奧運場館水立方的客流量與網絡關注度關系分析

汪秋菊，賈 宇，劉 宇，王 靜

（1．北京聯合大學旅游學院，北京 100101； 2．北京國家游泳中心有限責任公司北京 100101）

奧運場館水立方的客流量與網絡關注度關系分析

汪秋菊1，賈 宇2，劉 宇1，王 靜1

（1．北京聯合大學旅游學院，北京 100101； 2．北京國家游泳中心有限責任公司北京 100101）

根據消費者購買決策理論，分析旅游目的地客流量與網絡關注度的關系，比較水立方2010年8月1日—2011年12月31日期間每日客流量與網絡關注度變化曲線，采用非結構性方法建立VAR模型，判斷兩者之間的動態影響關系．結果表明：水立方旅游網絡關注度與客流量之間存在雙向Granger因果關系，同時兩者之間的時滯效應也是存在的．旅游前1d網絡關注度增加，當天客流量也會增加．客流量與7、8d后旅游網絡關注度呈顯著負相關．依賴網絡信息源傳播信息的游客在整個旅游消費群體中的比例大，是水立方客流量與網絡關注度兩者相互影響的重要前提．

客流量；網絡關注度；VAR模型；旅游目的地；水立方；奧運場館

0 引言

隨著網絡經濟和信息技術的發展，互聯網成為旅游者獲取和傳遞旅游信息的重要渠道，關于旅游目的地客流量與網絡關注度之間關系的研究備受關注．水立方是2008年北京奧運會水上項目的比賽場館，奧運會期間承擔游泳、花樣游泳與跳水等賽事．奧運會后水立方成功轉型，由功能單一的游泳館發展成為集參觀、嬉水休閑、大型賽事活動為一體的旅游目的地．研究水立方客流量與網絡關注度內在聯系，對奧運場館旅游客流量的預測、預警及旅游目的地可持續發展具有重要意義．

路紫等運用網上查詢系統和網站訪問量統計工具，研究旅游網站訪問者人數與景區旅游者人數之間的相關性，認為旅游地旅游網站年內訪問者人數走勢與旅游地旅游者人數走勢表現波漣狀特征，信息流對人流存在導引作用［1］．李山等選取搜索引擎上的旅游信息流為對象，考慮“前兆效應”，研究5A級旅游景區的網絡空間關注度，認為旅游景區網絡關注度是現實客流量的前兆［2］．在研究網絡關注度對旅游目的地客流量作用的基礎上，馬麗君等認為在慣常環境條件下，區域旅游網絡關注度與實際旅游客流具有極強的正相關性［3］．龍茂興、吳士鋒等認為在旅游系統中，不同的主體基于不同的角度對信息流的功能作用具有不同的理解與訴求：一方面體現旅游信息流對客流量的引導作用；另一方面旅游信息流是客流量的“前兆”［4—5］．

這些研究成果揭示網絡關注度的動態變化規律，大多是在旅游目的地網絡關注度與客流量數據比較的基礎上得出來的．雖然吳士峰利用多項式最小二乘擬合和方差分析法，也只是分析網站信息流對旅游人流的作用，沒有研究現實客流量對未來網絡用戶關注度的影響，沒有為兩者之間的聯系提供一個嚴密的說明．因此，需要構建實證模型，分析旅游目的地客流量與游客網絡關注度之間的互動關系，以及網絡關注度與實際客流量作用關系存在的必要前提等，為旅游目的地發展提供支持．

1 旅游者消費決策過程

百度指數是以百度網頁搜索和百度新聞搜索為基礎的免費海量數據分析服務，反映不同關鍵詞在過去一段時間里的“用戶關注度”和“媒體關注度”．其中，用戶關注度即為網絡關注度，是以數千萬網民在百度的搜索量為數據基礎，以關鍵詞為統計對象，分析并計算各個關鍵詞在百度網頁搜索中搜索頻次的加權和，并以曲線圖的形式展現［6］．

以旅游為目的的網絡關注度不同于其他目的的網絡關注度，網絡信息主體是旅游目的地潛在游客，搜索的關鍵詞一般為與“吃、住、行、游、購、娛”旅游六要素相關的旅游信息，包括旅游景點、旅游交通、住宿、餐飲、購物、娛樂、天氣氣候和居民好客程度等．

