基于百度指数的旅游关注度时空特征及其驱动机制研究——以西藏林芝为例

孔小琴

（南京师范大学地理科学学院，南京 210023）

【旅游发展研究】

基于百度指数的旅游关注度时空特征及其驱动机制研究
——以西藏林芝为例

孔小琴

（南京师范大学地理科学学院，南京 210023）

基于百度平台的百度指数获取2011—2015年林芝旅游关注度数据，通过把计算所得的地理集中指数（G）、季节性指数（S）、基尼系数（Gini），经X12调整过后的HP滤波对网络搜索的时间及空间分布进行探讨。结果表明：林芝旅游关注度持续增加且季节性差异明显增大，呈明显的“双峰双谷”趋势，搜索量较高的地区是北京、广东、西藏、四川等地，呈现“东—西—中”分布。促使林芝旅游关注度提高的动力因素主要有经济发达水平、旅游线路规划、营销战略选择等。

旅游关注度；百度指数；时空分布；西藏林芝

西藏自治区已成立50多年，社会经济取得了长足的发展。当前国家西部大开发战略为西藏的发展带来了良好机遇，促使西藏更加快速发展，与此同时，环境保护也不断得到重视。近年来，西藏更是把发展的重心不断向旅游业转移。正如“畅游西藏，从‘林’开始”旅游发展攻略中所宣传的，由于低海拔的优势，林芝成为西藏旅游的第一站。加之“选美中国”活动以及小众旅游的兴起，林芝旅游发展势头迅猛。从1999年到2015年，旅游人次由4.67万发展到351.72万，旅游收入由468.3万元增长到32.83亿元。到2016年，林芝旅游主打“两节一季”（桃花节、雅鲁藏布生态文化旅游节和生态旅游季），通过线上线下宣传不断扩大影响力，借助网络的传播力揭开“世界屋脊”的神秘面纱。

一、研究成果综述

在当今信息化、网络化的智慧旅游发展背景下，了解游客需求，根据游客的需求特征拓展新兴市场，从而在旅游业竞争中独树一帜，显得尤为重要。要了解游客需求，掌握旅游关注度是重要路径之一。在互联网时代，所谓旅游关注度就是网民在旅游兴趣驱动下搜索旅游相关信息所形成的数据库，通过游览内容的宣传引导将潜在旅游者直接转变为现实的游客。目前学者对旅游关注度研究的文献并不多，其主要集中在以下几个方面：（1）利用不同获取信息方式。国外已广泛借助Google搜索产生的网络信息流开展市场规律的分析和预测[1-2]；国内则主要利用百度指数、游记等对不同区域、不同主题（如红色旅游、旅游安全、美食网络、游轮旅游[3-7]等）相关旅游关注度，进行深入探讨。（2）旅游关注度的时空分布。李山等利用百度指数分析5A级景区的网络空间关注度的时间分布及其前兆效应[8]；林志慧等利用获取的景区网络空间关注度数据，对旅游景区网络关注度时空分布特征进行分析[9]；熊丽芳等聚焦长三角、珠三角和京津冀城市群，在使用百度指数分析三大经济区的差异后，认为城市之间的信息流联系日趋紧密，但层级依旧明显[10]。（3）旅游关注度与客流量的关系。Gitelson认为依赖网络信息进行旅游决策的游客所占比重，影响旅游网络关注度与客流量的关联度[11]；路紫等研究澳大利亚旅游网站信息流对旅游人流的导引，证实虚拟流动对现实流动的作用性[12]；马丽君等探讨客流量及旅游者网络关注度变化的影响因素及其边际效应，并认为两者相关性较大[13]；黄先开等以北京故宫为例建立了没有百度关键词与加入百度关键词的两种预测模型，并进行预测精度比较[14]；汪秋菊运用格兰杰因果关系理论及VAR模型检验网络关注度与国家游泳中心水立方客流量的相关性，对水立方客流量进行预测预警[15]。

