《“互联网+”背景下旅游电商平台用户粘性的研究.docx》由会员分享，可在线阅读，更多相关《“互联网+”背景下旅游电商平台用户粘性的研究.docx（34页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 “互联网+”背景下旅游电商平台用户粘性的研究-以携程为例【摘要】2015年中国政府提出了“互联网+”政策，再加上5G 技术在生活的推广使用和移动通信网络的快速发展，这使得旅游电子商务发展势不可当，旅游电商平台通过网站、APP及其他途径获得了大量新增用户群体。然而，竞争对手层出不穷、平台同质化现象严重、用户转移成本低等原因造成用户对这些平台的忠诚度不高，用户留存率低，持续使用的用户少。互联网时代的发展瞬息万变，市场淘汰率居高不下，对于任何企业来说，消费者都是我们必须把握的核心。因此对于旅游电商平台来说，保持用户粘性对企业的发展是重要的一环。通过对旅游电商平台的标杆企业携程旅游的用户粘性影响因素
2、的调查研究，发现影响旅游电商平台用户粘性因素包括源于内部因素的感知风险、感知有用性、感知易用性、用户参与度和外部因素的信息准确性、服务质量和独特性。另外本研究对比了携程和其他平台在用户粘性上的发展现状，最后对增强用户粘性提出建议，使用户“入坑”平台，成为平台的“死忠粉”，从而实现平台与用户价值共创。【关键词】旅游电子商务平台；用户粘性；携程Research on user stickiness of tourism e-commerce platform under the background of Internet +- Ctrip as an exampleAbstract In 201
3、5, the Chinese government put forward the Internet + policy, coupled with the promotion of 5G technology in life and the development of mobile communication networks, which greatly promoted the development of tourism e-commerce. So the tourism e-commerce platform has gained a large number of new use
4、rs through websites, app and other channels. However, the endless competitors, the serious homogeneity of platforms and the low cost of transfer have resulted in users low loyalty, low retention rates and fewer users keep using. Everything is changing rapidly in Internet and market elimination rate
5、remains high. For enterprises, users are the key that must be grasped. Therefore, maintaining user stickiness is an important part of development for the tourism e-commerce platform. Through the investigation and research on the factors affecting the user stickiness of Ctrip, which is the benchmark
6、enterprise of tourism e-commerce platform, it was found that the factors include internal and external factors. The internal factors consist of perceived risk, perceived usefulness, perceived ease of use and user participation. The external factors include information accuracy, service quality and u
