E-Commerce Letters
Vol. 08  No. 04 ( 2019 ), Article ID: 32950 , 8 pages
10.12677/ECL.2019.84016

Analysis of International Research on Tourism E-Commerce from 2017 to 2019

—Taking ATR, TM, JTR as Research Objectives

Xintong Yang, Jungchieh Lee

International business Faculty, Beijing Normal University Zhuhai Campus, Zhuhai Guangdong

Received: Oct. 22nd, 2019; accepted: Nov. 7th, 2019; published: Nov. 14th, 2019

ABSTRACT

This paper analyzes 84 tourism e-commerce articles published in the three top travel journals (Annals of Tourism Research, Tourism Management and Journal of Travel Research). We establish the eight research topics (social media, online scoring, online commentary, peer-to-peer accommodation, network technology, mobile platform, online travel agency and online word-of-mouth). The eight major research topics are explored and investigated, and research conclusions are discussed and summarized. Moreover, this study analyzes the topics of paper published by Chinese scholars and further explores future research directions of tourism e-commerce development in China.

Keywords:Tourism E-Commerce, International Journals, Literature Analysis

2017年至2019年旅游电商国际期刊分析

——以ATR,TM,JTR为研究对象

杨欣彤,李荣杰

北京师范大学珠海分校国际商学部,广东 珠海

收稿日期:2019年10月22日;录用日期:2019年11月7日;发布日期:2019年11月14日

摘 要

本文对Annals of Tourism Research (ATR)、Tourism Management (TM)和Journal of Travel Research (JTR)三大权威旅游期刊上发表的有关旅游电子商务的84篇文献进行了分析,确立了“社交媒体、在线评分、在线评论、在线短租住宿、网络技术,移动端、在线旅行社和网络口碑”等八大研究主题领域。接着,本文对此八大主题研究领域进行分析,并进行了归纳总结。同时,通过对其中中国学者发布的论文主题进行分析,进一步探讨了未来我国旅游电子商务发展研究的重点和方向。

关键词 :旅游电商,国际期刊,文献分析

Copyright © 2019 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

1. 引言

根据《世界旅游经济趋势报告(2019)》 [1],2018年全年全球旅游总人次达121.0亿人次,较上年增加5.8亿人次,增速为5.0%,全球旅游总收入达5.34万亿美元,相当于全球GDP的6.1%,旅游逐渐成为全球人们生活中不可缺少的一部分。与此同时,快速增长的全球电子商务使许多行业的融合发展成为可能,电子商务市场最著名的行业之一的是旅游业,而旅游电子商务作为旅游产业中新的主力军,具有整合性、快捷性、交互性等特点。近年来人们对旅游电子商务的使用越来越普遍,其模式正在被越来越多的人所接受,发展潜力还有很大的空间。据艾瑞咨询发布《2018年中国在线旅游行业研究报告》 [2] 显示,2018年在线旅游市场交易规模将突破1.48万亿元,相对于2017年的1.17万亿元,同比增长26.5%,再创历史新高。在学术界,针对旅游电商发展的研究论文日益增加,相关文献的数量不断增长,中外学者对旅游电子商务的研究不断深入与延伸,近年已成为热门议题之一。旅游研究纪事(Annals of Tourism Research, ATR)、旅游管理(Tourism Management, TM)和旅行研究杂志(Journals of Tourism Research, JTR)是旅游研究领域公认的国际三大权威旅游期刊,这三大期刊刊载的文献代表着旅游研究领域的最高水平和最高质量。纵观我国旅游电子商务的发展,随着中国互联网用户数量的迅速增长,使用互联网进行旅游电子商务交易已经被越来越多的消费者所接受并逐渐形成习惯。然而国内关于旅游电商的研究还存在着基础理论研究不足,研究方法相对单一,研究范围较窄等问题,针对这些问题,通过对这些文献进行综述,掌握国际旅游电商研究的最新动态,为我国旅游电商的研究提供借鉴。

