王兆峰

(湖南師范大學 旅游學院，湖南 長沙 410081)

一、引言

互聯(lián)網(wǎng)已經(jīng)成為旅游企業(yè)、旅游目的地和旅游者之間進行旅游交易的重要平臺，旅游網(wǎng)站則成為傳播旅游信息資源的重要渠道[1]。旅游資訊報道及旅游產(chǎn)品預訂方式的安全性，不僅為潛在旅游者出行提供了便利，而且影響著旅游者的決策過程、網(wǎng)絡社區(qū)參與行為和對旅游目的地的感知[2]。根據(jù)中國互聯(lián)網(wǎng)絡信息中心(CNNIC)的報告，2014年在線旅游預訂市場中，品牌滲透率最高的是50.2%的12306火車票官網(wǎng)，去哪兒網(wǎng)以24.8%的滲透率位居第二，其次是攜程網(wǎng)的24.1%，淘寶旅行、同程旅游和藝龍網(wǎng)滲透率分別為17.2%、14.7%和11.2%，窮游網(wǎng)、途牛網(wǎng)和芒果網(wǎng)等其他品牌網(wǎng)站的滲透率均不到10%[3]。截至2015年12月，旅游網(wǎng)站搜索的滲透率已超過45%，手機搜索用戶使用綜合搜索網(wǎng)站或應用的比例最高，滲透率為90.3%，使用旅行網(wǎng)站或APP的滲透率為38.2%，綜合搜索 APP 用戶對旅行預訂的使用率為31.4%[4]。2016年上半年，在網(wǎng)上預訂過機票、火車票、酒店或旅游產(chǎn)品的網(wǎng)民規(guī)模達到2.64億人，較去年年底增長406萬人，其所占比率分別為28.9%、14.4%、15.5%和6.1%；我國網(wǎng)民使用手機在線旅游預訂的比例由33.9%提升至35.4%[5]。

對于旅游網(wǎng)站的研究，國內(nèi)外學者主要圍繞旅游網(wǎng)站的預訂及評價[6-12]、結構及空間分布[13-16]、品牌化與影響力[1,17,18]、運營績效及模式[19,20]、信息流及信息類型[21-26]等多個方面展開。張愛平、鐘林生、徐勇從研究重點與研究方法等角度，對國外旅游虛擬社區(qū)研究進展進行了梳理[27]。在旅游網(wǎng)站與旅游行為研究方面，國內(nèi)外學者主要圍繞信息搜尋與決策[28-32]、消費[8，33-35]、滿意度與忠誠度[36-38]、社區(qū)參與[39]等進行研究，多數(shù)學者選擇從某一具體因素入手，對旅游網(wǎng)站信息與旅游行為意向方面的綜合研究成果卻很少。在旅游網(wǎng)站信息流隨空間距離衰減理論研究方面，國內(nèi)外學者主要從理論與實踐兩方面入手，探索旅游網(wǎng)絡信息流距離衰減模型與規(guī)律。李彥麗、路紫通過分析中、美旅游網(wǎng)站的差異，提出預測旅游網(wǎng)站發(fā)展模式的“虛擬距離衡量法”[26]，國內(nèi)其他學者對信息流距離衰減規(guī)律的研究也取得了一定進展，對其總體規(guī)律有了基本認知[40,41]，但在距離衰減規(guī)律與旅游網(wǎng)站內(nèi)部差異方面的研究還不足。因此，本文以湘西為例，通過實證研究旅游網(wǎng)站信息對旅游行為意向的影響，以及旅游網(wǎng)站信息流距離衰減的內(nèi)部差異，以期對湘西地區(qū)旅游業(yè)的發(fā)展和旅游網(wǎng)站的優(yōu)化提供指導。

