我国旅游网站的网络结构研究——基于社会网络分析法<br/>

我国旅游网站的网络结构研究——基于社会网络分析法

2012-11-16廉同辉余菜花宗乾进

旅游科学 2012年6期

廉同辉余菜花宗乾进

(1.安徽工程大学管理工程学院，安徽芜湖 241000;2.东南大学经济管理学院，江苏南京 211189;3.南京大学信息管理学院，江苏南京 210093)

旅游网站作为互联网和旅游业结合的产物，为旅游者提供了信息搜寻途径和旅游产品购买途径，影响着旅游者的旅游目的地感知，旅游计划、决策过程和网上社区参与行为等，在信息化技术大发展的背景下，网络在旅游业中的应用也更加广泛和深入(孙晓琳，2008)。近年来国内外对旅游网站的研究主要围绕旅游网站的评价、营销、服务等方面展开，如 Evans和 King(1999)、Stern(2002)、Law等(2010)、熊伟和叶淋玮(2011)等对旅游网站的建设、功能等进行了一系列的评价，Stepchenkova和Morrison(2006)，程霞和单芳(2011)，路紫和李晓楠(2011)对旅游网站访问者行为进行了研究，张捷等(2004)研究了中国旅游网站的空间分布类型及其影响因子，程绍文等(2009)对我国旅游网站空间分布的地域差异和空间规模结构特征进行了研究，钟栎娜和吴必虎(2007)分析了世界知名旅游城市与我国国际旅游城市的网络营销。但上述研究基本都是针对旅游网站个体展开的，对旅游网站之间千丝万缕的关系很少涉及。

社会网络分析法是一种研究社会结构和社会关系的分析方法，被广泛应用于社会学、情报学等研究领域，成为社会科学研究的一种新范式。如Hu和Racherla(2008)采用网络分析法探索了学术研究领域内的网络结构，测量知识共享的状况，Zagenczyk和Scott(2010)等通过社会网络分析法证实员工的组织支持感受其社会背景影响。社会网络分析法在旅游管理相关研究中也有应用，如陈秀琼和黄福才(2006)采用社会网络理论分析了旅游网站访问行为时间分布的复杂化特征及其与网站功能深度使用之间的内在联系，杨兴柱等(2007)借助社会网络分析法研究了南京市旅游流的网络特征。社会网络分析法可以实现组织知识网络的优化，提高组织成员的共享能力(罗家德，2005)，逐渐成为旅游研究一种新的范式(杨效忠，等，2009;刘法建，等，2010;周蓓，2008)。本文采用社会网络分析法对我国旅游网站进行定量分析，从网络密度、平均距离、中心度、凝聚子群以及核心－边缘结构等角度探索旅游网站的群体特征，为旅游网站管理和优化提供建议。

1 研究方法

1.1 研究对象

考虑到Baidu采用竞价排名，即一种按效果付费的网络推广方式，而Google只作与竞价相关的广告，没有竞价排名，故本文选择Google为检索工具。我们于2011年8月16～18日，以“旅游网站”为检索词在Google上进行检索，发现第25页以后的检索结果与检索词的相关性较小，故将前25页作为初步分析的对象。然后，逐个确认链接是否能打开、链接的网站是否为旅游网站，剔除掉不符合要求的，最后得到真正意义上的旅游网站154个。这些网站基本涵盖了目前国内最常用的、知晓度最高的旅游网站，最终将这154个旅游网站作为本文的研究对象。

1.2 研究方法

社会网络分析法是一种研究社会结构和社会关系的分析方法，它力图用图论工具、代数模型技术描述关系模式，并探究这些关系模式对结构中的成员或整体的影响，适用于研究群体的互动关系与群体结构(刘军，2004)。其核心在于从“关系”的角度出发研究社会现象和社会结构，被广泛应用于社会学、情报学等领域(Hamulic，Bijedic，2009;余菜花，2010)。

(1)密度

密度指的是网络中各个成员之间联系的紧密程度，其高低代表群体成员平均互动程度的多寡，从中可以看出成员的联系程度，是网络分析中需要测定的重点指标，其公式为:

式中:D为网络密度，k为节点数量，在本文中即为旅游网站个数154，d(ni，nj)=1表示两网站之间存在链接，为0则不存在链接。D越大，节点之间的联系就越多。当D=1，说明所有旅游网站之间都存在联系;当D=0时，则所有旅游网站之间都没有联系。

