“心动”便会“行动”吗？——旅游景区网络关注市场转化度指标的构建与应用

蓝 雪 张 红，2，* 张心怡 周凌寒

（1.华东师范大学地理科学学院，上海 200241；2.华东师范大学全球创新与发展研究院，上海 200062；3.南京大学地理与海洋科学学院，江苏南京 210023；4.英属哥伦比亚大学尚德商学院，加拿大温哥华 V6T 1Z2）

0 引言

旅游是绿色产业的中坚力量，也是服务国家双循环战略的重要引擎①中华人民共和国国家发展和改革委员会.“十四五”旅游业发展规划［EB/OL］.（2022-03-25）［2022-08-12］.https：//www.ndrc.gov.cn/fggz/fzzlgh/gjjzxgh/202203/t20220325_1320209_ex.t.html.。以互联网为代表的信息技术日新月异，为旅游数字经济发展带来了新的机遇。互联网时代，旅游者获取信息渠道更加多源便捷、需求更加个性多样、更加注重旅游质量。当前，旅游者出行决策受收入水平、目的地口碑、出游成本、旅游配套等（马丽君等，2016；代传苗，2020）多种因素影响，旅游目的地形象营销在旅游者出行中发挥关键正向激励作用（白凯 等，2012；韦玮，2019），互联网逐渐成为旅游景区形象营销的主要途径。

近年来，互联网信息和大众传媒改变了传统的旅游营销方式（Pan，2015），通过多样、便捷、快速的旅游查询和实时、智能、精准的旅游推送，帮助游客多方位、实时了解旅游景区信息，从而智能化制定旅游出行方案（路紫 等，2007）。以百度搜索指数、携程网游记、大众点评文本数据、抖音视频等为代表的旅游数字足迹研究亦受到广泛关注。基于上述数据的多种分析不断展开，如旅游景区的搜索、关注、到访与点评的统计特征、空间格局、时空演化、影响因素等（吴必虎 等，1997；王硕 等，2013；熊鹰 等，2014；马丽君 等，2017；孟乐，2020；郭文，2020），基于旅游搜索引擎和旅游点评数据的旅游流网络特征分析也成为研究热点（黄先开 等，2013）。国内外研究者探讨了旅游系统的空间组织与结构特性（路紫 等，2011；雷可为 等，2015；郭文，2020；Liao et al.，2020），发现旅游景区网络关注既受市场状态的影响（Chen et al.，2020），也受景区自身资源禀赋和游客到访量的影响（Law et al.，1999；静恩明等，2015；孙烨 等，2017；刘嘉毅 等，2019），并明确指出信息是旅游者出行决策的重要依据（Font et al.，2021），旅游目的地形象对旅游者出游产生积极影响（Afshardoost et al.，2020）。大数据驱动的旅游景区吸引力评价与营销策略研究也开始涌现（Arefieva et al.，2021），特别是旅游者个体需求的多样性与其对景区关注的敏感性（Weaver，2021），寻求旅游者行为主观性和数据客观性的平衡也成为旅游行为研究的瓶颈问题之一。

在多种开源旅游大数据中，由全球最大的中文搜索引擎公司百度提供的百度搜索指数，记录了网络用户检索给定关键词的总频次，且方便易得，近年来备受关注。特别是智能手机的普及和网民数量的增加，搜索方式逐步由PC 端向PC+移动端转换，研究者们分析了不同客户端搜索指数与客流量的耦合关系、对客流量的前兆效应（孙烨 等，2017）。旅游景区客流量的前兆效应呈现时间规律性，周内表现为“日前兆”、年内表现为“旬前兆”（李山 等，2008），譬如，华山、庐山等风景名胜区“十一”假期的网络前兆效应为4 天（王硕 等，2013）。省级尺度下旅游安全网络关注度时空格局及其影响因素也受到关注（邹永广 等，2015）。

