暨南大學(xué)深圳旅游學(xué)院 庾美容

在線旅游信息對團隊游產(chǎn)品預(yù)訂的影響研究——以攜程網(wǎng)數(shù)據(jù)為例

暨南大學(xué)深圳旅游學(xué)院 庾美容

摘 要：本文將研究在線旅游網(wǎng)站在線信息：商家推介信息，產(chǎn)品介紹信息和游客點評信息對國內(nèi)目的地跟團游預(yù)訂的 影響。通過將我國旅游城市分為高度專業(yè)化、半專業(yè)化和低專業(yè)化三種類型，采集不同城市目的地跟團游線路信息，經(jīng)過SPSS分析，提出在線信息對不同專業(yè)化旅游城市的影響。所以在線旅游網(wǎng)站應(yīng)根據(jù)不同市場需求加以改進網(wǎng)站功能，才能符合時代的發(fā)展趨勢。

關(guān)鍵詞:攜程網(wǎng) 國內(nèi)跟團游 在線信息 線性回歸分析

根據(jù)艾瑞網(wǎng)數(shù)據(jù)，我國2014年在線旅游市場規(guī)模達3077.9億元，其中在線度假是最具發(fā)展?jié)摿Φ氖袌?。然而旅游產(chǎn)品作為一款體驗型產(chǎn)品，用戶只能通過網(wǎng)站了解旅游線路，因此，旅游網(wǎng)站上的信息對用戶購買就顯得十分重要。本文將通過以攜程網(wǎng)為例，區(qū)分三種旅游專業(yè)化程度城市，研究在線信息對不同專業(yè)化旅游城市旅游業(yè)務(wù)預(yù)訂影響，使旅游網(wǎng)站能更有針對性地加強網(wǎng)站信息建設(shè)。

1 文獻綜述

Peterson(2003)通過研究用戶搜索行為，認(rèn)為在線信息能夠通過影響用戶的購買行為，從而對產(chǎn)品的銷量造成影響。Senecal(2004)發(fā)現(xiàn)用戶評論信息能夠增加潛在用戶的購買意愿，評論數(shù)目越多，越容易受到用戶追捧。岑成德(2007)研究年輕旅游者網(wǎng)絡(luò)搜索行為，發(fā)現(xiàn)他們最重視價格、景點推介、住宿、美食與線路的安排。孫春華(2009)對比了零負(fù)面口碑和20%負(fù)面口碑的情況下，20%負(fù)面口碑產(chǎn)品預(yù)訂量更多。過度的人為控制評論，容易降低評論的可信度，從而適得其反。李君軼(2010)通過對游客進行調(diào)查，發(fā)現(xiàn)在短時間內(nèi)把線路的主要特征告訴游客，吸引游客點擊了解再下單，成為在線旅游網(wǎng)站發(fā)展的根本。江金波(2014)研究旅游電子商務(wù)網(wǎng)站成熟度對在線旅游預(yù)訂意向，發(fā)現(xiàn)顧客對網(wǎng)站的信任程度會影響顧客的下單。

2 實證分析

2.1 模型構(gòu)建

本文根據(jù)城市規(guī)模與旅游化程度，將我國城市分為三類旅游城市研究：高度專業(yè)化旅游城市：三亞、麗江、桂林、張家界，半專業(yè)化城市：廈門、北京、上海、秦皇島，低專業(yè)化旅游城市：深圳、東莞、濟南、呼和浩特共十二個城市。

通過分析攜程網(wǎng)站信息，總結(jié)出網(wǎng)站上主要存在三種介紹信息：網(wǎng)站推薦信息、旅游產(chǎn)品自身特色信息與游客體驗評論信息。網(wǎng)站推薦信息是網(wǎng)站上對該旅游產(chǎn)品做的廣告推介，如鉆級()，代表餐飲與住宿環(huán)境。特色信息指旅游產(chǎn)品本身特色，如價格()、景點特點等，本文采取計算特色數(shù)目()考察景點特點。而評論信息則是體驗過產(chǎn)品的游客給出的點評，本文統(tǒng)計的變量有評論數(shù)目()、點評得分()、差評比率(線路1分和

通過選取線性回歸模型，將出游人數(shù)等于網(wǎng)上預(yù)訂國內(nèi)跟團游( 2分人數(shù)占總?cè)藬?shù)的比率)與咨詢問答數(shù)()。 )的數(shù)量，把以上因素納入模型中研究。建立模型如下：

2.2 數(shù)據(jù)收集

在選擇旅游線路上，為排除不同出發(fā)地到同一目的地的路程遠(yuǎn)近與選擇交通方式不同帶來的價格差異，將選取目的地跟團游線路數(shù)據(jù)作為研究。本文通過八爪魚采集器采集攜程網(wǎng)目的地跟團游線路信息，再導(dǎo)入到SPSS中，建立多元線性回歸方程，研究在線信息對不同專業(yè)化旅游城市跟團游預(yù)訂的影響。

