谢 萍 罗继锋 吴志艳

(1.上海交通大学 安泰经济与管理学院，上海 200030；2.上海对外经贸大学，上海 201620)

1 研究背景

随着人们生活水平普遍提高，以及公共交通的飞速发展，异地旅游逐渐成为最受人们欢迎的休闲度假方式之一。但是在旅行过程中，当地商家对外地人的“宰客”现象层出不穷，受到社会广泛热议。2015年有名的“青岛大虾”事件，店主在顾客吃完饭后，将38元一份的大虾按照38元一只售出，在顾客提出异议后甚至威胁恐吓顾客和其家人。

这种“外地人生意”现象产生的主要原因是餐馆与消费者之间的信息不对称。信息不对称理论表明在市场经济活动中，各类人员对有关信息的了解是有差异的。掌握信息比较充分的人员，往往处于比较有利的地位，而信息贫乏的人员，则处于比较不利的地位。提供服务的卖家通常比买家掌握更多关于服务真实质量的信息，所以能够利用这些信息并获得超额利润。

相较而言，“本地人”所面临的信息不对称程度较弱，而外地游客的信息不对称程度较强。由于空间距离上的优势，“本地人”搜索成本低，在获取餐馆信息方面会更容易、更及时、更真实，比如亲朋好友的口口相传和亲身尝试，本身也对当地的饮食习惯与风味更加了解。而外地游客通常对目的地餐馆口味与水平是一无所知的，就近随机选择，结果很有可能会“误入圈套”。

Web 2.0使普通用户成为网络信息传播的主体，点评网站的出现改变了餐馆传统的营销方式和消费者做出选择的方式。如今，用户通过点评网站上目标餐馆的众多评价和评分来了解价格、口味和环境等真实信息。数据表明，92%的消费者会阅读网上评论，63%的消费者更倾向于从有用户评论的网站上购买。相对地，餐馆评价也会促使餐厅不断改善自己，努力提高顾客的满意度，因为满意度无疑会带来正面口碑和销售额增长。

在这种新形势下，“本地人”和“外地人”在评价上趋同还是不同值得深入研究。为此，本文将着重研究以下问题：1)在点评网站的加持下，“本地人”和外地游客对餐馆的评价差异；2)市场竞争强度对二者评价会起到怎样的调节作用；3)对于目前“网红餐馆”盛行这一现状，“本地人”和“外地人”是否对其有着相同的评价。

在线评论或评分作为电子口碑的主要来源，消费者可以借助其来做出明智的购买决定，而来自不同群体消费者对电子口碑的不同作用也是一个值得研究的问题。本文的研究内容力图探讨“本地人”与“外地人”这两类群体在点评网站上对餐馆评分的差异，以及影响他们评分的因素，从而对平台网站的建设、餐馆的经营和消费者的选择提出有效建议。

2 文献综述

2.1 信息不对称

信息不对称理论是信息经济学的重要组成部分之一。1970年，阿克洛夫开创性地提出“汽车市场”模型——卖方拥有关于二手车的详细信息，而买方却没有。由于信息不对称，除非卖方能够可靠地将有关汽车的信息传达给买方，否则双方之间会交易破裂。与大多数信息经济学模型一样，在阿克洛夫模型中，各方面临的挑战是如何克服信息不对称并参与交易。信息经济学有助于解释企业在许多情况下的交互，包括企业战略和联合研发。例如，行业关联性和地理邻近性可以减少信息不对称。

餐饮行业中，提供服务的餐馆作为卖方，消费者作为买方，自然也存在信息不对称。消费者在选择餐厅就餐时通常会有多方面的考虑，但最终做出选择主要凭借的要么是个人经验，要么是对餐厅的信任。因此，消费者在选择时面临着相当大的不确定性。餐饮作为典型的多属性商品，不确定性不仅关系到餐厅提供的食物，还涉及整体的就餐体验。诸如食物口味、食物质量、氛围、服务质量、餐厅位置、菜单选项和价格等，都有助于食客评估餐厅是否值得再次光顾。当消费者在可选择的餐厅中做决定时，如果他们的经验有限或没有经验，他们将面临不确定性。为了解决这种不确定性，他们会寻求各种信息来源，包括由商家控制的和不受商家控制的来源。与商家控制的来源(如付费广告等)相比，不受商家控制的来源(如口碑)通常更可信和更有影响力。

