高寶俊 孫含琳 王寒凝

[摘要]隨著Web 2.0的廣泛應(yīng)用，在線評論對酒店銷售產(chǎn)生了重大影響。由于無法獲取確切的在線銷售數(shù)據(jù)，已有的研究用在線評論量來替代，但其并不能有效地衡量酒店的在線銷售量。因此，文章引入訂滿率，從TripAdvisor.com上采集酒店數(shù)據(jù)，研究消費者推薦比率和酒店位置評分等在線評論因素對不同檔次酒店訂滿率的影響。結(jié)果表明：（1）訂滿率比在線評論量更能反映酒店的銷售情況；（2）消費者推薦比率對豪華型酒店的訂滿率有正面影響，但對經(jīng)濟型酒店無顯著影響；（3）消費者對酒店位置的評分對所有酒店的訂滿率都有顯著的正面影響。

[關(guān)鍵詞]訂滿率；酒店檔次；在線評論；消費者推薦比率；酒店位置評分

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2016）04-0109-09

Doi： 10.3969/j.issn.1002-5006.2016.04.017

引言

隨著Web 2.0時代的到來，新興的網(wǎng)絡(luò)技術(shù)大幅度地提高了溝通的效率，越來越多的行業(yè)管理者選擇互聯(lián)網(wǎng)作為新的銷售渠道[1]。而旅游行業(yè)就是最先發(fā)展網(wǎng)絡(luò)營銷并取得成功的行業(yè)之一，研究表明，旅游產(chǎn)品的在線銷售量仍然保持增長態(tài)勢[2]。

隨著第三方旅游點評網(wǎng)站的迅速發(fā)展和普及，在線評論已成為消費者獲取信息的重要來源，并對消費者的購買行為產(chǎn)生了重大影響，同時也為研究者提供了更全面的數(shù)據(jù)。然而，酒店的銷售數(shù)據(jù)一般是不公開的，研究者無法通過網(wǎng)絡(luò)渠道獲取酒店的銷售量或入住率等確切數(shù)據(jù)。所以，大多數(shù)關(guān)于在線評論對酒店銷售的影響研究，用總評論量來代替酒店的總銷售量[3-4]，或者用平均評論量來代替酒店的平均銷售量[5]。然而，并非所有在網(wǎng)上預(yù)訂酒店的消費者都會發(fā)表評論，在線評論量和酒店銷售量之間的關(guān)系是非線性的。研究表明，消費者更傾向于為那些較冷門的、評論量較少的產(chǎn)品或者非常受歡迎的、評論量很多的產(chǎn)品發(fā)表評論[6]。因此，在線評論量并不能有效地衡量酒店的在線銷售量。

在互聯(lián)網(wǎng)普及之前，研究者通常用平均入住率來衡量酒店銷售量[7]。但這些離線數(shù)據(jù)是由相關(guān)機構(gòu)或酒店提供的，通常數(shù)據(jù)量較小并且缺乏消費者的反饋。TripAdvisor.com提供的數(shù)據(jù)可以反映酒店每天的預(yù)訂情況。因此，本文引入酒店訂滿率作為被解釋變量來衡量酒店的銷售情況。

此前的研究都用消費者評分代表酒店的電子口碑[3-5]。但消費者評分并不能說明消費者滿意與否。只有酒店的各方面都達(dá)到了消費者的心理預(yù)期并充分滿足了需求，消費者才會推薦該酒店。因此，本文采用了消費者推薦比率，這不僅消除了消費者評分標(biāo)準(zhǔn)不統(tǒng)一所造成的偏差，而且更直觀地反映了消費者的滿意程度和酒店的受歡迎程度。

已有研究常用調(diào)查分析等方法來確定位置在消費者購買決策中的重要性。但位置是一個客觀變量，很難用數(shù)據(jù)來度量。而最新的研究則采用了“谷歌地圖”的相關(guān)技術(shù)來確定酒店的物理位置和相關(guān)屬性[8]，忽視了不同消費者對酒店位置的不同需求。本文采用了消費者對酒店位置的評分，這不僅合理地量化了酒店位置，而且客觀地反映了消費者的意見。

此外，按照酒店星級，將酒店分為豪華型酒店和經(jīng)濟型酒店，研究了消費者推薦比率和酒店位置評分等在線評論因素對不同檔次酒店訂滿率的影響。通過本文的分析，管理者能根據(jù)消費者的需求調(diào)整酒店的銷售策略，從而增加酒店銷售量。

