观点与创新：

● 介绍了旅游用户生成内容的发展脉络,系统地述评了中国情境下旅游用户生成内容的研究现状

● 梳理了中国情境下旅游用户生成内容这一研究主题的核心贡献机构和主要数据来源

● 总结和展望了中国情境下旅游用户生成内容的未来研究方向

Highlights:

● This study introduces the research development of tourism user-generated content and systematically reviews the current literature regarding tourism user-generated content in the context of China.

● This paper identifies the core contributing institutions and primary data sources of tourism user-generated content in a Chinese context.

● This study summarizes and predicts the future direction of tourism user-generated content in the context of China.

随着互联网和电子商务的高速发展,用户生成内容（user-generated content,UGC）对游客和旅游企业的重要影响已经引起了国内外学术界的广泛关注。有学者基于深度学习算法对UGC的信任问题展开了研究;还有学者对旅游用户生成内容的虚假评论展开了研究（Cheng,Fu & Sun,et al.,2019;Li,Lee K Y & Lee M,et al.,2020）。根据维基百科的定义,用户生成内容指用户在互联网平台（如社交媒体）上传和分享的文字、图片、音频、视频等多种形式的素材（Wikipedia,2019）。旅游产品作为典型的体验型商品（experience goods）,其交易的关键制约因素在于游客购买前感知到的不确定性。用户生成内容,如游客在网站上提交的在线评论和旅游博客等,可通过为游客提供更多来自其他游客的真实体验信息从而减少交易过程中的信息不对称,帮助游客做出更为合理的购买决策（Ye,Law & Gu,2009;Liang,Schuckert & Law,2017）。同时,基于用户生成内容对游客决策的直接影响,旅游产品和服务供应商可以透过这些信息深入了解游客需求和偏好,对游客评论进行管理和引导,从而建立在线口碑（Zhu & Zhang,2010）。

中国是世界最大出境游客源国并拥有全球最多的互联网用户,所以关于旅游用户生成内容的研究离不开对中国旅游市场及对中国本土在线旅游平台的深入探索。同时,早期研究表明,中国在线用户相比于其他国家而言更青睐网上购物、发布线上口碑及在社交媒体平台上分享信息,这使得基于中国情境的旅游用户生成内容研究用户在线行为更具有可行性和必要性（Park,Yang & Lehto,2007）。基于上述背景,本文归纳了发表在酒店业及旅游管理领域的社会科学引文索引（SSCI）期刊上基于中国情境的旅游用户生成内容的相关研究论文,分析了该研究主题的研究现状和趋势,并展望了未来研究方向。

为尽可能全面地检索到基于中国情境的旅游用户生成内容相关文献,本文结合全球多个具有较大权威性的文献数据库,包括Web of Science、Google Scholar、ScienceDirect、Scopus等进行交叉检索。文献检索规则如下：第一,使用user-generated content（用户生成内容）、online review（在线评论）、blog（博客）、microblog（微博）、big data（大数据）、online platform（在线平台）作为主要关键词,并结合tourism（旅游）、hotel（酒店）、restaurant（饭店）、China（中国）、Chinese Tourism（中国旅游）等关键词进行主题搜索;第二,本文仅保留发表在酒店业及旅游管理领域SSCI索引期刊中的相关文献,以分析中国情境下旅游用户生成内容在国际主流期刊中的研究趋势。在完成文献初步筛选后,笔者对每一篇文献进行了二次审查,确保论文主题是与旅游用户生成内容相关的或是将旅游用户生成内容（如在线评论、博客等）作为主要数据来源的;笔者还同时检查了文献是否针对中国情境或以中国在线平台中的数据作为主要研究支撑。另外,通过Web of Science数据库检索判断刊发这些文献的期刊是否包含在接待、休闲、运动与旅游学科SSCI索引期刊中。文献数据的来源时间截至2019年7 月20 日,最终得到64篇文献用于分析。

