基于酒店顾客角度在线评论内容可信度影响因素

来源:用户上传      作者:

　　摘  要：本文从酒店顾客的角度出发，对酒店在线评论内容可信度的影响因素进行研究。论文针对在线评论内容本身，从评论质量、评论效价、评论数量、评论长度这四个方面进行探析，运用SPSS软件对调查问卷进行回归分析，得出评论质量和评论数量对在线评论内容可信度有显著的正向影响，而评论效价呈负向影响。
　　关键词：酒店顾客;在线评论;可信度 ;影响因素
　　一、研究设计
　　（一）量表设计
　　1、评论质量，在线评论的内容质量是有差异的，通常顾客会更信任质量较高的在线评论。在排除发布者动机的情况下，酒店顾客首先会根据在线评论中与商品服务相关的有效信息来判断其可信程度。内容的相关性、详尽性则表现在其与产品或服务体验过程紧密联系，这些会增加顾客的可信度感知。2、评论效价，由于发布者对商品的体验感受不同，相同的产品所得到的在线评论也会呈现明显的差异。评论可能涵盖了商品及服务的优缺点，或有一些情感极性词汇来反映顾客的主观感受。3、评论数量，各类商品会由于需求差异而产生销售数量的不同，这就会造成不同商品的在线评论数量是不一样的。4、评论长度，在线评论的长度会根据发布者的个人偏好、写作习惯、产品体验感受而大不相同。有些在线评论可能只有寥寥数语，而有些在线评论却可能详细描述了商品信息和消费体验，因而评论的篇幅很长。
　　（二）问卷设计
　　本研究在上述影响因素的基础上进行了问卷设计。问卷主要分为三个部分。第一部分是对问卷填写者基本信息的调査，主要包括受访者性别、年龄、学历等人口统计变量相关问题。问卷的第二部分是在线评论浏览相关情况调查，以了解受访者是否浏览酒店在线评论和评论网站的使用情况。第三部分是问卷主体部分，采用李克特5级量表的形式，根据上述的指标设立了13个问题，来验证四个影响因素与在线评论可信度之间的关系，研究要求受访者根据自身实际情况在1-5分中做出选择，代表完全不同意到完全赞同的5个程度，具体为：1代表“完全不同意”，2代表“不太同意”，3代表“不确定”，4代表“基本同意”，5代表“完全同意”。
　　二、数据收集及分析
　　（一）问卷收集
　　本研究采用问卷调查法来收集数据，主要以线上的方式进行问卷的发放和收集。线上发放主要是在“问卷星”网站上开展，并为其做出推广，以期能够获得更多样化的样本数据。同时，笔者在多种社交平台上发布调查问卷的链接，如百度贴吧、互填社区、微博等，并请求好友在其朋友圈内分享链接，进一步扩大受访者范围。本次调查通过线上方式累计回收问卷240份，在剔除所回收问卷中明显存在错误或是重复填写行为的问卷36份，以及选择“不浏览”酒店在线评论的问卷6份，共得到有效问卷198份，有效问卷的回收率为82.5%。根据问卷星后台所查受访者IP地址可知，这些受访者来源于多个省份，涉及山东、上海、北京、四川、江苏、广东、甘肃、浙江等，样本来源的区域性较普遍。
　　（二）样本分析
　　本研究为验证样本的普遍性，以第43次《中国互联网络发展状况统计报告》为依据，对样本特征进行对比研究。《中国互联网络发展状况统计报告》（以下简称《发展报告》）作为中国互联网络信息发布中心所发布的统计报告，其样本来源于全国性的人口抽样调查，具有较强的科学性、权威性。
　　在性别方面，本次回收所得问卷中男性112人，女性86人，所占比例为56.6：43.4，略高于报告中的性别比例，但基本吻合男多女少的现象。
　　在年龄方面，本次问卷样本主要分布在21-30岁的年龄段中，样本较为年轻;而41-50岁次之，体现出中老年群体使用网络趋势上升。
　　在受教育程度方面，问卷样本多以本科以上学历为主，虽然和报告中以中等教育群体占据绝大多数不同，但这与笔者所处社交圈以及问卷发布形式存在关系，调研对象相对年轻化，符合实际情况。
　　在职业分布上，样本中学生占据37%，公司职员占据29%，而《发展报告》中的学历结构亦是以学生群体最多，达到25.4%，符合当前学生上网居多的社会现象。
　　在每月可支配收入中，月收入3001-5000元的群体所占比重最大，与《发展报告》收入统计结果相同。另外，本次问卷样本以学生居多，故而3000元以下群体分布较多，与样本年龄结构情况相符。
　　综上所述，本次调查问卷样本在基于笔者所处社交环境下，与《发展报告》统计结果基本吻合，所以样本选取较为合理。
　　（三）在线浏览评论情况
　　根据表1所示，可以看出问卷受访者通常选择在网上预订酒店，这就说明了目前网上预订酒店的普遍性，因而酒店顾客绝大多数都会接触到酒店在线评论，而酒店在线评论内容的可信度也就对顾客购买意愿有一定影响。
