1 引言

旅游决策属于复杂型购买决策^[1]，旅游者在进行决策时需要大量信息支持。伴随着互联网的发展，旅游者决策的信息环境发生了翻天覆地的变化^[2]。以往旅游者只能依赖少数传统信息渠道获取目的地信息，信息搜寻成本较高，能够获取的信息总量非常有限，且其中最主要的大众媒体等信息源传播的目的地信息都受到目的地营销组织(Destination Marketing Organization，DMO)的控制^[3]。而DMO出于对媒体容量限制的考虑并在独特卖点(Unique Selling Points，USP)理论的指导之下，通常会选择只传播目的地最突出的少数特征。所以，旅游者一直处于一种信息相对匮乏的环境中，在对目的地比较有限的认知基础上进行权衡取舍。现今，互联网不仅使旅游者的信息搜寻成本急速下降，而且Web 2.0下大量的用户生成内容(User-Generated content，UGC)极大地丰富了目的地信息。在进行目的地选择决策时，旅游者所面临的问题已经不再是信息匮乏，而是由过剩的信息引起的信息过载(Information Overload) ^[4]。同时，旅游者对目的地形象的认知也不只局限于DMO宣传的USP，而是变得十分丰满，包含有大量的细节。这种信息环境的改变及引发的认知结构变化将如何影响旅游者的目的地选择决策成为旅游消费者行为研究亟待解决的问题。此外，对于DMO来说，UGC中大量长尾(Tail)信息将会带来怎样的冲击，聚焦于热门(Head)信息的USP是否依然有效，是当今网络环境下目的地营销实践的关键问题，直接影响DMO营销策略的选择。故本研究通过对旅游者决策行为逐步深入地探索，最终对上述问题进行系统地解答，以此深化旅游者目的地选择决策理论、指导DMO的目的地营销工作。

2 相关研究综述 2.1 信息过载对决策的影响研究

信息能够消除不确定性，从而减少人们面临的风险、带来安全感^{[5, 6]}，因而消费者在做出购买决策之前会进行必要的信息搜索，可是过量的信息反而会增加不确定性和人内心的焦虑^{[7, 8]}。信息过载(Information Overload)指人们所接受的信息超过自身的处理能力，导致信息未能有效应用的状况^[9]。其产生的最主要原因是信息数量急速增加、信息质量发生劣化——平庸化及噪声化^[10]，而人的信息处理能力却没能得到相应的提升。早在20世纪50年代社会学家Georg就注意到现代社会中激增的信息使人的感觉负载增加，进而加重了心理负担^[11]，随后Milgram开始尝试用信息过载解释旁观者效应^[12]。Toffler进一步在其著作《未来的冲击》中阐述了人类认知能力局限与经常需要在短时间内面对过多选择的现实决策情境间的矛盾^[13]。由此选择过载(Choice Overload)成为信息过载研究的焦点，众多心理学家和消费者行为研究者通过大量实验对这一问题进行了持续地探索。其中，心理学家Miller曾通过实验测得，在同一时间内人们能够吸收和处理的信息约为7组模块^[14]，当超出此限度就会出现明显的过载，并带来诸如决策质量下降、决策规避等负面结果^{[7, 8, 15, 16]}。同样，消费者行为研究也进行了大量的类似实验，其中最著名的“果酱实验”通过改变商店中陈列的果酱种类数发现，当面对6种口味的果酱时，顾客试吃和购买比例都高于24种的情况^[17]。之后，同类实验一再被各领域的研究者所重复^[18-20]，并延伸到旅游市场营销研究中—随着旅游产品种类的增加，旅游者决策满意亦呈现先增后减的倒“U”型曲线，相关研究甚至寻找到过载的阀值^{[21, 22]}。