64篇文献的发表时间分布如图1所示。最早立足于中国情境的旅游用户生成内容研究可追溯到2007年,普渡大学的3位学者Choi、Lehto 和 Morrison（2007）在其论文“Destination image representation on the web：Content analysis of Macau travel related websites”中,首次利用用户生成内容（旅游博客）信息,并结合旅游网站官网中的目的地推介信息以及在线旅游杂志中的文本和图像信息,来分析澳门的旅游目的地形象（destination image）。随后,哈尔滨工业大学的叶强等人在2009年基于携程网酒店的二手数据,证实了在线口碑（酒店在线评分）对酒店在线客房销量的促进作用（Ye,Law & Gu,2009）。这两篇文献在Google Scholar中的引用分别达到了966和1 373次,为后续基于中国情境的旅游用户生成内容研究奠定了基础。自2013年以来,立足于中国情境旅游用户生成内容的研究频繁出现在旅游领域国际主流SSCI期刊中。文章数量在2019年达到峰值,证明了旅游用户生成内容的研究越来越离不开中国这一重要的旅游目的地。

基于统计结果,中国情境下的旅游用户生成内容研究主要发表在12个酒店及旅游管理领域主流SSCI期刊中,其中有7个期刊对相关研究主题进行了重复刊发。本文归纳的64篇文献中有58篇发表于这7个重要期刊中（见表1）。其中,Tourism Management 是刊发中国情境下旅游用户生成内容研究论文的首要阵地;酒店管理领域两大顶级期刊International Journal of Hospitality Management和International Journal of Contemporary Hospitality Management同样为该研究方向的发展贡献了重要力量;其余旅游领域主流SSCI期刊如Asia Pacific Journal of Tourism Research、Journal of Travel & Tourism Marketing、Journal of Hospitality & Tourism Research、Journal of Travel Research也是学者发表相关主题论文的重要阵地。

基于文献梳理,本文归纳出已有文献的研究主题如下：

随着游客越来越多地在互联网平台以文字、图片或视频的形式分享自身的旅游和购物体验,早期的旅游学者发现跟踪和观察用户生成内容（如在线评论、旅游博客）是了解游客需求和偏好的有效策略。自Choi、Lehto 和 Morrison（2007）首次在分析澳门旅游目的地形象时参考了用户在线发布的旅游博客内容以来,大量研究效仿其将旅游用户生成内容作为研究旅游目的地形象的重要数据来源。例如,部分学者通过挖掘入境游客在线分享的文本和图片信息探讨其对中国目的地形象的感知和评价,发现多数国际游客对中国整体目的地形象的评价较为积极（Li & Wang,2011;Tseng,Wu & Morrison,et al.,2015）。后续研究进一步分析了入境游客对中国具体旅游景点或旅游演出,如四川大熊猫繁殖基地（Cong,Wu & Morrison,et al.,2014）、北京丝绸市场（Wu,Wall & Pearce,et al.,2014）、毛主席故居（Hunter,2013）、印象刘三姐（Pearce & Wu,2018）的偏好和满意度情况。另外,一些学者同样关注了中国游客对海外目的地（如西班牙巴塞罗那）形象的感知和评价（Sun,Ryan & Pan,2014/2015;Li,Lin & Tsai,et al.,2015;Alonso-Almeida,Borrajo-Millán & Yi,2019）。Liu、Huang 和 Bao 等（2019）通过对在线评论进行情感分析,对比了中国游客和海外游客在游览相同旅游目的地时的情感倾向,最终发现中国游客和海外游客在偏好上存在较大差异性。以旅游用户生成内容为数据来源分析旅游目的地形象的研究中,旅游博客由于蕴含内容丰富,成为了研究者的首要数据选择。在研究入境游客对中国旅游目的地形象感知时,TravelBlog、TravelPod（TripAdvisor旗下旅游博客）等国外较为知名的旅游博客成了学者最常采用的数据获取渠道。而在探索中国游客对海外旅游目的地形象感知时,学者多倾向于选择携程网及新浪博客中游客的点评数据作为分析对象,采用文本分析,如内容分析、词频分析、主题分析或图像识别等方法和技术,对收集到的文本和图片进行分类及特征提取。

