UGC數據在旅游消費領域的研究：回顧、應用與展望

李佩镅 周詩敏

(海南經貿職業技術學院國際旅游學院 海南海口 570100)

1 引言

在數字經濟發展的今天，網絡和社交媒體的繁榮已極大改變了游客出行的選擇方式，越來越多旅游者通過閱讀他人在線評論的信息來計劃其旅行并做出購買決定。這些通過現實游客上傳的文本、圖片等原創信息，稱為用戶生成內容(簡稱UGC)。在理論研究中，UGC指的是在網絡媒體平臺由消費者原創的，并與其他瀏覽者分享信息或觀點的內容，能夠影響受眾對目的地的態度、出行意向甚至行為決策，因此逐漸成為國內外研究者關注的對象。

近年來，采用UGC數據的實證研究陸續出現，并刊登在旅游領域的諸多核心期刊，比如《旅游學刊》《Journal of Travel Research》等。然而，這些研究大多拘泥于某景點、某酒店等UGC數據的單一視角，或是從攜程、推特等單一平臺獲取數據，抑或是采用網絡文本挖掘等單一分析技術，缺乏系統的梳理與總結。鑒于UGC數據在旅游研究領域實踐和理論層面的重要性，本文基于實證研究數據，在文獻分析的基礎上，對UGC數據運用于旅游領域的研究進行回顧與梳理，以期為推動UGC數據在國內旅游消費領域研究中的應用提供參考。

2 UGC數據在旅游消費領域的研究回顧與梳理

目前，UGC數據被視為大數據的重要類型，已被廣泛運用于旅游行業的研究中。既有研究表明，旅游領域中對UGC的研究主要分為三類：第一，博客、游記攻略、產品消費評論、商家回復等在線文本數據；第二，照片共享網站、社交平臺及產品評論中上傳的圖片等在線圖片數據；第三，消費評論中體現的評分、點評時間、購買類型等其他線索數據。

2.1 文本數據

社交媒體和在線旅游預訂平臺為游客提供了充分傳播各種旅游相關信息及分享旅游體驗的平臺，現實游客不僅可以表達其滿意或不滿情緒，還可以分享其旅行觀點和經驗，為潛在游客提供有價值的信息。這些由文本格式構成的數據類型，傳達著現實游客的某種主觀感受，這一類型的數據統稱為在線文本數據，主要包括：社交平臺上的游記攻略、交易平臺上的評論文本數據及商家回復的文本數據。

游記攻略文本數據記錄著人們的旅游故事和旅游感受，文字篇幅較長，主要針對旅游推薦和旅游情感分析。比如，在旅游推薦方面，Xu等 (2015)通過抓取海量游記數據提取出熱門信息，為人們去哪里玩、玩什么等提供建議。再比如，針對游客情感分析方面，Kahlil和Zhong(2016)則從來自Twitter的非結構化數據中總結出度假村推文中的綜合情緒。

旅游交易平臺上的評論文本數據表達著現實游客對旅游產品的態度，主要用于測量游客滿意度，這一類的研究集中在酒店、景點與餐廳的研究。其中，酒店在線評論文本數據的關注程度最多，可能是因為預訂酒店是旅游出行前最為關心的問題。首先，從酒店數據樣本的來源來看，國外學者的樣本主要來源于TripAdvisor、Booking等平臺，而國內學者則從攜程網、游多多旅游網等平臺抓取數據樣本。從上述的文獻來看，酒店評論探討了在線文本信息對消費者決策的影響因素，為酒店管理者了解消費者需求提供了相關建議。其次，關于景點在線評論探討的則是游客體驗與目的地形象之間的關系，研究結論對改善景區管理及目的地形象塑造有一定的幫助。最后，餐廳的在線評論數據不僅能在某種程度上體現游客的旅游滿意度，還可以幫助管理者了解游客的用餐偏好。

既有研究表明，消費者發布在線評論主要是因為他們在旅游消費體驗中感到非常滿意或是非常不滿意。比如，在酒店消費情境中，酒店經理可以在響應客戶投訴時提供各種類型的補償，針對消費者的評論內容進行道歉回復也是補償的一種方式。例如，Zhang等(2019)關注酒店的負面評論下商家回應的內容如何影響潛在游客的態度與決策，從主題匹配的角度考察了個性化管理回應對評分提高的影響。此外，除了對評論正負面效價的探討外，研究者建議酒店管理者不僅要留意識別意見領袖，尋找可能合作的機會，還要在對評論回應時注意旅游者的類型，比如回復家庭旅游者和商務住客應各有側重。

