楊 靜,邱敏蓉,蔣志豪
(1.海南科技職業(yè)大學(xué),???571126; 2.共青科技職業(yè)學(xué)院,江西 九江 332020)
IT賦能的共享經(jīng)濟(jì)(簡稱共享經(jīng)濟(jì))發(fā)展迅速,已逐漸滲透到各行各業(yè)。隨著相關(guān)行業(yè)市場規(guī)模的不斷擴(kuò)大,共享經(jīng)濟(jì)通過互聯(lián)網(wǎng)將資源提供者和需求者聯(lián)系起來,改造了閑置資源,獲得了潛在的財務(wù)利益。近年來,共享經(jīng)濟(jì)不斷向其他領(lǐng)域滲透,尤其是旅游業(yè)獲得了許多新用戶。隨著在線定制旅游服務(wù)需求的增加,能夠提供多樣化住宿的短期租賃獲得了快速發(fā)展。根據(jù)IiMedia Research最近的一份報告,2020年在線短期租房用戶規(guī)模達(dá)到了3.04億,2021年超過3.22億。目前關(guān)于在線短租共享住房的研究主要側(cè)重于共享經(jīng)濟(jì)對旅游產(chǎn)業(yè)的影響、在線短租的商業(yè)模式、消費(fèi)者對在線短租的行為研究[1]。
現(xiàn)有的研究大多集中在客戶使用短期房間租賃服務(wù)的動機(jī)和意圖上,還有研究酒店運(yùn)營商的行為和短期房間租賃服務(wù)對社會的影響,卻很少有研究探討在線-離線過程中消費(fèi)者對在線平臺的滿意度及滿意度如何影響消費(fèi)者的忠誠度。為了提高滿意度,減少不確定性,令在線平臺使用戶能夠參與整個交易過程,包括銷售、購買、比較和分享關(guān)于產(chǎn)品和服務(wù)的信息[2]。特別是“小豬平臺”(短期房間租賃在線平臺之一)鼓勵酒店運(yùn)營商和消費(fèi)者在平臺的使用中培養(yǎng)互動行為。從信息系統(tǒng)(IS)研究角度入手,分析了在線和離線主客滿意度如何影響客戶的重復(fù)預(yù)訂。
為了實現(xiàn)研究目標(biāo),根據(jù)社會互動理論,研究個體如何在更大的社會結(jié)構(gòu)中相互互動并提高雙方滿意度。當(dāng)個人在不同的場景中扮演不同的角色時,他們的行為會被角色所驅(qū)動。根據(jù)酒店運(yùn)營商和消費(fèi)者在入住前、入住中和入住后的三對角色,確定了三種類型的酒店運(yùn)營商-消費(fèi)者互動:整體在線互動、個人在線互動和離線互動。個人互動代表預(yù)訂后酒店運(yùn)營商和某個消費(fèi)者之間的互動,通過互動的存在性、及時性、文本長度和相似性來評估。線下互動是入住期間面對面的主客互動。利用來自海南省6個城市的36 072條訂單記錄和評論內(nèi)容的縱向數(shù)據(jù),采用文本挖掘和多元統(tǒng)計分析檢驗相結(jié)合的方法,深入分析并衡量了海南游客對短租平臺的忠誠度。
Ekpe等人在文獻(xiàn)[3]中研究發(fā)現(xiàn)在線度假租賃平臺興起的早期,傳統(tǒng)酒店運(yùn)營商及其員工擔(dān)憂對收入的影響,特別是中檔和低成本住宿提供商[3]。許多酒店運(yùn)營商強(qiáng)調(diào),在線度假租賃提供商經(jīng)常逃避城市旅游設(shè)施的監(jiān)管和稅收要求,因此在定價方面享有先天的競爭優(yōu)勢。更廣泛的關(guān)切是,由于缺乏有關(guān)部門管制和酒店運(yùn)營商的信息,旅游設(shè)施和管理的空間戰(zhàn)略可能會受到破壞。Qiao Si等人在文獻(xiàn)[4]中研究發(fā)現(xiàn),在線短租平臺會增加游客的數(shù)量和逗留時間,帶來原本可能不會來某個地區(qū)的游客,鼓勵游客在舒適的住宅風(fēng)格住宿更長的時間[4]。此類研究主要依托短租平臺展開。