除直接基于旅游用户生成内容分析目的地形象感知外,一些研究还对旅游用户生成内容进行挖掘分析,探究游客旅游体验的影响因素（Li,Law & Vu,et al.,2013;Gong,Xie & Peng,et al.,2015）。Sun、Tong和 Law（2017）对比了中国游客在国内和国外不同城市相同品牌酒店的点评信息,通过文本挖掘发现中国游客在国外更容易对酒店服务质量表示满意。还有学者以旅游用户生成内容为出发点,探讨了旅游电子口碑在社交媒体和网络平台中的传播路径及不同在线平台在主题分布、结构属性、社区关系中存在的差异性（Luo & Zhong,2015;Hou,Cui & Meng,et al.,2019）。对用户生成内容的挖掘和应用需要使用数据挖掘、图像识别和文本分析等技术,一些研究者也试图提出和使用新兴的数据挖掘、文本分析技术以提高分析精度,并采用来源于国内用户发布的文本和图像数据进行验证（Chiu,Chiu & Sung,et al.,2015;Li,Law & Vu,et al.,2015;Zhang,Chen & Li,2019）。

尽管大量学者关注用户生成内容目的地形象感知这一研究主题,但多数研究仍停留在现象描述阶段,缺乏基于用户生成内容对用户行为模式内在机理的深入挖掘,且现有研究多基于单个旅游目的地,相关结论的普适性有待探讨。另外,现有研究的局限性还体现在缺乏基于用户生成内容来分析国内游客对于本国旅游目的地形象感知的相关研究。

旅游企业的传统营销模式以线下营销为主,而旅游用户生成内容的发展使得越来越多的旅游企业营销模式实现了由线下到线上的转变,在线销量逐渐成为多数旅游企业总体销量中不可忽视的一部分（Zhu & Zhang,2010）。旅游用户生成内容也成为旅游企业在线营销中不可或缺的工具（Huang,2012）。这主要是由于许多学者发现用户在网络中所发布的旅游点评不仅披露了目的地的属性信息,还会对后续游客的旅游决策和购买决策产生直接影响（Ye,Law & Gu,2009）。一方面,旅游产品作为体验型产品,游客在制定旅游路线和做出购买决策之前,往往倾向于通过信息搜索降低不确定性,而其他用户发布的点评和博客信息无疑成为其可以参考的重要信息来源（Tan & Chen,2012;Liang,Schuckert & Law,2017）。另一方面,旅游用户生成内容中通常既包括对旅游产品的客观描述,也囊括了游客对其的使用体验、态度和评价。这些主观评价信息会对后续游客产生“劝说作用”,影响游客对旅游产品的感知质量（Sparks,Perkins & Buckley,2013）。由于旅游企业的实际销量信息较难获得,相关研究多以代理变量形式测算旅游产品的在线销量,如评论数量（Ye,Law & Gu,2009）和产品排名（Zhang,Ye & Law,et al.,2010）。也有研究通过问卷或实验的方法获取一手数据来分析用户生成内容,如在线评论的特征对游客预订意愿的影响（Zhao,Wang & Guo,et al.,2015;Chong,Khong & Ma,et al.,2018;Hwang,Park & Woo,2018）。多数研究发现用户在线评论和在线评分对游客的预订意愿及旅游产品的在线销量具有显著正向影响。除在线销量之外,一些研究者也关注了在线评论特征（如评论数量、评分、评论字数）对用户预订平台选择及预订时间的直接影响（Hwang,Park & Woo,2018;Zhang,Liang & Li,et al.,2019）。Yang、Park和 Hu（2018）通过元分析的方法总结了25篇关注在线口碑对酒店线上销量影响的学术论文,发现中国酒店电子口碑对线上销量的影响弹性显著低于西方酒店。