二、網(wǎng)站信息對旅游行為意向影響的理論模型

旅游網(wǎng)站的信息具有傳導性，旅游網(wǎng)站通過網(wǎng)絡介質(zhì)向旅游者及潛在消費者傳遞圖片、文字、動畫、聲音等與旅游和旅游產(chǎn)品相關的信息，這些信息通常對旅游者行為具有一定的引導作用，甚至影響旅游者行為決策[2]。我國旅游網(wǎng)站可分為綜合性網(wǎng)站和專業(yè)旅游網(wǎng)站，綜合性網(wǎng)站不僅向消費者提供旅游相關信息，而且還有各類生活相關信息，對旅游者來說，在考慮品牌與服務保證的前提下，這類網(wǎng)站提供的旅游信息可信度比專業(yè)旅游網(wǎng)站略低[1]。為了較全面地反映我國旅游網(wǎng)站類型，本文在界定旅游網(wǎng)站類型時，增加了對政府、旅行社及景區(qū)旅游網(wǎng)站的考慮。旅游者預訂旅游產(chǎn)品時會根據(jù)自身的實際消費能力作出判斷，因此，本文將旅游網(wǎng)站所提供旅游產(chǎn)品的價格作為觀察變量，考察旅游者對在線旅游產(chǎn)品價格的關注程度。此外，潛在旅游者及消費者對網(wǎng)站質(zhì)量與信息質(zhì)量的思考和判斷會影響其態(tài)度與行為[33]。在旅游行為方面，張高軍、李君軼、王曉峰等研究了網(wǎng)絡信息搜索行為對出游決策的影響[31]，張宇、李佩、張之明構建了包括購前、消費、購后三個階段的評價體系[7]。同時，旅游網(wǎng)站功能的展現(xiàn)也會對旅游者行為產(chǎn)生一定影響，熊偉、葉淋瑋在研究網(wǎng)站功能時將其分類為界面功能和旅游產(chǎn)品及服務[42]。在借鑒前人研究成果的基礎上，結合旅游網(wǎng)站的網(wǎng)頁設置，本文將旅游網(wǎng)站功能具體分為預訂、商旅管理和資訊功能，預訂功能則具體包括機票、高鐵和火車票預訂、酒店預訂、旅游線路預訂和景點門票預訂。對于旅游網(wǎng)站信息的評估，綜合考慮了網(wǎng)站類型、網(wǎng)站功能和信息質(zhì)量。在旅游行為意向中，主要考察旅游者在對網(wǎng)站進行信息搜尋、評價等過程后，對未定或者既定旅游計劃作出的決策，以及在線旅游消費和推薦行為。

基于對本文研究變量的思考，提出驗證性理論模型，如圖1所示。本文將網(wǎng)站類型、網(wǎng)站功能和信息質(zhì)量作為潛變量，綜合分析旅游網(wǎng)站信息對旅游行為意向的影響，探討兩者之間的內(nèi)在聯(lián)系和相互關系。

圖1旅游網(wǎng)站信息對旅游行為意向影響的概念模型

三、研究設計與研究方法

1.研究設計

本文研究數(shù)據(jù)主要通過兩種途徑獲取，即問卷調(diào)查和已有數(shù)據(jù)的搜集整理。調(diào)查量表在查閱國內(nèi)外文獻資料的基礎上進行設計，主要包括三部分內(nèi)容：第一部分是旅游網(wǎng)站信息，包括旅游網(wǎng)站類型、網(wǎng)站功能和信息質(zhì)量。第二部分是旅游行為意向，各個潛變量所對應的問卷題目如表1所示。調(diào)查量表的問題設置采用里克特5點量表法進行，用1～5分代表被調(diào)查者對量表選項的選擇或認同程度。第三部分是旅游者人口統(tǒng)計學特征，包括旅游者的性別、年齡、受教育程度、職業(yè)等基本信息。為了得到更準確的數(shù)據(jù)，在問卷開始設置“旅游時您是否使用過旅游網(wǎng)站(如通過網(wǎng)站訂機票、火車票、酒店、景點門票等)”問題項，使用過旅游網(wǎng)站的旅游者繼續(xù)填寫問卷，沒有使用過旅游網(wǎng)站的旅游者則無須再填寫，可以自動提交。

對已有數(shù)據(jù)的搜集整理通過站長之家、百度統(tǒng)計和Google earth完成。在站長之家中搜索“旅游網(wǎng)站”關鍵詞得到國內(nèi)主要旅游網(wǎng)站信息，運用百度統(tǒng)計查詢各個旅游網(wǎng)站近30天(2016年10月29日至11月27日)的日均搜索指數(shù)作為基礎數(shù)據(jù)，來反映一定程度上旅游網(wǎng)站的搜索量，通過Google earth測量訪問者所在省的省會城市與旅游網(wǎng)站所在城市之間的公路或鐵路距離。

表1問卷調(diào)查的量表設計

2.問卷調(diào)查

在正式調(diào)研之前，為了檢驗量表設計的合理性以及量表中問題項表述的清晰性，對調(diào)查量表進行了為期2天的預調(diào)查。綜合了旅游研究人員、相關專業(yè)教授和碩士研究生的修改意見后，對問卷進行完善和定稿。

