蔣 乾，劉 莎，唐 宏，劉云強

（1.內江師范學院 地理與資源科學學院，四川 內江 641100；2.四川農業(yè)大學 管理學院，四川 成都 611130）

在當前大眾休閑旅游日漸火熱的趨勢下，消費者對旅游目的地住宿提出了更加多元化的要求，加之共享經濟理念的滲透，短租民宿逐漸發(fā)展壯大起來。國務院辦公廳在《完善促進消費體制機制實施方案（2018—2020 年）》中明確指出，鼓勵發(fā)展租賃式公寓、民宿客棧等旅游短租服務。民宿作為一種區(qū)別于傳統(tǒng)酒店統(tǒng)一化微笑管理與千篇一律標準化布置的新興業(yè)態(tài)，吸引著年輕人、家庭、窮游一代與長時間旅行的游客［1］。短租民宿一方面為消費者營造了“家”的氛圍，給每種心情找到一個合適的歸宿，使旅途更加溫馨、熟悉與安心［2］；另一方面，為房東與客人提供了共享住宿的機會，增強了主客互動，讓陌生人之間的信任度與好感度飆升，在無形中推動了信用社會的健康發(fā)展。短租民宿在以獨特的住宿體驗與差異化的服務滿足消費者個性化、多樣化需求的同時［3］，也盤活了房東的閑置房產資源，提高了資源的利用率，為房東帶來了額外的收益，受到了旅游市場的青睞和游客的熱捧。同時，短租民宿在帶動就業(yè)、促進地區(qū)經濟發(fā)展等方面也發(fā)揮著不可忽視的作用。

《中國共享經濟發(fā)展報告（2020）》指出，2016—2019年我國共享民宿收入的平均增長速度是傳統(tǒng)住宿業(yè)態(tài)的5.8 倍；2019 年共享住宿交易規(guī)模增長迅猛，達到225 億元，較上一年增長了36.4%。隨著短租民宿的市場認可度和使用率的大幅提升，其成為自由行旅客住宿的首選［4］。從長期來看，短租民宿的潛力將持續(xù)迸發(fā)。

但面對海量的房源信息，準確掌握消費者需求特征是平臺與房東脫穎而出，吸引潛在消費者的關鍵。在線評論作為平臺、房東和潛在消費者的隱形橋梁，為潛在消費者傳遞出大量有價值的信息，輔助購買決策［5］。環(huán)球網2016 年調查報告顯示，6%的在線評論可影響將近50%的消費決策，90%的消費者表示購買產品前會瀏覽在線評論，近半數消費者購買決策依靠評論信息?？梢?，在線評論信息已經成為影響消費者購買決策的主要因素。同時，在線評論還能為平臺和房東提供公開優(yōu)質的反饋信息。相比市場調研方式，挖掘評論文本信息能夠幫助平臺與房東更迅速掌握消費者對產品的關注焦點及消費偏好，更準確地預測潛在消費者的需求。同時，有助于他們掌握競爭對手的消費者滿意情況，從而有針對性地提高產品與服務質量，提升競爭力［6，7］。因此，識別短租民宿消費者感知維度與傳統(tǒng)酒店的異同，研究不同運營模式線上短租平臺消費者感知維度的相似性與差異性，可為消費者優(yōu)化購買決策，為房東和線上短租平臺提升房源與服務質量提供有價值的參考。

1 文獻綜述

1.1 短租民宿的相關研究

學者對短租民宿的研究聚焦于短租民宿對酒店業(yè)的影響、消費偏見、信任問題、運營模式等宏觀視角。如，Dogru、Hanks、Mody等［8］通過構建回歸模型，得出Airbnb房源的增加對酒店業(yè)收入、每日房價和入住率都產生了負向影響的結論；Blal、Singal、Templin［9］研究表明，酒店每間可用客房的收益受到Airbnb房源平均價格的影響，Airbnb 細致入微的情景互補與替代效應對酒店銷售業(yè)績產生了重大影響；Farmaki、Kladoa［10］與Marchenko［11］分 別 從 房 東 與消費者兩方面研究發(fā)現(xiàn)，在Airbnb 平臺上主客雙方對種族與性別均存在偏見；李立威［12］通過對平臺、人際關系與產品三層信任的分析，提出制度、信息與交互是三者信任構建與相互聯(lián)系的主要方式；王家寶、敦帥、薛曼等［13，14］分別對C2C 模式與B2C+ C2C模式的短租民宿商業(yè)模式與競爭優(yōu)勢進行了分析；宋琳［15］通過對比不同運營模式短租平臺的信任問題，發(fā)現(xiàn)C2C 模式的短租民宿存在更大的信任風險。目前，較少有研究從微觀視角研究短租民宿消費者行為。如，吳江和靳萌萌［16］采用問卷調查的方式，從任務相關線索與情感相關線索兩方面研究了短租民宿房源圖片對消費者參與意愿的影響。

