Tripadvisor 平台

一、TripAdvisor 介紹

TripAdvisor 是一個國際性的旅遊評論網站，2000 年由 Langley Steinert 和 Stephen Kaufer 在美國麻塞諸塞州的牛頓地區成立，2016 年第一季網路統計數據 宣稱此網站為全世界最大的旅遊網站。同年 6 月 comScore Media Metrix 對 Tripadvisor 進行全球性分析，結果顯示 Tripadvisor 網站涵蓋了 650 萬個餐廳、住 宿和景點、每月至少有 3.4 億瀏覽人次，還收錄了 3.5 億則旅遊評論。其網站業 務在全世界共 48 個國家及地區。

TripAdvisor 網站提供世界各地飯店、景點、餐廳三大主題旅遊相關資訊的 平台，還有互動性的旅遊論壇，提供數千萬則旅客建議和旅遊選擇。協助旅客規 劃及預訂行程。瀏覽者使用 Tripadvior 網站查詢，所列出的飯店、景點、餐廳，

會出現該據點的旅客平均評等高低、上線評等的瀏覽者人數、用戶評論的次數，

皆可作為使用者參考(Ricci & Wietsma，2006)。自網站開始運作以來，取向以跨 平台服務為主，獲得多國最佳旅遊指南、最佳行動載具 APP 多項榮譽。不僅為 建立商家的旅遊品質和人氣，也提供旅客全面、多元的查詢資訊，形成一跨國際 的網路評等資料庫(高偉堯，2016)。TripAdvisor 在全球使用率和評價詳見表 2-3。

表 2- 3

TripAdvisor 的流量統計排名情況

排名 評論網站

同類型旅遊網站第 1 名 Ranking.com 全球不分類排名第 73 名 quantcast

全球不分類排名第 291 名 Alexa

全球前 50 旅行旅遊分類排名第 1 名 Similarweb 全美前 50 數位媒體跨平台排名第 35 名 comScoreMMX 資料來源：本研究整理 (檢索資料：2017 年 12 月)

二、評論網站排名分析

在 Similarweb 網站中的旅行(Travel)分類中，有旅遊(Tourism)、航空公司和 機場(Airlines and Airports)、公路和高速公路(Roads and Highways)住宿和酒店 (Accommodation and Hotels)四項分類，Tripadvisor 屬於旅遊類的流量統計第 1 名 (如表 2-4 所示)，在另一個網站 Ranking.com 中，也有相同的結果。其他在旅遊 分類排名前十名的網站，並無類似 Tripadvisor 網站所擁有的景點評論、評分等 功能，而是偏向價格的比較和預訂為主。

在 Travillerspoint、TravBuddy.com 這些與 Tripadvisor 相似的網站中，其關 注的流量大小，無法與 Tripadvisor 比較。旅客做決策的考量時，會從更新快速、

更具互動性的社群網絡中，搜尋相關旅遊資訊，或是參考相似的旅遊網路評價、

經驗與推薦。(徐嘉鴻、林榆青、彭國彥，2013；李淑芳、晏啟華，2014)。網際 網路中的旅遊資訊，在世界中有著極大的影響力。本研究對象為國際旅客，藉由 國際旅客在 Tripadvisor 上的各項旅遊評論，作為口碑，提供其他國際旅客參考 使用。故作為樣本蒐集的來源 (高偉堯，2016)。

表 2- 4

全球主要旅遊網站流量排名狀況

網站 提供服務 全球不分類排名 旅遊分類排名

Tripadvisor.com 優惠飯店價格、景點推

薦、評論 293 1

Irctc.co.in 優惠飯店價格、交通預訂 620 2 Expedia.com 優惠飯店價格、查詢預訂 1138 3 Kayak.com 優惠飯店價格、交通預訂 1203 4 Makemytrip 優惠飯店價格、交通預訂 1492 7 資料來源：本研究整理（Similarweb，2018)

三、Tripadvisor 相關文獻

鄭智元(2010)指出線上旅遊社群逐漸影響旅客旅遊目的地觀感，是由於人們 尋求旅遊資訊，仍以參考團體看法為主。透過社群成員對旅遊景點的分享介紹這 樣的互動方式，便增加了旅遊內容的豐富性及完整性 (高偉堯，2016)。針對本 研究的研究方法，蒐集與 Tripadvisor 旅遊評論網站相關的文獻資料如表 2-5，內 容多是以分析 Tripadvisor 網站的助益效果(蔡伊琳，2014；黃郁珊，2014；王庭 皓，2015)，以及飯店營運行銷為主(游綉雯，2015；呂冠霆，2015)。而針對國際 旅客對九份老街的旅遊評論，較無新的發現。因此結合 Tripadvisor 與九份老街，

了解不同文化背景的國際旅客，對於九份老街有哪些不同面向的評論分析，未來 能作為九份老街觀光發展新的參考方向。

表 2- 5

Tripadvisor 旅遊網站相關文獻

研究者(年代) 研究主題 研究內容

本研究以 TripAdvisor、Yelp、iPeen 愛評網等 三家具經營與流量規模的線上口碑網站為研

Tripadvisor 為例

研究根據 polarity dataset v2.0、AFINN 來建 置資料庫，並透過 Naive Bayes 訓練模型，研 究對象選取 TripAdvisor 品質高低飯店共 21 家評論資料、總共 3054 位使用者留言、總共 遊網站排名為 Tripadvisor.com 和 Agada.com 游綉雯(2015) 使用情緒分析於

本研究使用 TripAdvisor 線上評論資料作情緒 分析，計算出情緒分數，透過迴歸分析了解 Tripadvisor 為例

針對評論品質、情感分析和評論者特性，三