基于网络关注度视角下旅游需求时空特征及其影响因素研究

2020-01-04常直杨李俊楼

电子商务 2020年12期

常直杨李俊楼

摘要：大数据背景下旅游网络关注度为了解景区旅游需求时空变化提供了切入点。以周庄古镇为例，借助周内分布偏度指数、地理集中指数、温湿指数、经济联系强度指数等参数探讨了周庄古镇2011年至2018年旅游网络关注度的时空特征，并利用回归模型剖析了影响因素。表明：①网络关注度年际变化呈现明显的“双峰型”特征；季节性特征呈现“双峰型”及“多峰型”，淡季为11月至来年1年，旺季为3月至10月，旺季持续时间长；周庄古镇五一、十一等节假日“井喷”现象近几年正在变弱；周内特征方面正在由“工作日高值，周末低值”向“周五、周六高值，周日略低，工作日平稳”转变。②受经济水平及“距离衰减”规律影响，周庄古镇网络关注度高值主要集中在江苏省省内及上海市区、浙江省、广东省等经济发达地区。③周庄古镇网络关注度月均值的时间影响因素有温湿指数、社会因素，其年均值的空间分布影响因素有经济联系强度、人口总数、人均GDP。最后从景区品牌、旅游产品开发、景区基础设施等方面提出了周庄古镇旅游发展的建议。

关键词：网络关注度；时空特征；周庄古镇；影响因素

★基金项目：江苏高校哲学社会科学基金自助项目“长三角区域居民旅游需求时空特征及形成机制研究——基于网络关注度视角”（2019SJA2246）；本论文得到江苏省高职院校教师专业带头人高端研修项目资助；江苏省教育厅2018年度青蓝工程优秀青年骨干教师培养项目。

游客旅游需求的研究对于景区相关营销宣传具有重要意义。随着互联网的不断发展，越来越多游客借助网络工具对旅游目的地相关信息进行查询，就会留下检索痕迹，这些痕迹又被称为“网络关注度”[1]。已有研究表明网络关注度与旅游需求之间密切关联[2，3]，在某种程度上可以代表旅游需求的一种体现，通过对其剖析，可以間接的反映出旅游需求年、月、日内的变化规律，因而具有较高的可信度[3，4]，也为大数据背景下旅游需求横截面对比分析的研究提供了一个切入点。当前国内外旅游网络关注度的相关研究主要集中在城市旅游网络关注度的研究[5，6]，旅游景区网络关注度时空特征的研究[7-10]，旅游目的地网络关注度与游客量[11，12]、气候舒适度[13]之间的关系研究，洞穴旅游[14]、美食旅游[15]、佛教旅游地[16]等其它多类型的旅游网络关注度研究方面。进而对已有文献的总结，可以发现在大数据背景下，网络关注度已成为了解游客旅游需求行之有效的方法之一，并且越来越多的学者开始关注旅游目的地长时间尺度网络关注度的时空特征。

古镇是建筑、历史、文化、艺术等价值的集合，以其独特的文化魅力及地方特色吸引着游客。近年来有关古镇的相关研究多集中在游客满意度和各项体验研究[17]，古城空间和文化演变过程的探索研究[18]，古镇的开放模式[19]及生态环境承载力等方面[20]。这些研究多以问卷、访谈或借助遥感技术为主，而借助大数据了解古镇旅游需求的研究仍较少。周庄古镇是首批中国历史文化名镇、首批国家5A级旅游景区，在全世界享有“中国第一水乡”的美誉，在我国古镇旅游发展中具有代表性及典型性。有鉴于此，以周庄古镇为例，采用时空分析、统计分析的手段和方法，深入研究了2011年-2018年间其旅游网络关注度在年月日上的时空分布特征，并分析其影响因素，以了解其旅游需求特点与规律，进而为我国古镇的旅游发展提供借鉴。

1、数据来源与研究方法

百度是全球最大的中文搜索引擎，许多游客出行会选择百度进行旅游目的地信息搜索，衍生的百度指数成为大数据时代重要的分析指数之一。其是以网民在百度中搜索的关键词为统计对象，计算出关键词的搜索频次的加权和，在网页中以曲线图的形式呈现。通过对关键词的筛选，确定以“周庄”、“周庄古镇”为检索词，在百度指数平台进行检索，通过Physon编程抓取得到2011年1月1日至2018年12月31日间的逐日百度数据，作为分析的基础。

在探讨周庄古镇网络关注度时空分布特征及影响因素时，选取的指数有周内分布偏度指数、地理集中指数、温湿指数和经济联系强度指数等，各个指数的计算模型及地理意义详见表1。