2.2 圖片數據

除了在線文本數據外，在線圖片數據，即游客上傳的圖片包含豐富的用戶、地點和時間等有用信息，為研究旅游目的地形象的構建、游客分享行為和旅游營銷提供了新的視角。因此，非結構化類型的在線圖片數據在旅游研究中引起了越來越多學者的關注。

從某種意義來說，圖片可以理解為目的地形象的壓縮，因為相比文本、聲音等其他形式的信息，視覺圖像對人們的記憶和態度的影響更加顯著。游客在社交媒體中上傳的照片代表他們個人對旅游目的地的感知、體驗甚至是情感。因此，學者對在線圖片數據的抓取研究，實際上是為旅游目的地形象的傳達或構建提供了一種新的方法。例如，Deng和Li(2018)認為在線圖片數據越來越成為潛在游客形成旅游目的地形象的有效載體，他提出了一種基于機器學習的模型，從觀眾的角度選擇照片元素，并協助目的地營銷組織進行照片選擇；Yu等(2019)則通過對Instagram上的帖子進行照片數據挖掘與分析，揭示了游客對我國大灣區的視覺色彩印象。

在游客分享行為的研究中，圖片數據主要來源于三個圖片共享平臺，即Flickr，Instagram及Pinterest。具體而言，Zhang等(2019)根據照片中的地理信息，將不同感知主題的游客認知地圖進行可視化處理；Yu等(2021)以Instagram平臺為樣本，探討了不同類型的旅游照片與消費者參與度(點贊與評論)之間的關系；Song等(2016)通過爬取分析日本游客在Pinterest平臺中上傳的照片，研究其旅游興趣與行為的差異。隨著我國移動互聯網的迅猛發展，國內的社交媒體也在不斷崛起，例如小紅書等鼓勵以照片分享為主的社交平臺，因此在未來的研究中，可以更多地關注國內的后起之秀。此外，在線圖片數據被運用于旅游營銷的研究，以旅游電商平臺的營銷為例，圖片數據主要來源于攜程網及TripAdvisor，學者均揭示了酒店體驗中圖片這一非文本元素的重要部分。

2.3 其他線索數據

在旅游電商平臺或社交平臺上，一個完整的評論內容除了評論文本和照片外，可能還包括星級打分、評價者信息等其他線索數據，這些內容同樣會影響消費者的搜索行為及購買決策。例如，酒店評論中體現的星級打分越高，越能增強消費者的預訂意愿。這是因為星級打分在某種程度上體現著評價者對入住過程的滿意程度，分數越高代表體驗過程的滿意度越高。已有研究表明，評論中打分值增加10%將提高酒店銷售額的5%。再比如，評價者的專業程度會影響其他消費者對該評論的有用性感知，評價者的專業度越高，瀏覽者會認為其經驗越豐富，該評論的可信度自然就高于其他非專業評論。

3 UGC數據在旅游領域研究的分析方法前沿

3.1 機器學習技術的分析方法

正如前文所述，消費者上傳的在線圖片數據不僅傳達著游客的興趣和喜好，還傳遞著如旅游活動和行為等額外的信息。在這些數據的處理中，學者采用了一些先進的方法，如機器學習，通過從帖子圖片中解碼有意義的信息，使營銷人員更好地了解游客的行為。例如，Xu等(2015)在全球定位系統(GPS)的基礎上，提出了一種利用機器學習的推薦系統，根據旅游地點的緯度和經度來發現游客的偏好。從以往的研究來看，在旅游研究情境中，學者采用傳統機器學習技術的研究主要包括聚類、回歸及分類的分析方法。