客流量是指一定時期內進入旅游目的地的旅游者數量，反映現實游客數量規模［7］．由于游客獲取信息的渠道是不同的，游客中既有依賴網絡信息源傳播旅游信息的消費群體，又有依賴傳統信息源（朋友和親戚、目的地宣傳冊、咨詢機構和紙質、廣播、電視媒體等［8］）傳播旅游信息的消費群體．

根據Arndt J提出的消費者購買決策理論，將旅游者消費決策過程分為認識問題、收集信息、評價選擇、購買決策和購后感覺與行為等5個階段［9］（見圖1）：（1）認識問題階段，旅游信息源向旅游消費者傳遞旅游產品信息，旅游消費者作為信息被動接受者，經過對旅游產品信息的接觸、理解與內化后，形成態度；（2）收集信息階段，旅游消費者作為信息的主動索取者，搜集各種大量的旅游產品信息以降低決策風險；（3）評價選擇階段，依據收集旅游信息，建立產品的評價標準，評價和選擇旅游產品；（4）購買決策階段，旅游消費者獲知旅游產品信息，比較可供選擇的產品后形成購買意向，在購買意向與購買決策之間，還受到他人態度、意外事件和“知覺風險”的影響；（5）購后感覺與行為階段，消費者購買行動的結果被大腦記憶、貯存起來并供消費者以后購買參考，或者作為信息發布者反饋給旅游信息源．

圖1 旅游者消費決策過程示意Fig．1 Tourist decision—making process

2 客流量與網絡關注度關系

在網絡社會信息形態下，旅游目的地客流量與網絡關注度之間存在相互影響、相互作用的復雜關系．旅游消費者不僅包括依賴網絡信息源傳播信息的群體，也包括依賴傳統信息源傳播信息的群體．

在出游前，旅游消費者作為信息的接受者，可以通過互聯網體驗虛擬旅游、了解他人感性經驗、實現旅游信息獲取、旅游計劃決策和旅游產品預訂支付等［10］．這些行為無不預示旅游消費者旅游出游行為，在一定程度上反映網絡關注度對旅游目的地客流量的前兆效應．同時，獲取旅游目的地相關信息的屬性決定旅游意向能否實現，如果旅游消費者獲得的網絡信息符合或超過心理預期，出游的概率就大．因此，旅游消費者是否出游與網絡信息的屬性有關，也體現旅游信息流對旅游客流的導引功能．

在出游后，旅游消費者將自己的旅游感受及對旅游目的地的評價，通過自媒體，如博客、Wiki、論壇等反饋給政府、企業、個人等信息傳播源，從而被其他消費者搜索并為旅游消費決策提供指導，直接影響旅游消費者網絡關注度，間接影響未來客流量．

3 實證分析

3．1 變量選取及數據來源

水立方主要提供比賽、水上游泳健身、嬉水和旅游參觀等綜合性服務，建立官方網站與水立方新浪官方微博等，作為旅游信息傳播的重要網絡信息源，為旅游者提供網絡交互信息．

選取2010年8月1日—2011年12月31日期間每日進入水立方奧運場館觀光、休閑游客的數量作為研究對象，每日水立方客流量疊加而成的結果見圖2（由國家游泳中心提供數據）．

圖2 水立方的客流量隨時間變化曲線Fig．2 Dynamic curves of Water Cube’s tourist flow

由圖2可以看出，水立方日客流量變化曲線呈現周期波動的特征，在2月、“五一”黃金周、暑期和“十一”黃金周時期是水立方旅游的高峰期，在1月、3月、9月和12月是水立方旅游的低谷期，總體上呈現周末客流量增加與工作日客流量減少的波動特征．

考慮水立方經營特點，主要選取“水立方”、“水立方嬉水樂園”、“水立方游泳”、“水立方門票”等作為網絡關注度搜索關鍵詞，截取水立方每個搜索關鍵詞所對應網絡關注度時空變化曲線，在曲線上獲得2010 年8月1日—2011年12月31日每天網絡關注度數據；然后把每個搜索關鍵詞所對應的網絡關注度數據疊加，得到水立方的網絡關注度隨時間變化曲線（見圖3）．

