冰雪旅游景区网络关注度和实际客流量之间的关系研究——以成都西岭雪山景区为例

刘悦，吕兴洋，周晓丽

1.西南财经大学体育学院， 四川 成都 611130；

2. 西南财经大学工商管理学院， 四川 成都 611130；

3. 长治学院历史文化与旅游管理系， 山西 长治 046000

自2015年7月北京和张家口申办2022年冬奥会成功以来，中共中央办公厅、国务院办公厅、国家体育总局和文化与旅游部等部门多次出台各种政策和措施促进中国冰雪旅游产业的发展，冰雪旅游产业迎来了巨大的发展机遇[1].然而冰雪旅游是以“雪”资源为前提的旅游活动，受气候和降雪条件制约严重，致使冰雪旅游活动的季节性非常明显.冬天雪季，人们参与冰雪旅游的欲望强烈，各知名冰雪旅游景区面临非常大的接待压力，过多的游客短时集中于少数的知名冰雪旅游景区，一方面给景区接待设施和环境资源带来了巨大的压力，另一方面也使得游客的安全感知和满意度下降，严重影响冰雪旅游景区的可持续健康发展.提前实时预测冰雪旅游景区的游客接待量，有助于景区在游客超载时提前做出部署安排，积极采取应对措施，有助于冰雪旅游景区的可持续健康发展.因此本文期望针对冰雪旅游景区的游客客流量预测进行研究，为解决冰雪旅游景区的现实困境提供决策依据.

传统的景区客流量或需求量预测研究，普遍采用景区历史接待数据或统计数据源进行预测[2,3]，数据具有滞后性和统计误差，难以实现对景区客流量的实时预测[4].近年来，随着互联网信息通讯技术的迅速发展，越来越多的学者开始探讨使用旅游者的网络关注度数据预测旅游需求量.一方面，学者关注网络关注度数据用于旅游需求量预测的科学原理分析，包括：从网站信息供给的角度研究旅游网站信息流对现实旅游客流的空间导引，及网络信息内容对现实旅游客流导引的潜力等，如Andrew 等(2005)研究了以台湾为目的地的 36 个“名牌”旅游网站内容对西方旅游者提供导引的潜力[5]；网络信息内容对旅游客流导引的路径，如谢彦君等(2007)研究发现网络空间的信息流是通过满足旅客的信息需求，实现对现实空间的导引和替代作用[6]，路紫等(2007)研究发现旅游网站信息流是通过功能与服务完成对旅游人流的导引[7]；旅游网站信息流对旅游客流导引的机理等[7].另一方面，学者也使用实际数据实证检验了网络关注度数据和旅游客流量之间的密切相关性和因果关联性.如李山等(2008)基于百度指数对5A级旅游景区网络空间关注度和现实旅游客流之间的关系研究提出了网络关注度对客流的前兆效应[8]；龙茂兴等(2011)研究了四川旅游网络关注度和实际旅游客流量在时空维度上的耦合性[9]；王章郡等(2011)基于Google解析研究了自驾车旅游网络空间关注度和旅游客流之间的密切相关性[10]；黄先开等(2013)基于百度指数研究了北京故宫网络关注度与景区客流量之间的关系，将百度指数引入景区客流量预测[11]；潘伟安等(2017)利用格兰杰因果关系和回归分析方法研究了张家界旅游网络关注度和客流量之间的相关关系[12]；王玉霞等(2016)研究了北京首都博物馆特殊时段网络关注度和客流量之间的相关关系[13].研究结论均证实了旅游网络关注度和旅游实际客流量之间的显著相关性，说明借助旅游网络关注度应可以实现对旅游客流量的科学实时预测.

然而纵观现有研究，一方面大多选取单一关键词的网络关注度和实际客流量进行相关性检验和预测，虽也有部分研究选取了多个关键词，但普遍采取求均值或求总和的方法进行研究.笔者认为不同关键词搜索反映了潜在旅游者的不同信息需求，对旅游决策的影响程度是不同的，因此不同关键词网络关注度和景区客流量之间的相关性强弱程度理应也存在差异；另一方面，现有研究鲜有关注特殊主题旅游如冰雪旅游景区客流量预测的.基于此，本文以现有研究成果为基础，拟就冰雪旅游景区实际客流量和不同相关关键词网络关注度的相关性强弱差异程度进行研究，期望能够使用网络关注度数据实现对冰雪旅游景区实际客流量的科学实时预测.