虽然已有研究主要集中于选择过载问题，但事实上，选择过载只是信息过载众多情况之一。除了备选产品数量，产品间的相似程度以及产品属性信息量的增加也都会加大决策的复杂性^[23]，加重信息处理负荷，造成信息过载。特别是在电子商务时代，产品和产品信息的陈列成本几乎为零，所以消费者不仅会因为备选产品种类过多而导致选择过载问题，还会因为备选产品的属性信息过多产生属性过载^[24]。这一点在旅游目的地选择决策中表现得尤为明显。从意识域到最终决策的漏斗筛选过程实际分为两个阶段^[25]：第一阶段是在意识域的众多备选目的地中挑选出少数几个重点考察的目的地，形成考虑域，此时主要表现为选择过载；第二阶段是对考虑域中少数备选目的地逐一进行详细了解，这时则主要表现出属性过载。实际上，旅游者需要相继面临备选目的地数量众多与每个目的地可获得信息过剩的问题。过往的研究却多只聚焦于前者，而旅游目的地的特别之处就在于其属性特征要远比一般产品丰富，故旅游消费者行为研究在选择过载之外还尤其有必要对属性过载问题进行讨论。

2.2 感知形象对旅游者决策的影响研究

信息搜索只是旅游者目的地选择决策的第一个步骤^[26]。在这些外部信息的作用下，旅游者对目的地形象的感知由最初的原生形象演变为引致形象，并依此做出决策。故引致形象是旅游者目的地选择决策的关键^{[27, 28]}。

最新的研究表明信息获取途径的差别将会导致引致形象呈现不同的结构特征：借助于传统线下信息渠道，旅游者只能获取有限的目的地信息，形成的引致形象是典型的短尾分布；相比之下，利用网上多元化信息源旅游者能够汲取多样化的目的地信息，使引致形象演化出非常丰富的长尾内容^[29]。如今，网络正取代传统媒体成为旅游者主要依赖的信息来源，外部环境已由信息不足转变为信息过剩，旅游者对目的地形象的感知也在发生着结构性变异，这些变化必将对旅游者决策产生重要影响。然而，既有的目的地营销理论普遍沿袭了传统的USP理论，但USP只对应引致形象中的热门(Head)形象部分。当引致形象出现USP以外的长尾(Tail)形象信息时，长尾的作用如何，仍有待于进一步验证。不单理论研究者，目的地营销者也亟需了解引致形象中不同部分对旅游者决策的差异化影响，检验网络营销时代信息过载情境下USP的有效性，考察UGC中长尾内容的影响作用，据此针对性调整目的地营销策略，以应对网络营销的挑战。以往无论是在目的地营销实践中还是理论研究上，都发现一个积极正面的目的地形象对旅游者来访意愿有显著正向影响^[30-33]：旅游者对某一个目的地形象感知越好，该地就越有可能成为其出游的选择^[34-36]。据此可以推断，引致形象的各个结构部分也应对旅游者来访意愿具有正向影响。基于此提出本研究的两个基础假设：

H1：旅游者对引致形象中热门形象部分的评价越高其来访意愿越强烈

H2：旅游者对引致形象中长尾形象部分的评价越高其来访意愿越强烈

3 信息过载情境下目的地选择决策实验 3.1 实验任务设计与被试的选取

本研究的目的是为了探索在目的地选择决策过程中旅游者对目的地形象的感知如何影响其最终决策。故实验模拟真实的出游决策情境，并聚焦于被试对某一目的地属性信息的认知过程。为确保被试在决策过程中对目的地属性信息的认知出现过载，实验必须选择属性信息足够丰富的旅游目的地。通常，具有较长历史的大型旅游城市都能够满足这一条件，本研究选取了武汉作为案例目的地。实验任务设计为“假期即将来临，根据你现在的时间和金钱等情况，武汉是可供备选的一个旅游目的地，请你通过网络了解该地信息，并决定是否愿意去该地旅游(说明：如若选择武汉则相当于在此假期中放弃了去其他旅游地的机会，故建议给出具有倾向性的意见) ”。实验通过测量和分析感知形象与被试来访意愿间关系解析其内在决策机制。