国内外关于旅游关注度的研究都肯定网络旅游关注度与客流量之间的关联度较强，研究方法和内容上也逐渐深化，但这些研究大多集中在东部发达地区，对于利用网络资源研究西藏旅游很少。基于此，本文以旅游关注度作为切入点，以百度指数作为数据支撑，借助Eviews软件工具，采用区域经济差异分析法来探讨西藏林芝地区网络关注度时空分布特征。这不仅有助于动态把握林芝旅游信息流的时空分布特征，丰富林芝旅游的地理空间表达信息，还有助于找准主要潜在旅游市场，为旅游管理部门做出科学管理决策提供借鉴，对促进该地区旅游可持续发展具有重要的现实意义。

二、数据来源及方法

（一）数据来源

据中国互联网信息中心的数据显示，截至2015年6月，我国网民规模达6.68亿，互联网普及率为48.8%，同时搜索引擎、网络新闻作为互联网的基础应用，使用率均在80%以上。在众多搜索引擎中，至2013年12月百度的搜索引擎整体搜索首选率份额达到86.7%，排名第一。虽然百度指数产生的相关数据可能因为检索采样、近似算法等问题无法达到非常精确，但其趋向性结果还是有一定科学根据的[16]。网民通过搜索引擎关注并获取相关旅游信息、选择旅游地、做出旅游决策等一系列行为后转变为旅游者，成为旅游地的目标客户，是游客出游的一种体现和预兆[12]。因此，对潜在旅游者的旅游关注度研究具有很强的针对性。

百度指数就是用来反映关键词在一定时段内的网络曝光率及用户关注度。本文选取2011年1月至2015年12月“林芝+林芝旅游+林芝旅游景点”关键词数据累加和比较的组合检索方式，对比研究林芝旅游关注度指数。

（二）研究方法

1.地理集中指数（Geographic Concentration Index，G）

地理集中指数是地理学研究中用于衡量研究对象集聚程度的重要指标。本文将该指标引入林芝旅游关注度研究中，其表达式如下：

式（1）中，G为林芝旅游关注度的地理集中指数，pj为第j个地区的林芝旅游关注度，p为林芝旅游关注度总数，取值范围为0~100。G值越大，表示林芝旅游的网络关注度的集聚状况越突出，反之亦然。

2.季节性集中指数（Seasonal Concentration Index，S）

反映林芝旅游的网络关注度的时间集中程度。其运算公式如下：

式（2）中，xi为各月林芝旅游的网络关注度占全年林芝旅游的网络关注度总数的比重。S值越大，说明林芝旅游的网络关注度的时间差异越大；S值越趋近于0，则表示林芝旅游的网络关注度的时间差异越小，全年分布越均匀[17]。

3.基尼指数（Gini coefficient，Gini）

基尼指数是经济学中用来表示收入分配均衡程度，旅游学者将其引入旅游研究中来表示区域间旅游发展均衡程度。本文用其表示林芝旅游的网络关注度均衡程度，表达式为：N

式（3）中，Gini为林芝旅游网络关注度的基尼指数；Pi为第i个省份林芝旅游关注度在全国林芝旅游关注度所占的比重。其中，Gini取值范围为0~ 1，Gini越接近1，反映林芝旅游的网络关注在全国分布越集中，反之亦然。

4.Census X12季节调整方法

季节调整就是从时间序列中提出季节变动这一要素，显现出潜在的趋势循环分量，以反映真实的经济时间序列运动的客观规律。

5.HP滤波方法

一种时间序列在状态空间中的分析方法，相当于对波动方差的极小化。HP滤波可以看作是一个近似的高通滤波器（High-Pass Filter）[18]，其理论基础是时间序列的谱分析方法，把时间序列看作是不同频率的成分叠加。HP滤波就是要在这些所有的不同频率的成分中，分离出频率较高的成分，去掉频率较低的成分，也就是去掉长期的趋势项，而对短期的随机波动项进行度量[19]。

