徐 峰

(南京大學(xué)工程管理學(xué)院，江蘇 南京 210093)

一、引 言

隨著電子商務(wù)的迅速發(fā)展，越來越多的消費者開始通過網(wǎng)絡(luò)來獲取產(chǎn)品信息，特別是對于未知的體驗型產(chǎn)品，消費者為了降低交易風(fēng)險更傾向于得到其他消費者意見和看法，并以此作為決策的重要依據(jù)[1]。研究發(fā)現(xiàn)消費者在購買產(chǎn)品時越來越受到網(wǎng)絡(luò)的輿論影響，這些影響甚至超過了傳統(tǒng)媒介。由于消費者網(wǎng)絡(luò)評論是根據(jù)消費后的體驗給出的，而基于這些評論信息，潛在的消費者就可以做出最適合自己的選擇，相應(yīng)的企業(yè)則可以充分挖掘和利用這些評論信息進行更好的決策。因此，很多網(wǎng)站和企業(yè)如京東、亞馬遜、攜程、同程、藝龍、去哪兒等網(wǎng)站紛紛推出評論功能，并鼓勵消費者發(fā)布評論。但是，這又引發(fā)了另一個難題，就是企業(yè)和消費者如何從這些海量的評論信息中快速獲取自身所需要的信息。目前，一些網(wǎng)站推出了有用性評價、關(guān)鍵詞評價以及用戶體驗等方式來幫助消費者快速選擇，但上述這些措施只是各個網(wǎng)站的初步嘗試，尚缺乏理論依據(jù)。

作為典型的體驗型產(chǎn)品，酒店業(yè)是消費者最早和最成功地通過網(wǎng)絡(luò)渠道獲得決策信息的行業(yè)之一[2]980。研究發(fā)現(xiàn)酒店行業(yè)大多數(shù)消費者選擇酒店會受到朋友和媒體的影響，但隨著電子商務(wù)的發(fā)展，消費者網(wǎng)絡(luò)評論對消費者酒店選擇具有重要的影響[3]，研究發(fā)現(xiàn)84%的消費者根據(jù)網(wǎng)絡(luò)上提供的酒店信息和消費者評論內(nèi)容選擇所住的酒店。①http://www.travelindustrywire.com/article29359近年來，我國酒店業(yè)快速發(fā)展，其競爭日益激烈，但整體管理水平和盈利水平均較低[2-3]，如果能夠獲取消費者需求偏好，這對于酒店企業(yè)具有重要的價值。Decker和Trusov(2010)證明了基于評論信息的結(jié)果和通過統(tǒng)計得到的消費者偏好的結(jié)果是十分吻合的，因此可以通過網(wǎng)上的產(chǎn)品評論信息預(yù)測消費者的偏好[4]。

基于此，本文以國內(nèi)最大的在線酒店預(yù)訂平臺消費者評論數(shù)據(jù)為基礎(chǔ)，對不同出行目的消費者酒店預(yù)訂的影響因素進行研究，考慮到酒店住宿需求主要來自旅游、商務(wù)和會議等活動[5]，結(jié)合不同城市特征，進而將城市分為三種類型:旅游型城市、工商業(yè)型城市和綜合型城市。分別選取不同類型城市樣本酒店在線數(shù)據(jù)信息為對象，研究不同城市類型酒店網(wǎng)上預(yù)訂量的影響因素，為消費者酒店選擇提供決策依據(jù)，同時為酒店管理者對不同類型酒店經(jīng)營與投資提供實證依據(jù)。