圖3 水立方的網絡關注度隨時間變化曲線Fig．3 Dynamic curves of Water Cube’s network attention

由圖3可以看出，水立方網絡關注度變化曲線呈現周期波動的特征，在2月、“五一”黃金周、暑期和“十一”黃金周時期水立方網絡關注度出現峰值，與客流量的變化特征一致．網絡關注度出現峰值的時間點先于客流量出現峰值的時間點．以2011年2月為例，2月4日水立方網絡關注度達到峰值，客流量在2月6日達到峰值，在一定程度上證實旅游目的地網絡關注度對客流量存在引導作用和前兆效應．由圖2和圖3可以看出，水立方客流量與網絡關注度存在一定的相關性，但水立方客流量與網絡關注度相互作用的動態關系需要驗證．

3．2 模型選擇與估計

考慮水立方客流量與網絡關注度關系，采用非結構化方法建立向量自回歸模型（Vector Auto Regres—sion，VAR）．VAR把系統中每一個內生變量作為系統中所有內生變量滯后的函數構造模型，數學表達式為式中：yt為內生變量向量；Xt為外生變量向量；p為滯后級數；T為樣本個數；A1～Ap和B為被估計的系數矩陣；εt為擾動向量［11］．

為避免客流量與網絡關注度指標變量不平穩而產生“偽回歸”現象，利用Eviews軟件，采用ADF方法檢驗各指標變量的平穩性．關注度（GZD）和客流量（RS）的ADF值分別為—3．487 217和—3．774 792，小于5%的臨界值，且概率P值小于0．05．關注度、客流量序列在5%的顯著性水平下拒絕原假設，即關注度與客流量原序列是平穩的．

采用OSL估計方法，分析水立方客流量與網絡關注度指標變量之間關系．不同的滯后期將導致模型估計結果顯著不同，選擇依據：一種是根據經濟理論的要求設定合適的滯后期；另一種是根據AIC或SC值最小準則選擇合適的滯后期．由于關注度與客流量滯后期數無理論可循，因此建立多個VAR模型，比較每個VAR模型的AIC值，根據AIC值最小準則確定VAR模型最優滯后期為8期，即8天（見表1）．

表1 滯后期選擇結果Table 1 Lag selection

滯后1、7d的客流量對自身的影響參數分別為0．837和0．206，t分別為18．451 1和3．609 1，2個t 在5%的水平上顯著，其他客流量滯后期對自身影響不顯著，因此前1d及前7d客流量在很大程度上影響當天客流量．滯后1d的網絡關注度對客流量的影響參數為3．476，t為5．853 70，在5%的水平上顯著，即前1d旅游網絡關注度影響當天的客流量，與文獻［3—4］研究成果一致，驗證網站信息流對旅游人流的增強作用．

滯后7、8d的客流量對網絡關注度的影響參數分別為—0．018和—0．012，t分別為—4．496 6和—4．165 1；主要原因是水立方的客源市場外地游客占62%，北京地區的游客占38%，外地游客在北京的逗留時間一般為2～3d，加上行程，外地游客出游的時間在7d左右，信息的傳播也隨之滯后［12］．滯后7、8 d客流量與網絡關注度呈顯著負相關．主要原因：（1）由于旅游產品銷售的40%靠口碑因素，游客的口口相傳成為重要的信息傳播渠道，隨著客流量的增加，部分替代網絡信息渠道，降低網絡關注度．（2）根據水立方滿意度調查數據顯示，近七成的游客對水立方整體服務感到非常滿意；近三成的游客認為水立方經營的旅游產品缺乏競爭力，奧運體驗產品與體育休閑產品不能滿足游客的需求，奧運場館的吸引力不足．旅游者把不滿意的感受通過口碑傳播給周圍的人，負面口碑的影響遠遠大于正面口碑的［13］，從而降低旅游消費者對水立方的關注度．

滯后1、7d的網絡關注度對自身的影響參數分別為0．728和0．151，t分別為16．950 1和2．834 11，2 個t在5%的水平上顯著，其他網絡關注度滯后期對自身影響不是很顯著．

3．3 Granger因果檢驗與平穩性檢驗

為驗證水立方客流量與網絡關注度是否構成因果關系，利用Granger因果檢驗分析．Granger因果關系檢驗對滯后期數非常敏感，為了獲得最佳的滯后期數，以AIC和SC值準則為標準，選取滯后8期作為最佳滯后期數．Granger因果關系檢驗結果見表2．

