奥运场馆水立方的客流量与网络关注度关系分析

汪秋菊，贾 宇，刘 宇，王 静

（1．北京联合大学旅游学院，北京 100101； 2．北京国家游泳中心有限责任公司北京 100101）

奥运场馆水立方的客流量与网络关注度关系分析

汪秋菊1，贾 宇2，刘 宇1，王 静1

（1．北京联合大学旅游学院，北京 100101； 2．北京国家游泳中心有限责任公司北京 100101）

根据消费者购买决策理论，分析旅游目的地客流量与网络关注度的关系，比较水立方2010年8月1日—2011年12月31日期间每日客流量与网络关注度变化曲线，采用非结构性方法建立VAR模型，判断两者之间的动态影响关系．结果表明：水立方旅游网络关注度与客流量之间存在双向Granger因果关系，同时两者之间的时滞效应也是存在的．旅游前1d网络关注度增加，当天客流量也会增加．客流量与7、8d后旅游网络关注度呈显著负相关．依赖网络信息源传播信息的游客在整个旅游消费群体中的比例大，是水立方客流量与网络关注度两者相互影响的重要前提．

客流量；网络关注度；VAR模型；旅游目的地；水立方；奥运场馆

0 引言

随着网络经济和信息技术的发展，互联网成为旅游者获取和传递旅游信息的重要渠道，关于旅游目的地客流量与网络关注度之间关系的研究备受关注．水立方是2008年北京奥运会水上项目的比赛场馆，奥运会期间承担游泳、花样游泳与跳水等赛事．奥运会后水立方成功转型，由功能单一的游泳馆发展成为集参观、嬉水休闲、大型赛事活动为一体的旅游目的地．研究水立方客流量与网络关注度内在联系，对奥运场馆旅游客流量的预测、预警及旅游目的地可持续发展具有重要意义．

路紫等运用网上查询系统和网站访问量统计工具，研究旅游网站访问者人数与景区旅游者人数之间的相关性，认为旅游地旅游网站年内访问者人数走势与旅游地旅游者人数走势表现波涟状特征，信息流对人流存在导引作用［1］．李山等选取搜索引擎上的旅游信息流为对象，考虑“前兆效应”，研究5A级旅游景区的网络空间关注度，认为旅游景区网络关注度是现实客流量的前兆［2］．在研究网络关注度对旅游目的地客流量作用的基础上，马丽君等认为在惯常环境条件下，区域旅游网络关注度与实际旅游客流具有极强的正相关性［3］．龙茂兴、吴士锋等认为在旅游系统中，不同的主体基于不同的角度对信息流的功能作用具有不同的理解与诉求：一方面体现旅游信息流对客流量的引导作用；另一方面旅游信息流是客流量的“前兆”［4—5］．

这些研究成果揭示网络关注度的动态变化规律，大多是在旅游目的地网络关注度与客流量数据比较的基础上得出来的．虽然吴士峰利用多项式最小二乘拟合和方差分析法，也只是分析网站信息流对旅游人流的作用，没有研究现实客流量对未来网络用户关注度的影响，没有为两者之间的联系提供一个严密的说明．因此，需要构建实证模型，分析旅游目的地客流量与游客网络关注度之间的互动关系，以及网络关注度与实际客流量作用关系存在的必要前提等，为旅游目的地发展提供支持．

1 旅游者消费决策过程

百度指数是以百度网页搜索和百度新闻搜索为基础的免费海量数据分析服务，反映不同关键词在过去一段时间里的“用户关注度”和“媒体关注度”．其中，用户关注度即为网络关注度，是以数千万网民在百度的搜索量为数据基础，以关键词为统计对象，分析并计算各个关键词在百度网页搜索中搜索频次的加权和，并以曲线图的形式展现［6］．

以旅游为目的的网络关注度不同于其他目的的网络关注度，网络信息主体是旅游目的地潜在游客，搜索的关键词一般为与“吃、住、行、游、购、娱”旅游六要素相关的旅游信息，包括旅游景点、旅游交通、住宿、餐饮、购物、娱乐、天气气候和居民好客程度等．

