网络舆情对旅游地形象的影响——一个有调节的中介模型

周雪芳

(云南大学 工商管理与旅游管理学院， 昆明 650500)

随着互联网的快速发展和普及，网络舆情事件频频发生。截至2019年6月，中国网民规模达8.54亿，普及率达61.2%。庞大的互网络用户基数和手机等通信设备的便捷性使网络舆情影响面更广。近年来，网络舆情对个人情感变化、旅游地形象及出游意向的影响被研究者广泛关注。旅游地的负面印象通常难以纠正，因此要在消费者还未形成旅游地感知时对旅游地形象加以塑造。在互联网高速发展的背景下，网络信息在旅游地形象构建中的重要作用逐渐被认识。用户(或专业)生成内容是互联网发展的产物。正是因为用户生成内容具有用户多为非权威人士和内容数量大、易传播、易存储等特点，使得用户生成内容甚至成为网络舆情的首发信源，信息也成为旅游目的地抢占先机的重要利器。因此本研究在分析网络舆情对旅游地形象影响的同时进一步探讨用户生成内容在路径中有调节的中介作用。

1 理论基础与研究假设

1.1 网络舆情对旅游地形象的影响

网络舆情是通过互联网表达和传播的，是公众对自己关心或与自身利益紧密相关的各种公共事务所持有的多种情绪、态度和意见交错的总和[1]。旅游网络舆情按影响的性质可分为正面影响和负面影响。负面网络舆情也称作网络舆情危机、网络负面舆情、负面网络舆情事件。网络负面舆情会在制约旅游目的地管理，损害旅游目的地形象，影响游客的选择行为，类似“青岛大虾”“丽江导游伤人案”等事件在网络上形成的舆情就属于负面网络舆情。反之“广西率先为援鄂医护免门票”事件就属于正面网络舆情。正面网络舆情会给旅游者心中带来加分的效果，也相应地增加了旅游者决策的概率，有利于旅游品牌的塑造和营销。因此，本研究假设：H1网络舆情对旅游地形象具有正向预测作用。

1.2 个人情感的中介作用

情感包含了人的所有可被评估的状态，在网络舆情信息的刺激下，个人情感会发生变化。网络舆情子话题和整个话题情感强度在不同时间段是动态变化的，即正面情感和负面情感强度不断变化。网络舆情能够影响信息受众的情感立场，个人情感立场的变化也是网络舆情结果在情感上的体现。此外，个人情感也会影响旅游目的地形象。旅游目的地形象在情感维度表现为对一个地方所持有的情绪反应，旅游地形象会因个人或是内在因素而有所不同。在网络舆情场内，受众对某一应事实体的情感立场能够预测受众观点。认知形象和情感形象互有作用，二者共同影响了青年人群的旅游目的地整体形象认知。通常旅游者对旅游地的情感划分为“喜欢”为代表的正面情感和“不喜欢”为代表的负面情感。正是信息受众情感立场的多元化，使得网络舆情对旅游地形象产生不同的影响。因此，本研究假设：H2网络舆情通过个人情感的中介作用对旅游地形象产生影响。

1.3 用户生成内容的调节作用

用户生成内容(user generated content,UGC)指任何形式在网络上由用户创作的文字、图片、音频、视频等内容，是互联网进一步发展下的信息创作和组织模式[2]。研究表明用户生成内容对旅游形象、品牌效益都有不同程度的影响。同时也对网络舆情产生影响，用户生成内容虽由非专业人员或权威人士创作，但用户生成内容使从来没有传播权力和传播路径的公众成为内容的生产者、传播者，改变了信息的传播格局，用户生成内容甚至成为网络舆情的首发信源，已经影响网络舆情引导和舆情治理，甚至引导舆情走向。此外，用户生成内容也是影响个人情感的因素之一。心理学上认为认知过程是情感产生的基础，并引导情感的发展。社交媒体生成的大量交互内容正影响着旅游目的地形象感知，且游客接受社交媒体的程度更是影响着其情感形象。即受用户生成内容影响较大的旅游者，其个人情感也更容易发生转变，在用户生成内容的调节下，网络舆情对旅游地形象的边际影响更明显。因此，本研究假设：

