酒店评论中感官线索对评论有用性的影响——基于心理模拟视角的实证分析

鄢慧丽，熊 浩，张小浩

（1.海南大学旅游学院，海南海口 570228；2.海南大学管理学院，海南海口 570228）

引言

“望梅止渴”的典故出自《世说新语·假谲》：“魏武行役失汲道，军皆渴，乃令曰：‘前有大梅林，饶子，甘酸可以解渴。’士卒闻之，口皆出水”，其大意为梅子酸甜，士兵们想吃梅子时就会流口水，因而止渴。该典故道出了一个非常有趣且普遍的心理现象——心理模拟。在该典故中，梅子的酸甜激活了士兵们的心理模拟（想象进食），而这种心理模拟与实际进食时所引起的生理反应类似（分泌唾液）[1]。由此引申到消费者在预订酒店时，由于很难直接评估酒店服务质量[2]，因而将酒店评论作为预订决策的依据[3]。而酒店评论中包含了大量的感官线索，包括酒店环境、床的触感、食物味道等，此时作为“士兵”的消费者是否也会“望梅止渴”呢？本文从心理模拟视角出发，探讨酒店评论中感官线索数量、维度和情感等特征对评论有用性的影响，以期为消费者的预订决策和企业的感官营销实践提供有益的参考。

心理模拟可以很好地解释消费者对酒店评论中感官线索的认知过程，它被定义为“个体对事物的模拟性心理表征”，是对过去体验的重现[4]。通过心理模拟，个体回到了过去的身体状态，进而激活与之相关的认知[5]。具体而言，当消费者接收到酒店评论中的感官刺激时，便会激发其身体经验认知，即大脑中的感官记忆，引导消费者在心里模拟先前的感官体验[6]。也就是说，对于酒店评论中的感官线索，消费者可以通过心理模拟的方式，在不直接体验产品的情况下完成感官体验[7]。

现有研究虽然探讨了感官线索对消费者行为的影响[8-10]，但还存在以下不足：第一，研究仅考察了特定感官线索的影响，而感官线索是一个包含视觉、嗅觉、味觉、听觉和触觉的多维度变量。一项调查显示，37%的受访者认为视觉是最重要的感官，其次是嗅觉（23%）、听觉（20%）、味觉（15%）和触觉（5%）[11]，因此，探究5种不同感官线索的差异性影响将是本文的重点问题。第二，酒店评论中是否存在多维度感官整合效应尚未得到证实。不同感官之间的整合效应已得到线下环境的支持，例如与地板柔软度一致的音乐提升了商场顾客对产品的评价[12]，融合多种感官元素的广告增强了游客的出行意愿[13]，因此，探讨酒店感官线索的多维度整合效应具有重要的实践价值。第三，感官线索的情感特征常常被忽视。在体验经济时代，消费者需求已经从功能性需求转变为更深层次的情感需求[14]。正如Lindstrom所言，所有感官都必须将产品与消费者情感联系起来，从而培养消费者的忠诚度[15]，因此，情感也是理解感官营销的关键。最后，考虑到本文的研究对象为酒店评论，传统的人工编码方法耗时费力，不仅只能识别有限的情感词，还难以完成情感极性的计算，因此，构建感官情感词典，实现感官线索的自动识别和情感分析也是本文期待解决的关键问题。

综上，本文从心理模拟视角出发，将感官数量、感官维度以及感官情感等变量纳入研究模型，并以携程网的酒店评论为样本，构建酒店领域的感官情感词典，实现感官数量、维度和情感的自动识别与计算，进而利用负二项回归计量模型，探讨其对酒店评论有用性的影响。本研究不仅丰富了心理模拟的应用情境，同时拓宽了感官体验的测量思路，也为酒店和平台的感官营销实践和在线评论管理提供了重要的参考。本文的理论框架如图1所示。

图1 理论模型Fig.1 Theoretical model

1 理论基础与研究假设

1.1 心理模拟与虚拟感官体验

心理模拟被定义为“个体对事物的模拟性心理表征”，是对过去体验的重现[4]。通过心理模拟，个体回到了过去的身体状态，激活了与之相关的认知，进而影响个体的行为[5]。比如当消费者第一次品尝咖啡时，大脑中会记录与该咖啡有关的各种感官体验，包括咖啡的香味、口感以及表层奶泡的形状等。当再次受到相关刺激时，消费者只需看到该咖啡的相关描述时，就会在心里模拟先前品尝咖啡的感官体验[6]，而这种心理模拟与实际品尝该咖啡所引起的生理反应类似[1,17]。

