论文部分内容阅读
[摘要]在线信息如何影响消费者购买决策是酒店在线服务的一个关键问题。文章基于携程网1092家酒店网上预订数据.通过对数线性回归模型，分析了酒店特征信息、顾客评论信息和预订平台推荐信息对4类不同等级酒店在线预订的影响。研究表明：顾客评论信息对各类酒店网上预订影响最显著，但对五星级酒店的影响最小；酒店特征信息对五星级酒店网上预订影响最大，其中客房价格信息对四星级、三星级和经济型酒店的影响不显著；推荐信息对四星级酒店影响很显著。但其中的用户评级对四星级以外的酒店无显著影响。文章通过对顾客评论信息中的5方面内容分析发现：顾客对酒店设施、服务水平、周边环境的评价均显署影响酒店网上预订，而客房卫生评价对酒店预订的影响不显著。该研究可为酒店在线分类管理与客户信息服务提供指导。
[关键词]特征信息；评论信息；推荐信息；在线预订；酒店
[中图分类号]F59
[文献标识码]A
[文章编号]1002—5006(2011)07—0079—06
1 引言
信息在消费者购买决策过程中起着重要作用，尤其在网络环境中，消费者不仅搜索价格、类型、品牌等产品特征信息，还十分关注其他消费者的购后评论信息。酒店提供的是一种典型的体验式服务，由于消费者预订前无法对其服务的内容和质量做出准确评估，因此在决策过程中需要参考大量信息以降低感知风险。所以，酒店在线预订平台对酒店信息的合理呈现极其重视。通过对酒店在线预订平台(Expedia、Trip advisor、携程网、艺龙网、同程网等)的分析发现，在线信息通常包括三类：预订平台的推荐信息、酒店自身的特征信息和顾客的评论信息。本文在对相关文献梳理的基础上，以携程网的酒店在线预订数据为例，研究上述三类信息对不同等级酒店网上订购量的影响，提出在线旅行服务商酒店在线信息设计和服务管理的新思路。
2 文献综述
在线信息对产品销售影响显著，彼德森和莫里诺(Peterson＆Merino)2003年研究消费者在互联网上的信息搜寻行为时，发现在线信息可以影响消费者的购买行为，进而对产品的销量产生影响。陈等(Chen，et al.)研究在线图书销售时，指出在线推荐信息可以显著影响图书的网络销量；钱瓦里和梅兹林(Chevalier＆Mayzlin)在分析图书特征和在线评论的基础上，认为在线评论对图书销售影响显著，但负向评论对销量的影响大于正向评论。随后，一些学者研究了在线信息对消费者的作用机制，刘(Liu)指出在线评论的数量能影响消费者的认知，因为评论数量越多，消费者就越容易接触到这些信息。德拉卢卡斯等(DeIlarocas，et al.)也发现随着关于某产品或服务的在线评论信息数量的增加，消费者购买该产品或服务的概率将有所提高。可见，在线信息影响着消费者的购买行为进而影响产品的在线销售。
酒店作为典型的体验式服务产品尤其适合网上销售，而且专业的酒店在线预订平台已经成为客房销售的重要渠道。酒店产品具有无形性的特征，消费者在购买时面临较高的感知风险，尤其需要较多信息来辅助决策。因此，消费者在网络环境下购买这类体验型服务产品时，信息对决策影响将更加显著。格瑞茨和刘(Gretzel＆Yoo)通过对1480个旅游者的调查发现来自其他旅游者的在线评论对其决策的影响最大；迪克金戈和玛扎奈克(Diekinger＆Mazanec)在研究在线预订酒店的影响因素时也发现在线评论能显著影响消费者的购买决策；叶等(Ye，et al.)研究在线评论对酒店客房销售的影响时，指出在线评论得分的均值显著正向影响客房的销量，而方差则对客房销量呈负向影响；维曼伦和希格斯(Vermeulen＆Seegers)发现在线评论有助于提高消费者对酒店的知觉，而正向的评论信息则能显著提高消费者的购买意愿。
