基于网络关注度的中国冰雪旅游产业发展启示

陈玉萍 ，刘嘉毅 ，郭修金

冰雪旅游是以寒冷气候条件和冰雪资源为依托，以冰雪自然景观及冰雪人文景观为旅游吸引物，以冰雪运动、冰雪文化、冰雪观光等为主要呈现形式，以冰雪运动与旅游业融合发展为基本特征的旅游业态。2016年两会期间，习近平总书记作出“冰天雪地也是金山银山”的重要指示。2018年年初，平昌冬奥会成功举办；2022 年，北京冬奥会指日可待。在宏观战略指引与国际冰雪赛事推动下，中国冰雪旅游产业迎来跨越发展的战略契机。《中国冰雪旅游发展报告（2017）》指出，预计在2021—2022 年冰雪季，中国冰雪旅游可达3.4 亿人次，将带动旅游及相关产业产值高达2.88万亿元。当前，冰雪旅游日渐成为国内外学者关注的重要领域。J.DAWSON等[1-3]研究了气候变化对冰雪旅游目的地发展的影响；J.YANG 等[4]对冰雪旅游目的地可持续性空间差异进行了研究；H.GELTER[5]就旅游者对冰雪旅游资源的体验性开展了分析；T.J.DICKSON等[6]则对冰雪运动爱好者的海外冰雪旅游参与度进行了探究。相比国外研究，国内研究视角更为丰富，学者们主要聚焦于冰雪旅游的资源价值与资源开发[7]、产业融合与发展[8-11]、企业营销[12]、游客满意度感知[13]、冰雪旅游消费[14]、产业发展的经济社会影响[15]等视角。诚然，互联网数据蕴含丰富的价值，有助于发掘行业发展规律与提供行业决策信息[16]。

近年来，中国学术界开始使用百度指数等网络数据，对旅游目的地[17]、旅游安全[18-19]、旅游产品[20]、旅游服务[21]、节事旅游[22]等旅游相关对象的网络关注度开展研究。作为全球最大的中文网站，百度推出的百度指数记录了网民对“冰雪旅游”搜索关注的数据痕迹。本研究将基于2011—2019 年冰雪旅游网络关注度数据，综合应用统计学、经济地理学、计量经济学等跨学科理论方法，实证研究冰雪旅游网络关注度的时空特征与影响因素，并提出产业发展启示，以希望为推进“三亿人参与冰雪运动”、促进冰雪体育发展与建设冰雪运动强国提供参考。

1 研究说明与研究方法

1.1 研究说明

“百度指数（Baidu index）”在一定程度上折射出网民的关注兴趣、潜在需求等信息。本研究以“冰雪旅游”为关键词，在百度指数在线页面上输入查询后，获得各省区冰雪旅游用户关注度日均值（包含PC端与移动端），作为冰雪旅游网络关注度数据值，时间跨度为2011—2019年，地区涵盖中国大陆31个省区（自治区、直辖市），对冰雪旅游用户关注度按月查询，得到冰雪旅游网络关注度月度均值。

此外，百度指数提供了2013 年7 月1 日—2019 年底冰雪旅游网络关注度的性别与年龄的人群属性特征。其中，男性占比26.67%，女性占比73.33%；20~29 岁最多（40.24%），30~39 岁次之（32.24%），19岁以下居第3位（16.15%），40~49岁占比8.71%，50岁以上占比2.65%。

1.2 研究方法

基于中国大陆2011—2019年31个省（自治区、直辖市）冰雪旅游网络关注度数据，利用变异系数、基尼系数、洛伦兹曲线等分析冰雪旅游网络关注度时序变化特征；选用空间重心、关注贡献度、位序等指标，刻画冰雪旅游网络关注度的空间重心迁移、分区变化趋势与省区空间分异特征，使用Gis 自然断裂法，基于冰雪旅游网络关注度进行聚类分析。此外，本文采用泊松回归对冰雪旅游网络关注度的影响因素开展实证分析，依据定量分析，提出产业发展启示，相关指标计算方法如下。