第一，聚類分析，指的是將研究對象進行分組，使同一組中的對象彼此之間比其他組中的對象更相似。這一分析方法減少了稀疏性問題，是分類社交媒體內容的一種常用機器學習技術。例如，Sun等(2019)基于帶有地理標記的照片，通過聚類文本信息構建游客偏好，并據此提供個性化推薦。此外，狄利克雷分配模型作為聚類分析方法之一，也被運用于旅游行業的研究。例如，Guo等(2017)使用 LDA 的方法，從266,544 條在線評論文本中挖掘出影響酒店客戶滿意度的因素。第二，與以聚類分析為主的無監督學習模式有所區別，回歸與分類分析歸屬于有監督的學習模式，這是一種有人工干預的建模方法，目的是識別輸出結果的正誤性。其中，隨機森林、線性模型等屬于回歸分析中的常用算法。在機器學習中，隨機森林是多個決策樹的集成，基于樣本進行訓練并預測的分類器，投票產生分類結果。例如，Ray等(2021)運用隨機森林的算法，對Tripadvisor平臺的酒店評論數據集進行情感分析，并為酒店管理者創建了一個酒店推薦系統。第三，分類分析方法包括支持向量機、樸素貝葉斯等算法，其中支持向量機是一種適用于非線性數據和高維空間的算法(例如，視覺圖片中的像素研究)。旅游的研究者廣泛運用了這些算法，在文字識別、圖像識別方向發揮著較為重要的作用。例如，Zhang等(2019)運用支持向量機的算法，對大量評論文本分析后，分別對酒店商家回復策略及國家地質公園的管理提供建議；Sun等(2019)同樣運用了支持向量機的算法，但研究對象從文本數據換成圖片數據，結合用戶發布的地理標記照片，幫助目的地管理者構建用戶偏好圖譜。對于圖片數據的研究，學者還試圖采用樸素貝葉斯分類器根據照片的相關性對照片進行排序，證實了社交平臺上的照片對目的地形象建設的有用性。

3.2 計算機深度學習

面對互聯網時代帶來的旅游信息過載問題，深度學習模型可用于圖像、文本和自然語言的處理，通過高效處理大規模數據，深入發掘其中蘊含的復雜模式和規律，實現旅游領域的智能化管理和游客體驗的精細化提升。

首先，旅游推薦方面，深度學習模型可以通過大量的用戶行為數據洞察游客興趣和需求，在景點與線路等關鍵信息上為游客提供高質量的個性化推薦服務，為旅游企業制定營銷策略和開發新產品提供參考。例如，Cheng和Su(2022)開發了一種基于深度學習的旅游景點推薦模型，可以有效降低預測誤差，提高旅游景點推薦效率。其次，旅游需求分析方面，深度學習模型具備發掘海量文本中潛在信息和規律的能力，可以高效提取旅游數據中的需求信息。例如，Bi等(2021)基于序列圖像生成、圖像特征提取和模型訓練組成的時間序列成像模型，根據歷史旅游需求數據預測未來旅游需求。再次，旅游智能問答方面，深度學習模型可以通過海量的問答數據，提升智能交互體驗。例如，Ayelet等(2019)以問答論壇為平臺，通過如TripAdvisor等基于旅游指導的游客所需信息，開發新的多維模型，為游客提供改善交通等相關信息。深度學習模型在旅游智能交互的應用進一步滿足游客的咨詢需求，為旅游企業彌補人工服務的缺陷，提高服務效率。最后，旅游監管方面，深度學習模型可以通過檢測異常數據、識別異常行為，提高行業管理效能。例如，Yue等(2019)提出了基于顯著時空特征和稀疏組合學習的旅游視頻異常事件檢測模型，能夠通過旅游視頻在復雜運動場景中進行實時異常檢測。

深度學習技術與大數據的結合為旅游產業注入了新的動力，逐漸成為旅游大數據研究的熱點，在旅游數據分析、智能系統開發和業界管理等方面展現出巨大潛力。數據科學不僅揭示了游客的時空運動，還有助于目的地營銷人員在個性化旅游服務和數字營銷方面的發展。

4 UGC數據在旅游行業中的應用

4.1 UGC數據作用于潛在消費者

UGC數據正在改變人們的消費方式，通過提供真實可信的消費體驗信息，幫助潛在消費者做出更明智的選擇，在影響潛在消費者態度與購買意愿方面發揮著重要作用。

第一，UGC數據可以減少信息不對稱。在購買旅游產品或服務前，消費者無法真正知悉其質量和價值，UGC數據如在線評論可以填補這一信息空白。許多研究表明，消費者更信任其他消費者的評論，潛在消費者可以通過瀏覽其他消費者的真實體驗，對產品有更全面和準確的了解，降低對未知商品的不確定性，進而減少購買風險，吸引更多潛在消費者對產品或服務的關注。第二，UGC數據有助于消費者做出主動、動態和個性化決策。UGC為消費者提供海量信息，促使其不再局限于企業提供的標準化信息中，可以根據真實需求和興趣，選擇性瀏覽相應內容，快速發現有用的信息及尋求最匹配的產品，促使消費決策更加動態與靈活。同時，新興的解析技術可以基于消費者的興趣和歷史行為，挖掘出其潛在的關注點進行內容推送，進一步簡化選擇過程，滿足個性化需求，提高決策效率。第三，UGC數據能夠滿足消費者的社交需求。信息性、社交互動性和趣味性影響著消費者對社交媒體的依戀，人們熱衷于在社交媒體中表達自我、分享體驗和感受，這些數據內容能夠為潛在消費者提供較高的娛樂價值。UGC數據所體現的真實體驗同時可以讓潛在消費者產生共鳴，更能喚起消費者的信任，進而影響其態度和購買意愿。一旦消費者完成購買決策，往往會表現出較高的信息共享意圖，在社交媒體中分享自身觀點的可能性大大增加。