三、林芝旅游关注度的时空差异分析

（一）季节特征

综合2011—2015年数据，可以发现网民对林芝旅游的搜索量逐年增加，林芝旅游网络关注度呈明显的动态上升趋势。由于年度数据会掩盖时间序列周期波动特征，本文以月度数据绘制折线图（见图1），可以发现2011—2015年林芝旅游关注度时间序列存在着显著的季节性波动特征，具体表现为2011—2015年的关注度最旺月集中在7、8月份，并从2013年开始最高搜索量由原来的7月份向8月份转移，结果显示排名第一、第二的林芝旅游关注度月份差异明显，5年间排名第一、第二的搜索量之比维持在1~1.2的水平。同时通过对最淡月与最旺月关注度之比的极差对比，发现2013年数量差异最明显，呈“升—降”趋势。另外，通过计算可知2011—2015年林芝旅游关注度的季节性集中指数逐渐增大，林芝旅游关注度季节性差异明显增大（见表1）。

图1 2011—2015年林芝旅游总搜索量

表1 2011—2015年林芝关注度指数

从月份分布来看，2011年和2012年林芝旅游搜索量增长幅度较稳定，直到8—12月份2012年比2011年稍有回落，但是在2013年的后半年出现较大幅度的变化，与2014、2015年后半年增长幅度接近，而且在2013—2015年间的3、4月份开始逐渐出现“小峰”，这与林芝实际的旅游状况接近。林芝政府于2002年开始打造的“林芝桃花节”已形成品牌效应，关注度持续高涨，导致“小峰”的出现。每年搜索量的高峰在7、8月份，但是林芝地区的最佳旅游时间为每年秋季。导致差异的主要原因有：其一，每年5—9月的雨季，大量的降雨将引发山体滑坡及泥石流、塌方等自然灾害，这类媒体报道引发网民对林芝相关新闻进行搜索，如2014年8月拉萨往林芝的大巴车翻车事故，当时关于林芝旅游的搜索量达到最高值；其二，网民对林芝的猎奇心理促使其对林芝旅游的关注，最终导致旅游行为的发生，因此“前兆效应”明显[20]，即搜索量的高峰比实际的客流高峰提前。所以，2011年和2012年1—7月呈上升趋势，7—12月呈下降趋势，之后通过征集旅游宣传口号、开展微博摄影大赛、接待百家网络媒体、拍摄微电影等推广宣传活动，使2013年林芝旅游搜索量有明显的增加。加之“林芝桃花节”品牌效应的发挥，以至于2013—2015年的3—4月份出现“小峰”，直至7—8月份出现高峰，8—12月份逐渐减少，表现为“双峰双谷”的趋势。

图2 林芝旅游总搜索量各因素序列

图3 林芝旅游总搜索量HP滤波

本文在进行HP滤波分析之前，首先将林芝旅游搜索量的数据进行季节调整，利用Eviews8.0软件对原始数据进行处理，主要采用由X11发展而来的X12季节调整法，将时间序列Yt分解为趋势循环项TC、季节项SF和不规则要素IR，剔除掩盖该时间序列规律的季节因素与不规则等因素（见图2），然后利用滤波分析林芝旅游搜索量时间序列的规律。利用X12调整后的序列进行滤波分析，结果如图3所示。从图3中可以发现林芝旅游搜索量总体呈上升趋势，但周期项表现出较大的波动，特别表现在2012—2013年间有较大落差，这与林芝政府出台的相关政策有较大的关系。与此同时，林芝政府在旅游基础设施方面加大投资，各种市场营销手段不断推广，加之“落实2030年可持续发展议程国际研讨会”在西藏林芝召开，致使2013年林芝旅游关注度大幅上升。从季节因子序列来看，每年的3、4月份对林芝关注度的影响最大，以及每年的9、10月份也有小幅度影响，呈现先增后减波动趋势。但明显看出林芝旅游关注度淡季过长，高搜索量与低搜索量落差过大，从分离出的趋势和循环序列来看，2011、2012年呈较稳定的波动，2013年波动较大，关注度大幅增加，2013年以后周期逐渐缩短，振幅逐渐缩小。

