对旅游类官方认证微博信息分类的质性研究

郝飞++李洪波

作者简介：郝飞（1987-），女，山东济宁人，华侨大学旅游学院人文地理专业2012级硕士研究生，研究方向：出境旅游与文化旅游。李洪波（1961-），男，安徽宣城人，华侨大学旅游学院教授，研究方向：生态旅游与休闲学。

【摘要】以新浪微博作为信息收集平台，采用内容分析法对收集到的1427条旅游类官方微博文本信息进行质性分析，运用ROSTCM软件进行数据处理。研究发现，文本信息包含“旅游地营销”、“旅游地介绍”、“旅游资源介绍”、“旅游信息分享”、“旅游项目介绍”、“旅游消费推荐”、“旅游体验”、“出行提示”8个维度；高频词汇网络交叉关系可聚合为以“旅游”为桥梁4个关系圈，包含“山东”“景区”“旅游城”“旅游局”4个中心词汇；在信息分类分析的基础上提出了对旅游类官方认证微博的发展建议。

【关键词】微博；旅游；高频词；网络交叉关系；内容分析法；ROSTCM

doi：10.3969/j.issn.1007-0087.2014.03.007

一、引言

微博（Micro Blog）作为网络日志的一种，是基于用户关系以实现信息获取、传播及分享的新兴社交媒体[1]，相较传统自媒体，微博具有“门槛低、覆盖面广、即时性强、传播速度快”[2]，“内容故事性强”[3]，“受主体个性及观点影响大”[4]等特点，自诞生之日起便经历了迅猛发展，现已成为实现网络分享互动、承载网络舆论最为重要的平台之一。微博的出现给旅游产业带来了巨大的影响，微博为旅游运营商与旅游者提供了多对多的，不同步的网文交换与沟通互动平台[5]，从而带动人际传播[6]。国外学者研究发现以微博为代表的社交媒体对旅游业起到了巨大的推动作用[7]，特别是在旅游信息搜集、旅游决策制定[8]、旅游消费刺激[9-10]、旅游产品推广[11-12]、客户沟通、旅游经验分享等方面扮演着重要的角色：一方面，社交媒体会实现有效的信息互换，降低信息的不确定性，另一方面，提升游客对现实旅游目的地的归属感[13-14]，提升旅游者的信任度、消除刻板印象[15]，进而影响旅游决策、提高重游率。此外，从旅游信息发布者的影响力来看，其旅游经验丰富与否[16]、信息来源的权威性[17]、社会关系网络的健全性[18]是最主要的影响因素。

微博在中国经历了迅猛的发展，截至2013年12月，中国互联网络信息中心（CNNIC）《第33次中国互联网络发展状况统计报告》显示中国微博用户突破5亿。微博的流行，为中国传统旅游业带来了巨大的发展机遇的同时，也带来了挑战。国内学者针对这一课题进行了诸多卓有成效的研究，金准和李为人指出微博对中国旅游产业带来的影响：一方面改变了产业的影响力模式、产业需求，另一方面影响旅游产业生态、重塑产业结构[19]；桂颖研究发现旅游类微博信息供给主要包含：目的地吸引物、公共信息、设施、网络营销[20]；刘洁提出旅游类微博粉丝的信息需求包含利益需求、服务需求、娱乐需求、认知需求和体验需求[21]；在旅游业微博营销方面，陆诤岚等进行了全国范围内的旅游企业微博营销现状分析[22]，彭敏和杨效忠提出了关注用户的反馈和兴趣偏好、旅游目的地营销相结合、重视意见领袖的作用、打造旅游类微博集群化平台、加强旅游信息的细分化传播的营销策略[23]；程萍和严艳利用文本分析法，结合传播学的“使用与满足”论，探究旅游类微博对受众使用决策的影响[24]。然而，研究多拘泥于研究者个人经验，缺乏实证研究及一手数据收集；研究视角多集中于现状调查、运作、营销等应用层面，理论建设有限；研究技术及方法局限性大，鲜见创新。