在明确在线口碑对企业绩效具有促进作用的基础上,一些研究者探讨了不同的评价模式对销量的影响程度（Tan,Lv & Liu,et al.,2018）。Zhao、Wang和 Guo 等（2015）发现,相对于好评对游客预订意愿的正向促进作用,差评对其预订的阻碍作用更加显著。在关注用户生成内容对旅游企业绩效影响的研究中,仅有少量学者采用对中国游客发放调查问卷的方式获取一手数据,大多学者通过网络爬虫软件自动获取在线平台如携程网、到到网（TripAdvisor中文官方网站）、大众点评网及订餐小秘书（餐厅预订和点评网站）的在线评论数据进行分析,采用的研究方法多为建立企业（如酒店、餐厅、旅游目的地）层面的线性回归模型以分析评论特征对线上销量的影响。

近年来,共享经济正在成为社会的主流商业模式之一（江积海、李琴,2016;余航、田林、蒋国银等,2018）。一些旅游学者开始关注民宿共享平台这一双边平台中用户交互和交易模式与传统的单边交易平台的差异性,并重新探究了民宿共享平台中评论特征对房东销量的影响（Wu,Ma & Xie,2017;Kwok & Xie,2018;Xie,Mao & Wu,2019）。这部分研究多将评论特征（如评论数量、评分）作为控制变量,结果均证实了评论数量及评分对房东绩效的正向影响。由于共享经济平台中评论数量与房东绩效高度相关,一些研究也试图将评论数量作为房东绩效的代理变量,分析房东在平台中获取的电子徽章及其对房间的描述方式对其绩效的影响（Liang,Schuckert & Law,et al.,2017/2020）。

该主题现有研究的局限性主要体现在两方面：第一,现有关注旅游用户生成内容对企业在线绩效影响的研究大多仅分析了用户生成内容的定量特征,如数量、效价等,缺乏对文本、图像定性特征（如主题分布）的深入探索;第二,现有研究对于企业在线绩效的评价多停留在短期绩效层面如企业当期交易量,缺乏对于企业长期绩效如企业生存状态的直接研究。例如,现有与民宿共享平台相关的研究仅探究了短期房东在线绩效（如评论数量、需求）的影响因素,还未有研究通过用户生成内容进一步观察和探索房东与房客交互质量及房东在平台生存时间的影响因素。

电子口碑对旅游企业而言是一柄双刃剑,尽管正面口碑对企业绩效有较大的促进作用,但负面口碑的传播对企业声誉和绩效的伤害却更加严重（Zhao,Wang,& Guo,et al.,2015）。旅游企业不应只是被动地接受游客的评价,而应该尝试主动引导和管理游客的在线评价,以达到提升在线口碑的目的。在线评论网站往往要求游客在发布文字和图片作为评论主体的同时根据自身的体验和满意度对旅游产品进行评分（一般为1到5分）,以方便旅游企业直接积累在线口碑。因此,一个主要的引导方向是通过旅游用户生成内容了解游客的需求、偏好及影响游客满意度和在线评分的关键因素,进而采取适当的举措迎合游客需求来增加游客满意度。一些研究通过对游客在线评论进行文本分析、定量比较分析等方法观察游客在预订酒店时的关注点,以对酒店提出相应的管理建议（Li,Ye & Law,2013）。Zhou、Ye 和 Pearce 等（2014）进一步发现,来自不同国家的游客在酒店预订过程中的需求和关注点存在差异。更多学者通过建立游客满意度影响因素的实证模型来发掘更多影响游客满意度和在线评分的关键因素。他们发现,游客特征如文化背景（Schuckert,Liu & Law,2015;Liu,Teichert & Rossi,et al.,2017）、旅游经验（Liang,Schuckert & Law,2017）、评论专业性（Zhang,Zhang & Yang,2016）、信息披露程度（Liu,Law & Xu,2019）,以及企业特征如价格（Ye,Li & Wang,et al.,2014）、折扣力度（Zhang,Zhang & Wang et al.,2013）、前期的评论数量和评分分布（Li,Zhang & Meng,et al.,2019）均会对游客满意度和评分产生直接影响。