（1）基尼系数（G）。经济学家常用基尼系数来衡量收入分配差距，本文利用基尼系数来考察冰雪旅游网络关注度的相对省际差异程度，G 处于0~1 之间，值越小，表明冰雪旅游省际网络关注度差异越小，式（1）中x1、x2、…xn为降序排列的各省区冰雪旅游网络关注度，基尼系数计算公式为：

（2）空间重心。空间重心计算仿照重力的分解与合成法则，其中，i为我国大陆31个省（自治区、直辖市），（xi，yi）为i省会城市（直辖市或首府）的经纬度坐标，Mi代表i省区某年的冰雪旅游网络关注度日均值，空间重心用各省冰雪旅游网络关注度日均值Mi作为权数加权平均而得，坐标（X，Y）计算公式为：

（3）关注贡献率（A）。关注贡献率为某一时段（或某省区）的冰雪旅游网络关注度（aj）占全部时段（或者全部样本省区）相应值和的比重，j为某时段或某省区，其计算公式为：

2 中国冰雪旅游网络关注度时序特征

2.1 冰雪旅游网络关注度年际时序变化特征

网民可以通过PC 端与移动端两条渠道搜索关注“冰雪旅游”，两条渠道之和则为冰雪旅游网络关注度日均值。在2011—2019 年间，冰雪旅游网络关注度呈持续增长趋势，经计算，年均增长率为19%。从移动端与PC 端两条关注渠道来看，PC 端依然是网民搜索关注的主渠道，2011 与2012 年，移动终端的关注占比分别为9%与18%，随后7 年间，移动端的占比提升到25%~40%，说明移动终端在冰雪旅游网络关注渠道的力量开始凸现（见图1）。

图1 冰雪旅游网络关注度年际时序变化图Figure1 Annual Change of the Online Attention to Ice-snow Tourism

2.2 冰雪旅游网络关注度省际差异时序变化特征

数据显示，变异系数与基尼系数保持一致的逐年递减趋势（见表1），这充分说明，在样本区间，冰雪旅游网络关注度省级相对差异是逐年下降的。洛伦兹曲线（Lorenz Curve）更直观展示了冰雪旅游网络关注度省际差异时序变化，洛伦兹曲线离对角线越远，则其相对差异越大。2011 年的洛伦兹曲线在对角线的最外围，说明该年冰雪旅游网络关注度省际相对差异最大（见图2）。进一步研究发现，随时间推进，各年的洛伦兹曲线离对角线愈来愈近，表明，中国大陆各省区冰雪旅游网络关注度的非均衡状态呈现随时间逐步收敛的特征。

表1 2011—2019年冰雪旅游网络关注度变异系数与基尼系数Table 1 Variation Coefficient and Gene Coefficient of Network At‐tention to Ice-Snow Tourism in 2011—2019

图2 冰雪旅游网络关注度洛伦兹曲线Figure2 Lorenz Curve of Online Attention to ice-snow Tourism

2.3 冰雪旅游网络关注度月度分布特征

冰雪旅游网络关注度分月变化轨迹发现，冰雪旅游网络关注度总体呈现出两头高中间低的“U”型分布规律，其季节性差异明显（见图3）。其中，关注度最高月份都在12 月，其次为11月与1 月，7 月与8 月是冰雪旅游网络关注的年度低谷时期。显然，中国网民对冰雪旅游的关注热度与冰雪旅游出游季在时间上高度吻合。同时，对每年各月的冰雪旅游网络关注度求变异系数发现，2011 年月度变异系数为0.63，此后一直保持升高趋势，到2014年达到最大值0.92，随后持续减少，到2019年下降为样本区间最小值0.31。由此可知，冰雪旅游网络关注的月度非均衡状态呈现出先扩张再收敛的演变特征。

图3 冰雪旅游网络关注度分月变化图Figure3 Monthly Changes in Online Atiiention to Ice-snow Tourism

