【基于網(wǎng)絡數(shù)據(jù)抓取的在線評論對旅游產(chǎn)品銷量的影響實證分析8400字（論文）】

基于網(wǎng)絡數(shù)據(jù)抓取的在線評論對旅游產(chǎn)品銷量的影響實證研究目錄1導論11.1選題背景和意義11.2文獻綜述11.3論文的結構與主要內容31.4論文研究方法32影響機制與研究假設42.1評論數(shù)量對在線旅游產(chǎn)品銷量的影響42.2差評數(shù)量對在線旅游產(chǎn)品銷量的影響42.3帶圖評論數(shù)對在線旅游產(chǎn)品銷量的影響53在線評論對旅游產(chǎn)品銷量影響的實證分析63.1數(shù)據(jù)收集63.2變量設計與模型建立63.3相關性分析63.4回歸分析73.5檢驗分析73.6結論74建議8參考文獻101導論1.1選題背景和意義1.1.1選題背景目前，我國服務業(yè)依托網(wǎng)絡迅速發(fā)展，越來越多的消費者習慣在網(wǎng)上購買現(xiàn)代服務。網(wǎng)購為消費者購買服務型產(chǎn)品提供了便捷，但由于網(wǎng)購的虛擬性，消費者并不能全面的了解產(chǎn)品的真實信息。在線評論是消費者了解商品真實信息的重要渠道，是影響服務型商品銷量的重要途徑。服務業(yè)中的旅游業(yè)是山西轉型升級的重點產(chǎn)業(yè)，近年來山西政府加大了對旅游業(yè)的投入，充分利用互聯(lián)網(wǎng)推動旅游業(yè)發(fā)展。在線評論是消費者了解山西旅游景點、影響消費者購買意愿的重要因素，因此分析山西旅游產(chǎn)品的在線評論、研究在線評論對山西旅游產(chǎn)品銷量的影響十分有必要。1.1.2選題意義在線評論是促進產(chǎn)品銷量增長的重要因素。本文通過分析在線評論指標、研究攜程平臺上在線評論對山西旅游產(chǎn)品銷量的影響，可以為商家提出改進在線評論管理的建議，對促進消費者的購買意愿、提升山西旅游產(chǎn)品銷量具有積極作用。研究這一問題也可以使消費者充分了解山西旅游景點的真實信息，降低消費者搜尋信息的成本。1.2文獻綜述國內外學者們從量化指標、文本處理技術、產(chǎn)品類型的角度對在線評論對產(chǎn)品銷量的影響進行了分析。學者們通過分析在線評論的量化指標與產(chǎn)品銷量之間的關系來研究在線評論對產(chǎn)品銷量的影響這一問題。Chevalier和Mayzlin（2006）分析了圖書的在線評論數(shù)據(jù)和圖書銷量之間的關系，發(fā)現(xiàn)圖書評分對圖書的銷量有著顯著的正向影響，圖書評分越高，圖書的銷量越好。郝媛媛等（2009）分析了電影的在線評論數(shù)據(jù)，發(fā)現(xiàn)電影評論數(shù)量對電影票房的影響成鐘形變化，初期電影評論數(shù)量對電影票房的影響較小，然后影響慢慢變大，最終隨著時間的延長評論數(shù)量對票房的影響又逐漸變小。王君珺和閆強（2013）對手機的在線評論數(shù)據(jù)進行了實證研究，分析了評論長度、評論及時度和星級評分等數(shù)據(jù)，發(fā)現(xiàn)評論長度對手機的銷量有著顯著的正向影響，評論及時度對熱門品牌手機的銷量有顯著影響，星級評分對手機銷量無顯著影響。方佳明等（2016）分析了豆瓣網(wǎng)的圖書在線評論數(shù)據(jù)，發(fā)現(xiàn)圖書評論數(shù)量會正向影響圖書銷量，“在讀人數(shù)”和“想讀人數(shù)”指標對圖書銷量有著顯著的正向影響，評論效價和評論差異對圖書銷量無顯著影響。吳小平（2019）以京東商城上的汽車配件為研究對象，發(fā)現(xiàn)評論數(shù)量、評論效價、評論深度均對汽車配件的銷量有著顯著的正向影響。