《Journal of Hospitality and Tourism Management》：Evolving patterns of hotel agglomeration: Economic cycles and technological influence
编辑推荐：
本研究聚焦于酒店业集聚的外部驱动因素，挑战了马歇尔关于集群通过降低顾客搜索成本带来益处的百年假设。针对传统理论默认集聚效应随时间恒定的局限，研究人员分析了2000-2023年德州3690家酒店的月度数据，探讨了经济周期与技术进步如何动态调节酒店集聚对绩效的影响。研究发现，集聚虽有正向基准效应，但经济衰退削弱了其对高端酒店的益处，而轻微增强了低端酒店的集聚优势；同时，本地在线搜索和用户生成内容等数字工具也削弱了空间临近性固有的搜索成本优势。这些结果表明集聚效应并非一成不变，而是由变动的经济和科技因素驱动，对酒店管理者的区位选择和资产评估具有重要实践指导意义。
在酒店和旅游业，一个被信奉了超过一个世纪的“铁律”是：将酒店集中开在一起（即“集聚”）是明智之举。其背后的逻辑（可以追溯到马歇尔1920年的理论）简单而有力：当多家酒店在空间上临近时，顾客可以轻松地比较和选择，这大大降低了他们的搜索成本。对于驾车经过高速公路出口的旅行者来说，看到一排酒店招牌，无疑比在陌生区域分散寻找要方便得多。这种便利性被认为能吸引更多顾客到该区域，形成“需求池”，并可能促使酒店间形成既竞争又合作的微妙关系，最终提升整个集群的业绩。因此，集聚被认为是酒店选址决策和获取竞争优势的核心考量。
然而，世界已经发生了翻天覆地的变化。我们身处的时代，经济在繁荣与衰退的周期性波动中颠簸前行，而智能手机和互联网则彻底重塑了我们寻找和预订酒店的方式。今天，一个旅行者无需驾车路过，只需动动手指，就能通过在线平台（如TripAdvisor）、地图应用和本地搜索（如“hotels near me”）轻松对比数公里甚至数十公里外酒店的价格、评分和设施。那么，一个根本性问题浮现了：在数字化时代，地理上的近距离还像一百年前那样，是降低搜索成本的必要条件吗？更进一步，当经济衰退来袭，整体旅游需求萎缩时，聚集在一起的酒店是会“抱团取暖”，还是会因争夺有限的客源而“内卷”加剧？换言之，酒店集聚带来的好处是永恒不变的，还是会随着外部经济环境和科技浪潮的起伏而动态变化？
这正是由Simone Bianco、Manisha Singal、Haipeng Ji和Hengyun Li共同完成，并发表在《Journal of Hospitality and Tourism Management》上的研究试图回答的核心问题。他们质疑了“集聚效应随时间不变”这一隐含假设，系统性地考察了经济周期和技术进步如何调节酒店集聚与绩效之间的关系。
为了探究这些问题，研究团队构建了一个庞大而精细的数据集。他们以美国德克萨斯州为样本，收集了从2000年1月到2023年12月期间，3690家酒店在769个邮政编码区的月度运营数据。核心的绩效指标是每间可用客房收入（RevPAR）。衡量“集聚”程度的方法，是统计每个邮政编码区域内酒店的数量。为了捕捉“经济周期”，他们采用了美国国家经济研究局（NBER）对经济衰退期的官方定义，将其编码为一个二元变量。而对于“技术进步”，他们创新性地使用了两个维度的代理变量：一是谷歌“hotels near me”的本地搜索量，用以衡量消费者利用数字工具进行空间搜索的行为变化；二是从TripAdvisor爬取的在线评论数量、管理层回复数量及回复率，用以衡量数字平台的参与度和交互程度。通过对这些数据进行固定效应面板模型分析，研究人员得以控制时间不变和随时间变化的未观测因素，从而更干净地识别出关键变量间的因果关系。
4.1. 主要分析结果
研究首先确认了集聚的基准效应：在控制了时间和地区固定效应后，酒店集聚程度（lnAgglomeration）对地区酒店总RevPAR有显著的正向影响（β = 0.1830, p < 0.01）。这支持了传统理论，即集聚在一般情况下对酒店业绩有促进作用。
然而，当引入调节变量后，故事变得复杂。经济衰退期（Recession）显著负向调节了集聚与绩效的关系（交互项β = -0.0404, p < 0.01）。这意味着，在经济下行时期，集聚带来的正向效益被削弱了。
