在線短租平臺(tái)游客評(píng)論對(duì)海南游客回購的影響

楊 靜，邱敏蓉，蔣志豪

(1.海南科技職業(yè)大學(xué)，海口 571126； 2.共青科技職業(yè)學(xué)院，江西 九江 332020)

0 引言

IT賦能的共享經(jīng)濟(jì)(簡稱共享經(jīng)濟(jì))發(fā)展迅速，已逐漸滲透到各行各業(yè)。隨著相關(guān)行業(yè)市場規(guī)模的不斷擴(kuò)大，共享經(jīng)濟(jì)通過互聯(lián)網(wǎng)將資源提供者和需求者聯(lián)系起來，改造了閑置資源，獲得了潛在的財(cái)務(wù)利益。近年來，共享經(jīng)濟(jì)不斷向其他領(lǐng)域滲透，尤其是旅游業(yè)獲得了許多新用戶。隨著在線定制旅游服務(wù)需求的增加，能夠提供多樣化住宿的短期租賃獲得了快速發(fā)展。根據(jù)IiMedia Research最近的一份報(bào)告，2020年在線短期租房用戶規(guī)模達(dá)到了3.04億，2021年超過3.22億。目前關(guān)于在線短租共享住房的研究主要側(cè)重于共享經(jīng)濟(jì)對(duì)旅游產(chǎn)業(yè)的影響、在線短租的商業(yè)模式、消費(fèi)者對(duì)在線短租的行為研究[1]。

現(xiàn)有的研究大多集中在客戶使用短期房間租賃服務(wù)的動(dòng)機(jī)和意圖上，還有研究酒店運(yùn)營商的行為和短期房間租賃服務(wù)對(duì)社會(huì)的影響，卻很少有研究探討在線-離線過程中消費(fèi)者對(duì)在線平臺(tái)的滿意度及滿意度如何影響消費(fèi)者的忠誠度。為了提高滿意度，減少不確定性，令在線平臺(tái)使用戶能夠參與整個(gè)交易過程，包括銷售、購買、比較和分享關(guān)于產(chǎn)品和服務(wù)的信息[2]。特別是“小豬平臺(tái)”(短期房間租賃在線平臺(tái)之一)鼓勵(lì)酒店運(yùn)營商和消費(fèi)者在平臺(tái)的使用中培養(yǎng)互動(dòng)行為。從信息系統(tǒng)(IS)研究角度入手，分析了在線和離線主客滿意度如何影響客戶的重復(fù)預(yù)訂。

為了實(shí)現(xiàn)研究目標(biāo)，根據(jù)社會(huì)互動(dòng)理論，研究個(gè)體如何在更大的社會(huì)結(jié)構(gòu)中相互互動(dòng)并提高雙方滿意度。當(dāng)個(gè)人在不同的場景中扮演不同的角色時(shí)，他們的行為會(huì)被角色所驅(qū)動(dòng)。根據(jù)酒店運(yùn)營商和消費(fèi)者在入住前、入住中和入住后的三對(duì)角色，確定了三種類型的酒店運(yùn)營商-消費(fèi)者互動(dòng)：整體在線互動(dòng)、個(gè)人在線互動(dòng)和離線互動(dòng)。個(gè)人互動(dòng)代表預(yù)訂后酒店運(yùn)營商和某個(gè)消費(fèi)者之間的互動(dòng)，通過互動(dòng)的存在性、及時(shí)性、文本長度和相似性來評(píng)估。線下互動(dòng)是入住期間面對(duì)面的主客互動(dòng)。利用來自海南省6個(gè)城市的36 072條訂單記錄和評(píng)論內(nèi)容的縱向數(shù)據(jù)，采用文本挖掘和多元統(tǒng)計(jì)分析檢驗(yàn)相結(jié)合的方法，深入分析并衡量了海南游客對(duì)短租平臺(tái)的忠誠度。

1 文獻(xiàn)回顧

1.1 旅游業(yè)的影響

Ekpe等人在文獻(xiàn)[3]中研究發(fā)現(xiàn)在線度假租賃平臺(tái)興起的早期，傳統(tǒng)酒店運(yùn)營商及其員工擔(dān)憂對(duì)收入的影響，特別是中檔和低成本住宿提供商[3]。許多酒店運(yùn)營商強(qiáng)調(diào)，在線度假租賃提供商經(jīng)常逃避城市旅游設(shè)施的監(jiān)管和稅收要求，因此在定價(jià)方面享有先天的競爭優(yōu)勢。更廣泛的關(guān)切是，由于缺乏有關(guān)部門管制和酒店運(yùn)營商的信息，旅游設(shè)施和管理的空間戰(zhàn)略可能會(huì)受到破壞。Qiao Si等人在文獻(xiàn)[4]中研究發(fā)現(xiàn)，在線短租平臺(tái)會(huì)增加游客的數(shù)量和逗留時(shí)間，帶來原本可能不會(huì)來某個(gè)地區(qū)的游客，鼓勵(lì)游客在舒適的住宅風(fēng)格住宿更長的時(shí)間[4]。此類研究主要依托短租平臺(tái)展開。