在被试的选取上，本研究采取自愿者征集的方式，要求被试具有使用互联网制定自助游计划的经验，同时为确保实验开始时被试对目的地的认知停留在原生形象阶段，但凡有过到访经历、近6个月内关注过或有计划去武汉旅游的被试全部被剔除。最后，征集到96名被试参加了此次实验。由于实验研究法要求对被试群体的非实验变量特征进行严格控制，所以使用单一样本群体有利于避免了其他因素的干预，故实验中被试全部是来自某高校的学生。虽然采用学生样本存在一些争议，但是在信息过载研究中^{[4, 19]}以及网络信息搜索等旅游消费者行为研究^{[37, 38]}中，仍普遍使用学生作为实验对象，这主要是基于两方面的考虑：一是，学生对互联网的使用非常熟悉，能够避免实验中因为网络使用障碍导致的实验结果失真问题；再则，目前市场消费主力正逐渐转向青年一代，他们的网络消费行为非常普遍，且其行为具有较好的代表性，故对其行为的研究结果具有较好的实践指导价值。

3.2 实验准备

为便于跟踪和分析被试所接触的信息，实验选择在百度旅游网武汉专属页面(lvyou.baidu.com/wuhan)上进行。该页面上提供了经网站整理和编辑的武汉基本信息、景点介绍、旅游线路推荐等内容，还包括超过3000篇旅游者撰写的游记和1500余条点评等信息。既涵盖武汉最重要、最热门的形象特征，即USP信息，也包含大量细节性的长尾形象信息。虽然本研究将信息获取渠道限定在特定网站，但其囊括了网上信息的主要类型，同时依照以往研究经验，旅游者对目的地属性信息认知出现过载主要是对非DMO控制型信息源信息获取造成的，其中最主要的信息类别是其他旅游者撰写的游记，而该网站已经提供了足够多的此类UGC信息，营造出属性信息过载的决策情境。

在实验准备阶段，对武汉目的地形象进行测量。参照以往的相关研究^{[39, 40]}，本文选取了百度旅游网武汉专属页面下默认顺序的前100篇游记作为分析材料，通过词频分析获取到旅游者感知的武汉目的地形象。实验中被试在该网站上进行信息搜索形成的对武汉形象的认知不会超出这一范围，因此可以将之视为武汉目的地形象的全集Φ。分析结果显示Φ共包含112个形象词，依据20/80法则，可以将前22个词视为热门形象词(Φ_head)，累计词频占词频总量的65.7%，后90个词视作长尾形象词(Φ_tail)，累计词频仅占词频总量的34.3%。

同理对武汉市旅游局当前的营销情况进行调研，分析其对外投放的视频、文字等形式的广告，从中提取出25个形象词，形成武汉旅游局的投射形象。投射形象与Φ_head重合度高达84.0%，仅有4个词落入Φ_tail之中(如图 1中USP散点所示)。这说明现阶段武汉的目的地营销工作遵循了USP理论，集中于营销武汉热门形象，长尾词在其宣传中几乎没有出现。当旅游者通过游记等UGC内容接触到大量长尾形象信息后其决策势必会受到影响，本文将进一步通过实验对其影响效果和机制进行分析。

3.3 实验过程与实验后测

实验过程让被试完成之前设计的实验任务，期间被试可以自由浏览百度旅游网武汉专属页面上的所有信息。在浏览结束后，要求每位被试对Φ中词语进行评分。评分采用李克特5级量表，具体包括两个方面：一方面是被试对Φ中形象关键词的知晓程度(Awareness)，对应评分集合Φ_iAw，反Φ_iAw映了被试i在信息搜索过程中对外部信息的摄取情况；另一方面是被试认为Φ中形象所具备的吸引力程度(Attraction)，对应评分集合Φ_iAt，Φ_iAt代表了被试i对武汉目的地形象的评价，即引致形象。此外，还要求被试填写其去武汉旅游的意愿强度，同样采用李克特5级量表，“5”表示非常愿意去该地旅游，“1”表示非常不愿意去该地旅游。为了记录被试的信息摄取情况，实验使用屏幕录制软件Fraps 3.5.9记录实验的全过程。通过分析实验录像，发现平均实验时间为17分钟，实验中平均每位被试浏览了11篇游记、36条点评，对UGC内容的浏览时间占到了总实验时间的75%以上。