3 冰雪旅游网络关注度空间演变特征

3.1 冰雪旅游网络关注度空间重心移动特征

各省区冰雪旅游网络关注度动态变化将推动空间重心迁移，依据上文空间重心的测度方法，计算出2011—2019 年冰雪旅游网络关注度各年空间重心。数据显示，2011 年冰雪旅游网络关注度的空间重心坐标为（119.666 854，32.082 086），地理位置位于江苏镇江丹阳丹北镇宝山村，2019 的空间重心坐标为（117.971 112，28.515 012），位于江西上饶市上饶县石狮乡西约0.92 km 处，两地相距约438 km；在2011—2019 年，中国冰雪旅游网络关注度空间重心总体呈现出向西南方向迁移的运动轨迹，空间重心迁移反映了各省区网民对冰雪旅游网络关注的强弱变迁（见表2）。省区各年数据发现，在样本期间，广东与川渝地区的冰雪旅游网络关注度增速较快，故冰雪旅游网络关注度空间重心向西南方偏移也就合情合理。

表2 2011—2019年冰雪旅游网络关注度空间重心Table2 Spatial Centers of Online Attention to Ice-snow Tourism from Year 2011—2019

3.2 分区域的冰雪旅游网络关注度空间特征

基于中国七大地理分区的惯用标准，华东包括江、浙、沪、皖、赣、鲁、闽；华北包括京、津、冀、晋、蒙；华中包括豫、鄂、湘；华南包括粤、桂、琼；西南包括川、渝、黔、滇、藏；西北包括陕、甘、青、宁、新；东北包括黑、吉、辽。七大区域分年度冰雪旅游网络关注贡献率及其位序变化显示，2011—2019 年，东北与西北冰雪旅游网络关注贡献率呈总体下降趋势，东北地区贡献占比从期初的42.7%跌落到期末的28.1%，而华东、华中、华南地区冰雪旅游网络关注贡献率呈增长趋势，华东贡献率提升5.6%，成为冰雪旅游网络关注贡献率增长最快的区域，其次为华南地区，贡献率增长5%（见表3）。

表3 分区域的冰雪旅游网络关注贡献率及其位序/%Table3 Contribution Rate and Its Rank of Network Attention to Ice-Snow Tourism in Different Regions/%

从位序排名发现，2011—2019 年，东北、华北、华东始终位居冰雪旅游网络关注贡献率的前三位，但三者贡献率之和从2011 年的78.7%逐年下滑至2019 年的73.7%，这也再次佐证了中国冰雪旅游网络关注度地区差异存在空间收敛。华南、华中冰雪旅游网络关注度位序呈总体上升趋势，西北地区位序从2011年的第4位跌落到2019年的末位。

3.3 冰雪旅游网络关注度的省际空间分异特征

对各省样本时段冰雪旅游网络关注度日均值求年度均值后，运用GIS 自然断裂法，按各省网络关注度日均值的高低聚类，将各省区划分为高关注区、较高关注区、中等关注区、较低关注区和低关注区。总体来看，冰雪旅游网络关注度各类型空间错位分布，且大体呈现从北往南与从东往西的双向梯度递减趋势。冰雪旅游网络关注度的省际空间分异特征显示：北京、黑龙江、吉林、广东构成了高关注区，其对冰雪旅游网络关注的贡献率为50.1%；江浙沪从属于较高关注区；较低关注区包含9个省区，主体为中部与西部地区；而处于低关注的6个省区贡献率仅为1.4%（见表4）。

表4 冰雪旅游网络关注度的省际空间分异Table4 Provincial Space Differentiation of Network Attention to Ice-Snow Tourism