1文獻(xiàn)綜述

消費者通常會聽取他人的建議做出購買決定，這種非正式溝通就是口碑。傳統(tǒng)意義上的口碑只能通過口頭交流，局限在一定的社交網(wǎng)絡(luò)內(nèi)。而在線評論作為一種電子口碑完全突破了時間和空間的限制，任何用戶都可以通過互聯(lián)網(wǎng)發(fā)表評論和瀏覽他人的評論[1]。因此，它不僅可以促進(jìn)消費者之間的交流，而且有助于培養(yǎng)品牌忠誠度[9]。研究表明，26%的互聯(lián)網(wǎng)用戶寫過在線評論，而61%的用戶認(rèn)為在線評論是有價值并且可信的[10]。

目前，已有大量研究者關(guān)注了在線評論對銷售的影響。如亞馬遜的在線評論對圖書銷售量具有顯著影響，負(fù)面評論產(chǎn)生的負(fù)面影響要大于正面評論產(chǎn)生的正面影響[11]。此外，也有研究者分析了大眾點評的在線評論，發(fā)現(xiàn)在線評論的評分、數(shù)量以及負(fù)面評論率對餐館產(chǎn)品的在線銷售量有顯著影響，而且產(chǎn)品的價格越高，消費者評分對銷售量的作用越大[12]。而Clemons等[13]指出，消費者評分的波動比消費者評分對在線銷售量有更顯著的影響，而在線評論量對銷售沒有影響。Hu等[14]同時考慮了在線評論的定量和定性兩個方面，發(fā)現(xiàn)消費者能判斷有利信息和不利信息之間的價值差異并及時做出相應(yīng)的決策，所以企業(yè)在產(chǎn)品發(fā)布后的一段時間內(nèi)不必激勵消費者寫評論。在線評論的主要作用是擴大產(chǎn)品的知名度，其說服消費者購買的作用并不明顯[15]。

隨著旅游網(wǎng)站的快速發(fā)展和盛行，消費者可以通過網(wǎng)絡(luò)渠道來獲取豐富的酒店信息，并與其他消費者分享心得體會。每年數(shù)以萬計的游客都會訪問酒店點評網(wǎng)站。研究表明，相比旅行社提供的信息，在線評論能更加客觀地反映最新的、可靠的、有價值的信息[16]。研究發(fā)現(xiàn)，大約34.7%的在線支付都與旅游有關(guān)[17]，而且超過74%的旅行者會參考其他消費者的評價[16]。Milan[18]發(fā)現(xiàn)，84%的消費者在網(wǎng)上預(yù)訂酒店時會受到在線評論的影響，因為他們認(rèn)為在線評論比酒店提供的信息更有說服力。此外，在線評論每年會影響100億美元的在線旅行購買決策[6]。

Ye等[3]發(fā)現(xiàn)在線評論對酒店銷售具有顯著的正面影響。另有研究表明，消費者評分對酒店銷售和酒店價格都有顯著的正面影響，而高星級酒店的價格對消費者評分更加敏感[5]。Spark和Browning[19]指出，積極的在線評論會增加酒店銷售量，但是消極的在線評論更易影響消費者的購買決策。此外，還有研究指出在線評論既會影響銷售量，也會受到銷售量的影響，如果忽略了內(nèi)生性，就會過高地估計在線評論對銷售量的影響[20]。

綜上所述，關(guān)于在線評論的研究主要集中于3個方面：在線評論的重要性，在線評論對消費者購買的影響，以及在線評論和產(chǎn)品銷售之間的關(guān)系。且在線評論對酒店業(yè)的影響尤為顯著。

2研究方法

2.1研究假設(shè)與模型框架

消費者偏好購買熱門的產(chǎn)品，因為他們普遍認(rèn)為跟隨大眾潮流能一定程度上規(guī)避風(fēng)險[21]。而有關(guān)羊群效應(yīng)的研究也表明，在信息不充分時，消費者容易受大眾影響，而忽視小眾的信息[22]。

積極的在線評論能使網(wǎng)站更受歡迎，而一個擁有大量的在線評論的網(wǎng)站能吸引更多的訪問者[23]。龐璐和李君軼[24]將在線評論細(xì)分為消費者評論和編輯評論，結(jié)果發(fā)現(xiàn)消費者評論對增加網(wǎng)頁瀏覽量具有更顯著的作用。在線評論也可以降低消費者的認(rèn)知負(fù)荷，從而促進(jìn)在線銷售[25]。此外，積極評論和消極評論會同時出現(xiàn)在一個在線平臺，世界各地的消費者都可以通過互聯(lián)網(wǎng)訪問大量的在線評論[26]。

酒店業(yè)的營銷人員非常重視對在線消費者交互關(guān)系的管理，因為酒店業(yè)的產(chǎn)品是無形產(chǎn)品，消費者在消費之前無法評估產(chǎn)品價值，卻可以參考其他消費者的意見[27]。因此，強大的在線人際影響力可以為酒店提供顯著的在線競爭優(yōu)勢。酒店的口碑往往是影響消費者購買決策的重要因素[28]。在線評分系統(tǒng)和在線推薦系統(tǒng)已經(jīng)成為可靠的營銷手段，能有效地贏得消費者的信任并促進(jìn)網(wǎng)絡(luò)市場的需求[29]。