1.2 消費者感知維度的相關研究

消費者感知維度的識別方法主要包括主題建模、扎根理論與語義網絡分析3 大類。①主題建模。LDA主題模型按照主題的思想識別大規(guī)模分散文本數據中潛藏的消費者感知維度。如，Jia［17］使用LDA主題模型識別了中美兩國消費者到餐館就餐的動機，發(fā)現(xiàn)中國消費者注重體驗，而美國消費者更注重娛樂；Guo、Barnes［18］利用LDA 模型對超過20000 家酒店進行了主題識別，發(fā)現(xiàn)客房體驗與服務質量是消費者最為關心的維度；董爽、汪秋菊［19］利用LDA模型對我國礦山公園景點的游客在線評論的感知維度進行了主題識別，發(fā)現(xiàn)功能客體是消費者主要關注維度。②扎根理論。扎根理論提供了從零碎的非結構化定性文本中分析與歸納現(xiàn)象背后理論的方法與步驟。如，白丹、馬耀峰、劉軍勝［20］基于扎根理論提取了世界遺產旅游地游客感知評價的32 個二級維度與5 個核心維度；焦彥、徐虹、徐明［21］以點評網站上的分享內容為依據，逐級提煉出游客對商業(yè)性家庭企業(yè)感知的設施、文化與生活場景3 個維度。③縱觀現(xiàn)有關于語義網絡的繪制方法，ROST CM 軟件是使用最為廣泛的工具。如，劉萌王月、陳效萱、吳建偉等［22］采用ROST CM6.0 工具提取螞蜂窩網上游客對5A 級景區(qū)的在線評論主題并構建語義網絡，以識別游客感知維度，為游客理性決策提供指標參考；汪會玲和吳夢穎［23］借助ROST CM軟件構建了游客對家庭旅館評論中的關聯(lián)高頻詞的語義網絡，以識別消費者對家庭旅館感知的主要側重點。

1.3 語義網絡結構的相關研究

從語義網絡結構已有的研究進展來看，網絡結構指標包括整體結構指標與個體結構指標兩大類。如，Hou Z、Cai F、Meng Y 等［24］從圖密度、平均度、網絡直徑等整體網絡結構指標出發(fā)，對旅游網站在線評論語義關聯(lián)網絡結構進行了分析；何有世、李金海、馬云蕾等［25］以單條在線評論為節(jié)點，評論間的語義相似度為鏈接構建評論網絡，基于平均度、平均路徑長度與聚類系數3 個整體網絡結構指標對在線評論網絡的全局統(tǒng)計數據進行了論證；王耀斌、楊玲、孫傳玲等［26］從個體網絡結構指標出發(fā)，借助UCINET軟件對旅游網站上甘肅省旅游景區(qū)網絡游記語義網絡的點度中心度、接近中心度與中間中心度進行了度量，以識別旅游資源的吸引力程度；宋振春、趙彩虹、李旭東［27］通過對節(jié)點屬性中的程度中心性分析了國人對出境游認知的核心要素與要素之間的聯(lián)系。以上研究都是基于社會網絡理論，采用社會網絡分析法剖析語義網絡結構特征，近年來在社會學、心理學、管理學中得到了較為廣泛的運用，不僅在社會關系、空間關聯(lián)上構建聯(lián)系，也被用于語義關聯(lián)關系的測度。

1.4 文獻述評

綜上所述，國內外學者主要從宏觀視角對短租民宿進行了較為深入的研究，但是較少聚焦于微觀消費者行為視角，特別是針對短租民宿消費者感知維度的視角。消費者感知維度的研究主要采用LDA主題建模、扎根理論與語義網絡分析3 種：LDA 主題模型雖然能夠發(fā)現(xiàn)評論文本中主題的分布情況，但是在主題詞關聯(lián)關系及可視化方面存在著一定的缺陷［28］；扎根理論雖然被一致認為是定性研究與理論構建最科學的方法論，但是解釋主義主觀性較強的缺點十分明顯；語義網絡分析主要利用ROST CM 軟件，雖然在可視化方面取得了突破，但是對整個網絡結構特征及主題社區(qū)識別領域仍存在著不足；語義網絡結構的研究多聚焦于旅游產品，對短租民宿的研究不足。因此，本文基于兩個不同運營模式線上短租平臺的在線評論內容，采用定性與定量相結合的研究方法揭示了語義關聯(lián)網絡結構特征與消費者感知核心維度，對比分析了短租民宿與傳統(tǒng)標準酒店、不同運營模式短租民宿消費者感知的相似與差異性，基于此，提出平臺提升競爭力、吸引消費者的針對性措施。

