数字平台架构与游客就餐决策：行为–评估–反思框架

《Tourism Management Perspectives》：Digital platform architecture and tourist dining decisions: A behavior–evaluation–reflection framework

　　

•旅游研究中的事后行为自我报告并非一个同质类别。
•结构化与开放式征询会产生不同的餐饮偏好画像。
•平台架构可能塑造跨模态偏好测量。
•平台突出属性表现出天花板效应，可能会掩盖真正的驱动因素。
•共同方法偏差夸大了自我报告与行为之间表面上的契合度。

引言

数字化中介的旅游决策，从目的地选择到目的地内餐饮，越来越受到充当决策基础设施而非中性信息渠道的评论平台的影响。消费者在规划和导航这些体验时，依赖 Yelp、TripAdvisor、Booking.com 和 Google Travel 等平台，在不确定性和信息丰富的条件下搜索、比较和评估选项（Jacobsen & Munar, 2012; Xiang et al., 2015; Zheng et al., 2023）。然而，旅游决策研究继续假设个人能够准确报告他们在这些平台上做出选择背后的偏好。事后选择自我报告，无论是结构化属性评分还是开放式解释，通常被视为决策过程中什么是重要的有效代表（Jang et al., 2012; Sparks et al., 2013）。这一假设支撑了我们在旅游情境下关于目的地选择、住宿选择和目的地内餐饮决策所知的大部分知识。

消费者行为的基础工作挑战了这一前提。建构性偏好理论认为，偏好不是稳定、预先存在的实体，而是针对决策情境构建的（Bettman et al., 1998; Slovic, 1995）。关于征询方法影响的补充研究表明，个人报告的内容系统地取决于问题是如何提出的（Schwarz, 1999; Tversky et al., 1988）。综合来看，这些观点意味着事后选择报告可能不反映单一的基础偏好结构，而是对同一决策的多个依赖情境的构建。

这种理论张力在数字化中介的旅游环境中尤为显著。评论平台并非被动地展示信息；它们通过排名算法、过滤选项和特定内容的视觉显著性主动构建游客的决策过程，通常被概念化为数字助推的形式（Weinmann et al., 2016）。游客可以评估的内容，因此他们构建的偏好，受制于信息如何在平台界面内组织和展示（Jacobsen & Munar, 2012; Xiang et al., 2015）。这种结构效应对于所有主要旅游平台都很重要：TripAdvisor 的星级排名列表和精选照片画廊，Booking.com 的过滤器驱动搜索，以及 Google Travel 的算法推荐，都嵌入了塑造在决策过程每一步哪些信息变得认知可及的架构选择（Aksoy & Yetkin Ozbuk, 2017; Zheng et al., 2023）。随着评论平台成为旅游决策的核心基础设施，关于它们的信息架构如何与游客偏好建构相互作用的问题已经从边缘移动到旅游决策研究的核心。

在这个更广泛的旅游决策格局中，评论平台上的餐厅选择值得特别关注，作为一种体验性、信息密集和充满不确定性的决策，它具有与其他旅游选择（如目的地选择和住宿预订）共同的核心特征（Sirakaya & Woodside, 2005）。餐饮决策处于食物旅游和目的地内体验设计的交叉点：它们是目的地游客体验的核心，在行前和目的地内信息搜索中都占据重要位置，并且经常通过充当游客体验指南的当地主机或居民进行中介。诸如 Yelp 和 TripAdvisor 等平台在这个空间竞争和重叠，使用在整个旅游平台生态系统中发现的相同架构特征（关键词搜索、类别过滤器、算法排名、照片画廊）来索引和排名当地餐饮选项。出于这些原因，餐厅评论环境提供了一个界定清晰的实证设置，用于调查平台中介的信息架构如何与游客偏好建构相互作用，其发现具有超越餐饮、扩展到更广泛的平台中介旅游决策类别的影响。

尽管具有这种核心地位，旅游研究通常将不同的偏好表征视为可互换。行为研究从观察到的行动（如点击流或浏览模式）中推断偏好（Bucklin & Sismeiro, 2009），基于调查的研究通过关键属性的结构化评估引出属性重要性（Pantelidis, 2010），定性研究依赖对决策标准的回顾性解释（Sparks et al., 2013）。然而，这些方法很少被整合，关于它们收敛于同一基础偏好结构的隐含假设在很大程度上未经验证。如果游客偏好是建构的且取决于平台中介的征询，那么这些不同的测量模态可能捕捉对同一决策的不同表征，而不是单一偏好的 consistent 反射。

在本研究中，我们通过将旅游决策重新概念化为多表征过程来解决这一差距。我们提出了一个三阶段的行为 - 评估 - 反思（B-E-R）框架，该框架区分了单个决策过程中三种理论上有依据的偏好表征。行为捕捉决策过程中的可观察动作序列，包括搜索查询、导航路径和内容参与。评估指的是通过评分量表引发的结构化事后选择属性重要性评估。反思捕捉决策者报告为决定性的自发、非结构化说明。而不是将这些表征视为等同，B-E-R 框架将它们概念化为偏好的不同构建，每种构建由不同的认知过程和征询情境塑造。

中心命题是这些表征将系统地发散。结构化评估促使仔细的、逐属性的考虑，而开放式反思依赖回忆时最显著或认知上可及的内容（Schwarz, 1999）。相比之下，行为痕迹反映在有限理性、注意力有限和时间压力条件下做出的决策（Kahneman, 2011; Simon, 1972）。因此，每种表征捕捉决策过程的不同方面。重要的是，这种发散不被期望是随机的。框架进一步提出，平台信息架构通过确定哪些属性在认知上可及来塑造偏好建构。在平台界面中突出且一致表征的属性更有可能出现在行为、评估和反思表征中，而表征微弱或结构受限的属性可能在征询格式间不一致地表达。