　　剔除“不浏览”情况的问卷样本6份，本次问卷调查的在线评论浏览情况如表2所示，“一定会浏览”的比重最大，占43%，表明了酒店在线评论是顾客预订酒店的重要考察因素之一。
　　该题是为了了解酒店顾客对在线评论网站的使用情况，提供目前酒店市场上最常用的在线评论网站，让问卷受访者进行多项选择。由图1可见，在已知选项中，受访者更倾向使用携程网站在线评论，说明携程网站在线评论内容比较具有代表性，本文研究酒店顾客对在线评论内容可信度的影响因素，以携程网在线评论为例较为合理。但本次调研“其他”选项比重高达20.3%，选项不够细化，对了解评论网站使用情况可能存在偏差。
　　（四）相关性分析
　　在对在线评论内容可信度与其影响因素之间进行回归分析之前，本研究将先對变量之间的相关性进行分析。相关分析是用来研究不同变量之间关联程度的统计方法之一。系数值有正负值之分，正值表明变量之间存在正向关系，负值表明变量之间存在负向关系。系数值的大小意味着变量之间相关程度的大小。根据影响因素和酒店顾客信任在线评论的数据进行相关性分析，选择较为普遍运用的Pearson相关性分析，所得结果见下表： 　　根据pearson相关性分析可知，评论可信度（credibility）与评论质量（quality）、效价（value）、数量（number）、长度（length）等因素在0.01水平下双侧均显著，在线评论可信度与四个因素之间的pearson相关系数分别为0.620，0.258，0.468，0.487，说明在线评论可信度与评论质量、效价等四个因素之间存在显著的正相关关系，可以进行回归分析。但是，其中在线评论效价与在线评论内容可信度的相关系数最低，系数值仅为0.258，在后续回归分析中需要着重注意该影响因素是否与在线评论内容可信度存在显著影响。
　　（五）回归分析
　　在通过上述的相关性分析后，得出四个影响因素与在线评论内容可信度呈显著正相关关系，但这并不能说明变量之间必然的因果关系。接下来，本研究将四个影响因素作为自变量，在线评论内容可信度作为因变量，进一步用回归分析来验证，回归结果如下：
　　因变量：评论可信度;
　　自变量：评论质量、评论效价、评论数量、评论长度。
　　根据多元线性回归分析结果可知，回归模型整体R?值达到0.420，能够较好地的解释和预测因变量评论可信度的变化，同时回归模型p值<0.05，达到显著性水平，这就说明该回归模型的结果是可以被接受的。具体回归结果如下表：
　　因变量：评论可信度;
　　自变量：评论质量、评论效价、评论数量、评论长度。
　　从回归模型的系数表5中可以看到，评论质量和评论数量两个自变量的p值分别为0.000和0.014，均小于0.05，达到显著性水平;而评论效价和评论长度两个自变量的p值为0.523和0.175，均未达到显著性水平。因此，评论质量和评论数量对在线评论内容可信度有显著的正向影响效果，他们的回归系数分别为0.474和0.184。另外，评价质量的标准化β最高，达到0.474，对评论可信度影响最大，这可能是由于酒店顾客更容易感知在线评论质量，能够对其做出判断。其中，评论效价则对因变量评论可信度产生负向影响，影响系数为-0.042，笔者认为这是主观感情导致酒店顾客无法理性、有效判断评论内容所导致的。
　　该模型最终得到的回归方程如下：
　　在线评论内容可信度=0.789+0.474*评论质量+0.184*评论数量
　　三、结论
　　第一， 在线评论内容与酒店产品、服务关系越密切，发布形式越多样化，且容易被顾客们理解，即指评论质量越高，酒店顧客对于酒店在线评论的信任程度也就越高。
　　第二， 酒店在线评论数量也是影响评论可信度的重要影响因素之一，酒店在线评论越多，人们对在线评论的关注度越高，酒店顾客就越信任酒店在线评论。
　　第三， 评论效价对在线评论内容呈负向影响，即评论的效价越高，酒店顾客对于在线评论内容的信任程度就越低。
　　第四， 评论长度对在线评论内容可信度没有显著影响，无论评论内容或长或短，酒店顾客对在线评论内容的信任程度都与之无关。
　　参考文献：
　　[1]李锋. 酒店在线评论的感知可信度研究：Filieri调整模型的实证检验[D].东北财经大学，2017：26-27.
　　作者简介：
　　沈玉婵（1996.10-），女，汉族，福建宁德人，本科在读;研究方向：顾客感知，顾客满意度。
转载注明来源:https://www.xzbu.com/3/view-15209037.htm