H3用户生成内容(UGC)能够调节网络舆情对旅游地形象的直接影响路径。

H4用户生成内容(UGC)能够调节个人情感中介效应的前半路径。

H5用户生成内容(UGC)能够调节个人情感中介效应的后半路径。

H6用户生成内容(UGC)能够调节个人情感的中介效应水平。

研究假设模型如图1所示。

图1 研究假设模型

2 研究方法

2.1 被试

被试在填写调查问卷前，要求回忆近期关于旅游的网络舆情，并根据对该旅游地网络舆情的了解进行作答。本次调查选取的被试为随机抽取结果，共发放540份问卷，其中521份为有效问卷，占总问卷数的96.5%。被试男女占比为48.6%、51.4%。学历集中在本科(70.8%)和硕士(16.3%)。被试者职业以学生(62.4%)、企业(12.1%)、事业单位(9.8%)为主，年龄在18—30岁的被试占绝大多数，此区间年龄占比为87.9%。旅游资讯获取渠道方面，84.8%的人选择互联网，其次是口口相传(9.4%)，通过其他渠道获取资讯的人占比5.8%。

2.2 量表设计

1)网络舆情量表：参考曹娜[3]关于网络舆情的探讨和网络舆情问卷设计，形成初级网络舆情量表。网络舆情量表采用Likert 7级计分制，1～7分表示对项目描述的不同认可程度，从1分表示强烈不同意到7分表示强烈同意(下同)。量表包含舆情的发生是因为当地旅游市场环境比较混乱、舆情的发生是因为当地旅游行业道德水平偏低等在内的7个题项，量表涉及舆情发生的原因和舆情后的应对方面。根据题项描述，得分越高表示被试认为此次网络舆情越负面。

A相和B相电压在SVPWM调制下的波形如图9(a)所示,其幅值一致,频率为50 Hz,且相位差为120°。对B相相电压作FFT分析发现它的主要成分是频率为50 Hz的基波,除此之外含有极少量的三次谐波大约3.91%,波形如图9(b)所示。

2)用户生成内容量表：参考Fred等[4]用户生成内容量表，设计了网络舆情发生后我发帖较为频繁、我发表的内容容易得到他人的回应等8个题项。根据题项描述，得分越高表示被试在网络舆情场中受用户生成内容的影响越大。

3)个人情感量表：参考龚双萍[5]对(旅游)情感的分析，设计了我不喜欢该旅游地、我不太愿意向亲朋好友推荐该地、同类型旅游地我不太愿意选择该地等5个题项。根据题项描述。得分越高表示被试对旅游地“不喜欢”的负面情感越强。

4)旅游地形象量表：参考付业勤等[6]设置的旅游形象测量题项。旅游地形象量表包含舆情的发生会降低我对旅游地的美好形象、舆情的发生会降低当地特色旅游资源和项目的吸引力等在内的11个题项。根据题项描述，得分越高表示此次网络舆情场造成旅游地形象越负面。

2.3 信度检验

通常情况下，克朗巴赫α系数大于0.6表示量表的数据结果具有良好的一致性。网络舆情量表、用户生成内容量表、个人情感量表、旅游地形象量表总的α系数分别为0.839、0.852、0.843、0.894，均大于0.6，说明各量表的α值均达到此次研究标准，即各量表数据可靠性良好。

2.4 效度检验

2.4.1 探索性因子分析

探索性因子分析使用软件SPSS25进行，主要包含以下两部分：

1)KMO 和巴特利特检验：网络舆情量表KMO值为0.845>0.8、用户生成内容量表KMO值为0.848>0.8、个人情感量表KMO值为0.844>0.8、旅游地形象量表KMO值为0.920>0.9。由此可知，网络舆情量表、用户生成内容量表、个人情感量表都很适合做探索性因子分析，旅游地形象量表非常适合做探索性因子分析。

2.4.2 验证性因子分析

验证性因子分析采用SPSS25、AMOS软件共同完成，本研究选取部分指标进行展示，结构效度拟合指标及其拟合标准为X2/df<3，RMSEA<0.08，NFI>0.9，RFI>0.9，IFI>0.9，TLI>0.9，CFI>0.9。

分析结果显示：网络舆情量表X2/df=2.080、RMSEA=0.046、NFI=0.981、RFI=0.969、IFI=0.990、TLI=0.984、CFI=0.990，均满足拟合标准，说明网络舆情量表模型和数据拟合良好。用户生成内容量表X2/df=1.547，RMSEA=0.032，NFI=0.987，RFI=0.974，IFI=0.995，TLI=0.991，CFI=0.995，说明用户生成内容量表模型和数据拟合较好。个人情感量表X2/df=1.513，RMSEA=0.031，其余指标均>0.9，说明个人情感量表模型和数据拟合良好。旅游地形象量表X2/df=2.516，RMSEA=0.054，NFI=0.960，RFI=0.942，IFI=0.976，TLI=0.964，CFI=0.975，说明旅游地形象量表模型和数据拟合良好。因此本研究各量表效度检验均合格。

2.5 相关性

各变量相关性分析结果表明(表1)：网络舆情与用户生成内容、个人情感、旅游地形象呈显著正相关，用户生成内容与个人情感、旅游地形象呈显著正相关，个人情感与旅游地形象呈显著正相关。

