隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）是文本挖掘常用的主题模型,该模型用词频向量来表示文档,用数字表达代替文本内容进行建模,其本身具备无监督学习的特点,无需给出已经存在标注的语言实例就可以对未知的语料库进行分析。在很多共享住宿评论的文本挖掘研究中,都采用了 LDA对文本内容进行建模,以此来挖掘大规模语料库中潜在的主题信息。定性比较分析（Qualitative Comparative Analysis,QCA）是社会科学研究的新方法,该方法以案例研究为基础,研究人员通过对案例的判断设定条件变量,并将变量彼此之间反复测试关联组合,最后得到影响因素与结果间的组合性效应,可用来解释多重并发的因果关系等复杂问题。近几年,QCA在管理、经济、营销等领域已有广泛的应用,成为解决因果问题的重要工具,但该方法在共享住宿领域中应用不多。近年来共享经济发展迅速,国家鼓励共享经济产品智能化升级和商业模式创新。因此,研究消费者行为,创造具有竞争力的共享经济产品成为了培育发展共享经济新业态的重点。共享住宿作为共享经济的经营模式之一,丰富了消费者的住宿选择,同时也为有闲置房源的房东增加了额外收入。2020年,民宿巨头Airbnb成功上市,市值超过连锁酒店巨头万豪国际,成为了当下旅人出行的新宠,打破了传统酒店的垄断。有专家认为,Airbnb将颠覆标准化酒店住宿,因此越来越多的学者开始关注Airbnb的发展动态。本文选择了 Airbnb平台上苏州地区的房源信息进行共享住宿消费者行为偏好的研究,使用SnowNLP对评论内容进行情感赋值,用LDA主题模型对评论进行建模,分别得出正面和负面评论中的潜在主题。从正面评论中得到6个主题,涉及性价比、主客互动、设施、装饰、体验、位置6个方面,体现了消费者在选择房源和入住过程中的行为偏好;从负面评价中提取出4个主题,涉及卫生、隔音、位置、沟通4个内容,代表了导致消费者入住后体验不佳的几大因素。为了研究不同因素组合对消费量的影响,本文选择了一定时间内评论时间连续的房源进行定性比较分析。根据LDA主题模型结果提取出6个主要因素（房源价格、是否具有“超赞房东”标签、设计创新、体验评价、地理位置、房源类型）作为定性比较分析的条件变量,用评论数量代替消费量作为结果变量,并进行赋值和校准,然后用fsQCA3.0软件进行单一因素必要条件分析和模糊集定性比较分析。在必要条件分析中,得到地理位置是导致高消费量的必要条件,说明地理位置优越是消费者关注的重要产品属性。在定性比较分析中得到了 3个高消费量的条件组合,通过分析,当房源地理位置优越并且具有较低的价格时,房型为整个房源的房子可以通过增加设计创新或者是提高体验评价的方式来获得高消费量;当房源为独立房间的时候,可以通过同时增加设计创新、提高体验评价、争取“超赞房东”标签的方式得到高消费量。在导致低消费量的研究中获得了 5个条件组合,发现地理位置不佳并且价格高的房源获得了较低的消费量。此外,地理位置优越但是价格高并且口碑不佳的房源因为性价比低也只得到了较低的消费量。通过以上的研究可以为共享住宿的经营者提供一些经营管理方面的建议:（1）制定合理的价格;（2）加强主客互动;（3）增加房源设计创新;（4）制定卫生标准;（5）发挥地理优势;（6）把房源优势相结合。没有单一的因素可以直接导致房源获得高消费量,同时经营者也应该避免“一刀切”管理,应不断关注消费者新的需求,不断增加房源的优势并持续创新。