桂林市红色旅游景区网络关注度时空特征分析

黄晓琳 何 珍 黄小燕 黄恒荣 蒋亚军

桂林市红色旅游景区网络关注度时空特征分析

黄晓琳 何 珍 黄小燕 黄恒荣 蒋亚军

（桂林理工大学，广西 桂林 541004）

选取桂林市十大红色旅游景区作为研究对象，从搜索引擎、视频媒体、社交网络三个维度出发进行数据采集，运用季节性集中指数、基尼系数、旅游偏好系数分析网络关注度的时空分布特征。研究结果表明：（1）2018年—2020年桂林市红色旅游景区季节性年际差异显著，整体呈现波动增长的趋势。（2）景区间网络关注度空间分布差异明显，集中体现在部分红色文化影响力大且蕴含较高的历史文化价值的景区，旅游网络关注度重心整体向北偏移。

红色旅游景区；网络关注度；时空特征

引言

红色旅游主要以红色文化遗产所体现的革命意志、先进精神为内涵，对于新时代红色基因的传承和弘扬具有重要意义。“十三五”期间内，红色旅游市场发展态势稳步向好，截止至2020年我国红色旅游年际出游人数已超1亿人次，占据国内旅游市场份额的11%以上，红色旅游已逐渐成为旅游市场的重要组成部分[1]。随着互联网信息技术的发展，截止至2021年6月，我国网民规模达10.11亿，互联网普及率达71.6%[2]。互联网信息已经成为影响游客出游决策和意愿的重要因素[3,4]，而旅游网络关注度作为游客互联网检索、浏览的关注数据量，是游客出游意愿的重要体现之一，也是衡量红色旅游资源网络影响力的重要因素[5]。网络关注度已成为旅游数据的主要来源。Dinis等[6]通过对2006年至2018年发表的有关在旅游和酒店的研究中搜索引擎数据的文献进行总结分析，得出谷歌趋势数据在旅游和酒店研究中的使用频率较高。以谷歌趋势为主，展开了对旅游需求[7]、客流量预测[8]、旅游网站的优化[9]等问题的探究。除此之外，还有对于“Twitter”数据的利用，主要从影响游客决策[10]、游客情感[11]等方面进行研究。相较于国外，国内旅游网络关注度数据的获取主要以百度指数为主，在旅游研究中应用广泛，包括“温泉旅游”[12]、“洞穴旅游”[13]、“红色旅游”[14]在内等多种类型的旅游活动，主要聚焦在“客流量变化与网络关注度”[15,16]、“时空分布特征”[17,18]、“旅游需求”[19,20]等方面。此外，还有部分学者利用新浪微博[21]、微信[22]等平台展开对旅游网络关注度的研究。因此，利用网络关注度、数字足迹等旅游大数据，分析红色旅游的发展态势，对于加强红色旅游景区的管理以及促进红色旅游景区客源市场的开发有重要的研究意义。

我国红色旅游最早出现在20世纪50年代初，其表现为以政治接待为主的前往革命圣地或纪念地参观和学习一种旅游活动。而有关于“红色旅游”的研究也随着文化强国等战略的提出成为学术界的研究热点之一。经过长期的发展与建设，红色旅游的研究范围不断拓展，诸多学者从红色旅游价值[23]、旅游产品开发[24]等方面进行探究。纵观国内红色旅游研究现状来看，红色旅游经过长期的发展已具备一定的研究基础，但从中国知网（CNKI）同时检索“红色旅游”“网络关注度”的结果来看，当前国内对“红色旅游网络关注度”的研究较少，并且多从宏观层面出发。从数据获取途径来看，大部分研究主要采用单一的数据源，缺乏多维度的数据源综合评价。基于此，本文以桂林市十大红色旅游景区作为研究对象，从搜索引擎、视频媒体、社交网络三个维度出发进行数据采集，运用季节性集中指数、基尼系数、旅游偏好系数分析桂林红色旅游景区网络关注度的时空分布特征，并进一步探究其影响因素。更好地把握旅游网络关注度的发展规律和趋势，促进桂林红色旅游景区网络营销，为旅游管理部门做出正确、科学、合理的旅游决策提供借鉴和参考。