1 研究设计

1.1 案例地简介

西岭雪山位于四川省成都市大邑县境内，距成都仅110 km，乘车2.5 h可抵达.西岭雪山是AAAA级旅游景区，属立体气温带，景区内旅游资源丰富，优势独特.冬季的西岭是冰雪的世界，童话的王国，每年的12月初至次年3月底为积雪期，积雪厚度达60 cm以上，雪质优良，形成南方独特的林海雪原奇观，景区现已开设有高山滑雪、雪地摩托、蛇形雪橇、雪上飞碟、雪上飞片、雪地冲锋舟、狗拉雪橇等10余项冰雪游乐项目.自2001年开始，每年元月举办南国国际冰雪节，吸引了广大南方地区甚至东南亚国家的滑雪爱好者和许多北方的滑雪爱好者，甚至不少欧美国家滑雪爱好者.西岭雪山整合了滑雪场、景区、花水湾温泉等资源，形成了冰雪体育小镇的发展模式[14].

从2016年～2018年西岭雪山日游客接待量折线图可看出，每年1月～3月和12月是西岭雪山的旺季，游客流量大，4月～11月游客接待量较少，景区客流量淡旺季非常明显.另一方面，计算西岭雪山2016年～2018年的年度游客接待总量可知，2016年～2018年西岭雪山分别接待游客量70.205 8 万人次、85.916 3 万人次、100.491 万人次，景区对游客的吸引力持续增加.因此对西岭雪山的游客接待量进行实时预测，一方面有助于景区管理部门采取针对性措施缓解淡旺季差异，另一方面也可在旅游旺季来临前为游客接待做好准备，积极采取超载应对措施，提高来访游客的满意度，促进景区可持续健康发展.

1.2 研究思路与方法

冰雪旅游产品具有无形性和不可先验性特征，信息收集是滑雪旅游者滑雪运动参与与否决策的核心工作[15].即潜在滑雪旅游者在出游决策制定前，首先产生冰雪旅游景区信息需求，此时潜在滑雪者会想方设法收集冰雪旅游景区信息.信息通讯技术的迅速发展，改变了传统的信息传播方式和潜在旅游者的信息获取方式.互联网尤其是互联网搜索已成为旅游者获取旅游信息的首要渠道[16].潜在滑雪者在互联网上搜集冰雪旅游景区信息和制定决策的基础上前往景区参与滑雪运动而形成的滑雪者在现实地理空间上的人员位移现象即形成了学界研究的客流.可见，理论上冰雪旅游景区相关关键词搜索内容和搜索量与现实景区客流量之间必然存在一定的因果相关性.

图1 2016年～2018年西岭雪山日游客接待量折线图

现有学者的研究基本都是选取与旅游相关的部分关键词，或将关键词求和或求平均数用以反映旅游者的网络旅游关注度，研究网络关注度和景区客流量之间的相关性.这一方法隐含的假设前提是所有关键词的地位是等同的，也即对旅游者决策的影响程度是一样的.本研究认为不同类的信息对滑雪者决策的影响程度是不同的，不同关键词的网络关注度和冰雪旅游景区客流量之间的相关性强弱程度理应存在差异，并不是所有的关键词都适用于景区实际客流量的预测.基于此，本研究采用Eviews软件对西岭雪山景区实际客流量和不同相关关键词网络关注度分别进行相关性检验、协整检验和格兰杰因果关系检验，在验证网络关注度数据用于景区客流量预测方法具有科学性的基础上，实现对冰雪旅游景区实际客流量的实时预测.

1.3 数据来源

西岭雪山景区网络关注度数据来自百度指数平台，在百度指数平台首先键入“西岭雪山”搜索其用户关注度指数，发现与“西岭雪山”关键词相关的需求图谱还包括了“西岭雪山门票”“西岭雪山图片”“西岭雪山天气” “西岭雪山滑雪场”“西岭雪山旅游攻略”和“西岭雪山住宿”等相关检索词.结合滑雪者参与冰雪旅游的信息需求增加“西岭雪山在哪”等全面反映潜在出游者对冰雪景区信息需求的关键词一一进行检索，剔除了未被百度指数平台收录的关键词[17].最后收集了“西岭雪山”“西岭雪山门票”“西岭雪山图片”“西岭雪山天气”“西岭雪山滑雪场”“西岭雪山旅游攻略”和“西岭雪山住宿”7个关键词，提取了百度指数平台2016年～2018年这些关键词的逐日用户关注度指数.