7、niqueness. In addition, this study compares Ctrip and other platforms on user stickiness, and finally summarizes suggestions on enhancing user stickiness, so that users can use their own platforms and become followers, o as to achieve co-creation of platform and user value.KeywordsTourism e-commerce
8、 platform user stickiness Ctrip 目 录1 前言11.1 研究背景11.1.1 国内外旅游业的发展11.1.2 “互联网+”下旅游电商行业的现状11.2 研究意义21.2.1 理论意义21.2.2 实践意义21.3 研究内容及方法31.3.1 研究内容31.3.2 研究方法41.4 创新点42 理论依据及文献综述52.1 相关概念的定义52.2 相关理论及模型52.2.1 理性行为理论和技术接受模型52.2.2 期望行为理论和扩展的信息系统持续使用模型62.3 用户粘性相关文献72.3.1 国外研究现状72.3.2 国内研究现状82.3.3 综合述评83 旅游电商
9、平台用户粘性影响因素的模型构建与问卷设计103.1 案例选择103.2 构建模型103.2.1 所构建模型的特点103.2.2 影响因素假设113.3 问卷设计124 数据分析与研究结果134.1 描述性统计分析134.1.1 人口统计特征分析134.1.2 行为特征统计描述分析144.2 信度分析164.3 相关分析175 携程对比其他平台205.1 与飞猪、马蜂窝平台的比较205.2 携程增强用户粘性的举措206 启示与展望22参考文献24致谢26附录A 携程旅游用户粘性的影响因素调查问卷调查27 1 前言1.1 研究背景1.1.1 国内外旅游业的发展现代旅游产生于19世纪中叶，在20世纪
10、发展迅猛。中国报告大厅的数据显示，90年代开始，国际旅游收入超过石油、汽车、机电等出口收入，旅游产业逐渐成为世界第一大产业。近年来，随着我国国民消费能力增强，人们对美好的生活有了更高追求，旅游成为我国居民日常生活常态化的选择，这刺激旅游市场不断扩大。除了2003年因为非典人们“足不出户”和2008年因为金融危机经济凋敝，旅游业出现停滞甚至负增长，其余年份旅游增长的速度基本保持在百分之十，每年不断增长的比例表明中国旅游业正在逐渐成为国民经济新的增长点。2015年，我国成为全世界最大的国内旅游消费市场。2019年，旅游业对我国GDP的综合贡献达到了GDP总量的11.05%，全年旅游总收入高达6.6
11、3万亿元的，相比2018年增长了11.05%。2020年受世界性的新型病状冠毒疫情影响，旅游行业与2003年一样进入了寒冬期，但参考非典过后的旅游市场，我们相信，疫情过后，旅游行业的营收应该会出现报复性增长，旅游行业的发展依旧未来可期。1.1.2 “互联网+”下旅游电商行业的现状互联网时代，电子计算机和网络通信技术被广泛应用于各个领域，旅游与电子商务的结合应运而生。我国的旅游电子商务萌芽于20世纪末，旅游电商以互联网为基础，整合旅游企业内外部资源，扩大旅游信息传播与推广，在旅游者和旅游产品提供者之间搭建一个知识共享、交互的平台，成为旅游产品和服务网络化运营的一种模式1。2015年3月中国政府提
