76、推荐标签突出度对在线旅游广告的影响研究

脚滑的狐狸160

于 2025-09-29 15:28:14 发布

阅读量20

点赞数

CC 4.0 BY-SA版权

分类专栏：智能系统与计算前沿文章标签：推荐标签突出度在线评论valence 眼动追踪

本文链接：https://blog.youkuaiyun.com/nginx7reverse/article/details/152772294

智能系统与计算前沿专栏收录该内容

84 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

推荐标签突出度对在线旅游广告的影响研究

1. 研究测量

在研究中，每个选择集被视为一个感兴趣区域（AOI）。为了平衡眼动追踪数据中的噪声、周边注意力的可能性、校准差异以及注视样本权重的变化，所有AOI的表面大小被设置为实际面积的120%，以保留一个小的AOI边缘并平衡真假阳性注视的比例。对于研究假设，主要考虑广告AOI，即广告整体。参与者的注意力通过以下两个指标进行量化：
- 注视频率 ：AOI内的总注视次数。
- 总注视时长 ：AOI内所有注视时长的总和。

2. 数据分析与结果

2.1 操纵检验

进行操纵检验以验证研究中自变量和调节变量的有效性。通过方差分析（ANOVA）评估参与者对推荐标签突出度（RLP）和在线评论 valence（OCV）的理解。结果显示：
- RLP方面 ：高RLP水平的平均得分（Mean = 4.54，SD = 1.412）显著高于低RLP水平（Mean = 3.71，SD = 1.419，F(1, 250) = 21.417，p = 0.000 < 0.001）。
- OCV方面 ：高OCV水平的平均得分（Mean = 5.84，SD = 1.176）显著高于中、低OCV水平（Mean = 3.01，SD = 1.149）；中OCV水平的平均得分（Mean = 4.74，SD = 0.940）显著高于低OCV水平（Mean = 3.01，SD = 1.149，F(2, 357) = 215.041，p = 0.000 < 0.001）。
这表明操纵是成功的。

2.2 热图分析

在评估眼动追踪定量数据之前，参与者对所有在线旅游（OTA）广告的视觉注意力可以用热图表示。热图是可视化眼动追踪数据的有效工具，通过显示刺激区域内的注视位置和注视时长来展示视觉注意力。不同颜色代表参与者注视的程度：红色表示最高水平的注视，黄色表示中等水平，绿色表示最低水平。眼动追踪热图结果显示，参与者更多地关注OTA广告中的酒店名称和图片。此外，热图结果还能显示推荐标签和评论 valence 标签的存在所产生的影响。

2.3 描述性统计

本部分确定了42名可用的参与者，并将其纳入后续分析。所有参与者对OTA广告的视觉注意力通过注视频率（平均注视次数）和注视时长（平均总注视时长）来衡量。具体数据如下：
- 平均注视次数 ：范围从4到55（Mean = 15.42，SD = 8.513）。
- 总注视时长 ：范围从311到12561.00 ms（Mean = 3334.64 ms，SD = 1873.998 ms）。
- 预订意向 ：范围从1到7（Mean = 4.21，SD = 1.448）。

不同RLP和OCV条件下的注视频率和注视时长的描述性统计如下表所示：
| 条件 | 高在线评论 valence | | 中等在线评论 valence | | 低在线评论 valence | |
| — | — | — | — | — | — | — |
| | 注视频率 | 注视时长 | 注视频率 | 注视时长 | 注视频率 | 注视时长 |
| RLP高 | 14.48(8.497) | 3100.00(1470.866) | 20.19(10.930) | 4285.21(2515.711) | 15.12(6.957) | 3259.95(1586.630) |
| RLP低 | 15.83(7.477) | 3510.98(1745.187) | 15.45(7.613) | 3262.38(1750.579) | 16.00(9.069) | 3633.88(2198.939) |
| RLP缺失 | 13.83(7.454) | 3022.69(1763.277) | 14.74(9.139) | 3126.86(1903.734) | 13.10(7.599) | 2809.83(1435.546) |