综上所述，目前对酒店在线预订的研究主要从在线评论数量、情感倾向(正向和负向)的角度分析在线信息对消费者购买决策或酒店网上销售的影响。而在专业的酒店在线预订平台上，在线信息呈现的内容各不相同，它们对消费者购买意愿的影响存在差异。本文试图研究不同内容的在线信息对酒店网上预订的影响，并针对不同等级的酒店比较分析这些信息内容对酒店网上预订影响的差异。
3 实证分析
3.1模型构建
通过广泛调查发现，携程网是国内第一大酒店在线预订平台，其在线信息的组织与呈现方式也具代表性，成为国内外研究者首选研究对象。因此，本文选用携程网的实际数据进行研究，采用对数线性回归模型分析在线信息对酒店网上预订的影响。模型的一般表达为：
ιn(Num_Reviews )=β0+β1Travelers' Rating+β2 Browsing Index+β3ιn(Room Types)+β4ιn(Price)+β5City Rank+β6Average Rating+β7Facilities Rating+β7Serviee Rating+βCleanlinessRating+β10Environment Rating+ε1 ( 1 )
叶等(Ye，et al.)在研究在线评论与酒店客房销量时，采用了在线评论数量代替酒店网上预订量的做法，并证明了二者之间存在一定的线性关系。此外，根据携程网的点评规则，只有在网上进行交易并入住后的消费者才可以参与点评，这保证了评论数量的真实性。因此，本模型也采用在线评论数量近似替代同期的酒店网上预订量。
模型中，变量的选择以携程网呈现的在线信息为基础，其中，用户评级和评论浏览指数表示平台推荐信息，酒店的房型种类、客房价格和所在城市等级表示酒店特征信息，顾客对酒店的设施、服务、卫生、环境等的评价表示评论信息。酒店所在地理位置能影响其客房销售，但在研究中量化这种影响存在难度，因此采用酒店所在城市等级反映酒店所在位置，这种方法在文献中得到应用。此外，模型中变量的纳入顺序与消费者在酒店预订过程中所接触信息的先后顺序一致，这便于分析不同信息对消费者预订决策的影响程度。为了凸显在线信息对不同等级酒店网上预订的影响，本文在分析中采用了4个模型分别考察在线信息对五星级、四星级、三星级和经济型酒店网上预订的影响。
3.2 数据收集
研究中的原始数据均来自携程网(WWW.etrip.corn)，该网站是目前中国最大的在线旅行服务提供商(2010年的市场份额为51.6％)，拥有最大的访问 客户群，在线呈现的信息具有代表性，历史数据保存相对完整，方便查阅与收集。根据史密斯旅行机构(sTR Globe)提供的2010年中国大陆酒店业经营业绩数据，本文选择携程网上北京、上海、广州、深圳、苏州、杭州、无锡、青岛、大连、宁波、南京、西安、厦门和三亚15个城市的酒店作为实证研究的样本。考虑到不同规模的酒店可提供的客房数量会对其顾客评论数量产生影响，进而影响同类型酒店之间的可比性，本文在选择样本酒店时按照其在线评论数量大于其客房总数60％的原则进行筛选(根据STR Globe提供的数据，2010年中国大陆酒店业的平均客房出租率为60％)。
经过数据收集与整理，最终选择了1092家酒店作为研究样本，其中五星级酒店128家、四星级酒店313家、三星级酒店200家、经济型酒店451家。在此，酒店预订平台的推荐信息(2个)和酒店特征信息(3个)所包含的变量的数据可以直接在网站上获得，而反映在线评论信息(5个)的变量数据要经过处理才能使用。携程网提供的顾客点评系统中的评分与5点李克特量表相似，顾客评论信息中每一个变量的评分级别从“很好”到“很差”共5级，本文在研究中对其进行从“5”到“1”相应的赋值，这样每一项评论信息都可以用相应的加权平均分来表示。
3.3 结果分析
鉴于模型中可能存在异方差、自相关等问题，本文在回归分析中选择了White检验、DW检验方法对模型进行检验。以此来消除其部分影响。同时，还采用了逐步回归的方法来检查模型中的多重共线性问题，以确定最终模型。在上述问题都通过检验后，模型的最终估计结果见表2。