現(xiàn)有文獻(xiàn)采用消費者評分衡量酒店口碑[3]，但消費者推薦比率更能反映酒店口碑。由于不同消費者的評分準(zhǔn)則不同，一個給了高評分的消費者不一定會推薦這個酒店。酒店必須真正達(dá)到消費者的預(yù)期并滿足其需求，才可能被消費者推薦。如果消費者并不十分滿意，他們也可能給一個較高的評分，但是不太可能推薦這個酒店。總之，消費者推薦與否更直觀地表明了消費者對酒店的滿意與否，比消費者評分更能反映酒店的電子口碑。因此，本文采用消費者推薦比率作為解釋變量來表示酒店口碑，并提出如下假設(shè)：

H1：消費者推薦比率對酒店銷售有正面影響

消費者推薦比率對酒店訂滿率的影響力取決于該酒店的星級檔次。高星級酒店的價格通常高于低星級酒店，比起那些價格敏感（比起質(zhì)量，更看重價格）的消費者，高星級酒店更注重提高那些質(zhì)量敏感（比起價格，更關(guān)心質(zhì)量）的消費者的滿意度[5]。此外，最新的研究也表明，對比中低檔酒店，消費者評分對高檔酒店的銷售量有更加顯著的正面影響[30]。因此，提出如下假設(shè)：

H2：酒店檔次會減弱消費者推薦比率對酒店銷售的影響；相比經(jīng)濟型酒店，消費者推薦比率對豪華型酒店的銷售有更顯著的正面影響

一個成功的酒店投資，不僅應(yīng)該重視對現(xiàn)階段價值的評估，而且需要考慮合理的酒店位置所帶來的長遠(yuǎn)利益。無論酒店的服務(wù)設(shè)施多么到位，營銷策略多么完善，酒店的銷售量還是會很大程度上受到酒店位置的影響。研究發(fā)現(xiàn)，酒店位置對消費者購買決策有顯著影響[31]，而消費者對酒店周邊環(huán)境的評價也會顯著影響酒店的在線銷售[32]。

但是，一個酒店位置的優(yōu)劣是難以衡量的。Ghose等[33]通過微軟的虛擬地球互動軟件包取得酒店附近的信息，確定了周圍是否有商店、公共交通、沙灘、高速公路等重要因素，以此衡量酒店位置的優(yōu)劣。此外，最新的研究采用了“谷歌地圖”的技術(shù)來測量消費者和酒店之間的空間距離[9]。但這些研究僅僅從酒店的角度評估了酒店的地理位置，卻忽視了消費者的因素。不同消費者對酒店位置有不同的需求，有的消費者會考慮周圍的繁華程度和交通便利程度，而有的消費者可能更注重安全性和隱私性。而本文則采用了在線消費者對酒店位置的評分。雖然這些評分是消費者的主觀意見，但是具體地表現(xiàn)出了其對酒店位置的滿意程度。因此，消費者對酒店位置的平均評分能較直觀地反映大多數(shù)消費者的偏好以及酒店位置的優(yōu)劣。

消費者對酒店位置的評分是1～5分。本文用平均位置評分來衡量消費者對酒店位置的偏好，并提出如下假設(shè)：

H3：酒店位置評分對酒店銷售有正面影響

根據(jù)以上假設(shè)，提出本文理論框架（圖1）。

2.2控制變量

除了上述變量之外，本文還選擇了酒店檔次、酒店價格和房間數(shù)作為控制變量。

大約50%的消費者認(rèn)為酒店星級是首要考慮因素[34]。酒店星級不僅可以幫消費者預(yù)估對該酒店的期望價值，而且能降低預(yù)訂酒店的風(fēng)險。在同一個地區(qū)，高星級酒店通常比低星級酒店更昂貴[35]。在不同檔次的酒店中，消費者會有不同檔次的體驗[36]。因此，消費者會根據(jù)個人需求做出購買決策，可能選擇相對奢侈但高質(zhì)量的高星級酒店，也可能接受相對廉價但質(zhì)量一般的低星級酒店。此外，最新研究表明，酒店星級會減弱酒店價格對消費者服務(wù)質(zhì)量感知的影響[37]。因此，本文按照酒店星級將酒店大致分成了兩個檔次：（1）星級大于等于4的酒店為豪華型酒店；（2）星級小于4的酒店為經(jīng)濟型酒店。本文引入了酒店檔次作為模型的分類變量：“1”表示豪華型酒店，“0”表示經(jīng)濟型酒店。