2. 研究内容与研究方法

本文研究的文献主要包括2017年至2019年发表(截止本文进行文献分析前,JTR与TM的2019年的期刊已全部刊登,而ATR只刊登到2019年第78卷,之后还未刊登)在这三大刊物上以旅游电子商务为研究对象的所有论文(但不包括短篇通讯类文章),共84篇,其中:ATR 14篇,TM 50篇,JTR 20篇。本文也统计出三大旅游期刊所选文献在2017年至2019年的数量分布(表1),从该表可以看出,近年来随着电子商务的发展,研究旅游电子商务的学者也越来越多,其中:ATR刊登的旅游电子商务论文数量每年均有明显的增长,但总数量占比不多;TM刊登的旅游电子商务论文总数量较多,且每年的数量都比较均衡。经分析,中国学者发表的文献总计22篇(第一作者兼通讯作者5篇,通讯作者与第一作者不同12篇,第一作者3篇,参与者2篇)。其中,绝大多数中国学者发表的与旅游电商相关的论文都发表在TM上,JTR与ATR所占的数量较少。

Table 1. The distribution of tourism e-commerce literature among the three major tourism journals from 2017 to 2019

表1. 2017年至2019年三大旅游期刊旅游电商文献数量分布

3. 文献分析

3.1. 数据来源分析

在这84篇文献中,学者调查的数据有三种来源:一手数据,二手数据以及一手数据与二手数据相结合。其中,一手数据来源主要以调查问卷(线上,线下)形式,其中采用线上问卷的文献较多(共22篇)或者通过定性访谈,实验法收集,分析其原因是旅游电商基于互联网的商务,面向的顾客绝大部分是网民,线上问卷的成本低,统计方便。而二手数据,则通过从权威的统计机构网站(如旅游局,统计局)上下载相关的数据或者相关的旅游电商平台(Airbnb,Tripadvisor,Booking.com,Facebook,微博等)上直接获取数据后,通过统计软件或大数据处理软件进行统计分析后得出的数据。其中,文献中收集的二手数据大部分是网络平台上用户的评论(23篇)。原因是调查的文献中研究在线评论的文献较多,而要研究在线评论、各大酒店网站、在线旅行社、在线旅游网站、在线短租住宿网站上的评论是很好的数据来源。

3.2. 研究对象分析

本文在研究的84篇文献中,其中41篇基于地域研究,43篇基于平台研究。地域研究方面主要对象是欧美地区(共29篇),对亚洲地区的研究较少(共13篇),而研究中国的也仅有4篇;平台研究方面,研究的平台有Airbnb,TripAdvisor,Facebook,Twitter,微博等,其中Airbnb的文献占了最大的篇幅(16篇),TripAdvisor紧随其后(9篇)。而研究国内平台的文献也较少,仅限于对微信,微博,携程等平台有相关信息内容的探讨。

3.3. 研究内容分析

本文根据分析对上述文献进行了归类梳理,将近年来旅游电商研究的主题内容梳理出八大主题研究领域,即:社交媒体、在线评分、在线评论、在线短租住宿、网络技术,移动端、在线旅行社和网络口碑(表2)。从表2可以看出,目前旅游电商中外学者研究的重点主要在社交媒体、在线评论、在线评分和在线短租住宿上。而近年来中国学者(表3)研究的重点主要集中在在线旅行社和在线评论上。接下来,本文就中外学者研究的八大主题研究领域及中国学者重点研究的主题研究领域进行分析,进一步探讨当前研究国内旅游电子商务的不足,以便为未来研究的学者提供研究的方向。

Table 2. The distributions of the eight research topics in the three major tourism journals

