廣州市旅游景區網絡關注度時空特征研究

(西北師范大學 地理與環境科學學院,甘肅 蘭州 730070)

廣州市旅游景區網絡關注度時空特征研究

嚴江平,宋志紅,李 巍

(西北師范大學 地理與環境科學學院,甘肅 蘭州 730070)

利用“百度指數”數據分享平臺,獲取廣州市23個4A級及以上景區2016年的網絡關注度數據,并利用季節性集中指數、變異系數、回歸分析等對廣州市旅游景區網絡關注度的時空特征進行分析。研究發現:旅游景區網絡關注度周內呈現“雙休日高、工作日低”的特點;網絡關注度年內出現4個波峰,具有“旺季長、淡季短”的特點;“五一”和“十一”網絡關注度在假期期間達到頂峰,移動趨勢遠高于PC趨勢,與整體趨勢保持一致。全國居民對廣州市景區的旅游偏好具有較大差異,以長隆旅游度假區為主的番禺景區群和海珠區的廣州塔旅游偏好最強;旅游景區網絡關注度省際差異顯著,廣東、北京等經濟發達地區網絡關注度較高,東、中、西部省份間的關注度存在差異,西部省份間差異最大。旅游景區網絡關注度空間差異是地區人口規模、經濟發展水平和距離目的地遠近程度等多因素綜合影響的結果。

廣州市;旅游景區;網絡關注度;百度指數

1 引言

互聯網的廣泛傳播和網絡資源的共享為社會公眾提供了一個開放式[A3]的信息發布和查詢平臺,作為重要的信息傳播媒介,互聯網正以不同形式影響著人們的生產和生活。越來越多的人借助互聯網來獲取所需信息,互聯網上的搜索記錄反映了人們的關注熱點和需求狀況,而網絡空間中的信息流已逐漸被應用于科學研究領域。國外最早將網絡搜索的相關數據應用于流行病監測[1],隨后逐漸向社會經濟領域延伸,在失業率預測[2]、房屋銷量預測[3]等宏觀、微觀經濟領域取得了豐富的成果。網絡搜索數據同樣被用于旅游研究領域。李山等研究了我國53個5A級旅游景區的網絡關注度時間分布特征,發現了景區網絡關注度具有“前兆效應”,即周內表現為“日前兆”,年內表現為“旬前兆”[4]。有學者基于不同研究案例地對旅游網絡關注度進行研究,驗證了旅游網絡關注度的“前兆效應”[5]，進一步發現旅游網絡關注度與現實客流量之間具有較強的相關性[6-10],網絡搜索數據也被應用于旅游預測方面的研究[11-12]。黃先開構建了網絡關注度的游客量預測模型,以提高預測精準度[13]。時空動態分析方面,汪秋菊對旅游要素的網絡關注度空間演化特征進行了研究[14]。王章郡等利用Google搜索解析分析了我國自駕車市場演變規律[15]，更有學者基于不同研究對象(平遙古城、全國溫泉旅游、旅游安全等)對旅游網絡關注度時空特征與影響因素進行研究[16-19]。總體來講,學術界關于旅游網絡關注度的研究仍處于起步階段,研究案例地多為全國范圍[4,5]、省域范圍[9,20]內的熱門旅游景區,以東南沿海城市為案例地進行網絡關注度的研究相對較少。

鑒于此,本文以廣州市部分具有代表性的國家級旅游景區為研究對象,對廣州市旅游景區網絡關注度時空特征進行了更深層次的研究,將不同類型的景區進行分類定量分析,并試圖解釋影響其分布特點的主要因素,以期為廣州市旅游開發、規劃和網絡營銷提供有益參考,同時也可豐富信息技術時代旅游者行為的研究內涵。

2 數據來源

2.1 百度指數

百度指數是百度公司推出的一款以用戶搜索量和媒體檢索量作為基礎數據,同時對這些數據進行檢驗與過濾后相加形成的指數。搜索人數與搜索次數直接決定了百度指數數值,可直觀地反映某個關鍵詞在之前一段時間內的搜索頻次。本文將百度指數中的用戶搜索量(搜索指數)作為網絡關注度衡量指標,統計2016年1月至2016年12月廣州市23個旅游景區每日的搜索指數數據,研究廣州市旅游景區網絡關注度的時空分布特征。

2.2 景區與關鍵詞選擇

廣州是我國重要的旅游城市,也是改革開放的前沿地、南方最大的對外通商口岸和最著名的港口城市之一。廣州市旅游資源豐富、文物古跡眾多,擁有國家級旅游景區49個,其中5A級景區2個、4A級景區23個、3A級景區23個、2A級景區1個。2016年，廣州市全年接待過夜游客5940.56萬人次,同比增長5.0%;旅游業總收入實現3217.05億元,同比增長12.0%。