商家进行定价时，也会考虑到消费者的信息搜索成本。“见多识广”的消费者往往知道各类产品和价格的全部分布，而“信息贫乏”的消费者则对产品和价格的分布一无所知。所以在提供同质产品的前提下，“见多识广”的消费者总是去价格较低的商店，而“不知情”的消费者则随机做出选择。因此相对本地人而言，外地游客最终大概率会选择到品质一般的餐馆，就餐经验也会不尽如人意。此外，更多“信息贫乏”的消费者最终会导致支付的平均价格上升。这也在某种程度上解释了“旅游景区‘外地人生意’更为突出”这一现象。

2.2 口碑及其作用

“口碑”(word of mouth, WOM)作为消费者之间关于产品和服务的人际交流，是消费者获取市场信息最重要和可靠的来源之一，时刻影响着消费者的购买决策。“口碑”之所以具有如此大的影响力，是因为相较于产品的广告商或营销人员来说，消费者通常更信任同为消费者的评价。有学者已经发现口碑能够影响消费者对产品的判断。

“口碑营销”对消费者决策过程的影响之大早已被人们所熟知。但传统的口碑通常发生在较小的社会团体中，对话结束后就不复存在。二十一世纪以来，随着互联网的出现和电子商务的发展，口碑传播的力量变得更加强大。越来越多的基于用户的在线交互消除了传统对等通信的一些局限性，基于Web的交互或电子口碑(e-WOM)可以在遥远的个人之间进行，更重要的是，不需要个人同时发送和接收消息。新媒体传播机制使用户在信息消费方面有了更多的主动性。相较于传统形式的口碑，电子口碑通常发生在彼此没有或几乎没有关系的人之间，并且一般可以选择匿名。

“电子口碑”独有的特性鼓励消费者与其他人分享他们的经验感受，从而大大增加了“电子口碑”的数量。然而，大量的“电子口碑”造成的信息超载也可能会造成混乱，并对人们的购买意愿产生负面影响。为了减少信息过载的负面影响，点评网站等线上平台需要提供让消费者轻松识别有用评论的工具或措施。

3 假设提出

由于心理距离会增强评论的积极性，因此空间距离越大，消费者的评分越高。此外，一致性理论认为人们在心理上有保持认知和行为处于平衡状态的需求，如果某种认知或行为与本人正在经历的产生矛盾，那么会出现失衡。受影响的人对此会产生不快的情绪，就有动机减少这种不一致的状况。对于外地人来说，大多数会在旅行之前花费大量的时间和精力对目的地进行详细调查，了解当地热门景点，尤其是特色美食和热门餐厅。人们在某项事情上付出越多，越会为自己的选择或行为正名。故而，越是对旅行地慕名已久、远道而来的游客，对餐馆的评价应该越高，如假设1所示。

H1：与本地人相比，外地人对餐厅的总体评分较高。

毫无疑问，本地人对当地餐饮市场竞争强度的感知比外地人更为敏感。最近哪里新开了餐厅，哪家餐厅总是排很长的队，抑或哪家餐厅关门了，本地人总是能很快知道。当市场餐馆数量增多时，本地人的选择也会变多，可用来比较的餐馆对象变多，作为“被宠坏的消费者”，他们在评分时也会更加严格和“挑剔”。他们对当地餐饮市场的竞争强度有更深入的了解和体会，而外地人仅从网上获取信息是无法对市场竞争有明显感知的。外地游客往往在到达前就已经根据“电子口碑”做出选择，故受市场竞争环境的影响较小。因此，可以推测出市场竞争强度对本地人的影响更大，导致其评分更加严格，如假设2所示。

H2：与竞争强度低的市场相比，本地人在高竞争强度的市场中会打出比外地人更低的餐馆评分。

无论是外地人还是本地人，点评网站在某种程度上都减轻了商家和消费者之间的信息不对称，消费者可以从来自不同位置的庞大人群中获得有关产品和服务的信息，也可以了解到价格和其他非产品属性，帮助其做出更加明智的购买决定,为其提供极大的便利。然而这份便利的背后也需要付出一定的代价。电子口碑直接影响到消费者对品牌的选择，当消费者把目光都聚集在受欢迎的“网红”餐厅时，他们反而失去了更多的选择机会。事实证明，“网红”餐厅并不一定都品质高、服务好。相较而言，本地人由于获取信息渠道广泛，自身对当地餐厅有更多了解，他们不怎么会把选择局限在点评网站上热门的、“网红”的餐厅，在就餐选择上更加理性。而外地游客往往会更多参考电子口碑，更愿意尝试“网红”餐厅。因此，本地人和外地人在对“网红”餐厅进行评价时应该有显著差异，并且本地人会更加挑剔，给出较低的评价，如假设3所示。