本文的問卷調(diào)查在專業(yè)的問卷調(diào)查網(wǎng)站問卷星上設計并發(fā)布，調(diào)查時間從2016年11月7日至11月15日共9天，其間復制鏈接發(fā)送到湘西地區(qū)的朋友圈、QQ群和微信群等，并且限制被調(diào)查者為在湘西工作、學習或居住等與湘西有關聯(lián)的人群。本次調(diào)查共回收問卷487份，有效問卷485份，問卷有效率為99.6%，其中使用過旅游網(wǎng)站的問卷數(shù)量為362份，旅游網(wǎng)站使用率為74.6%。

3.研究方法

基于本文主要研究旅游網(wǎng)站信息對旅游行為意向的影響，因此運用AMOS17.0軟件進行結構方程模型的構建與分析。與其他定量研究方法相比，結構方程模型能夠較為準確地判斷潛變量之間的因果關系和相互影響關系，并且給出直觀的路徑模型，便于研究者進行深層次的說明和分析。此外，運用SPSS19.0軟件對數(shù)據(jù)進行處理和分析，主要包括信度與效度檢驗、描述性統(tǒng)計、因子分析、曲線回歸擬合等。兩者相結合，大大提高了數(shù)據(jù)分析的準確性和科學性。

四、研究結果與分析

1.樣本人口統(tǒng)計學特征分析

調(diào)查樣本的人口統(tǒng)計學特征如表2所示，被調(diào)查者中女性比例較高，占74.3%，且多數(shù)為18～30歲的高學歷女生。從個人月收入來看，70.72%的被訪旅游者個人月收入在2000元及以下水平。

表2問卷調(diào)查者基本情況

續(xù)表

測量項頻 率性別男女頻數(shù)1528769比率0.28%1.38%79.28%19.06%個人月收入2000元及以下2001～4000元4001～6000元6000元以上頻數(shù)256533023比率70.72%14.64%8.29%6.35%

2.信度與效度檢驗

本文在數(shù)據(jù)和模型構建分析前對量表進行信度與效度檢驗，總量表的克朗巴哈系數(shù)ɑ(Cronbach’s Alpha)為0.846，潛變量旅游網(wǎng)站信息和旅游行為意向的克朗巴哈系數(shù)ɑ分別為0.859和0.749，均在0.7以上，說明本量表可靠性較高，量表設計具有較好的內(nèi)在一致性。

對量表進行效度分析，其KMO值為0.858，大于0.7，Bartlett球形檢驗的P值為0.000，小于0.001，表明量表通過了效度檢驗，總體量表的設計較為合理，得到的數(shù)據(jù)適合做進一步分析。

3.旅游網(wǎng)站信息對旅游行為意向影響的探索性因子分析

采用主成分分析法對旅游網(wǎng)站信息和旅游行為意向相關數(shù)據(jù)進行探索性因子分析(表3)，結果顯示，有5個公因子對問卷的累計方差貢獻率為57.681%，雖然明顯小于80%，但已超過了50%，與預設模型的潛變量設置基本吻合 ，但也存在一些差異。首先，“機票預訂”在成分矩陣中被列為公因子5中，即與“綜合性網(wǎng)站”和“專業(yè)旅游網(wǎng)”同屬于潛變量“網(wǎng)站類型”中，而在實際意義上更傾向于“網(wǎng)站功能”的預訂功能，同時考慮到該項的數(shù)據(jù)分析結果公因子1與公因子5數(shù)據(jù)相差不大，因此將“機票預訂”按照實際意義歸為預訂功能中；其次，數(shù)據(jù)分析結果顯示，本文按照目的地及中間機構相關旅游主體增加的“政府旅游網(wǎng)站”“景區(qū)網(wǎng)站”和“旅行社網(wǎng)站”被單獨列入公因子4中，為了簡化研究，本文將公因子4與公因子5綜合考慮，作為“網(wǎng)站類型”進行分析。