2、周庄古镇网络关注度的时空特征分析

2.1 周庄古镇网络关注度时间分布特征

2.1.1 年际变化特征

通过统计分析2011年至2018年周庄古镇网络关注度，可以发现，2011年至2015年之间周庄古镇日均网络关注度由2999直线上升至4759，2016年至2018年周庄古镇日均网络关注度则下降至3441，其年际变化特征呈现明显的“双峰型”特征。对比统计分析数据，可以发现逐日网络呈锯齿形，关注度的高峰值上也是2015年达到了峰值，该年份以“10年不涨价，良心景区：周庄100元能玩3天”、“中国第一水乡”周庄“打春牛”聚富迎新春、“周庄外空地有人私收停车费，景区：我们没办法”、“《四季周庄》预演爆棚，江南美景如画”等节日活动、社会话题等为主。

2.1.2 季节性特征分析

周庄古镇8年间各月网络关注度累计之和与网络关注度重量相比为旅游网络关注度的分月比重指数，统计分析其变化趋势如图2所示。通过对比发现，总体上呈现“双峰”及“多峰”的特征（表2），不同年份的峰值主要集中在4月、8月、9月和10月，最低值均集中在1月、11月、12月份。借助已有研究[8]，对各年旅游网络关注度各月比重指数取均值，并统计出8年间各月平均网络关注度变化趋势如图3所示。参考旅游客流季节划分标准[8]，经过计算可以发现周庄古镇网络关注度的淡季为1月、 11月、12月，平季为2月，旺季为3月至10月，长达8个月，具有旺季持续时间长的特点。其中，4月份属于春季，天气适宜，适合外出，因而该月份游客网络关注度达到峰值；7月、8月正值暑期，虽然天气炎热，但此时家庭游、亲子游及大学生游日益增多，也达到一个高峰值；另外，9月份及10月份正值中秋节及十一黄金周节前，人们出游意愿强，游客关注度也达到高峰值。

2.1.3 节假日特征分析

网络关注度具有前兆性，能够表征节假日游客实际外出的需求量。研究“五一”、“十一”旅游景区网络关注度的特征则对景区应对高峰期采取举措有一定的借鉴。统计分析了周庄古镇2011年至2018年间“五一”、“十一”节假日的日均网络关注度，为了在时间对比上具有一致性及可信性，参考已有研究[8]，统一统计了“五一”节前三天，假期三天及节后三天共9天的网络关注度（图4）。由图4可以发现，周庄古镇2011-2018年8年间网络关注度在“五一”节前、节中及节后变化趋势基本保持一致。2011-2016年，周庄“五一”网络关注度直线上升，表现为由2011年宽广开口的倒“U”型特征逐渐变为2016年倒“V”型特征，并且峰值越来越高。2017年及2018年峰值则开始下降，网络关注度相关数值低于2014年统计值。表明周庄古镇五一“井喷”现象在2016年最严重，之后“井喷”现象逐渐减弱。

“十一”则统计了13天的网络关注度（节前四天，假期七天，节后两天）（图5）。总体而言，8年间网络关注度在“十一”节前、节中及节后变化趋势也基本保持一致。2011-2015年，周庄“五一”网络关注度直线上升，也表现为由2011年宽广开口的倒“U”型特征逐渐变为2015年倒“V”型特征，2016年至2018年峰值则开始下降。就单日而言，周庄古镇“十一”黄金周网络关注度在节前开始上升，直至黄金周的第2天（10月2日）达到顶峰，随后开始下降，并在节后逐步稳定。表明周庄古镇十一“井喷”现象在2015年最严重，之后“井喷”现象逐渐减弱。

借助周内分布偏度指数进一步了解周庄古镇网络关注度在“十一”黄金周内的偏度状况，如表3所示。周庄古镇的G指数在2011-2018年“十一”黄金周内均小于0，表明8年来周庄古镇网络关注度偏向黄金周前期，偏度（绝对值）由2011年11.82逐渐增大至2014年的19.53，随后逐渐降低为2017年的10.38，又增大到2018年的21.54，总体呈现出先增大后减小在增大的特征，则表明偏向呈现出不断集中至分散然后再集中的趋势。