4 实验数据分析 4.1 被试信息摄取情况与引致形象结构

通过分析Φ_iAw了解实验后被试对武汉形象的知晓情况。其中，被试对热门形象词的知晓程度都比较高，其均值$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$为4.31，相比之下被试对长尾词的评分均值明显偏低，$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$仅为3.43。具体到每一位被试，对22个热门词的知晓水平普遍较高，平均每位被试评分高于“3”的热门词为20.2个，比例高达91.8%，而对90个长尾词则表现出非常明显的选择性记忆，平均每位被试评分高于“3”的只有57.9个词，占长尾词总量的64.3%。这表明在信息过载的情境中，被试所能获得的目的地相关信息已经远远超出其信息处理能力，被试的认知资源变得稀缺，对信息的摄取和记忆将具有高度的选择性，最终只能有效地记住有限的目的地形象特征。

Φ_iAt是被试对目的地形象的评价集，亦即引致形象评分集。其数据分析结果的特别之处在于包含众多高评分的形象长尾词。这说明相较于原生形象，被试完成信息搜索后形成的引致形象变得更为丰满，不再局限于热门形象关键词，还包括大量长尾形象关键词。这与之前同类研究的结论非常相似^[38]。本研究将进一步分析引致形象的这种结构性特征对旅游者目的地选择决策的影响。

4.2 引致形象结构及对来访意愿的影响

本文采用逐步回归的方法检验引致形象各结构部分与来访意愿间的关系。首先建立只包含控制变量的基础模型(模型1)。由于被试全部为在校学生，所以仅把被试的性别、年龄作为控制变量。其次，在模型1的基础上分别单独加入引致形象热门词和长尾词的评分$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$和$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$，构成模型2和模型3。模型2的F=33.528，sig.＜0.01，相比于模型1，△R²=0.486，模型改进明显，$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$系数为1.154，对应t统计量数值为9.674，说明引致形象的热门形象部分显著地影响旅游者来访意愿，H1通过检验。同理，模型3的F=2.365，sig.＞0.05模型整体拟合性不显著，相比于模型1，△R²仅为0.036，模型增益效度十分有限，且$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$对应t统计量仅为1.870，$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$系数不显著，故H2没能通过检验，即引致形象中长尾形象部分对旅游者来访意愿的影响不显著。最后，共同放入$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$和$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$两个变量，构成模型4。模型4的F=26.202，sig.＜0.01，相对于模型2，△R²=0.013，模型改进微乎其微，$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$和$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$两个变量对应的VIF分别为1.029和1.015，不存在多重共线性问题，但是在采用White检验时发现nR²统计量对应p值为0.001＜0.01，即模型4存在异方差问题。故本文采用robust回归方法对上述模型中的标准差进行修正，以便获取更加稳健的结果(模型4*)。修正后的模型中依然只有$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$的系数显著，而$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$的系数依旧不显著，与模型2、模型3的检验结果一致。

4.3 补充调研与新假设

回归分析结果显示仅部分研究假设得到证实，而以往的相关研究普遍证实目的地形象与来访意愿间存在联系。对于本研究中的假设2未被实验数据验证这一反常结果，有必要进行更深入的探索。为此，本研究挑选出实验数据与研究假设相悖的样本，对被试进行回访，试图通过深度访谈了解其选择或是放弃武汉作为旅游目的地的原因，从而解构引致形象对来访意愿影响的内在机理(表 3)。访谈中发现，虽然被试对武汉的长尾形象评价较高，但是如果认为其主推的热门形象缺乏足够吸引力，大部分被试最终依然会选择放弃，如被试P17所说“我对黄鹤楼、长江大桥这些武汉标志性的景点不是特别感兴趣，所以即使我很喜欢武汉的鸭脖、想尝尝武昌鱼，但不足以让我最终选择武汉”。与之相反，被试P31表示“特别想看看长江，沿着江滩散步，逛逛武汉大学，而且一定要看武大的樱花……”，当问及对武汉长尾形象评价时，其表示“其他的不那么重要”。仅少量被试在此情况下会具有较高选择意愿。综上，旅游者对DMO主推的目的地形象热门词的认可会正向影响其选择决策，而旅游者对于目的地形象长尾词的认同只有在热门词得到认可的情况下才会对决策有显著正向影响。基于此，修正原有的假设(H2)，并提出新假设(H3):