4.旅游網(wǎng)站信息對旅游行為意向影響的模型檢驗

運用AMOS17.0對旅游網(wǎng)站信息與旅游行為意向相關數(shù)據(jù)進行分析，采用極大似然法探索旅游網(wǎng)站類型、網(wǎng)站功能、信息質(zhì)量對旅游行為意向的影響。經(jīng)過估算，初始結構方程模型的卡方值CMIN為589.738，顯著性P值為0.000，CMIN/DF為2.964，其他擬合指標均不滿足擬合條件?？紤]到樣本量過大，且為了簡化模型，本文對初始理論模型進行了修改，直接將“旅游網(wǎng)站信息”作為潛變量，將“網(wǎng)站類型”和“產(chǎn)品預訂”作為觀察變量，根據(jù)“信息質(zhì)量”中的各個指標具體分類為“產(chǎn)品價格”“網(wǎng)站質(zhì)量”和“信息質(zhì)量”。旅游行為意向中的“旅游沖動”和“產(chǎn)生興趣”合并為“旅游決策”，購買旅游產(chǎn)品后的“發(fā)表評論”和“旅游推薦”合并為一個觀測變量“推薦行為”。問卷中觀察變量對應多項題目的，在得到調(diào)查數(shù)據(jù)后，分別對其取均值作為各個觀察變量的對應數(shù)據(jù)。修改后的模型如圖2所示。

表3探索性因子分析

注：提取方法：主成分

旋轉法：具有Kaiser標準化的正交旋轉法

a.旋轉在5次迭代后收斂

圖2旅游網(wǎng)站信息對旅游行為意向影響模型

模型修改后，同樣采用極大似然法對模型進行驗證性分析，該結構方程模型的卡方值(CMIN)為253.309，顯著性P值為0.000，在0.001水平下，旅游網(wǎng)站信息對旅游行為意向具有顯著正向影響，除個別擬合指標外，其他各項擬合指標基本滿足擬合條件。

5.旅游網(wǎng)站信息對旅游行為意向影響的模型修正

根據(jù)標準化估計和修正指標等相關參數(shù)對模型做進一步修正，經(jīng)過增加或刪除路徑，且刪除15個異常樣本，考慮變量的理論與現(xiàn)實意義，使結構方程模型與數(shù)據(jù)擬合。最終得到的結構方程模型標準化路徑如圖3所示，旅游網(wǎng)站信息對旅游行為意向影響的路徑系數(shù)為0.62，且在0.001水平上顯著相關，證明了旅游網(wǎng)站信息對旅游行為意向具有顯著正向影響。潛變量所對應的各個觀察變量的未標準化回歸系數(shù)都在0.5以上，表明各個觀察變量能夠很好地解釋潛變量。標準化路徑系數(shù)可解釋變量之間的相對影響力，“產(chǎn)品預訂”“信息質(zhì)量”和“旅游資訊”對“旅游網(wǎng)站信息”的影響系數(shù)分別為0.79、0.65和0.65，說明“產(chǎn)品預訂”“信息質(zhì)量”“旅游資訊”對“旅游行為意向”的影響力較大，要想有效地激發(fā)旅游者的旅游行為，就要進一步優(yōu)化旅游網(wǎng)站的預訂功能和旅游資訊功能，提高旅游網(wǎng)站的信息質(zhì)量。變量之間的路徑系數(shù)及顯著性P值如表4所示。

圖3旅游網(wǎng)站信息與行為意向標準化路徑

表4結構方程模型路徑系數(shù)

注：“***”表示在0.001水平上顯著

潛變量的建構信度可以評價模型的內(nèi)在質(zhì)量，建構信度大于0.60則說明模型內(nèi)在質(zhì)量良好[43]。其計算公式如下：

(1)

其中，ρc代表建構信度，λ代表標準化因素負荷量，ε代表觀察變量的誤差變異量，其值可根據(jù)變量的標準化因素負荷量計算得出，即(1-λ2)。經(jīng)計算，潛變量旅游網(wǎng)站信息和旅游行為意向的建構信度分別為0.79和0.71，均在0.6以上，表明優(yōu)化后的結構方程模型內(nèi)在質(zhì)量良好，對初始理論模型進行調(diào)整是正確的，同時進一步證明了調(diào)查量表具有很好的內(nèi)在一致性。

修正模型各項擬合指標與原模型相比得到優(yōu)化，原來達不到擬合標準的部分指標已優(yōu)化達標?？ǚ街蹬c原模型相比減小很多，卡方與自由度DF的比值為0.946，顯著性P值與原模型相比明顯增加，且達到擬合標準，同時，RMSEA和CFI分別為0.000和1.000，表明結構方程模型與數(shù)據(jù)的擬合度較好。優(yōu)化模型的具體擬合指數(shù)如表5所示。