表1 变量间相关系数

3 实证分析

3.1 个人情感的中介效应

在控制性别、年龄两个变量下，分析得以下结果(表2)：网络舆情对旅游地形象的正向预测作用显著(B=0.567,t=15.572，P<0.001，H1成立)，且加入个人情感后对旅游地形象仍具有显著正向预测作用(B=0.489,t=14.138，P<0.001)。网络舆情对个人情感具有显著正向预测作用(B=0.239,t=5.533，P<0.001)。个人情感对旅游地形象的正向预测作用显著(B=0.326,t=9.492，P<0.001)。网络舆情对旅游地形象得直接效应及个人情感的中介效应在Bootstrap95%的置信区间分别为[0.377 0.498]、[ 0.007 0.120]，上、下区间内不包含0，因此个人情感在网络舆情与旅游地形象间的中介效应显著(H2成立)。网络舆情对旅游地形象的总效应值为0.507，其中直接效应和个人情感的中介效应分别为86.29%、13.71%。

3.2 有调节的中介效应

逐层回归分析表明：个人情感与用户生成内容的交互项对旅游地形象的预测作用不显著(B=0.027,t=1.137，P>0.05)，因此用户生成内容在个人情感与旅游地形象间调节效应不显著(即H5不成立)。再使用model8进行有调节的中介检验。检验结果(表3)表明，将用户生成内容放入模型中，网络舆情与用户生成内容的交互项对个人情感预测作用显著(B=-0.087,t=-3.099，P<0.01，H4成立)；对旅游地形象预测作用显著(B=-0.068,t=-3.789，P<0.01，H3成立)。低用户生成内容水平(M-1SD)时，个人情感的中介效应在95%置信区间内不包含0，说明用户生成内容对个人情感的中介效应调节作用显著(即H6成立)。

表2 个人情感的中介模型检验

表3 有调节的中介效应模型检验

综上所述，本研究H1、H2、H3、H4、H6假设得到数据支持。假设成立，H5未得到数据支持，假设不成立。这是因为通常情况下，旅游者通过舆情信息对旅游地形成了总体情感认知后，会抑制其他信息对当前信息加工的影响。

4 结论与管理启示

4.1 结论

本研究重要结论：网络舆情对旅游地形象具有显著的正向预测作用；网络舆情不仅直接影响旅游地形象，还通过个人情感影响旅游地形象；用户生成内容能在网络舆情与旅游地形象间、网络舆情与个人情感间起调节作用；用户生成内容不能调节个人情感对旅游地形象的影响。

4.2 管理启示

根据研究结果，在旅游地形象构建和网络舆情危机管理方面提出如下启示：①擅于利用互联网科技设计具有优势的网络营销策略。调查显示84.8%的人选择互联网渠道获取旅游资讯，远远超过选择口口相传及其他渠道来获取旅游资讯，因此旅游地形象传播和推广上应首要选择互联网渠道，甚至让用户参与旅游地形象的传播过程。②建立完善的舆情监测、预警和应急机制，并将舆情发现、报告、处理全过程贯穿于旅游地形象管理中。网络舆情场中旅游地高度曝光于网络，此时机遇与挑战并存。当负面网络舆情发生时，旅游管理部门要针对事件尽早发现、及时处理，运用官方组织信息获取充分、公信力强的优势，迅速占领舆论高地。政府应对越迅速，公开信息越快，处理能力越强，舆情热度降低越快。旅游管理部门也要保证舆情处理公正，避免部门公信力缺失。此外正面网络舆情下应该加强宣传，利用舆情借势营销。③要注重对个人情感的引导。旅游管理部门在日常管理中要强调旅游地形象维护，以周到的服务来让旅游者产生正面情感；舆情危机时要注意处理手段柔和、安抚旅游者情绪。④培养具有与旅游地高黏度的用户。这类用户虽是非专业/权威人士，但其粉丝基础大、影响范围广、观点认可度高，在网络舆情场中发挥着“意见领袖”的作用。他们不仅是信息传播者，还引导着其他人对舆情事件的理解。当网络舆情危机发生时，旅游地高黏度用户能主动进行内容创作进而调节旅游地形象受影响程度。

4.3 研究不足

研究不足之处在于：各量表的设计完全基于旅游者的角度，被试所基于的网络舆情时间跨度大，使数据质量受到影响；本研究设计为横向研究，因此只能反应相关关系，而不能指出变量之间的因果关系；本研究只考虑个人情感的中介作用和用户生成内容的调节作用，未考虑其他变量的作用。未来会从研究数据、研究设计、研究模型假设等方面进一步完善网络舆情与旅游地形象的作用机制。