共享短租中房客信任影响因素及信任传递研究

发布时间：2020-09-14 14:47

　　 随着共享经济的迅猛发展,共享短租成为人们旅游不可或缺的住宿选择方式,同时也是共享经济最受关注的领域之一。Airbnb作为典型代表,通过P2P模式向全球旅客提供房屋短租服务。房东在该平台上发布自己的闲置房源信息,房客通过平台搜索查找符合自己需求的房源,向房东发起预定请求,双方达成一致后,房客便可付费入住。然而,由于房东和房客往往是互不了解的陌生人,信息不对称带来了众多潜在风险,信任问题随之而来。一方面,房客担心房东所提供信息的真实性,以及短期租住的安全性等。在短租情境下,房东与房客双方不仅涉及在线交易,还需要面对面互动交流甚至共同居住。因此,房客面临的不止是财产风险,还包括附加的人身安全风险。据报道,房客Mike Silverman预定了阿根廷萨尔塔的Airbnb房源,在入住期间遭到房东Rottweiler的袭击,不得不花费两天接受住院治疗。另一方面,房东提供的是一种体验型服务,房客无法提前感知服务质量,加之短租平台中有过住宿体验的房客对房东的在线评级缺乏显著性差异,约95%的评级为4.5或5星(评级分数范围在1星到5星之间),这使得房客很难仅仅依据房东的声誉分值做出决策。在这种情况下,房客如何充分利用可获取的房东其他相关信息,来构建对房东的信任,以减少信息不对称造成的损失,成为短租领域研究的热点问题。现有的针对共享短租中房客信任问题的研究主要是通过问卷调查、实验等方法,探究房东的单一或少数几个维度属性特征对房客信任的影响,数据相对比较主观,数据量较小。少量的针对于短租中客观数据的研究,主要是通过统计分析探究房东的一些数字属性对房客信任的影响。尚未有效利用共享短租平台提供的大量丰富的文本、图片等房东属性信息及高效的大数据分析方法。此外,现有研究主要研究房东属性和声誉对房客信任的影响,并未有研究从信任传递的角度探究先前房客对房东的信任是否会传递给后来房客,从而影响后来房客对房东的信任。基于现有研究以及其存在的不足,本文利用共享短租平台Airbnb上丰富的用户自我描述及行为数据,以房东的自我描述、房东个人照片以及房东收到的房客评论文本为研究对象,基于不确定性减少理论、详尽可能性模型、刻板印象模型、情绪感染以及信任传递理论,运用文本挖掘、人脸识别及统计分析方法对房东的自我描述文本、个人照片进行文本特征及图片特征的提取与量化,定量地分析房东的不同维度属性对房客信任的影响。此外,基于NRC(National Research Council Canada)词典设计面向文本评论的信任及情感分析方法,对房客之间信任的传递进行了研究。本文将管理科学与计算机科学的研究方法进行了融合,运用管理学领域中的相关理论知识提出共享短租平台中影响房客信任的因素并构建了理论模型,通过计算机领域的大数据分析方法对短租平台客观的大数据进行分析,提取并量化各因素变量,通过稳健回归、动态面板回归等计量经济学模型对各因素变量与房客信任之间的关系进行实证研究。最终,提取出了影响房客信任的客观因素,并验证了房客之间信任传递的存在及其影响。本文研究有效弥补了当前研究的不足,并为共享经济中信任研究的相关文献提供了新的研究思路和方法,具有一定的理论和实践意义。本文研究的主要成果如下:第一、基于不确定性减少理论和详尽可能性模型,建立了房东自我描述文本的文本特征对房客信任影响的理论模型,研究了房东自我描述文本的可读性、信息量、情感倾向及语义主题多样性对房客信任的影响,以及不同语义主题对房客信任的差异化影响。本文从社会交换的角度出发,解释和分析了信任在共享短租中的重要影响。共享短租中存在混合的社会交换模式,陌生的房东与房客之间先在线上进行交互,然后转为线下交互。房东本身的属性特征直接影响了房客对房东的信任感知。其中.,房东的自我描述是房东进行自我呈现的一种重要方式,房东通过对自己个人情况的介绍,向房客呈现出自己某些方面的信息,增加房客对自己的了解,减少房客感知的不确定性,从而提升房客的信任。具体地,基于不确定性减少理论和详尽可能性模型,提出房东自我描述文本的可读性、信息量、情感倾向和主题多样性会对房客的信任产生影响,并运用稳健回归模型对所提出的假设进行了验证。运用LDA(Latent Dirichlet Allocation)主题模型对房东描述文本中潜在的主题进行自动识别,通过T检验探究了房东所表达的不同语义主题对房客信任产生的差异化影响。研究发现:(1)与可读性较差的房东自我描述文本相比,可读性较好的房东自我描述文本对房客的说服效果更好,能得到更多房客的信任;(2)房东自我描述文本所包含的信息量以及主题的多样性可以减少房客对房东的不确定性,增加房客的信任;(3)房东对房客的情感态度会通过自我描述体现出来,积极表达自己的热情、友好、欢迎等正向情绪的房东能得到更多房客的信任;(4)在进行自我描述时,更侧重于表达旅行经历,服务态度,对共享住宿的观点和目标以及服务能力的房东相比于主要描述自己的年龄,职业和兴趣的房东能获得更多房客的信任。