共享住宿平台信任建立措施对房客信任的影响研究

牛阮霞 宋瑞

[摘 要]就共享住宿而言，如何建立用户信任是业界、学界及政府部门共同关注的问题，而现有文献中探究真实情境下共享住宿平台信任建立措施实施效果者甚少。文章以途家为例，在信任建立模型的基础上，构建共享住宿平台房客信任影响因素模型，探讨共享住宿平台信任建立措施中的制度因素、情感因素和认知因素对房客信任的实际影响效果。研究发现：制度因素中的超赞房东、优选PRO 房源、评价分数显著正向影响房客信任;情感因素中的即时速订并未对房客信任产生显著的正向影响;认知因素中的房东性别和房东性质显著正向影响房客信任，房东会员时长并未对房客信任产生显著的正向影响。文章拓展了共享住宿用户信任的理论研究，并为共享住宿平台进一步完善信任建立措施提供了科学依据。

[关键词]共享住宿;信任建立模型;信任建立措施;房客信任

[中图分类号] F592 [文献标识码] A [文章编号] 1674-3784（2024）04-0067-13

近年来，伴随着互联网技术的广泛普及、消费观念的不断升级和产业竞争的日益加剧，共享住宿作为一种新的业态得以快速发展。共享住宿是指以互联网技术为依托，通过搭建第三方平台，将供给端有闲置或租赁房产的房东和需求端有短期住房需求的房客对接起来，实现供需双方精准匹配的资源配置方式[1]。在该模式中，买卖双方交易的实现首先依赖于房客信任的建立。由于房客的交易和互动对象是以个人房东为主[2]，这些“微型企业家”虽可提供个性化的房源和服务，但通常缺乏传统酒店业通过标准化的产品供应、专业化的客户服务以及品牌化的信誉认知所形成的保障[3]。与此同时，由于买卖双方之间存在时空距离，房客在预订之前很难准确评估房源的实际质量和房东的服务水平，这种信息不对称所带来的逆向选择和道德风险增加了交易环境的不确定性[4]。因此，与入住传统酒店相比，“住进陌生人家里”的房客面临更多的风险，例如，个人信息泄露、入住房间与平台描述不符、房东服务质量差以及人身安全没有保障等。这些风险的存在容易使房客产生不信任感，而不信任正是阻碍房客参与共享住宿的主要因素之一[5]。可见，如何建立房客信任对于共享住宿的发展而言至关重要。

为缓解信息不对称所带来的信任危机，一些共享住宿平台不断优化相关措施。例如，制定一系列标准，评选出经营能力强的房东和质量有保障的房源，并授予其超赞房东、优选PRO（途家推出的“优选PRO 全新计划”，以下简称“优选PRO”）、甄选房源、平台严选及安心住等认证标签;开发声誉和反馈系统，邀请已入住房客对住宿体验进行评分并发表评论;设置房东主页，向潜在房客提供房东的头像照片、个人资料、注册时间、认证信息、经营性质、回复率和订单确认率等信息。共享住宿平台推出的这些措施能否切实有效地促进房客建立信任，目前尚缺乏深入分析。现有研究多以Airbnb（Airbnb andbreakfast）为研究对象，通过问卷调查法或实验法搜集数据，探索虚拟情境中影响房客信任的前因变量。众所周知，虚拟情境中房客的主观感受与其真实的消费行为之间存在偏差，因此相关研究说服力相对有限，有必要采集共享住宿平台的客观数据，对真实情境下平台信任建立措施的实施效果进行系统评估。本文以途家为例，在信任建立模型的基础上，构建共享住宿平台房客信任影响因素模型，探讨共享住宿平台的信任建立措施对房客信任的实际影响效果，以期从理论上丰富共享住宿用户信任的研究内容，从实践上为共享住宿平台进一步提升房客信任提供科学依据。

1 文献回顾

1.1 信任的概念

信任具有复杂性、抽象性并对情境存在依赖性[6]25，要对其进行准确界定并非易事。不同学科基于不同研究背景、研究对象和研究目的，从不同的角度对信任加以界定[7]35。在社会学领域，信任被认为是简化社会交往复杂性的有效机制。人们基于熟悉度和情感联系的人际信任以及基于法律、法规的制度信任，降低社会交往的复杂性。心理学主要关注个体间的信任。Hosmer认为，当面临预期损失大于预期收益这种不可预料的事件时，个体的非理性选择行为即为信任[8]。

经济学更加关注信任的经济价值，认为信任是经济交换的有效润滑剂，可有效提升经济组织的运作效率[9]。管理学者认为，信任是在不确定性和存在风险的情况下，组织或个体对互动的另一方不会采取投机行为的期望[10]。信任概念的不统一，给学术研究和实践发展带来诸多障碍。为此，一些学者尝试对信任进行一般性的概念界定，其中影响最大的是Mayer等的研究。在其看来，信任是无论控制或监督受信方的能力如何，施信方都预期受信方将执行对施信方而言重要的特定行为，从而容忍受信方可能导致的伤害行为的程度[11]。本文对信任的界定沿用此概念，并在此概念的基础上，将共享住宿中的房客信任界定为“无论控制或监督受信方共享住宿平台、房东的能力如何，作为施信方的房客都预期共享住宿平台、房东将执行对房客而言重要的特定行为，从而容忍受信方可能导致的伤害行为的程度”。