1 研究方法与数据来源

1.1 数据来源

桂林市除了拥有“甲天下”的山水风光，还有着深厚的红色文化底蕴。红色旅游资源种类丰富多样，主要集中在桂北地区。以国家、省市公布的景区评估成果作为主要的选取依据，遴选出桂林市内具有代表性10处红色旅游景区（表1）。

表1 桂林市十大红色旅游景区

关于网络关注度的评价，主要有两种方法：一是直接利用百度指数等作为单一的指标。马丽君等[25]以国内30个热点旅游城市作为研究地，分析了百度指数与城市国内客流关系。柴海燕等[26]利用百度指数获取数据，分析武汉市网络关注度时空分布特征。二是采用多渠道的数据源进行网络关注度评价指标体系的构建。高楠等[5]利用百度指数、腾讯视频等构建网络关注度评价指数，研究旅游者对红色旅游网络关注度的时空分布规律及其影响因素。李磊等[27]通过携程、马蜂窝、微信等多平台获取网络评价、网络游记等数据，深入剖析了网络关注度与旅游流网络结构之间的关系。两种方法各有利弊，但由于桂林市红色经典旅游景区的词条创建体系尚未完善，可获取的数据量不多且分布较为零散，仅靠单一的数据源获取的数据全面性和有效性较差。因此，本文选择采用第二种方法，从用户关注度、视频播放量、点赞数、文章阅读量来衡量潜在旅游者的网络关注度。

数据挖掘前，需确定10处红色旅游经典景区检索的关键词，关键词的选取主要依据游客出游前对桂林市红色旅游景区所关注的旅游信息进行分析，选取出桂林市红色旅游目的地（景区景点）的名称、重大事件、战役等相关信息，提取基准关键词和替代性关键词。由于在各个平台可查询年份数据分布零散甚至没有数据，在多渠道进行词条检索后，发现可查询年份，大部分集中在2018年及之后。因此，以2018年1月1日至2020年12月31日作为研究年限，根据测度标准进行数据统计。

1.2 研究方法

（1）独立权系数法[28]，是依据指标与指标之间的共线性强弱来确定权重的方法。所有数据均在Min-Max标准化处理的基础上，采用独立权系数法分别确定一级和二级指标的权重值（表2）。具体运算步骤：第一步，通过多元回归计算各个指标与其他指标之间的复相关系数，即回归系数；第二步，求出各指标与其他指标之间复相关系数的倒数，并对数据进行归一化处理得出各指标最终的权重。

表2 红色旅游景区网络关注度评价指标体系

（2）季节性强度指数[29]，是以时间序列含有季节性周期变动的特征，计算描述该变动的季节变动指数。网络关注度S的季节性集中度值越大，表明各月份之间桂林红色旅游网络关注度差异程度越大；反之，则呈现均匀分布。公式如下：

式中：Xi为各月份桂林红色旅游网络关注度占全年桂林红色旅游网络关注度合计值的比例。

（3）旅游偏好系数[30]，用于分析游客对某景区的偏好程度，故本文引用孙根年提出的旅游偏好系数来分析游客的旅游需求偏好。值越大，说明该景区的偏好越强；反之，则越小。公式如下：

（4）基尼系数[31]，通过运算可以得到区域收入差异程度，是区域经济发展差异研究中常用的度量方法。本研究通过基尼系数对比分析桂林红色旅游景区之间的网络关注度空间差异。公式如下：

式中：G为基尼系数；P为第个桂林红色旅游景区的旅游需求（网络关注度）占年度总旅游需求的比重；N为所选取的桂林红色旅游景区的总数。G介于0～1，系数越小，表示游客的旅游需求越分散，越有利于旅游目的地的均衡发展。