表2 Granger因果檢驗結果Table 2 The results of Granger causality test

由表2可知，網絡關注度與客流量之間存在雙向Granger因果關系，即網絡關注度是影響客流量的重要因素，同時客流量也是影響網絡關注度的重要因素．經過AR Root Table檢驗，VAR模型的全部根的倒數小于1，表明VAR模型的結構是穩定的．

不同旅游目的地自身特有屬性吸引具有不同社會人口特征（包括年齡、性別、受教育程度、職業、收入和婚姻狀況）的消費群體．這些消費群體信息消費偏好、信息觀念不同，在旅游信息溝通過程中依賴信息渠道不同，也同樣影響客流量與網絡關注度之間關聯程度．年輕人群和依賴網絡信息源傳播信息的游客在整個旅游消費群體中的比例大，是水立方客流量與網絡關注度兩者相互影響的重要前提．

3．4 脈沖響應函數分析

水立方客流量與網絡關注度的脈沖響應函數見圖4，刻畫分別給客流量RS、網絡關注度GZD施加1個標準差大小的沖擊后，2個變量復雜關系與相互影響的全過程．其中：實線表示脈沖響應函數，代表旅游人數對各相應變量的沖擊反應；虛線表示正負2倍標準差偏離帶．

圖4 脈沖響應函數Fig．4 Impulse response function

由圖4可以看出：（1）當在本期給網絡關注度一個正沖擊后，客流量在前3d顯著增長；在第3d到達最高點，然后緩慢下降；在第8d降到最低點，然后又開始平穩增長．這說明網絡關注度受到外部條件的某一沖擊后，給客流量帶來同向的沖擊，即網絡關注度的正沖擊對客流量的增加具有顯著的促進作用和較長的持續效應．（2）當在本期給客流量一個正沖擊后，客流量在前2期內帶來正面影響；從第3期后，對網絡關注度產生持續的負面影響，波動幅度越來越小，然后趨于平穩，即客流量的正沖擊將降低網絡關注度．

3．5 方差分解分析

將VAR模型系統內一個變量的方差分解到各個擾動項．客流量隨時間增加，變動方差由自身變動解釋的部分逐步下降，由關注度變動解釋的部分逐漸增加，即大約40%的客流量變動方差可以由網絡關注度變動解釋；網絡關注度變動方差由自身變動解釋的部分逐步下降，由客流量變動解釋的部分逐漸增加，即大約15%的網絡關注度變動方差可以由客流量變動解釋．

4 結論

（1）根據消費者購買決策理論及客流量與網絡關注度統計數據，利用非結構方法建立奧運場館水立方VAR模型，判斷客流量與網絡關注度之間動態影響關系．

（2）水立方旅游網絡關注度與客流量之間存在雙向Granger因果關系，旅游網絡關注度與現實客流量存在時滯效應．滯后1d的網絡關注度對客流量的影響參數為3．476，旅游前1d網絡關注度增加，當天客流量也會增加；滯后7、8d的客流量對網絡關注度的影響參數分別為—0．018和—0．012，客流量與7、8d后旅游網絡關注度呈顯著負相關．

（3）年輕人群和依賴網絡信息源傳播信息的游客在整個旅游消費群體中的比例大，是水立方客流量與網絡關注度兩者相互影響的重要前提．

（4）與水立方經營定位相同，服務于年輕人群的奧運場館，可以將網絡關注度作為旅游目的地客流量的先行指標，建立旅游目的地客流量預報、預警系統，科學估算旅游環境容量，及早進行管理干預．同時，奧運場館應適應市場需要，加快旅游產品結構調整，大力發展奧運體驗旅游、體育休閑旅游等產品，增強奧運場館旅游競爭力．

［1］ 路紫，趙亞紅，吳士鋒，等．旅游網站訪問者行為的時間分布及導引分析［J］．地理學報，2007，62（6）：621—630．Lu Zi，Zhao Yahong，Wu Shifeng，et al．The time distribution and guide analysis of visiting behavior of tourism website users［J］．Acta Geographica Sinica，2007，62（6）：621—630．

