大数据驱动下地方特色文化旅游需求分析

李丽群

摘 要：本文通过研究当前大数据技术在旅游需求分析方面的应用，利用网络搜索数据分析旅游目的地的相关性，构建搜索指数来衡量旅游需求，并通过实地调研，分析游客对特色文化旅游需求因素，为旅游管理部门提供相应的对策建议。

关键词：大数据；地方特色文化旅游；旅游需求；旅游管理

中图分类号：F592.7 文献标识码：A 文章编号：1671-0037（2018）8-86-3

DOI：10.19345/j.cxkj.1671-0037.2018.08.021

Abstract： This paper studied the application of current big data technology in tourism demand analysis， analyzed the relativity of tourism destinations by means of network search data， constructed search index to measure tourism demand， and analyzed the factors of tourists' demand for characteristic cultural tourism through field investigation， so as to provide corresponding countermeasures for tourism management departments.

Key words： big data； local characteristic cultural tourism； tourism demand； tourism management

近年来，我国经济快速发展，人民生活水平不断提高，为缓解工作压力，以放松心情、享受自然风光等方式的外出旅游逐渐成为人们的一种休闲生活方式。随着人们对生活品质要求的不断提高，对旅游产业的品质也有较高的要求。正是在这样的市场需求下，各具特色的旅游（地方特色人文、地方特色产业、节庆体育等）产业应运而生。

韶关地处粤、湘、赣三省交界之地，是历史文化名城，具有深厚的文化内涵；同时作为优秀旅游城市，具有丰富的旅游资源。2015年韶关市接待游客4 239万人次，旅游总收入390.1亿元。然而旅游业对韶关市生产总值的要素贡献率只有8%，低于全国10%的平均水平。这表明了作为历史文化名城的韶关文化旅游产业的低要素贡献率的现实存在性。从本质上来看，韶关文化旅游产业的低要素贡献率源于包括地方文化旅游产业的功能定位和内涵挖掘不够深、延展性较弱等在内的文化旅游产业缺乏精准管理和可持续规划机制。近年来，随着移动互联网技术在旅游业发展中的广泛应用，以大数据应用为核心，来提升旅游产业现代化水平。大数据技术整合了交通运输、环保、国土资源、城乡建设、商务、航空、邮政、电信、气象等相关方面涉及旅游的数据，同时与百度、谷歌、淘宝等主要网络搜索引擎和旅游电子运营商合作，建立社会数据和旅游及相关部门数据合一的旅游大数据资源，为特色文化旅游产业提供了新的发展机遇和驱动力[1]。

旅游需求准确分析是旅游管理领域的一个重要研究课题，既有助于旅游管理部门建立对旅游目的地承载量和游客流量的预期判断，并且基于分析结果制定相应政策，可以进一步完善旅游管理制度，从而提高地方旅游经济收益。

1 大数据技术的相关应用

大数据技术中利用网络搜索引擎技术，通过搜索“流行性感冒”等关键词，可以提前探测某地区的流行性疾病情况；在经济市场领域通过采集“价格”的搜索结果，来分析和预测居民消费价格指数的变化情况。网络搜索引擎技术对区域经济指标、国际金融市场、地区流感监测、城市交通拥堵、产品销量等的分析预测日益广泛。由于旅游逐渐成了人们生活的需求，国内外学者也开始将大数据技术运用于旅游行业的研究。Choi等人为了预测旅游业销量，通过旅游者对互联网使用痕迹及其产生的相关数据进行分析，有效地提高了旅游业销量的预测精度。PR Newswire分析了大数据技术对旅游产业和旅游营销的影响因素。近年来我国大数据与旅游相结合的研究成果较为丰富。吴英魔利用AISAS模型，构建了大数据技术与旅游消费行为之间的关系图，由此，提出了基于大数据的旅游企业关联网络营销模式。丁家伟等人分析了大数据对市场营销的影响，探讨了大数据驱动下农家乐旅游产业的营销变革。目前，我国对旅游需求的研究成果主要集中在以传统统计数据来研究旅游需求的影響因素，利用计量经济学和人工智能模式建立数学模型来构建影响因素的评价指标[2-4]。

2 基于网络大数据的旅游需求描述

本研究主要以互联网搜索数据和TC旅游网用户数据作为数据基础，从游客人口学特征、游客旅游偏好、旅游目的地选择等3个方面综合分析旅游需求。旅游者出行前对旅游目的地的选择可以通过网络大数据进行反映，为此，利用网络大数据技术可以预测旅游需求程度。

