您好, 访客   登录/注册

移动旅游APP用户使用意愿影响因素研究

来源:用户上传      作者:

  【摘要】本文运用文本分析法,对ASO114平台移动旅游APP的在线评论进行词频分析。研究发现,影响用户使用携程旅行APP意愿的因素,主要包括感知有用性、感知易用性、感知风险性、企业声誉、社会影响、信任、价格权衡。
  【关键词】移动旅游APP在线评论使用意愿影响因素
  1引言
  随着使用智能手机访问互联网的人数迅速增加,移动旅游服务已普遍存在,并在影响和改变着消费者搜索信息的行为和获取渠道。由于移动旅游APP可以随时随地的查询、预订和共享信息,移动旅游服务成为一种新的服务主导逻辑。然而,随着国内外关于移动APP使用意愿影响因素研究逐渐成为热点,但移动旅游APP的相关研究仍有待深入。目前多数学者基于技术接受TAM模型和UTAUT模型,采用结构方程模型方法对旅游用户使用意愿影响因素进行实证研究[1,2],也有文献基于在线评论对用户使用意愿进行研究[3,4],但基于在线评论,通过文本分析移动旅游APP使用意愿影响因素的研究相对较少。携程是中国领先的具有代表性的在线旅游服务公司,携程旅行APP的功能较为完善,包括预订机票、门票、酒店,定制旅游产品,团购,租车和美食,旅游攻略等。本文以携程旅行APP为例,通过爬取相应的网络评论,运用文本内容分析,探讨影响用户使用携程旅行APP意愿的主要因素。
  2网评的抽取和预处理
  本文在线评论的文本数据来源于ASO114平台。ASO114平台是覆盖iOS和Android应用市场数据分析的大数据平台,其利用检索规则和排名规则让APP更容易被用户搜索到,帮助开发者有效监控各类APP榜单排名变化、搜索指数排行等数据分析[5]。本文通过Pathon软件爬取携程APP下载用户的相关评论,涉及时间段为2018年6月9日到2018年11月13日。由于获得的评论数量大,质量参差不齐,本文按以下标准进行筛选。第一步,考虑评论可信赖度,通过关键字查找,过滤掉与携程无关的营销广告,尽量采用消费者真实经历且具真实情感的评价。第二步,考虑文本特征,有影响力的在线评论,内容应当完整、详实,且评价应当具备数据分析的可行性,因此根据实际评论情况,筛选时排除字数10字以下的评论。经筛选,共得有效评论4794条。
  3在线评论分析
  3.1词频分析
  本文采用python的jieba分词工具进行分词,并用python编程语言进行高频词统计分析。
  具体步骤如下:(1)将整理好的网络评论编辑成txt格式,导入jieba分词语言;(2)对分词结果出现“的”、“了”这类无意义的助词、量词进行过滤;(3)导入自定义字典,对分词结果进行填补和修正;(4)通过词频分析语句提取排名前250的高频词。考虑到同一个意思可能有不同表达方式,例如“旅行”和“旅游”,对同一个意思的高频词做统一描述,并筛选和修正,最终得出TOP150的词频统计表。
  通过高频词得出,大多数是名词、动词和形容词,集中在产品特性和消费者情感:
  (1)排名最前的词语为携程和旅游,频率分别为3430和3372,显示了本次的调查对象和用户使用的目的;(2)靠前的词语有酒店、預定、机票、车票、攻略等,直观显示了用户的需求和APP为用户提供的服务;
  (3)预定酒店即住宿是用户的最主要需求;(4)用户对携程的态度褒贬不一,大多倾向于消极情绪,例如排名最前的有关用户评价的词语是垃圾。
  3.2类目分析
  类目是文本分析问题的具体化,通常有三种方法确定类目:(1)归纳法:通过对样本的观察分析得出。(2)继承法:不是由数据本身生成,而是根据理论要求,列出需测量的变量,形成类目;或直接来自理论和文献,或来自其他研究领域。(3)结合法:即理论和文献相结合,综合筛选和修正变量的定义及测量方法来建立类目,本文所采用的类目构建方法为结合法。本文基于高频词表,将其分类汇总,得出主要的影响因素如下:
  (1)感知有用性