［2］ 李山，邱榮旭，陳玲．基于百度指數的旅游景區網絡空間關注度：時間分布及其前兆效應［J］．地理與地理信息科學，2008，24（6）：102—107．Li Shan，Qiu Rongxu，Chen Ling．Cyberspace attention of tourist attractions based on baidu index：Temporal distribution and precur—sor effect［J］．Geography and Geo—Information Science，2008，24（6）：102—107．

［3］ 馬麗君，孫根年，黃蕓瑪．城市國內客流量與游客網絡關注度時空相關分析［J］．經濟地理，2011，31（4）：680—685．Ma Lijun，Sun Gennian，Huang Yunma．A correlative analysis on the relationship between domestic tourists and network attention ［J］．Economic Geography，2011，31（4）：680—685．

［4］ 龍茂興，孫根年，馬麗君，等．區域旅游網絡關注度與客流量時空動態比較分析：以四川省為例［J］．地域研究與開發，2011，30（3）：93—97．Long Maoxing，Sun Gennian，Ma Lijun，et al．An analysis on the variation between the degree of consumer attention of travel net—work and tourist flow in regional tourism：A case of Sichuan province［J］．Areal Research and Development，2011，30（3）：93—97．

［5］ 吳士鋒，陳興鵬，路紫，等．網站信息流對旅游人流增強作用研究［J］．現代情報，2009，29，（11）：220—224．Wu Shifeng，Chen Xingpen，Lu Zi，et al．The research of the website information flow strengthens the function to the tourist flow ［J］．Journal of Modern Information，2009，29，（11）：220—224．

［6］ 百度指數［EB／OL］．［2012—06—24］．http：／／baike．baidu．com／view／1235．htm．

［7］ 陳志輝，陳小春．旅游信息學［M］．北京：中國旅游出版社，2003：5—7．Chen Zhihui，Chen Xiaochun．Tourism informatics［M］．Beijing：China Travel ＆Tourism Press，2003：5—7．

DOI 10．3969／j．issn．2095—4107．2013．05．017

F590

A

2095—4107（2013）05—0118—07

2013—07—15；編輯：任志平

北京市教育委員會社科計劃面上項目（SM201211417007）

汪秋菊（1972—），女，博士，副教授，主要從事旅游經濟方面的研究．

王 靜（1975—），女，副教授，主要人事文化旅游、旅游資源與開發和旅游目的地管理方面的研究，lytwangjing＠buu．edu．cn．

［8］ Gitelson R J，Crompton J L．The planning horizons and sources of information used by pleasure vacations［J］．Journal of Travel Re—search，1983，21（3）：2—10．

［9］ Arndt J．Role of product—related conversations in the diffusion of new product［J］．Journal of Marketing Research，1967，4（1）：356—376．

［10］ 龐聞，馬耀峰，鄭鵬．五種旅游信息傳播模式的比較與整合［J］．旅游學刊，2012，27（5）：74—79．Pang Wen，Ma Yaofeng，Zheng Peng．Comparison and integration of five kinds of tourism information dissemination models［J］．Tourism Tribune，2012，27（5）：74—79．

［11］ 高鐵梅．計量經濟分析方法與建模［M］．北京：清華大學出版社，2008：249—254．Gao Tiemei．Econometric analysis and modeling［M］．Beijing：Tsinghua University Press，2008：249—254．

［12］ 劉宇，王春才．水立方2012年度奧運旅游主題策劃報告／／2012年首都旅游產業論壇論文集［C］．北京：旅游教育出版社，2012：245—270．Liu Yu，Wang Chuncai．Planning report of water cube of 2012Olympic tourism theme／／2012tourism industry forum proceeding［C］．Beijing：Tourism Eduction Press，2012：245—270．

［13］ 孫麗．面向游客的旅游信息傳播效果研究：以青島為例［D］．青島：中國海洋大學，2009：56—59．Sun Li．Research on communicating effects of tourism information facing tourists：The case of Qingdao［D］．Qingdao：Ocean Uni—versity of China，2009：56—59．

［14］ 李昊禹．房地產企業財務預警模糊綜合評價方法［J］．大慶石油學院學報，2009，33（5）：111—115．Li Haoyu．Financial early warning of real estate enterprise with fuzzy comprehensive valuation method［J］．Journal of Daqing Petrole—um Institute，2009，33（5）：111—115．