12、出“互联网+”政策，“互联网+”的潮流一时席卷各行各业，旅游行业亦是出现了“互联网+旅游”之风。经过这20多年的发展，旅游电子商务现保持着中高速发展的势头，衍生了一大批旅游电子商务平台。这些平台模式各不相同，着重的业务不同。例如，携程专注于票务和酒店预定业务，去哪儿以旅游搜索服务为主，同程网是国内同时拥有B2B和B2C双平台的大型旅游网站。各种各样的旅游电子商务平台的建立，使消费者有了更多的选择可能性，通过对比不同企业提供的各种旅游产品，消费者可以更好地选择适合自身的产品。随着移动互联网的发展、5G技术的商用，旅游电商企业层出不穷，市场竞争日益激烈，各平台日益同质化，如何利用自己的竞争特色，塑
13、造自己的竞争优势，增强用户对平台的粘性，进而塑造品牌认同感、忠诚度，培养用户的粉丝意识这都是一系列旅游电商平台要持续性发展的痛点。1.2 研究意义1.2.1 理论意义目前国内外学者对用户粘性的各方面研究不算少，说明了用户粘性越来越受到人们的关注，用户粘性对一个平台的重要性是不可小觑的，但是旅游电商行业对此的研究只有寥寥几篇。我国的旅游电商行业从兴起到如今发展了20多年，发展速度快但发展时间短，因此对旅游电商行业很多方面的研究有所欠缺，在旅游电商平台用户粘性的研究上，理论研究更是匮乏，故才迫切需要结合旅游电商平台的实际发展情况，对用户粘性影响因素进行相关研究。另外，企业下一步的发展离不开相关理论
14、指导，相关结论进而可为整个旅游电商的的发展提供借鉴。此外，本研究认为用户粘性影响的直接行为就是用户持续使用行为，故本研究一方面丰富了旅游电商平台用户粘性对用户行为影响的研究，另一方面也拓展了对用户行为的研究，了解用户心理，为接下来对旅游平台以及旅游在线服务作进一步研究做好铺垫。1.2.2 实践意义如今旅游电商发展如火如荼，市场竞争激烈。旅游电商平台一旦和用户建立了强粘性关系，用户会自愿、主动使用其推荐的产品或服务，也表示会持续使用该旅游平台，所以用户粘性对用户购买具有重要作用，能够实现流量变现，获得更高效益。了解影响用户粘性的因素，提供满足消费者实际需求的产品和服务，能够提高用户的活跃度和留存
15、率，增强粘性，让用户留存下来比不断拓展新用户的成本更低，性价比更高，节省成本，提高企业营业利润，促进企业发展。通过对旅游电商平台用户粘性相关问题的探索，一方面可以明晰我国旅游电商平台的使用现状、用户感知体验，发现目前旅游电商平台存在的问题，总结经验，为优化产品开发平台设计提供思路支持。另一方面结合携程的例子提出增强用户粘性的方法，为其他企业提供借鉴，促进在线旅游业的发展，助力旅游产业优化升级，创造一个良好的、循环的旅游生态环境。1.3 研究内容及方法1.3.1 研究内容本论文以携程的用户粘性为导入点，借鉴前人对用户粘性影响因素的相关理论和模型，在原有的模型上结合旅游电商平台的特点进行调整，通过
16、调查证明该模型是否合适，从而构建旅游电商平台用户粘性影响因素的模型，总结出影响旅游电商平台的因素，深入分析携程在用户粘性方面做出的举措，总结出与飞猪、马蜂窝相比较，其增强粘性的措施，总结整个行业可借鉴的共性。本文主要分为五大部分：第一部分总的体现了整篇论文的研究思路，是对论文的研究背景、意义、内容、创新处等内容的阐述。第二部分是理论依据和文献综述，理论依据主要是回顾旅游电商平台用户粘性的相关理论依据与模型，为下一步的研究提供借鉴。文献综述主要是梳理过去国内外学者对用户粘性和旅游电商平台的用户粘性的研究状况，明确下一步的研究方向。第三部分是根据前人研究的模型，以影响携程用户粘性的因素为主要研究对
17、象，综合所有模型的共同点，再加上旅游电商平台具有的特性，形成新的模型。然后采取问卷调查的方式验证模型中所提出的因素是否对携程的用户粘性具有影响。第四部份统计、分析收集到的调查数据，验证假设是否成立，总结归纳出结果，再由携程的特殊性推广到一般性。第五部分与其他较有代表性的平台进行比较，深入分析携程在用户粘性方面的举措。第六部分是基于全文的研究和分析之上，总结主要研究结论以及存在的不足，对提高用户粘性提出建议，展望旅游电商行业的未来。1.3.2 研究方法（1） 文献研究法。至今为止，人们对旅游电商平台的用户粘性相关研究比较少，但是对用户粘性的研究相对较多。利用图书馆和网络资源，收集查阅有关旅游电商