2008年短租平臺興起之后,學(xué)者和研究機(jī)構(gòu)多次調(diào)查在線度假短租平臺的潛在增長和影響,Yue Xiao等人在文獻(xiàn)[5]中研究了短租平臺對潛在住房市場的影響,當(dāng)整個公寓從永久住房轉(zhuǎn)變?yōu)槎唐谧赓U住房時,會對短租平臺有較大的影響[5]。Lemoine Coralie等人在文獻(xiàn)[6]中研究強(qiáng)調(diào),房地產(chǎn)租賃市場正在從永久租賃住房供應(yīng)轉(zhuǎn)向短期住宿的住房市場風(fēng)險[6]。MacAskill S等人在文獻(xiàn)[7]中研究表明,受低需求影響的不斷下跌的住房市場可能會因在線短租平臺而穩(wěn)定下來[7]。簡而言之,在線短租平臺有許多潛在的好處和影響,這取決于當(dāng)?shù)氐那闆r,可能會對利益相關(guān)者——消費(fèi)者、房東、房地產(chǎn)經(jīng)紀(jì)人和當(dāng)?shù)仄髽I(yè)產(chǎn)生不同的影響。
He Chenchen在文獻(xiàn)[8]中研究了在線評論對消費(fèi)者酒店預(yù)訂意圖的影響,結(jié)果表明,在線評論可以有效提高服務(wù)質(zhì)量[8]。Fernando J.在文獻(xiàn)[9]中展開了網(wǎng)上消費(fèi)者評論對新產(chǎn)品銷售的影響研究,結(jié)果表明,在線平臺的評論可以增加消費(fèi)者用戶的黏性,提高市場服務(wù)能力[9]。龍飛在文獻(xiàn)[10]中對在線短租市場進(jìn)行了專項研究,結(jié)果表明,在線短租平臺可以讓店家更好地了解消費(fèi)者的消費(fèi)形態(tài)[10]。侯英裕在文獻(xiàn)[11]中對共享住宿房源熱度的影響進(jìn)行了專項研究,結(jié)果顯示,房源熱度和共享住宿平臺在線評論反饋的反饋率之間存在非線性關(guān)系[11]。金珂在文獻(xiàn)[12]中對在線短租平臺消費(fèi)者預(yù)定行為進(jìn)行了專項研究,發(fā)現(xiàn)性別對在線短租平臺呈現(xiàn)線性相關(guān)關(guān)系[12]。
利用 Airdna 獲取海南省6個城市從2020年1月-2021 年 8 月在線短租的評論信息,通過城市 POI數(shù)據(jù)爬取,利用Python及Matlab兩個軟件中的相關(guān)工具箱,為在線短租平臺在研究空間分布特征提供了強(qiáng)有力的數(shù)據(jù)支撐。通過Python 對在線短租評論內(nèi)容進(jìn)行文本爬取,了解了在線短租在消費(fèi)側(cè)的需求特征。
以途家、小豬、Airbnb、木鳥短租和螞蟻短租等15家在線短租平臺為研究對象,其中2011年推出的途家民宿是我國最大的在線短期客房租賃平臺,途家的在線平臺通過住宿服務(wù)將房東和消費(fèi)者聯(lián)系起來。本研究共收集15家在線短租平臺36 072條訂單記錄和評論內(nèi)容的縱向數(shù)據(jù),對36 072條數(shù)據(jù)進(jìn)行分類整理,結(jié)果如表1所示。
表1 變量的測量和描述性統(tǒng)計Tab.1 Variable measurement and descriptive statistics