2 桂林红色旅游经典景区网络关注度时空特征分析

2.1 时间特征分析

依据红色旅游景区网络关注度评价指标进行计算可知（表3），2018年—2020年桂林市红色旅游景区网络关注度总体上呈现波动上升态势。从各年份的发展状况来看，2018年5月和8月、2019年6月至7月、2020年2月、4月和12月份红色旅游景区网络关注度相比于其他年份的同一月份较高，其主要原因在于这些月份大多是旅游的旺季或旅游者出行高峰的前期，是学校以及家庭进行爱国主义教育活动、红色研学活动以及中国共产党重要的纪念节日等活动的重要时期。从2018年—2020年的季节性月际变化趋势可以看出，桂林市红色旅游景区网络关注度在1月—4月呈波动上升的趋势，4月—6月呈下降趋势，6月—9月呈“先升后降”的态势，9月—12月呈缓慢上升的态势，这与旅游出行的淡旺季以及红色旅游自身的特殊性质密切相关。人们大多在劳动节、寒暑假、国庆黄金周等时间段内选择出游。而近年来，随着教育部高度重视中小学生的爱国主义教育，中小学生已逐渐成为红色旅游市场的主力军，每年7月红色旅游景区网络关注度出现高峰，市场导向性作用明显。

根据季节集中指数进行测算（表3），2018年—2020年桂林市红色旅游景区网络关注度季节集中指数分别为9.1573、8.1771、6.1206，可知每年红色旅游景区网络关注度的季节性存在着显著的差异。受2020年初新冠肺炎疫情的影响，旅游者出行需求难以释放，致使2020年网络关注度的季节性不明显。此外，各月份之间也有所差异，其中2018年各月的差异性最为显著，因为2019年将迎来红军长征出发85周年，桂林市作为红军长征路上的重要节点，因此游客的网络关注度较高，具备显著的前兆效应。

表3 2018年—2020年桂林市红色旅游经典景区网络关注度及季节集中指数

2.2 空间特征分析

2.2.1 景区网络关注度空间分布差异

为定量测度分析桂林十大红色旅游景区间的网络关注度空间差异，利用基尼系数进行量测。结果表明，桂林十大红色旅游经典景区网络关注度存在区域差异，基尼系数从2018年的0.7441增加到2020年的0.9135，呈现上升趋势，说明景区之间网络关注度的差异逐渐扩大。

利用洛伦茨曲线（图1）进一步分析其空间分布差异。将桂林十大红色旅游经典景区的网络关注度数据所占比重进行汇总，并进行降序排序，计算累积百分比。洛伦茨曲线为上凹型，54.01%的网络关注度主要集中在红军长征突破湘江烈士纪念碑园、八路军桂林办事处纪念馆、新圩阻击战纪念园和觉山铺阻击战旧址，这4个景区红色旅游资源丰富且蕴含较高的历史文化价值，是国内旅游者对桂林市红色旅游需求的主要偏好景区。

图1 桂林十大红色旅游景区需求偏好洛伦茨曲线

注：横轴数字分别代表10处景区，详见表1。

2.2.2 景区网络关注度空间特征

根据旅游偏好系数，计算出2018年—2020年桂林十大红色旅游景区的旅游偏好系数，系数由大到小进行排列，划分为四级，分别为强偏好景区（系数≥15.5%）、较强偏好景区（10.5%～15.5%）、较弱偏好景区（5.5%～10.5%）、弱偏好景区（系数≤5.5%）。网络关注度节点越大表示旅游偏好系数越大，节点越小表示系数越小。

从2018年—2020年景区旅游偏好系数的均值分布上来看，“红军长征突破湘江烈士纪念碑园”为19.13%，属于强偏好景区；“八路军桂林办事处纪念馆”“新圩阻击战纪念园”“觉山铺阻击战旧址”分别为12.6%、11.54%、10.75%，为较强偏好；“新圩阻击战旧址”“金石红军堂”“千家寺红军标语楼”“白面瑶寨”的偏好系数为10.04%、9.26%、8.59%、7.86%，为较弱偏好；而“红三军、红五军团指挥部旧址”“灌阳县烈士陵园”两景区的偏好系数均小于5.5%，为弱偏好。从时间变化上来看，各个景区均呈现波动变化的趋势，其中“新圩阻击战纪念园”从2018年的0.70%弱偏好上升至2020年的19.46%，属于强偏好。整体上红色旅游景区的旅游偏好系数从个别景区网络关注度的高度集中逐渐向均衡分布的发展趋势，出现“多点开花”的格局。