表2. 三大旅游期刊旅游电商文献八大研究主题数量分布

Table 3. The distributions of the topics among Chinese scholars

表3. 中国学者研究主题数量分布

3.3.1. 社交媒体

社交媒体是发布旅游电子商务信息的重要平台,对旅游信息的传播、旅客的购买意愿与期望值等存在一定的影响。通过社交媒体探讨旅游电商发展所面临的各种问题,追溯这些问题的成因,并提出有针对性的建议或对策。这类文献的主题研究基于社交媒体,数据的获得途径有两个:一是通过直接从社交媒体网站上获取数据;二是通过在社交媒体平台上开展调查后获取数据。鉴于近年来社交媒体的迅速崛起,国内外学者就社交媒体对旅游电商影响的研究产生了浓烈的兴趣。例如,Narangajavana Kaosiri等 [3] 探讨了社交媒体用户产生的信息内容对游客期望的影响,结果表明,社交媒体不仅有助于传播信息,还可以影响游客的期望。当使用者收到与旅游目的地有关的用户产生的信息内容时,他们会对所收到的信息内容寄予信任,从而对目的地产生期望。旅游机构应该具有持续或更好的质量水平,并能够提供旅游者所期望的东西。接着,Narangajavana等 [4] 对社交媒体中用户生成内容的来源分为三个种类:强关系来源,弱关系来源,以及旅游联系来源,并重点分析了其对旅游目的地满意度的影响。其中Jansson [5],Perez-Vega等 [6],Dolana等 [7] 的研究都是基于Facebook,分别考察了可传播社交媒体的文化如何影响后旅游业;Facebook的粉丝页面对用户购买意图的影响;与服务提供商之间成功解决旅游问题的消费者是否会通过Facebook互动共同创造价值。

3.3.2. 在线评论

在线评论是电子商务用户在决策中最为关注的因素,消费者发布的评价将在一定程度上影响其他潜在消费者的决策。经对84篇文献的梳理,可以发现,研究在线评论的文献占比最高,可以看出近年来中外学者对于在线评论研究的重视。由于研究在线评论需要大量的评论作为研究数据的来源,因此这其中很大一部分是基于一个或多个平台进行研究。这些文献中,对酒店网站进行分析的较多,例如,Liu [8] 通过大数据分析来自TripAdvisor上五个中国城市的10,149家酒店的412,784个用户生成的评论集合,利用用户生成的评论的优势,旨在通过语言群体区分客户来确定酒店顾客满意度;Lui [9] 分析了台北多家酒店在线评论响应策略及其对竞争绩效的影响。比较有趣的是,Villamediana等 [10] 发现了在西班牙Facebook上,在线评论的最佳发布的时间是上午8点、上午10点、下午2点和下午5点;还发现周四和周六是发布的最佳日子,夏季(1月至6月)之前的时期是最好的发布月份。而Pera等 [11] 对比了在Airbnb和Booking.com上提出的社交关系亲近是否会阻碍游客的旅游意愿及在线评论表达他们糟糕的经历带来的负面信息影响。而Gavilan等 [12] 同时研究了在线评分和在线评论对酒店预订的影响,其结果表明,数字评级和评论之间存在不对称的相互作用:当评级良好时,评级的信任度取决于评论的数量,但相反,如果评级不好,评论的数量对评级的可信度影响较少。

3.3.3. 在线评分

在线评分与在线评论相类似,在这84篇文献中,学者关于在线评分的研究重点也在酒店上。例如,Geetha等 [13] 旨在探究客户情绪与客户在线酒店评级之间的关系;Gao等 [14] 研究调查了文化、酒店和评论者特征对网络的集体影响;Mariani与Borghi [15] 通过实证调查Booking.com评级系统对位于伦敦超过两年的酒店评级分布的影响。综合上述研究,客户的情绪及满意度对在线评分存在影响。

3.3.4. 在线短租住宿

Airbnb是一个全球的民宿预订平台,在欧美地区尤其受当地游客的信赖,近年来,随着airbnb进入中国市场和小猪短租等国内的民宿预订平台的兴起,在线短租住宿市场逐渐发展。中国国家信息中心分享经济研究中心发布的《中国共享住宿发展报告2019》 [16] 显示,随着国家对全域旅游、乡村旅游的政策扶持力度不断加大,移动互联网技术发展持续提升民宿用户的体验,公众对共享住宿的接受度和消费意愿越来越高,2018年我国共享住宿市场交易额为165亿元,同比增长37.5%,继续保持快速发展态势。P2P住宿网站,如Airbnb、HomeAway和FlipKey等创造了一个能够让“普通人”(即相对于商业实体)出租他们的空房和公寓的平台,并为游客提供家庭式服务。国外学者在研究在线短租住宿大多基于airbnb,其中以酒店网站与在线短租住宿网站作比较的比较多,例如,Gutiérrez等 [17] 分析了巴塞罗那Airbnb的空间格局,并将其与酒店进行了比较,结果发现,尽管Airbnb在该市的主要地区占据主导地位,但具有明显“中心–周边”格局的酒店在该市的一些周边地区占主导地位。Heoa等 [18] 探讨了Airbnb市场与当地酒店在过去七年中在巴黎的发展,调查结果表明,这两类产品没有直接竞争。此外,airbnb对房东的研究也是很重要的一个部分,与传统的酒店不同,游客在民宿体验上更看重与房东的交流。研究发现,住在Airbnb住宿的客人正在寻找家庭式服务体验和“专业接待体验的混合体验感觉。Airbnb列表提供更多的信息数据,如狗、邻居和社区归属感等因素对旅客旅游体验的影响,这与酒店不同,这些将给客人带来家的感觉 [19]。值得一提的是,Zhua等 [20] 研究使用来自旧金山和湾区的Airbnb列表数据,进行调查获得成为Airbnb超级房东需要具备的因素。