H3：与外地人相比，本地人对“网红“餐厅的总体评分较低。

4 数据及研究变量

4.1 数据来源

本文数据来源于Yelp网站。Yelp是美国著名点评网站，于2004年在美国旧金山成立，囊括餐馆、家庭和本地服务、购物等各领域的商户。用户可以在Yelp网站中给商户打分、提交评论、交流购物体验等。本文用到的数据主要来自Yelp官方网站于2019年1月15日公开发布的数据集。该数据集包含两个国家(加拿大和美国)10个大都市区的商户，数据内容包括商户信息、评论、用户、签到、短评和图片等。

Yelp网站采用了一套专门的自动化推荐软件来动态识别用户的评论内容，针对可能存在的虚假评论，例如看起来毫无意义的咆哮或狂言、刷单、有偏见的建议等，Yelp网站将“不推荐”该内容。而且当前不推荐的评论不会影响企业的星级，只有“推荐”的评论才会被纳入企业的总体星级评定。本文所用到的公开数据中仅包括Yelp在数据收集时“推荐”的评论。此外，一项研究也表明Yelp的过滤算法在识别虚假信息方面总体上是有效的，在排除可疑评论方面采用了一种保守的措施，大约有16%的Yelp餐厅评论被过滤掉了。

4.2 “本地人”与“外地人”的测量

本研究中，“本地人”和“外地人”定义的实质是二者在餐馆信息的获取渠道上存在差异。“本地人”表示更熟悉该城市的群体。“外地游客”则代表对该城市不熟悉的群体，缺少从线下获取信息的机会和渠道，几乎只能从互联网(点评网站)上了解，相对来说，受点评网站的影响也更大。根据所得数据，本文中将“本地人”定义为评论用户所在的州和城市与商家所在的州和城市一致，否则为“外地游客”。此外，考虑到实际情况和数据的误差，为保证结果的可靠性和稳健性，我们还分别以用户位置与餐馆所在地之间的空间距离小于“5km”“10km”设计额外的2个“本地人”的标准。

4.3 样本数据及研究变量

本文研究重点是“本地人”和“外地人”消费者对餐馆的评价差异问题，因此在Yelp公开数据集随机抽样了位于美国城市的部分餐厅。由于Yelp公开数据集中提供的用户数据缺少“用户位置”这一重要属性，故使用Python编程，以用户id为依据爬取网站上用户登记的居住城市，并使用Google Maps应用程序编程接口通过地理编码获得经纬度坐标。数据收集截止时间为2018年11月14日，最终收集到的数据共有29938家餐馆、相关评论588916条、129565位用户，其中餐馆数据和用户数据靠评论id进行连接。控制变量包括评论层面信息、用户层面信息，以及时间和商家层面固定效应。详细变量类型及描述见表1。

表1 变量描述

本文中市场竞争强度用市场餐馆数来衡量，同时使用测量产业集中度的综合指数——赫芬达尔-赫希曼指数(HHI)来对结论验证。由于餐厅的市场份额无法获取到，所以根据餐厅的评价数量来计算HHI。一家餐厅获得的评价数与其市场份额成正相关，因为随着时间推移，建立了客户基础的餐厅的评价数量也会逐渐增加。“市场餐馆数”与HHI指数具有统计学意义上的显著负相关(Pearson检验ρ=-0.3023，p-value= 0.0000)。这意味着较高的HHI与市场餐馆数量的较低值相关。因此下文将同时展示分别用“市场餐馆数”和HHI指数来衡量市场竞争强度的模型结果。

用户评分应是受当时市场竞争强度的影响，因此本文计算了评论时间所处季度的HHI指数和市场餐馆数。将每家餐厅每个季度总市场份额的平方相加得到城市层面的季度HHI，取值范围在0到1之间。具体计算方法如下：通过城市i餐馆j在季度t的评论数和该城市在当前季度的评论总数，计算餐馆j的市场占比bus_shareijt，进而计算该季度该城市i的HHIit=∑j(bus_shareijt)2。

5 实证结果与分析

本研究的主模型如下：

starsijt=β0+β1ILijt+β2ln(MARijt)+β3MCijt+β4(IL}*MCijt)5+β5(ILijt*ln(MARijt))+ ∑Jρj*Rj+∑Tτt*Mt+αXijt+γYi+ijt

(1)