（二）空间差异

通过对比2011—2015年林芝旅游关注度，不仅发现在时间分布上差异明显，各地区间也具有分布差异。本文选取全国各省、自治区和直辖市共31个地区网民对林芝旅游关注度的数据（由于香港、澳门、台湾所用网络与其他31个地区略有差异，故不计入其内），探究其可能存在的空间差异。表2为各省2011—2015年搜索量总量及季节性集中指数，可以发现2011—2015年各省份总体搜索量呈上升态势，部分地区有所减少，主要变化年份为2013年。

表2 2011—2015年各省份搜索量、排名、季节性集中指数

表3 2011—2015年东中西部搜索量、基尼指数、地理集中指数

通过对东部、中部、西部的对比分析（见表3），发现我国东部、中部、西部三大地区搜索量逐年递增，东部搜索量最高，中部搜索量最小，且中部地区搜索量增幅最小。西部地区搜索量明显增加，主要由于智能手机的不断普及，导致位于西藏的林芝在西部地区的搜索量增加，特别是当游客进藏后对旅游景点的搜索使之关注度增加，整体上东中西部的基尼系数都达到0.9以上，说明三大区域关注差异明显，地理集中指数集中在31~36之间，表明三大区域内网民或者潜在游客对林芝旅游的关注没有集中在一个或几个省份。其中，中部地区分布较东部及西部更为不均衡。

四、林芝旅游关注度成长的驱动机制

（一）主要动力因素

林芝旅游网络关注度存在明显的时空差异性，且在不同时间段表现出一定的演化特征，因此很有必要探讨其可能的成因及驱动机制。经综合考察，促进林芝旅游关注度提高的动力因素有如下几个方面：

1.经济发展水平

林芝旅游关注度除西藏、四川外，比较高的搜索量省份主要集中在北京、广东、浙江、江苏。这些省份都位于东部发达地区，人口众多，经济水平高。经济发展使城镇居民的可支配收入提高，旅游消费观念加强，具有较高的旅游消费欲望和旅游消费能力。同时，经济发达地区网络基础设施建设完善，互联网普及率高，可获取的信息也较多，更会依靠网络资源获取旅游信息，搜索量自然居于高位。

2.营销战略选择

媒体宣传对网民搜索的联动作用不可小觑。它直接刺激网民的兴趣点，但此作用利弊共存，如2013年林芝接待百家网络媒体，并开展了一系列自媒体的推广宣传活动，林芝搜索量有明显的增加，林芝旅游的影响扩大了；但媒体对于自然灾害和事故的报道，也使得网民出于安全考虑而放弃旅游计划，一定程度上抑制了实际旅游行为的发生。对于林芝政府而言，要增强推广宣传时的正向引导力，塑造正面且具有吸引力的旅游形象。

3.旅游线路规划

进藏旅游三条主要线路是川藏线、青藏线、滇藏线。相比青海、云南省，四川对于林芝旅游的搜索量比重较大，原因在于和云南相比四川距林芝距离较近，大多数游客会选择川藏线，而非滇藏线途经林芝。另外，四川人口基数大，本来就是林芝旅游的主要客源地，关于林芝旅游的搜索量自然不会少。在西藏本地的搜索主要源于智能手机的普及，使得搜索不再受地域的限制，游客在搜索西藏地区的旅游信息时自然会关注林芝旅游。