从模型1中可以看出，酒店特征信息中房型种类(β3：0.302，t=3.602)、客房价格(β4=-0.396，t=-2.98)和所在位置(β5=-0.023，t=-2.341)显著影响酒店的网上预订，而其他变量的参数均未通过检验。这说明在五星级酒店的网上预订中，酒店自身特征信息的影响远远超过了推荐信息和在线评论的影响。其原因可能是由于五星级酒店消费群体主要为公务或商务旅行消费者，其旅行费用多数由行政单位或公司负担，他们选择酒店时比较重视酒店的档次与自身社会地位的匹配，对酒店硬件设施要求较高，看重品质和品牌，较少受其他评论者的影响。
在模型2中，表示酒店特征信息的房型种类(β3=0.3，t=4.85)和所在位置(β5=-0.021，t=-2.789)两个变量对酒店网上预订的影响十分显著。在线评论信息中除卫生评价以外，其他各变量均显著影响酒店的网上预订。从影响程度上看，评论信息总体上大于特征信息。这表明在四星级酒店的网上预订中，消费者既关注酒店的特征信息，又重视在线评论。此外，用户评级(β1，=0.204，t=2.087)和评论浏览指数(β2=0.313，t=1.723)两个变量的参数也通过了检验，这表明预订平台的推荐信息显著正向影响四星级酒店的网上预订。
从模型3的参数估计结果可以看出，酒店特征信息(β3=O.349，t=3.868；β5=-0.033，t=-3.168)和在线评论信息(β=0.694，t=1.782；β8=0.75，t=2.053)显著影响酒店的网上预订，其中在线评论信息的影响大于酒店自身的特征信息的影响。这说明在三星级酒店中，消费者除了考虑酒店所在的位置、房间类型外，还重视其他消费者对酒店设施及配套设备和服务水平的评价。一般而言，三星级酒店的消费者大多追求舒适的体验，而酒店的设施设备(如寝具、浴室设备等)与服务水平正是影响顾客这种感知体验的重要因素。此外，在酒店特征信息中，价格对预订量影响不显著。
在模型4中，房型种类(β3=0.072，t=4.34)与所在位置(β5=－0.03，t=-4.662)两个变量对酒店网上预订的影响仍然很显著，但影响程度总体上低于在线评论。在线评论中消费者对酒店设施(β7=0.885，t=3.315)、服务(β8=0.809，t=3.127)、环境(β10=0.48，t=2.535)的评价(β6=1.655，t=2.418)对酒店网上预订均有显著的正向影响，同时评论浏览指数(β2=0.023，t：1.919)也显著影响酒店的网上预订。这表明经济型酒店中消费者既重视酒店自身的特征信息，也看重其他消费者的在线评论信息。这一结果与经济性酒店的硬件设施条件与消费者群体特征较为吻合。经济型酒店的顾客以大众消费为主，其旅行费用通常由自己负担，他们既关心酒店基本设施条件，又关注服务、安全等影响基本睡眠与休息的因素。所以，这些消费者对在线评论信息十分重视。价格依然对酒店网上预订影响不显著。
综合比较4个模型的参数估计结果发现，在线评论对四星级、三星级和经济型酒店的网上预订影响显著；酒店特征信息对五星级酒店网上预订的影响最显著；推荐信息对四星级酒店的网上预订最显著。在酒店特征信息中，价格对五星级以外的酒店网上预订影响不显著，这可能由于五星级酒店网上预订的价格离差①最大，而等级越低的酒店竞争越激烈，价格离差也越小，从而使价格对低星级酒店网上预订影响不显著。在评论信息中，消费者对客房卫生的评价对酒店网上预订无显著影响，这说明客房卫生已经不是影响酒店网上预订的重要因素，其影响程度显著低于消费者对酒店设施、服务水平、周边环境的评价。推荐信息对四星级酒店网上预订的影响最显著，其中用户评级对四星级以外酒店的网上预订影响不显著。这可能是因为消费者对四星级酒店的满意度显著低于高星级酒店的平均水平，所以消费者为降低网上预订的感知风险而对信息的搜寻更加全面。