众所周知，在所有搜索过某旅游景区的网络用户中，仅有部分用户会产生实际的旅游行为，导致以旅游景区或城市为载体的虚拟网络关注流与真实游客流存在数量差异和空间分异（汪秋菊 等，2015；孟乐，2020）。然而，旅游者搜索行为和实际旅游行为的时空分异是旅游行为研究中的薄弱环节（蔡卫民 等，2016）。现有研究缺少对旅游关注虚拟流和实体流的关联研究，有多少浏览过某景区的网络用户产生了真实的旅游出行，不同类型、不同等级、不同位置的旅游景区的旅游关注虚体流与实体旅游流之间如何关联，其空间同配性与异配性①同配性是指网络关注量高的旅游景区的游客到访量也很高（即虚拟流和实体旅游流表现为正向相关），反之，异配性是指网络关注量高的旅游景区的游客到访量低（即虚拟流和实体旅游流表现为负向相关）。特征如何，是否具有时间周期性等问题未有定论。

上海是中国历史文化名城、国际会展之都，旅游资源十分丰富②新华社.上海将全面建成国际会展之都［EB/OL］.（2021-04-09）［2022-08-12］.https：//www.gov.cn/xinwen/2021-04/09/content_5598605.htm.。江南文化、海派文化和红色文化等相得益彰，上海市旅游收入多年位居全国前三名③赵嘉鸣.建设具有世界影响力的社会主义国际文化大都市［EB/OL］.（2022-12-07）［2023-03-12］.https：//whlyj.sh.gov.cn/wlyw/20221207/293bf78962284db9b46c079220e84b04.html.。因此，本文以上海市为例，构建旅游景区网络关注市场转化度（以下简称市场转化度）指标，挖掘各类型旅游景区市场转化度的时空分异与邻近性特征，揭示其空间同异配性，分析其可能的影响因素，以期丰富旅游空间结构理论，为旅游资源开发与旅游数字经济发展提质增效提供依据。

1 理论框架构建

从旅游者“心动”视角来看，网络搜索不会直接影响旅游者对旅游景区的出游意愿，但是网络传递的信息影响旅游者对旅游景区的态度进而激发旅游动机（赵伟伟 等，2022）。旅游者对旅游景区的态度主要受旅游者主观因素、旅游目的地客观特征、旅游目的地营销影响（赵雯 等，2019；龙潜颖 等，2022）。一方面，旅游者出游意愿随年龄、学历增长而减弱（席建超 等，2008），对旅游目的地偏好也随年龄增长而转变，如年轻人偏好主题乐园、都市旅游等体验项目较多的旅游景区而年长者更喜欢山水园林、社会人文等静态观赏性旅游景区（彭聪 等，2014；刘建国 等，2018）。另一方面，旅游目的地感知满意度在景区选择中也扮演着重要角色（戈丽，2018），如影视营销、虚拟旅游、形象营造等（Pike，2010；苑炳慧 等，2015），负面信息在一定程度上稀释了旅游者的感知满意度（聂元昆 等，2022）。

从旅游者“行动”视角来看，旅游者真实旅游行为与自身时间安排、天气、旅游景区区位及交通可达性等因素相关（Lew et al.，2006；Ben-Elia et al.，2011）。交通可达性作为受时间约束的主要因子，在旅游活动中表现为随出游时间增加，交通可达性对旅游者真实旅游行为的影响愈发显著。在旅游目的地决策中，交通可达性亦是影响旅游者旅游线路设计与景区到访的重要因素之一（汪丽 等，2021）。其中，短途及中心城区旅游景区受公交、地铁的影响显著，高到访量景区与周边景区转换便捷性感知度高（张治意 等，2021）。此外，旅游景区等级亦对旅游者空间流动产生正向影响（戈丽，2018）。

综上，旅游地理学包含以人为主的人类系统及以地为主的地域系统（邹建琴等，2021）。旅游景区通过地域属性差异（区位、等级、类型及可达性）形成旅游者选择旅游目的地的物质基础，进而影响旅游者出游意愿的可实现性，最终表现为旅游地网络关注量与游客到访量空间分布的异配性。因此，旅游景区网络关注量向游客到访量的转化是旅游者与旅游目的地相互作用的主要表现与最终结果，二者间的关系如图1所示。

