巩超 吴泓

【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.