酒店價格會顯著影響消費者的購買決策[38]。相比酒店的服務(wù)質(zhì)量，酒店價格更加具有可比性。消費者在消費前只能從酒店或者其他消費者處獲取酒店質(zhì)量的相關(guān)信息，但卻可以直接獲取及時準(zhǔn)確的價格信息。所以，盡管電子商務(wù)的普及為消費者提供了更便捷的服務(wù)和資訊，但消費者在購買時還是會充分考慮價格因素。因此，本文把酒店的平均價格作為一個控制變量。此外，最新研究表明，采用單一定價策略的酒店更加受到消費者的青睞[39]。因此，價格波動也會影響酒店銷售量。而酒店的房間數(shù)就代表了酒店規(guī)模，也作為一個控制變量。表1是對本文所使用的變量的描述。

3實驗數(shù)據(jù)

本文的數(shù)據(jù)來自TripAdvisor.com（www. tripadvisor.com）。網(wǎng)站的信息質(zhì)量和口碑是影響消費者持續(xù)使用在線旅游網(wǎng)站的關(guān)鍵因素[40]。而TripAdvisor.com是全球最大最受歡迎的旅游社區(qū)之一，也是全球第一的旅游評論網(wǎng)站。TripAdvisor. com的每月訪問量已經(jīng)達(dá)到3.4億人，同時擁有超過800萬的注冊會員以及2億條評論。旅行者的真實評論是TripAdvisor.com最大的特點，這也是本文選擇該網(wǎng)站的重要原因。

目前，TripAdvisor.com已成為一個大型的在線數(shù)據(jù)庫，為用戶提供及時可靠的全球旅游信息、客觀的酒店評論、全面的酒店預(yù)訂服務(wù)等。在TripAdvisor.com上，游客不僅可以在消費前獲取酒店信息，而且可以在消費后留下個人評論，而這些在線評論又能給酒店和其他消費者提供參考意見。為了在短時間內(nèi)做出最好的購買決策，消費者往往會參考他人的意見和建議[41]。TripAdvisor.com能使酒店產(chǎn)生巨大變化，因為酒店能通過該網(wǎng)站了解消費者的不滿和訴求從而及時做出改進(jìn)[42]。

從2013年9月16日至12月15日，筆者采集了736家倫敦酒店的日常數(shù)據(jù)。

4結(jié)果分析

4.1酒店銷售的度量：訂滿率vs評論量

電子商務(wù)的飛速發(fā)展為酒店提供了越來越多的分銷渠道，比如在線旅行社或者第三方網(wǎng)站。如果一個網(wǎng)站能保證其提供的酒店價格是全網(wǎng)最低價，那么該網(wǎng)站必定會吸引更多的顧客來瀏覽網(wǎng)頁或者預(yù)訂酒店。而TripAdvisor.com上有大量知名的酒店預(yù)訂網(wǎng)站的鏈接，會自動比較這些網(wǎng)站所提供的每個酒店的價格并顯示最低價格。因此，通過TripAdvisor.com，酒店消費者就無需進(jìn)行繁瑣的比價，而直接可以獲知最優(yōu)價格。但是，如果其他網(wǎng)站都不提供酒店價格，那么TripAdvisor.com也不會提供價格。因此，本文假設(shè)如果TripAdvisor.com不提供某酒店的價格，那么整個網(wǎng)絡(luò)上都沒有該酒店的價格信息，即該酒店已訂滿。本文引入訂滿率作為被解釋變量，衡量酒店供不應(yīng)求的概率。

當(dāng)采集酒店價格時，有時會顯示“No availability for your dates from these sites”，表示互聯(lián)網(wǎng)上找不到該酒店的價格信息，即該酒店已訂滿。于是，本文將每個酒店已訂滿的天數(shù)作為分子，采集數(shù)據(jù)的總天數(shù)作為分母，并乘以100，即得到酒店訂滿率。因此，訂滿率作為本文的被解釋變量，是限制在0～100的數(shù)值。

已有酒店業(yè)相關(guān)研究，通常用總評論量（NR）代替總銷售量[3-4]，用平均評論量（NR Per Room）代替平均銷售量[5]。由于采用的訂滿率是一個相對值，因此本文選了平均評論量（NR Per Room）作為對照。而已有研究通常選取平均價格（AVGPrice）、消費者平均評分（AVGRating）、消費者評分的波動（VARRating）、酒店星級（StarClass）、酒店排名（Rank）等作為解釋變量來進(jìn)行簡單的線性回歸。因此，本文分別用平均評論量（NR Per Room）和訂滿率（Fully-booked Rate）代替酒店銷售量（Sales），對式（1）進(jìn)行回歸。

其回歸結(jié)果如表2、表3所示。表2的回歸結(jié)果基本符合已有的研究[5]，表3的回歸結(jié)果也基本符合理論，但是表2的調(diào)整R2（0.0309）遠(yuǎn)遠(yuǎn)小于表3的調(diào)整R2（0.3210）。因此，訂滿率比平均評論量更能反映酒店的銷售情況。