除此之外,一些研究还发现在线评论网站所应用的在线设计也会对游客评论和评分发布行为产生一定的影响,例如,除总体评分外,在线评论网站大多允许游客对酒店、餐厅或旅游景点的单项属性（如位置、服务质量等）进行打分。Zhang、Zhang和 Law（2014）发现,餐厅在大众点评网中的分项评分（如口味、环境）显著影响该餐厅总体评分的分布,然而Schuckert、Liu 和 Law（2016a/b）指出,TripAdvisor酒店的整体评分和分项评分之间存在显著差距。许多在线评论网站也倾向于使用游戏化设计如徽章系统来增强游客的评论发布意愿。Liu、Schuckert 和 Law（2016）及Schuckert、Liu和 Law（2015）基于TripAdvisor中的评论数据发现,徽章级别较高的游客更倾向于避免发布较为极端的在线评分。

由于负面口碑会对旅游企业声誉造成恶劣影响,所以用户生成内容在线管理的另一个关键点在于如何管理和回应负面评价。一个有效的解决方案是对负面评价进行适当的管理反馈,以抚慰游客的负面情绪,增加其再次访问时的满意度（Gu & Ye,2014;Liu & Law,2019）。一些研究发现,管理反馈不仅对收到反馈的游客产生直接影响,而且对后续观察到反馈的游客也会产生间接影响,并影响其对酒店的预订意愿（Liang,Schuckert & Law,2017;Chen,Gu & Ye,et al.,2019）。基于管理反馈对旅游企业评论管理产生的重要作用,许多研究也关注了旅游企业如何更加有效地实施管理反馈策略,例如,如何选择首要回复目标及采用何种回复风格等（Cheng & Loi,2014;Liu,Schuckert & Law,2015）。相关文献除极少量研究使用结构方程模型结合一手数据进行分析以外,多数通过构造个体层面或评论层面的回归模型解决研究问题。超过一半的文献选择TripAdvisor作为主要数据来源,其次是去哪儿网、大众点评网等国内平台。

尽管现有研究发现,不同企业选择不同的在线管理反馈目标会取得不同的反馈效果,然而仍未有研究基于不同的企业和游客特质提出个性化的管理反馈策略的实践建议。例如,结合中国旅游企业（如酒店集团）及国内游客的特殊性,通过理论和实证研究提出具有“中国特色”且能被中国游客和消费者接受的管理反馈策略,从而增加管理反馈效率。

基于用户生成内容对旅游企业和在线平台的重要性,如何激励游客分享更多的评论信息成为旅游学界的又一重要议题。早期研究通过问卷调查和对用户评论进行文本分析等方式直接调查游客在线分享行为的激励因素（Wu & Pearce,2014/2016;Yang,2017）。后续研究多结合在线平台和社区中使用的用户在线分享的激励策略,验证这些激励策略的有效性并提出改进建议（Liu,Liu & Law,et al.,2019）。旅游在线社区最常用的激励策略为游戏化设计,即通过为用户制定在线分享目标,并对达成目标的用户给予虚拟化的奖励（如电子徽章、在线社区用户等级提升）,以提升用户在社区中的地位（Liang,Schuckert & Law,et al.,2017）。以TripAdvisor为例,早期的激励机制为对发布评论的用户提供一枚电子徽章,当用户持续发布更多的评论时,根据评论发布的数量再对徽章进行升级。然而,一些研究发现,尽管这种机制显著提升了平台评论数量,但用户会为了追求徽章等级的提高而忽视评论质量（如评论的详细程度、可读性）,最终导致平台整体评论质量的下降（Schuckert,Liu & Law,2015;Liu,Schuckert & Law,2016）。因此,TripAdvisor随后将激励策略更新为用户可以通过发布评论及积累有用性投票来换取贡献点数以完成徽章等级的提升。

