基于灰色预测模型的旅游供给侧分析——以旅游攻略在新浪微博中的微指数为例

姚　会

(西北师范大学 旅游学院，甘肃 兰州 730070)



[旅游业研究]

基于灰色预测模型的旅游供给侧分析

——以旅游攻略在新浪微博中的微指数为例

姚会

(西北师范大学 旅游学院，甘肃 兰州 730070)

在分析中国旅游业在旅游供给改革所面临的问题中，以“供给侧改革”必要性为出发点，运用兼备软硬科学特性的理论分析中国旅游业的供给侧在社交网络平台上所存在的误区；利用旅游攻略在新浪微博中的微指数，根据灰色预测模型，对旅游相关信息的新浪微博指数进行数据处理，从旅游需求侧实证分析供给侧所存在的弊端，以期发现旅游消费者对旅游攻略信息需求的潜在规律，为旅游供给侧改革提供依据。

旅游供给侧；旅游攻略；新浪微博微指数；灰色预测模型

在对接旅游需求多样化的新时代，旅游市场浪潮中的同质化、低水平、粗放式的旅游产品层出不穷，旅游需求开始出现释放的迹象。中国旅游业发展进入新常态，更应该坚持以旅游市场需求为导向，专注旅游供给的质量和效率，推动旅游供给改革也是当下中国发展旅游业的大趋势。

在线旅游的发展到目前可以分为3个时代：第一个时代是在线旅游代理商(OTA)时代，第二个时代是在线垂直搜索时代，第三个时代是在线上旅游攻略时代[1]。随着在线旅游的快速发展，旅游市场逐渐成熟起来，个性化在旅游需求中愈来愈凸显，传统的OTA 已不能再满足旅游消费者的需求。在此机遇下，如何利用微博自媒体平台，分析旅游消费者对旅游信息需求侧，改革旅游信息的供给侧，在线上旅游攻略时代进一步增大旅游景区的曝光度，提高旅游景区的受众关注度，对国家未来各个方面的发展具有重要意义。

购买产品前的信息搜寻是影响消费者决策的重要因素，而旅游消费者又是一个特殊的消费群体。2009年以来，以网络购物、网上支付、旅行预订为代表的旅游电子商务应用持续快速增长[2]，通过在线搜寻旅游信息购买旅游产品已成为一种趋势。互联网发展进入 Web 2.0时代，“跨信息”时代已经到，通过微阅读来获取信息已成为大众的一种生活方式，在线微阅读从一种前卫已经变成一种真正需求，越来越多用户开始摆脱传统“单线灌输式”信息传递方式，开始主动去搜索、甚至开始创作自己感兴趣的内容资讯[3]。

2014年10月新浪微博改版，微博就开始发力垂直领域，通过加强基于兴趣的信息传播，提升用户内容获取效率和阅读体验[4]。新浪微博的“留言―回复―查询―回复―评论”互动模式，这一良好互动性的新媒体为公众提供了探讨话题的空间和平台[5]，为旅游消费者提供了一个快速读取旅游攻略信息、搜索旅游攻略信息的工具、分享旅游攻略信息的平台，这一平台为旅游消费者快速查找旅游攻略提供了绿色通道，旅游消费者根据自身个性化需求，量身为自己定制旅游攻略，同时也为景区的受众关注度创造了提升的空间。自新浪微博改版后，其多媒体形态内容越来越丰富，在微博变得更好看、内容更有吸引力的同时，也让微博的传播效果远超其他社交媒体[6]。据报道，2015年第三季度新浪微博月活跃用户达到2.22亿，同比增长33%，日活跃用户也达到1亿[7]。2014年新浪微博已经开始成为微博的代名词，2015年成为社交媒体的代名词[8]。新浪微博传播效应远超其他社交媒体，依赖用户的每一次点击、评论、转发与收藏，这种互动行为都是对信息的有效传播行为[9]。新浪微博的话题讨论不仅使得现实的不在场以及传播者的不在场成为可能，而且使得现实与传播者同时不在场也成为可能[10]。正是由于新浪微博突破了传统媒介信息单向传播的局限性，使旅游消费者参与进去，不仅自己可以搜索旅游攻略，还可以自己创作、转发旅游攻略。新浪微博的评论、转发、点赞模式，使博主和公众在互动的同时形成了“电子口碑”，在最小的时间使信息传播的范围最广，从而能够使旅游景区的信息获得最大的传播价值。