1.2 房地產(chǎn)市場的影響

2008年短租平臺(tái)興起之后，學(xué)者和研究機(jī)構(gòu)多次調(diào)查在線度假短租平臺(tái)的潛在增長和影響，Yue Xiao等人在文獻(xiàn)[5]中研究了短租平臺(tái)對(duì)潛在住房市場的影響，當(dāng)整個(gè)公寓從永久住房轉(zhuǎn)變?yōu)槎唐谧赓U住房時(shí)，會(huì)對(duì)短租平臺(tái)有較大的影響[5]。Lemoine Coralie等人在文獻(xiàn)[6]中研究強(qiáng)調(diào)，房地產(chǎn)租賃市場正在從永久租賃住房供應(yīng)轉(zhuǎn)向短期住宿的住房市場風(fēng)險(xiǎn)[6]。MacAskill S等人在文獻(xiàn)[7]中研究表明，受低需求影響的不斷下跌的住房市場可能會(huì)因在線短租平臺(tái)而穩(wěn)定下來[7]。簡而言之，在線短租平臺(tái)有許多潛在的好處和影響，這取決于當(dāng)?shù)氐那闆r，可能會(huì)對(duì)利益相關(guān)者——消費(fèi)者、房東、房地產(chǎn)經(jīng)紀(jì)人和當(dāng)?shù)仄髽I(yè)產(chǎn)生不同的影響。

1.3 消費(fèi)者的影響

He Chenchen在文獻(xiàn)[8]中研究了在線評(píng)論對(duì)消費(fèi)者酒店預(yù)訂意圖的影響，結(jié)果表明，在線評(píng)論可以有效提高服務(wù)質(zhì)量[8]。Fernando J.在文獻(xiàn)[9]中展開了網(wǎng)上消費(fèi)者評(píng)論對(duì)新產(chǎn)品銷售的影響研究，結(jié)果表明，在線平臺(tái)的評(píng)論可以增加消費(fèi)者用戶的黏性，提高市場服務(wù)能力[9]。龍飛在文獻(xiàn)[10]中對(duì)在線短租市場進(jìn)行了專項(xiàng)研究，結(jié)果表明，在線短租平臺(tái)可以讓店家更好地了解消費(fèi)者的消費(fèi)形態(tài)[10]。侯英裕在文獻(xiàn)[11]中對(duì)共享住宿房源熱度的影響進(jìn)行了專項(xiàng)研究，結(jié)果顯示，房源熱度和共享住宿平臺(tái)在線評(píng)論反饋的反饋率之間存在非線性關(guān)系[11]。金珂在文獻(xiàn)[12]中對(duì)在線短租平臺(tái)消費(fèi)者預(yù)定行為進(jìn)行了專項(xiàng)研究，發(fā)現(xiàn)性別對(duì)在線短租平臺(tái)呈現(xiàn)線性相關(guān)關(guān)系[12]。

2 研究設(shè)計(jì)和研究方法

2.1 數(shù)據(jù)的選取、處理與測算

利用 Airdna 獲取海南省6個(gè)城市從2020年1月-2021 年 8 月在線短租的評(píng)論信息，通過城市 POI數(shù)據(jù)爬取，利用Python及Matlab兩個(gè)軟件中的相關(guān)工具箱，為在線短租平臺(tái)在研究空間分布特征提供了強(qiáng)有力的數(shù)據(jù)支撐。通過Python 對(duì)在線短租評(píng)論內(nèi)容進(jìn)行文本爬取，了解了在線短租在消費(fèi)側(cè)的需求特征。

以途家、小豬、Airbnb、木鳥短租和螞蟻短租等15家在線短租平臺(tái)為研究對(duì)象，其中2011年推出的途家民宿是我國最大的在線短期客房租賃平臺(tái)，途家的在線平臺(tái)通過住宿服務(wù)將房東和消費(fèi)者聯(lián)系起來。本研究共收集15家在線短租平臺(tái)36 072條訂單記錄和評(píng)論內(nèi)容的縱向數(shù)據(jù)，對(duì)36 072條數(shù)據(jù)進(jìn)行分類整理，結(jié)果如表1所示。