心理模拟很好地解释了网络消费情境下消费者对产品或服务的感知过程。区别于传统的线下消费，网络消费情境中人的触觉、嗅觉、味觉等感觉通道无法直接发挥其感知功能，但这并不意味着其他感官通道功能的消失，网络情境下消费者感官体验依然存在，但具有虚拟性[18]。感官信息的获取不再是实物引发的直接感官刺激，而是以文字和图片为载体的感官描述信息，因此，网络情境下对“物”的感知是一种被虚拟的间接体验。但这种互动性强的数字化内容能使消费者沉浸其中而忽略媒介的存在，产生类似于真实购物的临场感[19]。例如Elder 和Krishna 发现，广告中提及与食物有关的感官体验会引发被试对食物进行心理模拟，从而增强被试对食品的味觉感知及广告的效果[20]。朱国玮和吴雅丽发现，消费者大脑中已经储存了大量视觉与触觉之间的关联信息，通过视觉获取的信息能够唤醒消费者的触觉记忆，进而产生近乎真实的触觉体验[21]。郭婷婷和李宝库证实，在线评论中感官描述会刺激消费者产生预先体验的心理意象，进而影响其购买意愿[7]。

综上，本文通过心理模拟的方式将在线评论中的虚拟感官体验“真实化”，当消费者受到感官刺激时，大脑会捕获认知对象多模式的状态并将它们整合在一起，并以多模式表征的方式存储在记忆中[4]。当再次受到相关刺激时，消费者甚至不必亲身体验，只需看到相关描述信息或图片时，便会激发其身体经验认知，即大脑中的感官记忆，进而在心里模拟先前的感官体验[6]。因此，对于酒店评论中的感官线索，消费者可以通过心理模拟的方式完成感官体验，进而判断该评论对预订决策是否有用。

1.2 感官数量与评论有用性

感官数量是指酒店评论中感官线索的数量，感官数量越多，在一定程度上意味着评论内容越丰富。在本研究情境中，酒店评论中的视觉、味觉、嗅觉、触觉和听觉等感官线索都是通过视觉通道，以文字描述的方式呈现给消费者。即便如此，消费者也可以通过心理模拟的方式完成感官体验。具体而言，当消费者接收到酒店评论中的感官刺激时，便会激活储存在消费者大脑中的感官记忆，于是消费者便在心里模拟入住酒店后的感官体验，进而判断该评论对预订决策的有用性。例如当看到“酒店餐厅的牛排鲜嫩多汁”的文字描述时，消费者会在心里模拟进食过程，想象自己入住酒店后也能得到同样的体验。郭婷婷和李宝库从实证角度也证实了在线评论中视觉线索和触觉线索会刺激消费者预先体验的心理意象，进而影响其购买意愿[7]。McCabe和Nowlis则发现，即使无法直接触摸产品，消费者也可以通过产品触觉的文字说明进行触觉的心理模拟，弥补触感缺失的问题[22]。因此，本文认为，当酒店评论中感官线索的数量越多，消费者获得的感官体验就越详细，进而对该评论有用性的感知越强。因此，本文提出以下假设：

H1：感官线索数量对酒店评论有用性存在显著的正向影响

另外，以往多数研究仅考察了某些特定感官线索，并未对5 种不同维度感官线索的差异性影响进行对比。例如钟科等认为，酒店评论中的气味线索能够激活消费者的嗅觉体验，进而增强其对评论的感知有用性[9]。LV 等证实了酒店评论中的触觉线索对消费者的预订意愿存在显著的正向影响[10]。Li等以餐厅评论的视觉、触觉和味觉线索为研究对象，证实了感官线索对消费者的感知有用性以及愉悦性存在显著的正向影响[8]。本文则综合考虑了酒店评论中视觉、嗅觉、触觉、听觉和味觉等5个维度，并提出以下假设：

H1a：视觉线索数量对酒店评论有用性存在显著的正向影响

H1b：嗅觉线索数量对酒店评论有用性存在显著的正向影响

H1c：味觉线索数量对酒店评论有用性存在显著的正向影响

H1d：听觉线索数量对酒店评论有用性存在显著的正向影响

H1e：触觉线索数量对酒店评论有用性存在显著的正向影响

1.3 感官维度与评论有用性

感官包括视觉、嗅觉、味觉、触觉和听觉等5 个基本维度。研究发现，当身体受到不同维度感官刺激时，会将一个感官系统的信息传递给另一感官系统，并将不同感官系统的信息进行整合传递，从而弥补单一感觉通道信息的匮乏，这样的传递方式使得认知更准确[23]。神经科学的研究发现了触觉和视觉[24]、触觉和听觉交叉模式工作记忆的神经机制[25]，Spiller等证实了多感官联合有助于加强心理意象[26]，这些研究说明各个感官通道不是独立存在的，而是在一定程度上叠加，从而在人的认知过程中发挥效用。因此，本文认为，感官维度是感官线索的另一重要特征，并将其定义为一条酒店评论中包含的感官线索的种类。例如当一条评论中包含1条嗅觉线索和2 条触觉线索时，则该评论的感官维度为2，而感官数量为3。