图1 “心动-行动”理论框架

2 数据来源与研究方法

2.1 数据来源

从上海市旅游景区实时信息系统①上海发布微信公众号。获得上海市138个旅游景区的名称、等级与所属行政区信息，以及2020 年9 月1 日至2021 年8 月31 日的实时游客到访量。以半小时为间隔爬取游客到访量，计算早上八点至晚上八点游客到访量非零值的平均值作为景区平均游客到访量，并区分工作日和节假日。同理，在百度指数网站（https：//index.baidu.com/v2/index.html#/）以旅游景区的全名、简称或惯称作为关键词进行搜索，爬取各旅游景区每日百度指数值，计算其工作日和节假日的平均值。景区转换所需时间是以2021年11月10日中午12：00上海市实时路况为依据，从高德地图应用程序（调用高德API）上爬取各旅游景区间的最短通行时间。

由于旅游景区接待游客人数与3A 级及以上等级景区数量存在显著正相关关系，而与1A 级和2A 级景区数量关系不显著（邓纯纯 等，2020），在删除因官方数据缺失、闭园、缺少百度指数而没有记录的旅游景区后，本文最终确定以上海市81个3A 级及以上等级旅游景区和2 个无等级著名景区（上海市自然博物馆和国际旅游度假区）为研究对象，其对应的实时游客到访量数据占所有有效实时游客到访量数据的79.7%，基本能够反映上海市旅游景区客流的真实情况。其中，无等级、3A级、4A 级和5A 级旅游景区的数量分别为2 个、27 个、51 个和3 个，空间分布如图2所示。

图2 上海市重要旅游景区空间分布图

2.2 研究方法

2.2.1 格局分析

核密度插值法由概率论中密度函数估计衍生而来，基于给定样本点数量确定变量的分布密度。地理学研究中，通过基于样本点的空间插值生成密度表面，根据热点和冷点的分布特征，刻画地理事象空间分布的集聚与离散特征（尹章才 等，2022），具体计算过程可参考邹建琴等（2021）和尹章才等（2022）的研究。

2.2.2 模型构建

为分析旅游者“心动”与“行动”之间的转化程度，构建旅游景区网络关注市场转化度。网络关注市场转化度是一种相对指标的概念，并非绝对指标，一方面用于表征网络关注量转化为实际游客到访量的相对程度；另一方面，从各旅游景区来看，可表征不同旅游景区之间网络关注市场转化度的相对大小。其计算公式为：

式（1）中：Indexi表示旅游景区i的网络关注市场转化度；Ni和Mi分别表示旅游景区i的实际游客到访量占比和百度指数占比，其公式分别为：

式（2）和式（3）中：Vi表示旅游景区i的实际游客到访量；n为旅游景区总个数；Ai为旅游景区i的百度指数。

2.2.3 影响因素分析

（1）偏相关分析法

偏相关系数，用以测度在排除其他因素影响下指定因素间的净相关关系（陈旭，2013）。网络关注市场转化度包含两个要素，即网络关注量和游客到访量。现实情境中，各项因素可通过影响旅游景区网络关注量和游客到访量进而影响网络关注市场转化度。因此，本文参考旅游满意度影响因素分析相关研究（Matzler et al.，2002；陈旭，2013），采用偏相关分析消除其他因素带来的干扰，从而更加准确地反映相关因素对网络关注量、游客到访量的真实影响，具体计算过程可参考陈旭（2013）和薛晓玉等（2020）的研究。

（2）地理探测器

地理探测器的基本理论假设为：当某自变量对某因变量产生重要影响时，自变量和因变量的空间分布应该具有相似性（Wang et al.，2010）。该方法力图通过探测各变量的空间分异性，揭示背后驱动力。因此，我们采用地理探测器中的因子探测及交互作用探测，与偏相关分析相互印证，进一步对上海市旅游景区网络关注市场转化度各影响因素进行机理分析。

因子探测用于探测因子X对属性Y空间分异的解释程度。其计算公式为：

式（4）、式（5）和式（6）中：h=1，…，L表示因子X的分层或属性Y的分区；Nh和N分别表示层h和全区的单元数和σ2分别是层h和全区Y值的方差；SSW和SST分别表示层内方差之和及全区总方差；q的值域为［0，1］。分层由自变量X生成，q值越大表示因子X对属性Y的解释力越强，反之则越弱。