1.2 电子商务中的消费者信任研究

随着互联网的普及，越来越多的消费者通过线上渠道购买产品或服务。线上交易过程中，由于产品、资金、买卖双方存在时空分离，加之信息不对称和交易环境复杂等原因，消费者较易产生不信任态度[12]。因此，获得消费者信任是电子商务面临的主要挑战之一[13]。针对这一问题，学者们重点围绕以下3个方面展开了系列研究：一是信任的分类。根据交易的不同阶段，Kim 等将信任分为购买前信任、购买中信任和购买后信任[14];根据信任对象的不同，可将信任分为对卖方的信任和对中介的信任[15-16]301，39。二是信任的影响因素。主要包括消费者因素、卖方因素和网站因素。消费者因素涉及信任倾向[17]、经验特征[18]等;卖方因素包括能力、仁慈、正直表现[19]以及与买方的相似性[20]等;网站因素涵盖隐私保护、结构保障、网站质量及服务质量[21-22]等。三是信任的实际作用。研究发现，消费者信任的建立可直接或间接对消费者的购买意愿、忠诚度和满意度产生影响[23]。

1.3 共享住宿中的房客信任研究

基于Mayer等对信任的界定以及电子商务中消费者信任的研究，学者们主要从两个方面就共享住宿中的房客信任问题展开研究。

一是房客信任的影响因素。已有研究主要通过问卷调查法和实验法搜集房客的主观汇报数据，试图探究虚拟情境中共享住宿平台、房东和房客因素对房客信任的影响。其中，共享住宿平台方面包括制度保障和技术支持，房东方面涉及声誉评价，房客方面主要取决于其自身的信任倾向。共享住宿平台的制度保障因素主要包括保险赔偿、安全和隐私保护[24]201 和第三方信用体系的引入[25]等，这些因素通过营造安全可靠的交易环境来影响房客对平台的信任。共享住宿平台的技术支持则与网站质量有关。Yang等的研究发现，房客在使用共享住宿网站时感知到IT 质量正向影响房客对平台的信任[24]201。房东的声誉评价主要包括已入住房客的评价分数和评论数量。已有研究表明，已入住房客的评价分数越高、评论数量越多，房客对房东的感知信任度越高[26]112。房客的信任倾向是指在一般情况下，房客愿意依赖他人的倾向[7]41。Park等的调查发现，信任倾向对房客信任Airbnb平台具有积极作用[27]。少数学者将共享住宿中房客信任影响因素的研究从虚拟情境拓展到真实情境。Ert等通过采集Airbnb平台房东的人口统计信息和头像信息，研究了房东性别、年龄以及头像照片中的人数、照片质量、照片清晰度等对房客信任的影响[28-29]62，630。

二是房客信任的实际影响。主要指房客信任对房客持续使用平台的意愿[30]、购买行为[31]2970、满意度[32]等产生的直接影响，以及通过其他变量如依恋、感知风险和吸引力对房客行为意愿产生的间接影响。Mao等通过调查发现，房客对房东的信任和对平台的信任分别对房客的持续购买意愿产生显著正向影响。其中，平台信任的影响效果大于房东信任的影响效果[33]73。Yang等通过对Airbnb房客的调查发现，认知信任通过对Airbnb的身份依恋间接影响房客的持续购买意愿[24]206。

1.4 研究述评

学者们围绕共享住宿中的房客信任这一重要议题进行了有益的探索，不过仍有较大的拓展空间。首先，就研究内容而言，尽管既有研究验证了虚拟情境中共享住宿平台、房客及房东等因素对房客信任有积极的影响，但真实情境中共享住宿平台信任建立措施对房客信任的实际影响关注不多。其次，就研究方法而言，既有研究多以问卷调查法和实验法收集房客的主观数据，通过数据挖掘技术搜集共享住宿平台客观数据的研究相对较少。最后，就研究对象而言，既有研究多以Airbnb为主，对国内本土共享住宿平台房客信任问题探究不足。因此，本文试图以国内共享住宿平台为研究对象，通过搜集客观数据，研究真实情境下信任建立措施中的制度因素、认知因素、情感因素对房客信任的实际影响。

2 理论基础与研究假设

2.1 信任建立模型

2002年，Harrison等在互联网技术催生了更多在线交易的背景下，提出了信任建立模型，用于研究消费者对电子商务供应商的信任建立过程[15]297。该模型提出，电子商务情境下，影响消费者感知信任的因素有三类：以结构保障为代表的制度因素、网络供应商声誉和网站质量。消费者在对网络供应商的信任和感知风险综合权衡的基础上，会产生一系列的行为意愿[15]301。之后，信任建立模型被广泛应用于在线购物网站、证券网站和众筹网站中消费者的信任建立过程。近年来，随着共享住宿的兴起，一些学者如Yang等、Mao等在信任建立模型的基础上，探索了虚拟情境中房客信任的影响因素，验证了信任建立模型在共享住宿情境中的适用性[24]198，[33]67。

2.2 模型与假设

信任建立模型是在传统电子商务情境下提出的，在此情境下，消费者信任的建立更多依赖于网站的制度约束。在没有物理接触且交易双方可能来自不同社会和文化背景的电子商务情境中，制度因素是建立信任的最重要方式。共享住宿具有传统电子商务的一般特征，因此，其用户信任的建立对制度因素的要求较高。此外，共享住宿还具有区别于传统电子商务的新特征，如房客和房东具有高交互性，因此，人际因素也是房客信任建立的重要参考[24]199。根据社会心理学的研究，人际信任通常建立在认知因素和情感因素的基础上[6]25。当施信方通过搜集受信方的信息和线索，对受信方的认知介于完全认知和完全未知之间，他就有了充分的理由去进行冒险的信任决策，于是基于认知的人际信任就产生了[34]。情感因素是指交易双方之间的情感纽带。当人们在信任关系中进行情感投资，表达对另一方的真正关心时，就为信任的产生提供了情感基础[6]54。