以往研究多集中于线下环境的多感官交互，例如Hultén以宜家为例，发现店铺内灯光和音乐的搭配增强了顾客购买意愿[27]。Imschloss 和Kuehnl 发现，零售环境中与地板柔软度一致的音乐提升了顾客对产品的评价[12]。在本研究情境中，一条酒店评论中可能包含视觉、味觉、嗅觉、听觉和触觉等多维度的感官线索，感官线索的维度越多，消费者越能从不同的维度进行心理模拟，不同感官线索之间相互整合，从而得到更加生动、准确、可靠的感官体验，进而对评论有用性的感知越强。进一步地，前文在假设H1 中提到，感官线索数量正向影响评论有用性，感官维度的增加意味着感官数量随之增加，反之，感官数量的增加则不一定意味着维度的增加，它可能只是同一维度感官数量的增加，因此，本文进一步认为，增加每单位感官维度对评论有用性的影响大于增加每单位感官数量对评论有用性的影响，并提出以下假设：

H2：酒店评论中的感官线索以整合的方式影响消费者认知，即相较于单一感官维度，包含多维度感官线索的评论有用性更强，且感官维度叠加对评论有用性的影响比感官数量叠加对评论有用性的影响更强

1.4 感官情感与评论有用性

情感是理解感官体验的关键[28]。根据具身理论，当人体的感觉器官受到外部刺激时，便会产生相应的感觉，之后经过知晓和理解形成知觉，进一步促进对事物的深层次理解，并引发情感共鸣，最终指导消费者的行为[29]。在酒店评论中，感官线索通常是带有主观情感色彩的描述。例如“房间海景绝美”是对酒店视觉体验的正面评价，而“房间一股刺鼻的消毒水味”是对酒店嗅觉体验的负面评价。而当上述两种描述出现在同一酒店评论中，那么该评论的感官情感是正面还是负面呢？基于此，本文将感官情感定义为“酒店评论中感官线索的情感极性”，并利用评论中所有感官线索的情感得分加总进行表征。

以往研究多以星级评分来判定评论的情感极性，但结论并不一致。一些研究认为，负面评论包含更多的诊断性信息，能有效地帮助消费者规避风险，因此负面评论比正面评论更有用[30-31]。另有研究认为，正面评论比负面评论更有用[32-33]，其原因在于正面评论提供的积极信息符合消费者在决策前对产品的预期和偏好[34]。钟科等认为，在线评论的正面嗅觉描述为游客带来积极的预期，进而增强了游客的出行意愿[9]。进一步地，Sen和Lerman发现，消费者更愿意将享乐性产品的负面评价归因为个人主观因素，因此，负面评价对消费者的参考价值不大[35]。考虑到本文的研究对象为五星级酒店，它不仅可以满足消费者住宿、休息等功能性需求，更重要的是提供了酒店环境、用餐体验、娱乐设施等多感官刺激，为消费者带来愉悦的情感体验[8]，而酒店评论中的正面感官线索满足了消费者对酒店享乐属性的预期和偏好，因此，本文提出以下假设：

H3：相较于负面感官线索，正面感官线索对酒店评论有用性的影响更强

2 研究方法

2.1 数据来源

本研究选取携程网的五星级酒店评论作为数据来源，原因在于：一是携程是中国最大的综合性旅游服务网站之一，拥有着完善的在线评论系统、丰富的酒店信息和海量的评论数据，因此成为国内学者的主要研究对象[36-37]；二是携程的评价功能只对3 个月内购买并使用相关产品的用户开放，从而有效地减少了虚假点评、酒店刷好评等情况，一定程度上保证了评论的真实性和可靠性；三是五星级酒店不仅满足了消费者住宿、休息等功能性需求，还满足了用餐、娱乐等享乐性需求，因此，五星级酒店评论中往往包含更多数量和维度的感官线索，适用于本文的研究情境。

2.2 数据爬取与清洗

2021 年3 月22—27 日，本研究首先利用Python程序在携程网页端抓取了海南三亚市135家五星级酒店的评论数据，总计660 599 条，所有评论均在2018 年6 月16 日至2021 年6 月16 日之间生成。此次采集的主要内容包括评论评分、评论有用票数、评论发布时间、历史点评数和评论文本等数据。

然后对数据进行清洗，流程如下：首先，剔除缺少正文内容、重复评论以及非中文评论的样本，筛选后得到656 327条数据；第二，由于携程网站同时囊括了携程、艺龙和去哪儿等多家在线旅行社用户的点评数据，而本文研究对象为携程酒店评论，因此剔除了源自艺龙网和去哪儿网的酒店评论，筛选后得到585 685条评论；第三，只有当样本量具有一定规模时，数据才具备统计学意义[38]，因此本文剔除了评论总数小于500 的酒店评论样本以保证酒店评分的稳定性，筛选后得到583 862条数据；另外，为保证回归结果的准确性，删除了有用票数为0的评论[39]，最终，本研究共得到130家酒店69 752条评论的有效样本。

2.3 研究变量

2.3.1 因变量

本研究的因变量为评论有用性。为帮助消费者从海量评论中筛选出有用信息，各大在线平台纷纷推出了对“评论是否有用”进行投票的功能，浏览者可点击评论下方的“有用”标签衡量评论对自己是否有用，因此，本文选择评论“被点有用”的总次数对评论有用性进行表征[40]。