二、文獻回顧

作為一種單向與雙向，廣播與窄播、同步與異步并行的交流媒介，網(wǎng)絡(luò)提供了虛擬社區(qū)式的遠程的群體交流[6]。消費者的網(wǎng)絡(luò)評論對潛在消費者的決策有著重要的影響，這種影響廣泛存在于日常用品、經(jīng)驗品等不同類型產(chǎn)品或服務(wù)領(lǐng)域[7]。大量研究表明，評論信息的發(fā)出者和信息的接收者之間的交流能夠改變信息接收者的態(tài)度和購買決策[8-9]。一些研究人員試圖從個體對信息認(rèn)知角度研究網(wǎng)絡(luò)評論信息如何影響個體決策行為[10-12]。例如，Zhao等(2013)研究了網(wǎng)絡(luò)產(chǎn)品評論對于消費者體驗型產(chǎn)品購買決策的影響，發(fā)現(xiàn)消費者更愿意相信在線評論而不是過去的經(jīng)驗[13]。Lee等(2008)研究了消極的網(wǎng)上消費者評論對消費者態(tài)度的影響，發(fā)現(xiàn)當(dāng)消極的網(wǎng)上消費者評論比例增高的時候，大部分消費者關(guān)注評論的質(zhì)量并接受評論的觀點，只有小部分消費者不關(guān)注評論質(zhì)量而輕信評論的觀點[14]。Chen和Xie(2008)對用戶評論研究發(fā)現(xiàn)，如果評論信息足夠充分，零售商提供的產(chǎn)品信息和消費者提供的評論信息將相互影響對方的決策[15]。Sparks和Browning(2011)對酒店行業(yè)研究發(fā)現(xiàn)當(dāng)酒店擁有一系列積極評論時，消費者對其也有著明顯的高信任度[16]。李宏等(2011)研究了負(fù)面在線評論質(zhì)量、消費者卷入度和性別對消費者滿意度和購買選擇的影響[17]202。孫春華和劉業(yè)政(2009)認(rèn)為網(wǎng)絡(luò)口碑已經(jīng)成為消費者了解產(chǎn)品質(zhì)量的一個主要信息來源，網(wǎng)絡(luò)口碑的信息可信度對購買意圖有正向作用[18]。為了能具體研究顧客網(wǎng)絡(luò)輿論影響消費者現(xiàn)象，一些研究者對不同產(chǎn)品市場進行了具體研究，例如對在線圖書銷售市場[19]、電影市場[20]、游戲市場[21]等。

消費者的網(wǎng)絡(luò)評論對企業(yè)的影響已引起相關(guān)企業(yè)和研究人員的關(guān)注。Duan等(2008)對在線用戶評論對電影的票房收入影響做了研究，發(fā)現(xiàn)消費者電影評論星級對電影票房影響并不大，但在線評論數(shù)量對電影票房收入影響較大[22]。在此基礎(chǔ)上，Chintagunta等(2010)根據(jù)美國市場16個月內(nèi)148部電影票房情況和Yahoo網(wǎng)站電影評論，研究發(fā)現(xiàn)電影的票房收入不僅僅取決于在線評論數(shù)量，更受到公司的努力(如:廣告、網(wǎng)絡(luò)宣傳)和顧客網(wǎng)絡(luò)評論共同影響[23]。?ˇgüt和Cezar(2012)通過對巴黎最大酒店預(yù)訂網(wǎng)站的數(shù)據(jù)研究發(fā)現(xiàn)更高的評級和更低的價格會增加評論數(shù)量，但極端的評分、酒店星級對于發(fā)表評論的傾向沒有任何影響，此外，房間面積對發(fā)布評價的可能性有負(fù)面影響[24]。Li和Hitt(2010)研究產(chǎn)品定價對消費者網(wǎng)上評論的影響[25]。事實上，負(fù)面評論可能會提高企業(yè)利潤，如Berger等(2010)研究發(fā)現(xiàn)負(fù)面評論對銷售量有積極的影響，這是因為負(fù)面的在線評論會增加產(chǎn)品的知名度，從而增加銷售量[26]。Ye等(2009)從中國最大的旅行網(wǎng)站收集數(shù)據(jù)，建立了一個對數(shù)線性模型，來研究網(wǎng)上用戶評論對旅店房間訂購的影響[27]180。張夢等(2011)以攜程網(wǎng)數(shù)據(jù)為基礎(chǔ)，研究了在線信息對4類不同等級酒店網(wǎng)上預(yù)訂量的影響[28]79。