（二）驱动机制作用过程

通过系统要素间的耦合相互作用构成林芝旅游关注度成长演化动力。其中经济发展水平、营销战略选择、旅游线路规划等驱动力是林芝旅游关注度有显著提高的主导动力，政策调控力、科技推动力、社会促进力、环境吸引力是林芝旅游关注度增加的辅助动力。各动力因素的相互作用及阶段性转换导致林芝旅游关注度阶段性演化和波动性成长[21]。初期对林芝旅游的关注大多基于经济发展、旅游政策的引导以及科技不断发展带动网络化和信息化的进步；中期更多的推动力来自旅游景区的吸引力，加之林芝营销战略的选择，对潜在旅游者形成“进藏旅游，从‘林’开始”的拉力；最后来藏旅游者根据网络评价选择林芝旅游，或者来林芝旅游满意度高而选择重复旅游时，随着林芝旅游关注度的不断增加，吸引游客的最终目的达成。详细的林芝旅游关注度成长演化机制见图4。

图4 林芝旅游关注度成长演化机制

五、结论与讨论

（1）2011—2015年的林芝关注度持续增加，呈明显的上升趋势，在3、4月份开始逐渐出现“小峰”，“最高峰”出现在7、8月份，整体呈“双峰”趋势，这与林芝最佳旅游时间4月份和8月份相近，进一步证实网络关注度在一定程度上揭示潜在旅游市场。利用X12调整后的序列进行滤波分析，发现林芝旅游关注表现出较强的波动特征，2012和2013年间落差较大，关注度大幅增加，2013年以后周期逐渐缩短，振幅逐渐缩小。每年的3、4月份对林芝关注度受季节性影响最大，以及9、10月份也有小额度影响，呈现为先增后减波动。

（2）通过数据发现，2011—2015年各省总体搜索量呈上升态势，部分地区有所减少，搜索量较高的地区是北京、广东、西藏、四川，搜索量较少的地区为宁夏、青海、海南，所以林芝旅游在市场营销时应主抓北京、广东、浙江、江苏市场，并做到与四川、西藏联合推介旅游线路；游客大多数选择多目的地进行旅游活动，林芝应多做旅游推广活动，吸引在四川游玩的游客选择林芝作为下一个目的地。另外，通过对东部、中部、西部的对比分析，发现东部搜索量最高，中部搜索量最小，林芝搜索量没有呈现明显的“东—中—西”经济格局分布。

（3）对于促进林芝旅游关注度提高的动力因素主要有：经济发达水平、旅游线路规划、营销战略选择等，各动力因素的相互作用及阶段性转换导致林芝旅游关注度阶段性演化和波动性成长。因此，林芝在制定旅游宣传战略时要着重向主要客源地进行宣传。

信息化将是旅游业发展的方向，如何利用网络掌握实际旅游需求动态，挖掘潜在旅游市场，弥补旅游开发的短板，都是旅游发展的重要环节。本研究主要使用百度指数进行研究，受到关键词提取量和搜索引擎平台的限制，仅通过分析林芝旅游关注度的时空分布，对于网民对林芝旅游持何种态度、具体的关注焦点以及最关注的旅游地有待深入探索，后续的研究将尝试把视角放在网络交互平台上，如微博、网络游记网站等，通过关注这些网络交互平台信息进一步研究旅游关注度的时空差异。

[1]Lexhagen M.The Importance of Value-added Services to Support the Customer Search and Purchase Process on Travel Web sites[J].Information Technology and Tourism，2005（2）：119-135.

[2]Rech J.Discovering Trends in Software Engineering with GoogleTrend[J].ACMSIGSOFTSoftwareEngineeringNotes，2007（2）：1-2.

[3]龙茂兴，孙根年，龙珍付.遵义红色旅游网络关注度的客流响应研究[J].地理与地理信息科学，2013（5）：98-101.

[4]林炜铃，邹永广，郑向敏.旅游安全网络关注度区域差异研究：基于中国31个省市区旅游安全的百度指数[J].人文地理，2014（6）：154-160.

[5]林炜铃，邹永广，郑向敏.旅游安全网络关注度时空差异特征及其影响因素[J].旅游学刊，2015（2）：101-109.

