相關性系數及描述性統計指標詳見表2 所示，為了準確的確定研究自變量對因變量影響的大小及方向，我們對相關樣本數據進行了回歸分析，分析結果詳見表3所示。

表2 相關系數及描述性分析

隨著自變量的加入，模型擬合程度逐步提高，比較表3中的三個模型，發現模型3 的擬合程度最好(R＝0.995)，可以解釋因變量99.5%的變化，解釋程度較高。 而旅游天數和商品價格，因為其P大于0.05，對因變量影響不顯著，被排除在模型之外，故假設H4 和H5 均不成立。

表3 回歸分析

關鍵詞的詞頻顯著正向影響跟團旅游產品的在線預訂量(0.999，p＝0.000)。 原因在于，高質量的評論內容能夠極大地緩解消費者對旅游產品預訂的不確定風險感知。 關鍵詞出現次數越多，評論包含的信息就越多，同時證明這條評論信息的有用性就越大，越能夠影響潛在消費者的購買決策。 因此假設H3 成立。

評論內容文本長度顯著負向影響跟團旅游產品的在線預訂量(-0.245，P＝0.000)。 評論長度越長并不一定代表評論質量高、有用信息多，可能存在大量無用的信息，從而影響了潛在消費者的閱讀欲望。 而且認知負荷理論認為，人類的認知資源是有限的，超載的信息對人類認知是一種負擔，信息超載不但會影響信息加工，更會影響決策績效，從而無法發揮信息對決策的推進作用，所以評論長度越長，評論有用性可能就越低，對于跟團旅游產品的在線預訂就會產生越明顯的負向作用，因此，假設H1 不成立。

評論圖片數量對跟團旅游產品的在線預訂有顯著的正向作用(0.033，P＝0.000)。 因為評論圖片與關鍵詞頻類似，構建了評論質量的維度，評論內容包含大量清晰的圖片，能夠對潛在購買者的大腦起到刺激購買欲望的作用，而且緩解評論閱讀者由于評論內容過長而產生的認知疲憊。 因此，假設H2 成立。

四、結論與展望

(一)學術貢獻

本文在前人基礎上，結合跟團游產品在線預訂的特點，對用戶評論和商品屬性與在線預訂量之間的關系進行了系統的研究，通過大量的真實數據分析，驗證了研究假設。 尤其開發了“關鍵詞頻”這一新的研究變量，豐富了“評論質量”這一維度的內容，完善了前人關于在線評論的研究；現有文獻關于“跟團旅游”與“在線評論”的研究相對較少，本文的結論豐富了該領域的研究，為進一步的研究分析提供了基礎。

(二)實踐意義

1.加強用戶評論管理

研究發現，商品價格的負向作用會隨著評論變量的加入而減弱，而上文中的回歸分析顯示，高質量的評論對跟團旅游產品在線預訂起到了很大的作用，管理者應該對用戶評論內容的質量做出相應的限制，比如：要求上傳圖片，限制評論長度等。

2.規范評論關鍵詞

提供高質量和高頻次的詞匯給用戶選擇，并在評論內容中出現，高質量的關鍵詞是評論質量的重要體現之一，為了避免用戶評論的無用性，管理者可以提供一定的詞匯在頁面給用戶在評論的時候進行添加。

(三)研究局限及展望

1.本文研究方法主要是通過面板數據的回歸分析進行，研究結論缺乏實驗驗證，未來的研究可以將數據分析與實驗研究結合起來，使得研究結論更具可信度。

2.本文研究模型相對簡單，僅以用戶評論及商品屬性作為自變量進行研究，缺少中介變量、調節變量的研究。 未來的研究中，可以加入旅游目的地、商家回復等作為模型的相關變量進行分析，使得研究結論進一步的完善和豐富。