1. 引言
共享经济是通过将闲置资源的让渡与整合，搭建双边市场，形成市场之间的互补与替代，在其中最备受瞩目的莫过于在线短租 [1]。与传统短租相比，在线短租最大的特点在于将房东与房客集中在同一平台中，通过互联网对双方信息进行管理与匹配提高闲置产品的利用率以及降低交易匹配成本。一般而言，在线短租的主要消费渠道是App。一方面，与房东相比，共享平台的房客对该类App有更高的个性化需求，除基本的资源属性外，对于附加功能的要求更多 [2]。另一方面，在线短租的品牌经营很大程度上取决于App的运营情况，尤其是其消费端的运营情况。因此，如何识别消费端用户对各项App功能的认知情况、满足消费群体的个性化需求，对于在线短租平台的发展具有重要意义。本文以在线短租的典型代表airbnb为例，利用Kano模型分析用户的功能需求并探究各项功能的重要度，以期在提高用户满意度和忠诚度方面提供建议。
2. 文献回顾
2.1. 在线短租的研究现状
学术界对于在线短租的研究主要关注其安全监管、运营模式和消费者选择等方面。在安全与监管方面，李立威 [3] 对airbnb和小猪短租进行案例分析将共享经济的信任机制分为平台、人及产品的信任，并对其信任机制进行了进一步的分析；钱瑾 [4] 以在线短租为例，对共享经济的监管思路进行了一个探讨，认为现今应加强自律监管的作用与公信平台建设；凌超和张赞 [5] 则通过对在线短租的发展现状对当今共享经济在中国的落地生根提出相应的建议，认为安全及诚信水平是在线短租行业发展的重点及难点。在运营模式方面，宋琳 [6] 基于现今诚信机制不完善的情况下，对C2C、B2C模式下在线短租运营进行博弈分析，并探讨了其未来发展模式；丁茜 [7] 以旅游行业为视角，对比分析国内外多家短租平台，对国内短租平台运营的各细化环节提出建议；董诗瑶 [8] 在交易成本理论的基础上从其配置资源的能力、技术与制度的创新等方面提取研究参数，探究国内外短租发展差异。在消费者选择方面，Ert等 [9] 以airbnb为例探讨了房东照片对客户信任度及决策的影响，认为用户对照片的信任度越高，选择该房源的概率越大；Guttentag [10] 通过对在airbnb住宿的800多名游客进行在线调查，认为消费者选择短租的主要原因集中在互动性、新颖性、类家性、共享精神以及本地的体验真实性上，同时也对用户进行分类以此细分市场。此外，还有部分学者指出价格、住宿设施及居住地所在位置 [10] 、隐私与住宿的安全性 [11] 也是影响消费者选择的关键。
尽管国内外对在线短租的研究逐渐成熟，但鲜少有文献对于在线短租App的功能需求展开分析。在线短租App在一定程度上兼顾了旅游App的路线推荐功能以及酒店App的住宿服务功能。潘澜等 [12] 指出感知有用性、信任及满意度是影响智慧旅游App用户持续性意愿的重要因素。同时，王晓燕和丁鑫 [13] 在对酒店等住宿行业的App研究中发现，在线评论是用户选择参考时的重要决策信息。因此，本文在研究在线短租App需求时，也将结合酒店及旅游App的相关需求，并将信任、在线评论等要素纳入功能需求的分析中。
2.2. Kano模型及其应用研究
Kano模型是Noriaki Kano及其合作者受赫茨伯格双因素理论启发而提出，即通过将用户满意度与产品属性引入模型对产品属性进行分类，并将产品属性分为必备因子、期望因子、魅力因子、无差异因子与反向因子，以此找出提高用户满意度的切入点(Kano, 1984)。具体来说，必备因子(M)是用户对于产品或服务要素的基本的功能需求；期望因子(O)是用户对产品的满意状况与需求满足程度呈比例关系的功能需求；魅力因子(A)于用户而言，不会过分期望，但一旦满足，满意度会有较大提高的功能需求；无差异因子(I)是满足与否对用户满意情况没有影响的功能需求；反向因子(R)是一旦满足用户反而不满的功能需求。通过正反两方面的结构型调查问卷收集上述五类需求的信息，分类汇总调查结果后，可建立Kano模型 [14]。