18、平台、用户粘性、携程的相关文献，了解三者之间的联系，尽可能地通过对文献的提炼、采纳、总结，掌握理论研究的动态，借鉴国内外学者针对用户粘性提出的模型，进行修改，使其适用于对旅游电商平台的研究。（2） 归纳分析法。本研究选择携程旅游为例进行调研，归纳总结出影响旅游电商平台的用户粘性，然后通过对比分析携程与旅游电商平台在用户粘性方面的差距，总结出增强用户粘性的措施。（3） 问卷调查和数理统计法。本研究借鉴国内外学者相关研究内容，结合新时代下消费者、旅游电商平台和携程三者的特点，认真、严谨设计了调查问卷的题项，然后通过网络以及线下发放问卷。收集完发放出去的问卷后运用描述性统计分析等数据分析方法对收集的
19、数据进行分析。 使得本研究更加直接、科学、客观，令人信服。1.4 创新点首先，研究对象的创新。移动互联网的快速发展，使得旅游电商平台出现移动端和PC端共同发展的局面，旅游者消费方式发生了巨大的变化，与用户产生联系的方式多样化，但粘性并没有因渠道多样化而增强，相反可能减弱，在这个层面上，针对旅游电商平台的理论研究相对来说落后于实践。本文的研究对象是旅游电商平台，大部分学者只侧重研究APP或者网站，本文把移动端和PC端看成一个整体来研究。其次，研究模型的创新。本研究在已提出的理论上加入了对新消费者特性的思考，对原有的模型进行修改整合，并对此进行求证，丰富了旅游电商平台用户粘性影响因素的相关研究，另
20、外也拓展了用户持续使用行为理论，为进一步研究旅游电商平台或在线服务等有关内容进行理论积累。 最后，以携程为例来深入研究，以小见大，再通过携程与其他平台的对比分析深入研究，最后总结归纳出来的结论更具可行性和可信度，也更客观。 2 理论依据及文献综述2.1 相关概念的定义粘性最开始产生于化学、生物等学科，后来在网络环境下的消费行为研究中被引申用于表达消费者与网站之间的关系。用户粘性又被称为用户黏度、用户黏性，至今仍没有官方定义。Judy（2007）认为网站粘性对电子商务企业是否能够成功起到关键作用，使网上游客愿意停留，留下来的客户每次停留时间有所延长，这是网站粘性作为一种能力的表现【2】。王海萍（
21、2009）也认为在线环境下的粘性是一种吸引与保留消费者的能力，是网站的一种属性【3】。Dahui等（2006）认为粘性就是用户对网站的再使用承诺，承诺未来会重复访问并形成使用【4】。从用户视角来看，用户粘性和客户忠诚度相差无几，都是指用来吸引与保留顾客的能力。也有人提出用户粘性是衡量客户忠诚度的一个重要指标，粘性越大，游客的忠诚度就越大，越有利于旅游网站的发展。本研究不对两者做特别的区分。Hallowell（1996）在研究顾客忠诚度的时候也提到了粘性，认为粘性是一种高频率的重访网站的行为【5】。 王立明(2019)将用户粘性定义为用户在使用产品的过程中形成的一种无意识的主观意愿，是测量用户持
22、续使用意向和忠诚度的重要指标【6】。Ruther（2001）认为粘性会增加用户的访问频率和延长访问时间【7】。对于本文来说，当用户总是重复使用同一个平台，花费较多的时间、使用频率较高并持续关注，即形成粘性。所以从用户行为角度来看，用户粘性的外化结果就是用户愿意主动重复使用。2.2 相关理论及模型2.2.1 理性行为理论和技术接受模型（1） 理性行为理论1975年，Fishbein和Ajzen提出了个体的态度和主观规范会影响到其行为意向，进而影响行为的理论。因为该理论建立的前提是人是理性的，即一个人在决定做某事情的时候会根据周围的一切来考虑是否要做该事情以及做了该事情有什么意义和后果，故被称为理
23、性行为理论（TRA）。行为意向不只受到主观上的影响，因此存在一定的局限性。（见图2-1，图源于网络)图2-1 理论行为模型（2） 计划行为理论1985年，Ajzen 认为要完成的事情的简单与否也会影响个体的行为意向，个体在实施行为的时候是有计划性的，于是进一步提出了计划行为理论，在之前的理论基础上增加了感知行为控制。对行为意向的影响因素进行了补充，希望更好地了解个体的行为。（3） 技术接受模型1989 年， Davis在TRA理论基础上进行修改，最后提出TAM，将个体态度和主观规范两个变量换成感知有用性和感知易用性，同时提到了变量之间也会相互影响，感知有用性受易用性影响，另外两个变量都受外在变