本文在信任建立模型和社会心理学关于人际信任的研究基础上，将共享住宿平台的信任建立措施划分为三大类：制度因素、情感因素和认知因素。房客通过对三类因素的观察、感知，形成感知信任或不信任。由此形成房客信任影响因素模型（图1）。其中，制度因素包含超赞房东、优选PRO 房源及评价分数，用于解释共享住宿平台的制度约束对房客信任的影响;情感因素包括即时速订，认知因素包含经营性质、房东性别和会员时长，这两类因素分别从情感和认知的视角解释人际因素对房客信任的影响。控制变量为反映房源特征的价格、宜住人数、配套设施、出租方式以及反映城市特征的各城市人均国内生产总值（GDP）、第三产业占GDP 比重和星级饭店数量。

2.2.1 制度因素对房客信任的影响

制度因素对信任的影响，是指施信方认为已具备有利的条件保证交易环境的相对安全，从而对受信方完成期望行为的评估过程[7]42。行为是由情境建构的，只有当人们感知到情境是安全可靠时，才有可能采取进一步行动[7]39。共享住宿模式下，潜在房客需要与网络另一端未知的另一方进行交易，交易过程中的不确定性和感知风险较大[16]39。因此，作为连接买卖双方的共享住宿平台往往通过制度机制的建设，为房客营造可信赖的交易情境，并通过鼓励合作以及惩罚不当行为促进信任的建立[35]。本文的制度因素特指共享住宿平台的认证标签和声誉评价。

认证标签是指共享住宿平台通过制定一系列的标准对房东的经营能力或房源的质量进行综合评估，符合标准的房东或房源经过申请并获得平台审核通过后，房客就可以在平台的房东页面、列表页面以及筛选页面看到这些认证标签。认证标签是以平台为担保，保障房东经营能力和房源质量的一种制度约束。声誉评价是共享住宿平台基于房东过去表现所建立的评价系统，这一系统通过让已入住房客进行真实入住体验的评价而对房东进行制度约束，进一步保证了房客交易环境的安全。

（1）认证标签。超赞房东、优选PRO 是途家对房东和房源进行综合评估后所颁发的平台认证，每月评选一次，房东必须满足一定的标准才有资格申请。超赞房东的具体标准为：1）门店评分≥4.8分;2）门店等级≥V4;3）30天内无拒单;4）30天内无违规。优选PRO 的具体标准为：1）开通闪订功能;2）房源拥有5条及以上点评;3）近3个月订单大于15;4）未来30天有可售天数（不得限制起订天数）;5）总点评分数大于4.8分;6）房源图片不少于20张;7）库存不得大于10。

从房客角度看，超赞房东和优选PRO 认证标签是以平台为背书提供的质量担保，有助于提高其感知信任。部分学者研究了此类认证标签对房客信任的影响。Zhang等认为，Airbnb平台的超赞房东是房东卓越能力和精英地位的证明，实证研究证明超赞房东对房客信任产生积极影响[26]112。类似地，Xie等的研究发现，房客认为带有超赞房东标签的房东是诚实、积极、可靠的，并在此基础上形成初始信任[36]2254。因此可认为，共享住宿平台认证标签通过向房客传递房东经营能力和房源质量的积极信号，可增加房客的感知信任。基于此，本文作如下假设：

H1：带有超赞房东认证标签的房源更受房客信任;

H2：带有优选PRO 认证标签的房源更受房客信任。

（2）评价分数。为降低信息不对称所带来的负面影响，共享住宿平台建立了基于房东过去表现的声誉评价系统，便于潜在房客客观评估即将与之发生交易的房东的可信度[16]37。房东获得的声誉评价越积极，潜在房客的感知风险和不确定性程度越低，从而越容易对房东产生信任[15]312。最常见的声誉评价为评价分数，即已入住房客对住宿体验满意度的数值评价。一些学者研究了评价分数对房客信任的影响。Teubner等基于Airbnb平台上86个德国城市房源数据的分析发现，评价分数是促进消费者信任并提升房源价格的重要信号[37]72。Zhang等的研究得出相同结论，即潜在消费者在Airbnb上搜索房源时通常会参考评价分数，评价分数越高，感知信任度越高[26]112。基于此，本文作如下假设：

H3：评价分数正向影响房客的信任。

2.2.2 情感因素对房客信任的影响

情感因素对信任的影响是指施信方对受信方是否具有可信任属性的情感评估[38]。与认知因素的理性判断不同，情感因素更多地建立在房客所产生的情感信念的基础上。Mcallister认为，当受信方愿意表达对施信方的真正关心，即使受信方不会因为提供帮助而得到报酬时，基于情感的信任就产生了[6]26。本文中的情感因素特指即时速订。即时速订是指房客在预订房源时无需经过房东确认即可直接下单的功能，这一功能从房东的角度来看，可能会因为无法审核房客资料而增加入住风险，但从房客角度来看，不仅提高了预订的便利性，而且减少了预订的不确定性，是房东基于利他主义动机所产生的行为，这符合情感信任产生的条件。因此，有利于房客信任的建立。Biswas等研究了影响共享住宿平台房客评论数量的因素后发现，开通即时速订功能房源的评论数量要高于没有开通即时速订功能房源的评论数量[39]13。基于此，本文作如下假设：