客流量是指一定时期内进入旅游目的地的旅游者数量，反映现实游客数量规模［7］．由于游客获取信息的渠道是不同的，游客中既有依赖网络信息源传播旅游信息的消费群体，又有依赖传统信息源（朋友和亲戚、目的地宣传册、咨询机构和纸质、广播、电视媒体等［8］）传播旅游信息的消费群体．

根据Arndt J提出的消费者购买决策理论，将旅游者消费决策过程分为认识问题、收集信息、评价选择、购买决策和购后感觉与行为等5个阶段［9］（见图1）：（1）认识问题阶段，旅游信息源向旅游消费者传递旅游产品信息，旅游消费者作为信息被动接受者，经过对旅游产品信息的接触、理解与内化后，形成态度；（2）收集信息阶段，旅游消费者作为信息的主动索取者，搜集各种大量的旅游产品信息以降低决策风险；（3）评价选择阶段，依据收集旅游信息，建立产品的评价标准，评价和选择旅游产品；（4）购买决策阶段，旅游消费者获知旅游产品信息，比较可供选择的产品后形成购买意向，在购买意向与购买决策之间，还受到他人态度、意外事件和“知觉风险”的影响；（5）购后感觉与行为阶段，消费者购买行动的结果被大脑记忆、贮存起来并供消费者以后购买参考，或者作为信息发布者反馈给旅游信息源．

图1 旅游者消费决策过程示意Fig．1 Tourist decision—making process

2 客流量与网络关注度关系

在网络社会信息形态下，旅游目的地客流量与网络关注度之间存在相互影响、相互作用的复杂关系．旅游消费者不仅包括依赖网络信息源传播信息的群体，也包括依赖传统信息源传播信息的群体．

在出游前，旅游消费者作为信息的接受者，可以通过互联网体验虚拟旅游、了解他人感性经验、实现旅游信息获取、旅游计划决策和旅游产品预订支付等［10］．这些行为无不预示旅游消费者旅游出游行为，在一定程度上反映网络关注度对旅游目的地客流量的前兆效应．同时，获取旅游目的地相关信息的属性决定旅游意向能否实现，如果旅游消费者获得的网络信息符合或超过心理预期，出游的概率就大．因此，旅游消费者是否出游与网络信息的属性有关，也体现旅游信息流对旅游客流的导引功能．

在出游后，旅游消费者将自己的旅游感受及对旅游目的地的评价，通过自媒体，如博客、Wiki、论坛等反馈给政府、企业、个人等信息传播源，从而被其他消费者搜索并为旅游消费决策提供指导，直接影响旅游消费者网络关注度，间接影响未来客流量．

3 实证分析

3．1 变量选取及数据来源

水立方主要提供比赛、水上游泳健身、嬉水和旅游参观等综合性服务，建立官方网站与水立方新浪官方微博等，作为旅游信息传播的重要网络信息源，为旅游者提供网络交互信息．

选取2010年8月1日—2011年12月31日期间每日进入水立方奥运场馆观光、休闲游客的数量作为研究对象，每日水立方客流量叠加而成的结果见图2（由国家游泳中心提供数据）．

图2 水立方的客流量随时间变化曲线Fig．2 Dynamic curves of Water Cube’s tourist flow

由图2可以看出，水立方日客流量变化曲线呈现周期波动的特征，在2月、“五一”黄金周、暑期和“十一”黄金周时期是水立方旅游的高峰期，在1月、3月、9月和12月是水立方旅游的低谷期，总体上呈现周末客流量增加与工作日客流量减少的波动特征．

考虑水立方经营特点，主要选取“水立方”、“水立方嬉水乐园”、“水立方游泳”、“水立方门票”等作为网络关注度搜索关键词，截取水立方每个搜索关键词所对应网络关注度时空变化曲线，在曲线上获得2010 年8月1日—2011年12月31日每天网络关注度数据；然后把每个搜索关键词所对应的网络关注度数据叠加，得到水立方的网络关注度随时间变化曲线（见图3）．