24、量影响（见图2-2，图源于网络）图2-2 技术接受模型【9】2.2.2 期望行为理论和扩展的信息系统持续使用模型（1） 期望行为理论购买和使用某产品前，人们总是不可避免地抱有一定的期待，当使用该产品或服务后达到了期望，人们会有一种惊喜感。但是没有达到期望值，人们会对该产品不满意，产生体验上的落差感，可能会导致减少或不再使用该产品和服务。对此，期望行为理论提出最终影响持续使用意愿的直接因素是期望度。（2） 扩展的信息系统持续使用模型2001 年，Bhattacherjee结合ECM和TAM,创新地提出了“期望-确认-满意-意图”的构架，形成了信息系统持续使用模型。该模型涉及到了期望确认度、感知有
25、用性、满意度和用户持续使用意愿四个要素【9】。（各要素关系详见以下图2- 3）之后，Bhattacherjee认为持续使用意愿和持续使用行为分别还受到了自我功效和促成因素两个变量影响，便对模型进行拓展【9】。（见图2- 4）图2-3 信息系统持续使用模型【9】图2-4 扩展的信息系统持续使用模型【9】2.3 用户粘性相关文献2.3.1 国外研究现状从用户粘性的作用来看，国内外学者对其进行了肯定。Hao（2015）等提出粘性受到了在线旅游企业的重视，企业通过对网站采取各种措施希望对游客形成粘性，企业认识到网站的用户粘性越强越能提高游客的忠诚度，越利于发展。【8】。从用户粘性的影响因素来看，Bha
26、ttacherjee（2001）证明了用户的满意度、期望确认度以及感知有用性对用户持续使用意愿有明显的正向影响【9】。后来 Thong (2006)等学者在期望确认模型的基础上加入了感知有用性和娱乐性来衡量系统特性并对移动数据服务进行实证研究【10】。 Judy（2007）选取了434位网站使用者进行了关于网站粘性和购买行为的测试 ，研究结果证实，网站粘性对购买意愿或行为具有明显的推动作用，粘性的形成受网站用户对网站的态度、对网站的信任和网站质量的影响【2】。2.3.2 国内研究现状韦正花和张希风(2014)提出要让用户有意愿持续使用电子商务网站，需要提高其感知娱乐性、有用性、易用性以及用户对
27、于网站感知的服务质量【11】。闫晓甜（2016）基于用户行为认为信息性、便捷性、社交性推动了用户形成使用粘性【12】。李振丹(2015)结合期望确认模型，在感知娱乐性、有用性和易用性基础上引入感知风险这一要素进行移动电商 App 的分析，改良创新了之前的研究模型，做出了单个研究影响因素的贡献【13】。用户粘性的形成需要兼顾理性和感性因素。洪红和徐迪（2015）认为从众心理会对用户持续使用意愿产生影响【14】。陈 晔（2016）等人从直觉和理性的双系统角度出发，一方面，受直觉影响的时尚性因素会影响用户粘性，另一方面，基于理性分析的信息价值对粘性的影响最大，另外理性分析的影响因素因素还包括便利性、
28、感知成本和感知风险。该研究还发现粘性显著正向影响购买意向【15】。王立明（2019）在其研究旅游APP影响因素的文章中提出心流体验和情感依恋对预订类旅游 APP 用户粘性有着显著正向影响，并且情感依恋在心流体验与用户粘性的作用机制中起到中介效应【6】。王亚林（2019）提出了满意度、转换成本、信任、社会影响对旅游 APP 用户粘性的影响是积极的，满意度的影响比较显著【16】。2.3.3 综合述评国外的电子商务发展较早，因此对旅游电子商务的研究会早于其他国家，但更多的是研究旅游电商的网站设计和营销模式以及发展态势，对于旅游电商用户粘性这一板块的研究较少，而现存的相关粘性研究也是更侧重对用户持续使
29、用意愿、购买意向、持续使用行为及其影响因素的研究，而这方面的文献居多。国内的旅游电子商务起步晚于其他国家，相应的研究因此也比其他国家少。但随着电子商务的蓬勃发展，逐渐也对用户粘性的影响因素进行了本土化研究，但研究的对象主要是各类电子商务网站，移动电子商务，社交平台等。虽然旅游电商平台的研究较少，但有关用户粘性的影响因素的模型可以借鉴。大部分研究模型借鉴最多的是ECM和ECM-ISC，ECM主要从个体使用过程中的感受引入，用户使用前的期望确认度、使用中的感知有用性到使用后的满意度确认都是持续使用过程中重要的影响因素。应用ECM-ISC模型主要是加入外部因素，并从使用意愿进一步拓展到使用行为。大部