4 结论与讨论
本文在现有研究的基础上，进一步拓展了在线信息对酒店网上预订影响的研究内容。论文以携程网为主要数据来源，采用对数线性模型分析了预订平台推荐信息、酒店特征信息和消费者在线评论对4类酒店网上预订的影响。结果表明：(1)在线评论对四星级、三星级和经济型酒店的网上预订影响显著，其中消费者对酒店设施、服务及周边环境的评价能显著影响酒店的网上预订，而对酒店客房卫生的评价对酒店网上预订影响不显著。(2)特征信息对五星级酒店网上预订的影响最显著，其中客房价格对四星级、三星级和经济型酒店的网上预订无显著影响。(3)推荐信息对四星级酒店网上预订的影响最显著，其中用户评级对四星级以外酒店的网上预订影响不显著。
本研究结论对在线旅游服务商进行酒店在线管理有以下启示：
首先，酒店在线信息应该进行分类管理。因为不同等级的酒店，消费者关注的信息重点不一样，而页面信息呈现顺序、位置与方式都会显著影响消费者对信息的关注与接受，如对于五星级酒店，其酒店地理位置、酒店价格及房型等信息应该在重点区域，而对经济型酒店，消费者的评论信息应方便、快捷、全面地呈现给消费者，以便于他们进行全面评估。
其次，本研究有助于实现对不同顾客群体进行个性化管理，无论是顾客在预订平台进行酒店检索还是预订平台对酒店进行的推荐，均应该关注不同顾客群体的需求特征，从而增加顾客对酒店产品的认同。
最后，三星级和经济型酒店作为重要的网上预订酒店类型，其在线服务平台发布的三类信息虽然影响着消费者的购买决策，但对消费者而言，酒店的设施、服务水平、周边环境信息才是他们关注的重心。但目前这类酒店在线服务平台提供的多系统评级与推荐信息占据页面中心位置的做法，并不符合消费者的真实需求。此外，对于三星级和经济型酒店的经营者来说，卫生与价格不再显著影响消费者对酒店的在线预订，这表明随着竞争的加剧，经济型酒店的卫生服务水平已基本达到了消费者认同的要求；而低等级酒店价格离差的缩小在很大程度上反映了在线交易已基本实现了市场信息的充分性和有效性，也就是说，低星级酒店经营者的价格策略能力影响有限，而周边环境、服务和设施设备才是目前消费者所看重的，这是低等级酒店经营者需要重点关注的核心。
由于实证数据的限制，本研究存在以下局限。其一，由于样本选择要求保有一定量的评论数据，因此得到的研究结论不一定适用于那些在网上极少被订购并评论的酒店；其二，评论信息具有时效性，因此，评论内容还可以进一步采用面板数据与文本挖掘等方法进行深入研究。
[关键词]特征信息；评论信息；推荐信息；在线预订；酒店
[中图分类号]F59
[文献标识码]A
[文章编号]1002—5006(2011)07—0079—06
1 引言
信息在消费者购买决策过程中起着重要作用，尤其在网络环境中，消费者不仅搜索价格、类型、品牌等产品特征信息，还十分关注其他消费者的购后评论信息。酒店提供的是一种典型的体验式服务，由于消费者预订前无法对其服务的内容和质量做出准确评估，因此在决策过程中需要参考大量信息以降低感知风险。所以，酒店在线预订平台对酒店信息的合理呈现极其重视。通过对酒店在线预订平台(Expedia、Trip advisor、携程网、艺龙网、同程网等)的分析发现，在线信息通常包括三类：预订平台的推荐信息、酒店自身的特征信息和顾客的评论信息。本文在对相关文献梳理的基础上，以携程网的酒店在线预订数据为例，研究上述三类信息对不同等级酒店网上订购量的影响，提出在线旅行服务商酒店在线信息设计和服务管理的新思路。
2 文献综述