4.2模型與結(jié)果

綜上所述，本文將訂滿率作為被解釋變量，酒店檔次（hotel grade）作為分類變量，消費者推薦比率（PCRec）、位置評分（AVGLocation）作為主要的解釋變量，平均價格（AVGPrice）、價格波動（VCPrice）、房間數(shù)（NumRooms）作為控制變量。

整體樣本的回歸結(jié)果如表4所示。

該模型具有極高的似然比（p =0.0000），調(diào)整R2是0.4329。

表5顯示PCRec（p=0.8093）不顯著，這就否定了H1，即不是所有酒店的訂滿率都會受到消費者推薦比率的影響。而PCRec×Hotel Grade（p=0.0001）對訂滿率有顯著的正面影響，即驗證了H2。該結(jié)果表明，消費者推薦比率對經(jīng)濟型酒店的訂滿率沒有顯著影響，對豪華型酒店的訂滿率有顯著的正面影響。因此，電子口碑對經(jīng)濟型酒店銷售量的作用并不明顯。而豪華型酒店則可以采取相應(yīng)措施，來提升消費者的滿意度和酒店的電子口碑，從而擴大消費者需求。

AVGLocation（p=0.0000）對訂滿率有顯著的正面影響，而AVGLocation×Hotel Grade（p=0.4086）不顯著。該結(jié)果表明，酒店位置對豪華型酒店的訂滿率和經(jīng)濟型酒店的訂滿率都有顯著的正面影響，即驗證了H3。因此，無論是豪華型酒店還是經(jīng)濟型酒店，只要有一個受歡迎的位置，就能吸引顧客。

ln（AVGPrice）（p=0.0000）和ln（AVGPrice）×Hotel Grade（p=0.0003）都對訂滿率有顯著的負(fù)面影響。因此，酒店都可以采取降價的方式來提高訂滿率，而豪華型酒店會比經(jīng)濟型酒店取得更顯著的效果。ln（NumRooms）（p=0.0278）和ln（NumRooms）×Hotel Grade（p=0.0000）都對訂滿率有顯著的負(fù)面影響，這也符合常理。

VCPrice（p=0.0003）對經(jīng)濟型酒店的訂滿率有負(fù)面影響（-0.4661），而對豪華型酒店的訂滿率有正面影響（0.6666～0.4661）。其原因包括經(jīng)濟型酒店的價格是相對較低的，降價的空間很小，很難通過降價來獲取額外的收益。因此，經(jīng)濟型酒店只要保持穩(wěn)定的低價就能保證利潤。相反，豪華型酒店的價格相對較高，有較大的降價空間，為了最大化利潤，豪華型酒店會采取動態(tài)的定價策略，根據(jù)市場來調(diào)整酒店價格。因此，豪華型酒店的價格波動反而可以促進(jìn)酒店銷售，即豪華型酒店的價格波動對其訂滿率有正面影響。

綜上所述，為了提高酒店的訂滿率，豪華型酒店可以制定靈活的降價策略并且鼓勵消費者推薦，而經(jīng)濟型酒店則應(yīng)保持較穩(wěn)定的低價。豪華型酒店可以通過不同方式提高消費者推薦比率：一方面，可以提高自身的服務(wù)設(shè)施質(zhì)量；另一方面，也可以推出返還現(xiàn)金或者贈送優(yōu)惠券等營銷活動。

5總結(jié)

5.1本文的局限性和未來研究方向

本文在已有研究的基礎(chǔ)上，做了一定的突破和改進(jìn)，雖然存在一定的局限性，但這也為未來的研究提供了方向：

首先，由于缺少具體的銷售數(shù)據(jù)，已有的研究都采用在線評論量來代替銷售量。但是，研究表明評論量和銷售量的關(guān)系并不是線性的，而是呈現(xiàn)“U”形的。因此，本文引入了訂滿率作為被解釋變量，并且證明其比評論量更能反映酒店的銷售量。如果研究者可以通過酒店或者相關(guān)機構(gòu)來獲取每天的訂房量或者入住率等確切的銷售數(shù)據(jù)，未來的研究就能考慮更加一般的情況，因為訂房量或入住率能更加準(zhǔn)確地反映酒店的銷售情況，得到確切的銷售數(shù)據(jù)就能更好地研究在線評論對銷售量的影響。

其次，已有研究用消費者在線評分代表酒店的電子口碑。消費者在線評分在同級別的酒店競爭中能起重大作用，但并不能客觀地說明消費者是否滿意，因為消費者不同的評分標(biāo)準(zhǔn)會很大程度上影響評分的高低。因此，本文引入了消費者推薦比率，這就從一定程度上消除了消費者性格、價值觀的不同所造成的評分標(biāo)準(zhǔn)不統(tǒng)一的問題。但是，究竟哪些因素會影響消費者的推薦決定，本文并未給出答案。而在線評論的文字信息則能反映具體的消費者訴求。因此，未來的研究可以考慮用文本挖掘和文本分析的方法獲取更加全面的信息。

