旅游目的地网络关注热度矩阵与影响因素研究——以黄山风景区为例

李经龙， 代传苗

(安徽大学 商学院，合肥 230601)

一、引 言

进入网络化时代，旅游者主要利用网络对旅游目的地信息进行搜集。据第42次《中国互联网络发展状况统计报告》显示，我国网民人数已突破8亿，互联网普及率为57.7%[1]。在做出旅游决策之前，旅游者会进行旅游信息的搜集和对旅游目的地相关信息进行了解，互联网成为旅游者了解信息的主要手段[2-3]。旅游者利用搜索引擎搜寻包括景点、交通、天气、住宿等在内的旅游消费决策过程各阶段的相关信息，并最终进行旅游决策，完成旅游活动[4-5]。

目前旅游领域运用网络搜索数据的研究成果相对比较少，研究内容主要有三个方面：一是网络搜索数据信息的导引作用[6-8]和前兆效应[9-10]；二是借助地理学分析区域[11]、城市[12-14]、景区[15-18]网络关注度的时空分布特征及其影响因素[12，15，19，20]；三是研究网络搜索数据与旅游客流量相关性分析以及网络搜索数据在旅游领域预测功能[21-26]。国内主要运用描述性统计与相关性分析等研究方法对旅游领域的网络关注度进行研究，选取的时间段基本在一年内，包括月度、季度、年度分布特征，研究的案例地大多是国内知名城市(北京、厦门等)以及旅游知名景区(西湖、平遥古城等)。

当前中国经济已经过渡到高质量发展阶段，旅游业发展也急需提质增效。黄山风景区是我国旅游业发展的名片之一，是世界自然和文化双遗产，因此对黄山风景区的研究很有必要。本文以黄山风景区作为研究对象，拟引入波士顿矩阵法分析2014-2017年我国31个省份对黄山风景区旅游网络关注热度的时空特征分异，同时运用相关性分析法对旅游网络关注热度出现差异的影响因素进行分析。

二、数据来源及研究方法

1.数据来源

本文中的网络关注度是以网民在百度的搜索量为数据基础,以关键词为搜索对象, 统计并计算出关键词在百度网页搜索中搜索频次的加权和[14]682。为方便统计，选取“黄山”作为关键词，将2014-2017年全国31个省份(不含港澳台)对黄山风景区逐日网络关注度数据，作为分析网络关注热度矩阵的基础数据。

2.研究方法

(1) 网络关注热度 网络关注热度用于衡量某个时期内某个地区的人均网络关注度。

HA,B=IA,B÷PA,B

式中，A区域在B时期内的网络关注热度、网络关注度总数及常住人口数分别用HA,B、IA,B、PA,B表示。

(2) 空间和时间指标 以百度指数为基础,引入波士顿矩阵，对黄山风景区网络关注热度横、纵指标进行重新赋值，构建新的矩阵。网络关注热度(HA) 是空间指标，用来表示全国对黄山风景区网络关注热度的空间特征。2014-2017年A区域对黄山风景名胜区的“网络关注热度”用四年的均值来表示，即：

HA=(A2014+A2015+A2016+A2017)/4

其中，A区域第n年对黄山的网络关注热度用An表示。

时间指标反映全国各省份对黄山风景区网络关注热度的时间分布特征，用网络关注热度增长率(RA)表示。A地区2014-2017年对黄山风景区的“网络关注热度增长率”用这四年的平均增长率来衡量，即:

