旅游城市网络负面口碑评价论析

邱 燕

（黄山学院经济管理学院，安徽黄山245041）

旅游景区的品质如何，应该由消费者说了算，信息化时代网络评价是游客评价旅游服务质量的最重要，也是最有影响力的渠道之一。网络具有参与主体多、传播速度快、影响范围广等特点，一次负面舆情事件可能会对一个景区、一个城市甚至一个省份的旅游形象产生长时间不良影响。马丽君研究显示，“天价虾”事件对2016年1—9月青岛旅游网络关注度造成171.1万人次的损失，使2016年青岛国内旅游客流量增速下降1%[1]。何少琪研究认为，2016年11月11日丽江打人毁容事件后，2017年1月24日—2月23日微博情感分析对丽江带有负面情绪的网友占比超过一半，高于事件发生前33.5个百分点；事件发生4个月后，百度指数显示的十个头条中仍有4条是关于该事件的报道[2]。

网络负面舆情会损害旅游目的地的形象，影响游客的出行选择。因此，对于旅游经营主体和旅游管理部门，要实时关注网络舆情，特别是负面舆情，及时发现旅游经营和监督管理中存在的突出问题，针对性地采取改进措施。本文通过构建网络负面口碑搜索关键词体系，运用网络搜索爬虫技术爬取负面舆情信息，根据负面信息数量计算旅游城市网络负面口碑指数，为旅游服务质量评价提供新路径，也为提升旅游监督管理水平提供参考。

一、相关文献综述

朱翠兰认为，网络口碑指通过互联网计算机、手机等技术媒体，消费者或潜在消费者对他们已消费的产品或服务所进行的非正式沟通[3]。网络口碑可分正面的和负面的，负面网络口碑是游客在网络平台发表的关于旅游产品或服务的负面信息，这种信息建立在游客的不满、失望情绪的基础上，通常会对其他潜在游客的旅游决策行为提供否定性建议。邵一明研究了口碑方向和网络口碑来源可信度对消费者购买意向的影响，研究结果表明，负面口碑比正面口碑对消费者的影响更大[4]。孙莉艳等对新浪微博中的旅游热点事件进行研究，发现旅游景点微博负面口碑的传播对公众的出行意愿会形成巨大的负面影响[5]。武传表运用文本分析方法和扎根理论，通过网络文本收集游客对大连滨海旅游形象的评价和感受，研究发现，游客负面点评主要有5个主类目、13个次类目的消极感知因素[6]。

现有网络口碑研究文献主要集中在文本研究和个体研究，还没有运用网络搜索技术对网络口碑进行综合性评价的文献，网络搜索技术在旅游行业主要用于预测旅游客流量。任乐运用网络搜索数据对2013年2月至4月北京市国内旅游客流量进行预测，预测的平均误差仅为5.1%，拟合优度高达97.2%[7]。周晓丽以西安42个景区为对象，运用百度指数搜索引擎对旅游搜索行为进行研究，发现旅游者搜索行为对移动终端的依赖程度迅速上升，旅游者搜索行为在一个自然年度内呈规律性变化，在公共假日期间和暑期出现信息搜索高峰期[8]。李晓炫等提出一种基于网络搜索的CLSI-EMD-BP预测模型，对九寨沟未来22周旅游客流量进行预测发现，该预测误差显著低于时间序列、网络搜索和BP神经网络三个基准模型[9]。从现有研究结论看，通过网络搜索获取的信息能够真实反映游客的出行意愿，具备较高的准确性和较强的可信度，通过网络搜索预测旅游客流量或开展旅游服务质量评价具备较为成熟的信息数据条件。

二、网络负面口碑评价体系构建

（一）选取负面口碑搜索关键词

游客外出旅游首先关注的是人身财产安全，只有基本的人身财产安全得到保障，才会追求服务质量、舒适程度等更高的消费体验，因此本文从人身安全、财产安全、服务质量、顺畅程度4个方面选取网络负面口碑关键词。