2.2.1 估計模型
公式(1)用于測試整體互動對客戶重復(fù)預(yù)訂的影響,并檢查個人互動的存在。只有當(dāng)房東和某個游客之間的個體互動存在時,個體互動的所有屬性(時效性、文本長度、文本相似性)才能影響顧客的重復(fù)預(yù)訂。因此,一個獨(dú)立的模型被用來評估個人互動對顧客重復(fù)預(yù)訂的影響。公式(2)用于測試當(dāng)整體互動和個人互動存在時,個人互動如何影響客戶的重復(fù)預(yù)訂。
RepOrder=α1*RepRatet-1+α2*AccRatet-1+α3*ConTimet-1+…+α8*LisNumt-1+α9*OrdNumt-1+α10*City+ε
(1)
RepOrdert=β1*RepRatet-1+β2*AccRatet-1+β3*ConTimet-1+…+β14*LisNumt-1+β15*OrdNumt-1+β16*City+ε
(2)
表3 各自變量之間的相關(guān)系數(shù)Tab.3 Correlation coefficients of all indexes
使用縱向數(shù)據(jù)進(jìn)行實證分析。自變量是一個二元虛擬變量,而不是一個可以遵循正態(tài)分布的連續(xù)變量。為了避免由參數(shù)偶然性和不一致估計引起的潛在誤差,隨機(jī)效應(yīng)模型可以用于非線性二元變量模型。對兩個回歸模型進(jìn)行Hausman檢驗(表2)。兩個回歸模型的P值均大于0.05;也就是說,Hausman檢驗的最初假設(shè)被接受了?;陔S機(jī)效應(yīng)邏輯回歸模型對縱向數(shù)據(jù)進(jìn)行了分析,估計了所有自變量之間的相關(guān)系數(shù),結(jié)果(表3)顯示,所有系數(shù)都小于0.3。因此,不存在嚴(yán)重的共線性。
根據(jù)結(jié)果顯示,在線回復(fù)率對顧客重復(fù)預(yù)定有積極的影響,接收率和確認(rèn)時間對游客的重復(fù)預(yù)訂有顯著影響;線下互動與客戶重復(fù)預(yù)訂呈正相關(guān),線下互動的時效性對顧客重復(fù)預(yù)訂沒有顯著影響;回復(fù)文本的絕對長度對客戶重復(fù)預(yù)訂有積極的影響;評論和回復(fù)之間的文本相似性也會顯著影響客戶的重復(fù)預(yù)訂;對于線下互動在個體互動對顧客重復(fù)預(yù)訂影響中的調(diào)節(jié)作用沒有顯著性關(guān)系??偟膩碚f,線下互動負(fù)向降低了存在性、文本絕對長度和相似度對客戶重復(fù)預(yù)訂的影響;在回復(fù)及時性方面,沒有發(fā)揮適度作用。
2.2.2 模型穩(wěn)定性檢驗
通過模型穩(wěn)定性來驗證結(jié)果。利用不同的因變量對模型的魯棒性進(jìn)行了檢驗。對于原始的回歸模型,客戶重復(fù)預(yù)訂被定義為顧客下一次住宿是否選擇同一家酒店。為了穩(wěn)定性檢驗,將因變量替換為客人對同一家酒店的重復(fù)預(yù)訂。基于縱向數(shù)據(jù)的logistic回歸模型,公式保持不變。采用公式(1)來測試整體交互的影響和個體交互的存在;采用公式(2)用于測試整體互動和個體互動存在時,個體互動水平如何影響消費(fèi)者的購買決策。
為了進(jìn)一步驗證結(jié)果的有效性,使用替代文本相似度方法進(jìn)行了第二次魯棒性檢驗,將評論和回復(fù)文本的歸一化歐氏距離作為相似性?;趦牲c(diǎn)之間的距離,采用歐氏距離來計算文本相似度,歐幾里得距離計算其中pi和qi是點(diǎn)P和點(diǎn)Q在n維上的坐標(biāo)。
