1.青岛理工大学 管理工程学院 山东青岛 266525 2.青岛理工大学 人文与外国语学院 山东青岛 266525
摘要：“全域旅游”模式在我国迅速发展，“互联网+”推动共享经济模式下民宿服务质量进入新发展轨道。以青岛市七区民宿为研究对象，基于内容分析法构建青岛市民宿服务质量评价指标体系，采用主成分分析法评价青岛市民宿服务质量，基于GIS揭示青岛市民宿服务质量空间分异规律。研究发现：青岛市民宿服务质量整体处于中等偏下，市北区民宿服务质量最高，市南区精品民宿数量居各区之首，黄岛区房源量最多，但服务质量偏低。服务质量空间分布不平衡，呈现中部高、四周低的特点，具有明显的商圈、景点集聚现象。
关键词：民宿服务质量；内容分析法；主成分分析
一、引言
随着全域旅游在我国的迅速发展，住宿业成为推动全域模式的强大驱动力。而共享经济的加速发展，“互联网+”模式的普及，以民宿业为代表的住宿业产品打破原有模式，走进全新的发展轨道。“互联网+住宿”功能的民宿行业，将全域旅游与共享经济在实践中深度融合，相互支持。如何系统、科学地评价区域民宿业服务质量，为地方发展全域旅游提供基础数据支撑，成为国家全域旅游示范区创建工作纵深推进的当务之急。
规范民宿市场，扩大民宿规模的关键是如何提高民宿服务质量，而如何科学评价民宿质量的关键是如何建立科学的评价指标体系。互联网的普及与发展，使得消费者获取民宿服务质量相关信息变得便捷，因此在现有的研究中，基于网络评价的内容分析法广泛应用于“互联网+”模式下的评价体系建立[1-2]，并通过顾客角度筛选影响民宿的主要因子[3-6]。
本文聚焦于青岛七区，通过网络评价识别获取评价指标，并通过主成分分析法，进行评价分析，并与主流民宿网站进行对比，佐证方法有效性。
二、数据来源与研究方法
（一）数据来源
本文数据来源于途家、小猪短租民宿官网，采用网络爬虫工具获取。数据显示青岛市在线民宿共有超过2100页，约30000多套房源，本文随机爬取了默认排列状态下的600套房源信息，样本各区数量比与各区房源总数量比大致相同，具有一定代表性，为避免数据误差，剔除评论数少于5条的房源，最终得到454套房源相关的数据。
（二）研究方法
1、指标体系构建
本文根据顾客需求影响民宿服务质量的客观事实，以客观性、系统性和可获得性为原则，从在线评论与顾客访谈中提取服务质量的评价指标。
在多家民宿网络平台爬取青岛市民宿有效顾客评论1500条，利用ROST CM对获取文本进行处理得到语义关系频数表与语义网络图。根据词频表综合在线评论与顾客访谈，选取了14个青岛市民宿服务质量的评价指标：价格、户型、床位数、宜住人数、押金、点评数、优惠力度、综合评价、整洁干净、管理服务、交通位置、设施装修、安全程度、性价比。
2、主成分分析法
a.原始数据检验处理
在主成分分析之前，首先对样本数据进行KMO和Bartlett检验，保证样本数据的可操作性。其次，采用Z-score标准化方法对数据进行预处理，经过处理的数据符合标准正态分布，消除数据量纲。
b.主成分提取
由标准化数据建立指标间的相关系数矩阵，进而得出相应的特征值λi（i=1，2...，14），并将其大小按降序排列，根据特征值大于1的原则提取前n个主成分。
c.计算主成分值
.png)
.png)
Uj为系数向量，Aj为特征向量，λi为特征向量对应的特征根，Fj代表主成分的值，ZXi表示标准化后的指标数据。
d.计算主成分综合评价值
.png)
.png)
Wj表示主成分的权重，即该主成分的方差贡献率占累计方差贡献率的比值，F表示主成分综合评价值。
三、实证研究与结果分析
（一）实证研究
样本的KMO检验值为0.861>0.7，显著性概率为0.000<0.01，表明收集样本数据适合做主成分分析。