其中下标i、j、t分别表示用户、餐厅、时间。starsijt表示当前评论的用户评分。ILijt表示该评论是否为“本地人”的评论。MARijt表示当前评论之前餐馆的“月均评论数”，并取自然对数，用来衡量餐馆的受欢迎程度(月均评论数越多表示餐馆越“网红”)。MCijt表示市场竞争强度，分别用HHI指数和“市场餐馆数”衡量。为便于解释，令HHI′=1-HHI，则可以理解为HHI′越大，市场竞争强度越大。为研究市场竞争强度对“本地人”和“外地人”评分的影响，以及二者对“网红”餐馆评价的差异，将“市场竞争强度”和“月均评论数”分别与“是否为本地人”做交互，添加了两个交互项。Rj表示商家固定效应，Mt表示以月为单位的时间固定效应，X和Y分别表示一组评论和用户信息控制变量的向量，ijt为随机误差项。在进行模型运算时，已对部分变量进行了取自然对数的处理。商家-时间双向固定效应模型回归结果如表2所示。

表2 模型回归结果(因变量为“评论评分”)

如表2列Ⅰ和列Ⅵ，所示自变量“是否为本地人”在1%的显著性水平下显著为负，证明了假设1成立，即与本地人相比，外地人对餐厅的总体评分较高。本地人对自己生活的环境总是更加熟悉和习以为常，只要花费很少的精力就有更多时间和机会尝试不同的餐馆，因此在进行评价时可以有更多的比较，打出“严格”的评分。而外地游客对目的地几乎是一无所知，因为时间有限，只能凭直觉或从网上搜集到的信息来做出为数不多的选择，由于缺少比较，以及出于对自身付出的认可，因此会做出较高的评价。

不同的“本地人”衡量方式结果一致，系数显著为负，而且数值变化不大(见表2列II、Ⅲ、Ⅵ、Ⅶ)。

市场竞争强度的系数在1%的显著性水平下显著为负，表示市场餐馆数量越多，即市场竞争越大，用户评分会越低，说明市场竞争强度会显著降低用户的评分。两种不同的市场竞争强度衡量方式在结果中的解释是一致的。

将表示“市场竞争强度”的“市场餐馆数量”和“HHI’指数”与“是否为本地人”做交互，分别得到表2中列Ⅳ和列Ⅸ。交互项“市场竞争强度*是否为本地人”的系数显著为负，表示市场竞争强度对“本地人”的影响更大，证明假设2成立——本地人在高竞争强度的市场中会打出比外地人更低的餐馆评分，即当地市场(以城市为单位)竞争强度越大，市场餐馆数量越多，本地人的评分会更低。

表2列Ⅴ和列Ⅹ分别展示了在两种不同的市场竞争强度下，餐馆受欢迎程度与“是否为本地人”的交互结果。列Ⅴ中交互项“月均评论数*是否为本地人”的系数在1%的显著性水平下显著为负，其他各项系数也都显著，表示越受欢迎的餐馆，本地人的评分越低。但是在采用“HHI”指数作为市场竞争强度对结论进行验证的结果列Ⅹ，虽然交互项“月均评论数*是否为本地人”的系数显著为负，但“市场竞争强度*是否为本地人”的系数却不显著，导致该结果只能部分证明假设3。总而言之，点评网站有效减轻了餐馆和消费者之间的信息不对称，对“外地人”的好处更是显而易见。但是点评网站也催生了一些“网红”餐馆，更多地出现在“外地人”的视野中，使他们陷入打卡“网红”的圈套。而“网红”往往并不代表高品质，反而限制了外地人的选择。通常，我们认为“本地人”的评价是更为真实和有效的，回归结果也在一定程度上表明他们对“网红”餐馆的评价会更严格。

6 结论及现实意义

本文从两类评论用户群体出发，创新性地研究了二者在点评网站上对餐馆评分的差异，以及影响他们评分的因素。外地人主要从点评网站等线上平台了解当地餐馆，因此他们的选择会比较单一，不可能对整个市场有全面和深层的了解，而本地人则对所处城市的整体环境更熟悉、对当地饮食风格的评价更真实和专业。因此，本地人在评价时会更加严格和苛刻，外地人则评分较高。相对外地人来说，市场竞争强度的增加会提供给本地人更多选择和比较对象，而外地人受点评网站所限，并不会得到和本地人一样多的选择机会，所以本地人评价更为严格，对“网红”餐馆的评价也更低。

本文的结论证实了“本地人”比“外地人”更为理性，评价更严格。因此，对于平台网站来说，在餐馆主页的用户评论中添加“本地人”和“外地人”标签可能有助于帮助外地游客做出更为理性的选择。此外在网站上增加“本地人”推荐板块，鼓励更多的本地用户分享经验，从而可以增加用户对网站的好感和满意度。对于用户来说，在搜索餐馆评论时，除了评论内容本身也应该额外关注评论者的居住地，“本地人”的评论可能会更可靠一些。餐馆方面，也需要摒弃“做外地人买卖”的思想，互联网营销在给商家带来热度的同时也会放大其不足，只有提高服务水平、提供美味的食物才能获得更多消费者的青睐。