图3 水立方的网络关注度随时间变化曲线Fig．3 Dynamic curves of Water Cube’s network attention

由图3可以看出，水立方网络关注度变化曲线呈现周期波动的特征，在2月、“五一”黄金周、暑期和“十一”黄金周时期水立方网络关注度出现峰值，与客流量的变化特征一致．网络关注度出现峰值的时间点先于客流量出现峰值的时间点．以2011年2月为例，2月4日水立方网络关注度达到峰值，客流量在2月6日达到峰值，在一定程度上证实旅游目的地网络关注度对客流量存在引导作用和前兆效应．由图2和图3可以看出，水立方客流量与网络关注度存在一定的相关性，但水立方客流量与网络关注度相互作用的动态关系需要验证．

3．2 模型选择与估计

考虑水立方客流量与网络关注度关系，采用非结构化方法建立向量自回归模型（Vector Auto Regres—sion，VAR）．VAR把系统中每一个内生变量作为系统中所有内生变量滞后的函数构造模型，数学表达式为式中：yt为内生变量向量；Xt为外生变量向量；p为滞后级数；T为样本个数；A1～Ap和B为被估计的系数矩阵；εt为扰动向量［11］．

为避免客流量与网络关注度指标变量不平稳而产生“伪回归”现象，利用Eviews软件，采用ADF方法检验各指标变量的平稳性．关注度（GZD）和客流量（RS）的ADF值分别为—3．487 217和—3．774 792，小于5%的临界值，且概率P值小于0．05．关注度、客流量序列在5%的显著性水平下拒绝原假设，即关注度与客流量原序列是平稳的．

采用OSL估计方法，分析水立方客流量与网络关注度指标变量之间关系．不同的滞后期将导致模型估计结果显著不同，选择依据：一种是根据经济理论的要求设定合适的滞后期；另一种是根据AIC或SC值最小准则选择合适的滞后期．由于关注度与客流量滞后期数无理论可循，因此建立多个VAR模型，比较每个VAR模型的AIC值，根据AIC值最小准则确定VAR模型最优滞后期为8期，即8天（见表1）．

表1 滞后期选择结果Table 1 Lag selection

滞后1、7d的客流量对自身的影响参数分别为0．837和0．206，t分别为18．451 1和3．609 1，2个t 在5%的水平上显著，其他客流量滞后期对自身影响不显著，因此前1d及前7d客流量在很大程度上影响当天客流量．滞后1d的网络关注度对客流量的影响参数为3．476，t为5．853 70，在5%的水平上显著，即前1d旅游网络关注度影响当天的客流量，与文献［3—4］研究成果一致，验证网站信息流对旅游人流的增强作用．

滞后7、8d的客流量对网络关注度的影响参数分别为—0．018和—0．012，t分别为—4．496 6和—4．165 1；主要原因是水立方的客源市场外地游客占62%，北京地区的游客占38%，外地游客在北京的逗留时间一般为2～3d，加上行程，外地游客出游的时间在7d左右，信息的传播也随之滞后［12］．滞后7、8 d客流量与网络关注度呈显著负相关．主要原因：（1）由于旅游产品销售的40%靠口碑因素，游客的口口相传成为重要的信息传播渠道，随着客流量的增加，部分替代网络信息渠道，降低网络关注度．（2）根据水立方满意度调查数据显示，近七成的游客对水立方整体服务感到非常满意；近三成的游客认为水立方经营的旅游产品缺乏竞争力，奥运体验产品与体育休闲产品不能满足游客的需求，奥运场馆的吸引力不足．旅游者把不满意的感受通过口碑传播给周围的人，负面口碑的影响远远大于正面口碑的［13］，从而降低旅游消费者对水立方的关注度．

滞后1、7d的网络关注度对自身的影响参数分别为0．728和0．151，t分别为16．950 1和2．834 11，2 个t在5%的水平上显著，其他网络关注度滞后期对自身影响不是很显著．

3．3 Granger因果检验与平稳性检验

为验证水立方客流量与网络关注度是否构成因果关系，利用Granger因果检验分析．Granger因果关系检验对滞后期数非常敏感，为了获得最佳的滞后期数，以AIC和SC值准则为标准，选取滞后8期作为最佳滞后期数．Granger因果关系检验结果见表2．