交互作用探测用于检验不同风险因子X进行交互之后对属性Y空间分异解释力的叠加效果，具体方法参考王劲峰等（2017）的研究。

3 旅游景区网络关注量与游客到访量的时空分布

3.1 空间特征

3.1.1 旅游景区网络关注量的空间分布

上海市旅游景区日均网络关注量的空间分布如图3所示。节假日与工作日的旅游景区网络关注量均形成以都市旅游中心圈层为核心的单中心结构，网络关注距离衰减效应明显。

图3 上海市旅游景区日均网络关注量空间分布图

（1）都市旅游中心圈层独特的旅游风貌成为激发游客出游意愿的主要吸引力。从上海市“三圈三带一岛”①上海市人民政府.上海市旅游业改革发展“十三五”规划［EB/OL］.（2016-11-15）［2022-08-12］.https：//www.shanghai.gov.cn/shssswzxgh/20200820/0001-22403_50560.html.景观布局来看，都市旅游中心圈层包揽50%以上日均网络关注量高于1000 人次的旅游景区，如东方明珠广播电视塔（5A）、上海中心大厦（4A）、上海博物馆（4A）等，涵盖黄浦区、静安区、徐汇区、杨浦区等。市郊景区网络关注量整体偏低，仅有迪士尼、欢乐谷、佘山国家森林公园、辰山植物园等农林风光及主题游乐型旅游景区网络关注量相对较高。日均网络关注量少于500人次的旅游景区散见于宝山区（2 个）、金山区（5 个）、奉贤区（2 个）、崇明区（7 个）、松江区（6个）和浦东新区（13个）。

（2）网络宣传与营销有助于显著提升景区的网络关注度。譬如，四行仓库（静安区）和新场古镇（浦东新区）虽为3A级旅游景区，但因《八佰》《三十而已》等电影、电视剧热映，其网络关注度跃居前列。此外，特色鲜明的高等级景区也是游客搜索热点（李君，2010；马丽君 等，2011）。结合上述分析，这进一步证实旅游景区等级及其知名度是影响网络关注量的重要因素之一，区域内高等级、代表性旅游景区往往成为游客网络搜索的主要景区。

3.1.2 旅游景区游客到访量的空间分布

都市旅游作为上海市旅游业的特色品牌深受游客青睐（朱尧 等，2019），市中心集聚的大量特色旅游资源及迪士尼乐园独有的主题体验（高峻 等，2007），共同造就上海市旅游景区日均游客到访量呈现以都市旅游中心区和国际旅游度假区为中心的双核摄动及距离衰减特征（见图4）。

图4 上海市旅游景区日均游客到访量空间分布图

（1）上海市日均游客到访量形成小规模游客集聚区，如松江区北部（辰山植物园-上海欢乐谷-佘山国家森林公园）、闵行区东部（浦江郊野公园-召稼楼）、浦东新区东南部（上海海昌海洋公园-中国航海博物馆-上海鲜花港-上海滨海森林公园）和宝山区西南部（上海顾村公园-古猗园）等。奉贤区以滨海旅游为主要发展方向，区域旅游产业发展受季节影响显著，如海湾国家森林公园夏季单日游客到访量最高达11万人次但日均游客到访量仅678人次，由于该区内3A级及以上等级旅游景区数量较少，未形成规模集聚区。

（2）高等级旅游景区承载了主要游客到访量。日均游客人数达2000人次以上的旅游景区有19 个，如上海国际旅游度假区、召稼楼、上海海昌海洋公园、上海植物园、上海野生动物园、鲁迅公园、上海共青森林公园等。这19个景区包含所有5A级景区（3个）、14个4A 级景区、1个3A 级景区及上海国际旅游度假区，以23%的景区数量负载了75%以上的游客量，符合二八定律。与网络关注量相似，日均游客到访量较低的景区集中于市郊，如崇明区（7 个）、浦东新区（13 个）、奉贤区（2 个）、松江区（4个）、青浦区（3个）等。

3.2 时序特征

3.2.1 总体特征

如前所述，旅游景区网络关注量与游客到访量在节假日与工作日均表现出规模差异。鉴于此，我们绘制了不同类型（等级）旅游景区在工作日和节假日的网络关注量差异图，及节假日与工作日的游客到访量差异图，以此探究旅游景区网络关注量、游客到访量在不同时间内的变化关系。