2.3.2 自变量

本文的自变量分别为感官数量、感官维度和感官情感。其中，感官数量是指每一条评论中包含的视觉线索、味觉线索、嗅觉线索、触觉线索和听觉线索数量以及它们的数量加总；感官维度是指在线评论中感官线索的维度数量，如一条评论中只有视觉描述和味觉描述，则该评论的感官线索维度为2，感官情感则是指评论中的感官线索的情感极性，本文通过构建面向酒店评论领域的感官情感词典，对每条感官线索进行情感分析，得出每一条评论的感官情感极性，并将负面情感编码为“-1”，中性情感编码为“0”，正面情感则编码为“1”。

2.3.3 控制变量

本文还选取了评论深度、评论者等级和时间间隔等可能影响评论有用性的因素作为控制变量。评论深度是指单条评论文本的字符数。一般认为，评论越长，其包含的产品信息就越丰富，评论有用性也就越高[40]。评论者等级是指携程通过历史点评数对评论者进行的等级认证。已有研究表明，评论者等级越高，消费者对评论有用性的感知越强[40]。时间间隔则是指评论发表时间和浏览时间的时间间隔。研究发现，早期发表的评论由于被浏览的次数更多，往往积累的有用票数也就更多[41]。具体的变量及测度指标见表1。

表1 变量测度指标Tab.1 Variable measure index

2.4 回归模型构建

本研究因变量评论有用性的取值为评论获得的有用票数，属于计数变量，而非连续变量，且不呈正态分布。对于计数变量，常见的回归模型有泊松回归模型和负二项回归模型，前者对于样本特征有特殊的强假设，即样本的均值和方差相等。而在本研究中，评论有用性的样本方差大于均值（方差为1.94，均值为3.06），存在一定的过度离势现象。而负二项回归适用于因变量过度离散的回归分析，是泊松回归的扩展形式。因此，本文将利用负二项回归模型进行实证研究。此外，本研究还将利用泊松回归模型进行重新估计，比较两种回归模型的拟合结果，以检验负二项回归模型的适用性以及研究结论的稳健性。具体表达式如式（1）：

式（1）中，Usefulness表 示 评 论 有 用 性，dimension表示感官维度，quantity表示感官数量，emotion表示感官情感，vision表示视觉线索，olfaction表示嗅觉线索，taste表示味觉线索，auditory表示听觉线索，tactile表示触觉线索，controls则表示控制变量，β为回归系数，δ为随机干扰项。

3 情感词典构建

以往研究多采用量表[7]或编码[9]的方式对感官体验进行测量，考虑到本文的研究对象为酒店评论数据，人工标注编码的方法耗时费力，不仅只能识别有限的情感词，还难以完成情感极性的计算。情感词典则提供了自动识别的有效手段，例如Mehraliyev 等以餐厅评论为例，构建了餐厅领域的英文感官情感词典，实现了感官线索的自动识别与计算[28]。然而，中文情感词典的发展并不完善，国内常见的代表性的情感词典包括知网HowNet 词典、台湾大学通用中文情感词典（“National”Taiwan University Sentiment Dictionary，NTUSD）以及大连理工中文情感词典（Dalian University of Technology Information Retrieval，DUTIR），但在特定的研究领域只通过基础情感词典识别评论中的情感词往往是不够的，因为不同领域对应不同的情感特征词。比如酒店领域内的“隔音”“佳肴”“热水”等并不会出现在对电脑、衣服等商品的评价中。另外，同一特征词在不同领域内的感情色彩可能不同。比如“软绵绵”一词在基础情感词典中为中性词，当被用来形容酒店的床“软绵绵”时，则带有明显的积极色彩。

因此，本文将在大连理工中文情感词典的基础上进行整合和优化，构建一个包含基础情感词典、情感修饰词典和感官情感词典的多部情感词典，从而对酒店评论进行感官情感分析，具体流程如图2所示。

图2 情感分析流程图Fig.2 Flowchart of sentiment analysis

3.1 基础情感词典

本研究以大连理工中文情感词汇本体库作为基础情感词典，该词典是基于Ekman 6 大类情感体系构建的，共分为7 大类21 小类情感，包含0（中性）、1（正面）、2（负面）、3 种情感倾向和1、3、5、7、9共5 种情感强度等级，共收录情感词27 466 个，其中，褒义词11 229 个，贬义词10 782 个。为便于计算机作情感计算，本文将正面极性值记为1，负面极性值由2修改为-1，基础情感词典部分示例如下：好吃为形容词，情感强度为3，情感极性为1；噪音为名词，情感强度为3，情感极性为-1；风景如画为短语，情感强度为3，情感极性为1；盛宴为名词，情感强度为5，情感极性为1；臭烘烘为形容词，情感强度为9，情感极性为-1。

3.2 情感修饰词典

消费者对情绪的表达往往不只是含有情感词，还含有大量的副词和否定词对情感词进行修饰。本文选用的程度副词词典来自知网词典库。该词库将程度副词分为超、最、很、较、稍、欠等6 个等级，并分别对这6 个等级给予一定的权重，对所修饰的情感词的情感强度扩大一定的倍数。程度副词词典示例如下：“超”对应的副词“超级、极度、绝对……”，权重倍数3；“最”对应的副词“何止、忒、过于……”，权重倍数2.5；“很”对应的副词“很是、分外、太……”，权重倍数2；“较”对应的副词“愈加、较为、更……”，权重倍数1.5；“稍”对应的副词“稍微、有些、一点……”，权重倍数1；“欠”对应的副词“相对、半点、不甚……”，权重倍数0.5。