鄧攜敏（2020）選取評論總數(shù)、好評率、評論效價、帶圖評論率等指標分析在線評論對化妝品銷量的影響，發(fā)現(xiàn)評論總數(shù)、好評率對化妝品銷量有著顯著的正向影響；評論效價與化妝品銷量之間存在倒U型的關系，適度的評論效價能夠促進化妝品銷量的提升，過度的評論效價會阻礙化妝品銷量的提升；帶圖評論率與化妝品銷量之間存在U型關系，帶圖評論率低會抑制化妝品銷量增長，帶圖評論率高會促進化妝品銷量增長，并且價格作為一種產(chǎn)品的品質信號，會增強評論總數(shù)對產(chǎn)品銷量的正向影響。學者們運用文本處理技術研究在線評論對產(chǎn)品銷量的影響。郝媛媛（2010）運用文本分類技術來分析在線評論的文本內容，發(fā)現(xiàn)正、負情感傾向以及情感傾向的方差會顯著影響在線評論的感知有用性，從而間接影響消費者的決策與產(chǎn)品的銷量。韓科倫等（2015）運用情感分析技術、產(chǎn)品特征挖掘技術深入挖掘影響銷量的因素，發(fā)現(xiàn)對于圖書來說，書中內容、圖書的印刷情況、整體質量對于其銷量的影響最大，對于手機來說，服務、用戶定位、外觀對于其銷量的影響最大。李玉玉（2017）利用文本挖掘技術對京東商城上洗衣機的文本評論內容數(shù)據(jù)進行了實證研究，采用情感計算模型對在線評論的文本數(shù)據(jù)包含的情感詞進行打分，發(fā)現(xiàn)文本評論內容的情感傾向會對洗衣機的銷量有顯著影響。李陽（2019）運用文本分類相關算法、文本情感分析算法研究在線評論對大型家電銷量的影響，發(fā)現(xiàn)冰箱質量相關評論中的外觀評價對冰箱銷量沒有顯著影響，而關于制冷保鮮和噪音的評價對冰箱銷量產(chǎn)生影響，制冷保鮮方面的評價越好銷量越高，噪音方面的評價越好銷量也越高。朱靜（2020）運用了文本挖掘方法研究在線評論對生鮮農產(chǎn)品網(wǎng)絡銷量的影響，認為產(chǎn)品品質、包裝物流對產(chǎn)品銷量有重要影響，文本與產(chǎn)品相關的信息對生鮮農產(chǎn)品的網(wǎng)絡銷量有顯著影響。學者們從產(chǎn)品類型的角度對在線評論對產(chǎn)品銷量的影響進行了分析。目前被廣泛接納的關于產(chǎn)品類型的定義是由Nelson（1974）提出的分類，即把產(chǎn)品分為搜索型產(chǎn)品和體驗型產(chǎn)品。對于搜索型產(chǎn)品而言，消費者在購買前，通過搜索產(chǎn)品商標就可以查看到產(chǎn)品所有的品質信息，確認產(chǎn)品的品質屬性（如顏色、款式、像素、硬度、存儲大小等），進而確定產(chǎn)品品質質量。而對于體驗型產(chǎn)品來說，消費者只有在購買之后或者消費的過程中才能獲取產(chǎn)品全部的品質信息，確認其產(chǎn)品屬性（如味道、潤膚程度、體驗感受等），從而確定產(chǎn)品質量。王君琚和閆強（2013）以手機相關的在線評論數(shù)據(jù)作為樣本進行分析，認為對于搜索型產(chǎn)品，價格、評論的長度對銷量有顯著的影響，熱門手機品牌的在線評論的長度、評論及時度會對其它非熱門品牌手機的銷量有正向影響。韓科倫等（2015）以圖書、手機為研究對象來研究不同類型產(chǎn)品銷量的影響因素，認為對于圖書這一體驗型產(chǎn)品來說，書中內容、印刷、質量對于其銷售量的影響最大，而對于手機這一搜索型產(chǎn)品來說，廠商服務、產(chǎn)品定位和外觀對于其銷售量的影響最大。宋鵬和郭勤勤（2019）采集亞馬遜中國的產(chǎn)品在線評論作為研究樣本探究在線評論的屬性特征對搜索型產(chǎn)品和體驗型產(chǎn)品銷量的影響方式，發(fā)現(xiàn)評論極端性和評論長度對搜索型產(chǎn)品銷量的影響更加明顯，評論數(shù)量對體驗型產(chǎn)品銷量的影響更加明顯。