再次，已有的研究常用調(diào)查分析等方法來確定酒店位置在消費者購買決策中的重要性。但是，位置很難用數(shù)據(jù)來衡量。雖有研究者用“谷歌地圖”的相關(guān)技術(shù)確定酒店的位置屬性，卻忽視了不同消費者對酒店位置的不同需求。因此，本文采用了消費者對酒店位置的評分。盡管這些評分具有一定的主觀性，但是能有效地反映消費者對酒店位置的評價。而本文采用的每個酒店位置評分的平均值，也能代表消費者的普遍偏好。

此外，在酒店屬性中，本文僅研究了對酒店最重要的位置屬性。而事實上，為了吸引更多的消費者，酒店推出了各種特色設(shè)施和服務(wù)，比如商務(wù)中心、健身中心、酒吧、休息室、免費WiFi、免費早餐、餐廳、游泳池等。研究者可以把這些變量當(dāng)作解釋變量，也可以根據(jù)這些特征對酒店進(jìn)行分類，未來的研究可以變得更加完善和豐富。

最后，本文的模型可以多考慮一些與消費者相關(guān)的因素。未來的研究可以多關(guān)注消費者的職業(yè)、性別、住址、評論等級等特征，從而區(qū)別不同類型的消費者對酒店的需求。這也能使酒店管理者更了解消費者，為不同需求的消費者提供不同的服務(wù)。

5.2管理啟示

首先，酒店價格對經(jīng)濟型酒店和豪華型酒店都有顯著影響。對于經(jīng)濟型酒店，由于基本定價偏低，即使進(jìn)一步降價，其幅度也是有限的，對銷售量的影響較小。因此，該類型酒店的管理者應(yīng)當(dāng)采取穩(wěn)定的低價策略，保持一定的價格優(yōu)勢且不盲目地降價。對于豪華型酒店，可以推出靈活適度的打折活動。該類型酒店的管理者應(yīng)該采用積極的價格策略，靈活合理的價格變動能有效地促進(jìn)其銷售量。

其次，本文的研究表明消費者推薦比率對經(jīng)濟型酒店的銷售量無顯著影響。因為經(jīng)濟型酒店的消費者是高度價格敏感者，酒店價格比其他消費者的建議更容易影響潛在消費者的購買決策。因此，該類型酒店的管理者在試圖提高在線消費者對酒店的認(rèn)可度和滿意度時，要充分考慮這些舉措所能帶來的實際經(jīng)濟效益，電子口碑對其在線銷售量的影響可能并不能達(dá)到管理者的預(yù)期。而豪華型酒店的管理者則應(yīng)該重視消費者的反饋意見，充分利用網(wǎng)絡(luò)平臺來提高消費者推薦比率，從而促進(jìn)酒店的聲譽和知名度。此外，如果能充分發(fā)揮電子口碑的作用，豪華型酒店的管理者就可以用更少的投入獲取更顯著的回報。這對酒店的長遠(yuǎn)發(fā)展也具有十分重要的戰(zhàn)略意義。

參考文獻(xiàn)（References）

[1]Osenton T. Customer Share Marketing： How the World？s Great Marketers Unlock Profits from Customer Loyalty[M].London： FT Press， 2002： 27.

[2]Amaro S， Duarte P. An integrative model of consumersintentions to purchase travel online[J]. Tourism Management， 2015， 46： 64-79.

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

[4]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.

[5]？？üt H， OnurTa？B K. The influence of internet customer reviews on the online sales and prices in hotel industry[J]. The Service Industries Journal， 2012， 32（2）： 197-214.

[6]Dellarocas C， Gao G， Narayan R. Are consumers more likely to contribute online reviews for hit or niche products？[J]. Journal of Management Information Systems， 2010， 27（2）： 127-158.

[7]Jeffrey D. Trends and fluctuations in visitor flows to Yorkshire and Humberside hotels： An analysis of daily bed occupancy rates， 1982–1984[J]. Regional Studies， 1985， 19（6）： 509-522.

[8]Huang N， Hong Y， Burtch G. The nature and effects of distance bias in consumer evaluation[J]. Available at SSRN 2514962， 2014.

[9]McWilliamG.Buildingstrongerbrandsthroughonline communities[J]. Sloan Management Review， 2012， 41（3）：327-384.

[10]Amblee N， Bui T. Can brand reputation improve the odds of being reviewed on-line？[J].International Journal of Electronic Commerce， 2008， 12（3）： 11-28.

