魏曉健 朱閣 趙建欣

摘要： 隨著互聯(lián)網(wǎng)技術(shù)的逐漸普及，在線預(yù)訂成為酒店預(yù)訂的主要方式，最近幾年研究網(wǎng)絡(luò)在線評論的文獻(xiàn)也越來越多。本文首先梳理了已有在線消費(fèi)者評論相關(guān)文獻(xiàn)。通過采集北京地區(qū)大眾點(diǎn)評平臺上的經(jīng)濟(jì)型酒店和四五星級高檔型酒店數(shù)據(jù)，并建立多元回歸模型，分析了消費(fèi)者評分、評分方差和價(jià)格等因素對酒店在線預(yù)訂數(shù)量的影響。研究結(jié)果表明，選擇經(jīng)濟(jì)型酒店的消費(fèi)者更加注重酒店的性價(jià)比和評論分?jǐn)?shù)的一致性；而選擇高檔型酒店的消費(fèi)者，則更加注重酒店的檔次和評論分?jǐn)?shù)的一致性。

Abstract： With the growing popularity of Internet technology， online reservation has become the main way of hotel reservation， and researches on online comment have been increasing in recent years. This paper firstly sorts the existing online consumer comment related literature. Through collecting the data on Public Comments platform on budget hotels and four five-star luxury hotels in Beijing， and establishing multiple regression model， this article analyzes the influence of consumer score， score variance and price factors on the number of the hotel online reservation. Research results show that the customers choosing budget hotels pay more attention to the consistency of hotel's cost performance and comment scores； and those who choose high-grade hotels pay more attention to the consistency of the grade of the hotel and comment scores.

關(guān)鍵詞： 酒店預(yù)訂；在線評論；市場銷售

Key words： hotel reservation；online comments；marketing

中圖分類號：F719；F49 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2016）05-0070-03

0 引言

在線預(yù)訂也稱為網(wǎng)上預(yù)訂，是指消費(fèi)者通過網(wǎng)絡(luò)向產(chǎn)品或服務(wù)提供商預(yù)訂所需產(chǎn)品或服務(wù)并通過線上或線下的方式進(jìn)行支付。隨著網(wǎng)絡(luò)的普及，越來越多的消費(fèi)者根據(jù)需求選擇了在線預(yù)訂。據(jù)CNNIC發(fā)布的最新消息顯示，截至到2015年6月，我國網(wǎng)民規(guī)模達(dá)6.68億，互聯(lián)網(wǎng)普及率為48.8%，給在線預(yù)訂提供了廣闊的發(fā)展基礎(chǔ)[1]。酒店的異地性和體驗(yàn)性特征更加適合在線預(yù)訂。酒店的預(yù)訂形式主要有三種：一種是第三方平臺預(yù)訂，第二種是酒店官方直銷模式，第三種是代理模式[2]。目前酒店預(yù)訂模式最常用的是第三方平臺預(yù)訂。本文的研究主要基于這種第三方平臺的在線預(yù)訂來研究酒店市場銷售的在線信息影響因素。酒店的體驗(yàn)性特征使得顧客無法在消費(fèi)之前獲知消費(fèi)過程的全面信息，因此，為了降低感知風(fēng)險(xiǎn)，顧客往往傾向網(wǎng)絡(luò)口碑獲取參考信息（Wirtz和Chew，2002）[3]。本文在梳理已有文獻(xiàn)的基礎(chǔ)上，對第三方評論網(wǎng)站上影響消費(fèi)者在線預(yù)訂酒店的評論相關(guān)信息進(jìn)行了建模分析。并為酒店管理者提高酒店的市場銷售提出新思路。

1 文獻(xiàn)綜述

酒店是典型的體驗(yàn)性服務(wù)，其各方面質(zhì)量在消費(fèi)之前往往是未知的。因此，為了降低感知風(fēng)險(xiǎn)，消費(fèi)者從各方面搜索信息為其決策提供參考[4]。而所有在線信息中在線評論又是消費(fèi)者最為關(guān)注的。Gretzel和Yoo（2008）指出有四分之三的旅游者在做決定之前會將在線評論作為一個(gè)信息來源來支持選擇[5]。同樣，Hankin L（2007）基于在BizRate上的調(diào)查，發(fā)現(xiàn)大約有近一半的人購物前會查詢在線評論，有一半以上的人認(rèn)為消費(fèi)者評論比專家評論更有價(jià)值[6]。消費(fèi)者在預(yù)定酒店之前也必定搜尋在線評論（Kim等，2011）[7]。Karen（2014）根據(jù)TripAdvisor，2013指出53%的游客直到讀了在線評論之后才會預(yù)訂酒店，而77%的游客“常?！痹陬A(yù)訂前查看酒店評論[8]。