3.3.5. 网络技术

随着计算机网络技术的发展,旅游大数据的分析越来越简便。Vyas [21] 使用搜索引擎优化工具比较和排名印度五大州的政府旅游网站;Raisi [22] 调查西澳大利亚旅游各大旅游网站上目的地的超链接网络。值得一提的是,还可以运用网络技术预测旅游流量,Huang等 [23] 运用百度指数预测北京故宫博物院的旅游流量并进行分析互联网搜索数据与实际数据之间的关系。

3.3.6. 在线旅行社

在线旅行社(Online travel agency, OTA)是主要的旅游分销渠道,但是国外学者对在线旅行社的研究较少(只有1篇):Yang与Leung [24] 调查了在美国六大城市HotelTonight与Tripadvisior的价格折扣的影响因素,而国内学者关于该主题的研究有4篇,在3.3.9中将继续探讨。

3.3.7. 网络口碑

电子商务环境下,消费者在网络中通过互动产生和传递网络口碑,如何促进消费者发布更具参考价值的网络口碑从而激发购买意愿是关注的焦点。Yan等 [25] 探究了游客情绪对网络口碑平台选择的影响,结果发现有积极影响的游客倾向于在社交媒体上分享他们的经历,而有负面影响的游客更喜欢综合旅游网站。Yang等 [26] 通过分析25篇文章,探讨网络口碑与酒店业绩之间关系。

3.3.8. 移动端

根据艾瑞咨询2019年在线旅行网站报告 [27],2018年上半年在线旅行APP用户规模同比增幅均超过55%,移动端超过PC端成为用户的首选渠道,可以看出,移动端越来越受消费者青睐。近年来,与移动端旅游电商相关的文献也逐渐增多,Yu等 [28] 采用定性研究方法来了解智能手机使用对家庭的影响程度,调查结果显示,家庭依靠智能手机来培养家庭团结感。Hew等 [29] 调查了影响马来西亚国内游客使用当地旅游电商平台购买旅游产品和服务的因素;Park与Tussyadiah [30] 探究移动旅游预订中导致感知风险的维度和因素。

3.3.9. 中国学者目前的研究

国内学者研究很重视在线旅行社的研究,主要的原因在于在线旅行社逐渐成为中国游客出行的第一选择。纵观2017~2019年国际三大旅游期刊上的论文,除了在线旅行社与传统旅行社的对比(如Long和Shi [31] 运用经济学模型对比研究了实体旅行社和在线旅行社的最优定价策略),大部分的研究主要是在线旅行社的评论上。例如,Hou等 [32] 使用语义关联分析对中国主要三大OTA (桐城,携程,途牛)上的评论进行比较分析;Liu等 [33] 通过从去哪儿平台上收集酒店评论数据,分析用户评论的动机;Changa等 [34] 通过对比使用OTA和酒店网站提供预订服务对用户再次购买意愿的影响。综上可以看出,国内的学者热衷于运用不同的技术手段分析在线评论。此外,值得一提的是,通过建立决策支持社会信息的模型,能帮助访问TripAdvisor.com的独立游客找到满意的餐馆 [35]。国外的学者更倾向于基于社交媒体的研究,而国内学者关于这方面的研究还较少(只有一篇):Luo和Zhai [36] 以新浪微博上的传播的热门话题为例,分析二次危机沟通对社会的影响。国内学者研究的主题较为分散,但是其中不乏一些比较新颖的主题,例如,Huang等 [37] 研究了消费者在网页上字体选择与支付意愿的关系;Zhang等 [38] 通过构建认知–情绪–行为模型,探究在线平台经验对目的地情感经验的影响及目的地情感经验对目的地参与经验的影响。