30、分对用户粘性的研究都是通过满意度这个中间变量来衡量，用户持续使用意愿和行为这个结果来凸显。 3 旅游电商平台用户粘性影响因素的模型构建与问卷设计3.1 案例选择选择携程作为用户粘性影响因素的切入点，兼具了普遍性与特殊性，更有代表性和实践价值。主要有以下原因：（1） 创立时间较早，与我国的旅游电商行业发展时间差不多。1996年华夏旅游网上线，意味着我国旅游电子商务的出现。1999年，携程创立，是典型的B2C旅游电子商务公司，酒店和机票预订是网站的主营业务。（2） 市场占有率高，具有典型的代表性。携程作为旅游电商行业的头部企业，又是典型的OTA模型，更容易找到携程的竞争特色以及对用户的吸引强度，对
31、其他平台借鉴性更强，作为案例研究作用明显。携程通过战略收购了去哪儿网，是同城旅行的第二大股东，投资了途牛，几乎占据了旅游电商行业的大半江山，对整个有旅游行业有很大的影响，以他为研究对象更易总结出影响电商旅游平台用户粘性的影响因素。（3） 用户覆盖广，用户较活跃。携程全球用户都有覆盖，会员数量超过3亿，外国国籍的会员占2500万。携程旅行 App 的活跃用户的留存量和增长速度在行业中领先，用户多，具有强用户粘性的会员也较多，相较于其他平台更具有代表性。3.2 构建模型3.2.1 所构建模型的特点（1） 综合已有的理论和旅游电商的特性，引入新的消费者特性。用户是旅游电商平台粘性的主体，对粘性行为起
32、到关键作用，是用户粘性行为研究的主体。为了研究更加全面，不仅对内在因素进行研究，兼顾外在因素。本文参考国内外学者提出的用户粘性影响因素模型，结合旅游电商平台特性和消费者特性引入新的影响因素，如信息准确性、独特性。（2） 不研究中介变量，更直观地对用户粘性进行研究。纵观对粘性行为影响因子的研究，现有关于持续使用行为和用户粘性的研究和模型通常是把满意度、期望等变量作为中介变量来构建模型，而在研究过程中大部分学者也因此会把重点放在满意度、期望度或持续使用意愿之间，本研究试图直接从用户感知的角度去发现哪些网络使用过程中的要素会直接影响到用户的粘性，隐去期望和满意度这些中介变量，更直观地总结出用户粘性的
33、影响因素。（3） 结合行为表现更体现出用户粘性的影响力。网络粘性导致的结果可以表现为用户持续使用意愿、持续使用和购买行为。借鉴扩展后的用户持续使用模型，本研究将用户持续使用行为作为用户粘性的表达结果，形成“因素用户粘性行为”结构，试图发现最终对购买行为产生的影响，希望通过行为更能够体现出用户粘性对旅游电商平台的影响。3.2.2 影响因素假设首先，纵观国内外对用户粘性影响因素的研究可以发现，感知有用性、感知易用性、感知风险这三个影响因子经常出现。但对感知风险的影响，各位学者却有不同看法，有的认为其对用户粘性没有影响，有的学者认为感知风险能够显著地影响粘性。对于有争论的感知风险，因此本研究也将其作
34、为旅游电商平台用户粘性影响因素来研究。其次，研究中把外部环境作为辅助研究。陈晔提出影响旅游网站用户粘性的因素主要是信息价值、感知成本、感知风险、时尚性和便利性，这些因素中信息价值最重要【15】。旅游电商平台是给用户提供旅游信息和产品服务的，是一个服务平台，也是一个交易平台。借鉴前人理论，结合旅游电商平台的特性，考虑影响因素的时候加入了信息准确性、服务质量、用户参与度三个因素。再者，80、90后消费主力已经崛起，消费者特征出现变化，越来越倾向于产品个性化，针对消费者特性，将独特性也作为影响因素。最后，综上所述，将消费者作为主要研究对象，加以外部环境为辅，以用户粘性影响因素为方向进行研究。从用户自
35、身感知角度和外部变量出发研究旅游电商平台用户粘性影响因素，用户感知角度包括感知有用性、易用性、感知风险、用户参与度，外部变量包括信息准确性、服务质量和独特性，本研究认为以上个因素均对用户粘性产生影响。（见图3-1）感知有用性感知易用性感知风险用户参与度用户粘性行为用户内部变量外部变量信息准确性服务质量独特性图3-1 用户粘性影响因素模型3.3 问卷设计本文为了研究旅游电商平台用户粘性影响因素，采取问卷调查的方式，以此验证上述提到的因素对携程的影响。参考前人关于用户粘性影响因素的研究和查阅归纳国内外相关文献，设计、修改，最终确定该调查问卷。该问卷主要分为两部分：第一部分是被调查者的基本信息，共4