而否定词是一类特殊的程度副词，如果用于修饰情感词可以改变情感倾向，如“不喜欢”就不再表示情感“好”，而是表示情感“恶”。若是用于修饰程度副词，则起到降低程度的作用。本文借鉴前人研究[42]，整合出37 个否定词。否定词词典示例如下：

没有、不必、从未、毫无、不可、从没、不可能、休想、放弃、停止、不会、勿、何必、难以、未必、绝不、绝非、莫、何必、并非等。

3.3 感官情感词典

本文将基于点互信息的情感极性判别（semantic orientation pointwise mutual information,SO-PMI）对基础词典进行酒店领域的扩充。

（1）点互信息计算算法

互信息是信息论中的概念，在情感分析领域被用来计算词汇间的关联度。点互信息计算（pointwise mutual information，PMI）可以通过计算两个词或词组之间的文本共现概率从而衡量它们之间的相关性，因在语料充足的前提下，词项之间的共现率越高，相关性越大。假设用w1、w2分别代表未知词和种子词，则PMI的计算如公式（2）所示。

式（2）中，p(w1)和p(w2)分别表示w1和w2单独出现的概率，p(w1,w2)表示w1、w2在语料库中同时出现的概率，PMI(w1,w2)表示w1、w2的关联程度，若PMI(w1,w2)的值越大，则说明w1和w2的关联程度越高，情感倾向越一致。

（2）情感点互信息计算算法

Turney 和Littman 将词语的情感倾向引入点间互信息算法（PMI）[43]，称为情感点互信息计算（SOPMI）。其依据是：情感倾向相同的词项常常一起出现，如“开心-喜悦”“痛苦-悲伤”，情感倾向相反的词则不然。这使得“开心”和“喜悦”的互信息较高，与“痛苦”的互信息较低。而SO-PMI的计算需要极具代表性且情感倾向明显的词语作为情感种子词，因此，本文选择具有明显情感倾向的一组褒义词Pw和一组贬义词Nw，将候选词w和Pw的点间互信息减去w和Nw的点间互信息，根据差值就能判断候选词w的情感倾向，如公式（3）所示。

式（3）中，Pwi和Nwi分别表示第i个积极和消极情感种子词，SO-PMI(w)＞0 时，表示w的情感极性为正，SO-PMI(w)＜0 表示w的情感极性为负，SOPMI(w)＝0则表示w为中性词。

经整理，本研究得到一个酒店领域情感词典。该词典共包含3768 情感词，其中，褒义词2015 个，贬义词1693 个。经人工筛选后，得到1067 个感官词汇，其中，视觉、味觉、触觉、嗅觉和听觉词汇的个数分别为352、205、162、253和95。感官情感词典部分示例如下。情感极性为正的视觉线索：美呆、美如画、欣赏、帅气、晚霞、海景、光泽、华丽、设计感、整洁、精致、高端大气、宝石、对称……；情感极性为负的视觉线索：脏兮兮、褪色、陈旧、蟑螂、漏水、锈迹、黑脸、血迹、灰尘、纸屑、掉漆、摸黑、辣眼睛、开裂、浑浊、脏乱差……；情感极性为正的味觉线索：鲜嫩多汁、一饱口福、酸甜可口、鲜美、暖胃、口舌生津、醇厚、回甘、嘎嘣脆、清爽、入味、软糯……；

情感极性为负的味觉线索：焦味、变质、油腻、吐、犯恶心、齁、咬不动、夹生、鱼腥味、酸掉牙、又老又柴、倒胃口、酸臭、腥臊味……；情感极性为正的触觉线索：通风、顺滑、软绵绵、松软、细腻、平整、Q弹、丝滑、滑嫩、绵密、酥脆、毛茸茸、入口即化、嚼劲、弹牙……；情感极性为负的触觉线索：热醒、湿漉漉、瘙痒、湿滑、坑坑洼洼、黏糊糊、突兀、毛糙、潮湿、闷热、冰凉、扎手、皱巴巴、烫手、硬邦邦……；情感极性为正的嗅觉线索：清新、香气扑鼻、清香、自然气息、淡香、芳香四溢、书香气息、芬芳、香氛……；

情感极性为负的嗅觉线索：发霉、霉味、臭虫、异味、甲醛味、刺鼻、烟味、骚臭、消毒水味、腐臭、呛鼻、熏醒、鱼腥味……；情感极性为正的听觉线索：清幽、静悄悄、鸟语花香、静谧、悦耳、清脆、风铃、旋律、动听、婉转、悠扬……；情感极性为负的听觉线索：咯吱咯咯响、吵醒、嚎叫声、刺耳、噪声、炸街、嘈杂、巨响、嗡嗡叫、回声、喇叭、吼叫……。