本文章以中国用户量最大的新浪微博为信息收集平台，运用内容分析法对官方认证旅游类微博进行质性研究，利用ROSTCM软件进行数据处理，分析了旅游类官方认证微博所涉信息特征，总结了高频词之间的交叉关系，在信息分类分析的基础上提出了对旅游类官方认证微博的发展建议。

二、研究方法及数据收集

（一）研究方法

文章以内容分析法为主要研究方法，内容分析法最早产生于传播学领域，是一种半定量研究方法，其基本做法是，把文字等非量化的有交流价值的信息转化为定量的数据，建立有意义的类目分解交流信息，分析信息特征。该方法主要应用模式有特征分析、趋势分析、比较分析三种。

（二）数据来源

文章研究样本来自新浪官方实名认证的旅游类政府微博。选取分别为“中国旅游”、“浙江省旅游局”、“山东省旅游局”、“英国旅游局”、“新加坡旅游局”、“澳大利亚旅游局”作为研究样本。同时考虑到数据的可靠、平衡、全方位、说服力，选取了国内、国外各三个旅游局官方微博，各自粉丝数达到5万人以上，分别居新浪微博官方应用“风云榜”所统计评选的风云政府影响力榜（旅游类）前十名，详见表1。样本所涉时间段为2013年11月1日至2013年12月1日，共计1427条微博，样本总长度为148，856字。

（三）数据处理技术

文章以ROSTCM进行数据处理，Content Mining System由武汉大学信息管理学院、计算机学院沈阳教授博导设计编码，是基于内容挖掘的人文社会科学数字化研究平台。能够对数字化人文资料进行组织、标引、检索和利用，以保证人文研究的海量性、智能性和客观性，并可通过定量分析和定性分析的结合，从中归纳出具有说服力的普遍性结论。

三、数据处理

（一）高频词提取

首先本文对选取的1427条微博进行编辑，删减与旅游无关的打折、团购、促销、网页链接等信息或专指度很低的关键词和词频，之后将编辑后的每个微博文本分类合并为“国内旅游局微博”和“国外旅游局微博”，借助词频分析软件ROSTCM中的内容挖掘软件，提取高频词。第一，通过软件导入待分析的文本文档，从“功能性分析”项中选中“分词”功能，进行自动分词，并查看分词结果；第二，从“功能性分析”项中选择“词频分析（中文）”功能对刚才分词后的TXT文本进行高频词提取，并在相应的窗口输入分词后待统计的词频文件；第三，生成词汇频率表，由于文本所含字数过大，因此人为排除了词频出现在4次以下的词汇，排除后共提取了602个词频在4次以上的词汇；第四，按照词汇出现的频率由高到底选取与研究主题有关的词汇，并导入Excle表格，最后按照设定条件手动筛选和排除后的高频词为380个，其中前20个如表2所列；第五，根据每个高频词的信息特征，从高到底依次对各个词汇进行信息编码，通过编码归纳出旅游类微博所涉信息的维度。第六，通过ROSTCM的Netdraw功能构建高频词的关系矩阵并将其可视化，分析各词汇之间的关系及成因。endprint

（二）维度提取

使用内容分析法对高频词汇进行分析可以概括得到8条信息维度，分别为旅游地营销、旅游地介绍、旅游信息分享、旅游体验、旅游消费推荐、旅游项目介绍、出行提示，如表3。

（三）高频词编码

通过以上总结的8个维度，对所选文本高频词进行了逐条编码分析，结果如下，可见表4。

（四）高频词网络交叉关系

通过对微博信息内容的解析，得出了旅游类微博所涉信息的特点，在研究信息特点的同时，本文发现了部分高频词之间形成了共现矩阵词表，为了更深入的了解不同信息之间的关系，扩展信息特征内容，使研究更清晰深入，本文尝试使用ROST ContentMining提取文本内容，运用软件交叉关系功能形成两者之间的相互关系文件。经过初步分析，形成了108对关系对，但部分关系对相关程度不高，仅为独立的单个关系对，并未形成关系网络。因此，在该文件基础上抽取关系频度最高的35个关系对，利用Netdraw功能构建关系矩阵并将其可视化（如图1）。