H4：开通即时速订功能的房源更受房客的信任。

2.2.3 认知因素对房客信任的影响

认知因素对信任的影响是指施信方对受信方是否具有可信任属性的理性预期[40]。施信方选择在何种情况、在哪些方面信任受信方，是基于施信方是否找到了对方值得信任的证据，这种证据建立在对受信方的过去表现、专业知识和其他可用线索的理性判断的基础上[6]25。在共享住宿情境中，房客在预订之前不能直接通过物理接触观察房东，但可通过平台显示的房东属性来推断其服务质量和经营能力。本文中的认知因素特指房东主页中所显示的经营性质、房东性别和会员时长3个特征。经营性质、会员时长是房客推断房东经营房源专业性的有力证据，房东性别所传递的刻板印象以及感知相似性为房客推断房东可信度提供了线索支持。

（1）房东性质。共享住宿平台房东包含两种类型：非专业房东和专业房东。根据Kwok等的研究，非专业房东更易产生损失厌恶、有限注意力和过度自信等行为偏差[41]253。与之相比，专业房东会投入更多的时间和精力去经营房源，且可通过同时运营多个房源快速积累经验，从而更熟练地为消费者提供服务，提升房源收益[42]。Kwok等的研究表明，通过使用价格定位和动态定价等策略，专业房东在Airbnb平台的收益表现要优于非专业房东[41]257。基于此，本文作如下假设：

H5：专业房东管理的房源更受房客信任。

（2）房东性别。人际关系领域的研究表明，根据可观察到的特征（性别、年龄、相貌）来评估一个人的可信度是人的天性[43]。在长期人际交往中，人们往往会形成对不同性别群体可信度的刻板印象。有研究发现，女性群体似乎比男性群体更值得信任[44]。这种基于性别所形成的偏见会对潜在消费者对房东的选择意愿和行为产生影响。Ert等通过一组对照实验发现，75%的受访者更愿意选择女性房东，25%的受访者更愿意选择男性房东[28]68。Wu等以小猪短租为研究对象，探讨了房东属性对消费者购买行为的影响，结果显示，房东性别是影响消费者预订决策的重要因素[31]2971。Ert等通过对Airbnb房东头像特征的分析发现，女性房东比男性房东更值得信任[29]636。基于此，本文作如下假设：

H6：女性房东管理的房源更受房客的信任。

（3）会员时长。会员时长是指房东注册成为共享住宿平台会员的时间长度。房东成为会员的时间越长，所积累的管理经验会越多[45]。经验的增加会让房东在提升服务质量、增加房客满意度以及争取更多订单量方面更加游刃有余[36]2255。Biswas等通过对全球10个城市Airbnb房源数据的分析发现，房东的会员时长对房东收到的评论数量有积极影响[39]15。Teubner 等也得出了相同的结论[37]72。基于此，本文做如下假设：

H7：房东会员时长正向影响房客的信任。

综上，本文模型构建及研究假设如图1所示。

3 研究方法

3.1 数据收集

本文数据来自途家官网（www.tujia.com）。途家成立于2011年12月1日，截至2020年，拥有在线房源超过230万套，覆盖国内400个城市地区和海外1 037个目的地，是国内共享住宿行业的龙头企业① 。为保证样本的代表性，选取途家官网上25个城市的房源数据作为研究对象，这25个城市分别是北京、上海、成都、广州、三亚、重庆、厦门、杭州、西安、青岛、深圳、贵阳、南昌、呼和浩特、拉萨、兰州、乌鲁木齐、西宁、银川、哈尔滨、沈阳、石家庄、济南、太原及郑州。2021年1月，采用Python编写的程序在途家官网上共抓取25个城市的30 258条房源数据。而后对数据进行清洗，删除不可量化、数据均质性强、有明显错误和缺失值的数据，最终得到有效数据29 640条。考虑到不同城市的经济、旅游等因素可能对房客信任产生一定的影响，在参考前人研究[46-47]的基础上，本文对11个城市的人均生产总值、第三产业所占生产总值比重及星级饭店数量进行统计，数据来源于《中国统计年鉴2021》《中国城市统计年鉴2021》《中国文化文物和旅游统计年鉴2021》以及各城市文化和旅游部门的官网。

3.2 变量量化

本文采用Zhang等[26]108、吕婉莹等[48]对信任（Trust，T）的量化方法（如公式1所示）。已有研究通过主观标注房客信任与量化房客信任进行对比，验证了该方法的合理性。