4 中国冰雪旅游网络关注度影响因素

4.1 变量与数据

根据研究目的，被解释变量为冰雪旅游网络关注度，用其百度指数用户关注度的日均值衡量，记为NETFOCUS。基于已有文献对网络关注度的研究与冰雪旅游产业特性，特选用如下解释变量。（1）经济发展水平。经济发展水平高的地区居民收入水平也高，其出游意愿与出游率也会随之升高[23]，进而会增加相关旅游信息的搜索[19]，故预期经济发展会提高冰雪旅游网络关注度。经济发展水平将利用人均GDP的对数值来衡量，记为lnAVGDP。（2）网民规模。地区网民规模对特定对象的地区网络关注度有影响[18-19]，受此启发，本文预期网民规模会正向影响冰雪旅游网络关注度。网民规模用网民人数的对数值表示，记为lnNETPOP。（3）冰雪旅游资源。用省会城市一年中最高温度低于零摄氏度的天数作为省区冰雪旅游资源的代理变量。冰雪旅游资源越丰富的地区，冰雪运动与冰雪旅游的社会化程度也越高[24]，进而引致该省区网民对冰雪旅游信息的网络搜索量也越大。故预期冰雪旅游资源与冰雪旅游网络关注度正相关，冰雪旅游资源记为RESOURCE。（4）品牌冰雪节庆。已有研究表明，品牌节庆会影响地区网络关注度[25]，故预期拥有品牌冰雪节庆的省区与其他省区的网民相比，对冰雪旅游网络关注度有显著提高。引入冰雪节庆品牌变量（记为FESTIVAL），以“冰雪节”为关键词在百度搜索（搜索时间2020年4月3日9时13分—50 分），截取前面20 个页面，如果某省区具有20 年以上的冰雪节，则为1，否则为0。（5）品牌冰雪赛事。品牌冰雪赛事是标志性体育赛事，汪蓓等[26]基于网络关注度数据发现，标志性体育赛事传播力的辐射空间以主办城市或东道主省份为主，受此启发，预期品牌冰雪赛事（如冬奥会）会提升本省区网民的冰雪旅游网络关注度。为此，特将品牌冰雪赛事变量引入到解释变量中，品牌冰雪赛事记为EVENTS。北京与张家口在2015 年联合成功获得2022 年冬奥会承办权，则2015 年后北京与河北的变量值记为1，其他为0。

研究数据为2011—2019年大陆31个省（自治区、直辖市）的面板数据。其中，一年中最高温度低于零摄氏度的天数为各日满足条件的数据累加所得，各日最高温度气温数据来源于中国气象科学数据共享网；2011—2018 年人均GDP、网民人数、CPI数据来源于《中国统计年鉴》（2012—2019），2019 年数据来源于各省区统计局、发改委与中国互联网络信息中心正式发布的统计报告与公报，个别缺失数据用移动平均法补齐。对人均GDP，以2011 年为基期，利用各省区各年度CPI 平减转化为实际值。

4.2 模型设计与估计方法

依据研究目的，冰雪旅游网络关注度NETFOCUS 为被解释变量，由于百度公司提供的日均用户关注度值为离散型的整数，且零值较多，因此可建立泊松回归模型进行分析，模型如下：

式中：X为解释变量组，β为回归系数，为压缩变量尺度，经济发展水平与网民规模都求其对数值。主要利用面板泊松（含固定效应FE与随机效应RE）对其进行回归分析，面板泊松回归结果可依据Hausman检验对应P值来判断选择：当P>0.05，选择随机效应模型；当P=0~0.05，则选择固定效应模型。

4.3 结果分析

在使用OLS（普通最小二乘法）、一般泊松、泊松FE、泊松RE 4 种方法下，31 个省（自治区、直辖市）样本时间段冰雪旅游网络关注度影响因素的回归结果显示（见表5模型1~4），经济发展水平、网民规模、冰雪旅游资源、品牌冰雪节庆与品牌冰雪赛事都能显著提升地区冰雪旅游网络关注度；模型3 与4 是对面板数据进行回归的结果，Hausman 检验的P=0.137 5>0.05，故选择泊松随机效应模型3。模型3 显示，在控制其他变量情况下，经济发展水平越高的地区对冰雪旅游的网络关注越高，这与前文预期是一致的。数据表明，地区经济发展水平每提升1%，冰雪旅游网络关注度也随之提高1.974次。模型3数据也显示，网民规模每提升1%，地区冰雪旅游网络关注度会随之提高0.903次；模型3 中冰雪旅游资源的回归系数为0.157，在1%的水平上显著，这反映出冰雪旅游资源越丰裕的地区，对冰雪旅游的搜索率也越高，主要原因可能在于处在冰雪旅游资源域中的人们出游路径短，出游意愿增强，故网络关注度也随之提升。模型3中FESTIVAL 回归系数为1.703，且通过1%的显著性水平，表明举办品牌冰雪节庆的省区相比未主办品牌冰雪节庆的省区而言，其日均“冰雪旅游”网络关注度数值增加1.703次。EVENTS的回归系数显著为2.081，且通过1%的显著性水平，这反映冰雪赛事能使举办地网民对冰雪旅游网络关注的日均值提高2.081次。