Kano模型在学术界大多被用于评估平台系统的客户功能需求，近年来也被广泛应用于分析App及其服务上。涂海丽和唐晓波 [15] 利用Kano模型对微信的功能需求进行分类，进而挖掘用户的隐性需求。范哲和刘莉 [16] 在研究“知乎”的搜索功能时，通过Kano模型归纳其质量属性。范成文等 [17] 基于魅力质量理论及Kano模型，对老年人体育服务需求做出了精准识别。蔡寿松和顾晓敏 [18] 用Kano模型分析网购的商业模式需求。
2.3. 小结
已有文献从在线短租的发展特点、法律监管、信任机制及消费选择等方面，对在线短租的发展现状与瓶颈进行了多维度的分析。但是，较少有研究从微观角度对用户、尤其是消费端用户的需求心理及功能设计方面进行探讨。用户是共享经济的关键环节，因而在线短租品牌的App设计能否切实满足用户的心理需求，对其运营和发展具有重要的现实意义。本文将以airbnb为例，重点关注消费端用户的需求心理，通过功能分析，为平台的改进优化提供建议。
3. 功能获取及划分
在文献回顾的过程中，本文发现：用户对于在线短租平台的需求及影响其住宿选择的要素主要集中在房源所在位置、操作便捷性、住宿设施、价格及安全性等方面。相对应的，本文将airbnb App的已有功能进划分为：房源筛选、界面、用户体验、安全性四个方面。其中，房源筛选中的交通站点、中心距离及配套设施等与操作便捷、住宿设施等相对应；安全性方面对应第三平台处理收付款，以及airbnb新推出的芝麻信用绑定等功能。为了进一步挖掘用户对于各方便功能的需求，本文对9位使用年限不同的airbnb用户展开访谈，访谈内容包括短租出行体验、常用功能类型以及使用过程体验和功能建议，并根据最终的文献研究及访谈结果识别出21项已有功能和受访者建议添加的4项功能(以下称为“推荐功能”)，如表1所示。
Table 1. Function classification and description
表1. 功能分类及说明
注：*表示推荐功能。
4. 问卷设计及数据搜集
本文的问卷分成两部分。第一部分是基本信息，包括受访人员的性别、年龄阶段以及职业类型等，以了解用户的基本信息情况。第二部分是Kano问卷，对表1所示的25项功能进行正反两个方向的提问，以识别各项功能的需求情况。具体来说，Kano问卷的问题分为“我很喜欢”“理应如此”“无所谓”“勉强接受”和“我不喜欢”五项，对同一项功能通过两方面的回答情况进行质量要素划分，以了解用户的对该功能的感受。具体如表2所示。
Table 2. Kano model quality factor classification
表2. Kano模型质量要素分类
注：M—必备因子，O—期望因子，A—魅力因子，I—无差异因子，Q—可疑因子，R—反向因子。
本次调查问卷要求填写人员必须使用过airbnb，并且对在线短租平台有一定的了解。因此，通过微信、QQ对airbnb用户交流群、交流社区等进行有偿问卷扩散。本次调查共回收499份问卷，剔除填写时间过短及回答可疑的问卷，最终回收300份有效问卷，回收率为60.1%。
本次调查样本中，男性占比为45%，女性为55%；年龄分布以18~25岁为主，(55%)与26~35岁用户(32%)为主；职业类型中公司职员占比最高(41%)，其次是学生(38%)。根据《2019年中国在线民宿预订行业发展研究报告》 [19]，airbnb的使用人群主要以女性为主，并且集中在公司职员与学生群体上，两者合计占比近八成，并且用户偏年轻化，年龄以80~90年代用户为主。综上，本次调查的用户基本特征与调查报告的分布相似性较大，说明调查样本具有较高的典型性。
5. 数据分析
5.1. 问卷信效度检验
通过SPSS对问卷的正反两向及总体问卷进行信效度检验，得到其结果如表3。可以看出，本次调查结果的信效度较好，较好地满足分析需求。
Table 3. Reliability and validity test
表3. 问卷信效度检验
5.2. Kano模型分析
在对所有问卷进行筛选及信效度检验后，根据表2的要素分类规则对样本进行频数统计，得出每个功能的要素分类，其结果如表4所示。
在表4中，反向因子与可疑因子相比于其他属性的占比过小。这很有可能是由于用户没有较好的理解题意或者填写错误等，故而排除了其为反向或可疑因子的可能 [20]。因此，不宜直接按照表4来识别功能属性，需要做进一步的筛选。具体而言，根据表4所得的频数统计，按照式(1)和(2)计算每个功能的Better-Worse系数：