RA=[(A2015-A2014)/A2014+(A2016-A2015)/A2015+(A2017-A2016)/A2016]/3

(3) 临界值 横坐标的临界值(L临界)由全国各省份对黄山风景区网络关注热度四年平均值来表示，即：

式中，K区域对黄山风景区的网络关注热度用LK表示。

用全国各省份黄山网络关注热度增长率四年平均值来表示纵坐标的临界值(M临界)，即：

式中，K区域对黄山风景区的网络关注热度增长率用MK表示。

三、黄山风景区网络关注热度矩阵

“网络关注热度”指标可以更客观体现某个地区居民利用互联网搜索和关注旅游目的地的实际情况，也可明确反映出研究对象在该地区的旅游首选度和吸引力。

2014-2017年，全国各省份对黄山风景区的网络关注热度如表1所示。总体而言，2014年至2017年期间，全国对黄山风景区的网络关注度总体呈现明显的上升趋势。

表1 2014-2017年全国31个省份对黄山风景区的网络关注热度

注：表中关注度总数的单位为万次，网络关注热度单位为万次·万人-1。

1.网络关注热度矩阵空间指标分析

通过上述对全国各省份网络热度空间指标的计算，将各区域对黄山风景区的网络关注热度空间特征划分成五个层级。

黄山风景区的网络关注热度最高的第一层级(HA>100)分布在上海和北京。一方面是上海、北京等经济发达地区信息化程度高、网络普及率高，另一方面上海和北京对黄山旅游需求和到黄山旅游的倾向性都比较高。

位于第二层级(60

位于第三层级(40

第四层级(30

河南、四川、山东、河北、云南、新疆、广西、湖南、甘肃、贵州等省份位于第五层级(0

2.网络关注热度矩阵时间指标分析

以下为计算出的全国各省份网络热度增长率，2014-2017年31个省份对黄山的网络关注热度增长率如表2所示。

表22014-2017年全国31个省份对黄山风景区的网络关注热度增长情况%

省份网络关注热度增长率省份网络关注热度增长率北京7.38云南15.84上海8.97新疆10.47广东10.95广西6.76天津-0.77山西6.79河南10.65湖南9.59四川26.09江西7.99重庆27.55安徽1.59江苏0.80内蒙古7.28湖北8.03甘肃6.93浙江-0.30海南4.28福建16.05贵州13.51黑龙江9.90宁夏1.68山东9.88青海2.07陕西7.48西藏13.60河北9.87辽宁10.17吉林10.11

依据表2数据将网络关注热度增长率(RA)划为四个层级，即第一层级：RA>20；第二层级：10

总体而言，近四年来，全国大多数省份对黄山风景区的网络关注热度保持稳定增长，四川、重庆甚至保持着超过20%的增长率，仅有天津、浙江出现小幅度负增长。由前文表2知，处在第一层级的重庆、四川网络关注热度增长速度排在前两位，已达20%以上。网络关注热度增长率处在第二层级为云南、西藏、贵州、河南、新疆、广东、辽宁、吉林等。随着近年来信息技术发展，网络的普及率越来越高，导致西藏、新疆等边远省份对黄山风景区的网络关注热度增长率也越来越高。大部分省份增长率在0%-10%区间，包括黑龙江、山东、河北、湖南、上海等18个地区。可以看出，黄山风景区在全国绝大多省份的网络关注热度绝对值还是很高，但是近四年网络关注度的增长率提升缓慢。

3.构建黄山的全国网络关注热度矩阵

根据2014-2017年31个省份对黄山风景区的网络关注热度和网络关注热度增长率，构建出黄山风景区的全国网络关注热度矩阵，确定出42.35、9.70分别作为L临界和M临界的值。将全国31个省份划为四类，即“维持型”(LK>L临界;MK>M临界)、“发展型”(LKM临界)、“调整型”(LK>L临界;MK

图1 黄山风景区的全国网络关注热度矩阵

从整体分布来看，黄山风景区的全国网络关注热度矩阵呈现出以下特点：一是发展型区域分布密集。当前全国有14个省份处在发展型区域。这些省份位于中国的东北地区(黑吉辽)、西南地区(渝滇川黔)以及东南沿海地区(鲁粤)，社会经济较为发达，网络水平比较高，但由于离黄山距离较远，当前仍处于发展型区域；部分省份位于我国中部地区，包括河北、河南。二是“维持型”区域分布薄弱。仅有福建和西藏两省，两个指标值都较高。三是“调整型”和“选择型”区域分布较多。调整型区域主要有长三角地区(江苏、上海、安徽、浙江)、首都经济圈地区(北京、天津)。这些地区经济发展程度高，网络普及度和使用频率都很高，对黄山风景区的网络关注热度处在一个很高的水平上，但是近四年来对黄山风景区的网络关注度增长率处在一个较低的水平。选择型是黄山风景区网络关注热度矩阵中效果最差的区域，湖北、湖南、江西、山西、内蒙古、陕西、甘肃、广西等省份分布在该区域。