（1）高等级的主题乐园、历史人文类型旅游景区的节假日网络关注量显著高于工作日网络关注量（见图5a 和图5b），如上海影视乐园、新场古镇等。在日常的大都市氛围中，独特的历史人文积淀、别具一格的主题乐园更受节假日出游的旅游者青睐，亦促成旅游者日常生活与出游活动的互补体验。节假日期间，游客拥有相对充足的休闲时间，出游空间范围进一步扩大，能够选择诸如主题乐园、历史人文类型等具有相对较高时间成本的旅游景区（李雪，2020）。

图5 工作日与节假日上海市旅游景区日均网络关注量及游客到访量散点图

（2）节假日游客到访量显著高于工作日，且不同类型、不同等级旅游景区游客到访量增长幅度不一（见图5c 和图5d）。由于旅游者出游目的地决策兼具出游偏好和时间约束特征（党宁 等，2017），部分3A 级旅游景区节假日游客到访量以倍数递增，如崇明区3A 级景区高家庄生态园节假日游客到访量相比工作日增长达271倍，上海滨海森林公园、上海月湖雕塑公园、上海海湾国家森林公园等景区节假日游客到访量增长倍数亦达到12 倍。与之相异，近市中心、相同类型集中的旅游景区节假日游客到访量增长幅度较低，如上海田子坊、长风公园、上海植物园等山水园林、博物馆类型。比较网络关注量及游客到访量规模（见图5），游客到访量在工作日与节假日的规模差异显著大于网络关注量在节假日与工作日的规模差异，显示出旅游行为的地理约束性。

3.2.2 网络关注量与游客到访量时序演化

从星期、月度两个时间尺度分析旅游景区网络关注量及游客到访量的时序演化特征，发现各旅游景区淡旺季特征明显，游客出行存在周末周期性小高峰及假期短暂小高峰。上海市旅游景区以春、秋两季为旺季，在此期间前来旅游的游客数量最多。此外，“五一”“十一”假期和暑假也会促使旅游景区网络关注度和到访量小高峰的形成。相较于游客到访量，旅游景区网络关注量的时间黏性更强，且相邻月份的关注量较为相似。

基于月度相关系数（见图6），上海市旅游景区的月均游客到访量及网络关注量在3 月—8 月、9 月—11 月、12 月—次年2 月范围内呈现相似的变化规律，选取2020 年9 月和12 月、2021 年1 月和6 月4 个月份，逐日分析总网络关注量与总游客到访量变化（见图7）。周末游客到访量显著高于工作日，呈现以7天为周期的V 型“波峰-波谷-波峰”或W 型“波峰-波谷-小波峰-波谷-波峰”模式。网络关注量整体与游客到访量同频变化，但寒、暑假两个假期小高峰的增长趋势更加显著。由于旅游不同阶段游客网络搜索的目的各异，搜索总人数也有差异，如在1 月和6 月出现的网络关注量非周期性变化的宽窄各异的“小高峰”，印证了长时段假期的前中后期（如寒假、暑假等）网络与社交平台在游客旅游活动中扮演多种角色（Weaver，2021）。出行之前通过网络对旅游目的地的资源特色、交通与区位等信息进行搜索；出行中搜索景区转换和场所交互建议；出行后则可通过社交平台给其他游客留下出行建议。

图6 上海市旅游景区网络关注量及游客到访量的月度变化

图7 上海市旅游景区网络关注量及游客到访量的周期波动

假期作为时间上的一种特殊事件，对旅游景区网络关注量及游客到访量的影响应单独查看。旅游景区网络关注量及游客到访量在假期迎来高峰（见图8），表明假期效应在旅游者出游需求和行为决策中的重要作用。上海市旅游景区逐日总网络关注量和游客到访量呈现显著的倒“V”型和“M”型分布特征。由节假日“井喷式”的集中出游特征可知，假期出游后引致旅游需求在节后短时段内减少，如元旦和国庆节假期过后，旅游景区的网络关注量与游客到访量骤减并在假期结束后的周末仍维持在较低水平，与国家的节假日调休政策等相关。但春节和端午节假期过后，网络关注量与游客到访量仍维持在较高水平甚至略有爬升，这可能是因为春节与寒假叠加、端午节（2020年6月25—6月27日）与暑假叠加有关。综上可得，旅游景区网络关注量的节前特征、节后特征或“前兆效应”随可旅游时间增加而愈发显著（李山 等，2008）。