第二、基于美丽溢价、面部情绪及刻板印象理论,建立了房东个人照片中房东的面部属性特征对房客信任影响的理论模型,研究了房东的面部吸引力、微笑程度、性别和种族对房客信任的影响。本文基于美丽溢价,面部情绪及刻板印象相关理论,提出房东所提供的个人照片中房东的面部属性特征(面部吸引力、微笑程度、性别和种族)对房客信任有显著影响的假设,并对假设进行了实证验证。具体地,抓取了大量Airbnb上真实的房东主页照片,运用Face++人脸分析API对房东个人照片进行人脸分析,并对结果进行json解析,提取出房东的面部吸引力、微笑程度、性别和种族特征。运用稳健回归分析对提出的房东面部特征变量与房客信任之间的关系进行实证研究,检验假设的成立与否。研究发现:(1)房东的面部吸引力对房客的信任有显著的负向影响;该结论与本文的假设相反,通过检验数据发现,面部吸引力高的房东存在美丽溢价,将自己的房源价格定的相对较高,增加了房客对入住成本和风险的感知,进而降低了房客的信任;(2)房东的微笑程度与房客信任之间存在倒U型关系,随着房东微笑的增加,房客感知到的房东的热情、友好就会增加,但是超过某个点,房东微笑再增加会导致房客感知到的房东服务能力的降低,从而降低了房客的信任;(3)短租平台存在性别和种族歧视现象,女性房东和欧美裔房东比男性房东和其他种族的房东更容易得到房客的信任。因为人们往往认为女性和欧美裔人是热情和能力都比较高的群体,而对于短租服务,房东的热情和能力是房客最为关心的,直接影响着房客的入住选择和体验。第三、基于房东的多个维度的属性特征构建了房客信任的影响因素理论模型,并通过R2分解探究和对比了房东单个特征及组特征对房客信任的影响及程度大小;此外,运用深度神经网络和集成学习方法构建了房客信任的预测模型,对房客信任进行了预测。本文聚焦于房东的多维度属性对房客信任的影响,提出了一个房客信任影响因素的计算框架,分别从房东的数字属性(包括声誉、认证、回复行为模式)、自我描述(包括信息质量、情感、语义主题特征)及个人照片(包括照片中人物的情感特征)各维度进行深入、全面分析,运用回归分析探究了各特征变量与房客信任之间的关系,并通过R2分解得到了各维度单个特征变量及组特征变量对房客信任的影响及程度大小,最后运用深度神经网络(Deep Neural Networks,简称为DNN)、集成机器学习算法构建了房客信任的预测模型。研究发现:(1)房东的声誉在各个特征组变量中对房客信任的影响是最大的。其中,“超级房东”标识和累积评论量对房客信任有显著的正向影响,而评论打分并未对房客的信任产生显著的影响。(2)在房东自我描述时,积极表达正向情绪(热情、欢迎、期待等),关注于描述其沟通、交流及服务能力的房东能得到更多房客的信任。(3)房东提供包含正向情绪的个人照片会对房客的信任产生显著的正向影响。(4)构建的房客信任预测模型的正确率、F值和AUC值分别达到了72.32%、71.56%和71.56%。该研究成果可用于短租平台中房东推荐的方法设计中。第四、基于信任传递理论和情绪感染理论,对短租平台中房客之间的信任及情感传递进行研究,探究了信任与情感传递对房客信任的影响。本文基于信任传递和情绪感染理论,提出共享短租中房客之间存在信任及情感传递的理论假设。通过基于情感词典的文本情感分析方法,对先前房客评论文本进行信任和七个维度情感(愤怒、期待、厌恶、恐惧、喜悦、悲伤和惊讶)的识别和度量,量化房客评论文本中所体现的房客对房东的信任度和不同维度的情感值。运用动态面板回归分析,探究先前房客评论文本所表达出的房客对房东的信任及情感是否会影响后来房客评论文本所体现出的房客对房东的信任及情感,以此来验证房客之间是否存在信任及情感的传递。此外,对先前房客评论所表达的房客对房东的信任及情感是否会对后来房客评论文本所表达的房客对房东的信任产生影响进行检验,以此探究先前房客对房东的信任及情感是否会影响到后来房客对房东的信任。研究发现:(1)先前房客评论文本所体现出的房客对房东的信任度会显著正向影响后来房客评论文本所表达的信任度;先前房客评论文本所体现出的七种情感分别会显著正向影响后来房客评论文本所表达的七种情感。说明短租平台的房客之间存在显著的信任和情感传递,而且结果显示信任及负向情绪比正向情绪的传递更为强烈。(2)信任和不同情感对信任传递的影响不同:先前房客评论文本所表达的房客对房东的信任度对信任传递有显著的正向影响,且影响作用最大;其他七种情绪中,正向情绪喜悦对信任传递有显著的正向影响,期待、惊讶和厌恶对信任的传递有显著的负向影响。但是,包含有轻度负向情绪的恐惧情绪对信任传递却有显著的正向影响,这可能是因为先前房客的评论文本所表达出的恐惧与其他的正向情绪混合会增加后来房客对该评论的客观性和有用性的感知,具体原因还需要将来进行进一步的验证。
【学位单位】：北京邮电大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：F713.36;F719.2
【部分图文】：