劉華和李敬強（2020）以辣味零食為例分析體驗型產(chǎn)品在線評論與消費意愿及銷量的關系，發(fā)現(xiàn)在線評論作為一種信息刺激，其數(shù)量對體驗型產(chǎn)品的在線銷量具有顯著的正向影響，但在線評論質量效價評分對體驗型產(chǎn)品的在線銷量沒有顯著的影響，這與產(chǎn)品的類型有關。 學者們從多個角度研究了在線評論對產(chǎn)品銷量的影響。在量化指標方面，學者們使用了評分、評論總數(shù)、評論長度、評論及時度、評論差異、好評率、帶圖評論率等量化指標研究在線評論對產(chǎn)品銷量的影響，對于在線評論的量化指標的研究已十分全面。在文本處理技術方面，學者們運用了文本分類技術、文本情感分析、產(chǎn)品特征挖掘技術等方法分析在線評論對產(chǎn)品銷量的影響。在產(chǎn)品類型方面，學者們大多將產(chǎn)品分為體驗型產(chǎn)品和搜索型產(chǎn)品研究在線評論對產(chǎn)品銷量的影響。學者們在研究在線評論對產(chǎn)品銷量的影響這一問題時，所選取的研究對象大多是圖書、電影、手機、家電、食物等，而針對服務業(yè)中的旅游業(yè)進行分析的研究十分少，因此研究在線評論對旅游產(chǎn)品銷量的影響能豐富現(xiàn)有的研究成果，具有一定的研究意義。1.3論文的結構與主要內容本文以攜程網(wǎng)上山西跟團游產(chǎn)品為研究對象研究在線評論對山西旅游產(chǎn)品銷量的影響。通過實證分析，得出了在線評論數(shù)量與產(chǎn)品銷量存在正相關關系、差評數(shù)量對在線旅游產(chǎn)品銷量存在正相關關系的結論，并且對商家提出改進在線評論管理、吸引消費者的建議。本文一共分為四章研究在線評論對山西旅游產(chǎn)品銷量的影響。第一章概括了選題背景和意義，從量化指標、文本處理技術、產(chǎn)品類型的角度對在線評論對產(chǎn)品銷量的影響這一問題進行了文獻總結，闡述了論文的結構、主要內容及數(shù)據(jù)挖掘法、計量分析法兩種研究方法。第二章分析在線評論中評論數(shù)量、差評數(shù)量、帶圖評論數(shù)對旅游產(chǎn)品銷量的影響機制，并相應的提出研究假設：評論數(shù)量對在線旅游產(chǎn)品銷量有正向影響、差評數(shù)量對在線旅游產(chǎn)品銷量有負向影響、帶圖評論數(shù)對在線旅游產(chǎn)品銷量有正向影響。第三章進行在線評論對山西旅游產(chǎn)品銷量影響的實證分析，首先用八爪魚爬蟲軟件收集攜程網(wǎng)上山西旅游產(chǎn)品在線評論的相關數(shù)據(jù)，如商品銷量、評論數(shù)量、差評數(shù)量、帶圖評論數(shù)、價格、旅游天數(shù)等，其次選取商品銷量為被解釋變量，評論數(shù)量、差評數(shù)、帶圖評論數(shù)為解釋變量，價格、旅游天數(shù)為控制變量并構建理論模型，運用EViews軟件進行在線評論對山西旅游產(chǎn)品銷量影響的實證分析，對數(shù)據(jù)進行相關性分析并且對計量模型進行逐步回歸分析，并且進行多重共線性檢驗和異方差檢驗，最后得出文章結論：在線評論數(shù)量與產(chǎn)品銷量存在正相關關系、差評數(shù)量對在線旅游產(chǎn)品銷量存在正相關關系。第四章對商家提出改進在線評論管理、吸引消費者的建議：對用戶開展客戶關懷，增加累計評價數(shù)、完善評論機制、在線旅游產(chǎn)品供應商要努力提高服務質量。