西岭雪山景区游客接待量数据来自于2016年到2018年西岭雪山景区提供的日游客接待量数据.

2 网络关注度用于冰雪旅游景区实际客流量预测的实证检验

本研究以成都西岭雪山景区为例，选取西岭雪山景区自2016年至2018年的日游客接待量数据样本作为被解释变量，记为Y；选取了7个百度搜索关键词即“西岭雪山”“西岭雪山门票”“西岭雪山图片”“西岭雪山天气”“西岭雪山滑雪场”“西岭雪山旅游攻略”和“西岭雪山住宿”的逐日搜索量为解释变量，分别记为X1、X2、X3、X4、X5、X6、X7.

2.1 相关性分析

为了从统计上看西岭雪山游客接待量与西岭雪山景区相关关键词的网络关注度之间是否存在明显的相关关系，本研究对变量Y与变量X1、X2、X3、X4、X5、X6、X7进行了Person相关性检验，检验结果见表1.可见，西岭雪山游客接待量与关键词“西岭雪山门票”网络关注度的Person相关系数最高，达0.835，二者之间存在显著强相关关系；与关键词“西岭雪山”“西岭雪山滑雪场”和“西岭雪山旅游攻略”网络关注度的相关系数高于0.6，说明西岭雪山游客接待量与这些关键词的网络关注度呈较强的相关性；与“西岭雪山图片”“西岭雪山天气”和“西岭雪山住宿”网络关注度之间的Person相关系数介于0.5到0.6之间，存在中等程度的正相关性.相关性检验结果证实了冰雪旅游景区客流量和其相关关键词网络关注度之间的相关性，游客在参加冰雪旅游运动之前基于景区相关信息需求会对冰雪旅游景区相关关键词进行网络检索.

表1 游客接待量和关键词关注度指数相关性统计结果

2.2 单位根和协整检验

时间序列分析要求所用的时间序列必须是平稳的，即没有随机趋势或确定趋势，否则会产生“伪回归”问题.本研究的样本数据为时间序列数据，为了保证数据序列的平稳性和避免伪回归现象，首先对序列进行单位根检验和协整检验.采用ADF单位根检验法，结果见表2，从检验结果来看，西岭雪山游客接待量和7个关键词网络关注度共8变量的原始序列均在原阶平稳，符合同阶单整条件，可进行进一步的协整分析.

表2 变量的单位根检验统计结果

协整检验传递出了一组时间序列之间的长期均衡关系，常用的检验方法主要有两种：一是采用Johansen极大似然法对各变量进行检验，即基于VAR模型的Johansen协整检验；二是基于单一方程回归残差平稳性的Engle-Granger两步法协整检验.本研究采用第二种方法对西岭雪山游客接待量和其网络关注度之间的长期均衡关系进行协整分析：第一步即建立西岭雪山游客接待量和7个关键词网络关注度之间的回归方程，以西岭雪山游客接待量为因变量，相关关键词的网络关注度变量为自变量，采用最小二乘法(Ordinary Least Square, OLS)构建回归方程1，结果见表3.可见，关键词“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”五个关键词的网络关注度是西岭雪山景区游客接待量的显著性影响因素，“西岭雪山图片”和“西岭雪山旅游攻略”网络关注度对景区游客接待量不存在显著性影响.重新以西岭雪山游客接待量为因变量，“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”五个关键词的网络关注度为自变量采用OLS回归方法构建回归方程2，结果见表4.第二步采用ADF单位根检验法对方程2的残差进行稳定性检验，发现残差序列的ADF值为-6.401 4，1 %的临界值为-2.567 0，5 %的临界值为-1.941 1，10 %的临界值为-1.616 5，残差的ADF值均小于3个临界值，说明残差序列是平稳的.据此，可以判断西岭雪山景区的实际游客接待量与“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”五个关键词的网络关注度之间存在协整关系即长期均衡关系.回归方程中“西岭雪山”“西岭雪山滑雪场”和“西岭雪山住宿”3个变量前的回归系数为正，表明这3个关键词的网络关注度和西岭雪山景区实际客流量存在正相关，即随着这3个关键词网络关注度的提高，西岭雪山景区的游客接待量也会相应增加；“西岭雪山门票”和“西岭雪山天气”2个变量前的回归系数为负，表明这2个关键词的网络关注度和西岭雪山景区实际客流量存在负相关，即随着这2个关键词网络关注度的提高，西岭雪山景区的游客接待量反而会相应减少.