这一观点为旅游决策研究带来了三个贡献。首先，它扩展了建构性偏好理论，通过表明偏好建构在单个决策过程中是表征依赖的，细化了在数字环境中如何理解游客偏好。其次，它确定平台信息架构作为塑造哪些属性在测量模态间产生一致或分歧的机制，将旅游决策理论与游客实际使用的平台的设计特征联系起来（Xiang et al., 2015; Zheng et al., 2023）。第三，符合旅游研究中长期呼吁的方法论多元主义，它挑战了对单一格式自我报告措施的广泛依赖，通过表明不同的征询格式系统地偏差对旅游决策驱动因素的推断（Schwarz, 1999）。

为了检验这些命题，本研究在同一决策过程中捕捉了所有三种表征。参与者参与 Yelp 上的自然主义餐厅搜索会话，Yelp 是一个广泛用于本地和游客餐饮决策的主要评论平台，同时他们的浏览行为使用自定义仪器化浏览器记录。随后，参与者完成了结构化属性重要性调查，并提供了关于他们决策标准的开放式说明。

章节片段

理论背景

本节确立了支撑三阶段行为 - 评估 - 反思（B-E-R）模型的构念和理论逻辑。我们首先回顾旅游评论平台上的浏览行为，然后开发决策框架，将模型建立在建构性偏好理论和征询方法效应之上，正式定义模型的三个构念，并确立假设产生的文献差距。

假设

在推导三个假设之前，我们明确 B-E-R 框架的跨阶段因果逻辑。三个不同的机制支撑三个成对差距。行为 - 评估差距（H1）源于平台架构与多维属性差异化搜索的结构不兼容：关键词和过滤器架构推动游客进行广泛、低成本的查询，无论他们随后将哪些属性评为重要（Jerath 等人，2014；Pirolli，2007）。

方法

本节描述研究设计、平台选择、参与者招募、数据收集工具、构念操作化和分析方法。

浏览行为与属性评估之间的差距（H1a-H1c）

平均总会话时长（TotalTime）为 5 分 6 秒。图 2 展示了从 URL 日志重建的每个参与者浏览流程的前四步，捕捉了采用的主要搜索方面：关键词、城市、价格和排名。大多数参与者使用关键词和位置输入作为主要搜索方法。尽管价格在浏览步骤 3 至 7 期间的任何时间点应用价格过滤器的参与者仅占 27.6%，但价格是测量到的五个属性维度之一……

讨论

本研究测试了在宿主 - 访客餐饮情境下，客观浏览行为、结构化事后浏览属性评估和自发决策反思是否产生对 Yelp 上同一餐厅选择的不同系统性描述。三个 B-E-R 差距获得了不同程度的支持，需要在分别讨论之前进行明确的整合。H1（行为 - 评估）仅显示出有限的修正 - 生存支持，所有这些都来自自我报告。

理论启示

B-E-R 框架在三个方面推进了旅游决策理论。首先，它确立了旅游研究中的事后行为自我报告并非一个同质测量类别。旅游研究通常将李克特量表属性重要性评分、开放式决策说明和回顾性自我报告行为视为可互换的游客偏好指标，并以隐含收敛假设的方式组合它们。目前的发现表明，这种……

对旅游平台和目的地营销组织的启示

鉴于本研究任务的代理性质，平台突出性天花板机制对于旅游平台设计者和目的地营销组织（DMOs）来说可能是可操作的。研究发现，平台突出表征的属性（食物、服务、照片）在结构化评分上产生天花板效应认可，掩盖了游客实际将哪些作为决策标准，而平台背景化或压缩的属性（氛围、价格）保留了……

局限性与未来研究

鉴于几个约束，应解释这些发现，每个约束都对应未来旅游决策研究的富有成效的方向。最重要的限制是缺乏属性重要性的浏览前基线。因为李克特调查是在浏览后进行的，本研究无法确定评分是否与参与者事先会报告的不同，排除了对经典意图 - 行为差距的直接测试。未来研究应该。

结论

本研究提出并实证测试了旅游和酒店评论平台上消费者决策的三阶段行为 - 评估 - 反思（B-E-R）模型。使用自定义浏览器捕捉 232 名参与者的实时 URL 序列和页面停留时间戳，结合两个事后浏览自我报告工具（结构化属性重要性评分和开放式决策说明），本研究产生了客观行为痕迹、

CRediT 作者贡献声明

云万：写作 - 审查与编辑，写作 - 初稿，验证，方法论，调查，正式分析，数据整理，概念化。中山真：写作 - 审查与编辑，写作 - 初稿，软件，方法论，调查，资金获取，正式分析，数据整理，概念化。

竞争利益声明

作者声明他们没有已知的竞争财务利益或可能影响本文报告工作的个人关系。

云万是休斯顿大学 downtown 分校玛丽莲·戴维商学院的管理信息系统副教授。他获得了伊利诺伊大学芝加哥分校的博士学位。他出版了两本书和 80 多篇论文。他的研究发表在《Information & Management》、《Journal of Strategic Information Systems》、《Communications of the ACM》、《IEEE Computer》、《Tourism Management》、《International Journal of Hospitality Management》和《Electronic Markets》。他的研究得到了

云万 | 中山真