旅游在线平台中的大量评论可以为游客提供更完整的信息,然而,过量评论会造成信息过载从而导致游客信息识别成本显著上升。基于此背景,在线平台近年来更倾向于关注评论质量而非评论数量。一方面,旅游在线评论网站如携程网、TripAdvisor纷纷提出“有用性投票”（helpfulness votes）机制,即允许阅读评论的其他用户对每条评论的有用性进行投票,票数越高代表评论的质量越高。以该机制为研究对象,大量研究探讨了在线评论有用性投票影响因素这一话题,以帮助平台识别出更多高质量的在线评论（Liang,Schuckert & Law,2019）。另一方面,以去哪儿网为代表的旅游在线平台选择采用更加客观的方式对高质量评论进行标识,例如,去哪儿网后台会对所有评论中字数超过500字并包含至少5张图片的评论进行审核,选出其中部分评论给予“砖家点评”电子徽章。Liang、Zhang和 Zhang等（2017）以及Liu、Zhang 和Law等（2019）通过收集和分析去哪儿网的评论数据,发现“砖家点评”徽章可以显著激励用户后续发布更多高质量的在线评论。用户在线分享激励机制的相关文献所使用的研究方法也以建立个体和评论层面的回归模型为主,其数据多收集自TripAdvisor、去哪儿网、携程网、途牛网等用户分享激励机制较为成熟的在线平台。

用户在线分享行为的激励机制这一研究主题的现有研究同样存在两方面的局限性：第一,多数研究仅关注了平台在线设计和激励措施对用户在线分享行为的激励作用,缺乏对其他有效激励策略的探索,如历史用户的在线分享在一定条件下是否可以激励后续用户的在线分享行为;第二,对特殊情境,如民宿共享平台用户的在线分享行为激励研究不足。目前,多数在线旅游平台已经处于信息过载、急需提升信息质量的阶段,而一些新兴平台,如民宿共享平台受限于容客量却仍需要进一步激励用户在线分享行为以提升信息数量,研究特殊情境,如民宿共享平台用户在线分享行为的激励机制具有较大的实践意义。

对中国情境下旅游用户在线生成内容研究的核心机构进行统计,结果见表2,核心机构指发文量超过两篇的研究机构。首先,排名第一和第二的核心研究机构分别为香港理工大学和哈尔滨工业大学,在64篇论文中出现频次分别为34次和21次。排名第三和第四的核心机构为中山大学、南开大学这两所最早开设旅游管理专业的高校,出现频次分别为8次和6次。詹姆斯库克大学和浙江大学紧随其后,出现频次为5次。丹佛大学、南京审计大学和北京大学出现频次分别为4次、4次和3次,普渡大学、天普大学、武汉大学等8所研究机构出现频次为2次,在核心机构排名中并列第10名。

本文同时统计了所有文献中作者所在机构的地域分布,在64篇文献中,中国大陆的科研机构贡献量最大,出现频次总计达44次,其次为以香港理工大学为代表的中国香港地区,出现频次为34次。美国许多高校和科研机构也表现出对中国情境下旅游用户生成内容的浓厚兴趣,多通过与国内机构合作研究的方式进行。其他国家和地区,如澳大利亚、韩国等地的科研机构也在近年对相关主题做出了持续贡献。

64篇文献所使用的研究方法呈现出趋同性。其中8篇文献以调查问卷为数据获取方式并使用结构方程模型为主要分析方法;2篇文献选择设计实验的方式研究相关问题。在对旅游用户生成内容进行基础的挖掘和应用时,22篇文献选择使用内容分析、词频分析、主题分析、语义关联分析等文本分析技术及图片识别技术对评论文本和图像进行分类和特征提取;2篇文献采用社交网络分析探讨电子口碑在社交媒体中的传播路径等问题;其余文献除1篇采用元分析方法对相关主题文献进行归纳外,其他的通过定量研究的方法,如描述性统计和构建回归模型来研究用户生成内容对旅游企业绩效的影响或用户满意度影响因素等问题。

数据来源方面,有10篇文献选择使用调查问卷、访谈或实验设计等方式来获取一手数据。其余研究倾向于收集旅游在线平台,如在线评论网站、旅游博客、微博、社交媒体平台中的实际用户生成内容来解决研究问题。在使用二手数据的54篇文献中,有42篇文献选择仅收集单个在线平台的数据;使用两个和三个在线平台用户生成内容作为数据来源的文献分别有4篇和6篇;还有2篇文献不限制具体平台,而是通过使用搜索引擎的方式收集游客的用户生成内容,如旅游博客等数据。表3显示最常被选作数据来源的在线平台,可以看出,在研究中国情境下旅游用户生成内容时,TripAdvisor中的在线评论是学者们最常使用的数据资源,其次为携程网的酒店和旅游目的地的评论数据,再次是去哪儿网和小猪短租等平台的在线评论。大众点评网和点餐小秘书是研究中国饭店用户评论最常关注的在线平台。而在旅游博客方面,多数研究青睐使用新浪博客和微博作为主要数据渠道,其次是国外的两大旅游博客平台TravelPod和Virtualtourist。