4. 结论与未来研究方向

本文通过对《Journal of Travel Research》、《Tourism Management》和《Annals of Tourism Research》3大期刊近3年来发表的有关旅游电商的文献进行分类和分析讨论,国内外对旅游电商的研究日趋升温,重视度越来越高。近年来,在线评论是中外学者的共同研究重点,但是大量的文献都是注重分析评论本身,研究方向、内容缺乏创新,而其他研究方向各有侧重。此外,国外旅游电商的研究较多地集中在社交媒体和在线短租住宿。综合上述研究表明,我国的旅游学术研究能力逐渐增强,国际影响力也明显增加,由此可见,我国的旅游研究逐步成熟,正在与国际接轨。但是我国的旅游研究也存在问题。首先,我国学者缺乏一定的国际视野,研究的主题比较集中,对社交媒体、跨文化,网络技术,移动端APP方面的研究还较少;其次,中国学者研究同一主题同一方面的文献较多,值得一提的是,中国学者作为第一作者所著的文献占中国学者发表文献的比重较大,但是数量还较少。

在国际上,通过研究社交媒体分析旅游电商的文献较多,而这些文献研究的基于Facebook等国外社交媒体软件,对于中国市场社交媒体的研究还较少,目前的研究中,大部分的研究都是基于一个地区进行的,缺少不同国家的用户购买意愿的对比以及对旅游目的地网站的研究还较为欠缺。由此可见,未来的学者可以针对以上这些方面作进一步深入研究和探讨,为未来旅游电子商务的发展提供借鉴与帮助。

致谢

本文来自于北京师范大学珠海分校国际商学部励学计划的支持。

文章引用

杨欣彤,李荣杰. 2017年至2019年旅游电商国际期刊分析——以ATR,TM,JTR为研究对象
Analysis of International Research on Tourism E-Commerce from 2017 to 2019—Taking ATR, TM, JTR as Research Objectives[J]. 电子商务评论, 2019, 08(04): 128-135. https://doi.org/10.12677/ECL.2019.84016

参考文献

  1. 1. 世界旅游城市联合会. 世界旅游经济趋势报告(2019)[EB/OL].
    http://cn.wtcf.org.cn/xsyj/lhhbg/201901173841670.html

  2. 2. 艾瑞咨询. 2018年中国在线旅游行业研究报告[EB/OL].
    https://www.iresearch.com.cn/Detail/report?id=3422&isfree=0

  3. 3. Narangajavana Kaosiri, Y., Callarisa Fiol, L.J., Moliner Tena, M.á., Rodríguez Artola, R.M. and García, J.S. (2017) User-Generated Content Sources in Social Media: A New Approach to Explore Tourist Satisfaction. Journal of Travel Research, 58, 253-265.
    https://doi.org/10.1177/0047287517746014

  4. 4. Narangajavana, Y., Callarisa Fiol, L.J., Moliner Tena, M.á., Rodríguez Artola, R.M. and García, J.S. (2017) The Influence of Social Media in Creating Expectations. An Empirical Study for a Tourist Destination. Annals of Tourism Research, 65, 60-70.
    https://doi.org/10.1016/j.annals.2017.05.002

  5. 5. Jansson, A. (2018) Rethinking Post-Tourism in the Age of So-cial Media. Annals of Tourism Research, 69, 101-110.
    https://doi.org/10.1016/j.annals.2018.01.005

  6. 6. Perez-Vega, R., Taheri, B., Farrington, T. and O’Gorman, K. (2018) On Being Attractive, Social and Visually Appealing in Social Media. Tourism Management, 66, 339-347.
    https://doi.org/10.1016/j.tourman.2017.11.013

  7. 7. Dolana, R., Seob, Y. and Kemperb, J. (2019) Complaining Practices on Social Media in Tourism A Value Co-Creation and Co-Destruction Perspective. Tourism Management, 73, 35-45.
    https://doi.org/10.1016/j.tourman.2019.01.017

  8. 8. Liu, Y., Teichert, T., Rossi, M., Li, H.X. and Hu, F. (2017) Big Data for Big Insights: Investigating Language-Specific Drivers of Hotel Satisfaction with 412,784 Us-er-Generated Reviews. Tourism Management, 59, 554-563.
    https://doi.org/10.1016/j.tourman.2016.08.012