T（li）=R（li）/Rt（li）. （1）

其中，R（li）表示第i 个房源收到的全部评论数量;Rt（li）表示第i 个房源收到的第一条评论和最后一条评论（截至2021年1月1日）的时间间隔月数。

在自变量中，即时速订、超赞房东、优选PRO为虚拟变量，如房源有此认证标签则赋值为1，没有则赋值为0。评价分数是指房源的综合评分，为连续变量。房东性质为虚拟变量，房东主页中显示为商户经营的则视为专业房东，赋值为1，显示为个人房东的则视为非专业房东，赋值为0。性别为虚拟变量，女性房东赋值为1，男性房东则赋值为0。会员时长为连续变量。在控制变量中，房源价格、宜住人数为连续变量，按照实际数值进入模型。配套设施包含基础设施、卫浴设施、厨房设施、娱乐设施、周边设施及特色设施等共计66种设施，如含有则赋值为1，不含有则赋值为0，配套设施的数值为66种设施分值的总和。出租方式为虚拟变量，如为整套出租则赋值为1，单间出租则赋值为0。人均国内生产总值是指各个城市2020年的人均生产总值。第三产业所占生产总值比重是指各个城市2020年第三产业所占生产总值的比重。星级饭店数量是指截至2021年1月1日各个城市所包含的星级饭店数量。模型中所有变量的描述如表1所示。

4 实证分析

4.1 描述性统计分析

截至2021年1月1日，北京、上海、成都、广州、三亚、重庆、厦门、杭州、西安、青岛及深圳等25个城市的29 640条房源数据中：开通即时速订功能的房源占比44.9%;47.8%的房源获得了超赞房东认证标签;25.3%的房源获得了优选PRO 认证标签;平均评价分数为4.75分;62%的房东为个体经营的非专业房东，38%的房东为商户经营的专业房东;男性房东占比78%，女性房东占比22%;房东会员时长从1个月到109个月不等，平均会员时长为21.98个月。在控制变量中：房源价格从每晚20元到每晚20 025元不等，平均住宿价格是每晚529.85元;房源平均可容纳3.77人;配套设施平均值是36.37;单间出租房源占比6.2%，整套出租房源占比93.8%。与其他变量相比，房源价格、人均生产总值数量级差异较大，特将这两个变量进行对数转换后纳入模型。变量的描述性统计分析结果详见表2。

4.2 回归分析

本文旨在探究真实情境中共享住宿平台的制度因素、认知因素、情感因素对房客信任的影响，因变量为连续变量，自变量包含连续变量和分类变量，因此可采用多元线性回归模型对假设进行检验，采用最小二乘法对多元线性回归参数进行估计。研究模型的标准化表达式如下：

Trust=β0 +β1BI+β2SH +β3PP +

β4RS +β5AH +β6GH +β7SM +

β8ln（PH）+β9AG +β10SF +

β11RM +β12ln（PGDP）+

β13TGDP +β14N H +ε.

其中，β0 为截距项，β1～β14 为变量回归系数，ε为误差项。

回归分析结果如表3所示。模型的P 值小于0.05，德宾-沃森值接近于2，各变量的VIF值均小于5，通过了显著性和共线性检验。

实证研究结果如下。

（1）在制度因素中，拥有超赞房东（β=0.021，P <0.01）和优选PRO（β=0.015，P <0.05）认证标签的房源更受房客信任。Xie 等[36]2254、Zhang等[26]112 在研究Airbnb平台认证标签对房客信任的影响因素时，也得出了类似结论。原因有两个：第一，超赞房东和优选PRO 是途家对房东经营能力和房源质量的平台认可，潜在房客将其视为平台对高品质服务质量和住宿体验的一种背书和承诺，这种制度保障增加了房客的感知信任度。第二，途家对获得超赞房东和优选PRO 认证标签的房源给予广告推广和流量支持，吸引更多潜在房客的关注，在一定程度上增加了该房源被预订的概率。此外，从影响效果来看，超赞房东对房客信任的影响大于优选PRO。原因可能在于，途家上线超赞房东的时间较早，且城市覆盖率较高，获得该认证标签的房源比例高于优选PRO，在房客中的认可度较高。因此，假设H1、H2得到支持。评价分数显著正向影响房客信任（β=0.017，P <0.01）。具体来看，在信息不对称的情境中，潜在房客往往通过搜集相关信息对房东的可信任程度作出判断，由于评价分数是已入住房客对入住体验的综合评价指标，因此成为重要的参考。评价分数越高，代表已入住房客对房源的声誉评价越积极，潜在房客的感知风险和不确定性程度越低，从而更易对房东产生信任。假设H3得到支持。

（2）在情感因素中，即时速订并未对房客信任产生显著的正向影响（β=-0.004，P >0.05）。这可能与房客的认知有关。具体原因或有3个：首先，传统的旅游住宿服务一般都提供即时速订功能，因此房客在认知上将共享住宿中的即时速订视作默认服务。其次，与超赞房东、优选PRO 等质量认证标签相比，房客在认知上将即时速订视作便利性认证标签，对其重视程度不高。最后，由于即时速订功能开通门槛较低，一些房东倾向于开通此功能以弥补房源其他属性的不足。因此，假设H4并未得到支持。

（3）在认知因素中，房东性质显著正向影响房客信任（β=0.064，P <0.001）。这说明，相较于非专业房东，专业房东在管理房源的过程中投入了更多的时间和精力，因此在提升服务质量和房客满意度方面更具优势，这种优势进一步增加了房客的感知信任。房东性别对房客信任也存在显著的正向影响（β=0.014，P <0.05）。相较于男性房东，由女性房东管理的房源更受房客信任。这和Ert等[28]68、Wu等[31]2971、Ert等[29]636 的研究一致。在交易双方存在高交互以及高风险的共享住宿情境中，房客基于性别所形成的偏见会促使他们更加信任女性房东。因此，假设H5、H6得到支持。房东会员时长并未对房客信任产生显著的正向影响（β=-0.096，P <0.001）。一个可能的解释是，房东会员时长仅代表房东成为共享住宿平台会员的时间长度，而不能代表房东所管理房源的活跃度，尤其在疫情影响下，房源的活跃度更受影响。活跃度较低的房源，即使房东会员时长更长，但房东的管理经验和能力也未必得到相应提升。因此，假设H7没有得到支持。