表1 變量的測量和描述性統(tǒng)計(jì)Tab.1 Variable measurement and descriptive statistics

2.2 研究方法

2.2.1 估計(jì)模型

公式(1)用于測試整體互動(dòng)對(duì)客戶重復(fù)預(yù)訂的影響，并檢查個(gè)人互動(dòng)的存在。只有當(dāng)房東和某個(gè)游客之間的個(gè)體互動(dòng)存在時(shí)，個(gè)體互動(dòng)的所有屬性(時(shí)效性、文本長度、文本相似性)才能影響顧客的重復(fù)預(yù)訂。因此，一個(gè)獨(dú)立的模型被用來評(píng)估個(gè)人互動(dòng)對(duì)顧客重復(fù)預(yù)訂的影響。公式(2)用于測試當(dāng)整體互動(dòng)和個(gè)人互動(dòng)存在時(shí)，個(gè)人互動(dòng)如何影響客戶的重復(fù)預(yù)訂。

RepOrder=α1*RepRatet-1+α2*AccRatet-1+α3*ConTimet-1+…+α8*LisNumt-1+α9*OrdNumt-1+α10*City+ε

(1)

RepOrdert=β1*RepRatet-1+β2*AccRatet-1+β3*ConTimet-1+…+β14*LisNumt-1+β15*OrdNumt-1+β16*City+ε

(2)

表3 各自變量之間的相關(guān)系數(shù)Tab.3 Correlation coefficients of all indexes

使用縱向數(shù)據(jù)進(jìn)行實(shí)證分析。自變量是一個(gè)二元虛擬變量，而不是一個(gè)可以遵循正態(tài)分布的連續(xù)變量。為了避免由參數(shù)偶然性和不一致估計(jì)引起的潛在誤差，隨機(jī)效應(yīng)模型可以用于非線性二元變量模型。對(duì)兩個(gè)回歸模型進(jìn)行Hausman檢驗(yàn)(表2)。兩個(gè)回歸模型的P值均大于0.05；也就是說，Hausman檢驗(yàn)的最初假設(shè)被接受了。基于隨機(jī)效應(yīng)邏輯回歸模型對(duì)縱向數(shù)據(jù)進(jìn)行了分析，估計(jì)了所有自變量之間的相關(guān)系數(shù)，結(jié)果(表3)顯示，所有系數(shù)都小于0.3。因此，不存在嚴(yán)重的共線性。

根據(jù)結(jié)果顯示，在線回復(fù)率對(duì)顧客重復(fù)預(yù)定有積極的影響，接收率和確認(rèn)時(shí)間對(duì)游客的重復(fù)預(yù)訂有顯著影響；線下互動(dòng)與客戶重復(fù)預(yù)訂呈正相關(guān)，線下互動(dòng)的時(shí)效性對(duì)顧客重復(fù)預(yù)訂沒有顯著影響；回復(fù)文本的絕對(duì)長度對(duì)客戶重復(fù)預(yù)訂有積極的影響；評(píng)論和回復(fù)之間的文本相似性也會(huì)顯著影響客戶的重復(fù)預(yù)訂；對(duì)于線下互動(dòng)在個(gè)體互動(dòng)對(duì)顧客重復(fù)預(yù)訂影響中的調(diào)節(jié)作用沒有顯著性關(guān)系。總的來說，線下互動(dòng)負(fù)向降低了存在性、文本絕對(duì)長度和相似度對(duì)客戶重復(fù)預(yù)訂的影響；在回復(fù)及時(shí)性方面，沒有發(fā)揮適度作用。

2.2.2 模型穩(wěn)定性檢驗(yàn)

通過模型穩(wěn)定性來驗(yàn)證結(jié)果。利用不同的因變量對(duì)模型的魯棒性進(jìn)行了檢驗(yàn)。對(duì)于原始的回歸模型，客戶重復(fù)預(yù)訂被定義為顧客下一次住宿是否選擇同一家酒店。為了穩(wěn)定性檢驗(yàn)，將因變量替換為客人對(duì)同一家酒店的重復(fù)預(yù)訂。基于縱向數(shù)據(jù)的logistic回歸模型，公式保持不變。采用公式(1)來測試整體交互的影響和個(gè)體交互的存在；采用公式(2)用于測試整體互動(dòng)和個(gè)體互動(dòng)存在時(shí)，個(gè)體互動(dòng)水平如何影響消費(fèi)者的購買決策。

為了進(jìn)一步驗(yàn)證結(jié)果的有效性，使用替代文本相似度方法進(jìn)行了第二次魯棒性檢驗(yàn)，將評(píng)論和回復(fù)文本的歸一化歐氏距離作為相似性。基于兩點(diǎn)之間的距離，采用歐氏距離來計(jì)算文本相似度，歐幾里得距離計(jì)算其中pi和qi是點(diǎn)P和點(diǎn)Q在n維上的坐標(biāo)。