2 研究設計

2.1 研究框架

為了緩解消費者購買決策面臨的巨大感知風險，平臺與房東不能準確掌握消費者需求的雙重難題，通過網絡爬蟲獲取不同運營模式短租民宿的評論文本，運用定性與定量相結合的分析方法識別消費者感知維度與在線評論語義網絡結構特征。一方面，對提取出的主題詞進行歸類，結合現(xiàn)有關于酒店消費感知維度的研究成果，采用扎根理論編碼初步識別民宿與傳統(tǒng)酒店消費者感知差異及不同運營模式民宿消費者的關注焦點；另一方面，根據主題詞之間的聯(lián)系，將處理后的評論數據生成語義關聯(lián)二元共現(xiàn)詞組，結合社會網絡分析法揭示在線評論語義網絡結構特征，并將語義網絡可視化，進一步驗證扎根理論的分析結果。研究框架如圖1 所示。

圖1 研究框架Figure 1 Research framework

2.2 研究方法

扎根理論：扎根理論被認為是構建理論最科學的定性研究方法［29］。圍繞“民宿消費者感知維度是什么”這一核心問題，本文采用扎根理逐級編碼進行了初步探索。運用NVivo10 質性分析軟件，通過開放性編碼與主軸編碼自下而上逐級對感知維度進行歸納分類，最終形成兩個線上短租平臺消費者感知的主題維度，并初步對比了解短租民宿與傳統(tǒng)酒店、不同運營模式短租民宿之間感知維度的相似性與差異性。

語義關聯(lián)分析法：語義關聯(lián)分析法利用自然語言處理技術定量測度主題詞關聯(lián)關系及關聯(lián)程度，相對于傳統(tǒng)主題詞詞頻統(tǒng)計方法有更好的文本分析效果［30］。本文使用NLTK 中文語料庫中的Bigrams生成語義關聯(lián)二元共現(xiàn)詞組，并統(tǒng)計共現(xiàn)頻率，為在線評論語義網絡結構特征識別與可視化分析提供數據基礎。

社會網絡分析法：在測度在線評論主題關聯(lián)關系的基礎上，使用復雜社會網絡分析工具Gephi，從整體網絡結構指標、個體網絡結構指標與模塊化3個層面揭示語義網絡的結構特征。其中，圖密度、平均度、平均聚類系數與平均路徑長度揭示短租民宿在線評論語義網絡的整體結構特征，度數中心度、中間中心度與接近中心度被認為是個體網絡結構的核心指標［31］。模塊化用于檢測語義網絡中的消費者感知核心社區(qū)［32］，并通過可視化網絡圖直觀展示消費者感知維度，驗證扎根理論的分析結果。各指標定義及算法如表1 所示。

表1 網絡特征指標Figure 1 Network characteristics indexes

2.3 數據收集

為了比較短租民宿與傳統(tǒng)酒店及不同運營模式的短租民宿消費者感知維度的差異，本文選取Airbnb與途家民宿網作為本研究的數據源。其中，Airbnb（https：//www.airbnb.com/）是C2C 運營模式的典型代表，支持房東把控房源、自主經營，成為世界上最大的民宿短租提供商［8］，其在線評論信息豐富完整；途家民宿網（https：//www.tujia.com/）則采取以B2C為主，B2C+ C2C 的混合運營模式，在消費者滿意度、市場份額、房源質量與數量等各方面均居國內民宿短租行業(yè)首位［14］，成為中國本土共享民宿的領軍者。根據世界旅游城市聯(lián)合會發(fā)布的《2019 年世界旅游城市及發(fā)展排名》，選取北京市、上海市、天津市、廣州市、杭州市、重慶市、成都市、西安市、昆明市、青島市作為途家民宿網的樣本城市，New York、London、Los Angeles、Sydney、Miami、Melbourne、Bulgaria、Edinburgh、Chicago、Toronto 作為Airbnb 的樣本城市?？紤]到評論數據的代表性，本文選取總評論數100條以上的民宿，最后使用網絡爬蟲提取兩個線上短租平臺2019 年1 月1 日—12 月31 日的在線評論數據，包括民宿名稱、地點、評分、評論內容、時間、評論者昵稱等字段，總共得到途家民宿網和Airbnb在線評論數分別為162388 條與94366 條。

2.4 數據預處理

兩個線上短租平臺收集到的所有評論數據均被進行了預處理，具體步驟包括數據清理、分詞、停止詞刪除和主題詞詞頻統(tǒng)計。數據清理的目的是過濾掉無用的信息，以減少其對分析結果的影響［28］。首先，刪除廣告和無關文本，確保數據的準確性。其次，同一個用戶的重復評論可能會使統(tǒng)計結果產生偏差，因此重復的評論數據將被清除，只保留1 條記錄。最后，由于Airbnb 民宿消費者多數直接稱呼房東姓名，為確保分析結果可靠，將姓名統(tǒng)一替換為房東。

