在线评论对跟团旅游产品在线预订量的影响研究①

韦荷琳，吴德诚

进入21 世纪以来，中国经济仍然保持着高速的发展态势，人们生活水平的提高，对于精神文明生活的需求日益增长，旅游行业在这样的社会背景下，保持着高速的发展。 互联网+旅游的规模推进，进一步助推了国内旅游消费的兴起，根据中国互联网中心发布的第44 次互联网发展报告显示，中国在线旅行预订人数从2016年的2.6 亿增加到2019年的4.18 亿，增长超过60%，其规模占网民总量的48%。 而相关旅游企业主体，通过OTA 平台，布局线下门店+线上渠道的模式，快速抢占市场，进一步助推在线旅游的发展。 而在线旅游预订，潜在预订用户更愿意信任存量消费者的购后体验发布的信息，对于专家与商家发布的信息存在一定的疑虑。 吴倩等学者基于贵州旅游现状的大数据分析发现，网络舆情主要在景区景点属性、管理服务特征、情感表达极性三个方面影响用户的消费体验和选择；现有关于网络口碑等主题的研究相对较多且比较完善，但是对于网络口碑在旅游产品，尤其是在线跟团旅游产品预订方面的影响研究还有待开发和探索，本文基于现有研究结论，从用户评论、旅游商品属性、商家回复三个方面，探索网络口碑对跟团游产品的在线订购决策的影响，并对此提出相关的建议。

一、文献回顾和研究假设

网络口碑在消费者行为研究领域有着较为完善的研究体系，自从亚马孙平台开始应用商品在线评论/留言功能以来，国内外学者，对网络口碑进行了大量的研究，而关于网络口碑对旅游产品的影响，也有相关文献做了一定的研究，比如陈立梅等人基于精细加工的可能性模型对国人的出境游进行了分析，发现在线评论通过正向影响潜在消费者的旅游态度和从众心理而影响消费决策。 魏宝祥等人以传播过程理论作为基础，构建旅游产品在线评论可信度评价指标体系，研究发现，评论内容特征、评论者身份特征、评论平台特征、评论受众消费经验等对评论可信度有着重要的影响，是旅游产品在线评论可信度的关键因素。 演克武等人基于旅游企业品牌影响的角度，研究发现了在线评论对于企业品牌的影响，并建议加强评论回复的管理。 基于现有研究文献的结论，结合跟团游旅游产品的特点，我们从旅游产品属性、用户评论、商家回复三个方面入手，研究网络口碑对跟团游在线预订的影响。

与自由行相对的旅游方式——跟团游，是多人组团搭乘同一交通工具前往同一个旅游目的地的旅游方式，因为组团形式的存在，降低了旅游预订的商品价格。 用户的评论内容特征从说服效应的角度影响消费者的决策行为。 所谓说服效应是指面临说服性信息时，个体态度发生转变并影响决策的一种行为，即平台通过提供丰富的产品评论信息，降低潜在消费者的决策风险，说服潜在消费者做出购买决策。 基于此，本文提出如下假设：

H1：评论内容长度显著正向影响跟团游产品的在线预订量

H2：评论图片数量显著正向影响跟团游产品的在线预订量

H3：评论关键字词频显著正向影响跟团游产品的在线预订量

在以往的研究中，商品属性通常作为中介变量或者调节变量加入研究模型进行研究，本文结合旅游产品的特点，将旅游天数和旅游商品价格加入研究模型中，提出如下假设：

H4：旅游天数显著负向影响跟团游产品在线预订量

H5：产品价格显著负向影响跟团游产品在线预订量

基于上述文献回顾与假设推演，构建出用户评论、商家回复、产品特性对跟团旅游产品在线销量影响的关系模型，详见图1 所示。

图1 理论模型

二、变量解释和模型建立

本文通过网络爬虫技术，从飞猪旅行网爬取跟团游产品共计9.8 万条评论数据，聚合成241 条研究样本数据，从用户评论、商家回复、参考王君珺等人研究，以商品的评论数量代表商品的销量作为因变量进行研究，评论长度选取商品评论内容的平均字符数作为数值，评论图片数量以商品评论所有图片数量除以评论量得到，回复数量是以网页上商家对于评论的所有回复次数为准，回复长度是商家在同一个商品中的所有回复内容的长度平均值。 评论关键词频是指商品所有评论中关键词出现的平均次数，本文通过数据分析选取241条商品数据中共计20 个出现频率最高的词作为“关键词”以衡量用户评论内容的有效信息量，这20 个关键词分别为“导游、行程、酒店、服务、司机、讲解、客服、师傅、热情、全程、旅游、满意、购物、住宿、合理、推荐、开心、耐心、值得、风景”。所有数据均取自飞猪旅行网的真实客观数据。 相应测度指标详见表1，对应模型的线性公式见式(1)。