表3 变量的OLS回归结果

表4 OLS回归结果

2.3 格兰杰因果关系检验

协整检验结果证明西岭雪山游客接待量与“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”五个关键词的网络关注度之间存在协整关系，说明它们之间一定存在某种形式的格兰杰因果关系.格兰杰因果检验能够考察变量之间的因果关系，从而说明变量之间是否具有预测能力.于是进一步通过格兰杰因果检验探讨变量之间是否存在因果关系及因果关系的方向，采取常用的滞后2期的格兰杰因果检验，结果见表5.可见西岭雪山游客接待量与“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”五个关键词的网络关注度之间存在双向因果关系，即西岭雪山游客接待量与相关关键词网络关注度之间是相互影响的.可以使用构建的回归方程对西岭雪山景区游客接待量进行预测预警，为客流量高峰期时采取超载应对措施提供决策依据.

表5 变量的格兰杰因果关系检验结果

3 研究结论

理论上，滑雪旅游者在产生滑雪运动需求的前提下，会搜索冰雪旅游景区信息辅助进行出游决策，“互联网+”背景下，越来越多的潜在游客使用互联网主动搜索所需信息.因此冰雪景区相关关键词的网络关注度和景区实际客流量之间理应存在一定的因果关联.本研究以成都西岭雪山景区为例进行实证检验，基于2016年～2018年西岭雪山景区日游客接待量和“西岭雪山”“西岭雪山门票”“西岭雪山图片”“西岭雪山天气”“西岭雪山滑雪场”“西岭雪山旅游攻略”和“西岭雪山住宿”的逐日搜索量，依据协整理论和格兰杰因果关系理论，使用Eviews软件对景区游客接待量和关键词网络关注度进行检验，得出了以下主要结论：

(1)西岭雪山景区游客接待量和“西岭雪山”“西岭雪山门票”“西岭雪山图片”“西岭雪山天气” “西岭雪山滑雪场”“西岭雪山旅游攻略”和“西岭雪山住宿”7个关键词的网络关注度之间存在相关关系，但是西岭雪山景区游客接待量和不同关键词网络关注度之间的相关性强弱程度有所差异.

(2)西岭雪山景区游客接待量和关键词“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”的网络关注度之间存在长期的均衡关系.具体而言，西岭雪山景区游客接待量随“西岭雪山”“西岭雪山滑雪场”和“西岭雪山住宿”3个关键词网络关注度的提高(降低)而增加(减少)，随“西岭雪山门票”和“西岭雪山天气”2个关键词网络关注度的提高(降低)而减少(增加).

(3)西岭雪山游客接待量和关键词“西岭雪山”“西岭雪山门票”“西岭雪山天气”“西岭雪山滑雪场”和“西岭雪山住宿”的网络关注度之间存在双向的格兰杰因果关系，即西岭雪山游客接待量和这5个关键词网络关注度的变化之间是相互影响的.可以基于关键词网络关注度的变化预测西岭雪山实际客流量的变化，为景区客流量的淡旺季差异提供管理启示，在客流量不足时积极采取措施刺激需求，在客流量超载时采取超载应对措施，避免景区的过度拥挤给游客体验带来负面影响.

大数据时代与旅游需求相关的各种海量数据层出不穷，采用有效的数据挖掘技术对旅游需求相关的大数据进行有效挖掘能够更加及时准确地预测网民的旅游活动参与需求，从而实现对景区或目的地客流量更加实时的预测预警，为景区或目的地客流量管理提供科学决策依据.本研究仅使用了较容易获取的百度指数平台的网络关注度数据，研究结果随后证实了网络关注度数据用于冰雪旅游景区客流量预测预警的科学性，但是结果的准确性还有待进一步提高，尤其是随着潜在滑雪者信息获取方式的变化，搜索在潜在旅游者信息获取渠道中地位下降，景区管理部分和旅游研究机构需认真思考可用于景区实际客流量预测的实时大数据，预测时效性和准确性的提高将给旅游目的地和景区管理部门带来重要而深远的影响.