1.4論文研究方法1.4.1數(shù)據(jù)挖掘法本文利用八爪魚爬蟲軟件收集攜程網(wǎng)上山西跟團游產(chǎn)品在線評論的相關數(shù)據(jù)，如商品銷量、評論數(shù)量、差評數(shù)、帶圖評論數(shù)、商品價格、旅游天數(shù)，為實證分析提供數(shù)據(jù)來源。1.4.2計量分析法本文利用EViews軟件對收集到的山西跟團游產(chǎn)品的商品銷量、評論數(shù)量、差評數(shù)、帶圖評論數(shù)、價格、旅游天數(shù)等數(shù)據(jù)進行相關性分析，建立計量模型進行逐步回歸分析，通過山西跟團游產(chǎn)品的信息來了解山西旅游產(chǎn)品的狀況，研究在線評論對山西旅游產(chǎn)品銷量的影響。2影響機制與研究假設2.1評論數(shù)量對在線旅游產(chǎn)品銷量的影響評論數(shù)量即消費者對某產(chǎn)品評論的總數(shù)量，體現(xiàn)了消費者對該產(chǎn)品發(fā)表評論的總體規(guī)模。由于攜程網(wǎng)只允許消費者對其購買的在線旅游產(chǎn)品發(fā)表評論，評論數(shù)量越多，一般情況下，購買這種在線旅游產(chǎn)品的消費者越多，受歡迎程度越高，人們對該產(chǎn)品的接納度更高。對于絕大多數(shù)的消費者而言，他們普遍存在著從眾心理，因此當消費者對某類產(chǎn)品不了解時，出于降低其決策風險的目的，他們會偏向于選擇評論數(shù)量多的產(chǎn)品。從國內外有關在線評論對產(chǎn)品銷量影響的文獻來看，大部分實證研究均表明評論數(shù)量對產(chǎn)品銷量有著正向影響。綜上分析，本文認為評論數(shù)量對在線旅游產(chǎn)品的銷量有正向影響，提出假設H1：假設H1：評論數(shù)量對在線旅游產(chǎn)品銷量有正向影響。2.2差評數(shù)量對在線旅游產(chǎn)品銷量的影響在消費者網(wǎng)購過程中，他們的購物決策受到產(chǎn)品在線評論的影響非常大，一般情況下，積極的評論會顯著促進消費者購買該產(chǎn)品，負面的評論對在線旅游產(chǎn)品銷量有負向影響。在線評論的正負面性體現(xiàn)出了消費者對此產(chǎn)品的態(tài)度和看法，是他們使用感受的體現(xiàn)。差評數(shù)量影響消費者對于商品質量的判斷，差評數(shù)量越多，消費者對于商品的印象就越差，基于從眾心理與風險規(guī)避意識，其購買商品的可能性大大降低，進而影響產(chǎn)品的銷量。因此，本文提出了假設H2：假設H2：差評數(shù)量對在線旅游產(chǎn)品銷量有負向影響。2.3帶圖評論數(shù)對在線旅游產(chǎn)品銷量的影響帶圖評論通過圖片對產(chǎn)品的展示，使?jié)撛谙M者對該產(chǎn)品有著視覺的直觀感受。文字性評論一般是將產(chǎn)品的使用感受進行解釋與說明，但是不同的人對于同一文字的理解性不同，很多消費者在進行文字評論的時候喜歡用比較中性的評價，這加大了其他消費者參考評論的難度。對于旅游等服務型產(chǎn)品而言，旅游產(chǎn)品比較抽象，主觀性比較強，難以用文字進行準確的表達，相反，帶圖評論能夠帶給消費者更直觀的感受。帶圖評論是對商品最直接的展示，能讓消費者更全面的了解產(chǎn)品信息，降低消費者對信息的不確定性和感知風險。本文將帶圖評論數(shù)引入模型來衡量帶圖評論對在線旅游產(chǎn)品銷量的影響，因此提出假設H3：假設H3：帶圖評論數(shù)對在線旅游產(chǎn)品銷量有正向影響。