四、黄山风景区网络关注热度的影响因素分析

表3 黄山旅游网络关注热度影响因素相关性分析

注：**表示在0.01级别(双侧)，相关性显著；*表示在0.05级别(双侧)，相关性显著。

1.经济发展水平

选取各省份2017年末GDP规模和人均GDP数据与黄山风景区旅游网络关注度进行相关性分析，得出黄山风景区旅游网络关注度与GDP规模和人均GDP数据都存在显著的相关性(p<0.01)。经济发达的东部地区对黄山风景区的网络关注热度要高于中西部地区。因此，经济发展水平是影响黄山旅游网络关注热度的因素。

2.网络发达程度

将网络发达度与黄山风景区网络关注热度进行相关性分析得出，发现两者存在着显著相关性(p<0.05)。全国三大区域网络关注热度高低排序如下：东部、中部、西部。东部地区能更快、更便捷地获取网络信息与中西部相对落后的网络化程度形成鲜明的对比。因此，网络发达程度也是影响黄山风景区旅游网络关注热度差异的重要因素。

3.社会人口统计特征

一个地区潜在游客的文化程度和年龄结构不同，其对旅游景区的认知和选择也存在差异。选取各省份初中、高中及大专以上文化程度人数作为文化程度指标，选取14岁以下、 15-64岁、 65岁及以上年龄的人数作为年龄结构指标，对文化程度、年龄结构与黄山风景区旅游网络关注热度进行相关分析得出，文化程度和年龄结构与黄山风景区旅游网络关注热度呈现相关性(p<0.01)。可以看出，各省份文化程度、年龄结构的差异都是黄山风景区旅游网络关注热度的影响因素。

4.两地经济联系

以各省份的人口规模、国内生产总值、与黄山风景区地理距离作为指标，采用经济联系强度模型来衡量各省与黄山的经济联系强度。然后，分析两地经济联系与黄山风景区旅游网络关注热度的相关性，可以看出两者相关性(p<0.01)显著，因此，两地经济联系也是黄山风景区旅游网络关注热度的影响因素。

5.两地间距离

采用经纬度距离计算公式，选择各省省会与黄山市的地理距离作为衡量指标，分析出两地间距离与黄山风景区旅游网络关注热度呈显著相关性(p<0.01)。全国绝大多数省份在2014-2017年对黄山风景区旅游网络关注热度增幅快，距离黄山风景区较远的西北、东北、西南地区省份的旅游网络关注热度增长率也很高，这得益于目前我国高铁网密布化，缩短了游客出行的时间。

五、结论与建议

本文以百度指数为基础，建立黄山的全国网络关注热度矩阵，把全国31个省份划分为发展型区域、维持型区域、调整型区域、选择型区域。结论如下：第一，黄山风景区的网络关注热度在全国各省份呈现出显著差异。上海和北京属于第一层级(HA>100)。主要受其经济发达、人口规模较小影响。安徽等六个地区处在第二层级(60

本文选取2014-2017年百度数据对黄山风景区进行研究，未选取其他山岳型景区做对比分析。网络关注度数据仅基于百度指数，但网络技术的高速发展，对旅游地的关注已不仅停留在百度搜索角度，微信、微博、各大旅游网站也应成为游前攻略不可或缺的一部分，因此本文的数据采集范围仍存在局限。再者，本文以“黄山”作为关键词，具有一定的代表性，但能否覆盖大多数游客对于黄山风景区的旅游网络关注度还有待确定。因此，在关键词的选取上、借助多种搜索引擎采集数据、融合景区现实流量与网络关注度对比分析建立游客量预测模型是今后研究中需做出努力的方向。