#(1)
#(2)
为取值方便，本文在以下分析过程中Worse值均取绝对值，再利用各功能的Better、Worse系数进行属性识别：两系数值都在0.5以上，为期望因子；两系数值都小于0.5的，为无差异因子；Better值大于0.5，Worse值小于0.5，为魅力因子；Better值小于0.5，Worse值大于0.5，为必要因子。表5展示了依此准则的分类结果。
Table 4. Statistics of quality element classification frequency for all functions
表4. 所有功能的质量要素分类频数统计
注：*为推荐功能。
Table 5. Quality factor classification results of existing functions
表5. 已有功能的质量要素分类结果
注：M—必备因子，O—期望因子，A—魅力因子，I—无差异因子，Q—可疑因子。
表5仅展示了已有功能的分类结果。由于大部分airbnb用户对推荐功能缺乏感知体验，直接根据Better-Worse系数对其进行分类将存在偏差。关于推荐功能的分类，本文采用范哲和刘莉(2017)提出的方法，只对用户所选的正负两方面的选项进行判别，具体结果如表6所示。
Table 6. Quality factor classification results for recommended functions
表6. 推荐功能的质量要素分类结果
由表5和表6可以看出，在21个已有功能要素中，有11个魅力因子、2个期望因子、1个必备因素和7个无差异因子；而在4个推荐功能中，有1个魅力因子、2个期望因子和1个无差异因子。具体来说，四类因子的功能分布如下：
魅力因子包括：显示搜索建议、发布优惠信息、个性化推荐房源和景点、体验分享、以及房源筛选中的日期、闪订、是否合租、卧室数量、旅程类型、建筑类型和与推荐的中心城区距离筛选功能。该部分功能表现不充分或者未改进，不会引起用户的不满；但表现越好，用户的满意度越高，具有较为明显的“惊喜”的特性。
期望因子包括：第三方平台处理收付款、便利设施筛选和推荐功能中的好评排序及交通站点筛选。该部分功能的表现好坏与用户体验的满意度呈正比关系，改善程度越高，用户满意度越高。因而，期望因子是提高用户满意度的重点改进方向。
必备因子为设置安全验证，此功能也是App的必备要素。
无差异因素是指对于用户而言其改善与否对于用户的满意度并没有太大的影响，包括推荐功能的求租、绑定商务邮箱、芝麻信用、筛选中的建议入住人数、床铺数量、卫生间数量、房屋守则与无障碍需求。
5.3. 改进要素筛选分析
为了进一步对识别筛选改进要素，本文采用赵平 [21] 及朱红灿等 [20] 提出的方法。首先，在以Better系数和Worse系数确立的直角坐标系上，绘制本文关注的25项功能(如图1所示)；然后，以坐标原点为圆心、以0.707 (即圆点到中心点的距离)为半径绘制1/4圆弧，将其称为要素选择线。所谓灵敏度S，定义为要素选择线右侧的功能点到线的距离。在要素选择线右侧的功能是需要改进的，而且S值越大，说明对应功能越需要重点改进；在要素选择线左侧的功能可以暂时不予以考虑。同时，改进筛选是为了量化已有功能的改进优先度，因此，推荐功能并不考虑其中，具体改进要素筛选情况如图1。
Figure 1. Improved feature recognition scatter plot
图1. 改进要素识别散点图
可以看出，大部分的A、M、O类功能均位于要素选择线的右侧，即为需要改进的功能。将它们按S值做降序排列，结果如表7所示。
Table 7. Improved functional ordering
表7. 改进功能排序
注：M—必备因子，O—期望因子，A—魅力因子，I—无差异因子，Q—可疑因子，R—反向因子。
在改进要素中，界面方面的搜索建议、优惠信息以及个性化房源推荐，用户体验方面的出行体验分享，安全方面的收付款和安全验证以及房源筛选方面的日期、卧室数量、旅程类型和便利设施都存在较大的改进空间。其中，出行体验分享、旅程类型与便利设施筛选排名较为靠前，需改善其不足。