H3：引致形象中长尾形象部分的评价对旅游者来访意愿的影响作用受到热门形象部分评价的调节

4.4 调节作用的检验

本文首先采取调节回归(Moderated Multiple Regression)的方法检验$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$对$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$与来访意愿间关系的调节作用，具体分为以下三步：(1) 将所有变量标准化；(2) 建立自变量$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$与调节变量$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$的交互项$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$ ×$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$；(3) 建立来访意愿与自变量$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$和调节变量$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$的回归方程(模型5)，之后再增加交互项$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$ ×$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$构建新的回归方程(模型6)，依照R²的增量与交互项的显著性判断调节效应是否存在。分析结果显示，△R²=0.052，△F=11.443，sig.△F=0.001＜0.01，说明模型6相对于模型5改变明显，R²获得了显著的增加，同时，交互项$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$ ×$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$的系数为0.227，p=0.001＜0.01，说明交互项系数显著。综上说明存在明显的调节效应。

为更清晰地展示调节作用，本研究再次进行分组分析。根据$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$评分将样本平分为高分值组与低分值组，两组分别包括48个样本。通过回归分析(图 2)发现，高分值组中$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$对来访意愿影响显著，被试的来访意愿随$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$的增加而显著增加(β=0.602，p=0.010)，而在低分值组中$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$对来访意愿影响不显著，来访意愿不会随$\overline{{{\mathit{\Phi }}_{iAw\ tail}}}$的变化而产生显著变化(β=0.011，p=0.958)。故$\overline{{{\mathit{\Phi }}_{iAw\ head}}}$调节作用(H3) 得到验证。

5 研究结论 5.1 研究发现

通过情境实验，本研究检验了信息过载中属性过载对旅游者目的地选择决策的影响。研究发现：

(1) 互联网提供了非常丰富的目的地信息，在此种环境中旅游者对目的地属性信息的认知会出现过载，且主要体现为对长尾属性信息的选择性记忆。潜在旅游者在信息搜索过程中，面对过多的目的地属性信息时会发生认知饱和和记忆溢出，即使如此目的地热门形象仍能被普遍记忆，却只有有限的、部分的长尾形象会被记住。属性过载主要是目的地长尾属性的过载。

(2) 在旅游者目的地选择决策过程中，目的地的热门形象依旧起到了决定性作用，即USP依然是有效的营销策略。USP涵盖了目的地最热门的形象，是目的地能够提供给旅游者的核心价值，也是最受广泛认可的特征。因而，在旅游者决策过程中，USP仍然是最重要的考虑部分。

(3) 在网络信息环境中新生成的引致形象长尾只有在特定的条件下才对旅游者决策有所影响。对实验结果的统计分析显示，对于一般大众旅游者来说，目的地的核心吸引物仍是其决策的首要因素，只有当旅游者对目的地热门形象较为认可时，其对于长尾形象的认可将有利于促进决策，提升来访意愿。反之则长尾形象的作用将较为有限。从决策价值的角度来看，这是因为对于旅游者来说，每次出游都需要付出时间、精力和金钱等多方面成本，如若不能在目的地获取到相应的体验价值，则会选择放弃。目的地的长尾形象是目的地能够提供的相对次要价值，仅凭其还不足以说服潜在旅游者来访。而从决策流程上来说，热门形象作为最主要的外部信息线索，是被优先考虑的因素，只有通过热门形象的筛选后长尾形象才会被列入考虑范畴。需要注意的是，实验中也存在着的部分对长尾形象非常认可，但也具有较高来访意愿的特例。这类似于现实中存在着部分小众群体。他们在旅游过程中所追求的并不是大众所普遍喜欢的内容，而更看重目的地的部分特殊吸引物，比如音乐发烧友对演唱会和音乐社区的追捧、“吃货”对地方性的美食和小吃的迷恋、中小学生对于知名学府的追求等。对于这部分小众群体而言，目的地长尾形象中的某项内容可能才是决定性的。