图8 上海市旅游景区网络关注量及游客到访量的假期波动

4 旅游景区网络关注市场转化度特征分析

4.1 网络关注市场转化度的时空分异

上海市旅游景区网络关注市场转化度呈都市旅游中心区与上海国际旅游度假区双核共振分布格局，且双核汇集成片，溢出效应、虹吸效应和马太效应并存。工作日与节假日相比，节假日核心旅游景区①核心旅游景区指“中心城旅游圈”范围内旅游景区。详见：上海市人民政府.上海市旅游业改革发展“十三五”规划［EB/OL］.（2016-11-15）［2022-08-12］.https：//www.shanghai.gov.cn/shssswzxgh/20200820/0001-22403_50560.html.对周边景区的空间溢出效应更加显著。当旅游景区及其邻近景区类型不一、特色互补时，更容易发挥溢出效应。譬如，都市旅游中心区内旅游景区分布密集、类型与等级多样，通过规模效应带动周边旅游经济发展。当旅游景区特色鲜明、品牌效应显著且已形成旅游商业综合体时，更容易产生虹吸效应（见图9）。譬如，上海国际旅游度假区以迪士尼乐园作为单一增长极，与周边景区连接松散，形成迪士尼乐园高访问、低溢出的特征（朱尧 等，2019）。当旅游景区与周边景区距离接近，但特色与等级等差距显著时，则会产生马太效应。在停留时间约束下，许多前往迪士尼景区的游客会选择充分游览迪士尼旅游景区，放弃其周边景区，而选择去往市内其他景区。譬如，距离迪士尼乐园仅2.1 公里的上海市游龙石文化科普馆的网络关注市场转化度非常低，成为“路灯下的阴影”。

图9 旅游景区网络关注市场转化度的空间分布

4.2 网络关注市场转化度影响因素分析

4.2.1 影响因素探测

网络关注量作为游客出游意愿的测度指标，与游客的出游偏好具有高度相关性；游客到访量是游客出游行为的直观体现，体现游客在出游偏好基础上综合现实条件的折中决策。由此，游客出游从“心动”到“行动”转化过程受网络关注量及游客到访量影响因素的共同作用。前述分析结果初步表明，旅游景区网络关注量及游客到访量与景区等级、类型之间关联性较强；相关研究表明，随出游时间的增加，旅游景区区位和交通可达性对游客到访量的影响愈发显著（Lew et al.，2006；汪丽等，2021）。因此，结合既有研究，本文选择旅游景区等级、类型、交通可达性及景区邻近性进行定量测度，通过控制各区域经济发展水平消除其他因素带来的干扰，利用偏相关分析、地理探测器分析旅游景区网络关注市场转化度的影响因素（见表1）。

表1 偏相关分析与因子探测分析结果

（1）景区类型是游客“心动-行动”转化的先决因素，不同类型旅游景区网络关注市场转化度存在差异。基于偏相关分析可知，景区类型与网络关注市场转化度显著偏相关，偏相关系数为0.166，而以游客到访量、网络关注量为因变量的偏相关性并不显著。相较于对网络关注量、游客到访量的解释力，景区类型对网络关注市场转化度的解释力更强，进一步证实了景区类型在“心动-行动”转化过程的决定性作用。

（2）景区等级是贯穿游客“心动-行动”过程的重要影响因素。旅游景区等级与网络关注量、游客到访量及市场转化度均显著偏相关，偏相关系数分别为0.261、0.374、0.232，因子探测结果表明景区等级在游客到访量中的解释力高于网络关注量。

（3）交通可达性及景区邻近性成为影响“心动-行动”这一转变的复合因素。偏相关分析结果表明，旅游景区交通可达性与游客到访量显著相关，而景区邻近性则与网络关注量显著相关；因子探测中，景区邻近及交通站点邻近的q网络关注量＞q市场转化度＞q游客到访量，这些均体现出不同的地理邻近在游客出游决策过程中的差异性。此外，结合交互作用因子得分（见表2）可知，游客“心动-行动”的转化受景区类型、景区等级、交通可达性及景区邻近性多项因素综合作用。