2.1.4 周时段特征分析

为了分析周庄古镇周时段特征，统计2011-2018年周一至周日每日网络关注度并取平均值，得到每年周内网络关注度统计分布曲线（图6）。可以发现，2011年至2014年表现出“工作日高值，周末低值”的一致特征，2015年至2018年表现出“周五、周六高值，周日略低，工作日平稳”的一致特征。究其原因，可能是2014年之后，随着网络、智能手机等移动端及自媒体的发展，游客在周末行程过程中，可以便捷的对景区进行游前查询、游中感悟、游后分享，因而2014年之后，周末网络关注度值呈高值。2011年至2018年一周之内游客网络关注度值最高值均出现在周五，这也体现出了游客出行之前借助网络工具搜索周庄古镇相关信息，以便为周末出行做好安排。

2.2 周庄古镇网络关注度空间分布特征

以各省区为地域单元，统计2011年至2018年间周庄古镇网络关注度的空间分布，并分析其特征。2011年大部分省級行政区无相关数据，澳门特别行政区对周庄古镇网络关注度数据年份偏少，因而最后统计了全国除澳门特别行政区之外的其它33个省级行政区相关数据（表4）。通过计算地理集中度指数，来衡量周庄古镇网络关注度在全国各省区的分布情况，结果见表5。

周庄古镇网络关注度的地理集中指数由2012年的22.15直线增大至2015年的23.42，然后又直线下降至2018年的22.68。不同年份的地理集中指数值均大于全国省区中周庄古镇网络关注度平均分布的地理集中指数值17.15，因而2012年至2018年周庄古镇的网络关注度值均比较集中，在全国各省级行政区中分布不均匀。以2018年为例，周庄古镇网络关注度主要集中在江苏省省内、上海市、浙江省、广东省、北京市等经济发达地区，以及山东省、河南省、安徽省等距离较近省份，而在内蒙古、甘肃省、贵州省、新疆、海南、宁夏、青海、香港、台湾及西藏等经济落后及距离较远地区旅游网络关注度值较低。

3、周庄古镇网络关注度的影响因素分析

网络关注度作为大数据时代游客借助网络工具检索遗留下来的痕迹，其时空分布受到多种因素的影响。马丽君等[3]探讨了人口数、移动用户数、受教育程度、空间距离与湖南“红三角”移动游客网络关注度之间的关系；张碧星等[16]探讨了距离、人口规模、居民消费水平、互联网普及率等因素与五台山景区网络关注度之间的关系；张慧婕等[21]探讨了人均可支配收入、滑雪场和冰场数量、互联网普及率等因素与冰雪运动网络关注度之间的关系。参考前人的研究成果[3，16，21]，本文主要从气候舒适度、国家节假日制度探讨其对周庄古镇网络关注度的影响，从人口规模、空间距离、经济水平、互联网普及率、受教育程度、经济联系强度等六个方面探讨其对周庄古镇网络关注度空间分布的影响。

3.1 时间分布影响因素

3.1.1 因素指標选取

旅游气候舒适度最常用的平均指标是温湿指数，是温度和湿度的综合，反应了人体与环境的热量交换（表1）。本文选取了1956年至2018年近63年来苏州东山站累年各月的平均气温（℃）和平均相对湿度（%）进行温湿指数计算（数据来源于中国气象科学数据共享服务网），并计算周庄古镇2011年至2018年的平均月指数，计算结果见表6。

为更准确认识气候舒适度对周庄古镇网络关注度时间变化的影响，参考相关研究[2，8]，把温湿指数中的“e、d、c、b、A、B、C、D、E”的级别赋值为“1、3、5、7、9、7、5、3、1”，使其成为可计算的数值（表7）；并对节假日等社会因素使用虚拟指数来进行量化，从而衡量其影响力，结合图2及图3周庄古镇各月网络关注度的结果，1月、12月淡季赋值0，2月、3月、11月赋值0.25，4月、10月赋值1，5月、7月、8月、9月赋值0.75，6月赋值0.5。

3.1.2 回归分析

借助SPSS软件，运用最小二乘法进行周庄古镇网络关注度平均月指数与温湿指数、社会因素的回归分析，结果为：

P=6.474-0.131THI+4.823S

式中，P为周庄古镇网络关注度平均月指数，THI为温湿指数、S为社会因素虚拟值。其中，R2=0.851，adj R2=0.817，F（2，9）=25.603，p=0.000，解释力高达85.1%。从已建立的模型中可以看出，温湿指数与周庄古镇网络关注度月指数之间呈现负相关关系；社会虚拟指数与周庄古镇网络关注度月指数之间呈正相关关系。观察周庄古镇网络关注度月平均指数实测值与模拟值的对比图（图7），可发现拟合效果较好，也间接证明了回归方程的可信度。