雖然上述研究已取得了較為豐富的成果，但這些研究主要對在線評論對消費者購買決策或酒店預(yù)訂量的影響研究，沒有考慮到不同出行目的消費者群體需求這一重要因素，我們知道消費者酒店住宿需求主要來自旅游、商務(wù)和會議等活動，這些活動的不同必然影響其對酒店選擇。此外，通過對相關(guān)人員訪談和已有酒店評論信息研究發(fā)現(xiàn)，用戶這種不同的需求可以通過不同城市類型來區(qū)分，例如麗江酒店的住宿者大多出行目的為旅游，而深圳酒店的住宿者大多出行目的為商業(yè)活動或會議，通過對攜程旗下的驢評網(wǎng)酒店數(shù)據(jù)進行隨機抽取，發(fā)現(xiàn)均滿足這一規(guī)律。因此，我們選取攜程網(wǎng)上數(shù)據(jù)信息進行研究，分析不同城市類型酒店網(wǎng)上預(yù)訂量的影響因素，并為酒店消費者和酒店管理者決策提供建議。

三、模型構(gòu)建

(一)模型假設(shè)與構(gòu)建

攜程網(wǎng)是國內(nèi)最大的在線酒店預(yù)訂平臺，其在線數(shù)據(jù)信息保存完整，已成為國內(nèi)研究者的主要研究對象。同文獻[28]80，影響消費者選擇的在線信息主要由酒店提供信息、預(yù)定平臺提供信息和消費者提供的評論信息構(gòu)成。酒店提供信息主要包括價格、房型、設(shè)施等，由于各個酒店房型設(shè)施不同，很難對其進行比較，因此我們主要選擇價格這一關(guān)鍵變量。為了幫助消費者快速選擇合適的酒店，網(wǎng)絡(luò)預(yù)訂平臺對每個酒店推出評價信息，以攜程為例，其推出了用戶評級是以攜程用戶對酒店的評價為基礎(chǔ)，綜合考慮了其他多方面的因素，對合作酒店進行的評級。①http://hotels.ctrip.com/Domestic/ShowUstarNote.aspx由于其自身專業(yè)性，其對酒店的評價可能更全面，因此假設(shè)網(wǎng)絡(luò)預(yù)訂平臺的評級與酒店銷售量之間呈線性相關(guān)。

事實上，研究發(fā)現(xiàn)潛在消費者更相信其他消費者的評論[2]981。攜程網(wǎng)的點評規(guī)則是只允許入住后的消費者才能發(fā)表評價，其評論內(nèi)容可信度更高，因此我們以攜程網(wǎng)消費者點評數(shù)據(jù)為基礎(chǔ)，選取相關(guān)數(shù)據(jù)進行研究。攜程網(wǎng)的消費者需要從衛(wèi)生、服務(wù)、設(shè)施、位置四個方面對酒店進行打分評估，并給出推薦或不推薦評價，最后給出文字評論。由于有的酒店的消費者評論有上千條，潛在消費者不可能詳細(xì)讀完目標(biāo)酒店所有消費者給出的評論，而企業(yè)也很難獲取評論所包含的全部信息。事實上，消費者根據(jù)衛(wèi)生、服務(wù)、設(shè)施、位置四個方面對酒店進行打分并給出是否推薦的意見時，基本上已經(jīng)表達了自己的評論觀點。消費者負(fù)面評價比正面評價更能影響消費者的選擇的行為[17]206，因此我們選取不推薦的消費者占評價總量這一指標(biāo)來表示消費者的負(fù)面評價，其不推薦比例與酒店銷售量有顯著線性負(fù)相關(guān)。特別是在研究大規(guī)模樣本數(shù)據(jù)時，我們可以利用這種結(jié)構(gòu)化的評論方式來代表消費者對酒店消費判斷。