3.4 情感强度计算

本研究首先利用Python 3.9中的Jieba分词工具对酒店评论文本进行分词、词性标注、删除停用词等预处理操作，Jieba 提供了精确模式、全模式和搜索引擎模式3 种分词模式，是Python 中一个重要的第三方中文分词函数库，它支持中文分词、词性标注、关键词提取、加载自定义词典等多个功能，并被多次应用于中文文本挖掘与情感分析研究中，具有良好的可行性和通用性。之后再利用Python 遍历每个句子中的感官情感词汇，将其与构建好的情感词典进行匹配，记录其情感极性及所在位置，并按顺序检索修饰情感词的否定词和程度副词。在识别出包含感官词汇的语句之后，将这些语句重新组合，每个句子都反映了一种感官体验。当然，某些句子并不只有一种感官体验，例如“酒店装修风格古色古香”中既有视觉体验又有嗅觉体验，因此，这样的句子就会被划分到视觉和嗅觉的语句中。下面的例子源自一条真实评论，该评论被划分为含不同感官词汇的多个句子，本文用Si表示评论的各个分句。

“对这家酒店慕名已久（S1），整体外观高端大气上档次（S2）。房间整洁干净（S3），没有异味（S4）。晚餐的惠灵顿牛排也非常好吃（S5）。明年暑假还会再来（S6）。”

在这条评论中，“高端大气上档次”“整洁干净”为视觉词汇，于是提取S2和S3作为视觉体验。S4中的“异味”为嗅觉词汇，于是提取S4为嗅觉体验。因为“好吃”这个味觉词汇，S5被归类为味觉体验。而S1和S6中不含感官词汇，故被排除在外。

在识别出评论中的感官线索之后，对每一条感官线索分别进行情感计算，最后进行加总，得到所有感官线索的整体情感极性，计算公式如式（4）所示。

式（4）中，score为该评论的情感强度值，DegWeight为程度副词的权重，wordi为单个维度感官情感词，Oi为否定词的个数。如果情感强度值大于0，则为正面情感极性；如果情感强度值小于0，则为负面情感极性。

4 回归结果分析

4.1 描述性统计

本研究利用Stata 16.0进行描述性统计分析，结果如表2 所示。因变量评论有用性的平均值为1.94，标准差为3.06，说明评论有用性的数据分布比较离散。自变量中，视觉线索数量的平均值远大于其他维度的感官线索，说明视觉线索在酒店评论的感官描述中占较大比重。反观听觉线索的平均值最小，仅为0.05，说明酒店评论中听觉线索被提及的次数最少。感官情感的平均值为0.47，说明样本中正面感官线索的数量远大于负面感官线索的数量。控制变量中，由于评论深度、时间间隔和评论者等级等变量的方差较大，本文将取其自然对数加入后续回归分析中。

表2 描述性统计Tab.2 Descriptive statistics

4.2 相关性分析

相关系数矩阵显示，各个变量之间的相关系数均小于0.7，低于建议的阈值[44]。其中，大多数自变量之间的相关系数小于0.3，说明它们之间的相关关系较弱。为排除多重共线性的干扰，进一步对方差膨胀因子（VIF）分析发现，VIF值介于1.14至2.92之间，均小于临界值3，说明各自变量之间不存在多重共线性问题[45]。

4.3 假设验证

本研究一共构建了4 个模型，并利用Stata 16.0实现模型的回归分析，其中，模型1 只包含控制变量，在此基础上，模型2 加入了感官数量、感官维度和感官情感等变量，同时将感官线索的5 个子维度（视觉、嗅觉、味觉、听觉和触觉）纳入其中。结果显示，每一次加入新的解释变量，模型的对数似然值的绝对值（Log likelihood）都会减小，说明模型得到了改进，拟合度更优。此外，本文还利用泊松回归模型（模型4）对基准模型进行重新估计，并利用赤池信息量准则（Akaike information criterion，AIC）[46]和贝叶斯信息准则（Bayesian information criterion，BIC）[47]对比了负二项回归和泊松回归的拟合结果，结果显示，模型3 的AIC 和BIC 均小于模型4，再次说明负二项回归更适合本研究。具体结果如表3所示。

表3 负二项回归和泊松回归结果Tab.3 Negative binomial regression and poisson regression results

模型1 的回归结果显示，评论者等级、时间间隔和评论深度等控制变量的回归系数均为正值且显著。

模型2 的回归结果显示，感官数量与酒店评论有用性呈显著正相关（β=0.201 ，p＜0.001），因此H1得到验证。在各子维度中，视觉、嗅觉、味觉和触觉等感官线索的数量对酒店评论有用性均存在显著的正向影响，其回归系数分别为0.184、0.267、0.143、0.122，其中，嗅觉线索对评论有用性的影响最大，而触觉线索对评论有用性的影响最小，因此H1a、H1b、H1c、H1e 均得到证实。而听觉线索对酒店评论有用性的影响并不显著，因此，H1d没有得到证实。