在线信息对产品销售影响显著，彼德森和莫里诺(Peterson＆Merino)2003年研究消费者在互联网上的信息搜寻行为时，发现在线信息可以影响消费者的购买行为，进而对产品的销量产生影响。陈等(Chen，et al.)研究在线图书销售时，指出在线推荐信息可以显著影响图书的网络销量；钱瓦里和梅兹林(Chevalier＆Mayzlin)在分析图书特征和在线评论的基础上，认为在线评论对图书销售影响显著，但负向评论对销量的影响大于正向评论。随后，一些学者研究了在线信息对消费者的作用机制，刘(Liu)指出在线评论的数量能影响消费者的认知，因为评论数量越多，消费者就越容易接触到这些信息。德拉卢卡斯等(DeIlarocas，et al.)也发现随着关于某产品或服务的在线评论信息数量的增加，消费者购买该产品或服务的概率将有所提高。可见，在线信息影响着消费者的购买行为进而影响产品的在线销售。
酒店作为典型的体验式服务产品尤其适合网上销售，而且专业的酒店在线预订平台已经成为客房销售的重要渠道。酒店产品具有无形性的特征，消费者在购买时面临较高的感知风险，尤其需要较多信息来辅助决策。因此，消费者在网络环境下购买这类体验型服务产品时，信息对决策影响将更加显著。格瑞茨和刘(Gretzel＆Yoo)通过对1480个旅游者的调查发现来自其他旅游者的在线评论对其决策的影响最大；迪克金戈和玛扎奈克(Diekinger＆Mazanec)在研究在线预订酒店的影响因素时也发现在线评论能显著影响消费者的购买决策；叶等(Ye，et al.)研究在线评论对酒店客房销售的影响时，指出在线评论得分的均值显著正向影响客房的销量，而方差则对客房销量呈负向影响；维曼伦和希格斯(Vermeulen＆Seegers)发现在线评论有助于提高消费者对酒店的知觉，而正向的评论信息则能显著提高消费者的购买意愿。
综上所述，目前对酒店在线预订的研究主要从在线评论数量、情感倾向(正向和负向)的角度分析在线信息对消费者购买决策或酒店网上销售的影响。而在专业的酒店在线预订平台上，在线信息呈现的内容各不相同，它们对消费者购买意愿的影响存在差异。本文试图研究不同内容的在线信息对酒店网上预订的影响，并针对不同等级的酒店比较分析这些信息内容对酒店网上预订影响的差异。
3 实证分析
3.1模型构建
通过广泛调查发现，携程网是国内第一大酒店在线预订平台，其在线信息的组织与呈现方式也具代表性，成为国内外研究者首选研究对象。因此，本文选用携程网的实际数据进行研究，采用对数线性回归模型分析在线信息对酒店网上预订的影响。模型的一般表达为：
ιn(Num_Reviews )=β0+β1Travelers' Rating+β2 Browsing Index+β3ιn(Room Types)+β4ιn(Price)+β5City Rank+β6Average Rating+β7Facilities Rating+β7Serviee Rating+βCleanlinessRating+β10Environment Rating+ε1 ( 1 )
叶等(Ye，et al.)在研究在线评论与酒店客房销量时，采用了在线评论数量代替酒店网上预订量的做法，并证明了二者之间存在一定的线性关系。此外，根据携程网的点评规则，只有在网上进行交易并入住后的消费者才可以参与点评，这保证了评论数量的真实性。因此，本模型也采用在线评论数量近似替代同期的酒店网上预订量。
模型中，变量的选择以携程网呈现的在线信息为基础，其中，用户评级和评论浏览指数表示平台推荐信息，酒店的房型种类、客房价格和所在城市等级表示酒店特征信息，顾客对酒店的设施、服务、卫生、环境等的评价表示评论信息。酒店所在地理位置能影响其客房销售，但在研究中量化这种影响存在难度，因此采用酒店所在城市等级反映酒店所在位置，这种方法在文献中得到应用。此外，模型中变量的纳入顺序与消费者在酒店预订过程中所接触信息的先后顺序一致，这便于分析不同信息对消费者预订决策的影响程度。为了凸显在线信息对不同等级酒店网上预订的影响，本文在分析中采用了4个模型分别考察在线信息对五星级、四星级、三星级和经济型酒店网上预订的影响。