由于攜程網(wǎng)上酒店的實際預(yù)訂數(shù)據(jù)是不對外公開的，我們無法直接在網(wǎng)站上獲取每家酒店的在線預(yù)訂量，文獻[27]181在研究在線評論和酒店預(yù)訂量之間的關(guān)系時，提出由于評論量和銷售量之間存在一定的線性關(guān)系，可以用在線評論數(shù)量作為酒店實際銷售量的代理指標(biāo)，并通過實證分析了這一指標(biāo)的可行性。攜程的酒店點評只有入住后才能進行評價，可以保證上述變量真實性。因此，本模型采用在線評論數(shù)量近似替代同期的酒店網(wǎng)上預(yù)訂量，并構(gòu)建酒店預(yù)訂量與各影響因素之間的線性回歸模型，模型表達式如下式所示:

模型中各變量的詳細(xì)解釋如表1所示。

(二)數(shù)據(jù)收集

通常酒店住宿需求主要由消費者旅游、商務(wù)和會議等活動產(chǎn)生[5]，而這些不同活動會導(dǎo)致住宿者對酒店的住宿要求不同。在傳統(tǒng)的研究中我們主要通過問卷調(diào)查的手段來獲取影響出行者的酒店選擇影響因素，但這可能會存在樣本數(shù)據(jù)的約束或很難獲取消費者的真實決策數(shù)據(jù)等問題。攜程網(wǎng)是目前國內(nèi)最大的旅游在線服務(wù)提供平臺，其擁有大量且規(guī)范的歷史在線評論數(shù)據(jù)，如果能夠充分合理利用該平臺數(shù)據(jù)對上述問題進行研究，不但能解決樣本約束問題還能獲得第一手的消費者資料。因此，根據(jù)消費者不同的出行需求，本文將城市分為以下三種類型:旅游型城市、工商業(yè)型城市和綜合型城市。旅游型城市確定主要是根據(jù)《中國公民旅游關(guān)注度報告》①http://chn.lotour.com/zt/report2012q1zt/中最受關(guān)注旅游城市中的名單，同時旅游收入占城市總GDP比在50%(2011年)以上的城市，我們選取了三亞、麗江、張家界、黃山四座城市作為樣本。與旅游型城市相對應(yīng)，工商業(yè)型城市的確定主要是根據(jù)福布斯最佳商業(yè)城市排行榜中的名單，②http://www.forbeschina.com/review/list/001988.shtml同時旅游收入占城市總GDP比在10%左右(2011年)的以工商業(yè)為主的城市，我們選取了溫州、深圳、南通、蕪湖四座城市作為樣本。綜合型城市的確定主要是根據(jù)最受關(guān)注旅游城市和最佳商業(yè)城市排行榜中的名單，且旅游收入占城市總GDP比在15%以上(2011年)的城市，我們選取了杭州、南京、廈門、珠海四座城市作為樣本。此外，上述樣本選取時，適當(dāng)考慮到城市的地理分布，力求樣本城市具有代表性。隨后，我們通過對攜程旗下驢評網(wǎng)上的上述城市的酒店進行隨機抽取，對獲得的樣本研究發(fā)現(xiàn)旅游型城市的住宿人員的出行目的主要是旅游，而工商業(yè)型城市酒店的住宿人員的出行目的主要是商務(wù)活動。

表1 模型變量說明表

本文通過編寫的java程序，分別抓取攜程網(wǎng)的上述城市的每家酒店的在線信息。隨后對數(shù)據(jù)進行處理，剔除沒有用戶評級和沒有評論的酒店，共獲得3098家酒店的數(shù)據(jù)，其中旅游型城市的酒店(三亞、麗江、張家界、黃山)715家，工商業(yè)型城市的酒店(溫州、深圳、南通、蕪湖)773家，綜合型城市的酒店(杭州、南京、廈門、珠海)1610家，并將上述數(shù)據(jù)作為實驗樣本數(shù)據(jù)。