一、灰色预测方法

(一) 原理

灰色预测是就灰色系统所做的预测，所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统[11]。

自邓聚龙教授提出灰色系统理论以来灰色预测模型已广泛应用于工业、农业、水利、地质、科教、军事等众多领域[12-13]，其中GM(1，1)模型是最基础的也是应用最广泛的模型，它主要是针对单变量系统通过累加生成弱化序列的随机性寻找系统变化规律，并以此为基础建立关于时间的预测模型[14]。一般地说，旅游业的供应系统、旅游目的地的客流系统、旅游目的地的生态系统等都是灰色系统，例如，影响旅游攻略的新浪微博指数的因素很多，但能确定的因素却不多，因此可以用灰色预测方法对旅游攻略的新浪微博指数这一灰色系统进行预测。

灰色系统理论认为，在灰色过程中所显示出来的现象虽然是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测[15]。灰色系统理论的主要内容包括以灰色代数系统、灰色方程、灰色矩阵为基础的理论体系，以灰色序列生成为基础的方法体系，以灰色关联空间为依托的分析体系，以灰色模型(GM) 为核心的模型体系，以系统分析、评估、建模、预测、决策、控制为主体的技术体系[16]。

灰色系统预测是通过对原始数据的处理和灰色模型的建立，发现、掌握发展规律，对系统的未来状态做出科学的定量预测，分为数列预测、区间预测、灾变预测、波形预测、系统预测等几种。目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的 GM(1，1)模型.GM (1，1)模型是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来解决[17]。

(二) GM(1，1)模型的建立[18-21]：

对此序列建立一阶微分方程

(1)

(2)

其中，

(3)

(4)

(三) 模型的检验[22]

根据模型精度判别式(傅立，1992)：模型精度等级=max{P所在的级别，C所在的级别}(见表1)。

表1　模型精度等级

或采用M(0)(k)<0.2时，认为模型残差检验合格。

二、旅游攻略在新浪微博中的微指数预测

(一) 模型的建立

在旅游日渐成为大众日常生活的一种选择的同时，旅游者的消费心理也逐渐更加成熟，旅游消费者的行为更为理智。为了更好地体验旅游，能够真真正正地享受旅游，现阶段大多旅游消费者通常选择节假日后出游，成功地避开了节假日的旅游高峰。旅游消费者的错峰出游不仅避开了人潮，而且也避开了旅游产品的价格高峰，其原因是节假日后的旅游产品价格相对要低很多。对旅游消费者来说通过打“时间差”而获得了性价比颇高的旅游产品是一种精明的决策，使得节假日后的旅游市场仍会保温，出游的热潮会持续相对较长的一段时间。随着旅游消费者的心理变化，春节后的旅游需求也发生了很大的变化，并且旅游消费者春节后出游的欲望也更为迫切，为了提高预测春节后旅游需求的科学性、准确性，本文选取了2016年2月26日至2016年3月1日期间的“旅游攻略”在新浪微博中的微指数进行研究，表2是2016年2月26日至2016年3月1日期间的“旅游攻略”在新浪微博中的微指数。

表2　2016.2.26-2016.3.1期间的“旅游攻略”