四、数据分析

（一）旅游类微博信息特征分析

从高频词及其归类的统计结果可以看出旅游类微博所涉信息具有如下特点：

1.旅游类官方认证微博所包含的信息涉及范围广、程度深。微博涉及信息范围广，不仅包含了吃、住、行、游、购各个方面的信息，“旅游信息分享”、“旅游消费推荐”还为出行提供了周到、实时、详细、体贴的建议与经验。微博所包含信息程度深，例如“旅游资源介绍”、“旅游地介绍”、“旅游项目推荐”等，都对旅游地或者是旅游资源进行详细的、深入的介绍，山水风景、风土人情、节日风俗，而且时效性较强，给访客和粉丝提供了内涵丰富的信息，有利于激发出行欲望。

2.官方认证旅游类微博信息互动性强。例如“旅游营销”维度内容开启了微博形式的旅游地营销新型互动方式，能让粉丝和访客积极参与，亲身体验，同时奖品较为丰厚，不仅扩大了旅游地的知名度，同时拉近了粉丝与旅游类微博机构的距离。

3.官方认证旅游类微博所含信息及时、快捷。例如“出行提示”、“旅游信息分享”、“旅游消费推荐”等维度内容对旅游地的交通状况，旅游政策法规的出台，旅游项目打折、促销信息进行实时发布。对短期旅游、周末度假等提供了较大的信息量，有积极的促进作用。

（二）高频词汇网络交叉关系分析

旅游类微博高频词存在明显聚类现象，“旅游”作为高频词中的中心词起到了信息桥梁的作用，若干个节点承担着沟通四大相对独立区域信息的重任，一旦这些节点被去除，整个转载网络将分裂成众多个相互封闭的子网络，此外，这些节点与“粉丝”需求契合度高、信息含量丰富，作为四大圈的中心词。依据信息聚合程度可将微博高频词分为四大区域：以国内山东省旅游局微博为主的圈，中心词为“山东省”（群1）；以旅游地、旅游景点、旅游地营销为主的圈，中心词为“景区”（群2）；以中国国家旅游局为主的圈，中心词为“旅游城”（群3）；以国外三大旅游类微博为主的圈，中心词为“旅游局”（群4）。由此可以得出如下结论：

1.微博标准化集群营销初见规模。以山东省为例，围绕“山东省旅游局”形成了包含“济南、青岛、烟台、临沂”等旅游目的地，“泰山”等核心景点，以及“好客”为旅游形象的，具有集群效应的微博圈，各个微博主体之间关联度高，微博信息发布与维护即时，塑造了统一的旅游品牌及旅游形象，具有高度标准化的微博集群营销初见规模。

2.注重感官刺激。微博用户对于图文信息具有“功利性、碎片化、高集成性、刺激性”等特征，旅游供应商抓住这一特点，对传统旅游资源巧加利用，以原创的、高品质的图文并茂的方式实时呈现旅游地风光，并处理成为可以长期储存利用的“电脑桌面、手机桌面”等形式进行持续视觉刺激。此外，随着“舌尖上的中国”系列纪录片掀起的味觉浪潮，不少旅游供应商搭上顺风车，以美食作为重要旅游吸引物，对潜在旅游者进行味觉刺激。以感官刺激吸引粉丝眼球，浓缩信息量。

3.旅游资源深度开发，旅游产业转型。在实时的感官刺激同时，旅游供应商也对旅游地的历史文化特色进行深度挖掘，更为全面的发布旅游地相关信息，对旅游资源进行深入开发，提升旅游地形象及文化内涵。与此同时，旅游产业由传统以观光为主的大众旅游业向休闲产业过度，对休闲观念、休闲生活方式以及旅游地休闲项目的推广也成为旅游类微博的重点内容，对于“漫游、wifi”等现代旅游服务的不断提升，传统旅游产业向现代高科技、人性化的服务业转型。