(三)結(jié)果分析

本研究采用多元線性回歸方法分析顧客在不同城市類型選擇酒店時的影響因素。VIF可以用于解釋各變量之間的多重共線性問題，一般認(rèn)為VIF＜10時，變量之間不存在顯著的共線性，本研究中的VIF值通過了檢驗，因而回歸分析的結(jié)果是可信的。酒店預(yù)訂量與各影響因素之間的多元回歸分析結(jié)果如表2所示。

從類型一可以看出，旅游型城市中攜程用戶評級(β=0.288，p＜0.01)、位置評價(β=0.192，p＜0.01)和不推薦率(β=-0.481，p＜0.05)顯著影響酒店的預(yù)訂量，而其他變量沒有通過顯著性檢驗，影響效果不顯著，這表明消費者在外出旅游時，更多地關(guān)注酒店的位置、其他消費者的推薦，而較少考慮配套設(shè)施、衛(wèi)生情況與服務(wù)水平等因素。同時，酒店的價格對酒店的預(yù)訂量沒有顯著的影響，這表明國內(nèi)消費者在外出旅游時，更多關(guān)心旅游舒適度較少考慮價格等因素。此外，上述結(jié)果的一個可能重要原因就是國內(nèi)消費者旅游時間點較為集中，造成景區(qū)資源緊張，可供消費者選擇的酒店較少，因此大多數(shù)消費者可能抱著酒店位置不要太遠，其他條件差不多就行的心理選擇酒店[29]。這種情形將會隨著休假制度的逐步完善和消費水平的提高而逐漸改善。除此之外，攜程用戶評級對酒店銷售量有著顯著的影響，這表明攜程預(yù)訂平臺的推薦信息影響著消費者選擇。

表2 統(tǒng)計分析結(jié)果

從類型二可以看出，工商業(yè)型城市中攜程用戶評級(β=0.207，p＜0.01)、位置評價(β=0.273，p＜0.01)、不推薦率(β=-1.146，p＜0.01)對酒店預(yù)訂量的影響十分顯著。這表明消費者在出差時，同樣會關(guān)注酒店的位置，較少考慮服務(wù)水平。但是，酒店的價格和衛(wèi)生評價對酒店的預(yù)訂量有著較為顯著的影響，這表明消費者在商務(wù)活動時酒店選擇會受到價格和衛(wèi)生等條件的影響。價格對該類型群體酒店預(yù)訂量具有較明顯的正相關(guān)性影響，這和我們直觀印象相反，這主要原因是工商業(yè)城市的住宿者以公務(wù)或商務(wù)出差為主，其費用大多由企事業(yè)單位或相關(guān)單位承擔(dān)，因而對價格的敏感性相對較弱，相對更看重酒店的位置、衛(wèi)生等因素。在單位財務(wù)或出差制度約束下，其通常選擇的酒店價格標(biāo)準(zhǔn)更愿意接近財務(wù)允許的上限。同時，入住高價格的酒店也是一種身份的象征，相關(guān)人員也更愿意選擇價格較高的酒店入住。此外，我們對部分不同層次商業(yè)出行人員進行了訪談，發(fā)現(xiàn)與上述結(jié)論相一致。

類型三綜合型城市的分析結(jié)果顯示，除服務(wù)評價未通過顯著性檢驗，影響不顯著外，其他因素對酒店預(yù)訂量的影響都十分顯著。綜合型城市酒店同時具有旅游城市和工商業(yè)城市的共同特點，其酒店數(shù)量較多，市場競爭充分，消費者可選擇余地較大，在同等條件下，消費者更愿意選擇其他條件較好的酒店。這表明隨著經(jīng)濟的發(fā)展和休假制度的逐步完善，旅游型城市的酒店應(yīng)該逐步加強衛(wèi)生條件的投入。值得指出的是，服務(wù)評價對酒店預(yù)訂量影響并不顯著，這表明在當(dāng)前條件下，良好的服務(wù)并不一定能提高酒店的預(yù)訂量。