采用掐头去尾与分时段样本法，进一步考察冰雪旅游网络关注度影响因素的稳健性（见表5模型5~8）。（1）掐头去尾法。模型5为掐头法剔除被解释变量年度均值最大省份黑龙江，模型6为去尾法剔除被解释变量年度均值最小省份西藏。模型5与6的回归结果都再次佐证，经济发展水平、网民规模、冰雪旅游资源、品牌冰雪节庆与品牌冰雪赛事的回归系数显著为正，说明对冰雪旅游网络关注度受以上因素的复合正向影响。（2）分时段样本。将样本划分为2011—2015、2016—2019 2 个时段，模型7~8 各变量回归系数皆在1%的置信水平上显著，表明无论在何时间区段，经济发展水平、网民规模、冰雪旅游资源、品牌冰雪节庆与品牌冰雪赛事皆是影响冰雪旅游网络关注度的稳健因素。

表5 冰雪旅游网络关注度影响因素的回归结果（被解释变量：NETFOCUS）Table 5 Regression Results of Influencing Factors of Network Attention to Ice-Snow Tourism

5 结论与启示

5.1 研究结论

（1）冰雪旅游网络关注度呈持续增长的年际变化趋势，各省区冰雪旅游网络关注度的相对差异随时间逐步收敛，季节性差异明显，且月度非均衡状态呈现先扩张再收敛的演变特征。（2）冰雪旅游网络关注度空间重心总体向西南方向迁移，东北、华北、华东位居冰雪旅游网络关注贡献率的前3 位，华南、华中冰雪旅游网络关注度位序呈上升趋势，西北地区位序显著下滑；从空间分析来看，冰雪旅游网络关注度各类型空间错位分布，显现出从北往南与从东往西双向梯度递减趋势。（3）经济发展水平、网民规模、冰雪旅游资源、品牌冰雪节庆与品牌冰雪赛事等是形成冰雪旅游网络关注度时空分异的影响因素。泊松回归发现，网民规模对冰雪旅游网络关注度有显著正向影响；省区冰雪旅游资源越丰裕，该省区网民冰雪旅游网络关注度越大；举办品牌冰雪节庆与品牌冰雪赛事，能显著提升举办地网民对冰雪旅游的网络关注度。

5.2 中国冰雪旅游产业发展启示

（1）实施“互联网+冰雪旅游”产业成长战略。从冰雪旅游网络关注度的年度变化轨迹来看，网民对冰雪旅游的网络关注度保持较高比例的年度增幅，反映出网民对“冰雪旅游”的信息偏好与出游需求有显著提升，这也是中国冰雪旅游产业将继续保持高速成长的有力佐证。为迎合冰雪旅游的高成长性与由此带来的旅游信息需求，在“互联网＋”时代中，冰雪旅游供给侧必须从网民对冰雪旅游的信息需求内容出发，积极主动融入互联网思维，推行以“互联网+冰雪旅游”的产业成长战略。未来，无论是冰雪旅游目的地、冰雪旅游相关企业、在线旅游商，还是冰雪节事组织者，都应该关注潜在冰雪旅游者的的信息检索需求，在大数据网域中，合力搭建冰雪旅游信息共享平台、电子商务平台与冰雪旅游信息数据库，以满足“互联网＋”时代中，网民对冰雪旅游的信息检索需求。