3在線評論對旅游產(chǎn)品銷量影響的實證分析3.1數(shù)據(jù)收集本文采用數(shù)據(jù)挖掘法，運用軟件收集了攜程網(wǎng)上銷量前82的山西跟團游旅游產(chǎn)品關于商品銷量、評論數(shù)量、差評數(shù)量、帶圖評論數(shù)、價格、旅游天數(shù)的信息，基于此進行在線評論對山西旅游產(chǎn)品銷量的影響研究。3.2變量設計與模型建立本文將攜程網(wǎng)上山西跟團游旅游產(chǎn)品的銷量作為被解釋變量進行研究，選取評論數(shù)量、差評數(shù)量、帶圖評論數(shù)作為解釋變量，選取產(chǎn)品價格和旅游天數(shù)作為控制變量。除了在線評論因素可能會影響在線旅游產(chǎn)品的銷量外，還有很多其他重要的影響因素，所以有必要引入其他變量來控制潛在的異質性影響。為了控制在線旅游產(chǎn)品的價格和旅游天數(shù)這兩個變量對在線旅游產(chǎn)品銷量的影響，本研究將在線旅游產(chǎn)品的產(chǎn)品價格和旅游天數(shù)作為控制變量引入模型。本文結合旅游產(chǎn)品的特點，將產(chǎn)品價格和旅游天數(shù)作為控制變量加入研究模型中，假設產(chǎn)品價格負向影響在線旅游產(chǎn)品銷量，旅游天數(shù)負向影響在線旅游產(chǎn)品銷量。本文將商品銷量、評論數(shù)量、差評數(shù)量、帶圖評論數(shù)、價格、旅游天數(shù)這6個變量引入模型，相應測度指標詳見表1，對應模型的線性公式見式（1）。（1）表1模型變量測度指標變量類別變量名稱變量測度變量符號被解釋變量山西跟團游產(chǎn)品銷量該商品的銷量Sale解釋變量評論數(shù)量該商品的總評論數(shù)量差評數(shù)量該商品評論中的差評數(shù)量帶圖評論數(shù)該商品評論中上傳圖片的評論數(shù)控制變量價格該商品的最低價格旅游天數(shù)該旅游產(chǎn)品的旅游天數(shù)3.3相關性分析本文分析被解釋變量與解釋變量之間的相關性關系，研究山西跟團游產(chǎn)品銷量與評論數(shù)量、差評數(shù)量、帶圖評論數(shù)、價格、旅游天數(shù)之間的相關性程度，利用EViews軟件得出相關系數(shù)矩陣。表2各變量相關系數(shù)矩陣salesale10.970.940.94-0.16-0.180.9710.940.98-0.08-0.100.940.9410.90-0.17-0.180.940.980.9010.01-0.01-0.16-0.08-0.170.0110.89-0.18-0.10-0.18-0.010.891由表2可看出，被解釋變量產(chǎn)品銷量與解釋變量評論數(shù)量、差評數(shù)量、帶圖評論數(shù)之間存在較強的相關性，與控制變量價格、旅游天數(shù)的相關性弱。評論數(shù)量、帶圖評論數(shù)與產(chǎn)品銷量顯著正相關，與本文的假設相符。差評數(shù)量與產(chǎn)品銷量顯著正相關，與本文的假設不符，因此后續(xù)進行逐步回歸分析進一步探究被解釋變量與解釋變量之間的精確關系。有些解釋變量之間存在較強的相關性，可能存在多重共線性。3.4回歸分析由于解釋變量之間可能存在多重共線性，因此本文利用逐步回歸分析方法進行回歸。本文涉及6個變量，1個被解釋變量：產(chǎn)品銷量，2個控制變量：價格、旅游天數(shù)，3個解釋變量：評論數(shù)量、差評數(shù)量、帶圖評論數(shù)。本文采用EViews軟件對式（1）進行逐步回歸，當模型不顯著時，依次去掉不顯著解釋變量，直至模型顯著為止。