網路評論打架時，遊客聽誰的去吃飯

1. 基本資訊

Qiu, S., Wu, Y., Ono, A., Wang, W., Chen, M.-H., & Wang, G. (2026). Tourist dining choices under conflicting online reviews: A social motive perspective. Journal of Hospitality and Tourism Management, 67, 101467. https://doi.org/10.1016/j.jhtm.2026.101467

這是一篇 peer-reviewed accepted author manuscript。研究以社會認同理論與最適區辨觀點為基礎，探討當「其他遊客」與「當地居民」對同一餐廳的線上評價衝突時，遊客如何選擇。

2. 研究問題

作者聚焦三個問題：第一，親和動機與獨特性動機是否會使遊客分別偏好其他遊客或當地居民推薦的餐廳？第二，這種效果是否透過預期的「社會回報」（按讚、留言、分享與社會認可）產生？第三，當遊客打算把用餐經驗分享到社群媒體時，線上可見性是否是上述效果成立的必要邊界條件？

3. 理論基礎

核心是社會認同理論，並以最適區辨理論補足「人為何有時追求歸屬、有時追求差異」。親和動機使人希望與同儕相似、避免被排除；獨特性動機則使人避免與主流遊客過度相同，但仍希望自己的差異得到特定受眾認可。因而，評論者身份不是單純的資訊品質線索，也是可用來表達群體歸屬或個人品味的社會訊號。社會回報則是動機轉化為選擇的心理機制；線上分享提供身份訊號被他人看見與評價的條件。

4. 研究架構

自變項是被啟動的親和／獨特性動機；衝突 eWOM 來源是「其他遊客」對「當地居民」；依變項是偏好的餐廳（推薦頻率或評分較受哪一群體支持）。社會回報為中介，線上分享意圖為邊界條件。Study 1 以社群媒體推薦頻率操作衝突，Study 2 改用評論平台的數值評分，Study 3 以 2×2 設計分別檢驗親和與獨特性動機在分享／不分享情境的差異。

5. 假設邏輯

H1：在打算分享時，親和動機較強者偏好其他遊客推薦的餐廳，獨特性動機較強者偏好當地居民推薦的餐廳。H2：不打算分享時，社會動機不顯著影響偏好。H3a／H3b：社會回報分別中介親和動機導向遊客推薦、以及獨特性動機導向居民推薦的效果。其關鍵不是哪一方「客觀上更懂餐廳」，而是哪個群體的選擇更能完成當下的身份目標。

6. 方法

研究採四個線上情境實驗，受試者均由中國 Credamo 招募。Study 1：206 人，剔除注意力失敗者後有效 177 人；三組（親和、獨特性、控制），以 9 點餐廳偏好量尺測量，並以 5,000 次 bootstrap 檢驗中介。Study 2：215 人中有效 207 人，將推薦頻率改為遊客／居民評分，並控制慢性動機、資訊影響與人口變項。Study 3-Experiment 1 有 372 人，檢驗親和×分享；Experiment 2 有 287 人，檢驗獨特性×分享。操弄檢核均顯示動機啟動成功；方法優點是以兩種 eWOM 格式與不同設計重複驗證，但主要依賴自陳與二選一情境。

7. 結果

Study 1 的社會動機主效果顯著，η²=.22：獨特性組更偏好居民推薦（M=7.25），親和組更偏好遊客推薦（M=4.29）；兩條社會回報中介效果的信賴區間均不含 0。Study 2 重複得到相同方向，主效果 η²=.052，且在控制慢性動機與資訊影響後仍成立。Study 3 顯示分享意圖是必要條件：分享時親和效果與獨特性效果都顯著，不分享時兩者與控制組皆不顯著。整體四項實驗支持 H1、H2、H3。

8. 理論貢獻

第一，將「參考群體衝突」界定為一種新的 eWOM 決策情境，超越只研究評論內容、可信度或餐廳屬性的取徑。第二，提出評論者身份與接收者動機的配對機制：居民不必然始終因專業性而最有影響力，影響力取決於接收者要融入哪個群體或與主流區隔。第三，以社會回報解釋可見性如何把身份動機轉成餐廳選擇，並用不分享條件排除「純粹資訊影響」的替代解釋。

9. 實務意涵

評論平台可清楚標示評論者是當地居民或遊客，讓使用者讀懂衝突評價；也可將兩類評價並列，而非只提供一個混合總分。餐廳與目的地行銷可區分客群：面向親和型遊客，強調共同體驗、熱門菜品與群體分享；面向獨特性型遊客，強調在地性、隱藏景點與非主流體驗。服務人員可由旅客是否追逐熱門店或主動詢問在地選擇，判斷其偏好的體驗定位。不過，依社群行為推斷心理動機也涉及隱私與過度個人化風險，平台不宜直接把實驗結果當作精準推薦規則。

10. 研究限制

研究使用簡化的二選一情境，不能完整代表真實用餐決策中價格、品質、距離、同伴與多餐廳競爭的聯合作用。樣本主要來自中國、且為線上自陳資料；「遊客」與「居民」本身也都是異質群體，未細分文化距離、來源地或相似性感知。研究有測量資訊影響，但沒有直接比較在「追求準確性」時居民與遊客誰更具權威。未來可採眼動、歷程追蹤、平台模擬與真實點擊／預訂資料，並加入真實評論者身份揭露與長期行為結果。

11. 對我研究的啟發

這篇最可重用的角度是「來源身份 × 我動機 × 可見性」三層模型。若延伸到 AI 與旅遊服務研究，可把「AI 生成推薦／在地居民推薦／旅客推薦」視為不同參考群體或代理來源，檢驗旅客究竟是因準確性、歸屬感、獨特性，還是可獲得的社會回報而採納。對 human-GenAI collaboration 而言，AI 不只是資訊供應者，也可能被旅客當成「懂在地的策展者」或「可協助我展現品味的共同設計者」；因此推薦透明度、來源標籤與分享情境，可能調節信任、採納與體驗分享。可進一步把本研究的二選一改成多來源 conjoint／choice experiment，加入 AI 人性化程度、解釋深度、評論者身份與旅客認知風格，建立更貼近目的地體驗設計的機制模型。

12. 整體評價

值得收進核心文獻，定位上適合當作觀光消費與衝突 eWOM 的 framing paper，也可作為社會動機、線上可見性與社會回報機制的 empirical support。四項實驗、兩種 eWOM 格式與分享／不分享對照使論證相當完整；但效果量在 Study 2–3 偏小，外部效度與樣本地域性仍是明顯限制，且「資訊影響被排除」的結論主要建立在可見性操弄，不代表真實世界中準確性判斷不重要。期刊正式性與 DOI 可確認，但索引及排名未明確確認。整體而言，這是一篇理論清楚、可直接移植到 AI 推薦與目的地服務設計研究的高重用文獻。