移动用户景区关注度网络结构测量——以西南地区国家5A级旅游景区为例

杨路明，王德彬，刘 莎

（云南大学工商管理与旅游管理学院，云南 昆明 650500）

移动用户景区关注度网络结构测量
——以西南地区国家5A级旅游景区为例

杨路明，王德彬，刘 莎

（云南大学工商管理与旅游管理学院，云南 昆明 650500）

利用移动终端进行旅游景区信息搜索已越来越普遍，移动用户对旅游信息的搜索数据构成了移动用户对景区关注度的信息网络。通过百度指数得到了移动用户对我国西南地区26个国家5A级景区的关注度数据，并构建了关注度网络，运用社会网分析方法对移动用户景区关注度网络进行了中心性测量、凝聚子群测量和结构洞测量，分析结果表明，移动用户景区关注度网络存在中心性偏低、凝聚子群密度小和"桥"的作用不明显等问题，最后结合实际给出了相关建议。

移动用户；关注度；西南地区；5A级景区；整体网

一、引言

互联网是游客获取旅游相关必备的衣、食、住、行、游、购等信息的最佳途径。比如，在旅游前，游客需要通过互联网预订车票、酒店，还会搜索旅游目的地的天气、交通情况以及游玩攻略等。从游客的角度来看，先通过网络搜索相关信息，然后出游，出游结束后，在网络上展示旅游信息，这一过程已经构成了一个完整的信息链。

根据TalkingData2015年1月发布的《2014移动互联网数据报告》，2014年，我国移动智能终端用户数达10.6亿，较2013年增长了231.7%[1]，越来越多的用户通过移动智能终端搜索旅游景点的相关信息。由于网络信息的实时性、交互性和易用性，众多搜索信息的交汇便形成了信息网络。而这些搜索信息与现实中的旅游行为存在一定的相关性。已有研究证明这些网络信息对于游客具有引导作用，并对游客量具有预测作用。

基于上述分析，网络搜索数据对于深入挖掘游客行为具有重要作用，然而现有研究大多将网络搜索数据作为自变量进行研究，缺乏对于网络搜索数据本身网络结构的探究。本研究以西南地区①15A级共26个旅游景区为研究对象，通过全球最大的搜索引擎——百度网采集移动用户对26个旅游景区的搜索量，引入社会网中的整体网分析方法，深入分析了移动用户景区关注度的网络结构，以期更深入地了解游客旅游行为，为景区游客的管理、游客线路规划等方面提供借鉴。

二、文献回顾

从研究方法来看，本文所采用的整体网研究属于社会网研究的一种，侧重于研究“社会结构”的“能动作用”[2]。在整体网络研究中，“网络”通常指由节点与节点之间的某种关系所构成的集合，网络数据通常用矩阵来收集，其中网络中的各个成员由节点来表示，矩阵行与列之间的数值表示两成员间的关系，整体网分析就是对各个成员之间的关系进行量化分析[3]。整体网分析主要用于对有明确边界的团体研究。

从已有研究来看，基于百度指数所搜集的用户关注度数据大多作为研究其他行为的一个自变量，割裂了网络中关注度数据之间的关系，缺乏对于关注度数据所组成的网络结构分析，虽然整体网研究方法对于探索有界网络的网络结构和能动作用具有优势，在研究网络用户对旅游景区的关注上应用也较少。因此，本文首先利用百度指数收集了2015年4月1日至4月30日用户通过移动终端对西南地区26个国家5A级景区的搜索量，随后，对数据进行了分析，并根据各个搜索量之间的相关关系构建了上述26个景区之间的关注度网络，最后，对这一网络进行分析并得出了结论。

三、整体网分析

（一）数据来源

本研究采用百度指数功能获取移动用户关注度数据，如图1所示，百度指数功能是百度网站提供的以百度网页搜索和百度新闻搜索为基础的海量数据分析服务，移动用户关注度反映了所搜索的关键词在过去一段时间里用户利用移动终端在百度搜索中累计被搜索的频次。