在線評論與消費(fèi)者預(yù)訂緊密相連的同時(shí)，自然與相關(guān)產(chǎn)品的銷售密切相關(guān)。已有研究充分論證了在線評論對銷售的重要影響。Ghose和Ipeirotis （2006）指出在線評論可以降低消費(fèi)者缺乏產(chǎn)品信息而產(chǎn)生的憂慮，從而有利于促進(jìn)銷售[9]。同樣，已有研究發(fā)現(xiàn)，在線評論在酒店行業(yè)銷售方面也起著關(guān)鍵的作用（Cheng和Loi，2014）[10]。？魻gut？觺和Tas（2012）指出消費(fèi)者評分增加1%，在巴黎酒店銷售量會增加2.68%，倫敦酒店銷量會增加2.62%[11]。

同樣Ye等（2011）研究了在線評論對酒店經(jīng)營績效的影響，并通過實(shí)證研究發(fā)現(xiàn)在線評論的數(shù)量增加10%，在線預(yù)訂就會增加5%[12]。Torres等（2015）指出公司的財(cái)務(wù)狀況能通過酒店的顧客在線評級來反映。研究收集了TripAdvisor上178家酒店信息對酒店排名和在線評論數(shù)量對酒店交易產(chǎn)生的影響進(jìn)行了研究。結(jié)果表明，評分和評論的數(shù)量與酒店在線預(yù)訂交易的平均規(guī)模正相關(guān)[13]。

已有文獻(xiàn)對在線評論的研究主要集中于以下幾個(gè)方面：評論極性（Chintagunta等，2010[14]；Sun，2012[15]；Tirunillai和Tellis，2012[16]）、評論數(shù)量（Chintagunta等，2010[14]；Dellarocas等，2007[17]）和評分方差（Chintagunta等，2010[14]；Sun，2012[15]；Markopoulos和Clemons，2013[18]）。

通過以上文獻(xiàn)可以看出，關(guān)于在線評論的理論研究已經(jīng)比較豐富，而實(shí)證研究卻十分有限，根據(jù)第三方平臺的預(yù)訂信息來分析評論信息對銷售影響的文獻(xiàn)更是寥寥無幾。在此方面具有開創(chuàng)性的Qiang Ye等（2009）從攜程網(wǎng)上搜集數(shù)據(jù)，建立了一個(gè)對數(shù)線性回歸模型，分析了評分均值、評分方差、最低價(jià)格、城市等級、酒店星級對酒店預(yù)訂數(shù)量的影響。研究結(jié)果表明，評分與評論數(shù)量正相關(guān)，評分方差與評論數(shù)量負(fù)相關(guān)，城市等級對酒店的預(yù)訂也有一定的影響[7]。Xie等（2014）從TripAdvisor上收集數(shù)據(jù)，分析了消費(fèi)者評論和商家反饋對企業(yè)績效的影響。結(jié)果顯示總體評級，購買價(jià)值、位置、清潔度的屬性評級，消費(fèi)者評論的變化和數(shù)量，管理者回應(yīng)的數(shù)量與酒店表現(xiàn)強(qiáng)烈相關(guān)。此外，消費(fèi)者評論的變化和數(shù)量對總體評分和酒店表現(xiàn)之間的關(guān)系有調(diào)節(jié)作用[20]。

無論任何交易，價(jià)格都是最為重要的因素，Cezar等（2012）通過研究國內(nèi)酒店預(yù)訂得出價(jià)格和在線評論數(shù)量顯著負(fù)相關(guān)[21]。在以上研究的基礎(chǔ)上，本文對影響消費(fèi)者在線預(yù)訂和酒店銷售的評分、評論數(shù)量、評分方差、價(jià)格等幾個(gè)關(guān)鍵因素進(jìn)行建模分析，以期豐富該領(lǐng)域的研究成果并為酒店經(jīng)營人員提供更恰當(dāng)?shù)脑诰€管理策略。

2 實(shí)證分析

2.1 構(gòu)建模型

本文使用多元線性回歸模型研究評論分?jǐn)?shù)、評分一致性以及價(jià)格對酒店預(yù)訂數(shù)量的影響。由于酒店的預(yù)訂數(shù)量與酒店的評論數(shù)量存在線性關(guān)系[19]，因此在本模型中我們使用評論數(shù)量來代替酒店實(shí)際銷售數(shù)量。模型構(gòu)建如下：

ln（Volume）=？茁0+？茁1Rating+？茁2VarRating+？茁3ln（Price）+？著

（1）

以上模型中的變量說明如表1。

2.2 收集數(shù)據(jù)