分詞是詞匯分析的一種形式，它將文本流分解為關鍵字、短語或其他有意義的元素［34］。雖然中文詞語不同于英文單詞，句子中沒有明顯的空白作為自然分界符［35］，因此需要采用中文分詞工具對收集到的評論數據進行分詞處理?，F(xiàn)有的中文分詞工具很多，且在不同的文章中都有所應用，如盤古分詞［36］、庖 丁 解 牛 分 詞 系 統(tǒng)［37］、NLPIR 分 詞 系 統(tǒng)［38］、jieba中文分詞工具包［39］等。本文中，國內文本挖掘和分析中廣泛使用的中文分詞組件jieba 被用于提取評論文本主題詞。停用詞是在句子中起銜接作用，對構成文本意義無實際價值的詞語。在分詞的基礎上，本文結合相關領域比較全面的哈工大擴展停止詞表，使用jieba 比較停用詞并刪除，最終生成主題詞列表，并對兩個平臺在線評論主題詞頻率進行統(tǒng)計。

3 結果及分析

3.1 短租民宿消費者滿意度

評分是衡量消費者滿意度最直觀的指標，直接影響了消費者點擊在線評論進一步了解民宿的意愿。兩個線上短租平臺的評分均在4—5 分區(qū)間內分布。首先，計算得出途家與Airbnb 的平均評分分別為4.91分與4.79 分，表明途家民宿消費者的滿意度高于Airbnb消費者的滿意度。其次，根據短租民宿的總體評分，分為較滿意、滿意與很滿意3 個維度，4—4.4 分為較滿意，4.5—4.9 為滿意，5 分表示很滿意，并繪制出短租民宿消費者滿意度雷達圖（圖2）。途家消費者對民宿的評分多集中于滿意，4.9 分為主，幾乎沒有較滿意的評價，表明消費者不太傾向于對民宿產品打低分［17］，民宿產品質量得到認可。Airbnb消費者大部分對民宿表示很滿意，但較為滿意的評分明顯高于途家，導致平均評分略低。這與Airbnb的C2C運營模式相關［15］，房源得不到有效監(jiān)管、民宿質量參差不齊，拉低了消費者整體滿意度。消費者個性化的需求也使得同一類民宿產品較難使所有消費者滿意，導致民宿評分差異大。

圖2 短租民宿消費者滿意度雷達圖Figure 2 Radar chart of consumer satisfaction of short rent B＆B

為了提高消費者對短租民宿的滿意度，從而提高平均評分，吸引潛在消費者，需要進一步挖掘消費者的核心感知維度，有針對性地提升房源與服務質量，制定營銷策略，滿足消費者需求。

3.2 消費者感知維度

主題詞統(tǒng)計分析能夠發(fā)現(xiàn)評論文本中反復出現(xiàn)的實詞，但進行簡單的頻率統(tǒng)計分析忽略了主題詞本身的上下文含義與主題詞之間的聯(lián)系［40］。因此，需要對主題詞進行分類，以便更準確地了解消費者的感知維度。結合現(xiàn)有研究，對傳統(tǒng)標準酒店消費者感知維度的分類標準與民宿“類家性”的特征，借鑒王新歌、虞虎、陳田［41］對游客鄉(xiāng)愁文化元素維度構建與劉萌王月、陳效萱、吳建偉等［22］對旅游景區(qū)網絡輿情指標體系構建的方法，基于扎根理論自下而上逐級歸納短租民宿消費者感知維度，提高分類的準確性和嚴謹性。編碼工作由兩名作者獨立完成，并在每一步編碼結束后對結果進行討論與修正，先后經過開放性編碼與主軸編碼兩階段對消費者感知進行分類。

開放性編碼階段：開放性編碼包括兩個具體步驟：①將原始資料打散，并對現(xiàn)象進行概念化；②對比分析發(fā)現(xiàn)概念之間的聯(lián)系，并對同類概念聚龍進行范疇化。在線評論主題詞的提取一定意義上屬于開放性編碼中概念提取的過程［41］。分別選取頻率最高的前200 個主題詞導入NVivo10 軟件，圍繞消費者感知維度這一核心研究問題，將無關主題詞剔除，最后分別提取出途家與Airbnb 兩個平臺180 個與176 個主題詞并作為初始概念。結合評論文本語境，反復推敲，不斷比較分析概念之間的區(qū)別與邏輯聯(lián)系，將同屬性的概念聚為一類并進行范疇化嘗試，并建立新的節(jié)點，如干凈、整潔歸屬于衛(wèi)生維度。以民宿與傳統(tǒng)酒店消費者感知的相似性與差異性為標準，逐個對主題詞進行歸類，最后整理出13 個初始范疇：衛(wèi)生條件、設施保障、性價比、室內環(huán)境、服務態(tài)度、服務項目、交通、周邊、舒適性、滿意度、家庭硬件、裝修風格、主客互動。其中，家庭硬件、裝修風格與主客互動3 個二級維度是區(qū)別于傳統(tǒng)標準酒店的民宿消費者獨特感知。