图1 百度指数下的移动用户关注度

本研究选取了西南地区26个国家5A级旅游景区作为研究的样本，为了确保数据的准确性，首先将景区全称2输入百度指数搜索框，若百度指数未收录该词条，则调整搜索关键词直至出现搜索结果，同时，根据“舆论管家”中的搜索词条判断相关性，进一步调整搜索关键词直到最优。为了后续研究的方便，本文给每一景区设置了代码，代码的前两位为景区所在省份的缩写，后两位为编号，如云南省迪庆州香格里拉普达措景区即为代码“YN01”。表1给出了26个景区的名称②、代码、搜索关键词以及2015年4月的平均关注度。

表1 发表论文整体分布情况

序号 省份 景区名称 代码 搜索关键词 平均关注度8 重庆 重庆市万盛经开区黑山谷景区 CQ02 黑山谷 530 9 重庆 酉阳桃花源旅游景区 CQ03 酉阳桃花源 575 10 重庆 重庆巫山小三峡-小小三峡 CQ04 巫山小三峡 104 11 重庆 重庆大足石刻景区 CQ05 大足石刻 738 12 重庆 武隆喀斯特旅游区(天生三桥.仙女山.芙蓉洞) CQ06 武隆天生三桥 106 13 四川 阿坝州汶川特别旅游区 SC01 阿坝州 534 14 四川 绵阳市北川羌城旅游区 SC02 羌族 433 15 四川 南充市阆中古城旅游区 SC03 阆中古城 1135 16 四川 广安市邓小平故里旅游区 SC04 广安旅游 107 17 四川 阿坝藏族羌族自治州九寨沟旅游景区 SC05 九寨沟 8249 18 四川 乐山市峨眉山景区 SC06 峨眉山 2817 19四川成都市青城山——都江堰旅游景区SC07青城山1400 20 四川 四川省阿坝州黄龙景区 SC08 黄龙景区 152 21 四川 乐山市乐山大佛景区 SC09 乐山大佛 2353 22 贵州 毕节市百里杜鹃景区 GZ01 百里杜鹃 1053 23 贵州 安顺市龙宫景区 GZ02 龙宫风景区 315 24 贵州 安顺市黄果树大瀑布景区 GZ03 黄果树瀑布 1687 25 西藏 拉萨市大昭寺 XZ01 大昭寺 414 26 西藏 拉萨布达拉宫景区 XZ02 布达拉宫 1339

（二）移动用户旅游景区关注度网络

通过对26个景区的关注度数据进行收集，得到了每个景区4月1日至4月30日共30天的关注度数据，移动用户对各个景区之间的搜索是否具有相关性以及有多大相关性？利用上述数据，本文得到了景区之间的斯皮尔曼相关系数，并进行了显著性检验，当景区i与景区j之间的相关系数大于0.5，且在10%水平上显著时，认为它们具有“共现性”，即认为大多数移动用户在百度上进行搜索时，同时对上述两个景区进行了关注，此时，移动用户旅游景区关注度矩阵中元素Xij=1，否则记为0。如九寨沟（SC05）与黄果树瀑布（GZ03）间的相关系数高达0.808，且在5%水平显著，则认为大多数移动用户在百度上搜索时，同时关注了九寨沟和黄果树瀑布，矩阵中两者对应的元素记为1，图2展示了两者之间关注度的趋势变化情况，从图中可以看出，两者几乎呈同步变化。

运用上述方法，我们可以得到一个26*26的对称矩阵，该矩阵也是一个二值矩阵，构成了本文研究的网络数据，对应的元素为1表示两者之间呈现“共现性”，元素为0表示两者之间无“共现性”。根据整理的整体网数据，运用UCINET作出了移动用户对26个景区关注度的网络图。

图2 九寨沟（S C05）与黄果树瀑布（GZ03）趋势相关图

（三）整体网分析

1.中心性测量。常用的中心性分析指标有度数中心度、中间中心度、接近中心度以及与之对应的中心势指数。在本文中，某景区的度数中心度就是与该景区产生直接联系的其他景区的个数，也就是移动用户在关注该景区时，同时关注其他景区的个数，该值越大表明该景区越趋于网络的中心位置；中间中心度测量的是网络中某景点“通过控制或曲解信息传递而影响移动用户搜索其他景点的能力”，该值越大，即表明该景点在移动用户搜索过程中处于越多的其他景点联系的网络路径上，也就是说该成员对移动用户信息传递起到的作用越大；接近中心度即为网络中某景区与其他所有景区之间的距离，值越大，说明该景区与其他景区的距离越近，该景区与其他景区在信息传递方面就更加容易，更可能位于网络的中心。表2为度数中心度、中间中心度和接近中心度的分析结果。