3.2 数据收集
研究中的原始数据均来自携程网(WWW.etrip.corn)，该网站是目前中国最大的在线旅行服务提供商(2010年的市场份额为51.6％)，拥有最大的访问 客户群，在线呈现的信息具有代表性，历史数据保存相对完整，方便查阅与收集。根据史密斯旅行机构(sTR Globe)提供的2010年中国大陆酒店业经营业绩数据，本文选择携程网上北京、上海、广州、深圳、苏州、杭州、无锡、青岛、大连、宁波、南京、西安、厦门和三亚15个城市的酒店作为实证研究的样本。考虑到不同规模的酒店可提供的客房数量会对其顾客评论数量产生影响，进而影响同类型酒店之间的可比性，本文在选择样本酒店时按照其在线评论数量大于其客房总数60％的原则进行筛选(根据STR Globe提供的数据，2010年中国大陆酒店业的平均客房出租率为60％)。
经过数据收集与整理，最终选择了1092家酒店作为研究样本，其中五星级酒店128家、四星级酒店313家、三星级酒店200家、经济型酒店451家。在此，酒店预订平台的推荐信息(2个)和酒店特征信息(3个)所包含的变量的数据可以直接在网站上获得，而反映在线评论信息(5个)的变量数据要经过处理才能使用。携程网提供的顾客点评系统中的评分与5点李克特量表相似，顾客评论信息中每一个变量的评分级别从“很好”到“很差”共5级，本文在研究中对其进行从“5”到“1”相应的赋值，这样每一项评论信息都可以用相应的加权平均分来表示。
3.3 结果分析
鉴于模型中可能存在异方差、自相关等问题，本文在回归分析中选择了White检验、DW检验方法对模型进行检验。以此来消除其部分影响。同时，还采用了逐步回归的方法来检查模型中的多重共线性问题，以确定最终模型。在上述问题都通过检验后，模型的最终估计结果见表2。
从模型1中可以看出，酒店特征信息中房型种类(β3：0.302，t=3.602)、客房价格(β4=-0.396，t=-2.98)和所在位置(β5=-0.023，t=-2.341)显著影响酒店的网上预订，而其他变量的参数均未通过检验。这说明在五星级酒店的网上预订中，酒店自身特征信息的影响远远超过了推荐信息和在线评论的影响。其原因可能是由于五星级酒店消费群体主要为公务或商务旅行消费者，其旅行费用多数由行政单位或公司负担，他们选择酒店时比较重视酒店的档次与自身社会地位的匹配，对酒店硬件设施要求较高，看重品质和品牌，较少受其他评论者的影响。
在模型2中，表示酒店特征信息的房型种类(β3=0.3，t=4.85)和所在位置(β5=-0.021，t=-2.789)两个变量对酒店网上预订的影响十分显著。在线评论信息中除卫生评价以外，其他各变量均显著影响酒店的网上预订。从影响程度上看，评论信息总体上大于特征信息。这表明在四星级酒店的网上预订中，消费者既关注酒店的特征信息，又重视在线评论。此外，用户评级(β1，=0.204，t=2.087)和评论浏览指数(β2=0.313，t=1.723)两个变量的参数也通过了检验，这表明预订平台的推荐信息显著正向影响四星级酒店的网上预订。
从模型3的参数估计结果可以看出，酒店特征信息(β3=O.349，t=3.868；β5=-0.033，t=-3.168)和在线评论信息(β
在模型4中，房型种类(β3=0.072，t=4.34)与所在位置(β5=－0.03，t=-4.662)两个变量对酒店网上预订的影响仍然很显著，但影响程度总体上低于在线评论。在线评论中消费者对酒店设施(β7=0.885，t=3.315)、服务(β8=0.809，t=3.127)、环境(β10=0.48，t=2.535)的评价(β6=1.655，t=2.418)对酒店网上预订均有显著的正向影响，同时评论浏览指数(β2=0.023，t：1.919)也显著影响酒店的网上预订。这表明经济型酒店中消费者既重视酒店自身的特征信息，也看重其他消费者的在线评论信息。这一结果与经济性酒店的硬件设施条件与消费者群体特征较为吻合。经济型酒店的顾客以大众消费为主，其旅行费用通常由自己负担，他们既关心酒店基本设施条件，又关注服务、安全等影响基本睡眠与休息的因素。所以，这些消费者对在线评论信息十分重视。价格依然对酒店网上预订影响不显著。