主軸編碼階段：主軸編碼的主要任務是挖掘初始范疇之間的邏輯聯(lián)系并進一步聚類。本文在開放性編碼基礎之上通過反復比較，分析了13 個初始范疇間的內在邏輯關系，梳理了新的節(jié)點，進一步建立了更大的分類維度。編碼過程中發(fā)現(xiàn)服務態(tài)度、服務項目與主客互動都與房東或管家相關，其中管家主要針對途家托管試房源的入戶管理，成為與房東類似甚至更加貼心的房屋保姆。最終13 個二級維度被進一步提煉為民宿、房東或管家、位置與體驗4個短租民宿消費者感知一級維度，各維度逐級編碼如表2 所示。

表2 消費者感知維度逐級編碼Table 2 Level by Level coding of consumer perception dimersion

詞的頻率高低是衡量詞語在文本中相對重要性的指標，出現(xiàn)頻率更高的詞語代表更令人關注的問題［42］。為了更好地了解短租民宿消費者感知與傳統(tǒng)酒店的異同，比較各個維度在兩個線上短租平臺上的分布差異，本文對兩個平臺的高頻詞進行了歸類。借鑒Donohue于1973 年提出的計算高頻詞閾值的方法［43］，本文得出高頻詞與低頻詞的界限值，計算公式如下：

式中，T是高頻詞與低頻詞的界限值，也稱為高頻詞的閾值，表示高頻詞中末尾一個詞的頻率；I1是頻次為1 的主題詞的數量，計算結果見表3。途家民宿網與Airbnb 的高頻詞閾值分別為189.01 與158.89，對應的高頻詞數量分別為803 與675。考慮到高頻詞數量不統(tǒng)一可能會影響統(tǒng)計分析結果，適當擴展主題詞數量能有效解決這一問題，因此本文分別選取兩個線上短租平臺前1000 個主題詞來揭示消費者感知維度的分布情況。

表3 消費者感知高頻詞統(tǒng)計Table 3 Statistics of high frequency words perceived by consumers

2000 個主題詞依次被納入13 個二級維度，由于房東、民宿等主題詞不能具體歸屬于13 個二級維度，因此直接分別歸納到4 個核心維度中；旅行、度假等作為目的的主題詞，與消費者民宿感知維度無關，不能籠統(tǒng)納入各維度中，因此不計算在內。分類完成后繪制感知維度分布差異圖（圖3），橫軸代表各維度高頻詞在兩個線上短租平臺中的百分比，百分比數值越大，表明該維度受到越高程度的關注；縱軸則代表消費者的感知維度。

圖3 消費者二級感知維度分布Figure 3 Distribution of secondary perception dimensions of consumer

總體而言，無論是途家還是Airbnb 消費者，對短租民宿的感知在80%以上與傳統(tǒng)酒店相似，其中房源的整體質量感知占25%以上，是消費者關注的焦點；其次周邊環(huán)境與交通二級維度占比也較高，表明周邊的景點設施便捷程度與交通的通達性是消費者考慮的重要因素。短租民宿消費者感知與傳統(tǒng)酒店也存在差異，其中主客互動占比較高，表明相較于消費者與酒店疏遠的關系，短租民宿消費者更注重社交功能，更向往真情的交流［44］；其次為裝修風格，對短租民宿的消費者而言，他們更加追求鄉(xiāng)愁情懷，希望在異地擁有家的氛圍。

值得注意的是，兩個不同運營模式的線上短租平臺消費者感知維度也有相似性與差異性。圖4 顯示，兩個平臺消費者對位置與體驗的關注程度十分相似，對民宿維度的感知最明顯，表明途家與Airbnb的消費者均最為關注住宿條件；從分布差異來看，民宿維度在途家占比高于Airbnb，衛(wèi)生條件、設施保障二級維度是途家消費者對民宿最大的感知。相較于Airbnb，途家民宿消費者更注重“宿”之根源，其分散式酒店管理方式與傳統(tǒng)標準酒店更為相似。房東與管家在兩個平臺上的關注度差異巨大，Airbnb（27.68%）明顯高于途家（18.43%）。具體而言，主客互動二級維度在Airbnb 消費者感知中占比最大，這是因為Airbnb 平臺C2C 的運營模式使得消費者能夠直接與房東互動交流；而途家民宿網采用的是以B2C為主，B2C+ C2C的混合運營模式［15］，房源的全托管使得消費者更多接受管家的標準化服務，缺少與房東共享住宿、交流互動的體驗。

圖4 消費者一級感知維度分布Figure 4 Distribution of consumers first level perception dimensions