(2)中心度分析

中心度分为点度中心度、接近中心度和中间中心度三种形式，其中接近中心度要求网络必须是完全连通才能计算，但本文中的旅游网站为非完全连通，故不能计算。此外，点度中心度是测量网络中单个节点结构位置的指标，如果一个点与其他许多点直接相连，则该点就具有较高的点度中心度(罗家德，2005)，其公式为:

式中:CD(ni)为点度中心度，Rij为节点间的联系强度。本文Rij=1指的是存在网站i到网站j链接，为0则不存在链接。

中间中心度度测量一个点在多大程度上位于图中其他点的“中间”，其公式为:

式中:gjk指的是网站i到网站j的路径。

(3)凝聚子群

凝聚子群是满足如下条件的一个节点子集合，即在此集合中的节点之间具有相对较强的、直接的、紧密的、经常的或者积极的关系(刘军，2009)。凝聚子群密度主要用来衡量一个大的网络中小团体现象的严重程度，可以从关系的互惠性、子群成员之间的接近性或可达性、子群内部成员之间关系频次、子群内部成员之间的关系密度4个不同的角度来度量。

(4)核心—边缘结构

核心—边缘结构分析主要是根据网络中节点之间联系紧密程度，将网络中的节点分为两个区域，分别是核心区域和边缘区域，处于核心区域的节点在网络中占有比较重要的地位。

1.3 研究工具

本文首先选用SocSciBot3网络爬虫来获取目标网站的链接数据，然后采用UCINET和PAJEK社会网络分析软件对数据进行分析。其中，选择UCINET的原因是它能读取多种不同形式的数据，同时能处理大量的节点，并且能进行中心度分析、子群分析、角色分析和基于置换的统计分析等;而选择PAJEK的原因是它可以用图示化的方式，如层次结构图、内链接结构图和内容结构图等，达到形象地展示一个组织的结构或大型数据集和元素组成方式的目的。

2 实证研究

2.1 数据收集和预处理

2011年8月18日～28日，使用SocSciBot3下载上述154个目标网站的链接，然后用PAJEK得到我国旅游网站的网络结构图(图1)。从图1可见，虽然我国很多旅游网站都与其他旅游网站建立了链接，而且这些旅游网站中无入链或者既无入链也无出链的处于孤立点位置的网站数量较少，但总体而言网站的链接数量不多。

图1 我国旅游网站网络结构图

2.2 网络密度分析

在UCINET中进行密度分析，得到我国旅游网站网络密度值为0.0245、网络中存在的关系数目为578，表明我国旅游网站网络密度不高，成员之间的联系较为松散。出现这种情况的主要原因可能是旅游网站之间的激烈竞争，使得它们相互之间建立链接的愿望不强烈。

2.3 中心度分析

2.3.1 点度中心度分析

在UCINET中进行点度中心度分析，分析结果见图2。从图2可知，网络中外向绝对和相对点度中心度最大的是chizhugo.com，说明chizhugo.com是建立到其他旅游网站链接最多的网站，其次是 qunar.com、lvyou114.com、cncn.com等，有48个旅游网站的外向点度中心度为0，占旅游网站总数的31.2%;网络中内向绝对和相对点度中心度最大的为lotour.com，说明乐途旅游网的吸引力最大，位于网络的中心，其次是8264.com、qunar.com、lvyou114.com、17u.net等，有 21 个旅游网站的内向点度中心度为0，占旅游网站总数的13.6%。这是因为很多网站没有意识到链接对其建立对外关系、吸引访问量的重要性，故导致大多数网站的点度中心度偏低。

图2 点度中心度分析结果(部分)

点度中心度仅仅反映了一个旅游网站与其他旅游网站的直接联系，但是，如果一个旅游网站与其他很多旅游网站都有直接联系，而与这个旅游网站有直接联系的旅游网站和其他旅游网站都没有什么联系，那么这个旅游网站只是在局部范围内具有很高的点度中心度，从整个网络的角度看，价值不大。点度中心度是一个较简单、较直观的指数，无法测量行动者对资源控制的程度，中间中心度能测量行动者对资源控制的程度，通过中间中心度很好地弥补点度中心度这一指标的不足。

2.3.2 中间中心度分析

在UCINET中进行中间中心度分析，分析结果见图3。从分析结果可知lotour.com、qunar.com、lvyou114.com，这三个网站的中间中心度最高，在 1000 以上，说明它们掌握的资源很多，对资源的控制能力很高。其次是scbiztrip.com等32个旅游网站，它们的中间中心度在100到1000之间，对资源的控制能力较高。统计所有旅游网站的中间中心度，发现有74个旅游网站的中间中心度为零，占旅游网站总数的48.1%，说明不少旅游网站不具有控制资源的能力，只有很少的旅游网站具有较高的资源控制能力。出现这种现象的原因是旅游网站网络是一个松散结构，中间中心度较高的旅游网站比较少。