[11]Chevalier J A， Mayzlin D. The effect of word of mouth on sales： Online book reviews[J]. Journal of Marketing Research， 2006， 43（3）： 345-354.

[12]Lu Xianghua， Feng Yue.The value of onlineword-of-mouth： An empiricalstudybasedononlinerestaurantreviews[J]. Management World， 2009， （7）： 126-132. [盧向華，馮越.網(wǎng)絡(luò)口碑的價值——基于在線餐館點評的實證研究[J].管理世界， 2009，（7）： 126-132.]

[13]Clemons E K， Gao G G， Hitt L M. When online reviews meet hyperdifferentiation： A study of the craft beer industry[J]. Journal of Management Information Systems， 2006， 23（2）： 149-171.

[14]Hu N， Liu L， Zhang J J. Do online reviews affect product sales？ The role of reviewer characteristics and temporal effects[J]. Information Technology and Management， 2008， 9（3）： 201-214.

[15]Gong Shiyang， Liu Xia， Liu Yang， et al. Does online word-ofmouth determine products fate： An empirical analysis of online book reviews[J]. Nankai Business Review， 2012， （4）： 118-128.[龔詩陽，劉霞，劉洋，等.網(wǎng)絡(luò)口碑決定產(chǎn)品命運嗎——對線上圖書評論的實證分析[J].南開管理評論， 2012，（4）： 118-128.]

[16]Gretzel U， Yoo K H. Use and impact of online travel reviews[J]. Information and Communication Technologies in Tourism， 2008， 3（2）： 35-46.

[17]Forrester Research. The state of retailing online 2006： The 9th annual shop.org study[EB/OL]. http：//www.clickz.com/3611181， 2006-06-27.

[18]Milan R. Travel reviews- consumers are changing your brand and reputation online[EB/OL]. http：//www.travelindustrywire. com/article29359，2014-9-25.

[19]Sparks B A， Browning V. The impact of online reviews on hotel bookingintentionsandperceptionoftrust[J].Tourism Management， 2011， 32（6）： 1310-1323.

[20]Duan W， Gu B， Whinston A B. Do online reviews matter？An empirical investigation of panel data[J]. Decision Support Systems， 2008， 45（4）： 1007-1016.

[21]DeSarbo W S， Kim J， Choi S C， et al. A gravity- based multidimensional scaling model for deriving spatial structures underlying consumer preference/choice judgments[J]. Journal of Consumer Research， 2002， 29（1）： 91-100.

[22]Bikhchandani S， Hirshleifer D， Welch I. A theory of fads， fashion， custom， and cultural change as informational cascades[J]. Journal of Political Economy， 1992， 2（1）：992-1026.

[23]Zhang Z， Ye Q， Law R， et al. The impact of e-word-of-mouth on the online popularity of restaurants： A comparison of consumer reviewsandeditorreviews[J].InternationalJournalof Hospitality Management， 2010， 29（4）： 694-700.

[24]Pang Lu， Li Junyi. The impact of electronic word-of-mouth on the online page view of restaurants[J]. Tourism Tribune， 2014， 29（1）： 111-118. [龐璐，李君軼.電子口碑對餐廳在線瀏覽量影響研究[J].旅游學(xué)刊， 2014， 29（1）： 111-118.]

[25]Ghose A， Ipeirotis P. Towards an understanding of the impact of customer sentiment on product sales and review quality[J]. Information Technology and Systems， 2006， （12）：1-6.

[26]Chatterjee P. Online reviews： Do consumers use them？[J]. Advances in Consumer Research， 2001，28（1）：129-134.

[27]Lewis R C， Chambers R E. Marketing Leadership in Hospitality： Foundations and Practices[M]. New York：John Wiley and Sons，1999：28-33.

[28]Barsky J， Nash L. Word of mouth should be top-of-mind for hotel operators[J]. Hotel & Motel Management， 2007， 222（6）： 8.

[29]Dellarocas C. The digitization of word of mouth： Promise and challenges of online feedback mechanisms[J]. Management Science， 2003， 49（10）： 1407-1424.

[30]Blal I， Sturman M C. The differential effects of the quality and quantity of online reviews on hotel room sales[J]. Cornell Hospitality Quarterly， 2014， 55（4）： 365-375.

[31]Callan R J， Kyndt G. Business travellersperception of service quality： A prefatory study of two European city centrehotels[J]. International Journal of Tourism Research， 2001， 3（4）： 313-323.

[32]Zhang Meng， Zhang Guangyu， Ye Zuoliang. Exploring the impact of online information on hotel e-bookings： Based on the analysis of the data from Ctrip[J]. Tourism Tribune， 2011， 26（7）： 79-84. [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， 26（7）： 79-84.]

[33]Ghose A， Ipeirotis P G， Li B. Designing ranking systems for hotels on travel search engines by mining user-generated and crowd sourced content[J]. Marketing Science， 2012， 31（3）： 493-520.