1.人身安全

人身安全是游客最为关注，也是最基本的安全保障。外出旅游涉及的人身安全因素较多，如交通安全、景区安全等，这些因地形、地质、天气、海拔等原因导致的交通或景区安全风险具备客观存在性，虽无法避免，但游客可以主动回避或加以防范。然而由于地方治安环境不佳，旅游监督管理不严，导致恶意侵害游客利益的情况是游客难以接受的。如丽江游客被打、五台山和尚打人等事件增加了游客的恐惧感，也严重损害了地区旅游形象。又如，当前旅游市场存在一些强制游客消费的现象，游客在遭受财产损失的同时，还可能升级为语言甚至肢体冲突，影响游客的安全感。此外旅游景区“拉客”现象也较为普遍，拉客影响游客的自主选择权，在陌生环境下增加游客的不安全感。本文拟选择“打人”“强制消费”“拉客”三个词条作为反映游客人身安全方面的负面口碑关键词。

2.财产安全

财产安全也是游客外出的一项基本安全保障，财产损失可能因自我管理不善出现财物丢失，也可能由于当地治安环境不佳出现偷盗等情况，但更多是因高价消费、欺诈行为等导致游客财产受损，这也是游客最为关注、投诉最多的领域。比如，青岛天价大虾事件、东北雪乡宰客、三亚宰客等事件在网络持续发酵后，对当地旅游形象造成了长时间严重负面影响。本文拟选择游客在网络投诉中常用的“宰客”和“欺诈”两个词条作为反映游客财产安全方面的负面口碑关键词。

3.服务质量

游客外出旅游时接触最多的是旅行社、景区和商家，旅行社推出的低价团、零团费往往需要通过游客购物、增加自费项目等方式获取利润，近年来导游与游客之间的矛盾不断增多，“黑导游”也成为游客对导游不满的代名词。景区和商家受当地旅游监管比较严，服务相对规范，但是网络中也常出现“最坑景点”“黑心商家”等吐槽景区和商家的词汇。本文拟选择“黑导游”“最坑景点”“黑心商家”三个词条作为反映旅游服务主体服务质量方面的负面口碑关键词。

4.顺畅程度

中国人口众多、假期集中，特别是国庆、五一小长假期间经常出现交通拥堵，山岳景区、主题公园出现长时间排队，甚至游客滞留现象，严重影响游客的满意度。比如，2018年春节受恶劣天气影响，上万车辆滞留海口；2018年国庆期间，黄山、乐山大佛景区游客排队时间超过四五个小时，游客通过自媒体吐槽，网友相互转发，对游客出行选择带来较大负面影响。本文拟选择“滞留”和“拥堵”两个词条作为反映旅游顺畅程度方面的负面口碑关键词。

（二）爬取网络负面舆情信息

网络爬虫（Python）技术是通过既定规则自动地抓取网页信息的计算机程序，可以将目标网页数据下载至本地计算机再进行数据分析[10]。本文选择由中国电信开发的“舆情监测评估系统”爬取网络负面舆情信息，该系统基于爬虫（Python）技术开发设计，针对互联网上的新闻网站、论坛、主流视频、微博、微信公众号、主流新闻APP等各种文字内容进行采集，实时抓取信息。爬取主体规则中包含“主题标题”“地域关键词”“人物关键词”“主体事件关键词”等设定选项。在“主题标题”栏中加入“旅游”关键词，该关键词始终不变；在“地区”栏中轮换输入需要爬取的城市，如杭州、黄山等；在“主题事件”栏中轮换输入负面口碑关键词，如“宰客”“欺诈”等；因舆情事件涉及广大游客，不针对特殊人物，因此“人物”栏不作设定。舆情监测系统可以爬取一段时间以来的全部舆情信息，并按时间段统计信息数量，本文选择2017年10月1日至2018年9月30日一个完整年度进行信息爬取和分析，按半个月为一个时间段，共计24个时间段统计舆情信息数量。