表2 移动用户景区关注度网络中心性分析结果

由表2可知，从度数中心度来看，CQ02（黑山谷景区）、CQ05（大足石刻景区）、SC06（乐山市峨眉山景区）、SC07（成都市青城山——都江堰旅游景区）度数中心度最高，居于移动用户关注网络的中心位置，而SC08（四川省阿坝州黄龙景区）、YN02（丽江古城景区）位于网络边缘位置，度数中心度只能测量移动用户搜索过程中，搜索和该景区直接相联系的景区个数，如果与该景区相联系的其他景区之间都没有什么联系，那么说明该景区只是在局部范围内与其他景区在信息上联系较多，不能说明它在整个网络中的价值；从中间中心度来看，YN03（玉龙雪山）、SC09（乐山大佛）、GZ02（安顺市龙宫景区）位居前三位，在移动用户关注网络中，与更多其他景区相联系，并且在整个网络中，对其他景区的搜索信息具有控制作用，而SC01、SC02、YN01和SC08的中间中心度为0，不能对网络中其他任何景区的移动用户关注度构成影响；从接近中心度来看，SC09（乐山大佛）绝对接近中心度最小，对应的相对接近中心度也最大，说明它与其他景区距离最近，移动用户在搜索时更容易同时关注它与其他景区。

2.凝聚子群测量。所谓凝聚子群是指在网络中形成的一个子集，该子集中的各个成员间具有较紧密的关系。本研究选取了K-plex作为凝聚子群的衡量指标，该指标的含义是，在一个小团体中有g个人，其中每个人都至少与该小团体中的其他成员保持g-k条关系，在UCINET中，K设置为2，最小景区数设置为3，图形选取了柱状图，如图3所示，得到了凝聚子群分析的结果。

图3 移动用户景区关注度网络凝聚子群分析结果

从图3可以看出，移动用户景区关注度网络中，主要有两个凝聚子群构成，第一个由YN01、SC02、YN05、CQ03、GZ01、GZ02构成，第二个子群由剩下的20个景区构成。

3.结构洞测量。结构洞指两个行动者之间的非冗余的联系，即若A、B、C三者不存在任何联系，D同他们三者都有联系，A、B、C中的两者之间若想沟通，必须经由D，那么A、B、C两两之间的关系结构就是一个结构洞，D被称为“桥”，在网络中起着信息传递的作用，“桥”能方便地获得两类异质信息，既能阻止也能促进信息的传播。结构洞的测量，本文选取Burt（1992）给出的结构洞指数，主要包括有效规模（effective size）、效率（efficiency）、限制度（constraint）和等级度（hierarchy），有效规模等于网络中的非冗余因素，一个节点的效率等于该点的有效规模与实际规模之比，限制度是测量结构洞最重要的指标，某节点的限制度指的是此景区在网络中运用结构洞的能力，也衡量了该景区与其他景区直接或者间接联系的紧密程度，等级度指的是限制性在多大程度上集中在一个行动者身上，图4给出了这一测量结果。

从图4中可以看出，在有效规模中，SC09、GZ03的值最大，他们在整个网络中的非冗余因素最多；从效率来看，GZ01、YN02两者最大，表明两者的实际规模和有效规模比较接近，也是因为规模较大，所以使效率有所降低，但效率也较高；从限制度来看，取值最小的是GZ03和SC09，表明两者占据的结构洞最大，在移动用户关注过程，受到其他景区的限制最少，运用结构洞的能力也就越大；等级度与限制度相对应，衡量了景区所受到限制度的集中程度，SC08和GZ01限制度最大，对应的，等级度也最大，同样表明他们受到的限制较多。