3 研究结论与建议

本文对桂林市红色旅游景区进行分析，发现2018年—2020年网络关注度整体呈波动上升趋势，存在着明显的季节性差异。但网络关注度总体偏低，空间分布差异性显著，呈现出高—低值相互交叉，但高值景区示范带动低值景区发展的作用不突出。网络关注度客观地反映了旅游景区对于游客吸引力的大小，从网络关注度词条检索结果来看，在全国范围内桂林市红色旅游资源知名度较低，部分景区检索结果多出现无关注或关注量较少的情况，红色资源的网络宣传阵地仍有待加强。

一是合理运用新媒体传播手段，建立完善网络宣传阵地。灵活地掌握和运用大众所喜闻乐见的媒体渠道，展开差异化宣传和营销，针对知名度相对较高的景区，在营销宣传中注重网络口碑的建立和维护，树立良好的景区形象，如八路军桂林办事处、红军长征突破湘江烈士纪念碑园等。针对知名度较低的景区，采用多渠道相结合的宣传手段，利用抖音、微信公众号、微博等平台宣传景区红色革命内涵，扩大景区知名度。

二是优化旅游交通线路，重点打造桂北红色旅游圈。桂林市的红色旅游资源主要分布在桂北地区，但整体资源的分布较为分散，景点之间相距较远，相互连通性较差，使得游客高效的“进出”成为一大难题。对桂北红色旅游资源进行整合和规划，进行组合产品的规划和开发，设计出满足游客个性化需求并且合理科学的精品旅游线路，节省游客出行的时间和耗费的精力，体验更加高质量的旅游服务。

[1] 央视网．文化和旅游部: 今年全年红色旅游出游人数超1亿人次[EB/OL]．https://news.ectv.corn/2020/12/17/ARTl2UIUOnasQUtulZRBNsz4201217.Shtml，2020-12-17．

[2] 中国互联网络信息中心．第37次中国互联网络发展状况统计报告[EB/OL]. http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202109/t20210915_71543.htm，2021-9-15.

[3] 李莉，张捷. 互联网信息评价对游客信息行为和出游决策的影响研究[J]. 旅游学刊，2013，28(10): 23-29.

[4] 王贵斌. 网络口碑对游客旅游决策的影响研究[J]. 安徽师范大学学报(自然科学版)，2012，35(3): 270-275.

[5] 高楠，张新成，王琳艳. 中国红色旅游网络关注度时空特征及影响因素[J]. 自然资源学报，2020，35(5): 1068-1089.

[6] DINIS G, BREDA Z, COSTA C. Google Trends in tourism and hospitality research: A systematic literature review[J]. Journal of Hospitality and Tourism Technology, 2019, 8: 747-763.

[7] HUARNG K, YU T Application of Google Trends to forecast tourism demand[J]. Journal of Internet Technology, 2019, 11: 1273-1280.

[8] CLARK M, WILKINS E J, DAGAN D T, et al. Bringing forecasting into the future: Using Google to predict visitation in U.S. national parks[J]. Journal of Environmental Management, 2019, 243: 88-94.

[9] VYAS C. Evaluating state tourism websites using Search Engine Optimization tools[J]. Tourism Management, 2019, 73: 64-70.

[10] E BIGNÉ, OLTRA E, ANDREU L. Harnessing stakeholder input on Twitter: A case study of short breaks in Spanish tourist cities[J]. Tourism Management, 2019, 71: 490-503.

[11] PHILANDER K, ZHONG Y Y. Twitter sentiment analysis: Capturing sentiment from integrated resort tweets[J]. International Journal of Hospitality Management, 2016, 55: 16-24.

[12] 何小芊，刘宇，吴发明. 基于百度指数的温泉旅游网络关注度时空特征研究[J]. 地域研究与开发，2017，36(1): 103-108，124.

[13] 何小芊，张艳蓉，刘宇. 旅游洞穴网络关注度的时空特征研究——以中国最美五大旅游洞穴为例[J]. 中国岩溶，2017，36(2): 275-282.

[14] 龙茂兴，孙根年，龙珍付. 遵义红色旅游网络关注度的客流响应研究[J]. 地理与地理信息科学，2013，29(5): 98-101，118.

[15] 汪秋菊，贾宇，刘宇，等. 奥运场馆水立方的客流量与网络关注度关系分析[J]. 东北石油大学学报，2013，37(5): 118-124，134.