表2 Granger因果检验结果Table 2 The results of Granger causality test

由表2可知，网络关注度与客流量之间存在双向Granger因果关系，即网络关注度是影响客流量的重要因素，同时客流量也是影响网络关注度的重要因素．经过AR Root Table检验，VAR模型的全部根的倒数小于1，表明VAR模型的结构是稳定的．

不同旅游目的地自身特有属性吸引具有不同社会人口特征（包括年龄、性别、受教育程度、职业、收入和婚姻状况）的消费群体．这些消费群体信息消费偏好、信息观念不同，在旅游信息沟通过程中依赖信息渠道不同，也同样影响客流量与网络关注度之间关联程度．年轻人群和依赖网络信息源传播信息的游客在整个旅游消费群体中的比例大，是水立方客流量与网络关注度两者相互影响的重要前提．

3．4 脉冲响应函数分析

水立方客流量与网络关注度的脉冲响应函数见图4，刻画分别给客流量RS、网络关注度GZD施加1个标准差大小的冲击后，2个变量复杂关系与相互影响的全过程．其中：实线表示脉冲响应函数，代表旅游人数对各相应变量的冲击反应；虚线表示正负2倍标准差偏离带．

图4 脉冲响应函数Fig．4 Impulse response function

由图4可以看出：（1）当在本期给网络关注度一个正冲击后，客流量在前3d显著增长；在第3d到达最高点，然后缓慢下降；在第8d降到最低点，然后又开始平稳增长．这说明网络关注度受到外部条件的某一冲击后，给客流量带来同向的冲击，即网络关注度的正冲击对客流量的增加具有显著的促进作用和较长的持续效应．（2）当在本期给客流量一个正冲击后，客流量在前2期内带来正面影响；从第3期后，对网络关注度产生持续的负面影响，波动幅度越来越小，然后趋于平稳，即客流量的正冲击将降低网络关注度．

3．5 方差分解分析

将VAR模型系统内一个变量的方差分解到各个扰动项．客流量随时间增加，变动方差由自身变动解释的部分逐步下降，由关注度变动解释的部分逐渐增加，即大约40%的客流量变动方差可以由网络关注度变动解释；网络关注度变动方差由自身变动解释的部分逐步下降，由客流量变动解释的部分逐渐增加，即大约15%的网络关注度变动方差可以由客流量变动解释．

4 结论

（1）根据消费者购买决策理论及客流量与网络关注度统计数据，利用非结构方法建立奥运场馆水立方VAR模型，判断客流量与网络关注度之间动态影响关系．

（2）水立方旅游网络关注度与客流量之间存在双向Granger因果关系，旅游网络关注度与现实客流量存在时滞效应．滞后1d的网络关注度对客流量的影响参数为3．476，旅游前1d网络关注度增加，当天客流量也会增加；滞后7、8d的客流量对网络关注度的影响参数分别为—0．018和—0．012，客流量与7、8d后旅游网络关注度呈显著负相关．

（3）年轻人群和依赖网络信息源传播信息的游客在整个旅游消费群体中的比例大，是水立方客流量与网络关注度两者相互影响的重要前提．

（4）与水立方经营定位相同，服务于年轻人群的奥运场馆，可以将网络关注度作为旅游目的地客流量的先行指标，建立旅游目的地客流量预报、预警系统，科学估算旅游环境容量，及早进行管理干预．同时，奥运场馆应适应市场需要，加快旅游产品结构调整，大力发展奥运体验旅游、体育休闲旅游等产品，增强奥运场馆旅游竞争力．

［1］ 路紫，赵亚红，吴士锋，等．旅游网站访问者行为的时间分布及导引分析［J］．地理学报，2007，62（6）：621—630．Lu Zi，Zhao Yahong，Wu Shifeng，et al．The time distribution and guide analysis of visiting behavior of tourism website users［J］．Acta Geographica Sinica，2007，62（6）：621—630．