（4）在控制变量中，配套设施显著的正向影响房客信任（β=0.015，P <0.05）。配套设施越齐全，房客越容易对房源产生信任。出租方式显著正向影响房客信任（β=0.023，P <0.01）。Wu等[31]2971 的研究也得出了类似的结论。与单间出租的房源相比，整套出租的房源更受房客信任。此外，人均生产总值（β=0.049，P <0.001）、第三产业占生产总值的比重（β=0.030，P <0.01）也对房客信任产生了显著的积极影响。这说明，城市的经济发展水平和服务业发展水平越高，共享住宿发展所需的基础设施和服务体系越完善，房客的感知信任度就越高。

4.3 稳健性检验

为检验模型结果的稳定性，本文还采集了每个房源2021年1月2日至2021年3月1日的评论增量、2021年1月2日至2021年4月30日的评论增量，以评论增量/第一条评论和最后一条评论的时间间隔天数（2021年1月2日至2021年3月1日）作为因变量1（Trust60days）、评论增量/第一条评论和最后一条评论的时间间隔天数（2021年1月2日至2021年4月30日）作为因变量2（Trust120days）[26]108，[31]2871对模型进行稳健性检验，结果如表4所示。结果显示：超赞房东、优选PRO、评价分数、房东性质和房东性别等显著正向影响房客信任。即时速订、会员时长并未对房客信任产生显著正向影响。在控制变量中，显著正向影响房客信任的变量有配套设施、出租方式、人均生产总值及第三产业占生产总值比重。基于上述分析可知，稳健性检验结果与多元线性回归模型结果保持一致。

本文假设检验结果如表5所示。

5 结论与启示

5.1 主要发现

本文基于信任建立模型，从制度因素、认知因素、情感因素分析共享住宿平台的信任建立措施对房客信任的影响。通过对途家平台数据的回归分析和稳健性检验发现，制度因素中的超赞房东、优选PRO 认证标签以及评价分数等均对房客信任产生了积极影响，认知因素中的房东性别和房东性质显著正向影响房客信任。情感因素中的即时速订、认知因素中的会员时长并未对房客信任产生显著正向影响。从标准化回归系数来看，影响效果由大到小依次是：房东性质、超赞房东、评价分数、优选PRO和房东性别。

5.2 理论价值

从理论研究角度来看，本文在以下3个方面有潜在贡献。

其一，虽然既有研究已经验证了虚拟情境中影响共享住宿房客信任的因素，但缺乏实证研究对真实情境中共享住宿平台信任建立措施的影响效果进行检验。本文在以平台制度因素作为主要影响因素的信任建立模型的基础上，加入反映房东和房客人际交互的认知因素和情感因素，验证了共享住宿平台信任建立措施中的制度因素、认知因素和情感因素对房客信任的影响效果。拓展了信任建立模型，突破以往单纯从平台制度因素解释信任行为的局限，为进一步剖析房客信任建立的内在机理提供了研究思路和实证支持。

其二，研究成果进一步丰富了国内本土共享住宿平台用户信任的研究。以往对共享住宿平台用户信任的研究主要集中于以Airbnb为代表的国外平台。Airbnb倡导“共享式”理念的传播，希望通过搭建平台，将房东的个人闲置房产共享给房客，并在二者之间打造富有人情味的社区文化。国内共享住宿平台倡导“泛住宿化”理念，不强调“共享”，重点突出非标准化、特色化和多元化住宿产品的提供。在此背景下，国外共享住宿平台的用户有更多机会同住一个屋檐下，双方的情感交流更多，面对面产生的感知风险也更多。因此，其信任建立措施更注重房东和房客资料的完备性，以及入住前用户资料真实性的审核。国内共享住宿平台的信任建立措施更注重房源质量和房东的服务质量。本文的研究结果表明，基于平台的制度因素以及基于理性的认知因素更能对房客信任产生积极影响，而基于情感的即时速订并未对房客信任产生积极影响，这也进一步验证了国内本土共享住宿平台和国外共享住宿平台信任建立措施影响效果的不同。

其三，建立在客观数据分析结果基础上的结论和建议，对引导行业实践发展更具有参考性。以往研究大多采用实验法和问卷调查法收集房客的主观汇报数据。本文通过搜集途家平台的客观数据并构建回归模型对其展开分析，探究真实情境中制度因素、情感因素以及认知因素对房客信任的影响，弥补了既往研究通过收集用户主观汇报数据所可能出现的偏差。

