基于UGC的旅游地空气质量满意度研究

张峰 陶玉国

摘 要：UGC数据为研究游客对空气质量的满意度提供了新视角。采用网络爬虫获取新浪微博近七年来游客对北京、福建5A景区空气质量发布的32万余字的评论文本，通过基于Boson中文语义开放平台的情感分析法测算满意度值。研究发现，北京、福建景区空气质量整体满意度评价值分别为0.752、0.811，等级依次为良级、优级;从时间演变来看，北京呈下降趋势，降幅为6.41%，福建呈上升趋势，涨幅为1.76%;游客对北京景区的雾霾等空气污染讨论频次高于福建。因此，建议旅游电商、社交媒体等平台应充分重视UGC数据的挖掘，积极探索建立游客满意度评估管理系统。

关键词：UGC;旅游目的地;空气质量;满意度

中图分类号：F590      文献标志码：A      文章编号：1673-291X（2019）24-0174-03

引言

近年来，中国不少城市出现了严重的空气污染状况，旅游目的地的空气质量也相应受到影响。鉴于空气质量是旅游地选择的重要因素[1]，旅游者对空气质量的满意度不仅构成了重要的旅游经历，而且对他们的出行计划、重游意愿等产生重要影响。与此同时，社交媒体时代快速发展背景下，越来越多的游客将对旅游地空气质量的感受，通过各种自媒体平台进行传播，形成了大量的有关旅游地空气质量评价的用户生成内容（UGC）[2]。充分研究这些UGC传播中的满意度评价，不仅有利于减少污染造成的对游客心理的不利影响，也有利于景区管理者对空气质量的提升提出针对性建议，对旅游目的地结合自身空气质量条件进行营销管理有借鉴意义。

当前对旅游地空气质量满意度等心理方面的研究较少，相关研究主要集中于天气状况对旅游目的地形象影响[3～5]、旅游者目的地选择行为影响这两方面[6～7]。基于此，本文选取北京、福建这两个自然生态环境差异较大的地区作为案例地，获取游客对其5A景区发布的空气质量的网络评论，对这些评论满意度进行了对比研究。

一、数据来源与研究方法

1.数据来源。文中的UGC数据来自于新浪微博，以“景区名称+空气+游”为关键词，利用网络爬虫工具获取。考虑新浪微博用户在2011年才开始活跃，故限制搜索时间为2011年1月1日至2018年6月31日。同时为了保证数据准确性，设置微博发布地为各景区所在城市，类型为原创。数据去燥后获取评论3 253条，共计32万余字。

2.研究方法。游客情感是体验满意度的主要测量标准[8]，因此利用情感分析法测度游客满意度。情感分析是关于人们对实体、个体、问题、事件、主题及其属性的看法、评价、态度和情感的计算研究[9]。鉴于Boson中文语义分析平台提供了更具针对性的微博语料库，而本文的评论数据来自新浪微博，故本研究选择该平台，便于进行标注和机器学习，获得更佳的情感判断准确率。通过Python3.0编写计算机编程语言调用Boson中文语义开放平台，在调用时通过URL参数选择微博社交语料库模型对评论数据进行情感分析，以获取不同时间段游客对北京、福建共计15家5A景区空气质量满意度评价分值。在满意度评价的等级标准方面，考虑到分值在0—1之间，将评价标准拟定为劣级（0—0.20）、差级（0.21—0.40）、中级（0.41—0.60）、良级（0.61—0.80）、优级（0.81—1），正负临界值为0.5，分值越高，情感越趋向正面，满意度越高。

二、结果与分析

总的来看，北京1 545条网络评论的满意度均值是0.752，福建1 708条评论的均值是0.811，福建地区相较于北京高出7.85%。按照满意度值区间划分，北京景区的网络评论满意度属于“良级”，福建则属于“优级”，表明在网络信息传播中，游客更倾向于对福建景区的空气质量发表正面评论。鉴于空气质量是旅游目的地形象的重要组成成分，这种对空气质量的满意度最终将影响到对目的地整体形象的评价。

1.满意度年份变化对比。由下图可知（未统计2018年7个月的数据），近七年北京景区空气质量UGC满意度值分别为0.780、0.780、0.781、0.779、0.757、0.726、0.730，均为“良级”，2011—2014年满意度值变化较平稳，近七年整体呈下降趋势，降幅为6.41%。福建景区空气质量UGC满意度值分别为0.756、0.796、0.833、0.818、0.846、0.778、0.795，2013—2015年值为“优级”，其余年份值为“良级”，近七年整体呈上升趋势，涨幅为1.76%。仅在2011年，福建空气质量满意度值低于北京，其余年份均高于北京。满意度值一定程度上反映了空气质量。因此，北京景区空气质量满意度值呈下降趋势体现了其空气质量的下降，其原因可能与大气污染带来的威胁相关。

