“互联网+”背景下旅游目的地网络形象监测与预警指标体系的研究

张晓玲 倪月犁

摘 要：旅游目的地网络形象预警研究是利用互联网或客户端平台抓取的网络信息对旅游目的地网络形象进行动态监测、分析与评价，确定变化的趋势。本文基于网络舆情视角提取互联网中的网络文本数据，分析旅游目的地网络形象的影响因子，采用词频分析法筛选关键词确认指标属性，利用聚类分析法构建“互联网+”背景下旅游目的地网络形象监测与预警指标体系。

关键词：旅游目的地网络形象;预警;影响因子;词频分析;聚类分析

本文索引：张晓玲，倪月犁.<标题>[J].中国商论，2021（21）：-053.

中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2021）11（a）--03

近年来，從国务院到地方政府都纷纷出台政策鼓励“互联网+旅游”的融合，互联网已然成为旅游者获取旅游目的地信息的重要渠道之一，互联网信息、网络舆情等成为构建旅游目的地形象的主要来源，成为旅游者行为的重要决策依据。互联网的信息爆炸效应和舆论聚合效应，强化了旅游者对目的地形象感知的影响力度，对旅游目的地网络形象的树立影响显著。因此，在“互联网+”背景下，建立完善的旅游目的地网络形象预警系统是有现实意义的，该预警系统对互联网采集的相关网络信息和舆情进行采集处理分析，既可以监测旅游者对目的地网络形象感知的变化趋势，以及感知形象偏离预警线的强弱程度，又可以及时向旅游目的地企业或政府发出预警信号，使其提前采取预控对策。本文的工作主要是设计在预警系统中对于预警效果有着重要影响的旅游目的地网络形象监测与预警指标体系。

1 国内外研究现状及趋势

1.1 旅游目的地网络形象的研究

目前，关于旅游目的地网络形象的研究可分为三个方面：

（1）概念与构成要素的研究。

沈体雁等[1]（2015）认为旅游目的地网络形象是某个时间段内互联网信息对旅游目的地形象的详实综合记录的真实体现，旅游目的地形象与网络形象互为映射。

（2）个体网络形象及特征的研究。

肖亮[2]等（2009）借助于互联网的文本数据，总结出中国台湾旅游目的地形象在互联网传播下的新主题。

（3）旅游目的地网络形象网站间传播差异的研究。

唐亮[3]等（2009）通过对比分析国内外网站的相关内容，总结出在中英文网站中，中国澳门的旅游网络形象存在的显著差异来源于文化的不同。

1.2 旅游预警理论的研究

旅游预警理论研究始于20世纪80年代，预警机制第一次引入我国旅游领域，但是直到20世纪90年代才出现相关学术研究，旅游预警研究按照时间轴可分为三个阶段。

（1）萌芽期

1999—2002年，这一时期的研究都是以生态环境保护、景区可持续发展、旅游资源开发等为主题，围绕着旅游危机预警的功能、指标体系、研究步骤、重要性等进行分析。

（2）成长期

2003年，旅游业发展遇到危机，研究内容开始转向构建旅游预警机制、构建旅游预警系统和运用旅游预警信息技术等方面，但仍以定性分析为主，实证案例分析仍需深化。

（3）成熟期

2008年至今，研究领域得到迅速拓展，不仅涉及生态、经济管理和资源环境，旅游经济、旅游环境、旅游生命周期、旅游文化等预警方面的研究还开始得到广泛的关注，理论体系不断完善。

综上所述，旅游预警理论框架和方法体系逐渐完善，但是关于旅游目的地形象预警的研究成果相对较少。而在互联网时代，旅游目的地网络形象已经成为大众出行决策的重要依据，网络形象的预警也将成为学术界、政府、旅游企业关注的热点课题。

2 “互联网+”背景下旅游目的地网络形象监测与预警指标体系的构建

在旅游目的地形象预警研究过程中，科学合理的指标体系是研究的核心环节，关系到预警评价值测算结果的正确性与客观性。

2.1 旅游目的地网络形象影响因素分析

本文在分析了以旅游目的地网络形象为研究对象的大量文献，基于舆情视角，利用八爪鱼软件在互联网上抓取的文本信息，总结旅游目的地网络形象的影响因素，建立旅游目的地网络形象影响因子模型。

（1）抓取的网络文本数据信息的来源

互联网的普及与迅猛发展弱化了传统的单一化官方的宣传模式，各种网络媒体一跃成为网络信息传播的主要载体，也是旅游者获取旅游目的地信息的主要渠道。因此，本文的网络文本信息来源主要分为两类，即官方文本和个人文本，个人文本信息采集时选取极具代表性的网络媒体传播平台。