  基于表1对高频词的提取,出行方面涉及到旅游、一般的出行、自由行、回家和春运等。研究发现:住宿方面,用户比较关注酒店环境和舒适度,例如评论“预定的酒店都是干净舒适的”。购票方面,涉及门票、机票、各类车票,抢票一词的频率最高,说明用户对软件抢票功能较为肯定。服务方面,在于客服和导游服务。目的地涉及景点和去往的不同城市。攻略、游记也是频率排名靠前的词语,表明用户使用APP时会考虑网友的经验和推荐,相关的UGC还包括图片、路线等。软件功能也会影响用户的感知有用性,例如评论“没有提醒功能,还投诉不了,再也不会用它了”。食也是用户的一大需求,例如“还用它查看旅游地方的特色的美食攻略”。关于有用性,用户有很多体验感方面的总体描述,例如实用、必备、强大,说明用户对携程APP的有用性较为关注。
  (2)感知易用性分析
  通过高频词分析发现(表2),用户关注使用的方便快捷和操作简单,如评论“第一次通过携程软件购票,方便,快速,不错”,“预定酒店机票都可以,非常方便快捷”,“操作简单易上手”,“好用全新的界面设计,界面清新”。说明用户对携程APP的易用性较为关注。
  (3)感知风险性分析
  高频词中包含软件功能差、乱扣费和系统问题等相关词语(表3),如抢不到票,强制收费、杀熟、乱扣费等。例如评论“真的垃圾,各种乱收费,手续费贵,隐形扣费”。而系统问题方面,软件会出现界面闪退、网络不稳定等情况。可以看出,当消费者遇到意料之外的问题给自己带来损失时,情绪都很消极愤怒,导致部分用户直接卸载。说明用户对携程APP的使用风险较为关注。
  (4)企业声誉分析
  通过对高频词分析(表4),发现用户对携程的积极评价包含贴心、人性化、好评等,消极方面的评论例如垃圾、差评等,还有一些用户与12306和飞猪对比,如评论“依然是携
  程先抢到车票”,“到处都是吸费陷阱,不如飞猪实在”等。说明企业声誉对携程APP的使用意愿有较大影响。
  (5)社会影响分析
  根据高频词分析(表5),可以看出部分用户是通过身边朋友推荐来下载使用携程软件的,例如评论“携程抢票神器,好朋友推荐我的”,“特别爱旅游,同事推荐这款软件给我”。另一方面用户也会推荐给身边的人,例如评论“太好用了,推荐给亲戚使用”。可见,社会影响对携程APP的初始使用意愿有较大影响。
  (6)信任分析
  根据高频词分析(表6),可明顯得到有关消费者信任的相关词语,如积极方面,信赖、最靠谱、放心等词语;消极方面,骗子、坑人等词语表明用户很不信任携程,觉得自己被欺骗了。说明信任对携程APP的持续使用意愿有较大影响。
  (7)价格权衡分析
  根据高频词可得(表7),便宜、优惠、红包等词语表明价格是用户关注的一个方面,例如评论“酒店预订便宜”,“看上的是景点每月50元优惠券来的,开通之后根本没有!”,“订特价机票特别方便,很划算”。说明用户对携程APP的使用较为重视价格权衡。
  根据高频词分析,可以看出使用意愿方面消费者态度分为积极和消极,积极态度会选择使用携程;消极态度是卸载软件,以后再也不用等。而影响用户使用意愿的主要因素包括感知有用性、感知易用性、感知风险性、企业声誉、社会影响、信任和价格权衡。
  参考文献:
  [1]张聪聪.基于TAM和VAM理论的旅游App用户持续使用意愿影响因素研究[D].兰州财经大学,2017.
  [2]Escobar-RodríguezT,Carvajal-TrujilloE.Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model[J]. Tourism Management, 2014, 43(5): 70-88.
  [3]郑浩晔.在线评论对消费者购买意愿的影响研究[D].北京邮电大学,2019.
  [4]洪菲,郑辉,周颖帆,敖建桥.在线评论对大学生消费者购买意愿的影响研究[J].商业经济研究,2019(08):52-56.
转载注明来源:https://www.xzbu.com/2/view-15132513.htm