数据来源：新浪微博微指数V1.0热词趋势。

原始序列x(0)(k)=(6 179，7 216，7 722，7 926，9 730)；

累加序列x(1)=(6 179，13 395，21 117，29 043，38 773)；

带入(1)式得：

(二)模型检验：

通过模型检验，得出的结果如表3，后验差C=0.275 2，根据模型精度等级可知，该模型精度等级为1级(好)，可用于预测。

表3　“旅游攻略”在新浪微博中的微指数预测误差检验表

数据来源：作者计算。

(三)“旅游攻略”微博指数预测

根据计算出的模型，对“旅游攻略”2016年3月2日-2016年3月6日期间进行了新浪微博指数预测，结果如表4。

表4　2016.3.2-2016.3.6“旅游战略”新浪微博指数预测表

数据来源：作者计算。

据表4可知，灰色预测模型预测出新浪微博用户对相关“旅游攻略”旅游信息需求的指数持续增加，说明旅游供给侧虽然不能制造旅游需求，却能塑造旅游需求，甚至创造旅游需求，新浪微博作为旅游信息的供给侧，是不同于门户网站的社交媒体，始终走在媒体最前沿，为客户提供最新的旅游动态，获得了大量用户的关注[23]。新浪微博是旅游信息供给侧新陈代谢所更新的结果，社交媒体推动着旅游供给侧的改革。春节后的预测指数和实际指数存在差距，说明在春节后旅游信息供给侧出现了问题，仅仅只是在旅游产品的价格上做调整，忽略了春节后旅游消费者的需求，没有根据预测指数做出相应的调整，去引导用户去积极主动地选择去搜索旅游产品。社交媒体用户的注意力也变得越来越个性化、细分化，社交媒介中用户的注意力更容易被个性化的信息吸引，具有个性和与众不同的事物最容易成为用户的话题中心，才会被用户使用和传播[24]。旅游信息供给侧在应对春节后的旅游消费升级的需求，不仅要考虑创新和时机，并且要针对在特定时代的特定心理需求提供有效的供给。春节后出游的余热必然会持续，旅游信息供给侧在降低旅游产品价格同时，也要适当地提供相关有效、高质量的旅游信息，为旅游消费者减少花费的同时也节约了时间，提供的是一种便利性，极大程度上提高了旅游体验，更多地刺激了旅游的发展。

三、结语

《国民经济和社会发展第十三个五年规划纲要(草案)》提出，推进供给侧结构性改革的要求。旅游业作为朝阳产业，在旅游业发展的黄金时代应专注前沿旅游市场热点，为旅游消费者提供最需要的旅游公共产品，应充分应用新浪微博的社交属性与媒体属性，聚集用户的兴趣，凭借用户对信息的较高依赖度，收集用户搜索旅游相关信息在新浪微博中的微指数，通过灰色预测模型预测下一阶段的旅游需求，根据用户有效的旅游需求，适时举办用户最关注的旅游相关话题讨论活动，通过官方微博发布或名人转发，引发普通网友的讨论，针对原创或转发旅游相关信息微博的不同地区的用户设置不同的奖品；随着手机流量费用降低，月余流量可以累积到下个月的政策出台，可以举办旅游相关的秒拍视频、照片墙比赛活动，对创作性的微博秒拍视频设置奖品。通过高精准度和高质量的社交宣传，不但不会引起用户的反感，反而可使用户对旅游相关的搜索兴趣大幅提升[24]159，同时也扩大了“旅游攻略”中提到的景区受众关注度。在第一轮的发布、转发旅游相关微博后，官方微博可以将普通用户微博的内容整合，再次发布，并通过@相关用户的方式解答用户对旅游信息存在的困惑或发布普通用户高质量的微博、微博秒拍视频、唯美照片，和用户互动的同时促进“旅游攻略”的二次曝光，带动旅游目的地信息裂变式的传播和网状扩散，进一步增大旅游目的地的传播效应。此外，还可以捆绑热点事件，实现联合传播，进一步增大旅游相关信息在新浪微博上的曝光量，借势提升旅游目的地的受众关注度。

实践证明，新浪微博在旅游信息传播中发挥着越来越重要的作用，要想增大旅游目的地的受众关注度，必须转变新媒体思维，有效开发利用新浪微博的潜在价值，通过收集旅游相关信息的微指数，应用灰色预测模型进行预测分析下阶段的旅游有效需求，从而减少无效旅游供给，扩大有效旅游供给，进而实现旅游目的地传播效益的最大化。

[1]Zhang Y. Travel raiders or will change the online market：An interview with Mafengwo CEO Chen Gang[N]. Chinese Tourism News，2013-03-27(13)：1-2.[张宇.旅游攻略或将改变在线市场：访蚂蜂窝首席执行官陈罡[N].中国旅游报，2013-03-27(13)：1-2]