［2］ 李山，邱荣旭，陈玲．基于百度指数的旅游景区网络空间关注度：时间分布及其前兆效应［J］．地理与地理信息科学，2008，24（6）：102—107．Li Shan，Qiu Rongxu，Chen Ling．Cyberspace attention of tourist attractions based on baidu index：Temporal distribution and precur—sor effect［J］．Geography and Geo—Information Science，2008，24（6）：102—107．

［3］ 马丽君，孙根年，黄芸玛．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—685．Ma Lijun，Sun Gennian，Huang Yunma．A correlative analysis on the relationship between domestic tourists and network attention ［J］．Economic Geography，2011，31（4）：680—685．

［4］ 龙茂兴，孙根年，马丽君，等．区域旅游网络关注度与客流量时空动态比较分析：以四川省为例［J］．地域研究与开发，2011，30（3）：93—97．Long Maoxing，Sun Gennian，Ma Lijun，et al．An analysis on the variation between the degree of consumer attention of travel net—work and tourist flow in regional tourism：A case of Sichuan province［J］．Areal Research and Development，2011，30（3）：93—97．

［5］ 吴士锋，陈兴鹏，路紫，等．网站信息流对旅游人流增强作用研究［J］．现代情报，2009，29，（11）：220—224．Wu Shifeng，Chen Xingpen，Lu Zi，et al．The research of the website information flow strengthens the function to the tourist flow ［J］．Journal of Modern Information，2009，29，（11）：220—224．

［6］ 百度指数［EB／OL］．［2012—06—24］．http：／／baike．baidu．com／view／1235．htm．

［7］ 陈志辉，陈小春．旅游信息学［M］．北京：中国旅游出版社，2003：5—7．Chen Zhihui，Chen Xiaochun．Tourism informatics［M］．Beijing：China Travel ＆Tourism Press，2003：5—7．

DOI 10．3969／j．issn．2095—4107．2013．05．017

F590

A

2095—4107（2013）05—0118—07

2013—07—15；编辑：任志平

北京市教育委员会社科计划面上项目（SM201211417007）

汪秋菊（1972—），女，博士，副教授，主要从事旅游经济方面的研究．

王 静（1975—），女，副教授，主要人事文化旅游、旅游资源与开发和旅游目的地管理方面的研究，lytwangjing＠buu．edu．cn．

［8］ Gitelson R J，Crompton J L．The planning horizons and sources of information used by pleasure vacations［J］．Journal of Travel Re—search，1983，21（3）：2—10．

［9］ Arndt J．Role of product—related conversations in the diffusion of new product［J］．Journal of Marketing Research，1967，4（1）：356—376．

［10］ 庞闻，马耀峰，郑鹏．五种旅游信息传播模式的比较与整合［J］．旅游学刊，2012，27（5）：74—79．Pang Wen，Ma Yaofeng，Zheng Peng．Comparison and integration of five kinds of tourism information dissemination models［J］．Tourism Tribune，2012，27（5）：74—79．

［11］ 高铁梅．计量经济分析方法与建模［M］．北京：清华大学出版社，2008：249—254．Gao Tiemei．Econometric analysis and modeling［M］．Beijing：Tsinghua University Press，2008：249—254．

［12］ 刘宇，王春才．水立方2012年度奥运旅游主题策划报告／／2012年首都旅游产业论坛论文集［C］．北京：旅游教育出版社，2012：245—270．Liu Yu，Wang Chuncai．Planning report of water cube of 2012Olympic tourism theme／／2012tourism industry forum proceeding［C］．Beijing：Tourism Eduction Press，2012：245—270．

［13］ 孙丽．面向游客的旅游信息传播效果研究：以青岛为例［D］．青岛：中国海洋大学，2009：56—59．Sun Li．Research on communicating effects of tourism information facing tourists：The case of Qingdao［D］．Qingdao：Ocean Uni—versity of China，2009：56—59．

［14］ 李昊禹．房地产企业财务预警模糊综合评价方法［J］．大庆石油学院学报，2009，33（5）：111—115．Li Haoyu．Financial early warning of real estate enterprise with fuzzy comprehensive valuation method［J］．Journal of Daqing Petrole—um Institute，2009，33（5）：111—115．