在EViews軟件中點擊quick-估計方程estimateequation選擇逐步回歸方法method：stepls，在dependentvariable中輸入sale，在listofsearchregressors中輸入cx1x2x3x4x5,在options中設置迭代中止條件stoppingcriteria，選擇以顯著性水平p值作為判別依據(jù)，假設檢驗水平為5%，設置兩個值0.05和0.051，點擊確定，逐步回歸分析結果如下：表3逐步回歸分析VariableCoefficientStd.Errort-StatisticProb.X12.900.2611.320.00C227.6547.614.780.00X231.1411.112.800.01X5-37.2913.48-2.770.01R-squared0.96AdjustedR-squared0.96F-statistic613.01Prob(F-statistic)0.00經(jīng)過逐步回歸分析，模型排除了帶圖評論數(shù)、商品價格，留下了評論數(shù)量、差評數(shù)量、旅游天數(shù)，該模型調整后的決定系數(shù)AdjustedR-squared為0.96，擬合程度好，可以解釋產(chǎn)品銷量96%的變化，解釋程度較高。而帶圖評論數(shù)和商品價格對被解釋變量影響不顯著，被排除在模型之外，故假設H3不成立。為評論數(shù)量，系數(shù)為2.90，p值=0＜0.05，評論數(shù)量對在線旅游產(chǎn)品銷量有正向影響，假設H1成立。為差評數(shù)量，系數(shù)為31.14，p值=0.01＜0.05，差評數(shù)量對在線旅游產(chǎn)品銷量存在正相關關系，假設H2不成立，需對差評數(shù)量與在線旅游產(chǎn)品銷量之間的關系進行討論。為控制變量中的旅游天數(shù)，系數(shù)為-37.29，p值=0.01＜0.05，旅游天數(shù)對在線旅游產(chǎn)品銷量存在負相關關系，符合原假設。3.5檢驗分析3.5.1多重共線性檢驗在EViews中選擇view-coefficientdiagnostics-varianceinflationfactors進行多重共線性檢驗，結果如表4所示。表4多重共線性診斷VariableCoefficientVarianceCenteredVIFX1

0.07

9.17C

2267.09

NAX2123.549.37X5

181.841.08

模型存在多重共線性時，模型可能會導致自變量無法使用專業(yè)理論解釋等問題。根據(jù)容忍度（容差）、方差膨脹因子（VIF）可以判斷自變量的多重共線性。容忍度取值范圍（0，1），值越小，則多重共線性就越嚴重。一般容忍度小于0.1時，認為存在嚴重的多重共線性。VIF為容忍度的倒數(shù)，VIF越大，多重共線性越嚴重。一般認為大于10時存在多重共線性。一般用表4中的centeredvif來表示方差膨脹因子，表4模型中三個變量的centeredvif分別為9.17、9.37和1.08，都小于10，因此認為模型不存在多重共線性問題。3.5.2異方差檢驗在EViews軟件中點擊view-residualdiagnostics-heteroskedasticitytests進行異方差檢驗，在顯示欄中選擇white進行懷特檢驗，結果如表5所示。表5懷特檢驗HeteroskedasticityTest:WhiteF-statistic2.35Prob.F(3,78)0.08Obs*R-squared6.79Prob.Chi-Square(3)0.08