（2）总结旅游目的地网络形象影响因子模型

旅游目的地网络形象预警是通过对互联网中旅游目的地形象影响因子的监测，以实现预警的目的[4]。因此，旅游目的地网络形象影响因子模型主要是对在互联网上抓取的与旅游目的地形象相关的文本内容进行挖掘分析，归纳形成的。该模型基于网络舆情视角，将影响旅游目的地网络形象的因素具体归纳为三大类，即旅游资源、全域环境和综合管理，构建出旅游目的地网络形象影响因子模型，如图1所示。

2.2 词频分析法确定中高频关键词

本文采用八爪鱼采集器采集网络样本信息，利用中文分词技术整合筛选出622个关键词，利用词频分析法确定中高频关键词 40个。

图2表示词频和累积词频占比随词量变化情况，图3是词频和词量随累积词频占比变化情况，综合图2和图3进行分析判断，本文选取频次≥1600 的关键词作为中高频关键词，总频次占全部关键词总频次的60%，共确定出来40个中高频的关键词（见表1）。

2.3 旅游目的地网络形象中高频关键词的聚类分析

为了厘清中高频关键词之间的归类关系，对40个中高频关键词进行共词分析，需要建立40*40的共现矩阵，再将该共现矩阵导入SPSS 软件标准化后进行聚类分析。

聚類分析是通过对共词关系网络中词与词之间的距离进行数学运算分析，将距离较近的关键词聚集起来，形成一个个概念相对独立的类，使得类间属性相似性最小，类内属性相似性最大[5]。本部分利用的是K-均值聚类法[6]，同时据专家访谈和文献资料收集以及多次聚类验证确定聚类数目为9最为合适，通过聚类分析获得中高频关键词的聚类结果 （见表2）。

2.4 “互联网+”背景下旅游目的地网络形象监测与预警指标体系的构建[7，8]

本文经过多次专家访谈和文献分析，将9类中高频关键词归纳总结出9个三级指标分别为：A自然资源 B人文资源 C社会环境 D经济环境 E基础设施 F景区接待 G营销 H景区管理 I游客满意度，并根据旅游目的地网络形象因子模型把9个三级指标归纳位3个二级指标，则旅游目的地网络形象监测与预警指标体系构建完成（见表3）。

3 结语

“互联网+”背景下旅游目的地网络形象监测与预警指标体系是整个预警系统的核心环节，对旅游目的地网络形象预警效果的科学性和准确性产生直接影响。科学完善的指标体系对旅游目的地网络形象预警系统的构建，预警对策的制定提供了重要依据。

本文基于互联网平台抓取的网络信息文本进行分析建立旅游目的地网络形象影响因子模型，基于舆情视角，根据互联网抓取的文本信息，将分析量化后的数据进行词频分析和聚类分析，构建了旅游目的地网络形象监测与预警指标体系。

参考文献

【1】沈体雁，黄宁，彭长江，等.中国景区网络形象指数研究——基于互联网内容分析法[J].旅游学刊，2015，30（6）：48-50.

【2】肖亮，赵黎明.互联网传播的台湾旅游目的地形象——基于两岸相关网站的内容分析[J].旅游学刊，2009，24（3）：75-81.

【3】Tang L， Choi S， Morrison A M， et al. The many faces of Macau： A correspondence analysis of the images communicated by online tourism information sources in English and Chinese[J]. Journal of Vacation Marketing，2009，15（1）：79-94.

【4】姜官爽.基于BP神经网络模型的旅游景区网络形象危机预警研究[D].济南：山东师范大学，2018.

【5】王术.基于词频分析和共词聚类的我国生态文明建设研究文献可视化分析[J].图书馆研究，2014，44（6）：107-110.

【6】王澜瑾，冯艳，张鸿勋.基于词频分析和可视化共词网络图的云南省众创空间孵化方向分析[J].云南科技管理，2018，31（6）.

【7】张晓玲，倪月犁.高职院校教育质量预警评价指标体系的构建[J].商业经济，2020（6）：186-188.

【8】张晓玲，孙斐.高职院校教育质量预警模型的研究[J].职业技术，2020（9）：25-31.

Research on Monitoring and Early Warning in the Network Image of Tourism Destinations under the Background of “Internet+”

School of Tourism Management， Nanjing Institute of Tourism & Hospitality

ZHANG Xiaoling  NI Yueli

Abstract： Network image early warning research of tourism destination is to use the Internet or client platforms to capture the network information of tourism destination network image to conduct dynamic monitoring， analysis and evaluation， determining the trend of change. Based on the perspective of network public opinions， this paper extracts network text data from the Internet， analyzes the influencing factors of the network image of tourism destinations， adopts word frequency analysis method to screen keywords and confirm index attributes， and constructs an index system for monitoring and warning the network image of tourism destinations under the background of "Internet plus" by using cluster analysis method.

Keywords： network image of tourism destination; early warning; influencing factors; word frequency analysis; cluster analysis