另外，感官维度对酒店评论有用性也存在显著的正向影响（β=0.326 ，p＜0.001），即相较于单一维度感官线索，包含多维度感官线索的评论有用性更高。与此同时，由于感官维度的回归系数（0.326）大于感官数量（0.201）以及各个维度（0.184、0.267、0.143、0.122）的回归系数，说明每增加1单位感官维度对评论有用性的影响大于每增加1单位感官数量对评论有用性的影响，因此，H2得到验证。

而感官情感的回归系数为0.448，p＜0.001，说明相较于负面感官线索，消费者对正面感官线索的感知有用性更强，因此，H3得到支持。

模型3 泊松回归的结果显示，尽管各个变量的回归系数大小与负二项回归结果略有差异，但它们的作用方向与负二项回归结果保持一致，说明了本研究结果具有一定的稳健性。

5 结束语

5.1 结论与讨论

本研究基于心理模拟视角，通过构建酒店领域的感官情感词典，实现了酒店评论中感官线索的自动识别和计算，并从感官数量、感官维度以及感官情感等角度探讨了感官线索与酒店评论有用性的影响关系，主要结论如下。

（1）感官线索数量对酒店评论有用性存在显著的正向影响，这一发现与Li 等[8]的研究结果一致。同时，本文还分析了5 种不同维度感官线索对评论有用性的差异性影响。结果显示，视觉、嗅觉、味觉和触觉等感官线索对评论有用性均存在积极影响，影响程度大小依次为嗅觉（0.267）、视觉（0.184）、味觉（0.143）和触觉（0.120）。第一是嗅觉，与其他感官相比，嗅觉是唯一被证实与记忆直接相关的感官，且该记忆带有情感性[29]。心理学的“普鲁斯特效应”也认为嗅觉描述可以唤醒储存在大脑中的记忆，且比起其他感官的记忆唤醒更加生动形象[48]，这在一定程度上解释了消费者对酒店评论中嗅觉线索的偏好。第二是视觉，人类接收的信息80%以上是通过视觉获取[49]，研究结果证实了这一点，即酒店评论中视觉线索的数量远高于其他线索。同时，在酒店评论中，包括外观、风景、设计等视觉线索显著影响评论有用性，进而辅助消费者进行决策，这也证实了视觉营销强大的影响力[11]。第三是味觉，其原因可能在于消费者对五星级酒店餐厅的预期比较高，因此，良好的用餐体验对消费者来说很重要，该结论与Li 等的研究相一致[8]。最后是触觉，触觉是感知外界以及获取事物属性信息的基本感觉，它包括质地、硬度、温度等。以往研究集中证实了线下环境中触摸对购买决策的重要作用[50-51]，不过也有研究发现，在线评论中的触觉线索可以引导消费者进行心理模拟，即触觉补偿，进而辅助消费者进行决策[10]，本文的研究结论支持了这一观点。与此同时，本文发现听觉线索对评论有用性的影响并不显著，尽管听觉在零售[51]、目的地营销[52]等领域得到了广泛的应用，但本研究发现，听觉线索在所有感官线索中被提及的次数是最少的，说明听觉体验并非消费者入住酒店的主要目的。进一步分析发现，即使是负面的听觉体验，也主要集中在大堂里的喧哗、孩子的打闹、情侣吵架等随机性很强的场景，因此，消费者可能并不会将这些负面体验归因为酒店的责任，这也解释了为什么听觉线索对酒店评论有用性的影响并不显著。

（2）感官线索维度对酒店评论有用性存在显著的正向影响，具体而言，相较于单一维度感官线索，当在线评论中出现多种感官描述时，消费者对酒店评论有用性的感知更强。这符合神经科学对“人类大脑新皮层本质上是多感官的”的论断[53]，即各个感官之间不是独立工作的，而是以整合的方式处理信息，进而对事物的认知更加准确、迅速和可靠[54]。研究还发现，感官维度叠加对评论有用性的影响比感官数量叠加对评论有用性的影响更强，也就是说，相较于增加1 单位同一感官线索的数量，当增加1单位不同维度的感官线索时，对酒店评论有用性的影响更强。其原因可能在于酒店评论中感官线索的维度越多，消费者便能从不同的维度进行心理模拟，从而得到更加生动、准确、可靠的感官体验，进而对评论有用性的感知越强。

（3）相较于负面感官线索，正面感官线索对酒店评论有用性的影响更强。以往研究以评分衡量情感极性，探讨其对评论有用性的影响，但并未得到一致性结论。一些研究认为，负面评论中包含更多的诊断性信息，可以帮助消费者规避潜在的风险，因此负面评论比正面评论更有用[30-31]。也有研究认为，正面评论提供的积极信息符合消费者在决策前对产品的预期和偏好[34]，因此，正面评论比负面评论更有用[32-33]。而本文聚焦评论内容中感官线索的情感极性，并认为正面感官线索的有用性更高。一方面，本研究仅对感官线索进行情感分析，并未考虑评论评分，以往以评分判定情感极性的方法并不完全适用于研究；另一方面，考虑到本文的研究对象为五星级酒店，感官体验的正面描述满足了消费者对酒店产品享乐属性的预期，而研究发现，消费者更愿意将享乐性产品的负面评价归因为个人主观因素[35]，因此，相较于负面感官线索，正面感官线索的评论有用性更强。