１．３．５技术路线逡逑综合本文的研究内容、研究路线、研究方法以及技术应用，给出本文的整体逡逑技术路线图，如图１－２所示。逡逑本文研究的底层基础为共享经济、共享短租、信任相关理论、信任影响因素逡逑及信任传递等相关文献研宄。基于当前研究背景及相关文献分析，给出研究问题逡逑“共享短租中的房客信任影响因素及信任传递研究”。从两个视角对该研究问题逡逑９逡逑

逦北京邮电大学工学博士学位论文逦逡逑辞等种种原因，放弃了自我描述，因此，在房东主页的自我描述部分为空。但大逡逑多数房东都进行了自我描述，而自我描述的内容、语言风格等各不相同，存在不逡逑同的自我描述策略。房东自我描述所呈现出的信息可以帮助房客了解房东的职业、逡逑兴趣、爱好、体验等等，增加房客对房东的熟悉度，进而提升房客的信任。逡逑（２）照片展示逡逑除了自我描述的呈现，房东可以在个人主页面呈现个人照片。房东的个人照逡逑片位于自我描述文本的左侧，如图２－１所示。房东所提供的照片不全是房东本人逡逑照片，照片类型包括：系统照片、风景照、证件照、人物照。其中，人物照片是逡逑指包含人的照片，也是占比最大的照片类型。人物照中又分为有单人照、双人照逡逑片及多人照。房东提供的人物照片会呈现出房东的个人信息，如性别、种族、年逡逑龄、颜值、穿着打扮等等，房客能感知到房东的社会存在，可以从这些线索中判逡逑断房东的可信度。逡逑

ｔｏｋｅｎ的ｊｓｏｎ文逡逑件，需要对ｊｓｏｎ文件进行解析，从中提取出检测出的房东面部吸引力、微笑程逡逑度、性别和种族面部特征。如图４－１所示，Ａ，Ｂ，Ｃ，Ｄ是Ａｉｒｂｎｂ平台上真实的房逡逑东个人照片，图４－２是Ｆａｃｅ＋＋对Ａ，邋Ｂ，Ｃ，邋Ｄ四张房东个人照片的人脸检测结果逡逑（ｊｓｏｎ文件），表４－３为ｐｙｔｈｏｎ程序对Ａ，邋Ｂ，Ｃ，邋Ｄ四张房东个人照片解析之后的逡逑结果，只提取了本文重点研究的面部吸引力、微笑程度、性别和种族面部特征，逡逑其余识别出的面部特征并未进行提取。其中，女性房东被标记为１，男性房东被逡逑标记为２；欧美裔房东被标记为１，亚裔房东和非裔房东被标记为２。逡逑Ａ逦巳逦ＣＤ逡逑图４－１．邋Ａｉｒｂｎｂ平台中房东主页个人照片示例逡逑表４－３．邋Ｆａｃｅ＋＋人脸识别检测结果逡逑房东照片￣｜面部吸引力逦｜微笑程度邋ｒｔｔｓｉｊ逦ｒ？逡逑逦（男性／女性打分）逦逡逑＿Ａ逦（５９．７１４／５６．４０９）逦４５．３６逦逦欧美裔人逦逡逑＿Ｂ逦（６７．３３９／６５．５７１）逦９８．３６逦逦亚裔人逦逡逑＿Ｃ逦（６８．５６３／７４．５２２）逦３５．５８逦逦欧美裔人逦逡逑Ｊ）逦（５２．１０８／５０．４５２）逦７４．４８逦＾逦非裔人逦逡逑５７逡逑

本文编号：2818306