表1 模型变量测度指标

由于评论数量所代表的销量、评论长度、评论图片数量、评论关键词频、商品价格的原始数值较大，而旅游天数的数值相对较小，且各个变量之间的数值差距过大，可能会影响模型的准确性。 因此，本文参考已有文献的研究方法，对代表跟团旅游产品在线销量的在线评论总数(Sale)、评论长度(x1)、评论图片数量(x2)、评论关键词频(x3)、商品价格(x5)取对数，以使整体样本数据更加平缓；同时，保持(x5)的原始数值，以减少这两个变量与其他变量在数量级上的差距，从而提高模型准确预测能力。

三、分析与讨论

研究变量的相关性系数及描述性统计指标详见表2 所示，为了准确的确定研究自变量对因变量影响的大小及方向，我们对相关样本数据进行了回归分析，分析结果详见表3所示。

表2 相关系数及描述性分析

随着自变量的加入，模型拟合程度逐步提高，比较表3中的三个模型，发现模型3 的拟合程度最好(R＝0.995)，可以解释因变量99.5%的变化，解释程度较高。 而旅游天数和商品价格，因为其P大于0.05，对因变量影响不显著，被排除在模型之外，故假设H4 和H5 均不成立。

表3 回归分析

关键词的词频显著正向影响跟团旅游产品的在线预订量(0.999，p＝0.000)。 原因在于，高质量的评论内容能够极大地缓解消费者对旅游产品预订的不确定风险感知。 关键词出现次数越多，评论包含的信息就越多，同时证明这条评论信息的有用性就越大，越能够影响潜在消费者的购买决策。 因此假设H3 成立。

评论内容文本长度显著负向影响跟团旅游产品的在线预订量(-0.245，P＝0.000)。 评论长度越长并不一定代表评论质量高、有用信息多，可能存在大量无用的信息，从而影响了潜在消费者的阅读欲望。 而且认知负荷理论认为，人类的认知资源是有限的，超载的信息对人类认知是一种负担，信息超载不但会影响信息加工，更会影响决策绩效，从而无法发挥信息对决策的推进作用，所以评论长度越长，评论有用性可能就越低，对于跟团旅游产品的在线预订就会产生越明显的负向作用，因此，假设H1 不成立。

评论图片数量对跟团旅游产品的在线预订有显著的正向作用(0.033，P＝0.000)。 因为评论图片与关键词频类似，构建了评论质量的维度，评论内容包含大量清晰的图片，能够对潜在购买者的大脑起到刺激购买欲望的作用，而且缓解评论阅读者由于评论内容过长而产生的认知疲惫。 因此，假设H2 成立。

四、结论与展望

(一)学术贡献

本文在前人基础上，结合跟团游产品在线预订的特点，对用户评论和商品属性与在线预订量之间的关系进行了系统的研究，通过大量的真实数据分析，验证了研究假设。 尤其开发了“关键词频”这一新的研究变量，丰富了“评论质量”这一维度的内容，完善了前人关于在线评论的研究；现有文献关于“跟团旅游”与“在线评论”的研究相对较少，本文的结论丰富了该领域的研究，为进一步的研究分析提供了基础。

(二)实践意义

1.加强用户评论管理

研究发现，商品价格的负向作用会随着评论变量的加入而减弱，而上文中的回归分析显示，高质量的评论对跟团旅游产品在线预订起到了很大的作用，管理者应该对用户评论内容的质量做出相应的限制，比如：要求上传图片，限制评论长度等。

2.规范评论关键词

提供高质量和高频次的词汇给用户选择，并在评论内容中出现，高质量的关键词是评论质量的重要体现之一，为了避免用户评论的无用性，管理者可以提供一定的词汇在页面给用户在评论的时候进行添加。

(三)研究局限及展望

1.本文研究方法主要是通过面板数据的回归分析进行，研究结论缺乏实验验证，未来的研究可以将数据分析与实验研究结合起来，使得研究结论更具可信度。

2.本文研究模型相对简单，仅以用户评论及商品属性作为自变量进行研究，缺少中介变量、调节变量的研究。 未来的研究中，可以加入旅游目的地、商家回复等作为模型的相关变量进行分析，使得研究结论进一步的完善和丰富。