綜合比較上述三種不同城市類型的酒店，發(fā)現(xiàn)酒店位置、消費者推薦率和預(yù)訂平臺的評級對任何類型城市消費者的酒店選擇均有著顯著的影響。酒店的價格和衛(wèi)生評價對綜合型城市酒店的預(yù)訂量的影響最顯著，對商業(yè)型城市酒店的預(yù)訂量影響較為顯著，但是對旅游型城市酒店預(yù)訂量影響不顯著。因此對于酒店管理者來說，其應(yīng)該注重以下幾點:首先，酒店的選址直接影響酒店的預(yù)訂量和績效;其次，提高消費者的推薦率，進一步挖掘出客戶選擇不推薦的原因，進而解決顧客評論提出的問題并及時回復(fù)，可有效地提高酒店的預(yù)訂量;再次，應(yīng)及時加強與攜程用戶推薦平臺溝通與合作，積極采納攜程網(wǎng)的意見，進而提高用戶評級可以有效提高酒店管理水平和預(yù)訂量;最后，應(yīng)對不同城市類型酒店進行分類管理，并針對不同城市類型酒店消費者的關(guān)注點的不同，提供相應(yīng)的服務(wù)，進而提高酒店的經(jīng)營績效。

四、結(jié)論與展望

(一)研究結(jié)論與建議

文章根據(jù)《中國公民旅游關(guān)注度報告》中最受關(guān)注旅游城市和福布斯最佳商業(yè)城市排行榜中的名單，結(jié)合各城市旅游收入占GDP總量比，分別將城市分為三種類型，并選取相應(yīng)類型中的典型城市作為研究樣本，即旅游型城市(三亞、麗江、張家界、黃山)、工商業(yè)型城市(溫州、深圳、南通、蕪湖)、綜合型城市(杭州、南京、廈門、珠海)。通過編寫java程序抓取攜程網(wǎng)上樣本城市的酒店在線信息，并對相應(yīng)數(shù)據(jù)進行處理，采用線性模型研究預(yù)訂平臺用戶評級、酒店價格、衛(wèi)生、服務(wù)、設(shè)施、位置以及不推薦比率等因素對不同城市類型酒店網(wǎng)上預(yù)訂量的影響。研究結(jié)果表明:(1)預(yù)訂平臺的評級對不同城市類型消費者的酒店選擇均有著顯著的影響;(2)酒店價格對綜合型城市酒店的預(yù)訂量有著顯著的負(fù)相關(guān)性影響，對商業(yè)型城市酒店的預(yù)訂量有著較顯著正相關(guān)性影響，但對旅游型城市酒店的預(yù)訂量影響不顯著;(3)消費者評價中酒店位置、消費者推薦率對不同城市類型消費者的酒店選擇均有著顯著的影響，酒店衛(wèi)生評價對綜合型城市酒店的預(yù)訂量的影響最顯著，對商業(yè)型城市酒店的預(yù)訂量影響較為顯著，但是對旅游型城市酒店預(yù)訂量影響不顯著。

上述研究結(jié)論詳細(xì)分析如下:

