線上旅游民宿的顧客滿意度實證分析

尹子晨 田偉健/ 文

一、引言

民宿作為共享經(jīng)濟背景下新型資源再利用的典型代表，其發(fā)展深受國家重視。自2015 年11 月國務院辦公廳明確提出積極發(fā)展“客棧民宿、短租公寓、長租公寓”以來，旅游民宿發(fā)展在政府政策性支持下穩(wěn)步發(fā)展。

但發(fā)展的同時也存在一定的問題，范少花（2016）從消費角度研究，發(fā)現(xiàn)游客對廈門民宿的滿意度普遍偏低，原因包括民宿雷同性大、管理人員綜合素養(yǎng)不高、設施設備不齊全等；孫華貞（2016）調查發(fā)現(xiàn)，顧客對主人接待方式和交流互動滿意度最高，而對民宿的安全性和隱私性的滿意度較低。2017 年8 月國家旅游局發(fā)布的《旅游民宿基本要求與評價》等4 項行業(yè)標準，使旅游民宿的發(fā)展亂象有所緩解。在此背景下，如何提升民宿整體口碑，提高消費者的滿意度仍是當下民宿發(fā)展亟待解決的問題。

現(xiàn)有研究大都從游客整體角度出發(fā)，由于群體的龐大性和復雜性，所得建議也局限于一般情況，無法切中要點。根據(jù)《2018- 2024 年中國民宿市場分析預測及發(fā)展報告趨勢研究報告》，2017 年中國客棧民宿的預訂用戶有38%在18- 25 歲之間，而據(jù)木鳥短租發(fā)布的“2016 年第一季度消費群體分析數(shù)據(jù)”顯示，在使用其平臺預訂民宿的用戶中，高達48%的人為90 后，年輕一代消費者的市場占比明顯。基于此，本文選取年輕消費群體中的大學生群體作為本次調研對象，以南昌市各高校為調研點，通過調研數(shù)據(jù)間的內在聯(lián)系進行統(tǒng)計數(shù)據(jù)分析，以此建立消費者線上旅游民宿的滿意度感知模型，尋求大學生群體的滿意度關鍵影響因素，為民宿發(fā)展提供參考意見。

二、研究過程

（一）研究思路

考慮到滿意度定義的模糊性，本文在定性分析與定量分析的基礎上，將滿意度結果指標細化，從滿意度感知的影響因素分析與最終的滿意度感知分析兩方面進行調查研究，探究各因素對整體滿意度的影響程度，初步得出大學生對在線旅游民宿滿意程度的感知模型，以此得出結論。

（二）問卷設計

就測試指標的全面性和重要性結合十位典型民宿住宿大學生的訪談結果，大致確定測試題項，并對題項中易引起歧義和不符合正規(guī)表述的項目進行修改。

通過預調查的小樣本測試，檢驗各個題項的有效性，據(jù)此確定樣本容量。經(jīng)過再次修改與討論，形成最終的問卷調查指標如表1：

表1 問卷調查指標

（三）問卷調研

調研方式主要有線上問卷、線下問卷、實地訪談，通過對南昌大學、江西財經(jīng)大學等高校學生的走訪調查，并從中抽取典型學生進行深度訪談，獲取南昌大學生民宿滿意度的影響因素及感知結果數(shù)據(jù)。共得到780 份問卷，有效問卷757 份，針對其中的227份適用問卷（完整經(jīng)歷過服務補救階段情況）進行數(shù)據(jù)檢驗，檢驗結果如下中每一個Alpha 值都在0.9 以上，量表的可信度較高。

（四）數(shù)據(jù)分析

針對其中的229 份適用問卷，做出如下數(shù)據(jù)分析：

1.對影響因素進行因子分析

在對原本的21 個變量做相關性檢驗后，刪去了相關性較差的2 個變量，對剩余的19 個變量做因子分析。

通過KMO 和巴特利特檢驗及統(tǒng)計數(shù)據(jù)計算可得KMO值為0.957，變量間關系良好；此外，球度檢驗顯著性水平為：P＜0.001＜α，故可拒絕原假設，達到顯著性水平，可以進行因子分析。將影響因素樣本數(shù)據(jù)導入SPSS.24，根據(jù)影響因素方差解釋表及碎石圖顯示共可提取4 個因子，且累計解釋百分比為81.036%，解釋了原有19 個變量總方差的81.036%。將19 個變量進行旋轉，根據(jù)旋轉后的成分矩陣，得出因子分析的模型，此處僅列出民宿價格與各因子的關系：

民宿價格X1=0.578F1+0.276F2+0.498F3+0.302F4

根據(jù)各個因子內部構成關系重命名因子：

因子1：平臺服務因素

因子2：民宿設施水平

因子3：主客交流

因子4：出行因素

再根據(jù)各因子在19 個影響因素的得分矩陣可確定因子表達式，以F1為例：

2.對民宿滿意度的評價指標進行因子分析

對于民宿的總體滿意度水平設計四個變量來體現(xiàn)：整體印象、預期效果的達成、是否再次選擇、是否推薦給他人。同上做法進行因子分析，滿意度分析的成分得分系數(shù)矩陣中這四個變量的得分為0.288、0.285、0.291、0.288。

將這一因子作為顧客的總體滿意度Y，可得線上旅游民宿滿意度感知模型：

3.關于線上旅游民宿的Probit 模型構建

首先對Y、F1、F2、F3、F4進行數(shù)據(jù)檢驗，若Y 大于3.5，取值為1；小于或等于3.5，取值為0。然后進行似然比LR 卡方檢驗的統(tǒng)計顯著性小于0.01，拒絕原假設，表明整個方程除常數(shù)項以外的所有其他系數(shù)具有較強的聯(lián)合顯著性，符合Probit 模型；準確預測效果顯示該模型綜合預測的準確率為72.49%，預測效果良好，該Probit 模型對于游客的選擇有較強的預測能力。最后基于兩項檢驗得出Probit 模型結果如表2：

表2 各因子邊際效應表

變量F1、F2、F3、F4的 平均 邊 際 效 應 分 別 為0.115、0.116、0.151、0.109，F(xiàn)3主客互動性對于滿意度的影響力度最大。

三、結論建議

根據(jù)調查情況，被調查者對主客互動因素的滿意度在各項指標中最高，在其他指標表現(xiàn)平平的情況下，主客互動滿意度非常突出，可以說民宿與賓館、酒店的界限劃分清楚，民宿的體驗性、交流性特點在發(fā)展中非常顯著，因此整體上民宿要堅定交流性、體驗性的特色，秉承賓至如歸的理念，營造家一般的感覺，通過提升軟實力吸引客戶。

將綜合滿意度指標與提取的四個因子做線性回歸分析，結果中方差分析的顯著性概率值P＜0.01，表明四個因子與綜合滿意度指標之間有極其顯著的統(tǒng)計學意義。

表3 擬合優(yōu)度檢驗

表3 結果顯示，擬合優(yōu)度R2的值為0.452，檢驗不甚理想，主要因為滿意度指標的影響因素眾多，還存在著本次調研中未考慮到的因素在影響著綜合滿意度變化，所以模型對于綜合滿意度指標的預測能力較低。雖然可以根據(jù)回歸系數(shù)判斷這四個因子之間對于綜合滿意度的影響力度大小關系，即相關性大小F3（主客互動性因素）＞F1＞F2＞F4，但仍無法精準預測各因素的影響力，在今后的研究中，仍需對以上19 個影響因素進行擴展和研究。