[6]张爱平，马楠，陶然.美食网络关注度时空特征及其与旅游的耦合性研究：以沪苏浙皖为例[J].美食研究，2016 （2）：1-7.

[7]李霞，曲洪建.邮轮旅游网络关注度的时空特征和影响因素：基于百度指数的研究[J].统计与信息论坛，2016 （4）：101-106.

[8]李山，邱荣旭，陈玲.基于百度指数的旅游景区网络空间关注度：时间分布及其前兆效应[J].地理与地理信息科学，2008（6）：102-107.

[9]林志慧，马耀峰，刘宪峰，等.旅游景区网络关注度时空分布特征分析[J].资源科学，2012（12）：2427-2433.

[10]熊丽芳，甄峰，席广亮，等.我国三大经济区城市网络变化特征：基于百度信息流的实证研究[J].热带地理，2014（1）：34-43.

[11]Gitelson R J，Crompton J L.The pianong horizons and sources of information used by pleasure vacation[J]. Journal of Travel Research，1983（3）：2-10.

[12]路紫，刘娜，Zui Z.澳大利亚旅游网站信息流对旅游人流的导引：过程、强度和机理问题[J].人文地理，2007 （5）：88-93.

[13]马丽君，孙根年，黄芸玛，等.城市国内客流量与游客网络关注度时空相关分析[J].经济地理，2011（4）：680-685.

[14]黄先开，张丽峰，丁于思.百度指数与旅游景区游客量的关系及预测研究：以北京故宫为例[J].旅游学刊，2013（11）：93-100.

[15]汪秋菊，刘宇.基于网络关注度的旅游景区客流量预警：研究框架与实证分析——以国家游泳中心水立方为例[J].旅游论坛，2014（5）：9-15.

[16]张力.基于百度指数分析的地域网络关注度研究：以镇江为例[J].图书情报研究，2012（1）：41-47.

[17]CHen F，Lim C.Spectral analysis of seasonality in tourism demand[J].Math Comput Simul，2011（7）：1409-1418.

[18]Hodrick R.Prescott E C.Post-War U.S business Cycle. An Empirical Investigation，Mimeo[M].Pittsbursh：Carnegie-Mellon University，1980：235-241.

[19]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2005：58-60.

[20]路紫.旅游网站访问者行为的时间分布及导引分析[J].地理学报，2007（6）：621-630.

[21]黄震方，俞肇元，黄振林.主题型文化旅游区的阶段性演进及其驱动机制：以无锡灵山景区为例[J].地理学报，2011（6）：831-841.

（编辑：赵刘徐永生）

Spatial-Temporal Characteristics and Driving Mechanism of Tourist Attention:A Case Study Based on Baidu Indexes

KONG Xiao-qin
（School of Geographical Science,Nanjing Normal University,Nanjing 210023,China）

After obtaining the data of 2011-2015 Nyingchi tourist attention based on Baidu indexes,this paper discusses the temporal and spatial distribution characteristics of network search according to the four indicators—geographicconcentrationindex（G）,seasonalindex（S），theGini coefficient（Gini），andHPfilteradjustedbyX12.The study shows that：（1）Tourist attention to Nyingchi continued to increase and seasonal differences increased significantlyfrom2011to2015,whichpresentsthedouble-peak and double-valley form.（2）Nyingchi was searched online the most by tourists from Beijing,Guangdong,Tibet,and Sichuan,and the quantities of searches presents a decreasing pattern of East China-West China-Central China distribution.（3）The main factors for increasing tourist attention to Nyingchiareeconomicdevelopmentlevel,touristrouteplanningandmarketingstrategiesetc.

ttourist attention;Baidu index;temporal and spatial distribution;Tibet Nyingchi

F 592.0

A

1671-4806（2017）03-0039-07

2016-12-30

国家自然科学基金项目“城市旅游流与旅游效率的时空关系及其作用机制研究”（41401144）

孔小琴（1992—），女，江苏南京人，硕士研究生，研究方向为旅游地理与旅游规划。