  9. 9. Lui, T.-W., Bartosiak, M., Piccoli, G. and Sadhya, V. (2018) Online Review Response Strategy and Its Effects on Competitive Performance. Tourism Management, 67, 180-190.
    https://doi.org/10.1016/j.tourman.2018.01.014

  10. 10. Villamediana, J., Küster, I. and Vila, N. (2019) Destination Engagement on Facebook: Time and Seasonality. Annals of Tourism Research, 79, 102747.
    https://doi.org/10.1016/j.annals.2019.102747

  11. 11. Pera, R., Viglia, G., Grazzini, L. and Dalli, D. (2019) When Empathy Prevents Negative Reviewing Behavior. Annals of Tourism Research, 75, 265-278.
    https://doi.org/10.1016/j.annals.2019.01.005

  12. 12. Gavilan, D., Avello, M. and Martinez-Navarro, G. (2018) The Influence of Online Ratings and Reviews on Hotel Booking Consideration. Tourism Management, 66, 53-61.
    https://doi.org/10.1016/j.tourman.2017.10.018

  13. 13. Geetha, M., Singha, P. and Sinha, S. (2017) Relationship between Customer Sentiment and Online Customer Ratings for Hotels—An Empirical Analysis. Tourism Management, 61, 43-54.
    https://doi.org/10.1016/j.tourman.2016.12.022

  14. 14. Gao, B., Li, X., Liu, S. and Fang, D. (2018) How Power Distance Affects Online Hotel Ratings: The Positive Moderating Roles of Hotel Chain and Reviewers’ Travel Experience. Tourism Management, 65, 176-186.
    https://doi.org/10.1016/j.tourman.2017.10.007

  15. 15. Mariani, M.M. and Borghi, M. (2018) Effects of the Book-ing.com Rating System: Bringing Hotel Class into the Picture. Tourism Management, 66, 47-52.
    https://doi.org/10.1016/j.tourman.2017.11.006

  16. 16. 中国国家信息中心分享经济研究中心. 中国共享住宿发展报告2019[EB/OL].
    http://www.sohu.com/a/324334283_274290

  17. 17. Gutiérrez, J., García-Palomares, J.C., Romanillos, G. and Sa-las-Olmedo, M.H. (2017) The Eruption of Airbnb in Tourist Cities: Comparing Spatial Patterns of Hotels and Peer-to-Peer Accommodation in Barcelona. Tourism Management, 62, 278-291.
    https://doi.org/10.1016/j.tourman.2017.05.003

  18. 18. Heoa, C.Y., Blala, I. and Choi, M. (2019) What Is Happening in Paris? Airbnb, Hotels, and the Parisian Market: A Case Study. Tourism Management, 70, 78-88.
    https://doi.org/10.1016/j.tourman.2018.04.003

  19. 19. Zhua, Y., Cheng, M., Wang, J., Ma, L.K. and Jiang, R. (2019) The Construction of Home Feeling by Airbnb Guests in the Sharing Economy: A Semantics Perspective. Annals of Tourism Research, 75, 308-321.
    https://doi.org/10.1016/j.annals.2018.12.013

  20. 20. Gunter, U. (2018) What Makes an Airbnb Host a Superhost? Empirical Evidence from San Francisco and the Bay Area. Tourism Management, 66, 26-37.
    https://doi.org/10.1016/j.tourman.2017.11.003

  21. 21. Vyas, C. (2019) Evaluating State Tourism Websites Using Search Engine Optimization Tools. Tourism Management, 73, 64-70.
    https://doi.org/10.1016/j.tourman.2019.01.019

  22. 22. Raisi, H., Baggio, R., Barratt-Pugh, L. and Willson, G. (2017) Hyperlink Network Analysis of a Tourism Destination. Journal of Travel Research, 57, 671-686.
    https://doi.org/10.1177/0047287517708256

  23. 23. Huang, X., Zhang, L. and Ding, Y. (2017) The Baidu Index: Uses in Predicting Tourism Flows—A Case Study of the Forbidden City. Tourism Management, 58, 301-306.
    https://doi.org/10.1016/j.tourman.2016.03.015