4.与国外三大旅游类微博相比，国内旅游类微博更关注旅游资源、旅游项目的介绍与分享，并且谈论旅游体验的较多，而国外三大旅游类微博所涉及的信息范围较大，分类不够细致，大多为旅游地的官方介绍，在这一点上，国外旅游类微博应客服语言障碍，与国内“粉丝”进行更多形式活跃的、更为亲密的沟通，增强用户粘性，改善旅游地形象。

五、结论与建议

本文对收集得到的1427条旅游类微博进行了分类、编码、分析、解码的工作，通过ROSTCM软件进行分析，第一、总结出了文本信息的8条维度，分别为“旅游地营销”、“旅游地介绍”、“旅游资源介绍”、“旅游信息分享”、“旅游项目介绍”、“旅游消费推荐”、“旅游体验”、“出行提示”，并且通过对维度的分析结合文献的研究，得出了旅游类微博具有信息涉及范围广、程度深、新颖、及时、快捷的特性之结论；第二、通过对高频词交叉关系的分析，发现了高频词的4大关系圈，并尝试分析了形成这四大关系圈的原因，同时发现高频中心词起到了连接4大关系信息桥的作用。

通过上述总结，本文针对旅游类微博有如下建议：

1.合理控制微博质量，细化信息分类，突出旅游宣传服务主题。尽管旅游地的微博营销是增强旅游产品知名度、增加游客量的行之有效的方法之一，但是营销方法不得当，会得到适得其反的效果，旅游类官方认证微博上充斥着大量的团购、促销、特价门票的信息，每天大量重复信息刷屏，会让访客及粉丝感到烦躁、厌恶，认为此类微博仅是广告类微博而不去或者取消关注。细化信息分类，提高信息针对性与实用性。旅游类微博的内容应尽可能的和旅游相关，少转发与旅游不相关的内容，对访客及粉丝起到一个正确的引导作用。endprint

2.旅游类微博内容应真实、准确、无误。网络中充斥着大量的虚假或未经证实的信息，同时旅游类微博的影响范围大，特别是政府类旅游类微博，他们对游客有着一定的引导作用，因此在处理一些未经证实的消息时，尽可能的等到验证了事情的真实性后再发出或转发，而不要一味的追求信息的即时、流行而忽视了信息的准确性。

3.实施微博标准化集群营销。建立高度关联的、主题与形象统一的微博集群，并进行统一的信息维护与管理，进行集群化营销，实现标准化的旅游形象宣传与推广，提升旅游形象，增加关注度。

4.增强微博互动性，提高用户粘性。专职人员与微博“粉丝”开展实时互动，增加用户投票、抽奖、微博意见箱等项目增强与用户的互动，提供便民服务，增添亲和感，提高用户粘性与忠诚度。

由于时间精力有限，本文只收集了跨度一个月的微博信息量，并且仅对6大政府类旅游类微博进行了信息的收集，存在着一定的局限性，笔者在之后的研究中将会更广泛的收集信息数据，利用MATLAB软件进行面板数据分析，分析数据时间与空间衍变特征。

参考文献

[1] Danah B ，Scott G， Gilad L .Tweet ，Tweet，Retweet：Conversational Aspects of Retweeting on Twitter[A].2010 43rd Hawaii International Conference on System Sciences[C]，Hicss，2010：1-10.

[2] Wen P . Analyses the Microblogging Marketing[J]. Discovering Value， 2010（6）：13-14.[彭文.浅析微博营销[J].中国电子商务，2010（6）：13-14.

[3] Litvin S W， Goldsmith R E， & Pan B. Electronic word-of mouth in hospitality and tourism management. Tourism Management， 2008， 29（3）：458-468.

[4] Sigala M. The impact of geocollaborative portals on group decision making for trip planning. European Journal of Information Systems， 2012， 21（4）：404-426.

[5] Chen Y C， Shang R A ， Li M J. The effects of perceived relevance of travel blogscontent on the behavioral intention to visit a tourism destination Computers in Human Behavior， Volume 30， January 2014， Pages 787-799.