[2]China Internet Network Information Center (CNNIC) .The twenty-ninth Chinese internet development statistics report[Z].2012-01-16.[中国互联网络信息中心(CNNIC).第29次中国互联网络发展状况统计报告[Z].2012-01-16]

[3]Cui WH， Zhu S， Sun J， et al. The media fission and fusion of Sina's digital marketing success[J]. Vmarketing，2013(12)：39-49.[崔文花，朱珊，孙珺，等.媒介裂变与融合：新浪的数字营销进化[J]. 成功营销，2013(12)：39-49]

[4]Sha S. Sina micro-blog depth in hand with O2O， and this time keep the view in the freedom to go abroad [EB/OL].2015-09-01.[沙水.新浪微博深度牵手O2O 这次看上了出国自由行[EB/OL].2015-09-01.http：//shashui.baijia.baidu.com/article/153830]

[5]Xu WW.The application of new media on the tourism destination marketing [J]. Chinese Economy and Trade，2015(14)：42-43.[徐薇薇.新媒体在旅游目的地营销中的应用研究[J].中国经贸导刊，2015(14)：42-43]

[6]Yi BC. Is micro-blog not ok? Let’s look at the five data and you will understand! [EB/OL].(2015-11-20). http：//yibeichen.baijia.baidu.com/article/238623. [易北辰.微博不行?看五个数据你就明白了![EB/OL].(2015-11-20). http：//yibeichen.baijia.baidu.com/article/238623.]

[7]The daily numbers of active users on micro-blog have broken up to one billion[EB/OL]. (2015-11-20).The information morning news.[微博日活跃用户数量破亿[EB/OL].信息晨报，2015-11-20. http：//news.ifeng.com/a/20151120/46315868_0.shtml.]

[8]The development trend of social networking in 2015， still with the lead of WeChat's [EB/OL]. Yingsheng Network.2015-04-28.[2015社交网络发展趋势，还是微博微信占主导[EB/OL].英盛网.2015-04-28. http：//www.yingsheng.com/pxjg-it/73967.html.]

[9]Wang JZ.The word media generation and transmission mechanism research [D]. Beijing ：Beijing Institute of Graphic Communication，2014：35-36.[王金珠.词媒体生成与传播机制研究[D].北京：北京印刷学院，2014：35-36]

[10]Jensen KB.Media convergence： The three dimensions of network communication， mass communication and interpersonal communication [M]. Liu J，trans.Shanghai： Fudan University Press， 2012：7-8.[克劳斯·布鲁恩·延森.媒介融合：网络传播、大众传播和人际传播的三重维度[M]. 刘君，译.上海：复旦大学出版社，2012：7-8]

[11]Li N， Zhan P， Dong J， et al.The scenic spot’s short-term traffic flow forecasting in Huashan based on the grey prediction model[J]. Ground Water，2014，36 (4)， 213-215.[李楠，詹培，董洁，等.基于灰色预测模型的华山风景区短期客流量预测[J]. 地下水，2014，36(4)：213-215]

[12]Deng JL.Introduction of grey system[J] The Journal of Grey System，1989，1(1)：1-24

[13]Liu SF， Dang YG， Fang ZG，et al. The theory and application of grey system(The Fifth Edition) [M]. Beijing：Science Press，2010：176-179.[刘思峰，党耀国，方志耕，等.灰色系统理论及其应用(第五版)[M].北京：科学出版社，2010：176-179]

[14]Yang BH， Zhao JS.Fractional order discrete grey GM (1，1) power model and its application [J]. Control and Decision.2015，30 (7)：1264-1268.[杨保华，赵金帅.分数阶离散灰色GM(1，1)幂模型及其应用[J].控制与决策.2015，30(7)：1264-1268]

[15]Ji JJ. The influence of model error on the digital coordinate conversion [J]. Western China Exploration Engineering，2011 (8)： 115-119，121.[季晶晶.数字化坐标转换中模型误差的影响[J].西部探矿工程.2011(8)：115-119，121]