36、个题项；第二部分题项主要围绕期用户粘性这个指标展开设计，调查携程用户粘性影响因素相关的问题，另外也对期望的影响做了调查。问卷共计13个题项，关于携程用户粘性指标设计了9个题项。在研究用户持续使用的时候采用了量表，1-5分代表没有影响、稍微影响、不确定、影响、非常影响。主要是为了测量7个因素中哪个因素影响最大。完整调查问卷参见附录。 4 数据分析与研究结果针对使用携程旅游网或APP的 用户进行线上调查，一方面互联网填写问卷对于用户来说不存在技术方面的问题；另一方面线上调查可以保证较多的调查样本数量，提高样本的有效性和代表性。最后通过各社交平台主要是问卷星共回收有效问卷 117份。4.1 描述性统
37、计分析4.1.1 人口统计特征分析 对根据人群特征分组的样本分布情况进行描述，本问卷设计的人群特征主要包含受访者的性别、年龄、学历和职业（见表 4-1）。 表4-1人口统计特征描述统计人口特征统计内容频率百分比（%）性别 男2723.08%女9076.92%年龄18以下43.42%18259682.05%263597.69%364575.98%465510.85%56以上00职业学生7765.81%公司职员2420.51%政府或事业单位人员21.71%自由职业65.13%个体工商经营者43.42%其他43.42%从受访者的性别来看，女性人数多于男性人数，占受访者数量的76.92%，因本研究主要
38、不是调查性别对用户粘性的影响，所以对性别不做严格要求。从年龄来看，1825岁的受访者占绝大多数，比例高达82.05%，46 岁以上的人数分布较少，仅占受访者数量的 0.85%，2645岁的年龄段占比7.69%，这也与我国当前互联网使用者年轻化的实际情况吻合。从受访者的职业来看，65.81%为学生呢，其次为公司职员，其他职业也有所分布，但较少。该问卷主要发布的对象是80、90后，该人群大部分大部分是学生、工作者，样本总体偏年轻化，但受访者涉及不同年龄、学历、和职业，样本还是基本能反应旅游电商平台的实际用户。4.1.2 行为特征统计描述分析（1） 受访者出游情况描述统计分析 出游情况的基本调查包括
39、每年外出旅游的次数、旅游过程中最常使用的旅游平台。（见表4-2）表4-2 受访者出游情况描述统计出游情况统计内容频率/平均综合得分每年外出旅游的次数02913833次以上5外出旅游时最常使用的预订网站或APP携程7.48飞猪5.68去哪儿3.99同程旅游2.33途牛1.64艺龙1.61马蜂窝1.34驴妈妈0.98其他1.34从被访者的每年出游次数来看，旅游者每年选择出游的次数 1次以上的高达75%，这体现了我国经济的发展和人民生活水平的日益提升，全民旅游、大众旅游状态势不可当。因为外出旅游时最常使用的预订网站或APP题项采用的是排序多选题，所以得到的是其平均综合得分，得分越高说明使用的人数最多
40、。依据旅游者在旅游前或旅游过程中选择使用的预订平台来看，受访者主要使用的前三个APP是携程旅行、飞猪和去哪儿。其中携程使用的人数要远超过其他平台。匹配到实际情况，其原因是携程创立较早，是在线旅游的龙头企业，所以用户使用较多，而飞猪则是背靠阿里，具有先天优势，去哪儿则有可能是因为其垂直搜索比价业务，对用户来说具有较大的价格优势。除了列出来的旅游平台，还有受访者提到了美团和booking。这也说明了当下旅游电商平台竞争激烈，平台“百花齐放”。（2） 频数分析携程的使用情况该问卷的调查数据显示，总调查人数中50%的受访者在选择旅游APP的时候会首先选择携程，24%的人会把携程作为第二考虑对象，而驴妈
41、妈最少被考虑到；共有86位受调查者使用过携程旅游网或APP，占比73.5%，有26.5%的受调查者没有使用过，对没有使用的用户进一步调查发现,不了解、不满意提供的产品或服务、界面设计不舒服、担心隐形收费、习惯使用其他类型APP等原因都有所影响，选择没有听过、对携程不了解和习惯使用其他平台的用户分别达到了45.16%和41.94%。对86位使用过携程的受访者进行了深层次的调查，例如对携程的使用频率、使用携程看中的功能、导致卸载携程的原因、携程可改善的地方以及不符合用户期望时受访者的选择。这86位用户有67.44%在需要时会使用携程，11.63%会经常使用，6.98%会在零碎时间使用，说明携程的用