表2 交互作用因子得分

4.2.2 影响因素分析

（1）旅游景区类型——初始偏好

游客对旅游景区类型的偏好构筑游客出游的初始动机。基于旅游偏好考量，游客更倾向于前往环境氛围与自身居住地差异较大甚至风格迥异的旅游景区（陈健昌 等，1988；Merriman，1995）。上海市历史人文类景区、动植物园及山水园林类景区的市场转化度较高，博物馆及主题乐园类景区次之，都市娱乐类景区市场转化度波动较大。一方面，人文、生态景观类型旅游景区是现今绿色生态倡导下游客出行的主要阵地，另一方面，商业景观类型旅游景区同质化现象及宣传过热等都是导致其网络关注市场转化度走低的潜在因素。譬如，上海市高家庄生态园、鲁迅公园、植物园、上海国际旅游度假区、长风公园、黄兴公园、徐家汇源等旅游景区成为游客日常打卡热点；而位于市中心的东方明珠广播电视塔、上海科技馆等以商业景观为主的都市娱乐类旅游景区网络关注市场转化度走低，吸引能力有限。高网络关注市场转化度的山水园林类旅游景区数量从工作日的5 家变为节假日的10 家（见表3），也证明了游客在空闲时间的旅游出行决策中，旅游景区类型在旅游需求转化为现实旅游行为过程中具有重要作用。

表3 不同市场转化度下各类型旅游景区数量

（2）旅游景区等级——优先选择

旅游景区等级综合反映景区在服务质量、环境质量、景观质量及游客体验等层面的水平。等级越高的旅游景区越稀缺，各项设施、服务水平也越高，由此成为游客旅游过程中的优先选择条件（陈健昌 等，1988）。通常，高等级旅游景区拥有广泛的公众认知基础、较好的游客口碑和品牌效应，而部分低等级旅游景区也能另辟蹊径，以“网红打卡”“原真体验”等特色深得游客青睐。某些5A级旅游景区虽知名度高但重游率低、推荐程度也不高。譬如，东方明珠广播电视塔（5A）作为上海市地标建筑之一，其市场转化度却低于平均水平，相比于到东方明珠广播电视塔内游玩，游客更倾向于到东方明珠广播电视塔附近，或者到被称为上海城市景观新地标的“陆家嘴三件套”（上海中心大厦、上海环球金融大厦、金茂大厦）附近游览，同时观赏东方明珠广播电视塔的风貌，或在对岸黄浦江外滩进行游览，同样可以观看东方明珠广播电视塔的全貌并以其作为背景拍摄照片。4A 级、3A 级旅游景区，特别是市中心的低等级旅游景区，随网络信息互联互通，与游客之间感知距离逐渐拉近（见图10）。但结合不同类型旅游景区分析，等级越高的旅游景区其市场转化度亦越高，景区等级仍是游客网络关注市场转化过程中不可忽略的重要影响因素。

图10 3A级及以上旅游景区的网络关注市场转化度空间分布图

（3）旅游景区地理邻近——现实约束

旅游景区地理邻近对游客真实出游行为影响显著，游客多倾向于在居住地（或暂居地）周边等级较高的旅游景区游玩（陈健昌 等，1988），由此，旅游景区地理邻近成为游客从“心动”到正式“行动”中至关重要的“临门一脚”。旅游景区地理邻近对旅游行为的影响具体表现为两个方面：

一是旅游景区的交通可达性，构成游客“行动”的直接约束。上海市旅游景区的交通可达性呈现中心-外围圈层结构特征，交通站点设施布局浦西优于浦东，如崇明区的旅游景区、浦东滴水湖附近旅游景区依赖于私家车出行，公共交通出行极不方便（见图11）。旅游目的地交通便捷性会直接导致出游目的地选择的异质性，进而形成游客出游的时空差异分布。旅游资源有赖于游客进入而产生效益，没有便捷的交通，旅游经济不可能规模化发展，也就无法可持续发展。

图11 旅游景区地理邻近分布图

二是旅游景区的景区邻近性，构成游客“行动”的间接约束。上海市旅游景区市场转化度呈现核心-外围特征，高市场转化度旅游景区周边邻近的景区的市场转化度往往也较高，并随通勤时间递增而减小（见图11）。旅游景区间转换便捷性是游客进行景区转换、旅游点状线路规划的重要影响因素，特别是节假日，游客的出游空间更为分散（李涛 等，2020），成行后所在旅游景区及其周边景区间的邻近性成为游客潜在旅游需求的决定性因素。