5.2 研究贡献

本文的研究贡献如下。

（1）考虑了全部5种感官线索，并对比了不同感官线索对酒店评论有用性的影响差异。以往研究重点关注了几种特定感官体验对消费者行为或态度的影响[8][9]，鲜有研究将所有维度的感官线索纳入研究模型中。而本文通过构建感官情感词典，提取酒店评论中的所有感官线索，并建立计量模型，对比了5种不同维度感官线索对酒店评论有用性的差异性影响。另外，本文基于心理模拟视角对感官线索的作用机制进行解释。因此，本文既在一定程度上弥补了现有研究中感官缺位和缺维的问题，同时也丰富了心理模拟的应用情境。

（2）证实了酒店评论中多感官线索的整合效应。尽管各感官线索的交互整合现象已经得到了神经科学和线下环境的支持，但对在线评论中不同维度感官线索的整合效应则鲜有涉及。而本文借助感官情感词典，对酒店评论中的感官线索进行维度划分，证实了相较于单一感官线索，消费者对多维感官线索的评论有用性感知更强。此外，本文还发现，感官线索维度的增加比同一维度感官线索数量的增加对酒店评论有用性的影响更强，进一步夯实了不同维度感官线索之间的整合效应。因此，本文不仅从实证角度论证了神经科学关于“人类大脑的皮层本质上是多感官的”的论断，同时积极回应了Krishna[16]以及钟科等[55]关于对多感官进行整合，拓展感官营销研究方向的号召。

（3）构建了感官情感词典，实现了感官线索的自动识别与情感计算，拓宽了感官线索测量的思路。以往研究多采用编码的方式对感官线索进行测量[9-10]，而本文的研究对象为酒店评论数据，人工编码的方法耗时费力，不仅只能识别有限的情感词，且难以计算感官线索的情感。同时，以往研究仅仅以星级评分表征评论的正负情感[31-32]，探讨其对评论有用性的影响，但得出的结论并不一致。由于该方法并未考虑评论内容的情感极性，因此难以准确衡量评论的真实情感，而本研究通过构建面向酒店领域的感官情感词典，实现了感官线索的自动识别与情感计算。因此，本文不仅为酒店大数据情感分析提供了一定的方法论启示，同时也有助于厘清“正面评论更有用还是负面评论更有用”的争论。

5.3 管理启示

本研究旨在揭示酒店评论中感官线索对评论有用性的影响，研究结论对酒店和平台的在线评论管理与感官营销实践具有重要的参考价值。

（1）由于感官线索的数量和维度对酒店评论有用性均存在积极影响。因此，酒店营销人员应努力满足消费者对感官线索的需求，一方面在设计网站时，利用生动的感官线索，例如文字描述、高清图片，甚至虚拟现实技术，增强消费者与网站的互动，让消费者对酒店产品或服务质量的感知更加真实；另一方面酒店还可以引导消费者点评时增加对感官体验的多维度描述，例如平台运营商可以通过提示、积分奖励等手段鼓励消费者描述更多的感官体验。此外，为了方便消费者找到更多包含感官线索的评论，平台运营方可以重新设计点评系统，允许消费者通过“感官过滤器”对评论进行筛选。

（2）酒店评论中的感官体验有正负之分，且消费者对正面感官线索的评论有用性感知更强，因此，酒店可引导消费者发布正面的感官体验，并在评论区优先展示。同时，酒店还要做好对负面感官体验的及时管理，主动查找导致负面感官体验产生的原因，及时改正。当服务失败正在发生时，除了传统的解释和道歉等措施外，酒店还应尽可能提供有助于缓解消费者失望情绪的感官体验，例如提供可口的食物和轻松的就餐环境、赠送顾客柔软质感的小礼品等，避免消费者的负面情绪变成评论中的文字发泄。而对于包含负面感官体验的评论，也应该对评论者进行服务补救措施，并在评论页面公布服务补救结果，赢得评论者的谅解和信任，同时争取潜在消费者的好感。

5.4 研究局限与展望

本文还存在一些局限和不足之处，以及有待未来进一步探讨的问题。第一，尽管本文证实了多感官的整合效应，但研究仅从感官维度简单加总的角度进行考察，而忽略了不同感官之间的匹配效应，如商场中的地板柔软度与音乐相匹配时，消费者对产品的评价更高[12]，因此，未来可尝试对不同感官进行排列组合，找出最协调的多感官整合方案。第二，本文利用二手数据验证了感官线索对酒店评论有用性的直接影响，但两者之间的影响机制尚未明晰，未来研究可引入中介变量，如心理意象或其他情绪变量，检验两者之间可能存在的中介效应。第三，本文通过构建酒店领域的感官情感词典，实现了评论内容中感官线索的情感分析，而现有研究仅仅以评分衡量情感，因此，未来可将这一思路延伸到在线评论情感极性的测量，从而得到更加严谨的结论。最后，本文只关注了酒店这一类型的服务，未来可扩展到其他类型的服务，如餐厅、景区等，以增强研究结论的适用性。