注：括号内为标准差。

2.4 假设检验

推荐标签突出度（RLP）对OTA广告注意力和预订意向的主效应
- 通过方差分析比较不同OTA广告的视觉注意力和预订意向。结果表明，高RLP的OTA广告的平均注视次数（Meanhigh = 16.60，SDhigh = 9.237）显著多于没有推荐标签的广告（Meanabsence = 14.74，SDabsence = 9.139；F(2, 375) = 3.328，p = 0.035 < 0.05）。
- 高RLP和低RLP的OTA广告的平均总注视时长（Meanhigh = 3548.39 ms，SDhigh = 1972.077 ms；Meanlow = 3469.08 ms，SDlow = 1901.107 ms）显著长于没有推荐标签的广告（Meanabsence = 2986.46 ms，SDabsence = 1972.077 ms；F(2, 375) = 3.360，P = 0.036 < 0.05）。因此，假设1得到支持。
- 高RLP的预订意向（Meanhigh = 4.44，SDhigh = 1.456）显著高于没有推荐标签的广告（Meanabsence = 4.02，SDabsence = 1.356；F(2, 375) = 2.868，p = 0.058 < 0.1）。因此，假设2得到支持。

以下是测试结果的总结表：
| 变量 | 注视频率 | | 注视时长 | | 预订意向 | |
| — | — | — | — | — | — | — |
| | F | P | F | P | F | P |
| RLP | 3.442 | 0.033 | 3.411 | 0.034 | 5.202 | 0.049 |
| 在线评论 valence | 2.553 | 0.079 | 1.387 | 0.251 | 1.834 | 0.000 |
| RLP × 在线评论 valence | 1.875 | 0.114 | 2.229 | 0.065 | 0.738 | 0.024 * |

注： p < 0.1； p < 0.05； **p < 0.001

在线评论 valence（OCV）对OTA广告注意力和预订意向的调节效应
- 进行多变量方差分析（MANOVA）的多变量测试以研究OCV的调节效应。
- 首先，RLP对OTA广告的注视频率、总注视时长和预订意向有显著的主效应。具体而言，RLP对平均注视次数（F(2, 369) = 3.442，p = 0.033 < 0.05）、总注视时长（F(2, 369) = 3.441，p = 0.034 < 0.05）和预订意向（F(2, 369) = 3.051，P = 0.049 < 0.05）有显著影响。这与之前关于假设1和假设2的测试结果一致。
- 其次，分析OCV在RLP和OTA广告视觉注意力之间的调节效应。结果显示，OCV和RLP对总注视时长有显著的交互效应（F(4, 369) = 2.229，p = 0.065 < 0.1）。进一步分析表明，当酒店的OCV较低时，低RLP的OTA广告的平均总注视时长（Meanlow = 3633.88 ms，SDlow = 2198.939 ms）显著长于没有推荐标签的广告（Meanabsence = 2809.83 ms，SDabsence = 1435.546 ms；F(4, 369) = 2.229，p = 0.065 < 0.1）；当酒店的OCV为中等时，高RLP的OTA广告的平均总注视时长（Meanhigh = 4285.21 ms，SDhigh = 2515.711 ms）显著长于低RLP和没有推荐标签的广告（Meanlow = 3262.38 ms，SDlow = 1750.579 ms；Meanabsence = 3126.86 ms，SDabsence = 1903.734 ms；F(4, 369) = 2.229，p = 0.065 < 0.1）。因此，假设3得到证实。
- 最后，分析OCV在RLP和预订意向之间的调节效应。结果显示，OCV和RLP对预订意向有显著的交互效应（F(4, 369) = 2.846，p = 0.024 < 0.05）。进一步分析表明，当酒店的OCV为中等时，高RLP的预订意向（Meanhigh = 4.45，SDhigh = 1.435）显著高于低RLP（Meanlow = 3.86，SDlow = 1.389；F(4, 369) = 2.846，p = 0.024 < 0.05）；当酒店的OCV较高时，高RLP和低RLP的预订意向（Meanhigh = 5.14，SDhigh = 1.072；Meanlow = 4.67，SDlow = 1.541）均显著高于没有推荐标签的广告（Meanabsence = 4.05，SDabsence = 1.513；F(4, 369) = 2.846，p = 0.024 < 0.05）。因此，假设4得到证实。

下面是OCV与视觉注意力和预订意向之间的双向交互作用流程图：

graph LR
    A[OCV] -->|调节作用| B[RLP与注视时长关系]
    A -->|调节作用| C[RLP与预订意向关系]
    B --> D[不同OCV下RLP对注视时长影响不同]
    C --> E[不同OCV下RLP对预订意向影响不同]