5 结论与讨论

5.1 结论

互联网为游客信息检索、分析与交互提供了重要途径。数字经济时代下，许多游客习惯出行前通过网络搜索信息了解旅游目的地情况，进行旅游决策，但网络浏览反映的“心动”未必能成为真实的旅游“行动”。本文以上海市为例，采用核密度插值法定量刻画各旅游景区的网络关注量与游客到访量的时空同异配性，通过偏相关分析和地理探测器挖掘旅游景区网络关注市场转化度的影响因素，结果发现：

（1）空间上，上海市旅游景区日平均网络关注量以都市旅游中心区为核心，距离衰减效应明显；而旅游景区日均游客到访量则以都市旅游中心区和国际旅游度假区为中心双核摄动。并且，23%的景区负载了75%以上的游客到访量，呈现二八规律。

（2）时间上，上海市旅游景区网络关注量与游客到访量呈现显著的潮汐性，淡旺季、周末小高峰、假期井喷式增长等效应叠加组合，形成规律性波动特征。游客到访量的波动比网络关注量的波动更为剧烈，反映了出游时长对旅游线路及景区到访的影响。

（3）网络关注市场转化度，呈现都市旅游中心区与国际旅游度假区双核共振分布的特征，且存在溢出效应、虹吸效应和马太效应。旅游“心动-行动”转化过程呈复杂的嵌套作用机制。首先，景区类型构筑游客出游意愿的初始偏好，导致不同类型景区的网络关注市场转化度形成层级结构，历史人文、山水园林类景区市场转化度高于主题乐园、都市娱乐类景区。其次，景区等级成为游客出游选择的优先条件，高等级旅游景区始终是游客的优先选择。最后，交通可达性及景区邻近性通过现实约束性成为游客出游决策的摩擦力，现实旅游流与旅游者可支配时间高度关联，旅游者更加关注旅游景区交通可达性等现实要素。

5.2 讨论

旅游景区通过网络营销传递到互联网用户，营造了大批潜在旅游需求，如何将游客的旅游意愿转化为旅游行为成为旅游景区营销策略重要实践方向。本文主要有以下两个方面的贡献：

（1）刻画上海市旅游需求及现实旅游流的时空同异配性，对提升游客出游意愿及优化景区空间布局具有重要意义。国内外关于旅游景区网络关注量及游客到访量的研究多聚焦在二者耦合关系及其特性，鲜少关注旅游者搜索行为向实际旅游行为转化的机理。本文将游客出游视为一个双阶段过程，基于景区关注及景区游览二维视角，提出“心动-行动”转化度的定量测度方法，明晰了不同旅游景区对游客吸引力转化的分异性。当前，上海市各区内旅游资源分布不均且不同类型旅游景区的网络关注市场转化度具有等级差异，在景区管理开发中应注重游客对不同类型旅游景区的诉求。

（2）扩展对旅游意愿至行为转化机理的认识，可为旅游景区营销及旅游管理工作提供指导。本文核心在于探索旅游目的地不同属性对游客出游成行各阶段的复合影响，结论初步突破了现有游客出游影响因素的研究视野，推进了旅游领域游客出游机制的理论研究。现实情景下，随着游客对旅游景区的网络感知更加高效快速，高、低等级旅游景区之间竞争态势不断加剧。在营销管理中，在利用网络营销扩大市场面的同时仍要注重完善旅游景区周边交通设施，以促进旅游景区的协调发展及跨区旅游景点联动。

本文的不足之处主要有三点：（1）选取时间序列过短，有关突发公共事件，如后疫情时代游客网络浏览与实际出行的行为分析、不同年份间的对比分析仍待探索；（2）未能区分本地游客与外地游客，针对重点景区的实地访谈和问卷调查将有助于深入理解景区网络关注转化度的空间分异；（3）缺少与其他城市的比较研究、上海在长三角地区的旅游区域协同一体化研究、游客景区认知研究等，未来可结合其他旅游数字足迹数据，如游记文本点评数据、抖音、快手等音视频数据，更深入地挖掘游客对于旅游景区的情绪感知、场所交互，及其对网络关注市场转化度的影响。