图3 中间中心度分析结果(部分)

2.4 凝聚子群分析

2.4.1 K－丛分析

在UCINET中进行K－丛分析，首先要确定K－丛的最小规模，即K是多大的时候才可以接受。目前学者们认为的“原则”是，如果K=2，则网络的最低规模为4，如果K=3，则网络的最低规模为5，如果K=4，则网络的最低规模为7。当k大于2时，网络的最低规模为2k－1(刘军，2004)。

当K=2，n=4时，共找到2101个2－丛，K－丛个数太庞大，结果极不理想，于是继续试验，试验结果见表1。从表1可以判断，规模为7的2－丛，即每7个网站构成的子群内至少有5个网站有直接联系(见图4)，共36个;规模为10的4－丛，即每10个网站构成的子群内至少有6个网站有直接联系(见图5)，共47个。这两种情况下，K－丛的数量和子群密度都是比较理想的，符合K－丛数量适度性和子群密度适度度性要求。

表1 K－丛分析结果

图4 2－丛分析结果(部分)

图5 4－丛分析结果(部分)

从图4和图5可知，规模为7的2－丛和规模为10的4－丛的成员列表中有些旅游网站属于多个凝聚子群，如lotour.com和guolvol.com等网站，这说明与它们有链接关系的圈子有多个。通过这些网站，不同的凝聚子群可以建立起联系，这些网站在旅游网络中扮演了重要角色。

2.4.2 凝聚子群的密度

凝聚子群密度的值越向1靠近，意味着派系林立的程度越大。通过对本文构建的旅游网站网络进行凝聚子群密度分析，发现整个网络的凝聚子群密度为0.145。这说明旅游网站网络中基本不存在派系林立的现象，即使那些处于同一凝聚子群内的旅游网站，它们之间的联系也是比较松散的，小团体现象很少，抱团现象较难产生。

2.5 核心—边缘结构分析

在UCINET中进行核心－边缘分析，分析结果显示lotour.com①除 lotour.com 外，还有 guolvol.cn、guolvol.com、airprice.com、nmgly.com.cn、ethainan.com、gootrip.com、kuailv.com、8264.com、ctsho.com、hlhtrip.com、cncn.com、lvyou114.com、029iu.com、qunar.com、cnta.com、izy.cn、hnsss.com、17u.net、51766.net、cts2008.com、51yala.com、hb － ly.com、farerdak.com、letol.com 和 chizhugo.com等26个旅游网站置于核心位置。核心旅游网站群中，链接数量最多的网站，共有103个链接，最少的也有12个链接，平均链接数高达25.8个。另外128个旅游网站位于边缘位置，它们的链接数较小。处于核心位置的网站个数偏少表明旅游网站发展参差不齐，优质旅游网站较少。

3 结论与启示

3.1 旅游网站的网络密度较低、平均距离较小

我国旅游网站的网络密度较低，这表明旅游网站之间的联系较松散;同时，它们之间的平均距离又比较小，表明当前我国旅游网站之间的联系比较少，联系确实存在一定的障碍。出现这种情况的主要原因是旅游网站企业尚未意识到链接的重要性，同行网站的链接有利于带来更多的访问。

3.2 旅游网站的中心度偏低，处于核心位置的网站较少

我国大多数旅游网站的点度中心度都较低，甚至有些网站的点度中心度为零，表明在网络中不具有任何吸引力。并且外向点度中心度高的旅游网站并不具有很高的内向点度中心度。如chizhugo.com是外向点度中心度最高的网站，其外向绝对点度中心度为103，但是其内向点度中心度为0。同时，中间中心度比较高的旅游网站很少，大多数旅游网站并不具有控制资源的能力，只有很少的旅游网站具有比较高的控制资源的能力。

154个网站中只有26个网站位于网络的核心位置，其他网站均处于网络的边缘，由此可见，我国旅游网站中位于网络核心位置的较少。但是这些核心旅游网站走在该行业的前列，居于主导地位，在网络中具有重要作用。

3.3 旅游网站的凝聚子群的规模不大、密度低

我国旅游网站的凝聚子群的规模不大，这说明旅游网站之间的合作范围并不是很广，大部分旅游网站只与少数旅游网站有链接关系。同时，凝聚子群的密度低，意味着同一个凝聚子群内的旅游网站之间的联系较松散，小团体现象不严重，可以有效避免排外现象的出现，这在某种程度上有利于旅游网站的发展。