首先，消費者評論中的酒店不推薦比率對酒店的預(yù)訂量具有顯著的影響。消費者是否推薦，直接反映消費者對該酒店的滿意程度，值得指出的是部分消費者在評分較高情況下也可能選擇不推薦。通過對這些不推薦的消費者所發(fā)表的評論研究，發(fā)現(xiàn)絕大多數(shù)消費者是因為某一個或幾個原因?qū)е露x擇不推薦，除此之外，有的評論者選擇不推薦的原因可能是上述結(jié)構(gòu)化評價因素中未包括其所關(guān)注的問題，從而通過不推薦這一評價來表達自己的觀點。熊偉等通過對國內(nèi)外消費者評價推薦比較研究發(fā)現(xiàn)，國內(nèi)消費者的不推薦比例要遠高于國外消費者[30]，這其中一個重要原因就是國內(nèi)消費者的評價可能是基于以前住過的其他酒店為基本參考，國內(nèi)酒店目前管理水平可能要落后于國外酒店，因此部分消費者即使評分較高，也不會推薦該酒店。此外，顧客不推薦的原因經(jīng)常是由酒店的某一方面的短板決定的，酒店的管理者應(yīng)該關(guān)注造成消費者選擇不推薦的原因，進而及時回復(fù)和解決大多數(shù)消費者所關(guān)注的問題，這樣不但可以提高酒店預(yù)訂量而且不需要太高成本。

其次，酒店位置對不同城市類型消費者的酒店選擇均有著顯著的影響。這就是說不論何種城市類型，酒店的經(jīng)營管理者都應(yīng)把酒店選址作為一個重要的決策因素，因為酒店的選址直接影響酒店的預(yù)訂量和績效。酒店所在位置影響住宿人員的出行的快捷性、便利性和成本，其周邊的商業(yè)和生活設(shè)施配套情況會影響消費者入住后的舒適度。

再次，對于不同城市類型的酒店，當(dāng)前的酒店預(yù)訂量的影響因素也不同，總的來說綜合型城市酒店預(yù)訂量的影響因素最多，工商業(yè)型城市次之，旅游型城市最少。因此酒店經(jīng)營者在對上述城市酒店投資時應(yīng)有不同的側(cè)重，同時，其應(yīng)根據(jù)城市類型的不同采取分類管理，并針對不同城市類型酒店消費者的關(guān)注點，提供相應(yīng)的服務(wù)。值得指出的是，目前旅游型城市酒店預(yù)訂量影響因素較少的原因可能是當(dāng)前旅游時間較為集中和資源緊張，隨著《國民旅游休閑綱要(2013—2020年)》逐步實施，其競爭和影響因素會越來越多。

最后，根據(jù)上述影響因素，一般消費者只需在自身所能承受的價格范圍內(nèi)，根據(jù)酒店的地理位置，參考網(wǎng)站給出的用戶評級以及顧客不推薦情況，即可快速作出決策。對于不同的出行目的消費者只需要結(jié)合自己的特殊需求就可以了。此外，酒店應(yīng)及時加強與攜程用戶推薦平臺溝通與合作，積極采納攜程網(wǎng)的意見，進而提高酒店的用戶評級和管理水平。

(二)研究不足與展望

本文只是根據(jù)在線信息對不同城市類型消費者酒店選擇因素進行研究，因此其結(jié)論是否適應(yīng)于整個客戶群體還需要進一步研究。未來可以在此基礎(chǔ)上結(jié)合問卷調(diào)查方式對線下客戶進行研究，或者進一步考慮評論質(zhì)量、情感傾向等影響因素并結(jié)合文本挖掘方法開展深入研究。

[1]盤英芝，崔金紅，王歡.在線評論對不同熱門程度體驗型商品銷售收入影響的實證研究[J].圖書情報工作，2011，55(24):126-131.

[2]?ˇGüTA H，CEZARA A.The Factors Affecting Writing Reviews in Hotel Websites[J].Procedia-Social and Behavioral Sciences，2012，58(12):980-986.

[3]BARSKY J，NASH L.Word of Mouth Should be Top-of-Mind for Hotel Operators[N].Hotel＆ Motel Management.2007，222(6):8，20.

[4]DECKER R，TRUSOV M.Estimating Aggregate Consumer Preferences from Online Product Reviews[J].International Journal of Research in Marketing，2010(27):293-307.

[5]侯兵，黃震方，陳肖靜.主客體視角的城市經(jīng)濟型酒店空間分布研究——以揚州市為例[J].旅游學(xué)刊，2009(5):72-79.