(3)

在主機(jī)和列表層面上測試了客戶的重復(fù)預(yù)訂，所有結(jié)果保持一致，證明了模型估計(jì)、結(jié)果具有穩(wěn)定性。

3 結(jié)論與建議

研究發(fā)現(xiàn)，線下主客互動(dòng)可以替代個(gè)體互動(dòng)(存在性、文本長度和文本相似性)對(duì)游客重復(fù)預(yù)訂的影響。這種線下互動(dòng)指的是房東和游客共享一個(gè)房子或房間時(shí)的面對(duì)面互動(dòng)。研究表明，這種線下互動(dòng)可以替代發(fā)展在線個(gè)人互動(dòng)、撰寫和定制長的在線評(píng)論。

研究沒有發(fā)現(xiàn)有足夠證據(jù)支持時(shí)間性(個(gè)人在線互動(dòng)的一個(gè)組成部分)對(duì)客戶重復(fù)預(yù)訂的影響。一直以來，線下互動(dòng)并不能替代這種效果，該結(jié)果可能是前后關(guān)聯(lián)的，只適用于小豬和海南。不像西方的客房租賃平臺(tái)，客人的評(píng)論與房東回復(fù)的時(shí)間間隔短(如Airbnb)，鼓勵(lì)客戶重復(fù)預(yù)訂，但在海南，這個(gè)變量似乎不那么重要。

研究發(fā)現(xiàn)，總體的主客交互(在線回復(fù)率、接受率、確認(rèn)時(shí)間)和個(gè)體的主客交互(個(gè)體交互、文本絕對(duì)長度和文本相似度)增加了游客的忠誠度。離線的主客交互可以替代個(gè)體交互(存在性、文本長度和相似性)對(duì)客戶重復(fù)預(yù)訂的影響。房東可以通過與客人的個(gè)人在線互動(dòng)來增加客人的重復(fù)預(yù)訂，一旦個(gè)體交互發(fā)生，文本絕對(duì)長度和相似度就提高了游客的重復(fù)預(yù)訂，從而提高了游客的忠誠度。主機(jī)可以通過回復(fù)游客較長的帖子和定制對(duì)游客評(píng)論和問題的回復(fù)來增加游客的重復(fù)預(yù)訂，他們不喜歡標(biāo)準(zhǔn)化的信息和答案。文本長度反映了房東提供的內(nèi)容和信息的數(shù)量，被解讀為房東積極態(tài)度和努力的信號(hào)。定制化的信息在情感上連接了房東和游客，增強(qiáng)了客戶體驗(yàn)，從而提高了他們的忠誠度。

當(dāng)房東與游客共享一個(gè)房子時(shí)，應(yīng)增加線下互動(dòng)，離線主客交互可以替代個(gè)體交互的效果(存在性、文本長度和相似性)。這些經(jīng)驗(yàn)對(duì)房東來說很有價(jià)值，對(duì)于平臺(tái)管理人員理解房東和客人之間的行為和交互模式也非常有用。

4 總結(jié)與展望

在數(shù)字加速時(shí)代，短期客房租賃服務(wù)成為游客的可行選擇，共享經(jīng)濟(jì)在酒店短租市場越來越受歡迎。分析了如何在共享經(jīng)濟(jì)的短期房間租賃市場增加游客的重復(fù)預(yù)訂，進(jìn)而提高忠誠度，將文本挖掘技術(shù)和計(jì)量經(jīng)濟(jì)學(xué)模型結(jié)合在一個(gè)大型數(shù)據(jù)集上，該數(shù)據(jù)集包含來自海南省6個(gè)城市的36 072條訂單記錄和評(píng)論內(nèi)容的縱向數(shù)據(jù)。研究表明，在線短租平臺(tái)對(duì)短期度假租賃住宿的潛在影響會(huì)因現(xiàn)有的旅游基礎(chǔ)設(shè)施、地區(qū)環(huán)境特征和住房市場壓力而有所不同，針對(duì)這些具體壓力量身定制應(yīng)對(duì)措施，對(duì)于確保從中獲得潛在的、更廣泛的利益及有效管理影響至關(guān)重要。本研究還存在一定的局限性，今后的研究要控制變量，增加年齡和性別對(duì)重復(fù)預(yù)定的影響。增加數(shù)據(jù)樣本，因?yàn)檠芯繑?shù)據(jù)集主要來自海南省，需拓展數(shù)據(jù)樣本，范圍擴(kuò)大至全國。主要研究了房東和顧客之間反饋內(nèi)容的相識(shí)度，未來可以研究房東與房東之間反饋內(nèi)容的相識(shí)度。