泛在學習背景下“網上文獻信息檢索課”建設探究

孫浩

〔摘要〕本文以旅游網站網絡日志作為研究對象，以流量統計軟件作為數據采集工具，應用回歸分析及相關分析模型研究影響網站流量的影響因素。研究結果得出了人均瀏覽次數、獨立IP數和獨立訪客數3個指標對流量的不同影響程度。相關分析結果表明獨立訪客數與人均訪問頁面數顯負相關關系。應用本文的研究結果將有助于改進網站性能，優化網站結構。

〔關鍵詞〕網絡信息計量學；網絡日志；定量分析；Web；網站流量；旅游網站

DOI：10.3969/j.issn.1008-0821.2013.05.028

〔中圖分類號〕G25072〔文獻標識碼〕A〔文章編號〕1008-0821（2013）05-0126-05

現代電子通信技術的發展，傳統工業的運行模式發生了很大的變化，尤其是互聯網技術的廣泛應用，促進了全新商業模式的產生，其中電子商務就是其中之一。旅游行業作為電子商務應用最廣泛的領域之一，其作為第三產業的典型代表，近年來取得了長足的發展，互聯網的發展為旅游業帶來了全新的變化，互聯網成為了旅游目的地與旅游者溝通的橋梁[1]，而旅游網站的建設則構成了旅游電子商務的重要組成部分，為此很多旅游企業均建立了自己的門戶網站，網站內容及使用效率成為了旅游企業管理者、政府管理部門及游客所共同關注的問題，如何有效提高網站吸引度、提高網站在搜索引擎中的排名及顯著性，即旅游網站評價問題成為了當前旅游電子商務的熱點研究領域[2]。旅游網站評價分為定性評價與定量評價，而網絡日志評價則是定量評價的主要內容之一，網絡日志是計算機系統存儲用戶訪問網站的信息記錄，它存儲了用戶的大量信息，對這些信息的采集及分析，對于優化網站設計具有重要的意義[1-4]。根據web analystic協會標準委員會于2006年的定義[5]，基于網站分析需要特別關注的指標有3個，它們分別為獨立訪客數、訪客數和流量，而流量被認為是最關鍵的指標。定量研究網站流量問題，對于優化網站、改進網站內容、提高被搜索效率起到至關重要的作用。

當前基于服務器日志文件的定量分析還處于起步階段，現有的研究成果大都是進行簡單的統計歸總分析，沒有進行變量間的關聯研究。基于此，本文以一具體旅游網站網絡日志為研究案例，應用流量統計軟件采集數據，使用計量經濟學模型分析網絡日志中的使用者數據，挖掘影響網站效率的關鍵因素，研究因素間的相關關系，為網站優化提供理論實證參考。

1研究現狀

綜合而言，當前對旅游網站的研究注重于網站使用的外部性研究，未見有針對旅游網站服務器日志文件分析的研究成果，而旅游網站服務器日志文件含有網站使用者最全面、最真實的數據，這些數據是進行旅游營銷、提高網站性能的最好參考資料，而當前對此研究存在海量旅游網站數據的與利用數據進行商務挖掘之間存在巨大差距，許多數據還只停留在簡單的統計匯總階段，沒有進行深入的挖掘與分析，因此旅游網站服務器日志文件的數據挖掘具有創新性及實用性。

2案例分析

21案例說明

研究案例為一旅游網站，旅游網站網址（http：∥www.jctravel.gov.cn/），根據網站的介紹，該網站開通時間為2010年8月26日，于2010的9月2日起開始安裝網站流量監測軟件CNZZ。該網站為旅游官方網站，提供了旅游電子商務的基本功能，包括景點介紹、門票預訂、酒店預訂等。

22數據來源

基于web網絡日志的內容挖掘，當前主要采用二種方法進行數據采集，一種方法是獨立開發專用數據采集軟件，另一種方法是采用免費網站流量統計軟件，其中第一種方法主要是用于專業數據挖掘，適用范圍窄，第二種方法可應用于所有網站的數據自動采集，適用范圍廣。本文數據采集源于免費商業網站數據采集集成軟件CNZZ統計軟件，數據提取時間段為2010-9-2至2012-4-8，共584個數據。統計軟件CNZZ提供了網站流量的時間序列數據，其中包括流量（PV）、獨立訪客、獨立IP數和人均瀏覽次數4個指標。