(3)
在主機(jī)和列表層面上測試了客戶的重復(fù)預(yù)訂,所有結(jié)果保持一致,證明了模型估計、結(jié)果具有穩(wěn)定性。
研究發(fā)現(xiàn),線下主客互動可以替代個體互動(存在性、文本長度和文本相似性)對游客重復(fù)預(yù)訂的影響。這種線下互動指的是房東和游客共享一個房子或房間時的面對面互動。研究表明,這種線下互動可以替代發(fā)展在線個人互動、撰寫和定制長的在線評論。
研究沒有發(fā)現(xiàn)有足夠證據(jù)支持時間性(個人在線互動的一個組成部分)對客戶重復(fù)預(yù)訂的影響。一直以來,線下互動并不能替代這種效果,該結(jié)果可能是前后關(guān)聯(lián)的,只適用于小豬和海南。不像西方的客房租賃平臺,客人的評論與房東回復(fù)的時間間隔短(如Airbnb),鼓勵客戶重復(fù)預(yù)訂,但在海南,這個變量似乎不那么重要。
研究發(fā)現(xiàn),總體的主客交互(在線回復(fù)率、接受率、確認(rèn)時間)和個體的主客交互(個體交互、文本絕對長度和文本相似度)增加了游客的忠誠度。離線的主客交互可以替代個體交互(存在性、文本長度和相似性)對客戶重復(fù)預(yù)訂的影響。房東可以通過與客人的個人在線互動來增加客人的重復(fù)預(yù)訂,一旦個體交互發(fā)生,文本絕對長度和相似度就提高了游客的重復(fù)預(yù)訂,從而提高了游客的忠誠度。主機(jī)可以通過回復(fù)游客較長的帖子和定制對游客評論和問題的回復(fù)來增加游客的重復(fù)預(yù)訂,他們不喜歡標(biāo)準(zhǔn)化的信息和答案。文本長度反映了房東提供的內(nèi)容和信息的數(shù)量,被解讀為房東積極態(tài)度和努力的信號。定制化的信息在情感上連接了房東和游客,增強(qiáng)了客戶體驗,從而提高了他們的忠誠度。
當(dāng)房東與游客共享一個房子時,應(yīng)增加線下互動,離線主客交互可以替代個體交互的效果(存在性、文本長度和相似性)。這些經(jīng)驗對房東來說很有價值,對于平臺管理人員理解房東和客人之間的行為和交互模式也非常有用。
在數(shù)字加速時代,短期客房租賃服務(wù)成為游客的可行選擇,共享經(jīng)濟(jì)在酒店短租市場越來越受歡迎。分析了如何在共享經(jīng)濟(jì)的短期房間租賃市場增加游客的重復(fù)預(yù)訂,進(jìn)而提高忠誠度,將文本挖掘技術(shù)和計量經(jīng)濟(jì)學(xué)模型結(jié)合在一個大型數(shù)據(jù)集上,該數(shù)據(jù)集包含來自海南省6個城市的36 072條訂單記錄和評論內(nèi)容的縱向數(shù)據(jù)。研究表明,在線短租平臺對短期度假租賃住宿的潛在影響會因現(xiàn)有的旅游基礎(chǔ)設(shè)施、地區(qū)環(huán)境特征和住房市場壓力而有所不同,針對這些具體壓力量身定制應(yīng)對措施,對于確保從中獲得潛在的、更廣泛的利益及有效管理影響至關(guān)重要。本研究還存在一定的局限性,今后的研究要控制變量,增加年齡和性別對重復(fù)預(yù)定的影響。增加數(shù)據(jù)樣本,因為研究數(shù)據(jù)集主要來自海南省,需拓展數(shù)據(jù)樣本,范圍擴(kuò)大至全國。主要研究了房東和顧客之間反饋內(nèi)容的相識度,未來可以研究房東與房東之間反饋內(nèi)容的相識度。