3.3 在線評論語義網絡結構

評論文本中同時出現(xiàn)的詞往往具有某種關聯(lián)，單純對文本主題詞進行統(tǒng)計難以準確把握消費者的真實感知、各感知維度的內在聯(lián)系與關聯(lián)程度。WLTK中文語料庫中的Bigrams 被用于生成語義關聯(lián)二元共現(xiàn)詞組，統(tǒng)計共現(xiàn)頻率，揭示主題詞之間存在的語義關聯(lián)。本文分別從途家民宿網和Airbnb提取出雙詞共現(xiàn)短語100 萬次與98 萬次。為了更好分析主題詞之間的語義關聯(lián)，本文統(tǒng)計了每個平臺前2000 組共現(xiàn)詞組，其共現(xiàn)頻率都在100 次以上，包含了大部分的主題詞，能夠較好展示消費者的感知維度。表4 展示了每個平臺前10 組共現(xiàn)詞組。總體來看，兩個平臺消費者感知維度與傳統(tǒng)酒店存在相似性，主要從“房間—干凈”“舒服—房間”“很棒—住所”等共現(xiàn)詞組中體現(xiàn)。兩個線上短租平臺消費者感知維度也存在著明顯的差異，途家消費者感知維度與傳統(tǒng)國內星級酒店更為相似［45］，房間的清潔度、設施的齊全性、入住的體驗成為途家消費者主要的關注維度；而Airbnb 消費者感知主要集中于房東與住所兩個維度，房源質量與房東服務對消費者影響較大。

表4 語義關聯(lián)二元共現(xiàn)詞組統(tǒng)計Table 4 Statistics of semantically related binary co- occurrence phrases

語義關聯(lián)二元共現(xiàn)詞組雖然能夠反映詞與詞之間特定意義上的內在聯(lián)系，但是不能揭示評論文本更深層次的網絡結構關系［46］，復雜社會網絡分析工具Gephi用于處理前2000 組二元共現(xiàn)詞組，將主題詞作為節(jié)點，主題詞的共現(xiàn)頻率作為節(jié)點之間的關系，由此構建無向的在線評論語義網絡。運用統(tǒng)計功能分別測算整體網絡結構指標、個體網絡結構指標與模塊化指數，比較分析兩個線上短租平臺的語義網絡結構。第一，整體網絡結構特征測量結果如表5 所示。①圖密度與平均度用于衡量在線評論網絡主題關系的疏密程度和話題集中程度［28］。途家民宿網的圖密度指數（0.094）大于Airbnb 網絡密度指數（0.056），表明途家民宿網的在線評論語義網絡比Airbnb更密集，主題詞之間的關系更密切，有利于更有效識別消費者的需求特征。從平均度指標來看，Airbnb 的平均度（14.546）明顯小于途家的平均度（18.866），進一步印證了消費者在途家民宿網的消費需求較為集中，而Airbnb 平臺消費者討論話題表現(xiàn)出更分散的特征，這與消費者個性化的住宿需求相關［45］。②平均路徑長度指標用于衡量網絡的連通性，聚類系數反應主題的聚集程度與抱團現(xiàn)象，二者共同反應網絡的小世界特性［25］。一般認為，當一個網絡的平均路徑長度小于6，且具有較高的平均聚類系數，則該復雜網絡具有小世界屬性［47］。兩個平臺的平均路徑長度分別為1.908 與1.943，遠小于界限值6；平均聚類系數的取值范圍為0—1，測算結果顯示途家民宿網與Airbnb 在線評論網絡的平均聚類系數分別為0.905 與0.929，均趨近于1，表明主題詞周圍有較強的聚集性。可以認為，兩個在線評論語義網絡都具有明顯的小世界網絡特征，主題之間聯(lián)系緊密、信息傳播效率高，表明細節(jié)的滿意度能夠影響整體滿意度，且消費者對民宿消費的滿意度易受其他消費者做出的評論的影響。