3.4 增加链接数量、提升高质量链接

目前，我国旅游网站的网络密度较低，有些旅游网站在整个旅游网站网络中处于孤立点的位置，既没有主动建立与其他旅游网站建立链接，其他旅游网站也没有建立链接到这些旅游网站。处于孤立点的旅游网站，特别是知名度低的孤立点旅游网站很难被客户发现。故其应该主动建立与同行建立链接，特别是与具有高知名度的旅游网站建立友情链接，这便于用户在访问高知名度网站的同时通过友情链接访问该网站，增加网站的访问量。创建链接可以为旅游网站带来访问量，但是一个低质量的旅游网站是没有办法吸引客户再次访问的，所以在创建链接时要考虑链接的价值性，必须增加网站的信息含量和知名度，而不是一味地增加链接数量。

3.5 加强旅游网站自身建设，扩大合作范围

我国近一半的旅游网站在网络中不具有任何吸引力和控制资源的能力，只有少数高质量的旅游网站具有比较高的吸引力和控制资源能力。故加强旅游网站的自身建设是根本，要提高网站的导航性能、标识性能、搜索性能、组织性能，提供高质量、高价值的信息，在此基础上通过友情链接等方式进行网站推广。我国旅游网站之间的合作不是很广泛，大部分旅游网站只和少数旅游网站有链接，部分网站处于孤立状态。因此，旅游网站可以与其他多家旅游网站进行合作，扩大合作范围，使自己位于不同的凝聚子群中，可以避免被排挤，提高自身在行业中地位。

［1］Evans J R，King V E.Business to business marketing and the World Wide Web:Planning，managing，and assessing websites［J］.Industrial Marketing Management，1999，28(4):343-358.

［2］Hamulic I，Bijedic N.Social network analysis in virtual learning community at faculty of information technologies(fit)，Mostar［J］.Procedia-Social and Behavioral Sciences，2009，1(1):2269-227.

［3］Hu C，Racherla P.Visual representation of knowledge networks:A social network analysis of hospitality research domain［J］.International Journal of Hospitality Management，2008，27(2):302-312.

［4］Law R，Qi S，Buhalis D.Progress in tourism management:A review of website evaluation in tourism research［J］.Tourism Management，2010，31(6):297-313.

［5］Stepchenkova S，Morrison A M.The destination image of Russian:From the online induced perspective［J］.Tourism Management，2006，27(5):943-956.

［6］Stern J.Web Metrics:Proven Methods for Measuring Web Site Success［M］.New York:Wiley Publishing，2002.

［7］Zagenczyk T J，Scott K D.Social influence and perceived organizational support:A socia l networks analysis［J］.Organizational Behavior and Human Decision Processes，2010，111(5):127-138.

［8］程绍文，张捷，梁玥琳.我国旅游网站空间分布及动力机制研究［J］.旅游学刊，2009(2):75-80.

［9］程霞，单芳.旅游网站特性对潜在游客行为意向的影响［J］.四川师范大学学报(社会科学版)，2011(1):63-69.

［10］陈秀琼，黄福才.基于社会网络理论的旅游系统空间结构优化研究［J］.地理与地理信息科学，2006(5):75-80.

［11］刘法建，张捷，章锦河，等.中国入境旅游流网络省级旅游地角色研究［J］.地理研究，2010(6):1141-1151.

［12］刘军.社会网络分析导论［M］.北京:社会科学文献出版社，2004.

［13］刘军.整体网分析讲义:UCINET软件实用指南［M］.上海:格致出版社、上海人民出版社，2009.

［14］罗家德.社会网分析讲义［M］.北京:社会科学文献出版社，2005.

［15］路紫，李晓楠.旅游网站访问者行为时间分布的复杂化与网站功能深度使用分析［J］.人文地理，2011(2):7-12，48.

［16］孙晓琳，郝俊卿.西安旅游网站建设的对比评价研究［J］.统计与信息论坛，2008(8):48-52.

［17］熊伟，叶淋玮.对我国虚拟旅游网站的功能进行了评价研究［J］.人文地理，2011(2):154-160.

［18］余菜花，袁勤俭.基于社会网络分析法的我国网上书店研究［J］.图书情报工作，2010(20):36-40.

［19］杨兴柱，顾朝林，王群.南京市旅游流网络结构构建［J］.地理学报，2007(6):609-620.