5.3 管理启示

从实践应用角度来看，本文或可从以下3个方面为共享住宿平台和房东提供参考。

首先，对共享住宿平台而言，应进一步规范和完善平台的标签认证机制，如前所述的超赞房东、优选PRO 房源等均对房客信任有积极的正向影响。这说明以平台为背书，对房东经营能力和房源质量评估所产生的系列标签认证，可降低信息不对称所带来的感知风险，节省了房客的信息搜索成本，从而有效促进房客的购买行为。未来，共享住宿平台可建立多层次、多样化的标签认证体系，鼓励不同房源类型、不同出租方式、不同经营年限的房源加入标签认证工作中。既可以针对优质新房、精品民宿等打造专属的品牌认证标签，也可以根据特殊时期房客的入住需求，评选出卫生条件达标、零接触入住及订单灵活取消等认证标签。其次，对共享住宿平台的房东而言，应进一步提升专业化运营房源的能力。研究结果表明，房东性质显著正向影响房客信任。共享住宿平台的非专业房东，应通过线上线下学习，不断积累管理经验，也可将其名下房源交由专业房东进行机构化运营管理，优化房源的声誉指标。最后，对共享住宿平台和房东而言，应重视声誉评价系统的改进和完善。评价分数显著正向影响房客信任。未来，共享住宿平台可进一步改善用户评论机制，确保评论信息的公正性和有用性，如可共享其他旅游住宿网站同一房源的评论信息，给房客提供有价值的信息参考;房东也可通过提供优惠券或积分等方式鼓励房客即时反馈入住体验。

5.4 未来展望

囿于知识、经验、时间和篇幅等所限，本文在如下方面仍存在拓展空间。

首先，研究视角可进一步拓展。本文主要关注房客的信任问题，对其信任构建影响因素进行了分析。实际上，房客与房东和平台之间存在两两对应的信任关系，共享住宿平台也可通过风险评估、身份验证、背景核查、财产保障及第三方担保支付等措施构建房东信任，未来可对此进行深入研究。其次，研究样本可再扩展。本文选取了途家官网25个国内城市的样本数据，未来可选取不同文化情境下途家官网的房源数据，以增加样本的代表性;也可对不同的共享住宿平台如小猪民宿、木鸟短租和蚂蚁短租数据进行横向对比分析，进一步验证研究结论的可靠性。最后，本文的数据是在疫情期间采集的，未来可进一步采集疫情前后不同阶段的纵向数据，探索共享住宿用户信任的动态变化特征。

注释

①资料来源：途家官网《关于途家》，2019年10月25日，http：//content.tujia.com/tujiajianjie.htm。

参考文献

[1] 国家信息中心分享经济研究中心. 中国共享经济发展

报告[R].北京：国家信息中心，2021.

[2] 国家信息中心分享经济研究中心. 中国共享住宿发展

报告[R].北京：国家信息中心，2018.

[3] LU L，CAI R，KING C. Building trust through a personal

touch：
consumer response to service failure and

recovery of home-sharing[J]. Journal of business research，

2020，117：
99-111.

[4] ERT E，FLEISCHER A. The evolution of trust in

Airbnb：a case of home rental[J]. Annals of tourism

research，2019，75：
279-287.

[5] TUSSYADIAH I P，PESONEN J. Drivers and barriers

of peer-to-peer accommodation stay-an exploratory

study with American and Finnish travellers[J]. Current

issues in tourism，2018（6）：703-720.

[6] MCALLISTER D J. Affect- and cognition-based trust

as foundations for interpersonal cooperation in organizations[

J].Academy of management journal，1995（1）：

24-59.

[7] MCKNIGHT D H，CHERVANY N L. What trust

means in e-commerce customer relationships：an interdisciplinary

conceptual typology [J]. International

journal of electronic commerce，2002（2）：35-59.

[8] HOSMER L T. Trust：
the connecting link between

organizational theory and philosophical ethics[J]. The

academy of management review，1995（2）：379-403.

[9] BERG J，DICKHAUT J，MCCABE K. Trust，reciprocity，

and social history[J]. Games and economic

behavior，1995（1）：122-142.

[10] BHATTACHARYA R，DEVINNEY T M，PILLUTLA

M M. A formal model of trust based on outcomes

[J]. Academy of management review，1998（3）：459-

472.

[11] MAYER R C，DAVIS J H，SCHOORMAN F D. An

integrative model of organizational trust[J].The academy

of management review，1995（3）：709-734.

[12] GEFEN D，KARAHANNA E，STRAUB D W. Trust

and TAM in online shopping：
an integrated model

[J]. MIS quarterly，2003（1）：51-90.

[13] BELDAD A，MD J，STEEHOUDER M. How shall I

trust the faceless and the intangible？ A literature review

on the antecedents of online trust[J]. Computers

in human behavior，2010（5）：857-869.

[14] KIM D J，FERRIN D L，RAO H R. Trust and satisfaction，

two stepping stones for successful e-commerce relationships：

a longitudinal exploration[J]. Information

systems research， 2009， 20 （2）：237-257.

[15] HARRISON M D，CHOUDHURY V，KACMAR C.

The impact of initial consumer trust on intentions to

transact with a web site：
a trust building model[J].

The journal of strategic information systems，2002（3-

4）：297-323.

[16] PAVLOU P A，GEFEN D. Building effective online

marketplaces with institution-based trust[J]. Information

systems research，2004（1）：37-59.

[17] LEE M K O，TURBAN E. A trust model for consumer

internet shopping[J]. International journal of

electronic commerce，2001（1）：75-91.

[18] GEFEN D. E-commerce：
the role of familiarity and

trust[J]. Omega，2000（6）：725-737.

[19] PAVLOU P A，LIANG H，XUE Y. Understanding

and mitigating uncertainty in online exchange rela-

tionships：
a principal-agent perspective[J]. MIS

quarterly，2007（1）：105-135.

[20] LAMBERTON C P，ROSE R L. When is ours better

than mine？ A framework for understanding and altering

participation in commercial sharing systems[J].

Journal of marketing，2012（4）：109-125.