3.2 网络关注度空间分布影响因素分析

3.2.1 因素指标选取及说明

在分析周庄古镇网络关注度的影响因素时，主要从客源地（人口规模、经济水平、互联网普及率、受教育程度）及客源地与周庄古镇之间的关系（两地间的距离、经济联系强度）两大类、六小类进行考虑。以我国除澳门特别行政区之外的其它33个省级行政区为统计分析样本：人口规模选自各省区2018年末的常驻人口总数；经济水平取自各省区2018年末的人均GDP进行计算；互联网普及率选自2016年《第37次中国互联网发展状况统计报告》；受教育程度来自于统计年鉴；两地间的距离借助百度地图以省会城市至周庄古镇自驾最短距离；经济联系强度以表1中计算数据为准。

3.2.2 回归分析

为了消除多重共线性的影响，借助SPSS软件，采用多元线性逐步回归分析法，得出周庄古镇年均网络关注度的拟合方程如下：

式中，X1是经济联系强度，X2是人口总数，X3是人均GDP，R2=75.8，adj R2=73.1 F=28.199，p=0.000，解释力高达75.8%。并且该模型的三个回归系数都通过显著性检验，显著水平分别0.01，0.00，0.05。另外，经济联系强度每变化1个单位，周庄古镇年均网络关注度变化0.087个单位；客源地人口总数每变化1个单位（亿），周庄古镇年均网络关注度变化419.50个单位；人均GDP每变化1个单位（万元），周庄古镇年均网络关注度变化37.45个单位。

4、结论与讨论

4.1 结论

通过对周庄古镇2011年至2018年网络关注度的时空特征研究，得出以下结论：

（1）2011年至2018年周庄古镇网络关注度年际变化呈现明显的“双峰型”特征，景区门票价格、节日活动、景区表演及社会话题是游客关注度较高的热点；在季节性特征方面，总体上呈现“双峰”及“多峰”的特征，周庄古镇网络关注度的淡季为11月至来年1年，旺季为3月至10月，具有旺季持续时间长的特点；

周庄古镇五一“井喷”现象在2016年最严重，之后“井喷”现象逐渐减弱，十一“井喷”现象在2015年最严重，之后“井喷”现象逐渐减弱；周内特征方面，2011年至2018年一周之内游客网络关注度值最高值均出现在周五，2011年至2014年表现出“工作日高值，周末低值”的一致特征，2015年至2018年表现出“周五、周六高值，周日略低，工作日平稳”的一致特征。

周庄古镇网络关注度主要集中在江苏省省内、上海市、浙江省、广东省、北京市等经济发达地区，以及山东省、河南省、安徽省等距离较近省份，而在内蒙古、甘肃省、贵州省、新疆、海南、宁夏、青海、香港、台湾及西藏等经济落后及距离较远地区旅游网络关注度值较低，主要受经济水平及“距离衰减”的影响。

在时间分布影响因素上，周庄古镇网络关注度平均月指数与温湿指数、社会因素之间具有良好的回归关系。温湿指数与周庄古镇网络关注度呈负相关关系，社会虚拟指数与周庄古镇网络关注度呈正相关关系。

在空间分布影响因素上，周庄古镇年均网络关注度与经济联系强度、人口总数、人均GDP具有良好的回归关系，经济联系强度每变化1个单位，周庄古镇年均网络关注度变化0.087个单位；客源地人口总数每变化1个单位（亿），周庄古镇年均网络关注度变化419.50个单位；人均GDP每变化1个单位（万元），周庄古镇年均网络关注度变化37.45个单位。

4.2 讨论

有关旅游网络关注度的时空分布及影响因素已进行了大量研究，与前人单一年份研究相对比，本文以2011年至2018年长时间序列逐日网络关注度作为研究对象，全面剖析了周庄古镇旅游网络关注度的时空特征及影响因素，保证了研究结果的连续性、准确性及科学客观性。在时空方面，部分学者提出“景区工作日网络关注度是周末实际游客量的前兆”假设[22]，本文研究表明2011年至2014年周庄古镇游客网络关注度表现出同样的特征，然而2015年后表现出“周六高值、周日略低”的特征，与随着网络技术的发展，人们利用移动设备可以实时进行景区查询、分享等游客行为有很大的关系。而周庄古镇网络关注度季节性特征呈现“双峰型”、“多峰型”，与马丽君等人[23]总结的旅游气候类型中春秋适宜的M型模式，张晓梅[8]对平遥古城研究季节性的M型特征相一致，但又有差异。在影响因素方面，印证了旅游气候舒适度及节假日是影响网络关注度时间分布的最重要因素；而在旅游网络关注度空间分布的影响因素方面，与前人对景区网络关注度研究相对比，则发现距离、互联网普及率因素对周庄古镇网络关注度没有显著影响。