懷特檢驗中由檢驗的伴隨概率prob＜0.05可以判斷，在顯著性水平α=0.05的情況下，拒絕“模型不存在異方差性”的原假設，認為回歸模型具有明顯的異方差性。表5顯示懷特異方差檢驗的統(tǒng)計量的值Obs*R-squared為6.79，懷特異方差檢驗相應的伴隨概率p為0.08，大于0.05，即認為該模型不存在異方差性，模型通過檢驗。3.6結論3.6.1評論數(shù)量與產(chǎn)品銷量存在正相關關系評論數(shù)量顯著正向影響產(chǎn)品銷量（P<0.05），假設2得到驗證。該結論表明：在線評論作為網(wǎng)絡口碑的一種表現(xiàn)形式，具有很強的口碑傳播效應，評論量越多，消費者更了解產(chǎn)品，能夠極大地緩解消費者對購買旅游產(chǎn)品的不確定風險感知，更愿意作出購買決策。3.6.2差評數(shù)量對在線旅游產(chǎn)品銷量存在正相關關系差評數(shù)量對在線旅游產(chǎn)品銷量有正向影響（P<0.05），這可能是消費者認為這樣的評論比較真實可靠。消費者通過查看差評了解到真實的產(chǎn)品情況，降低了購買產(chǎn)品的不確定性，從而增加了銷量。也有可能是商家在消費者反饋的差評內容中發(fā)現(xiàn)了山西旅游產(chǎn)品存在的問題并改進，提高了山西旅游產(chǎn)品的質量，從而促進了產(chǎn)品銷量的增長。4建議根據(jù)本文的實證研究，下面提出幾點建議：對用戶開展客戶關懷，增加累計評價數(shù)。根據(jù)客戶關系管理理論，開發(fā)一個新客戶的成本是同等條件下維持一個老客戶成本的6倍，并且，客戶關懷作為客戶關系管理理論的一項重要內容，店鋪使用此項策略和客戶建立良好的關系是有必要的。對于已經(jīng)完成訂單并出行的游客，店鋪可以通過友好提示，使游客對于產(chǎn)品進行評價，并給出好評。如果游客不知道如何評價，則店鋪可以提前準備好話術，從導游服務、餐飲交通、酒店住宿、行程安排等方面給出引導，詢問客戶在整個購買過程及出行中的旅游體驗。并調查客戶滿意度，做好客戶關系管理，建立與客戶的良好關系。對于粘性不足的客戶，可設定激勵機制，促使其評價。比如：對于給出5分好評、深度評價的游客，可以對其給予一部分現(xiàn)金折扣或者贈送一定的禮物。對于深度游玩用戶，平時可多對其進行客戶關懷，比如節(jié)假日之前，詢問其最近是否有出游的計劃，如果有，則咨詢其時間和目的地，并提供出游建議。當?shù)赇侀_發(fā)了一個新旅游線路時，則可以聯(lián)系此類游客，促使其長期消費，并使其轉化為自己店鋪的忠實客戶，進而提升美譽度。對于旅游體驗較差的客戶，需想辦法彌補這種過失，比如直接退款，記錄體驗較差的原因，并完善不足之處，以此來優(yōu)化整個運營流程的細節(jié)并提升客戶滿意度。第二，在線旅游網(wǎng)站要完善評論機制。根據(jù)本文的研究結果，負面評論率對在線旅游產(chǎn)品銷量有顯著的正向影響，這與我們的研究假設不符。究其原因可能是由于消費者對在線評論缺乏信任導致，故在線旅游網(wǎng)站可通過建立有用評論投票機制等方式完善評論機制，幫助消費者快速地從大量評論中獲取真實有用的信息。第三，在線旅游產(chǎn)品供應商要努力提高服務質量，提高服務質量有助于更多消費者給予正面評論，提高產(chǎn)品銷量。在線評論反映供應商提供的旅游產(chǎn)品的質量，服務質量越高，消費者的體驗感受越好，反饋的真實正面評論就越多，使得潛在購買者的決策風險降低、購買意愿增強，從而促進產(chǎn)品銷量增長。參考文獻ChevalierJ,MayzlinD.Theeffectofword-of-mouthonsales:onlinebookreviews[J].JournalofMarketingResearch,2006,43(3):345-354NelsonP.Advertisingasinformation[J].JournalofPoliticalEconomy，1974，81(4):729-754．曹珍珠,符式