23實證研究

為了分析影響網站流量的關鍵因素，本文擬構建計量經濟學的回歸分析模型，通過模型求出各變量系數值，從而得到各因變量對流量的影響程度。

231構建回歸模型

回歸模型因變量為流量值（PV），自變量為3個，分別為獨立訪客數、獨立IP數和人均瀏覽次數。

232數據穩定性檢測

根據回歸模型的建模要求，模型各數據序列必須為穩定數列，如果數據序列不穩定，則必須先經差分處理變為穩定序列后才能進入回歸模型。為檢驗數據的穩定性，計量經濟學常用方法是引入ADF檢驗。案例數據序列的ADF檢驗結果及顯著性水平對照如表2所示，從表中可以看出，建模所用的4個數據序列，其原始數據t統計量在1%顯著性水平下均不能通過ADF檢驗，經一階差分后所有數據序列均通過了ADF檢驗，所以建模數據為一階差分單穩序列。

3結論

通過本文的研究可知，旅游網站網絡日志也與其它網站日志一樣，它存儲了網站瀏覽用戶的眾多信息，這些信息包括用戶的瀏覽特征、瀏覽工具、瀏覽次數、用戶來源、停留時間等，本文通過應用計量經濟學理論模型進行定量分析，研究了不同指標對網站流量的影響程度。經過分析，結論表明在研究所考察的3個指標當中，對流量影響最大的指標是人均瀏覽次數，最小的是獨立訪客數，而獨立IP數則處于中間位置。同時通過相關分析得知3個影響指標與流量之間呈現正相關關系，并且發現獨立訪客數與人均訪問頁面數呈負相關關系。總而言之，旅游網站日志挖掘是一個全新的研究對象，通過數據分析可以發現許多表面無法看見的內在變化規律，通過分析日志文件能夠為旅游網站優化、提高網站效率起到積極的推動作用。

致謝：廣西師范大學梁宗經、覃小丹、陶秋伶、劉慧珍對本文也有貢獻，在此表示感謝！

參考文獻

[1]Beatriz Plaxa.Google analytics for measuring website performance[J].Tourism Management，2011，（32）：477-481.

[2]Law，R.，Qi，S.，and Buhalis，D.Progress in tourism management：A review of website evaluation in tourism research[J].Tourism Management，2010，31（3）：297-313.

[3]Omidvar，Mohammad Amin，Vahid Reza Mirabi，and Narjes Shokry.Analyzing the Impact of Visitors on Page Views with Google Analytics[J].International Journal of Web & Semantic Technology，2011，2（1）：14-32.

[4]Mohammad Amin Omidvar，Vahid Reza Mirabi，Narjes Shokry.Time Series modeling of visitors type on web analytics[EB/OL].http：∥world-comp.org/p2011/IKE2533.pdf，2012-05-22.

[5]Association，W.A.Web Analytics“Big Three”Definitions[EB/OL].Washington DC 20037，2006：1-5.http：∥www.webanalyticsassociation.org/resource/resmgr/PDFstandards/WebAnalyticsDefinitionsBig3.pdf，2012-05-22.

[6]中國互聯網信息中心.第28次中國互聯網絡發展狀況統計報告[EB/OL].http：∥wenku.baidu.com/view/2ffe2f283169a451 7723a3a1.html，2012-02-22.

[7]袁夢如，何雨.我國5A級旅游景區網站功能評價及優化對策[J].旅游研究，2012，4（1）：43-48.

[8]羅龍艷，竇厚璽.基于AHP的旅游搜索引擎評價分析[J].科技管理研究，2011，（9）：71-75.

[9]熊偉，葉淋瑋.我國虛擬旅游網站的功能評價研究[J].人文地理，2011，（2）： 154-160.

[10]朱峰.國外“旅游與信息技術”研究進展及啟示[J].圖書情報工作，2010，54（17）：100-103.

[11]李君軼.基于游客需求的旅游目的地網絡營銷系統評價[J].旅游學刊，2010，25（8）：45-51.

[12]高靜，肖江南.我國旅游網站建設評價初探-以攜程旅行網為例[J].情報雜志，2005，（4）：38-40.

[13]鐘櫟娜，董曉莉，邵雋.基于IPA分析的中國旅游景區網站發展研究[J].旅游學刊，2012，27（3）：60-69.

[14]周春林，楊潔俞，肇元.旅游電子商務網站內容交付性測量與評價研究[J].旅游學刊，2010，25（12）：37-43.

[15]孫中偉，王楊.中國信息與通信地理學研究進展與展望[J].地理科學進展，2011，30（2）：149-156.

[16]孫建軍.網絡信息計量理論、工具與應用[M].北京：科學出版社，2009.

[17]百度文庫.網站流量統計信息解釋[EB/OL].http：∥wenku.baidu.com/view/61188cffaef8941ea76e0521.html，2012-05-01.

（本文責任編輯：馬卓）