大眾點(diǎn)評是國內(nèi)領(lǐng)先的生活信息及交易平臺。截止到2015年第一季度，大眾點(diǎn)評月活躍用戶數(shù)超過2億，收錄商戶數(shù)量超過1400萬家，覆蓋全國2500多個(gè)城市及美國、日本、法國等近百個(gè)熱門旅游國家和地區(qū)。除上海總部之外，大眾點(diǎn)評已經(jīng)在北京、廣州、天津、杭州、南京等160多座城市設(shè)立分支機(jī)構(gòu)。目前大眾點(diǎn)評月綜合瀏覽量（網(wǎng)站及移動(dòng)設(shè)備）超過150億，其中移動(dòng)客戶端的瀏覽量超過85%，移動(dòng)客戶端累計(jì)獨(dú)立用戶數(shù)超過2億[22]?？紤]到不同檔次的酒店對影響其銷售的信息可能不同，因此，我們從大眾點(diǎn)評網(wǎng)上搜集了北京地區(qū)經(jīng)濟(jì)型酒店、四星級酒店和五星級酒店數(shù)據(jù)，用于此模型的對比分析。在分析中，經(jīng)濟(jì)型酒店自成一類，四星級和五星級酒店分為一類，屬于高檔型酒店。

在搜集數(shù)據(jù)過程中，我們根據(jù)各類型酒店的標(biāo)準(zhǔn)和2014年中國酒店的平均入住率（56%）來篩選酒店數(shù)據(jù)。經(jīng)濟(jì)型酒店中，我們將“青年旅社”等一類的酒店排除在外，由于很多青年旅社只為背包客提供床位，服務(wù)質(zhì)量和價(jià)格均遠(yuǎn)遠(yuǎn)低于一般經(jīng)濟(jì)型酒店，因此，在本文研究的經(jīng)濟(jì)型酒店中只包含品牌經(jīng)濟(jì)型酒店，諸如7天、如家、漢庭、錦江之星、速8等各種品牌酒店。

經(jīng)過數(shù)據(jù)的搜集與整理，最終整理出808家酒店作為研究樣本。其中經(jīng)濟(jì)型酒店348家，所占比例43.07%；高檔型酒店460家，所占比例56.93%，其中四星級酒店285家，所占比例35.27%，五星級酒店175家，所占比例21.66%。在此數(shù)據(jù)信息中，評分采用各酒店的平均評分計(jì)算得來。平均分相對于1～5刻度的評分更利于準(zhǔn)確的分析。

2.3 結(jié)果分析

本文使用spss20.0進(jìn)行數(shù)據(jù)分析，為避免多重共線性因素影響分析結(jié)果，首先進(jìn)行了多重共線性診斷。診斷結(jié)果如表3所示。

從表3中可以看出，方差膨脹因子VIF遠(yuǎn)小于10，因此，此模型不存在多重共線性問題。通過數(shù)據(jù)分析，最終得出兩種類型酒店的模型結(jié)果，如表4。

從模型1中可以看出，價(jià)格和評分均十分顯著，價(jià)格系數(shù)？茁3為負(fù)（-0.347），評分系數(shù)？茁1為正（0.723），說明選擇經(jīng)濟(jì)型酒店的消費(fèi)者比較注重價(jià)格方面的實(shí)惠，同時(shí)關(guān)注評分較高的酒店。而在模型2中，價(jià)格的系數(shù)？茁3為正（0.331），評分系數(shù)？茁1也為正，說明選擇高檔酒店的消費(fèi)者不會刻意回避高價(jià)格，可能是因?yàn)檫x擇高檔型酒店的消費(fèi)者大多為商務(wù)出行或有公款報(bào)銷的人群，因此，他們更加注重評分的高低與評分的一致性。

3 結(jié)論與對策

本文在梳理已有文獻(xiàn)的基礎(chǔ)之上，根據(jù)影響酒店在線預(yù)訂的關(guān)鍵因素進(jìn)行了多元回歸分析。數(shù)據(jù)來源于大眾點(diǎn)評北京地區(qū)經(jīng)濟(jì)型酒店和四星、五星級酒店，為對比不同等級酒店之間的差別，根據(jù)酒店檔次將以上酒店數(shù)據(jù)分為經(jīng)濟(jì)型和高檔型兩類，在此基礎(chǔ)上分析了消費(fèi)者評分、評分方差和價(jià)格對兩種類型酒店預(yù)訂的影響。結(jié)果表明消費(fèi)者評分、評論方差和價(jià)格對酒店的在線預(yù)訂數(shù)量影響均為顯著。選擇經(jīng)濟(jì)型酒店的消費(fèi)者更加傾向于價(jià)格較低而評分較高的酒店，即注重酒店的性價(jià)比；而選擇高檔型酒店的消費(fèi)者則更加注重酒店的檔次。兩種消費(fèi)者在選擇酒店時(shí)均會選擇評分一致的酒店，以減小住宿所帶來的感知風(fēng)險(xiǎn)。