[34]Callan R J. Attributional analysis of customers hotel selection criteria by UK grading scheme categories[J]. Journal of Travel Research， 1998， 36（3）： 20-34.

[35]Guillet B D， Law R. Analyzing hotel star ratings on third-party distribution websites[J]. International Journal of Contemporary Hospitality Management， 2010， 22（6）： 797-813.

[36]Pine R， Phillips P. Performance comparisons of hotels in China[J]. International Journal of Hospitality Management， 2005， 24（1）： 57-73.

[37]Ye Q， Li H， Wang Z， et al. The influence of hotel price on perceived service quality and value in e-tourism： An empirical investigation based on online traveler reviews[J]. Journal of Hospitality & Tourism Research， 2014， 38（1）： 23-39.

[38]Qu H， Xu P， Tan A. A simultaneous equations model of the hotel room supply and demand in Hong Kong[J]. International Journal of Hospitality Management， 2002， 21（4）： 455-462.

[39]Noone B M， Mattila A S. Hotel revenue management and the Internet： The effect of price presentation strategies on customerswillingness to book[J]. International Journal of Hospitality Management， 2009， 28（2）： 272-279.

[40]Wang Wei， Liu Yu. An empirical study on consumerscontinuing use of the newly emerging online travel sites： The mediating role of customer satisfaction and trust[J]. Jinan Journal： Philosophy and Social Science， 2014， 36（4）： 84-92. [王瑋，劉玉.消費者持續(xù)使用新興在線旅游網(wǎng)站的實證研究——顧客滿意度和信任的中介作用[J].暨南學(xué)報：哲學(xué)社會科學(xué)版， 2014， 36（4）： 84-92.]

[41]Hennig- Thurau T， Walsh G， Walsh G. Electronic word- ofmouth： Motives for and consequences of reading customer articulationsontheinternet[J].InternationalJournalof Electronic Commerce， 2003， 8（2）： 51-74.

[42]Vásquez C. Complaints online： The case of TripAdvisor[J]. Journal of Pragmatics， 2011， 43（6）： 1707-1717.

Influence of Online Reviews on HotelsFull-occupancy Rates

GAO Baojun， SUN Hanlin， WANG Hanning（School of Economics and Management， Wuhan University， Wuhan 430072， China）

Abstract： With use of a more heavily user-influenced Web 2.0 approach now commonplace online， consumers have ready access to a vast amount of detailed hotel information and online user reviews， and can share their own evaluations. Online user-generated reviews are a form of electronic word-ofmouth and profoundly influence online hotel sales. Many studies in recent years have examined this relationship. As exact sales data are not available online， such studies use review volume as an indicator of online hotel sales. However， not all users write reviews and the relationship between review volume and hotel revenue is nonlinear. Therefore， this paper uses the full-occupancy rate as the dependent variable to study the influence of online reviews on online hotel sales. Data used in this study were retrieved from TripAdvisor， one of the worlds largest and most popular online travel communities and one of the first sites to offer unbiased travel reviews by users. We divide the data into two groups according to hotel grade and study the influence of the consumersrecommendation percentage， rating for location and other user-generated factors affecting the full-occupancy rate of the different hotel grades. Empirical results indicate that： （1） full-occupancy rate can reflect hotel revenue better than review volume； （2） recommendations have a positive effect on luxury hotelsfull-occupancy rates， but do not affect those of budget hotels； （3） rating for location has a positive effect on full-occupancy rate for all hotels. The study makes several contributions. First， we introduce practical use of the fulloccupancy rate and prove that it can reflect online hotel sales better than review volume. Second， most existing researches consider consumersrating as hotelsword-of-mouth， but we consider consumersrecommendations to be superior. A consumers high rating does not necessarily mean the consumer was truly satisfied and that the consumer will recommend the hotel. Consumersrecommendations can also effectively eliminate the problem of inconsistent rating standards due to usersdiverse personalities and values. Thus， consumersrecommendations can better reflect consumerssatisfaction and are a better representation of electronic word-of-mouth than ratings. Third， we quantify the location from the usersperspectives. Generally， location information is difficult to acquire and evaluate because individual usersviews vary in accordance with personal preferences. We can， however， acquire the reviewerslocation ratings. Though these ratings are subjective， the average can intuitively reflect the preferences of the majority of users， as well as the advantages and disadvantages of the location. This study also has implications for hotel promotions and marketing. We note the difference between luxury and budget hotels and suggest different marketing strategies for them. To raise the fulloccupancy rate， luxury hotels can offer continual discounts or encourage users to write recommendations， while budget hotels can remain stable at a reasonable， low price. Finally， we summarize the limitations of this study and put forward further research proposals.

Keywords： full-occupancy rate； hotel grade； online reviews； consumersrecommendation percentage； rating for location