2.3 結(jié)果分析

在SPSS里進行線性回歸分析時，采用了DW檢驗和VIF檢驗方法對模型進行檢驗：三個模型的DW檢驗結(jié)果都接近2，證明殘差服從正態(tài)分布，隨機序列中不存在自相關(guān)性。而三個模型的VIF值均處于1～2.5之間，一般認(rèn)為VIF值少于10時，變量之間不存在顯著的線性相關(guān)，所以本文中的自變量都通過檢驗，回歸分析的結(jié)果可信。統(tǒng)計模型的分析結(jié)果如表1所示。

表1 統(tǒng)計分析結(jié)果

綜合比較以上三個模型，點評數(shù)目對不同專業(yè)化的旅游城市都有影響，而鉆級、點評得分、差評比率與咨詢問答數(shù)則不同程度地影響不同專業(yè)化的旅游城市，其中特色數(shù)目與價格則沒有較大的影響。由于特色數(shù)目是在主頁面吸引游客點擊進去游覽的，更多的是起到吸引關(guān)注的作用，對訂單量影響不大。而價格由于會隨著出游天數(shù)、入住酒店等級與餐飲狀況而改變，所以也不能一概而論地影響跟團游的預(yù)訂人數(shù)。

3 研究結(jié)論

本文以出游人數(shù)為因變量，研究另外七個變量對其的影響。研究結(jié)果表明：(1)點評數(shù)目顯著影響著不同專業(yè)化的旅游城市出游人數(shù)；(2)特色數(shù)目與最低價格沒有對跟團游數(shù)量有顯著影響；(3)鉆級、點評得分、點評人數(shù)、差評比率與咨詢問答數(shù)很大程度上會影響高度專業(yè)化和半專業(yè)化旅游城市在線跟團游的訂單量。對旅游網(wǎng)站在線信息的建設(shè)建議如下：

首先，對不同旅游專業(yè)化程度城市的跟團游線路應(yīng)該進行分類管理。一些用戶是以點評數(shù)量為導(dǎo)向的，難以找到最適合自己的跟團游旅游線路?？梢粤谐鲆粋€欄目，月度或季度最熱門出游線路，吸引大家點擊了解詳情。

其次，除了點評數(shù)目會影響用戶的在線預(yù)訂數(shù)量，差評數(shù)量也會影響用戶預(yù)訂。100%的好評反而會引起用戶對網(wǎng)站可信度的懷疑，所以商家不應(yīng)該一面地控制好評比率，而是在出現(xiàn)了差評后應(yīng)該立刻跟進處理。從用戶的角度看，網(wǎng)站的人員積極響應(yīng)和處理問題，會使用戶更加相信網(wǎng)站產(chǎn)品，提高對網(wǎng)站的忠誠度。

最后，由于點評數(shù)量，用戶咨詢數(shù)等也會積極影響用戶的購買意向，所以網(wǎng)站應(yīng)該鼓勵游客在體驗產(chǎn)品后回到網(wǎng)站上撰寫點評或游記，不僅能夠吸引更多用戶購買同類型的產(chǎn)品，也能更好地維護與老客戶的關(guān)系。強大的點評及客戶數(shù)據(jù)系統(tǒng)不僅能吸引更多的客戶提高對網(wǎng)站與產(chǎn)品的信任度，也能夠提供數(shù)據(jù)事實依據(jù)給網(wǎng)站和跟團游承包商進行改進，這能促使在線旅游網(wǎng)站的良性循環(huán)發(fā)展。

4 結(jié)語

本文以三個不同旅游專業(yè)化的城市為例，研究影響其出游人數(shù)的原因，能否適用于其他城市還有待其他數(shù)據(jù)收集方法等的配合研究，如后續(xù)應(yīng)該結(jié)合調(diào)查問卷等面向全國旅游者進行調(diào)研，通過調(diào)查問卷，實地探訪調(diào)研等方法，進一步考察攜程網(wǎng)上的在線信息對用戶預(yù)訂的影響。

參考文獻

[1] 張夢,張廣宇,葉作亮.在線信息對酒店網(wǎng)上預(yù)訂的影響研究——基于攜程網(wǎng)酒店在線預(yù)訂數(shù)據(jù)的分析[J].旅游學(xué)刊,2011.

[2] 李君軼,楊敏.西安國內(nèi)游客旅游網(wǎng)絡(luò)信息搜索行為研究[J].經(jīng)濟地理,2010.

[3] 江金波,梁方方.旅游電子商務(wù)成熟度對在線旅游預(yù)訂意向的影響——以攜程旅行網(wǎng)為例[J].旅游學(xué)刊,2014.

中圖分類號：F590

文獻標(biāo)識碼：A

文章編號：2096-0298(2015)05(c)-174-02