[21] YEN C，LU H. Effects of e-service quality on loyalty

intention：
an empirical study in online auction[J].

Managing service quality，2008（2）：127-146.

[22] CHEN D，LAI F，LIN Z. A trust model for online

peer-to-peer lending：a lender"s perspective[J]. Information

technology and management，2014（4）：239-

254.

[23] CYR D. Modeling web site design across cultures：relationships

to trust， satisfaction，and e-loyalty[J].

Journal of management information systems，2008

（4）：47-72.

[24] YANG S B，LEE K，LEE H，et al. In Airbnb we

trust：understanding consumers" trust-attachment

building mechanisms in the sharing economy[J]. International

journal of hospitality management，2019，

83：198-209.

[25] 谢雪梅，石娇娇. 共享经济下消费者信任形成机制的

实证研究[J]. 技术经济，2016（10）：122-127.

[26] ZHANG L，YAN Q，ZHANG L. A computational

framework for understanding antecedents of guests"

perceived trust towards hosts on Airbnb[J]. Decision

support systems，2018，115：105-116.

[27] PARK S，TUSSYADIAH I P. How guests develop

trust in hosts：an investigation of trust formation in

P2P accommodation[J]. Journal of travel research，

2020（8）：1402-1412.

[28] ERT E，FLEISCHER A，MAGEN N. Trust and reputation

in the sharing economy：the role of personal

photos in Airbnb[J]. Tourism management，2016，

55：62-73.

[29] ERT E，FLEISCHER A. What do Airbnb hosts reveal

by posting photographs online and how does it

affect their perceived trustworthiness[J]. Psychology &

marketing，2020（5） ：630-640.

[30] LI C Y，TSAI M C. What makes guests trust Airbnb？

Consumer trust formation and its impact on continuance

intention in the sharing economy[J]. Journal

of hospitality and tourism management，2022，50：44-

54.

[31] WU J，MA P，XIE K L. In sharing economy we

trust：the effects of host attributes on short-term

rental purchases [J]. International journal of contemporary

hospitality management，2017 （11）：2962-

2976.

[32] MOHLMANN M. Collaborative consumption：determinants

of satisfaction and the likelihood of using a

sharing economy option again[J]. Journal of consumer

behaviour，2015（3）：193-207.

[33] MAO Z X，JONES M F，LI M M， et al. Sleeping in a

stranger"s home：
a trust formation model for Airbnb

[J]. Journal of hospitality and tourism management，

2020，42：67-76.

[34] LIANG L J，CHOI H C，JOPPE M. Exploring the

relationship between satisfaction，trust and switching

intention， repurchase intention in the context of Airbnb[

J]. International journal of hospitality management，

2018，69：41-48.

[35] MOYSIDOU K，HAUSBERG J P. In crowdfunding

we trust：a trust-building model in lending crowdfunding[

J]. Journal of small business management，

2020（3）：511-543.

[36] XIE K，MAO Z. The impacts of quality and quantity

attributes of Airbnb hosts on listing performance[J].

International journal of contemporary hospitality

management，2017（9）：2240-2260.

[37] TEUBNER T，HAWLITSCHEK F，DANN D. Price

determinants on Airbnb：how reputation pays off in

the sharing economy[J]. Journal of self-governance

and management economics，2017（4）：53-80.

[38] SWIFT P E，HWANG A. The impact of affective

and cognitive trust on knowledge sharing and organizational

learning[J]. The learning organization，2013

（1）：20-37.

[39] BISWAS B，SENGUPTA P，CHATTERJEE D. Examining

the determinants of the count of customer reviews

in peer-to-peer home-sharing platforms using

clustering and count regression techniques[J]. Decision

support systems，2020，135：1-18.

[40] KOMIAK S Y X，BENBASAT I. The effects of personalization

and familiarity on trust and adoption of

recommendation agents [J]. MIS quarterly，2006（4）：

941-960.

[41] KWOK L，XIE K L. Pricing strategies on Airbnb：are

multi-unit host revenue pros？ [J].International journal

of hospitality management，2019，82：252-259.

[42] JEROEN O，JEAN-PIERRE D R，BENJAMIN T.

What"s mine is yours：but at what price？ Dynamic pricing

behavior as an indicator of Airbnb host professionalization[

J]. Journal of revenue & pricing management，

2018，17：311-328.

[43] SACCO J M，SCHEU C R，RYAN A M，et al. An investigation

of race and sex similarity effects in inter-

views：a multilevel approach to relational demography

[J]. Journal of applied psychology，2003（5）：852-865.

[44] BUCHAN N R，CROSON R T A，SOLNICK S.

Trust and gender：
an examination of behavior and beliefs

in the investment game[J]. Journal of economic

behavior & organization，2008（3-4）：466-476.

[45] MAGNO F，CASSTA F，UGOLINI M M. Accommodation

prices on Airbnb：effects of host experience and

market demand[J]. TQM Journal，2018（5）：608-620.

[46] 龙飞，刘家明，朱鹤，等. 长三角地区民宿的空间分布

及影响因素[J]. 地理研究，2019（4）：950-960.

[47] 董之滔，孙凤芝，田菲菲，等. 山东省民宿空间分布特

征及影响因素研究[J]. 干旱区资源与环境，2023

（2）：112-119.

[48] 吕婉莹，赵洁，黄流深，等. 基于特征分组和组合的住

宿共享信任评估研究[J]. 数据分析与知识发现，

2022（8）：61-74.