表1 KMO和巴特利特检验
.png)
用SPSS将标准化后的数据进行分析，得出解释的总方差和成分矩阵，见表2、表3。依据特征值大于1的原则选取3个主成分，累积贡献率77.593％，具有较好的代表性。
表2 总方差解释
.png)
特征向量的绝对值越大，对主成分的影响越大，对主成分的解释力越强。根据各主成分所反映的变量特征可将其做如下归纳：第一主成分的特征值为5.383，主成分方差贡献率为38.448%，主要以综合评价、整洁干净、管理服务、交通位置、设施装修、安全程度、性价比等7个指标为代表，反映了民宿被赋予的情感特征；第二主成分的特征值为3.760，主成分方差贡献率为26.854%，主要以价格、户型、床位数、宜住人数、押金等5个指标为代表，体现了民宿的基本特征信息；第三主成分的特征值为1.721，主成分方差贡献率为12.291%，主要以押金、点评数、是否有优惠等3个指标为代表，体现了民宿的额外收费与优惠情况。
表3 成分矩阵
.png)
.png)
.png)
.png)
.png)
根据青岛市民宿服务质量评价的综合得分F，获得表4中的排名1。
为验证样本服务质量排名的可靠性，同时抓取网站上样本房源的综合优势排名情况，记为排名2，见表5。从整体上看，两种排名差距较小，表明本文建立的青岛市民宿服务质量评价指标体系及评价方法的有效性和排名的准确性。为进一步精确检验排名1和排名2是否一致，本文引入Wilcoxon符号秩检验。结果表明，显著性水平为0.386，说明排名1与排名2一致的原假设成立。
表4 青岛市民宿服务质量排名
.png)
由表5中得分的分布可以发现，得分呈现左偏厚尾分布，得分主要集中在 -1~1之间，依据得分跳跃的大小变化可划分为5个区间，具体划分情况见表5。
表5 青岛市民宿业服务质量分类
.png)
（二）结果分析
青岛市民宿服务质量的评价结果分析：
第一名综合得分3.91，最后一名综合得分-7.9，67%的民宿服务质量综合得分介于（-1，1]之间，说明青岛市民宿服务质量普遍处于中等偏下水平。分析整个民宿市场，青岛市民宿发展时间较短，现阶段大多数经营模式为个体经营，营销理念与改造整合能力受限，没有形成规模化、特色化发展。
F>0，说明其综合服务质量在青岛市民宿的平均水平之上；F<0，说明该房源的综合服务质量在平均水平之下。结果显示，有183套房源的综合得分在0以下，即约有40.3%的房源综合服务质量水平偏低，这些房源多以低端的农家小院为主，大多还局限于田园、果园、民居等浅层次的开发利用，停留在观光、采摘、农家宴、渔家宴等层面，产品体系总体上还处于低端，存在着经营模式雷同，产业链条短，体验程度不高等问题，缺乏核心竞争力。
青岛市民宿业服务质量的空间分布特征：
（1）通过制作青岛市民宿服务质量综合得分热力图可得，市南区、市北区、黄岛区均出现明显的高分集聚区，其中市南区3个、黄岛区2个，市北区却仅有一个，而在F>0的房源中，市南区占据28.5%，市北区占据21.2%，黄岛区占据28.9%，崂山区占据12.8%，以F>0数量占比与各区房源数量占比的比值为标准，则市北区>市南区>崂山区>黄岛区，反映出市北区民宿平均服务水平最高。由于市北区是青岛市人口分布最密集的老城区，其景点以文化产业类为主，如啤酒博物馆、青岛民俗馆等，景点分布较为分散且游客吸引力水平较市南区、黄岛区差距较大但景点彼此之间差异较小，因而对周围民宿的辐射作用较为一致，服务质量较为平均，市北区唯一的高分集聚区出现在有名的台东商业街及CBD万达广场商圈附近，反映了影响市北区民宿服务质量水平的主因不是景点辐射而是商圈辐射。