表5優(yōu)化模型的擬合指數(shù)

6.旅游網(wǎng)站信息流距離衰減規(guī)律分析

表6旅游網(wǎng)站信息流模型擬合的判定系數(shù)

表7旅游網(wǎng)站信息流距離衰減曲線模型

7.旅游網(wǎng)站信息流距離衰減曲線擬合

為進一步驗證旅游網(wǎng)站信息流距離衰減是否符合倒數(shù)曲線模型，以訪問者所在省會城市到旅游網(wǎng)站所在城市之間的公路或鐵路距離為橫坐標，以旅游網(wǎng)站日均搜索指數(shù)為縱坐標，運用SPSS19.0繪制樣本旅游網(wǎng)站的倒數(shù)曲線圖。本文選取倒數(shù)曲線模型擬合系數(shù)值R2最大、居中及最小的3個旅游網(wǎng)站，做出其距離衰減倒數(shù)模型圖(圖4)。圖中黑色圓點標出旅游網(wǎng)站所在城市以及日均搜索指數(shù)較高的城市?！吧綎|旅游政務網(wǎng)”倒數(shù)曲線模型擬合效果較好，F(xiàn)值為893.484，顯著性Sig.為0.000，日均搜索指數(shù)排名第二的城市是北京?！吧裰蹏谩钡箶?shù)曲線模型擬合效果不理想，其F值為24.756，且通過顯著性檢驗，日均搜索指數(shù)排名靠前的是廣東和江蘇，其他點則落在曲線兩側?！叭ツ膬骸甭糜尉W(wǎng)站的F值較小，顯著性Sig.在0.05以上，其倒數(shù)曲線模型不擬合，日均搜索指數(shù)最多的是廣東，其次是網(wǎng)站所在城市北京，然后是上海和浙江。在經(jīng)濟發(fā)展較快的城市，“神舟國旅”“去哪兒”“攜程旅行網(wǎng)”“途牛旅游網(wǎng)”“同程網(wǎng)”“四川旅游網(wǎng)”“河南旅游網(wǎng)”日均搜索指數(shù)都較大，表明經(jīng)濟發(fā)展能力及速度是影響旅游網(wǎng)站信息流的外部因素，網(wǎng)絡信息流距離衰減規(guī)律存在經(jīng)濟集中性及地區(qū)集中性特征。

圖4旅游網(wǎng)站信息流倒數(shù)擬合模型

五、結論

本文在借鑒前人研究成果的基礎上，以湘西地區(qū)為案例地，探究旅游網(wǎng)站信息對旅游行為意向的影響，構建旅游網(wǎng)站信息對旅游行為意向影響的結構方程模型和信息流距離衰減曲線模型。通過對湘西地區(qū)旅游者和潛在旅游者行為意向的問卷調(diào)查，以及旅游網(wǎng)站信息流與訪問者搜索指數(shù)和距離的相關數(shù)據(jù)搜集整理，運用定量分析和模型構建方法，現(xiàn)得出如下研究結論：①在0.001水平上，旅游網(wǎng)站信息對旅游行為意向具有顯著正向影響，其綜合影響系數(shù)為0.62；②旅游網(wǎng)站的產(chǎn)品預訂功能、信息質(zhì)量和旅游資訊對旅游者的行為意向產(chǎn)生較大影響，其影響系數(shù)分別為0.79、0.65和0.65，今后旅游網(wǎng)站可通過優(yōu)化網(wǎng)站的預訂功能和旅游資訊功能、提高旅游網(wǎng)站的信息質(zhì)量，來進一步刺激旅游者對旅游網(wǎng)站的信息搜尋和消費行為，增加旅游者對旅游網(wǎng)站的總體滿意程度，從而引發(fā)旅游者的推薦行為，促使其進入網(wǎng)站社區(qū)發(fā)表評論供他人參考，并且將自己信任的旅游網(wǎng)站、旅游產(chǎn)品或其他信息推薦給更多的潛在旅游者；③旅游網(wǎng)站信息流符合距離衰減規(guī)律，其倒數(shù)曲線模型的非線性解釋能力較大；④旅游網(wǎng)站信息流距離衰減規(guī)律存在經(jīng)濟與地區(qū)集中性特征，除距離因素外，經(jīng)濟發(fā)展較快地區(qū)其信息流相對集中。