同时，为满足互联网时代冰雪旅游产业的快速成长，急需进行冰雪旅游产品创新。当前，冰雪旅游产品多以观看冰灯、冰雕、雪雕、雾凇、赏雪、玩雪为主，未来可设计出多样化的冰雪运动体验型产品，如雪地低空飞行、攀冰、冰上自行车、徒步雪林穿越、冰雪滑梯、溜冰、滑雪、冰洞探险、雪地战车、雪地摩托、爬犁、冬钓、冬捕、冬猎等；并且，将当地民俗风情、建筑风格、历史文化、特色餐饮、地方演艺等融入到产品创新开发中，以建构冰雪旅游目的地的地方感。此外，冰雪旅游目的地也需要加入创意元素，从依托冰雪资源为主走向依托“冰雪资源+创意资源”并举的产业发展路径，以延伸产业链条，丰富产品体系，增强冰雪旅游目的地的吸引力与竞争力。

（2）实施差异化精准营销战略。“冰雪旅游”网络关注的时空分布规律反映了不同时空维度上的网民对冰雪旅游的关注差异，为此，旅游目的地可在时间与空间2个维度上实施差异化精准营销战略。从网民对冰雪旅游月度关注的“U”型分布规律来看，每年11、12月与次年1月是网民对冰雪旅游高度关注的月份，为此旅游目的地可在这3个月进行密集的营销推广，除传统媒体外，也可以采用官方网站、网络新闻、博客、BBS、微信等网络渠道。从空间的区域维度上看，东北、华北、华东位居冰雪旅游网络关注贡献率前3 位，反映出3 个空间板块对冰雪旅游巨大的需求潜力，为此，未来冰雪旅游营销应该重点开拓东北、华北和华东市场。从各省区对冰雪旅游网络关注的差异来看，可对各省区开展差异化的精准营销战略。对高关注区、较高关注区的省区（黑吉辽、江浙沪、京冀粤新蒙），冰雪旅游目的地的营销策略在于塑造品牌形象，设计多样化的旅游体验产品，加强线上线下口碑管理；对中等关注区（川鲁豫闽鄂），冰雪旅游目的地重在加大主题化、系列化的营销推广，深度挖掘目标市场，并可对不同客源地采用差异化价格策略，以提升冰雪旅游的市场渗透率；对中西部等较低关注区与低关注区，旅游目的地重在强化网民对冰雪旅游的认知度，可设计冰雪运动的手游或网游产品，引用明星代言，并加大冰雪运动、冰雪旅游在微信与微博等新媒体的传播推广，以培育冰雪旅游的潜在消费市场。

（3）冰雪节事品牌战略。研究结果显示，品牌冰雪节事（含节庆与赛事）是提升网络关注进而形成冰雪旅游现实需求的重要途径，故旅游目的地可大力培育品牌化的冰雪节事，以提升旅游目的地的关注度与声誉。当前，中国已经形成了哈尔滨国际冰雪节、吉林国际雾凇冰雪节、伊春森林欢乐冰雪季、内蒙古冰雪那达慕、吉林查干湖冬捕节等知名冰雪节庆，但是在冰雪赛事上存在短板，未来可以利用中国丰裕的冰雪资源与人文特质，引进或培育国际一流的冰雪运营企业与冰雪赛事，诚然也可以创新培育与马拉松式的专业选手与大众选手同台竞技的冰雪运动品牌赛事。同时，推动各冰雪旅游目的地在节事主题、节事运作以及节事营销的特色化、主题化、专业化、国际化，形成若干差异化竞争的具有国际影响力的品牌冰雪节事，并以此为契机，联合丝绸之路沿线国家与地区，打造丝绸之路冰雪旅游带，培育丝绸之路高端冰雪节庆，推动国际顶级冰雪赛事的常态化与专业化，以品牌驱动实现提升中国冰雪运动与冰雪旅游国际竞争力的国家理想。

诚然，本文是基于互联网数据对冰雪旅游的一个尝试性研究，而互联网数据除了搜索记录数据，还包含应用冰雪旅游APP数据、社交媒体数据、OTA 等大型旅游企业及点评服务平台的数据，未来可以考虑应用多种数据源对冰雪旅游开展研究，以期为响应“冰天雪地也是金山银山”的战略与建设冰雪运动强国贡献理论智慧。