2.各景区满意度对比。测算各5A景区网络评论的满意度值可知（见表1），北京地区满意度值排名前三的景区分别为恭王府、奥林匹克公园、明十三陵，值最低的景区是故宫，仅为0.688。福建地区满意度值排名前三的景区分为是太姥山、清源山、白水洋鸳鸯溪，均为自然风景型景区。就福建地区而言，相较于文化古迹类景区，自然风景型景区自然环境优美、植被茂盛，空气质量也更佳，游客在网络信息传播中会表达较高的满意度。

3.情感高频词对比。统计UGC文本中排名前20的高频词汇发现（见表2），两地区景区的评论中均出现了清新、新鲜这两个赞美空气质量的情感词，但北京景区清新、新鲜的词频分别为246、138，低于福建景区的词频（词频为480、179）。此外，北京景区评论高频词还出现了污染、雾霾这两个表征空气质量不佳的负面词汇，福建地区评论中未出现这些词。

由此可见，北京地区相对于福建地區，城市整体发展速度快，同时也带来了更为严重的城市碳排放、雾霾天气等空气质量污染问题，导致了游客会在网络中传播这些负面信息。如北京游客的评论“呼吸着肮脏的空气，我来到了故宫，登上城墙，远眺被雾霾笼罩的帝都”，表达了其对空气污染的不满，此类信息的传播将对潜在游客的出游决策行为产生负面影响。

三、结论及政策建议

研究结果表明，UGC传播中的北京、福建景区空气质量整体满意度评價值分别为0.752、0.811，等级依次为良级、优级;从满意度值的时间演变来看，北京呈下降趋势，降幅为6.41%，福建呈上升趋势，涨幅为1.76%;福建地区的自然风景型景区空气质量满意度高于文化古迹类;北京的雾霾等空气污染是满意度较低的主要原因，其空气质量快速恶化已成事实，加强其旅游地空气质量管理势在必行。本研究也有一定局限性，UGC数据获取渠道仅为新浪微博，从旅游网站、APP等平台获取的评论更能丰富本研究成果，建议未来研究可获取图片、视频等多源数据。

旅游目的地生态环境治理需要全社会共同参与，有关立法、执法部门应尽快开展旅游地空气污染整顿，增强空气污染危害，以及如何形成、如何预防治理等方面的教育，提升个人与企业的社会责任，提倡更低碳、经济的生活与生产方式，控制空气污染状况的发生。同时，也建议旅游电商、旅游社交媒体等平台充分重视UGC大数据的挖掘与利用，积极探索建立游客满意度评估管理系统，避免负面旅游UGC内容的传播带来的游客出游决策行为改变等不良影响。

参考文献：

[1]  Goh C.Exploring impact of climate on tourism demand[J].Annals of Tourism Research，2012，（4）：1859-1883.

[2]  Zeng B.，Gerritsen R.What do we know about social media in tourism？ A review[J].Tourism Management Perspectives，2014，（10）：27-36.

[3]  冯捷蕴.北京旅游目的地形象的感知——中西方旅游者博客的多维话语分析[J].旅游学刊，2011，（9）：19-28.

[4]  Sajjad F.，Noreen U.，Zaman K.Climate change and air pollution jointly creating nightmare for tourism industry[J].Environmental Science and Pollution Research，2014，（21）：12403-12418.

[5]  Aiping Z.，Linsheng Z.，Yong X.，et al..Tourists Perception of Haze Pollution and the Potential Impacts on Travel：Reshaping the Features of Tourism Seasonality in Beijing，China[J].Sustainability，2015，（3）：2397-2414.

[6]  许春晓，周美静，王甫园.旅游目的地选择意愿的影响因素——以韶山为例[J].经济地理，2015，（4）.

[7]  Mayaka M.，Mutinda R.Application of destination choice model：Factors influencing domestic tourists destination choice among residents of Nairobi，Kenya[J].Tourism Management，2012，（6）：1593-1597.

[8]  马天，李想，谢彦君.换汤不换药？游客满意度测量的迷思[J].旅游学刊，2017，（6）：53-63.

[9]  Alaei A.R.，Becken S.，Stantic B.Sentiment analysis in tourism：Capitalizing on big data[J].Journal of Travel Research，2017，（9）：1-14.