结合实际考察、问卷调研、網络关注度统计分析等情况，周庄古镇在景区品牌、旅游产品开发、景区基础设施等方面有待提升。在景区品牌建设方面：周庄目前的主要客源是国内长三角市场，且随地理距离衰减明显，大部分为江浙沪地区居民或公司职员、在校大学生，在做好邻近省市地区宣传工作的同时，尚需加强对距离较远省市及海外市场的宣传营销工作。调研数据揭示出水乡风貌是游客选择周庄景区作为旅游目的地的重要原因，因而在建设及宣传过程中应充分凸显周庄景区水乡主题的背景，同时，推广具有景区代表性的节庆活动，如以水乡风情为背景的周庄国际旅游节。在旅游产品开发方面：旅游购物品应针对周庄景区游客以18-45岁、大学生及公司职员为主，凸显周庄——水上古镇特有的文化特色，在娱乐美食、文化艺术、小桥流水、民俗生活等方面进行开发，彰显其特色。目前周庄景区仍处在以观光体验为主的阶段。面对日益增长的游客需求，周庄景区应不断完善旅游项目，尤其增加休闲度假、商务会展类等旅游项目，实现旅游产品的转型升级，继续丰富周庄夜间旅游项目，如提升“四季周庄”演出、加大力度打造具有江南水乡历史文化特色的民宿客栈，从而延长游客停留时间。在景区基础设施建设方面：信息化设施的建设，包括相应的软件和硬件。如：旅游大数据的采集、整合、分享系统；基于手机信令的游客动态监测系统；基于GPS的车船、管理人员的监管系统；基于传感技术和物联网技术的景区环境监管系统；外来车辆的自动导引与统计系统；语音画卷与自动感应式讲解等。同时对人流量较大的区域，如水街两岸、重要游路沿途，增加材质与造型符合水乡风貌的坐凳等休息设施数量。

本研究仍然也有不足有待提升，游客外出对旅游目的地进行检索，可选择的方式多样，百度只是其中一种方法，还可以借助携程、驴妈妈、去哪儿等旅游电子商务进行查询检索，并且本文所研究的对象是周庄古镇潜在游客，有不少潜在游客并未实地到达周庄古镇。接下来的研究应基于网络游记，借助爬虫等大数据抓取手段，深入开展周庄古镇旅游目的地形象、游客旅游体验研究。

参考文献

[1] 刘逸，保继刚，陈凯琪. 中国赴澳大利亚游客的情感特征研究——基于大数据的文本分析[J]. 旅游学刊，2017，32（5）：46-58.

[2] 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，2011，31（4）：680-385.[3] 马丽君，龙云. 基于网络关注度的湖南省居民旅游需求时空特征[J]. 经济地理，2017，37（2）：201-208.

[4] 王硕，曾克峰，童洁，等. 黄金周风景名胜区旅游客流量与网络关注度相关性分析——以庐山、华山、八达岭长城风景名胜区为例[J]. 经济地理，2013，11：184-188.

[5] 李世霞，田至美. 基于百度指数的旅游目的地网络关注度影响因素分析——以青岛为例[J]. 首都师范大学学报（自然科学版），2014，35（1）：56-59.

[6] 邱丽，潘美含，邱川曦. 重庆市旅游网络关注度时空特征分析[J]. 特区经济，2017：8-80.

[7] 林志慧，马耀峰，刘宪锋，等. 旅游景区网络关注度时空分布特征分析[J]. 资源科学，2012，34（12）：2427-2433.

[8] 张晓梅，程邵文，刘晓蕾，等. 古城旅游地网络关注度时空特征及其影响因素——以平遥古城为例[J]. 经济地理，2016，36（7）：196-207.

[9] 马丽君，江恋. 湖南“红三角”潜在游客时空分布特征及其影响因素[J]. 资源开发与市场，2016，32（9）：1122-1126.

[10] 李会琴，李丹，董晓晴，等. 中国5A级景区分布及网络关注度空间格局研究[J]. 干旱区资源与环境，2019，33（10）：178-184.

[11] 汪秋菊，贾宇，刘宇，等. 奥运场馆水立方的客流量与网络关注度关系分析[J]. 东北石油大学学报，2013，37（5）：118-124.

[12] 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，2013，28（11）：93-100.