本文最后统计了学者们在研究中国情境下旅游用户生成内容时最常关注的前10位城市（见表4）。其中,北京和香港排名第一位和第二位,出现频率分别为16次和15次;上海和广州分别排名第三和第四位;其他城市如杭州、台北、成都、澳门、三亚等也吸引了较多关注。统计显示,学者们青睐选择经济和旅游业都十分发达的城市作为研究对象。

本文基于酒店及旅游管理领域SSCI期刊上发表的中国情境下旅游用户生成内容的相关文献,对研究内容和成果进行了全面梳理,并对发表论文的核心机构、研究方法、数据来源和样本分布进行了统计分析,为学术界认知该领域的研究现状和趋势、引领未来研究方向提供了参考。在本文归纳的四大研究主题中,有如下几个方面值得进一步思考和关注。

现有文献多以入境游客评论为依托,探讨入境游客对国内旅游目的地形象的感知和评价（Hunter,2013;Cong,Wu & Morrison,et al.,2014）,在关注中国游客对海外目的地形象感知或中国游客与西方游客评论发布行为差异时,收集的评论多为英文评论或将中文评论翻译成英文后进行文本分析和特征提取（Schuckert,Liu & Law,2015）,缺乏对国内游客用户生成内容的深入挖掘。因此,未来的研究需要更加关注使用和拓展中文文本及情感分析方法,分析中国游客对国内外旅游目的地的旅游评论和发表于博客上的内容,真正了解国人的需求和偏好（李实、叶强、李一军等,2009）。

在线管理反馈策略对游客满意度、企业绩效的重要作用已被大量研究证实（Gu & Ye,2014;Chen,Gu & Ye,et al.,2019）。许多学者也验证了针对不同目标客户提供反馈或使用不同的反馈风格对反馈效果的影响,然而对中国情境下旅游企业和游客特质的探讨仍有所欠缺。Liang、Schuckert 和 Law 等（2020）对比了国内和国际品牌的酒店管理反馈策略的差异性,发现国际品牌的酒店更倾向于使用管理反馈策略。他们还发现尽管国际品牌和国内品牌酒店采用相同的反馈策略,但反馈结果却存在较大差异。未来可行的研究方向是立足中国情境,探索真正适用于不同类别和规模的中国旅游企业（包括酒店、景区、餐厅等行业）的有效管理反馈策略。

首先,尽管众多研究立足中国情境或使用中国数据探索了与用户生成内容相关的大量议题,但民宿共享平台（如Airbnb、小猪短租）作为一类新兴平台受到的关注却相对较少。目前,对国内民宿共享平台用户生成内容的研究仅停留在将评论数量作为房东绩效的代理变量（Liang,Schuckert & Law,et al.,2017/2020）或验证评论数量和评分对房东绩效的促进作用（Wu,Ma & Xie,2017;Kwok & Xie,2018;Xie,Mao & Wu,2019）。民宿共享平台与酒店平台的差异在于评论不仅反映了房客对住宿体验的评价,同时也是房客和房东的一种交互渠道。因此,未来的研究需要使用文本分析技术,基于文本评论内容深入探讨国内民宿共享平台中用户的交互模式,以及不同交互模式对房客体验和房东绩效的影响。其次,现有研究多使用房东短期绩效作为在线绩效的代理变量,未来研究可以进一步关注房东长期绩效,如在平台生存时间的影响因素。最后,多数国内民宿共享平台中的民宿由于容客量的限制导致评论存在稀缺性,因此后续研究也可以关注民宿共享平台用户评论发布行为的激励因素及平台如何开发有效机制以提升用户的在线分享意愿。