42、户粘性较好。有75人使用携程最看重的功能是查询信息（航班、门票、美食、路线），占比高达87.21%，远远高于其他功能，其次是优惠活动、推荐个性化旅游线路，比例最少的是进行社交分享，只有7个人选择了这个功能。这跟携程在用户社区这一方面是短板有关。对携程现状不满意的原因主要有缺少全网比价、用户分享信息不够全面、机票购买渠道存在不安全性这三个原因，也有较多受访者对客服回应速度、信用住预定操作困难、主攻年轻人市场，市场面不广提出不满，还有的受访者提到携程的机票价格不稳定。而导致受访者会卸载携程的原因：有69.77%选择了信息泄露风险，58.14%选择了广告较多,54.65%选择了信息不准确，52.33
43、%选择了操作过程较繁琐。以上数据说明了用户对信息泄露风险较敏感，对信息的准确性和安全性要求较高；不喜欢广告较多和操作的繁琐说明了用户体验感也会影响用户持续使用。4.2 信度分析检验调查问卷的题项设计是否可靠和结构是否有效稳定，如果问卷涉及到量表，可使用信度分析里的Cronbachs a 系数来衡量量表内部一致性，信度系数越高则表示该研究数据质量越高，信度水平越好，数据越可靠。通过对信息准确性、服务质量、独特性、感知有用性、易用性、感知风险、用户参与度等因素进行信度检验，检验各因素之间的相关关系。（见表4-3）表4-3 Cronbach信度分析因素校正项总计相关性(CITC)项已删除的系数Cro
44、nbach 系数信息准确性0.9880.9940.995服务质量0.9910.994有用性0.9910.994易用性0.9860.994感知风险0.9840.994用户参与度0.9770.995独特性0.9610.996研究数据 系数为0.995，大于0.9，说明数据信度质量很高。校正项总计相关性数值如果大于0.4，表示各要素之间的相关关系较好，而本研究中的CITC均在0.9以上说明各项之间不仅相关性强，信度水平也很高。综合以上两个数据说明，该问卷的量表设计合理，可为后面的深入分析提供数据支撑。4.3 相关分析在前面已经提过，该模型把用户使用行为作为粘性的结果变量，通过使用携程和使用频率的行为
45、来具体化用户粘性的研究，将对使用携程的行为与用户粘性的影响因素结合起来，所以问卷设计了使用携程的频率的题项，对该模型的相关分析将从影响因素对用户行为的影响来分析，从而得到对用户粘性的影响。（见表4-4）表4- 4Pearson相关分析使用携程旅游网或APP的频率（用户粘性）信息准确性相关系数r0.957*p 值0.000服务质量相关系数r0.959*p 值0.000有用性相关系数0.956*p 值0.000易用性相关系数r0.955*p 值0.000独特性相关系数r0.953*p 值0.000感知风险相关系数r0.954*p 值0.000用户参与度相关系数r0.962*p 值0.000样本数1
46、17注：* p0.05 * p0.01将收集到的117份数据问卷进行分析，表中数据显示，信息准确性,、服务质量,、有用性,、易用性、独特性,、感知风险和用户参与度七个因素P值均为0.000小于0.01，呈现出0.01水平的显著性。Pearson相关系数表示相关关系的强弱情况，用r表示，绝对值越接近于1，则相关性越强。表中各要素的r系数都在0.950以上，所以对使用携程的频率具有很强的正相关影响，进一步分析得出七个因素和用户粘性具有有显著的正相关关系。最后得出结论：用户参与度、服务质量、信息准确性、有用性、易用性、感知风险、独特性对用户粘性的影响从强到弱依次递减，虽然用户参与度影响是最高的，独特性是最低的，但是系数相差甚小，几乎可以忽略不计。原因可能是样本数量过小，或者各因素之间差异性较小，甚至存在重复性，但是从另一方面来讲，也反映了这七个因素对用户粘性有较重要的影响，所以该模型还是有一定的参考价值。 5 携程对比其他平台5.1 与飞猪、马蜂窝平台的比较(1) 阿里带来巨额流量，飞猪用户黏性较强比起携程白手起家，飞猪背靠阿里大生态，在用户粘性上具有先天优势，一开始就有巨额流量引流。数据显示，飞猪会员超过 2.2 亿。80、90后正逐渐成为现时代的消费主力，飞猪八五后的用户高达 88%，九零后相比七零后的消费次数要更频繁。飞猪采用阿里的会员系统和飞猪里程等方