5.2 营销启示

现今，所有网络平台都在试图提供尽可能详尽的目的地信息。那么DMO是否也应如此？本文研究结论显示尽管长尾形象有一定作用，但是对于多数旅游者来说起关键作用的仍是热门形象，只有获得较高认可程度的热门形象才能有效地吸引潜在旅游者来访，所以DMO应该坚持USP策略，聚焦于传播目的地最具吸引力的特征。特别是在DMO营销资源比较有限的情况下，更应明确定位，强化对热门形象的营销，增强潜在旅游者对此的记忆和认同。

长尾形象代表了不同小众旅游者群体对目的地偏好，潜在旅游者对其喜好与否具有非常明显的个人特征，DMO不应不分主次地将大量长尾形象像热门形象一样进行宣传。事实上，DMO也很难做到：一方面是由于目的地通常能提供非常多的体验，而每个旅游者都有其独特偏好，这导致长尾非常长，DMO很难获取到全部的长尾形象；另一方面是因为长尾形象过于小众和分散，DMO对其宣传投入的成本可能远大于收益。

然而，这并不意味着DMO可以完全忽视长尾形象。近年来，目的地接待的散客旅游者比例越来越高。相对团队游客，散客旅游者的需求差别更大，个性化诉求得以充分释放，仅凭热门形象越来越难以满足所有的旅游者。而目的地长尾形象则恰好能够契合旅游者的这种异质化需求，并能在一定条件下有效增进潜在旅游者的来访意愿。所以，目的地长尾形象的重要性正不断增强。目的地营销过程中，DMO的营销思路也需要随之改变，在重点宣传热门形象的同时应给予长尾形象适当关注，注重热门形象与长尾形象相结合，利用两者各自的优势互为补充。即以热门形象突出目的地的核心价值，以长尾形象满足不同类型旅游者的独特偏好，以此达到两者类形象的协同效应，进而赢得更为广泛的旅游者的青睐。在实际操作层面上，相对于DMO，游记、点评等网络平台上的用户群体更适合长尾形象的宣传工作，DMO应当鼓励到访旅游者通过这些平台分享自己个性化的旅游体验，利用UGC促进长尾形象的传播。而对于充当信息平台的网站则应当将信息进行分类化呈现，便于不同偏好的潜在旅游者选择性阅读、提高信息搜寻效率，从而体现网站的服务价值、增加用户黏性。

5.3 研究局限与展望

由于本文重点在于初步验证属性信息过载情境下引致形象的不同结构部分对旅游者目的地选择决策的影响，研究聚焦于旅游者对某一个目的地的权衡取舍过程，并没有进行目的地间比较，如前所述，旅游者目的地选择决策需先后经历选择过载与属性过载两个过程，未来研究需将这两个连贯过程共同进行分析，进而完整地解析旅游者目的地选择决策的全过程。此外，本研究只关注了信息过载情境中旅游者的决策行为，在决策环境由信息匮乏过渡到信息过载的过程中，对个体旅游者来说是否存在着一个最佳的信息供给量，仍值得继续探索，对信息饱和点的寻找将有助于相关网站确定一个合理信息供给水平，避免信息过载带来的负面影响。最后，受研究条件限制，研究中只选取了学生样本，虽然单一样本有利于实验研究控制非实验变量，但学生样本可能存在着旅游经验不足、容易受到外界信息影响等问题，后续研究需要增加样本的多样性，在不同类型的群体中验证研究结论，以检验研究的外部效度。