通過以上分析，酒店經(jīng)營者對于不同的消費(fèi)者應(yīng)該采取不同的銷售策略。而反應(yīng)在酒店頁面信息上則為關(guān)鍵信息的精心設(shè)計(jì)和消費(fèi)者心理的準(zhǔn)確預(yù)測。對于經(jīng)濟(jì)型酒店，酒店管理人員應(yīng)當(dāng)提供與所屬檔次一致的設(shè)施與服務(wù)，保證評論的一致性；另外，可以定期推出特價(jià)房，以優(yōu)惠的價(jià)格吸引更多的消費(fèi)者預(yù)訂。而對于高檔型酒店，管理人員在酒店各方面更應(yīng)精益求精以求與其檔次相符；在價(jià)格方面不能盲目追求低廉，要與酒店的真實(shí)設(shè)施服務(wù)相匹配。

參考文獻(xiàn)：

[1]http：//www.cnnic.cn/gywm/xwzx/rdxw/2015/201507/t2015072

3_52626.htm.

[2]陳海鵬.旅游在線預(yù)訂市場與BtoC 電子商務(wù)模式研究.

[3]Wirtz， J.， Chew， P. The effects of incentives， deal proneness， satisfaction and tie-strength on word-of-mouth behavior. Int. [J]. Serv. Ind. Manage， 2002， 13 （2）：141-162.

[4]Klein L R. Evaluating the potential of interactive media through a new lens： Search versus experience goods [J]. Journal of Business Research， 1998，97（ 41） ： 195-203.

[5]Gretzel， U.， Yoo， K.， 2008. Use and impact of online travel reviews. In： OConnor， P.， Ho ¨pken， W.， Gretzel， U. （Eds.）， Information and Communication Technologies in Tourism 2008. Springer-Verlag， Wien/New York， pp. 35-46.

[6]Hankin L. The effects of user reviews on online purchasing behavior across multiple product categories[D]. California： University of California，2007.

[7]Kim， E.E.K.， Mattila， A.S.， Baloglu， S. Effects of gender and expertise on consumers motivation to read online hotel reviews. Cornell Hosp. Q， 2011， 52 （4）：399-406.

[8]Xie K L， Zhang Z， Zhang Z. The business value of online consumer reviews and management response to hotel performance[J]. International Journal of Hospitality Management， 2014， 43：1-12.

[9]Ghose， A.， Ipeirotis， P.， 2006. Towards an understanding of the impact of customer sentiment on product sales and review quality. In： Proceedings of theWorkshop on Information Technology and Systems， Milwaukee， December， pp. 1-6.

[10]Cheng， V.T.P.， Loi， M.K. Handling negative online customer reviews： the effects of elaboration likelihood model and distributive justice[J]. Travel Tour. Market， 2014， 31 （1）：1-15.

[11]？魻gut， ˇH.， Tas ， B.K.O. The influence of internet customer reviews on the online sales and prices in hotel industry[J]. Serv. Ind， 2012， 32 （2）：197-214.

[12]Ye Q， Law R， Gu B， et al. The influence of user-generated content on traveler behavior： An empirical investigation on the effects of e-word-of-mouth to hotel online bookings[J]. Computers in Human Behavior， 2011， 27（2）：634-639.

[13]Torres E N， Singh D， Robertson-Ring A. Consumer reviews and the creation of booking transaction value： Lessons from the hotel industry[J]. International Journal of Hospitality Management， 2015， 50：77-83.

[14]Chintagunta， P.K.， Gopinath， S.， Venkataraman， S. The effects of online user reviews on movie box office performance： accounting for sequential rollout and aggregation across local markets[J]. Market. Sci， 2010， 29 （5）： 944-957.

[15]Sun， M. How does the variance of product ratings matter？[J]. Manage. Sci， 2012， 58 （4）：696-707.

[16]Tirunillai， S.， Tellis， G.J. Does chatter really matter？ Dynamics of usergenerated content and stock performance[J]. Market. Sci， 2012， 31 （2）：198-215.

[17]Dellarocas， C.， Zhang， X.， Awad， N.F. Exploring the value of online product ratings in revenue forecasting： the case of motion pictures[J]. Interact. Market， 2007， 21（4）：23-45.

[18]Markopoulos， P.M.， Clemons， E.K. Reducing buyers uncertainty about tasterelated product attributes[J]. Manage. Inf. Syst， 2013， 30（2）：269-299.

[19]Ye Q， Law R， Gu B. The impact of online user reviews on hotel room sale[J]. International Journal of Hospitality Management，2009，28（1）：180-182.

[20]Xie K L， Zhang Z， Zhang Z. The business value of online consumer reviews and management response to hotel performance[J]. International Journal of Hospitality Management， 2014， 43：1-12.

[21]Cezar A， ütH. The Determinants of Domestic and International Visitors Online Hotel Booking[J]. Procedia - Social and Behavioral Sciences， 2012， 58：971-979.

[22]http：//baike.baidu.com/view/898309.htm.