  24. 24. Yang, Y. and Leung, X.Y. (2018) A Better Last-Minute Hotel Deal via App? Cross-Channel Price Disparities between Hotel Tonight and OTAs. Tourism Management, 68, 198-209.
    https://doi.org/10.1016/j.tourman.2018.03.016

  25. 25. Yan, Q., Zhou, S. and Wu, S. (2018) The Influences of Tourists’ Emotions on the Selection of Electronic Word of Mouth Platforms. Tourism Management, 66, 348-363.
    https://doi.org/10.1016/j.tourman.2017.12.015

  26. 26. Yang, Y., Park, S. and Hu, X. (2018) Electronic Word of Mouth and Hotel Performance: A Meta-Analysis. Tourism Management, 67, 248-260.
    https://doi.org/10.1016/j.tourman.2018.01.015

  27. 27. 艾瑞咨询. 2019年中国在线旅游平台用户洞察研究报告[EB/OL].
    https://www.useit.com.cn/forum.php?mod=viewthread&tid=21971&from=album

  28. 28. Yu, X., Anaya, G.J., Miao, L., Lehto, X. and Wong, I.A. (2017) The Impact of Smartphones on the Family Vacation Experience. Journal of Travel Research, 57, 579-596.
    https://doi.org/10.1177/0047287517706263

  29. 29. Hew, J.-J., Leong, L.-Y., Tan, G.W.-H., Lee, V.-H. and Ooi, K.-B. (2018) Mobile Social Tourism Shopping: A Dual-Stage Analysis of a Multi-Mediation Model. Tourism Management, 66, 121-139.
    https://doi.org/10.1016/j.tourman.2017.10.005

  30. 30. Park, S. and Tussyadiah, I.P. (2016) Multidimensional Facets of Perceived Risk in Mobile Travel Booking. Journal of Travel Research, 56, 854-867.
    https://doi.org/10.1177/0047287516675062

  31. 31. Long, Y. and Shi, P. (2017) Pricing Strategies of Tour Operator and Online Travel Agency Based on Cooperation to Achieve O2O Model. Tourism Management, 62, 302-311.
    https://doi.org/10.1016/j.tourman.2017.05.002

  32. 32. Hou, Z., Cui, F., Meng, Y., Lian, T.H. and Yu, C.H. (2019) Opinion Mining from Online Travel Reviews: A Comparative Analysis of Chinese Major OTAs Using Semantic As-sociation Analysis. Tourism Management, 74, 276-289.
    https://doi.org/10.1016/j.tourman.2019.03.009

  33. 33. Liu, X., Zhang, Z., Law, R. and Zhang, Z.Q. (2019) Posting Reviews on OTAs: Motives, Rewards and Effort. Tourism Management, 70, 230-237.
    https://doi.org/10.1016/j.tourman.2018.08.013

  34. 34. Chang, Y.-W., Hsu, P.-Y. and Lan, Y.-C. (2019) Cooperation and Competition between Online Travel Agencies and Hotels. Tourism Management, 71, 187-196.
    https://doi.org/10.1016/j.tourman.2018.08.026

  35. 35. Zhang, H.-Y., Ji, P., Wang, J.-Q. and Chen, X.-H. (2017) A Novel Decision Support Model for Satisfactory Restaurants Utilizing Social Information: A Case Study of TripAdvi-sor.com. Tourism Management, 59, 281-297.
    https://doi.org/10.1016/j.tourman.2016.08.010

  36. 36. Luo, Q. and Zhai, X. (2017) “I Will Never Go to Hong Kong Again!” How the Secondary Crisis Communication of “Occupy Central” on Weibo Shifted to a Tourism Boycott. Tourism Management, 62, 159-172.
    https://doi.org/10.1016/j.tourman.2017.04.007

  37. 37. Huang, Y., Wu, J. and Shi, W. (2018) The Impact of Font Choice on Web Pages: Relationship with Willingness to Pay and Tourism Motivation. Tourism Management, 66, 191-199.
    https://doi.org/10.1016/j.tourman.2017.12.010

  38. 38. Zhang, H., Gordon, S., Buhalis, D. and Ding, X. (2017) Experience Value Cocreation on Destination Online Platforms. Journal of Travel Research, 57, 1093-1107.
    https://doi.org/10.1177/0047287517733557

期刊菜单