（三）构建负面口碑评价体系

1.关键词甄别

为进一步了解所选择关键词的科学性、有效性，通过舆情监测系统按照上述规则分别爬取杭州、成都、桂林、黄山等10个城市2017年10月1日至2018年9月30日1个年度的数据（见表1）。从爬取信息总量来看，“拥堵”“欺诈”“滞留”的信息数量最多，分别达到14.8万条、8.2万条、6.2万条；“最坑景点”“黑心商家”“黑导游”的信息数量最少，分别为325条、1 793条、4 262条。从爬取信息与旅游关联度看，“宰客”“黑导游”“最坑景点”3个关键词与旅游关联度最高，涉及信息多数为游客投诉、发帖类信息。“强制消费”“拉客”“滞留”3 个关键词与旅游关联度较高，部分信息涉及旅游攻略、旅游环境整治等内容。“打人”“欺诈”“黑心商家”“拥堵”4个关键词与旅游关联度一般，其中包含“欺诈”“黑心商家”的信息中部分发生在本地商业服务过程中，与游客并无直接关联；包含“打人”的信息中部分为本地治安类事件，涉及游客被打的信息较少；包含“拥堵”的信息多与本地城市交通拥堵相关，如杭州、成都等城市该类信息数量很多，但是涉及游客投诉、负面评价类信息较少。综合考虑所爬取的信息数量以及与旅游关联度情况，本文在最终确定搜索关键词时，将信息数量过少以及与旅游关联度不高的“打人”“最坑景点”“黑心商家”“拥堵”4个关键词剔除，继续保留“强制消费”“拉客”“宰客”“欺诈”“黑导游”“滞留”6 个关键词。

表1 网络负面口碑关键词及爬取信息情况

2.数据清洗

在评价旅游城市负面口碑时，通过舆情监测评估系统爬取的信息主要是文本信息，而文本形式具有非结构化特点，包含各种噪声。移除噪声通用的做法是准备一个噪声词典，再逐个迭代文本对象上的各个词条，从而消除噪声词典中出现的标签[11]。例如在搜索“宰客”关键词时，有的信息中包含“不宰客”词条，为正面评价类信息；有的信息是关于旅游攻略的信息，出现“怎样避免宰客”词条；有的舆情为旅游管理部门开展旅游环境整治的信息，出现“打击宰客行为”词条。因此，在噪声词典中加入“不宰客”“攻略”“整治”等关键词，在已爬取的舆情信息中进行二次搜索，若信息中出现这些关键词，就将该条信息移除，从而减少噪声干扰，使保留下来的信息更有效。

3.数据标准化

通过去噪声处理后，得到每个旅游城市不同负面口碑关键词项下的舆情信息量，考虑到不同城市旅游市场规模差异较大，如果仅用负面口碑信息绝对数量衡量，不能真实反映游客权益被侵害的概率大小和影响程度，故需对数据进行相对化处理。由于负面口碑一般由游客在旅游体验过程中产生，因此选择旅游接待量做相对化处理，用“每百万游客年度负面舆情数量”反应更为合理。以“宰客”关键词为例，在计算某一城市（如杭州）的“每百万游客年度负面舆情数量”时，用2017年10月1日—2018年9月30日期间爬取的“宰客”信息数量（条）除以该时间段杭州市游客接待量（百万人）。其他关键词计算方法同上。

在获取各关键词每百万游客舆情数量后，还需要对数据进行标准化处理，从而保证结果之间具有可比性，本文采用0-1标准化方法。考虑到各指标均为正向指标，即指标值越大，网络负面信息越多，说明该城市网络负面口碑越差。因此，选择正向标准化方法，计算方法如下：

4.确定权重

熵权法根据各指标所含信息量大小确定指标权重，能克服主观赋权法的缺陷。本文考虑到关键词所反映的信息较广，且数据来自网络爬取，所以采用熵权法对各关键词赋权。以本文选取的10个旅游城市数据为样本，按照熵权法计算得到各关键词权重，6个关键词权重在13%～20%之间，差距总体较小，其中“宰客”和“强制消费”权重相对较高，分别为19.4%和18.1%；“拉客”和“滞留”权重相对较小，分别为15.6%和13.9%；“欺诈”和“黑导游”适中，均为16.5%。