[16]Hu J，Hu WS.Research on application of the omnibus model to plane coordinate transformation[J].Engineering of Surveying and Mapping，2010，19(3)：14-16.[胡杰，胡伍生.基于混合模型的平面坐标转换方法研究[J].测绘工程，2010，19(3)：14-16]

[17]Wang BS， Wu JJ，Luo JY. Research in transfomation model and accuracy of geodetic coordinates [J]. Journal of Henan Polytechnic University，2006，25 (2) ：111-115.[王宝山，武继军，罗建元.大地坐标转换模型与精度研究[J].河南理工大学学报，2006，25(2)：111-115]

[18]Zhuo JW，Wei YS， Qin J，et al. The application of Matlab in mathematical modeling [M]. Beijing： Beihang University Press， 2011：32-35.[卓金武，魏永生，秦健，等.Matlab在数学建模中的应用[M].北京：北京航空航天大学出版社，2011：32-35]

[19]Hao YH， Huang DY， Zhang WZ， et al. Gray prediction model for forecasting spring discharge[J]. Journal of Hydraulic Engineering，2004，35 (2)： 111-114.[郝永红，黄登宇，张文忠，等.山西神头泉流量的灰色预测模型研究[J].水利学报，2004，35(2)：111-114]

[20]Wang XM，Zhang JZ，Wang R. Gray system analysis and its practical calculation program [M]. Wuhan： Huazhong Science and Technology University Press，2001：45-50.[王学蒙，张继忠，王荣.灰色系统分析及实用计算程序[M].武汉： 华中科技大学出版社，2001：45-50]

[21]Deng JL. Grey theory [M]. Wuhan： Huazhong Science and Technology University Press，2002：361-369.[邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002：361-369]

[22]Huang SX， Yin H， Jiang Z. The data process of deformation monitoring(The Second Edition)[M]. Wuhan：Wuhan University Press ，2014：129-131.[黄声享，尹晖，蒋征.变形监测数据处理(第二版)[M]. 武汉：武汉大学出版社，2014：129-131]

[23]Xu GT. Micro-blog's decline is an illusion， the data shows that micro-blog's active users have grown to 2.1 billion [EB/OL]. Speed transit network.2015-08-19.[许光涛.微博衰落是假象!数据显示新浪微博活跃用户增长到2.1亿[EB/OL].速途网.2015-08-19. http：//www.sootoo.com/content/654707.shtml]

[24]Wang F， He LT. Changes of the attention model in communication era ：Taking virtual community “babytree” as an example. [J]. Journal of International Communication，2014，36(11)：157-171.[王菲，贺璐婷.沟通力时代注意力模式的变化：以虚拟社区“宝宝树”为例[J]. 国际新闻界，2014，36(11)：157-171]

[责任编辑：陆宝福]

Tourism Supply Side Analysis Based on Grey Prediction Model——A Case Study on the Micro Index of Tourism Strategy in Sina Micro Blog

YAO Hui

(Tourism College of Northwest Normal University，Lanzhou 730070 ，China)

In the analysis of the problem of the tourism supply reform in China’s tourism industry,using the necessity of “supply side reform” as the starting point,the paper analysed the errors of the supply side of China’s tourism industry in the social network platform by both hard and soft scientific theory.According to the Sina Weibo micro index and the gray prediction model,the paper processed the index and analysed the defects from the side of tourism demand.The purpose is to find the potential rules of tourism consumers’ needs of tourism information and provide the basis for the tourism supply side reform.

tourism supply side； tourism strategy； Sina Weibo micro index；gray prediction model

2016-05-03

姚会(1990-)，女，河南人，西北师范大学旅游学院硕士研究生，研究方向：民族旅游与文化遗产研究。

F590.8

A

1674-3784(2016)04-0079-05

[引用格式]Yao H. Tourism supply side analysis based on grey prediction model： A case study on the micro index of tourism strategy in Sina micro blog [J].Tourism Forum，2016，9(4)：79-83.[姚会. 基于灰色预测模型的旅游供给侧分析：以旅游攻略在新浪微博中的微指数为例[J].旅游论坛，2016，9(4)：79-83.]