同样，技术进步（以本地搜索量Search衡量）也显著负向调节了这一关系（交互项β = -0.0025, p < 0.01）。随着“hotels near me”搜索量的增加（代表数字搜索技术的普及），集聚对绩效的正面影响逐渐减弱。这些结果支持了研究假设H1b和H2b，即经济衰退和技术进步都会削弱集聚的益处。
4.2.1. 内在机制：竞争强度
为什么经济衰退和技术进步会削弱集聚效益？研究人员推测，其核心机制在于它们加剧了集群内的竞争强度。为了验证这一点，他们构建了一个基于酒店月收入的赫芬达尔-赫希曼指数（HHI）的倒数，作为有效竞争强度（CompetitionEFF）的衡量指标。分析发现，无论是经济衰退还是技术进步，都与竞争强度的显著增加相关。更重要的是，在模型中引入竞争强度后，它对酒店绩效产生了显著的负面影响。这表明，经济衰退和技术进步确实通过加剧集群内酒店间的竞争，侵蚀了集聚带来的收入效益。
4.2.2. 数字平台参与的调节效应
为了更全面地衡量技术进步，研究还检验了在线评论和酒店管理互动的作用。结果一致显示，月度在线评论数量（lnReview）、管理层回复数量（lnResponse）以及管理层回复率（ResponseRate）都与集聚程度存在显著的负向交互作用。这表明，消费者在数字平台上越活跃（发表评论），酒店越积极地利用数字工具进行客户关系管理（回复评论），集聚带来的传统优势就越小。数字平台的广泛使用，使得地理位置邻近的搜索成本优势被“拉平”，竞争变得更加透明和跨地域。
4.2.3. 细分市场分析
研究进一步将酒店按STR等级划分为高端（豪华、超高端、高端）和低端（经济型、中档、高档中档）两组，并分别计算其集聚水平。结果揭示了一个有趣的差异：经济衰退对两类酒店集聚效应的调节作用截然相反。
对于高端酒店，经济衰退强烈地削弱了其集聚的益处（交互项β = -0.1476, p < 0.01）。这可能是因为在经济不景气时，高端需求收缩最快，聚集在一起的高端酒店为了争夺有限的高端客源，不得不陷入更激烈的价格竞争，导致“内卷”加剧，集聚的负面竞争效应压过了正面溢出效应。
相反，对于低端酒店，经济衰退反而轻微但显著地增强了集聚的益处（交互项β = 0.0376, p < 0.05）。一个合理的解释是“消费降级”现象：部分原本选择高端酒店的旅客在经济下行时期转向更实惠的低端选项。聚集的低端酒店集群因其可见性和选择性，可能更有效地吸引了这部分“降级”需求，从而在衰退中反而略微受益于集聚。
4.2.4. 稳健性检验
研究通过使用滞后变量（将自变量滞后一期）以及加入累积评论和累积回复作为额外控制变量等多种方式进行稳健性检验，主要结论均保持稳定，证实了研究发现的可靠性。
本研究的结论清晰地表明，酒店集聚并非一个静态的、永远带来增益的策略。其价值是情境依赖型的，受到宏观经济周期和数字技术环境的深刻塑造。
首先，研究证实了集聚的基准正面效应，但更重要的是，它揭示了这种效应会随时间动态变化。经济衰退期会普遍削弱集聚的好处，尤其对高端酒店打击显著，而对低端酒店集群的影响则可能略有不同。这反映了在经济下行时，需求萎缩会激化集群内的竞争，尤其是对价格弹性较低、固定成本较高的高端细分市场。
其次，研究对集聚理论的百年基石——降低搜索成本——提出了根本性质疑。在数字化时代，通过本地搜索、在线评价和比价平台，消费者无需物理临近即可近乎零成本地搜索和比较遥远区域的酒店。这极大地削弱了空间集聚在降低顾客搜索成本方面的独特优势，甚至可能因为加剧了信息透明度和价格竞争，而使集聚的净效益转为负面。数字技术实际上重塑了竞争的地理边界。
这项研究在理论和实践上均有重要贡献。理论上，它将动态性和外部宏观因素正式引入集聚效应研究，推动了理论发展，并挑战了关于搜索成本的核心假设。实践上，它为酒店投资者和管理者提供了关键决策依据：在评估酒店资产价值和进行区位选择时，必须将经济周期阶段和当地数字技术的渗透程度纳入考量。对于高端酒店投资者，应警惕在经济下行周期过度投资于高度集聚的市场；对于所有酒店经营者，都需要认识到，在数字时代，仅仅依靠地理集聚来获取客流可能已不够，主动的在线声誉管理和差异化竞争策略变得更为重要。
总之，这项研究描绘了一幅酒店集聚效应在时代浪潮中动态演变的图景。它告诉我们，成功的酒店战略不能固守旧地图，而必须敏锐洞察经济的气候变化和科技的潮汐方向。