表5 整體網絡結構特征指標Table 5 Characteristic indexes of cverall network structure

第二，個體網絡結構指標用于測量節(jié)點在網絡中的地位與作用。途家與Airbnb 兩個平臺的點度中心度、中間中心度與接近中心度指標計算結果如表6 所示。由于篇幅限制，本文只展示了前10 個節(jié)點的中心度指標。①從點度中心度來看，點度中心度越高，節(jié)點所擁有的關系數越多，越處于網絡的核心位置［27］。從表6 可見，首先，房間維度在途家的點度中心度最大，處于網絡的核心位置；房東和住所兩個維度在Airbnb 的點度中心度十分接近且均超過了200，是網絡中的雙核心主題詞，成為吸引消費者的關鍵。其次，途家在線評論網絡中點度中心度超過100 的節(jié)點包括干凈、房東與??；房間、干凈、公寓等在Airbnb網絡中也擁有較高的點度中心度，是消費者的次核心感知維度。由此可見，途家與Airbnb消費者感知維度與傳統(tǒng)酒店具有相似性，都十分關注衛(wèi)生條件及住宿體驗，不同之處在于房東的服務與互動是吸引民宿消費者的重要屬性。從兩個平臺的差異來看，房東是Airbnb 消費者較為核心的感知維度，而在途家消費者心中卻是次要的。②從中間中心度來看，如果網絡中很多節(jié)點需要依賴某個節(jié)點直接或者間接相連，表明該節(jié)點起到溝通其他節(jié)點的橋梁作用，則擁有較高的中間中心度［31］。表6結果顯示，途家的房間節(jié)點、Airbnb 的房東及住所節(jié)點都表現(xiàn)出極高的中間中心度，對其他節(jié)點具有較強的控制力。兩個平臺消費者均關注民宿的各個維度，表現(xiàn)為房間及住所節(jié)點處于中心位置，其他節(jié)點散發(fā)地分布于它們的周圍，與傳統(tǒng)酒店消費者感知具有相似性；Airbnb 消費者除了關心民宿各維度，還對房東的各種特征十分在意，于是以房東為中心的話題被廣泛討論，這是民宿消費感知與傳統(tǒng)酒店的最大區(qū)別。此外，兩個線上短租平臺中間中心性為0 的節(jié)點分別占總節(jié)點的73%與77%，表明一半以上的節(jié)點對其他節(jié)點都不具有控制力。③從接近中心度來看，接近中心度的指標值越大，主題之間聯(lián)系越密切。途家網路中的房間與Airbnb網絡中的房東節(jié)點接近中心度都為1，住所在Airbnb的接近中心度也接近1。表明這3 個核心主題幾乎與其他主題直接聯(lián)系，話題主要圍繞核心主題展開，便于把握消費者的核心需求。途家與Airbnb 的平均接近中心度分別為0.52 與0.51，表明兩個網絡主題間的聯(lián)系程度十分相似；在平均值以下的節(jié)點分別占75%與63%，表明仍有大部分主題對其他主題的依賴性較強，受其他主題的控制。

表6 個體網絡結構特征指標Table 6 Chacracteristic indexes of individual network structure

第三，模塊化指數可以用來檢測社區(qū)結構，衡量在線評論網絡中社區(qū)的獨立性，一般模塊化指標大于0.44 則表明網絡社區(qū)相對獨立［24］。途家民宿網與Airbnb模塊化測算結果顯示，兩個平臺的模塊化指數分別為0.063 與0.055，明顯小于0.44，網絡中社區(qū)不具有獨立性，社區(qū)間聯(lián)系緊密。社區(qū)數計算結果均為5，較少的社區(qū)數表明消費者對民宿的評論內容較為集中，消費者感知聚集在幾個核心話題團體。因此，準確辨識消費者感知核心要素可提升民宿的吸引力。

在統(tǒng)計模塊化指數的基礎上，為了能區(qū)分消費者評論的話題團體，在線評論網絡可視化用于以更加直觀的方式展現(xiàn)消費者感知維度之間的聯(lián)系及網絡社區(qū)關系。模塊化將各社區(qū)節(jié)點采用不同的顏色加以渲染，便于平臺管理者和房東快速識別并把握消費者對民宿產品的核心感知維度，從而有針對地提升民宿及服務質量，提高消費者滿意度，吸引潛在消費者。途家民宿網與Airbnb 的可視化網絡圖分別如圖5、圖6 所示。

圖5 途家民宿網在線評論網絡可視化Figure 5 Online comment network visualization of Tujia B＆B network

圖6 Airbnb在線評論網絡可視化Figure 6 Online comment network visualization of Airbnb

總體來說，兩個在線評論語義網絡中的“房間”、“住所”“房東”核心社區(qū)表明，民宿與房東或管家是兩個平臺消費者較為核心的感知維度。具體來說，從民宿消費者與傳統(tǒng)酒店相似的感知維度來看。民宿維度上與“房間”“住所”社區(qū)相連接的“干凈”是最大的子社區(qū)，表明消費者對住所的衛(wèi)生條件十分敏感；“設施”“空調”等關聯(lián)主題詞反應民宿設施保障仍然是消費者的剛性需求。值得注意的是，兩個短租平臺都出現(xiàn)了以“酒店”為節(jié)點的語義網絡，這是由于住短租民宿的消費者通常會將民宿與酒店作對比，從而對短租民宿的性價比擁有一個整體感知。體驗維度作為“房間”與“住所”的子社區(qū)，與民宿維度聯(lián)系緊密，越滿意的體驗越能促使民宿消費者表達真實意見，對提升房源的吸引力十分有利。在房東或管家維度上，以房東為核心社區(qū)的關聯(lián)主題詞包括“熱情”“細心”“行李”等，表明民宿消費者依舊對服務人員的專業(yè)化服務態(tài)度與提供的各類服務項目訴求強烈。在位置維度上，地理位置的優(yōu)越性、交通的便捷程度與周邊設施的齊全性均是消費者考慮的重要因素。