5.计算网络负面口碑指数

得到各关键词信息数量标准化结果以及各关键词权重后，计算加权平均数，进而得到各城市网络负面口碑指数

其中，I N MIi表示该城市网络负面口碑指数，wj表示该关键词权重，表示该城市该关键词负面信息数量标准化后结果。

三、实证分析

本文选取杭州、成都、苏州、厦门、青岛、桂林、黄山、张家界、三亚、丽江10个全国重点旅游城市作为研究对象，其中杭州、成都、苏州、厦门、青岛以城市商务旅游为主，桂林、黄山、张家界、三亚、丽江以景区或度假旅游为主，所选城市分布于东、中、西部，包含内陆和沿海城市，样本分布于10个不同省份，具有较强的代表性。

（一）网络负面舆情数量走势

通过舆情监测系统爬取2017年10月1日至2018年9月30期间10个样本城市的旅游网络负面舆情，计算各阶段舆情数量占比（图1）。结果显示网络负面舆情数量与游客出行活动之间呈现显著的正相关关系。国庆期间、元旦至春节期间为负面舆情最高发的时期，占比显著高于平时；五一左右、暑假期间负面舆情数量占比也较高，3月、11月和12月为负面舆情相对较少的月份。负面舆情数量与游客出行活动量总体保持一致，说明通过网络爬取的信息质量较高，与实际情况总体相符。

图1 网络负面舆情数量占比走势图

（二）网络负面口碑指数实证结果

按照前述方法，计算得到各城市每百万游客网络负面舆情信息数量，对其进行标准化，并根据熵权法赋权，加权平均得到各城市网络负面口碑指数（见表2）。结果显示：（1）不同类型旅游城市网络口碑指数差异明显。观光型旅游城市网络负面口碑指数总体较低，黄山、张家界、桂林3市分别位居后三位；度假型旅游城市网络负面口碑指数较高，三亚、丽江两市分别位居第一位和第二位，其中三亚6个负面关键词的“每百万游客年度负面舆情数量”均为最高，丽江6个负面关键词中有4个均位居第二；以城市商务旅游为主的大中型旅游城市的网络负面口碑指数适中，如杭州、成都、苏州等城市。（2）重大负面事件对网络口碑指数影响明显。以青岛天价大虾事件为例，虽然该事件已经过去两年时间，但是青岛“宰客”指数仍高居第三位。央视等媒体多次曝光丽江、香格里拉导游辱骂游客、强制游客购物等情况，丽江“强制消费”和“黑导游”指数均高居第二位。2018年春节，海南因天气原因大量游客滞留，直接导致2018年2月份上半月三亚“滞留”舆情信息1925条，占年度总量的61.1%，三亚“滞留”指数也远高于其他城市。

表2十大旅游城市网络负面口碑指数

（三）网络负面口碑指数科学性评价

中国旅游研究院按季发布游客满意度调查报告，其中包含全国50个重点旅游城市满意度调查结果，本文选取的10个城市均在列。查询2017年四季度和2018年上半年10个旅游城市游客满意度得分，加权平均后得到平均满意度，将这10个城市网络负面口碑指数与游客平均满意度进行相关性分析，发现两者相关系数为-0.711，呈较强的负相关关系。

四、主要结论和建议

本文运用网络搜索爬虫技术，通过负面口碑关键词搜索舆情信息数量，得到的信息数与游客出行量之间呈显著的正相关关系。其次，本文设计的旅游城市网络负面口碑指数与游客满意度调查结果之间呈较强的负相关关系。再次，网络负面口碑指数与旅游城市类型存在关联性，观光旅游城市、商务旅游城市和度假旅游城市间呈递增趋势。

在此基础上，作者认为可以通过建立旅游网络舆情监测评估系统，及时抓取各地网络负面舆情情况，根据信息抓取情况编制网络负面口碑指数，供旅游管理部门参考，适当向社会公开相关情况。同时，要高度重视并充分发挥负面舆情信息在提升旅游管理中的重要作用，强化负面舆情的监测、引导和应对，针对负面舆情反映的问题，及时采取针对性的监管措施，全面提升本地区旅游管理水平和旅游城市形象。