綜上所述，UGC數據不僅可以為潛在消費者提供豐富的信息支持和“社交+分享”的購物體驗與消費模式，還能從認知和情感兩方面影響潛在消費者的心理和行為，促進旅游銷售的提高與轉化。

4.2 UGC數據作用于旅游管理者

數字時代和社交媒體的興起深刻改變著人們的旅游方式，在線文本、在線圖片等UGC數據信息記錄著游客的真實體驗，能夠為旅游產業提供寶貴的市場情報和有價值的顧客洞察，是制定營銷策略、改進產品和服務質量的重要依據。

在旅游UGC文本數據的研究中，景點、住宿和飲食最受游客關注。例如，目的地管理者可以根據景點評論，分析不同游客群體對本地景點、交通等情況的評論，改善景點管理；酒店評論可用于評估和改善酒店的電子口碑；餐廳評論可用來判斷旅游滿意度。因此，旅游企業會定期收集和分析顧客在去哪兒網、攜程、新浪微博等平臺的評論，監測企業產品和服務質量，以不斷改善游客體驗，提高整體旅游滿意度。此外，旅游日記和游記等UGC數據記錄了游客真實的旅行故事和感受，許多管理者采用數據挖掘技術分析大規模的游記文本，自動挖掘最受歡迎的旅游景點、最佳的旅行路線、最值得體驗的項目和有效的旅游時間表等，以產生個性化的旅游推薦。

UGC圖片數據也是旅游企業和目的地監測游客興趣和體驗的重要渠道。游客上傳的照片包含豐富的與用戶、地點和時間相關的有用信息，通過對UGC圖片的內容進行分析可以發現最受游客欣賞和熱捧的景點或活動，為研究游客行為、旅游推薦與營銷和景區管理提供參考。例如，Zhu等(2020)探討了在線圖片質量對游客旅游意向的影響，有效地引起用戶對旅游產品的興趣與偏好。因此，旅游企業可通過評論、博客、圖片等UGC數據洞察顧客興趣與需求，改進產品和服務，提高服務質量和游客滿意度。同時，可廣泛應用于旅游數字營銷、檢測網絡口碑和熱點話題，擴大品牌影響力，推動口碑營銷。

5 現有研究評析與未來研究展望

當前，UGC數據在旅游行業的應用已成為研究熱點，現有研究主要聚焦于UGC數據對企業營銷管理及對消費者決策的影響，但UGC在旅游消費領域的拓展研究和分析技術發展仍有很大的空間。

第一，現有部分研究樣本量有限，容易產生偏差，可能導致分析結果與實際情況出現相反結論。因此，未來研究應采用更大規模的樣本數量，利用海量真實UGC數據探究其對企業發展和消費者行為的作用機理。

第二，現有研究主要采用傳統的文本分析和情感分析技術，難以深層次理解UGC數據的意義與價值，尤其是在線照片數據研究。UGC數據量巨大，內容非結構化，未來研究可以豐富分析手段，引入更強大的大數據挖掘技術，如人工智能、計算機深度學習、知識圖譜等前沿分析方法，獲取其蘊含的豐富信息。

第三，現有研究可以從海量數據中提取有價值的知識，但UGC應用轉化的研究較少，如UGC目的地形象感知的研究主題多停留在現象描述階段，如何在實踐中利用研究結論推動目的地具體運營的研究有待加強，未來研究可注重UGC數據在具體業務場景的應用研究。

第四，UGC現有的旅游研究多集中在旅游推薦、旅游需求分析、消費者心理與行為分析等方面，但UGC數據具有應用于如旅游監管與應急、旅游突發事件與預警系統等研究領域的潛力。此外，可密切關注UGC數據應用面臨的挑戰。例如，數據真實性與可信度、消費者隱私與商業利用、網絡輿論的引導與應對等, 這些存在的隱患與風險值得深入研究。