[6]馮雋.新聞媒介的功能及其演變[J].浙江工商大學(xué)學(xué)報，2010(1):49-55.

[7]HANKIN L.The Effects of User Reviews on Online Purchasing Behavior across Multiple Product Categories[EB/OL].(2007-05-07)[2013-02-25].http://www.ischool.berkeley.edu/files/lhankin_report.pdf.

[8]PARK D H，KIM S.The Effects of Consumer Knowledge on Message Processing of Electronic Word of Mouth via Online Consumer Reviews[J].Electronic Commerce Research and Applications，2008，7(4):399-410.

[9]PARK D H，LEE J.eWOM Overload and Its Effect on Consumer Behavioral Intention Depending on Consumer Involvement[J].Electronic Commerce Research and Applications，2008，7(4):386-398.

[10]CHEUNG M，LUO C，SIA C，et al.Credibility of Electronic Word-of-Mouth:Informational and Normative Determinants of Online Consumer Recommendations[J].International Journal of Electronic Commerce，2009，13(4):9-38.

[11]DOH S J，HWANG J S.How Consumers Evaluate eWOM(Electronic Word-of-Mouth)Messages[J].CyberPsychology ＆Behavior，2009，12(2):193-197.

[12]KUMAR N，BENBASAT I.Research Note:The Influence of Recommendations and Consumer Reviews on Evaluations of Websites[J].Information Systems Research，2006，17(4):425-439.

[13]ZHAO Y，YANG S，NARAYAN V，et al.Modeling Consumer Learning from Online Product Reviews[J].Marketing Science，2013，32(1):153-169.

[14]LEE J，PARK D H，HAN I.The Effect of Negative Online Consumer Reviews on Product Attitude:An Information Processing View[J].Electronic Commerce Research and Applications，2008，7(3):341-352.

[15]CHEN Y，XIE J.Online Consumer Review:Word-of-Mouth as a New Element of Marketing Communication Mix[J].Management Science，2008，54(3):477-491.

[16]SPARKS A B，BROWNING V.The Impact of Online Reviews on Hotel Booking Intentions and Perception of Trust[J].Tourism Management，2011，32(6):1310-1323.

[17]李宏，喻葵，夏景波.負(fù)面在線評論對消費者網(wǎng)絡(luò)購買決策的影響:一個實驗研究[J].情報雜志，2011，30(5):202-206.

[18]孫春華，劉業(yè)政.網(wǎng)絡(luò)口啤信息可信度的實證研究[J].財經(jīng)論叢，2009(4):96-102.

[19]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.

[20]郝媛媛，葉強，李一軍.基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J].管理科學(xué)學(xué)報，2010(8):78-96.

[21]ZHU F，ZHANG X M.Impact of Online Consumer Reviews on Sales:The Moderating Role of Product and Consumer Characteristics[J].Journal of Marketing，2010，74(2):133-148.

[22]DUAN W，GU B，WHINSTON A.Do Online Reviews Matter?-An Empirical Investigation of Panel Data[J].Decision Support Systems，2008，45(4):1007-1016.

[23]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].Marketing Science，2010，29(5):944-957.

[25]LI X，HITT M L.Price Effects in Online Product Reviews:An Analytical Model And Empirical Analysis[J].MIS Quarterly，2010，34(4):809-831.

[26]BERGER J，SORENSEN A T，RASMUSSEN S J.Positive Effects of Negative Publicity When Negative Reviens Increase Sales[J].Marketing Science，2010，29(5):815-827.

[27]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.

[28]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(7):79-84.

[29]嚴(yán)艷，周文，張佑印.基于市場的西安城市家庭旅游決策研究[J].地域研究與開發(fā)，2010(4):78-81.

[30]熊偉，高陽，吳必虎.中外國際高星級連鎖酒店服務(wù)質(zhì)量對比研究——基于網(wǎng)絡(luò)評價的內(nèi)容分析[J].經(jīng)濟地理，2012，32(2):160-165.