[6] Shravan G ， Romit R C， Micro-Blog： map-casting from mobile phone tovirtual sensor maps. [A].Conference on Enbedded Networked Sensor System， Proceedings of the 5thinternational conference on Embedded networked sensor systems[C]. 2007. Page（s）： 401-402.

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

[8] Fotis J. Discussion of the impacts of social media in leisure tourism： “The impact of social media on consumer behaviour： Focus on leisure travel”. Available online. http：//johnfotis.blogspot.com.au/p/projects.html， 2012.

[9] Gretzel U ， Yoo K. Use and impact of online travel reviews. In P. O'Connor， W. Hopken， & U. Gretzel （Eds.）， Information and communication technologies in tourism. 2008：35-46.

[10] Hudson S， Thal K. The impact of social media on the consumer decision process： Implications for tourism marketing. Journal of Travel & Tourism Marketing， 2013， 30（1/2）， 156-160.

[11] So Me Tourism. Social media tourism symposium Facebook page. Available online. http：//www.facebook.com/SoMeTourism， 2011.endprint

[12] Think Social Media. How social is your DMO？-US Tourism Office Edition， Q4 2012 Edition. Available online， 2012.

http：//thinksocialmedia.com/2012/12/how-social-is-your-dmo-us-tourism-office-edition-q4-2012-edition/

[13] Gretzel U， Fesenmaier D， O'Leary J. The transformation of consumer behaviour. Tourism Business Frontiers： Consumers， Products and Industry， 2006：9-18.

[14] Wang Y， Yu Q， Fesenmaier D R. Defining the virtual tourism community： Implications for tourism marketing. Tourism Management， 2002， 23（4）， 407-417.

[15] López E P， Gidumal J B， Ta?o D G， Armas R D. Intentions to use social media in organizing and taking vacation trips. Computers in Human Behavior， 2011， 27（2）， 640–654.

[16] Yoo K H， Lee Y J， Gretzel U， Fesenmaier D R. Trust in travel-related consumer generated media. In W H?pken， U Gretzel， R Law （Eds.）， Information and communication technologies in tourism 2009： 49–60.

[17] Vasiliki V， Kostas Z. Locating central travelers' groups in travel blogs' social networks. Journal of Enterprise Information Management， 2010， 23（5）， 595–609.

[18] Yoo K H ， Gretzel U， Zach F. Travel opinion leaders and seekers. Paper presented at the international conference on information and communication technologies in tourism， Jan 26–28， 2011， Innsbruck， Austria.

[19] 金准，李为人.微博热潮下的中国旅游业——新传播、新需求、新产业.中国社会科学院研究生学报， 2012（6）：68-71.

[20] 桂颖.基于微博的旅游网络信息供给研究.旅游纵览， 2013（2）：15-16.

[21] 刘洁.旅游酒店微博粉丝的需求特征及其应对策略.企业活力， 2012（5）：21-24.

[22] 陆诤岚，范昕俏，贝宇倩.旅游企业微博营销现状分析.旅游研究， 2013， 5（3）：52-58.

[23] 彭敏，杨效忠.微博在旅游网络营销和管理的应用初探.旅游论坛， 2012， 5（4）：86-90.

[24] 程萍，严艳.旅游微博新媒介对旅游者的吸引力研究——基于对艺龙旅行网新浪微博的网络文本分析.旅游论坛， 2012， 5（3）：22-26.

Abstract： The paper select Sina Micro Blog as the information collection platform. The content analysis approach is applied for quantities analysis， and the ROSTCM software is adopted for data processing. The results show that， the text messages can be deconstructed into 8 dimensions： “Tourism destination marketing”， “Tourism destination introduction”， “Tourism resorts introduction”， “Tourism information sharing”， “Tourism items introduction”， “Tourism consumption recommend”， “Tourism experience”， “Tourism tips”. Meanwhile， the high-frequency words network intersect relationship can be polymerized into 4 relationship circles which connected by the word “tourism”. Based on the information classification， some suggestions for the development of official certified tourism Micro Blog are offered.

Keywords： Micro Blog； Tourism； High-frequency Words； Network Intersect Relationship； ROSTCMendprint