综合比较4个模型的参数估计结果发现，在线评论对四星级、三星级和经济型酒店的网上预订影响显著；酒店特征信息对五星级酒店网上预订的影响最显著；推荐信息对四星级酒店的网上预订最显著。在酒店特征信息中，价格对五星级以外的酒店网上预订影响不显著，这可能由于五星级酒店网上预订的价格离差①最大，而等级越低的酒店竞争越激烈，价格离差也越小，从而使价格对低星级酒店网上预订影响不显著。在评论信息中，消费者对客房卫生的评价对酒店网上预订无显著影响，这说明客房卫生已经不是影响酒店网上预订的重要因素，其影响程度显著低于消费者对酒店设施、服务水平、周边环境的评价。推荐信息对四星级酒店网上预订的影响最显著，其中用户评级对四星级以外酒店的网上预订影响不显著。这可能是因为消费者对四星级酒店的满意度显著低于高星级酒店的平均水平，所以消费者为降低网上预订的感知风险而对信息的搜寻更加全面。
4 结论与讨论
本文在现有研究的基础上，进一步拓展了在线信息对酒店网上预订影响的研究内容。论文以携程网为主要数据来源，采用对数线性模型分析了预订平台推荐信息、酒店特征信息和消费者在线评论对4类酒店网上预订的影响。结果表明：(1)在线评论对四星级、三星级和经济型酒店的网上预订影响显著，其中消费者对酒店设施、服务及周边环境的评价能显著影响酒店的网上预订，而对酒店客房卫生的评价对酒店网上预订影响不显著。(2)特征信息对五星级酒店网上预订的影响最显著，其中客房价格对四星级、三星级和经济型酒店的网上预订无显著影响。(3)推荐信息对四星级酒店网上预订的影响最显著，其中用户评级对四星级以外酒店的网上预订影响不显著。
本研究结论对在线旅游服务商进行酒店在线管理有以下启示：
首先，酒店在线信息应该进行分类管理。因为不同等级的酒店，消费者关注的信息重点不一样，而页面信息呈现顺序、位置与方式都会显著影响消费者对信息的关注与接受，如对于五星级酒店，其酒店地理位置、酒店价格及房型等信息应该在重点区域，而对经济型酒店，消费者的评论信息应方便、快捷、全面地呈现给消费者，以便于他们进行全面评估。
其次，本研究有助于实现对不同顾客群体进行个性化管理，无论是顾客在预订平台进行酒店检索还是预订平台对酒店进行的推荐，均应该关注不同顾客群体的需求特征，从而增加顾客对酒店产品的认同。
最后，三星级和经济型酒店作为重要的网上预订酒店类型，其在线服务平台发布的三类信息虽然影响着消费者的购买决策，但对消费者而言，酒店的设施、服务水平、周边环境信息才是他们关注的重心。但目前这类酒店在线服务平台提供的多系统评级与推荐信息占据页面中心位置的做法，并不符合消费者的真实需求。此外，对于三星级和经济型酒店的经营者来说，卫生与价格不再显著影响消费者对酒店的在线预订，这表明随着竞争的加剧，经济型酒店的卫生服务水平已基本达到了消费者认同的要求；而低等级酒店价格离差的缩小在很大程度上反映了在线交易已基本实现了市场信息的充分性和有效性，也就是说，低星级酒店经营者的价格策略能力影响有限，而周边环境、服务和设施设备才是目前消费者所看重的，这是低等级酒店经营者需要重点关注的核心。
由于实证数据的限制，本研究存在以下局限。其一，由于样本选择要求保有一定量的评论数据，因此得到的研究结论不一定适用于那些在网上极少被订购并评论的酒店；其二，评论信息具有时效性，因此，评论内容还可以进一步采用面板数据与文本挖掘等方法进行深入研究。