（2）综合得分排名前100中，市南区占据40.1%，市北区占据15.6%，黄岛区占据25.4%，崂山区占据11.7%，对照各区房源数量比，证明市南区精品民宿数量居各区之首，民宿较其余各区有较高服务质量，市北区次之，黄岛区房源虽数量最多，但服务质量有待提高。首先从旅游资源分布上，市南区处于青岛市旅游带的核心位置，是有名的“红瓦、绿树、碧海、蓝天”的人间画卷，青岛市绝大多数的旅游景点分布于此区，因而市场需求旺盛，基于市场需求，栈桥、火车站、五四广场、八大关、小青岛附近民宿分布数量多，集聚性强，市南区民宿高分集聚区出现在火车站、栈桥及八大关等人流量大、市场需求旺盛的景点附近，黄岛区民宿高分集聚区出现在琴岛之眼——摩天轮及金沙滩附近。由此可见，青岛旅游资源的分布情况很大程度上主导了青岛民宿乃至精品民宿的空间格局。其次，从民宿高分集聚区均分布于主要交通道路沿线附近，以地铁线为主，而黄岛区作为2014年新建的经济新区，其地铁等配套设施还未健全，未出现明显的道路集聚效应，但自从跨海大桥及隧道建成之后，黄岛区民宿数量出现了急剧增长，这也表明，良好的交通通达性是影响民宿质量的重要因素。
综上，青岛市民宿服务质量整体处于中等偏下水平，空间分布不平衡，呈现中部高、四周低的分布特点，与各区经济发展水平趋于一致，黄岛区民宿数量多服务质量较低的特点也符合现阶段黄岛经济开发区经济发展迅速，但经济水平还未鼎盛的发展现状。市北区民宿服务质量受商圈影响较大，而市南区、黄岛区乃至崂山区民宿服务质量均具有明显的景点集聚现象，而交通通达性是影响整个青岛市民宿质量的重要因素。
四、结论
本文运用内容分析，通过网络在线评论，结合顾客访谈，构建了青岛市民宿服务质量评价指标体系，进行青岛市民宿的服务质量排名与各区发展现状分析。基于主成分分析法可从14个评价指标体系中提取3个主成分，解释了原指标77.59%的信息，具有一定的代表性。基于服务质量评价模型可得到青岛市民宿服务质量排名，经Wilcoxon符号秩检验验证了排名的准确性，分析发现青岛市民宿服务质量整体上处于中等偏下水平，空间上呈现中部高、四周低的分布特点，与各区经济发展水平趋于一致，且民宿质量受商圈、景点及交通影响较大。
参考文献：
[1]张琰，俞越，潘华丽.基于网络文本分析的不同档次酒店顾客满意度影响因素对比研究[J].旅游论坛，2017，10（03）：45-57.
[2]汪会玲，吴梦颖.基于社会网络分析的我国家庭旅馆评价模型构建[J].管理学报，2015，12（03）：433-438.
[3]Gunasekaran N，Anandkumar V.Factors of Influence in Choosing Alternative Accommodation：A Study with Reference to Pondicherry，A Coastal Heritage Town[J].Procedia-Social and Behavioral Sciences，2012（6）：1127-1132．
[4]Guttentag D.Airbnb：Disruptive Innovation and the Rise of an Informal Tourism Accommodation Sector[J].Current Issues inTourism，2015，18（12）：1192-1217.
[5]李燕琴，于文浩，柏雨帆.基于Airbnb网站评价信息的京台民宿对比研究[J].管理学报，2017，14（1）：122-128+138.
[6]卢慧娟，李享.基于IPA分析法的民宿旅游吸引力研究——以北京城市核心区四合院民宿为例[J].
基金项目：国家级大学生创新创业训练项目（S202010429038）；山东省高校智慧城市建设管理研究中心