6. 结论与建议
6.1. 结论
作为共享经济的典型代表，在线短租因其个性化选择、便捷性操作和低廉的市场准入成本等特点获得了较高的市场认可。本文以在线短租行业的典型代表airbnb为例，通过文献研究、访谈、问卷发放及数据分析，对其App的现有功能进行了属性分类及用户需求探索，同时量化识别出改进功能和推荐功能，最终得出以下结论：
在界面方面，所有的功能都属于魅力因子。显示搜索建议、个性化推荐房源、和热门景点这些功能可以很好的帮助用户在出行目的地选择和房源选择上提高搜索效率，更为快速地找到适合个人需求及习惯的房源。价格作为影响短租选择的重要因素，优惠信息的合理发布也无疑会使得用户满意度大大提高。同时，搜索建议、优惠信息和房源推荐三项功能是需要改进的。通过访谈也了解得知，airbnb的推荐功能缺少一定的针对性。因此，个性化推荐和优惠信息是今后改进的重点。
在用户体验方面，出行体验分类分享是魅力因子，它以照片、文字等形式分享各地旅游攻略，可以很好地提升用户出行体验。同时，出行体验分享也应注重实用性、多元性才能更好的提升用户满意度。推荐功能的好评排序，在分类过程中属于期望因子，该因子的改进程度与客户满意度成正比关系。已有研究表明，在线评论对用户的选择有着较大的影响，好评排序在一定程度上可以便于用户在较短的时间内对高口碑房源进行筛选。这也符合国内用户在各大电商平台的使用习惯。求租与绑定商务邮箱两项功能属于无差异因子，绑定商务邮箱作为无差异因子，很有可能是用户对于该项功能的熟悉度不高；对商务信息的推送需求不高很可能是因为市场上已有较为成熟的信息推送软件，使其成为可有可无的功能.
在安全方面，安全验证为必备功能。当用户在使用不同设备及更换登陆方式时，需要进行相应的验证以保证账户安全，该项功能无疑能在很大程度上确保用户隐私及信息安全性。但是，验证也存在一些不足之处，多方式的登陆也会给用户造成一定的困扰。第三方平台收款为期望因子，其安全性对于用户的付款、退款等有着直接的影响。绑定芝麻信用为新推出的功能，该功能归属于无差异功能的原因很有可能是用户接受度和熟悉度不高。
在房源筛选方面，涉及筛选房源可容纳人数的功能有建议入住人数、卧室数量、床铺数量和卫生间数量，但只有卧室数量对客户的满意度影响较大，其他几项都属于无差异因子。房屋守则与无障碍需求的筛选也是无差异因子，说明用户在房源筛选时，对其关注度并不大。日期筛选、闪订、合租旅程类型、建筑类型及推荐的中心距离筛选都为魅力因子，对提升用户满意度有着重要影响。便利设施的筛选则是期望因子，改进此类功能对满意度有着显著影响。同时，旅程类型与便利设施的筛选也是急需改进的要素。
结合上述分析可知，用户对airbnb的App个性化推荐、高效率筛选及安全性保障功能表现出强烈的需求，而对于一些新增功能关注度并不高。
6.2. 建议
通过前文的分析，魅力因子与期望因子是提高用户满意度的重点方向，对该部分功能的开发、更新与完善可以有效满足用户诉求。因此，在线短租软件应从个性化、效率、安全三方面展开考虑。首先，从个性化角度来说，airbnb的个性化推荐功能都属于魅力因子或期望因子，同时也是敏感度较高的需改进功能。因此，改进推荐算法的同时需兼顾用户出行特征等行为特点，让推荐更具有针对性是其发展重点。其次，在效率方面，主要针对的是房源筛选方面，需对用户重点关注的App功能进行有效的开发和维护，如在线评论、旅程主题、房源所在位置等方面，而推荐功能如中心距离筛选，也需酌情考虑添加。最后，安全性方面一直是在线短租发展的重点，于App而言，退款效率、登陆验证等方面对安全维护十分重要。尽管芝麻信用在现今归类上属于无差异因子，但据访谈反映，大部分用户对于该项功能鲜少使用，因此部分无差异因子的推广也是今后发展的一个方向。
在线短租App商业模式的新颖性与“互联网+”推动了其规模的壮大。但是，短时间的发展也使得用户粘性存在着一定的问题。因此，提高用户满意度，根据功能分类及改进要素的排序有针对性的改进，能在很大程度上有效提升用户满意度与用户忠诚度。
基金项目
中央财经大学科研创新团队支持计划资助(011650317002)；中央高校基本科研业务费专项资金资助(QL18009)；教育部人文社科青年项目(18YJC790162)。