從民宿消費者區(qū)別于傳統(tǒng)酒店的獨特感知維度來看，主要體現(xiàn)在民宿與房東或管家兩個方面。首先，在民宿維度上，與“房間”和“住所”社區(qū)聯(lián)系緊密的“裝修”“裝飾”等特征詞表明裝修風格對消費者入住民宿具有巨大的吸引力。其次，從房東或管家維度來看，與“房東”社區(qū)連接緊密的“房東—很漂亮”“房東—時尚”等共現(xiàn)短語是對房東外在形象的評價；“姐姐”“哥哥”關聯(lián)主題是對房東的親切稱呼；“溝通”“感謝”等主題詞與房東關聯(lián)性強，表明消費者期待與房東如朋友般相處。短租民宿提供給房東與客人共享空間的機會，營造家庭氛圍，拉近主客關系，從而使陌生人之間的信任與好感上升。

兩個線上短租平臺對比來看，途家與Airbnb 消費者感知最大的差異體現(xiàn)在房東維度。途家語義網絡“房東”社區(qū)相對較小，主要包括“服務”“貼心”等體現(xiàn)房東服務態(tài)度的關聯(lián)主題，表明房東不是影響途家消費者滿意度的主要因素；而Airbnb“房東”節(jié)點最大，并與其他3 個社區(qū)聯(lián)系緊密，以“房東”為中心的主題詞主要集中于主客互動方面，分為實際交流經歷與交流基礎上的個人評價兩方面。“溝通”“建議”等關聯(lián)主題反應消費者與房東真切交流與經驗分享的事實，“美麗”“有趣”等特征詞表明消費者在與房東交流溝通基礎上對房東做出的整體評價。從分析可知，Airbnb 民宿消費者對房東的關注不再局限于對專業(yè)素養(yǎng)的評價，更注重與房東的互動性?？傮w來看，途家民宿消費者感知維度更接近傳統(tǒng)標準酒店，而Airbnb 消費者感知更加個性化，更接近共享經濟的本質。

4 結論與展望

本文基于途家民宿網與Airbnb 線上短租平臺的消費者在線評論文本數據，采用扎根理論初步了解民宿消費者感知維度，運用語義關聯(lián)分析法與社會網絡分析法揭示了在線評論語義網絡整體結構特征、個體結構特征與模塊化程度，并通過可視化對比分析了民宿消費者與傳統(tǒng)酒店消費者、不同運營模式短租民宿消費者感知維度的異同，主要結論如下：①從網絡結構特征看，整體網絡結構上兩個線上短租平臺極其相似，主題詞之間聯(lián)系較為緊密，小世界網絡特征明顯，不僅有利于潛在消費者獲取信息，還便于平臺及房東識別消費者核心感知維度；個體網絡結構上，途家網絡中的房間節(jié)點與Airbnb 網絡中的房東和住所節(jié)點均具有高點度中心度、高中間中心度與高接近中心度，處于網絡的核心位置，且起到聯(lián)系其他節(jié)點的作用。第三，兩個網絡的模塊化指數均顯著小于0.44，網絡社區(qū)間聯(lián)系十分緊密，民宿消費者對民宿產品具有較高的認同感，評論質量較高，有助于民宿產品吸引更多消費者。在語義關聯(lián)網絡構建的基礎上，未來研究可進一步討論語義關聯(lián)網絡背后的驅動機制。②從消費者感知維度分析結果來看，短租民宿消費者感知維度與傳統(tǒng)酒店既有相似，也存在差異。民宿消費者感知維度在80%以上與傳統(tǒng)酒店相似，其中民宿質量是消費者感知的核心，其次為地理位置，差異性主要體現(xiàn)在民宿的裝修風格與主客互動性上。從兩個線上短租平臺消費者感知維度對比來看，衛(wèi)生條件、房間內部設施、住宿的舒適性與房源位置是兩個平臺消費者共同關注的維度，不同之處表現(xiàn)在房東或管家維度的感知差異上，途家消費者重視服務態(tài)度，而Airbnb消費者更加重視與房東的主客互動性和建立社交關系等。

上述研究結果對平臺與房東準確掌握消費者感知維度，從而有針對性地提升房源及服務質量具有一定的參考價值。①在房源質量上，著重改善民宿的衛(wèi)生條件，及時維護或更新設施設備，提升民宿整體功能性，注重選址地綜合優(yōu)越性是關鍵。特別是在新冠肺炎背景下，更應注重公共衛(wèi)生、安全防疫，完善監(jiān)管機制，重拾消費者信心。②在房東素質方面，對房東綜合素質進行考察，采取免費首頁推薦等獎勵方式與末位淘汰等懲罰措施，吸引真正熱愛民宿事業(yè)的房東參與進來。③在運營模式方面，面對單純C2C 模式的信任風險與B2C 消費者共享民宿體驗不足的問題，針對不同消費群體的實際情況，實行B2C+ C2C的混合業(yè)態(tài)十分必要。④在消費者差異化服務方面，實行更加個性化地服務，引入更多不同裝修風格的民宿，并根據檢索信息，對消費者進行更加精準的推薦。