[16] 黄先开，张丽峰，丁于思. 百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J]. 旅游学刊，2013，28(11): 93-100.

[17] 常直杨，邹树平. 南京市旅游网络关注度时空特征及影响因素分析[J]. 电子商务，2018(10): 3-5.

[18] 唐鸿，许春晓. 中国红色旅游经典景区网络关注度时空演变及影响因素[J]. 自然资源学报，2021，36(7): 1792-1810.

[19] 王秋龙，潘立新，吕俭，等. 基于网络关注度的安徽省居民省内旅游需求时空特征分析[J]. 地域研究与开发，2021，40(1): 120-125.

[20] 马丽君，龙云. 基于网络关注度的湖南省居民旅游需求时空特征[J]. 经济地理，2017，37(2): 201-208.

[21] 张子昂，黄震方，靳诚，等. 基于微博签到数据的景区旅游活动时空行为特征研究——以南京钟山风景名胜区为例[J]. 地理与地理信息科学，2015(4): 121-126.

[22] 龚言浩，甄峰，席广亮，等. 基于微信公众号文章的城市关注度等级与联系网络研究[J]. 现代城市研究，2019(4): 69-75，131.

[23] 左冰. 红色旅游与政党认同——基于井冈山景区的实证研究[J]. 旅游学刊，2014，29(9): 60-72.

[24] 范力，焦世泰，韦复生. 左右江红色旅游区红色旅游产品开发模式研究[J]. 中国软科学，2013(11): 170-177.

[25] 马丽君，孙根年，黄芸玛，等. 城市国内客流量与游客网络关注度时空相关分析[J]. 经济地理，2011(4): 680-685.

[26] 柴海燕，刘雨，尹春香. 武汉旅游网络关注度时空分布特征分析——基于百度指数[J]. 国土资源科技管理，2021，38(1): 97-106.

[27] 李磊，陶卓民，赖志城，等. 长征国家文化公园红色旅游资源网络关注度及其旅游流网络结构分析[J]. 自然资源学报，2021，36(7): 1811-1824.

[28] 张淑莹，胡友彪，邢世平. 基于独立性权-灰色关联度理论的突水水源判别[J]. 水文地质工程地质，2018，45(6): 36-41.

[29] 陆林. 山岳风景区国际旅游经济效益探析——以黄山国际旅游业为例[J]. 旅游学刊，1991(1): 39-43，71-72.

[30] 孙根年. 国际旅游支付方程、支付等级与旅游偏好[J]. 地理学与国土研究，2001(1): 50-54.

[31] 齐欣，王昕. 成渝经济区旅游景区空间结构研究[J]. 地理与地理信息科学，2013，29(1): 105-110.

Analysis on the Spatial and Temporal Characteristics of the Network Attention of Red Tourism Attractions in Guilin

This paper selects the top ten red tourist attractions in Guilin as the research object, and conducts data collection from three dimensions of search engine, video media and social network. It uses seasonal concentration index, Gini coefficient, and tourism preference coefficient to analyze the temporal and spatial distribution characteristics of network attention. The results show that: (1) From 2018 to 2020, the seasonal and interannual difference of Guilin red tourist attractions are significant, showing a trend of fluctuating growth. (2) The spatial distribution difference of network attention among scenic spots is obvious, which is mainly reflected in some scenic spots with great influence of red culture and high historical and cultural value. The focus of tourism network attention is shifted to the north as a whole.

red tourism attractions; network attention; spatial-temporal characteristics

F590

A

1008-1151(2022)11-0165-04

2022-07-30

广西旅游产业研究院本科生科研创新基金项目“桂林红色旅游网络关注度的时空特征及影响因素”（LYCY2021-38）。

黄晓琳（2001－），女，福建泉州人，桂林理工大学学生，研究方向为旅游应用；何珍（2000－），女（瑶族），广西贺州人，桂林理工大学学生，研究方向为旅游应用；黄小燕（1999－），女，广西钦州人，桂林理工大学学生，研究方向为旅游应用。黄恒荣（2001－），男，福建泉州人，桂林理工大学学生，研究方向为旅游应用。

蒋亚军（1975－），湖南永州人，桂林理工大学旅游与风景园林学院教授，硕士生导师，博士，研究方向为红色旅游、旅游经济。