3. 讨论与贡献

以往的研究主要讨论了消费者推荐（CR）的影响，而供应商推荐（PRs）在一定程度上被忽视了。本研究借鉴了以往的眼动追踪研究，主要目的是了解RLP对消费者视觉注意力和购买意向的影响，以及酒店OCV的调节效应。理论上，有以下两个发现：
- 推荐标签可以显著提高对整个OTA广告的视觉注意力，并激发购买意向。
- OCV调节了RLP对整个OTA广告的视觉注意力和购买意向的影响。只有当OCV为中等时，高RLP才能显著增加对整个OTA广告的整体注意力；只有当OCV为中等或高时，推荐标签才能显著提高消费者的购买意向。

在实践意义方面，本研究为OTA的管理者提供了一些关于如何从积极推荐目标酒店中获益的实用指导。在选择推荐的目标酒店时，要考虑其OCV。只有当酒店的OCV为中等或高时，才适合进行推荐。并且，如果提高RLP，效果会更好。

本研究有两个贡献：
- 从生理和行为方面验证了平台推荐标签和消费者推荐信息的相互作用，完善了网络环境下多信息线索对消费者在线酒店预订意向影响的研究框架。
- 为OTA调整推荐标签的展示策略和改进酒店推荐机制提供了参考。

4. 局限性与未来研究方向

本研究存在一些局限性。首先，样本仅招募了学生，未来的研究可以调查其他社会群体对OTA推荐标签的看法。其次，研究仅针对OTA平台，未来的研究可以探讨研究结果是否适用于其他平台（如电子商务平台）。

推荐标签突出度对在线旅游广告的影响研究

5. 企业CEO权力与慈善捐赠的关系研究

5.1 研究背景

2008 年汶川地震引发了中国的慈善捐赠热潮。从 2012 年到 2017 年，中国的慈善捐赠总额持续增长。2017 年，国内外捐赠总额达到 1499.86 亿元，人均捐赠 107.90 元，较上一年增长 7.11%。其中，企业捐赠占比 64.23%，是慈善捐赠的主要来源。以下是 2012 - 2017 年中国慈善捐赠的统计数据：
| 年份 | 捐赠总额（亿元） | 人均捐赠（元） | 企业捐赠占比 |
| — | — | — | — |
| 2012 | - | - | - |
| 2013 | - | - | - |
| 2014 | - | - | - |
| 2015 | - | - | - |
| 2016 | - | - | - |
| 2017 | 1499.86 | 107.90 | 64.23% |

企业进行慈善捐赠可以带来多方面的好处，它不仅是一种广告宣传方式，还能提升企业形象、吸引潜在客户、增强员工忠诚度并提高企业绩效。同时，慈善捐赠也有助于企业获得政府支持。

5.2 研究方法与结果

本研究选取了 2008 - 2017 年中国 A 股上市公司的数据，采用因子分析方法衡量 CEO 权力，并实证检验了 CEO 权力对企业慈善捐赠的影响。研究结果如下：
- CEO 权力与企业捐赠的关系 ：CEO 权力与企业捐赠呈正相关，即权力越大的 CEO 越有可能进行慷慨的捐赠。
- 不同企业性质和地区的差异 ：国有企业的 CEO 以及来自中国中西部地区的 CEO 更倾向于进行慈善捐赠。

以下是研究流程的 mermaid 流程图：

graph LR
    A[收集 2008 - 2017 年 A 股上市公司数据] --> B[因子分析衡量 CEO 权力]
    B --> C[实证检验 CEO 权力对企业慈善捐赠的影响]
    C --> D[分析 CEO 权力与企业捐赠的关系]
    C --> E[分析不同企业性质和地区的差异]

6. 综合总结与启示

综合上述关于推荐标签突出度对在线旅游广告的影响以及企业 CEO 权力与慈善捐赠关系的研究，我们可以得到以下启示：

6.1 在线旅游广告方面

对于在线旅游平台（OTA）的管理者来说，应重视推荐标签的作用。在选择推荐酒店时，要充分考虑酒店的在线评论 valence（OCV），优先推荐 OCV 为中等或高的酒店，并提高推荐标签的突出度，以提高广告的视觉吸引力和消费者的预订意向。
可以利用眼动追踪技术进一步优化广告设计，将酒店名称和图片等吸引消费者注意力的元素突出展示，提高广告效果。