本课题研究对象是地方特色文化旅游的需求，通过对当前国内具有代表性的BD搜索引擎和TC旅游网用户数据进行分析，研究当前地方特色文化旅游市场的需求程度。由于当前移动端的便携性，通过BD搜索引擎数据很大限度上代表了互联网用户对旅游目的地的关注度，也体现了旅游目的地在某一时期的热度。TC用户数据信息则反映了旅游者真实的需求及其满意度。

韶关拥有世界级、国家级景区景点17处和省级及以下景区景点100多处，包括丹霞山、南华禅寺、珠玑巷、马坝人遗址、梅关古道、广东大峡谷、满堂客家大围、南岭国家自然保护区等大批旅游景区，成为无数海内外游客向往的旅游休闲目的地。利用BD搜索引擎工具研究当前旅游热度较高的丹霞山、南华寺和梅关古道3个景点旅游需求。图1为基于丹霞山、南华寺和梅关古道关键词的BD搜索数据。

从图1可得出2017年1月和9月关注丹霞山景点的热度较高，这与我国春节和国庆节假期有关，在我国春节和国庆节都会有7天长假。2017年3月、4月和5月关注丹霞山景点的热度也呈现小高峰，这与我国清明节和劳动节假期有关，在我国清明节和劳动节都会有3天小长假。由此可看出，7天长假与3天小长假对丹霞山景点热度具有较明显的影响。

从图2可得出，2013—2017年关注丹霞山、南华寺和梅关古道3处景点的热度呈现一定周期性。游客对丹霞山景区热度最高，南华寺和梅关古道分居二、三位。

3 地方特色文化旅游需求分析

为了探寻BD搜索引擎数据与旅游需求之间的相关关系，本文利用联合分析方法对韶关地方特色文化旅游需求进行实证分析，其流程如图3所示。课题组对韶关丹霞山、南华寺和梅关古道三大景区分别进行问卷调查，一共发放调查样卷3 500份，剔除无效样本，一共获得2 689份有效样本。问卷主要包括旅游景区地方特色程度、人均日消费、旅游纪念品特色程度、饮食特色程度、旅游景区成熟度、交通设施便利程度等6个需求因子。对6个需求因子进行属性水平设计，如表1所示。

利用Spearman的rho检验和Kendall的tau检验方法，对联合模型进行拟合优度检验，所得到的结果如表2所示。

从表2可得，Spearman的rho检验和Kendall的tau检验是呈现显著的，表明所建立的模型拟合精度相对较高，则本文所做的基本假设和利用联合分析方法对韶关旅游需求分析是合理的，即本研究样本可体现韶关丹霞山、南华寺和梅关古道三大景区旅游需求结构。

联合分析方法中效用分析是利用效用值反映游客对旅游目的地的需求程度，某一需求因子效用值越大，说明游客对旅游目的地的这种需求期望越高。根据游客对各种需求因子效用值，则可得到各需求因子对吸引游客的相对权重值，如表3所示。

从表3可得出，游客对旅游目的地的需求程度由大到小依次是旅游景区地方特色程度、饮食特色程度、旅游景区成熟度、交通设施便利程度、旅游纪念品特色程度、人均日消费额度。

4 结语

本文基于大数据技术对韶关丹霞山、南华寺和梅关古道三大景区旅游需求进行分析，运用联合分析方法分析了游客对旅游目的地的需求情况，并计算出了各需求因子的权重。研究结果发现：游客对韶关丹霞山、南华寺和梅关古道三大景区旅游需求权重较高的是旅游景区地方特色程度、饮食特色程度。

本研究为相关旅游管理部门运用大数据平台，针对性地改善旅游景区服务质量，提升旅游景区的竞争力和吸引力，健康有序地推進旅游城镇化，提高区域经济水平提供理论支撑。

参考文献：

[1] 李艺.大数据时代背景下旅游目的地的营销发展研究：以贵阳市为例[J].贵阳学院学报（社会科学版），2017（4）：39-43.

[2] 陆艺，尹昌应，黄娅.大数据时代贵州省智慧旅游发展现状及对策[J].贵州农业科学，2017（4）：157-162.

[3] 张洪昌，舒伯阳.大数据时代旅游协同治理的行为逻辑与路径探索[J].管理现代化，2018（4）：49-52.

[4] 闫闪闪，梁留科，索志辉，等.基于大数据的洛阳市旅游流时空分布特征[J].统计与决策.2017（8）：216-224.