四、结论与启示

（一）网络中心度偏低，处于核心位置的景点较少

在我国西南地区26个5A级景区中，虽然，度数中心度较高（相对度数中心度）的景区有14家，占据了半数以上，但中间中心度较高的景区数量大大降低，甚至有4家景区中间中心度为0，这表明，移动用户在对我国西南地区景区进行搜索过程所产生的关注度网络中，虽然有一半以上的景区在局部具有吸引力，但是，在整个西南地区26家景区所组成的整体网中，只有很少的景区具有较高的吸引移动用户对其关注的能力。

图4 移动用户景区关注度结构洞测量

由此可见，在我国西南地区26个5A级景区中，只有极少景区对移动用户具有很强的吸引力，这些景区在移动用户关注网络中具有重要作用，在今后应该继续发挥它们的吸引作用，同时，应该积极提高其他景区在移动用户关注网络中的地位。

（二）凝聚子群规模较大，但联系松散

虽然26个旅游景区只被分成了两个凝聚子群，每个凝聚子群的规模相对较大，但每个凝聚子群的密度较低，意味着每个凝聚子群内部各个旅游景区之间的联系比较松散，“派系”现象并不明显。

从游客角度来讲，这种“派系”现象不严重，对于避免了旅游景区联合排外有一定效果，一定程度上有利于游客在特定旅游景区消费，但是，从西南地区景区发展来讲，整个西南地区26家5A级旅游景区之间的联系太松散，不利于景区之间的沟通和协作，对游客没有构成规模效应。

（三）“桥”的作用发挥不明显，信息流动不够

结构洞的存在至少涉及到三个行动者之间的关系，是一种典型的复杂关系，它在移动用户景区关注度网络中广泛存在。对于占据结构洞的景区，它们既在连接其他景区过程中起到“桥”的作用，也促成了整个网络的形成，对于移动用户的关注度网络具有信息控制的作用，应该得到足够重视。

由上述分析可知，应该在移动用户关注度网络中建立更多的“桥”，以加强网络中的信息流动，增加景区间信息共享渠道。这种“桥”可以是某个位于关键位置的景区，也可以是某种链接众多景区的网站等其他平台。

注释：

①西南地区指我国云南、贵州、四川、西藏4省及重庆市。

②所有景区的名称均来自于国家旅游局网站：http：//www.cnta.gov.cn：8000/Forms/TravelCatalog/TravelCatalogList.aspx catalogType=view&resultType=5A.

[1]人民邮电报.我国移动智能终端用户数达10.6亿［DB/CD］.http：//news.xinhuanet.com/info/2015-01/27/c_133950028.htm,2015-01-27/2015-05-02.

[2]罗家德.社会网分析讲义[M].北京：社会科学文献出版社,2010.

[3]刘军.整体网分析：UCINET软件实用指南[M].上海：格致出版社：上海人民出版社,2014.

（责任编辑：朱 斌）

The Network Structure Measurement of Mobile User Attention Degree on Tourism Resorts——Take National 5A Tourism Attractions in Southwest China as Examples

YANG Lu-mingWANG De-bin
(School of Business Administration and Tourism Managementof Yunnan University,Kunming 650500,China)

It is more and more popular to search tourism information by using mobile terminals,and the tourism information data searched by mobile users constitutes the network of their attention on tourism resorts.We got the searching data of 26 National 5A Tourist Attractions in Southwest China through the Baidu Index and constructed the network of attention.Through social network analysis,we performed centricity measurement,cohesion subgroup measurements and structural holesmeasurement.Results show that the centricity ofmobile users'attention degree network is relatively low,the density of cohesion subgroup is relatively small and the"bridge"role is not obvious.Finally,we put forward some relevant suggestions.

mobile users;attention degree;Southwest China;National 5A Tourist Attractions;Whole Network

D912.5

A

123（2015）03-0056-06

2015-07-06

杨路明（1960-），男，云南昆明人，云南大学工商管理与旅游管理学院，教授，博士生导师。研究方向：网络金融。王德彬（1989-），男，湖北襄阳人，云南大学工商管理与旅游管理学院，硕士。研究方向：网络金融。

云南大学第七届研究生科研创新项目“智慧旅游背景下景区对游客管理模式创新研究”（No.YNUY201429）。