如何通过旅游社交媒体影响者塑造旅行意图？一种混合PLS-ANN方法

《Journal of Theoretical and Applied Electronic Commerce Research》：How to Shape Travel Intentions Through Tourism Social Media Influencers? A Hybrid PLS-ANN Approach

　　

尽管社交媒体影响者（SMIs）在目的地营销中扮演着关键角色，但它们塑造游客兴趣和旅行意图的潜在因素仍未被充分探索。基于修正的注意-兴趣-欲望-行动（AIDA）模型，本研究通过调查SMIs的特征如何通过目的地感知信任和目的地感知吸引力影响旅行意图来填补这一空白。使用偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）分析了416份有效问卷。结果显示，SMIs的相似性、专业性、身体吸引力、社交吸引力、真诚性和可见性增强了游客的目的地感知信任和目的地感知吸引力，从而影响了旅行意图。此外，ANN分析通过比较预测性能和识别SMI特征的相对重要性，补充了PLS-SEM的结果。这些发现为目的地管理组织改进影响者营销提供了若干建议。

**论文解读：旅游社交媒体影响者如何塑造旅行意图——基于混合PLS-ANN方法的研究**

**研究背景与问题**
在数字时代，社交媒体影响者（SMIs）已成为目的地营销的关键角色，其通过分享个人旅行体验、推荐和真实评价，能有效促进游客与目的地之间的连接。然而，现有研究虽确认SMIs对旅行意图有显著影响，但对其具体特征如何通过游客心理机制（如信任和情感反应）发挥作用仍缺乏深入探讨。传统研究多聚焦于单一特征（如专业性或吸引力），且大多采用线性模型，难以捕捉复杂非线性关系。此外，修正的AIDA模型（注意-兴趣-欲望-行动）在广告领域广泛应用，但鲜有研究将其应用于解释SMIs的营销效果。因此，本研究旨在：①基于修正AIDA模型，验证SMIs六种特征（相似性、专业性、身体吸引力、社交吸引力、真诚性、可见性）对旅行意图的影响路径；②引入目的地感知信任和目的地感知吸引力作为中介变量；③采用混合PLS-SEM与ANN方法，结合解释性与预测性分析，提供更全面的模型评估。该论文发表在《Journal of Theoretical and Applied Electronic Commerce Research》。

**主要技术方法**
研究采用混合PLS-ANN两阶段分析策略。第一阶段使用偏最小二乘结构方程模型（PLS-SEM）评估测量模型和结构模型，适用于小样本、非正态分布数据（Mardia系数113.75＞3）及未广泛验证的概念模型。第二阶段运用人工神经网络（ANN）的多层感知器（MLP）方法，构建两个子模型（输出分别为目的地感知吸引力和目的地感知信任），通过十折交叉验证（训练集:测试集=9:1）和sigmoid激活函数，比较预测性能并识别特征相对重要性。样本来源：通过中国在线问卷平台“问卷星”收集，针对观看过甘孜旅游局长（SMI）短视频的群体，于2022年12月至2023年1月共回收433份问卷，剔除无效后保留416份有效样本（有效回收率96.1%）。

**研究结果**
**4.1 人口统计特征**
受访者中女性占56.5%，年龄集中在20-29岁（49.8%）和30-39岁（24%），学历以大专（50.7%）和本科（26.2%）为主，月收入低于4500元者占66.6%，职业以学生（36.5%）和企事业单位人员（13.5%）为主，未婚者占52.6%。该分布与抖音（TikTok）受众群体特征一致。

**4.2 测量模型**
所有构念的因子载荷量均超过0.7（0.758~0.891），Cronbach‘s α和组合信度（CR）均大于0.7，平均方差提取（AVE）均大于0.5，表明收敛效度良好。区分效度通过Fornell-Larcker准则（AVE平方根大于与其他构念的相关系数）和HTMT比率（均低于0.85阈值）得到验证。

**4.3 结构模型**
通过5000次自助法（bootstrap）检验假设，Q²值（目的地感知信任=0.293，目的地感知吸引力=0.240，旅行意图=0.169）均大于0，表明模型具有预测相关性。SMIs特征解释了目的地感知信任41.3%的方差（R²）和目的地感知吸引力39.8%的方差；目的地感知信任与吸引力共同解释旅行意图22.6%的方差。14条假设均获支持：
- H1（SMIs特征→目的地感知信任）：相似性（β=0.245，p<0.001）、专业性（β=0.103，p<0.05）、身体吸引力（β=0.123，p<0.05）、社交吸引力（β=0.139，p<0.05）、真诚性（β=0.113，p<0.05）、可见性（β=0.172，p<0.05）均正向影响目的地感知信任。
- H2（SMIs特征→目的地感知吸引力）：相似性（β=0.140，p<0.05）、专业性（β=0.155，p<0.05）、身体吸引力（β=0.169，p<0.05）、社交吸引力（β=0.105，p<0.05）、真诚性（β=0.140，p<0.05）、可见性（β=0.181，p<0.05）均正向影响目的地感知吸引力。
- H3：目的地感知信任正向影响旅行意图（β=0.302，p<0.001）。
- H4：目的地感知吸引力正向影响旅行意图（β=0.251，p<0.001）。

**4.4 人工神经网络（ANN）分析**
构建两个ANN子模型：模型1（输出=目的地感知吸引力）和模型2（输出=目的地感知信任），均包含6个输入神经元（相似性、专业性、身体吸引力、社交吸引力、真诚性、可见性）。十折交叉验证后，模型1训练集和测试集的平均均方根误差（RMSE）均为0.113，模型2分别为0.124和0.115，差异极小，表明模型可靠。敏感性分析显示：
- 模型1中，相似性（100%）为最重要预测变量，其次为身体吸引力（95.38%）、社交吸引力（75.11%）、专业性（74.48%）、可见性（63.27%）、真诚性（40.22%）。
- 模型2中，社交吸引力为主预测变量，其余为次要变量。
与PLS-SEM结果对比发现，预测变量重要性排名存在差异：例如，PLS-SEM中可见性和身体吸引力为最强预测变量，而ANN中相似性在模型1中重要性最高。此外，ANN的R²值均高于PLS-SEM，表明ANN具有更高的预测准确性。

**讨论与结论**
**研究结论翻译**
本研究基于修正AIDA模型，探讨了SMIs特征（相似性、专业性、身体吸引力、社交吸引力、真诚性、可见性）通过目的地感知信任和目的地感知吸引力对旅行意图的影响。主要发现如下：
第一，在SMIs特征中，专业性对目的地感知吸引力影响显著，但对目的地感知信任的影响较弱，这可能源于研究对象（甘孜旅游局长）并非专业导游，导致游客信任度降低；相似性则对两者均有正向影响，强化了相似性在代言人与消费者情感连接中的积极作用。
第二，身体吸引力显著预测目的地感知吸引力，而社交吸引力对目的地感知吸引力的影响较小；但社交吸引力在影响目的地感知信任中起关键作用，支持了SMIs的面部表情和亲切语调能增进与游客亲密关系的观点。真诚性和可见性（真实性维度）显著影响目的地感知信任和吸引力，表明游客对SMIs的真实性有强烈情感反应。
第三，目的地感知信任和吸引力均正向影响旅行意图，但两者对旅行意图的解释力有限（R²=0.226），提示未来研究可纳入更多心理、社会和情境因素。
第四，混合PLS-ANN方法不仅验证了SMIs特征在线性模型中的显著效应，还通过非线性建模识别了其相对预测重要性，增强了研究稳健性，为消费者行为研究从解释性建模向预测分析范式转变提供了方法论参考。