本文選取廣州市25個4A級及以上景區,代表了廣州市旅游景區的最高水平,也是游客關注度較高的熱點旅游景區。首先我們將景區名稱作為關鍵詞搜索對象,獲取景區在2016年1月1日至2016年12月31日的“搜索指數”數據,在關鍵詞搜索中發現“圓玄道觀”未被百度指數收錄,故沒有百度指數數據;“白云山風景名勝區”、“九龍湖旅游度假區”和“蓮花山旅游區”與我國多地景區同名,會影響搜索結果,因此剔除這4個樣本。長隆旅游度假區未被百度指數收錄,但可搜索到長隆旅游度假區包含的長隆歡樂世界、長隆野生動物世界、長隆水上樂園3個旅游景區的百度指數數據,故以這三個旅游景區的搜索量代表長隆旅游度假區的網絡關注度。將可搜索到百度指數數據的旅游景區作為基礎關鍵詞,利用長尾關鍵詞挖掘工具愛站網(http://ci.aizhan.com/)上的SEO綜合查詢對基礎關鍵詞進行拓展,選擇排名靠前的關鍵詞,對這些關鍵詞進行篩選再找出可替代其名稱的相關關鍵詞,最后確定搜索量排名第一的基礎關鍵詞或相關關鍵詞。部分關鍵詞有多重意思,指向性不明確,如廣州塔別名“小蠻腰”,搜索量遠遠高于廣州塔,但“小蠻腰”不僅包含廣州塔,還是當今流行的網絡用語,故搜索量較高,因此仍選擇廣州塔作為關鍵詞的搜索對象,共計23個旅游景區作為分析樣本(表1)。搜索發現,“正佳廣場”2016年6月24日搜索量達到9247次,該日的搜索量超過平日搜索量均值的兩倍標準差,顯然為異常值。調查發現,2016年6月24日廣州正佳廣場啟動“共享經濟”行動計劃,吸引消費者使用手機搜索“正佳廣場”關鍵詞來參與活動,因此不能用來反映旅游關注度,本文利用插值法對該日的數據進行了處理。

表1 廣州市4A級及以上景區百度指數搜索關鍵詞

3 景區網絡關注度時間分布特征

3.1 景區網絡關注度周時段分布特征

我們將23個景區2016年1月1日至2016年12月31日百度指數中的“搜索指數”數值按星期相加求均值,得到周內網絡關注度的日均分布情況(圖1)。觀察發現,景區網絡關注度具有明顯的周內分布規律,表現為“雙休日高、工作日低”的特征,周二比周一關注度有所下降,周三最低,周四、周五逐日上升,周六達到最高峰,周日略有下降,但仍高于工作日期間的關注度。這一分布特征與工作日旅游人數少、周末旅游人數多相吻合,與李山等研究的旅游景區網絡關注度是旅游景區現實游客量的重要前兆之一,在周內表現為“日前兆”的說法相悖[4]。可能的解釋：一是廣州市的常住人口不斷增多,2016年廣州市常住人口達1404萬人,比2015年增長了4.0%,他們距離旅游目的地較近,多以短途旅游為主,因此當日的網絡搜索可為當日的出行做準備。二是隨著無線網的日益普及,人們的上網方式逐漸由PC轉向手機,出游不再傾向于提前搜索旅游信息,而是臨時制定出游計劃,隨時在手機上進行旅游信息搜索,因此出現景區網絡關注度與現實旅游流開始吻合跡象。

圖1 廣州市旅游景區網絡關注度周內變化

3.2 景區網絡關注度月時段分布特征

本文將23個景區2016年1月1日至2016年12月31日網絡關注度按月相加求均值,得到月內網絡關注度的日均分布情況(圖2)。總體來看,旅游景區網絡關注度存在月度差異,不同于以往學者研究的月內網絡關注度在一年中出現雙峰或三峰,廣州市旅游網絡關注度全年出現四個波峰,主高峰在7月，次高峰在10月，其他兩個小高峰分別為2月和4月;景區網絡關注度最低的月份是1月、11月和12月,是兩個關注度低谷。參照游客量季節劃分標準,將月網絡關注度大于年平均月網絡關注度的月份劃分為旺季,為年平均月網絡關注度80%—100%的月份劃分為平季,小于年平均月網絡關注度80%的月份劃分為淡季[21]。經計算發現,廣州市旅游景區網絡關注度的旺季為4月、5月、6月、7月、8月、10月,平季是2月、3月、9月,淡季是1月、11月、12月,可見網絡關注度具有旺季長、淡季短的特點。通過引入季節性集中指數I來分析廣州市旅游景區網絡關注度的季節分布特征[21],計算公式為:

(1)

式中,I為景區網絡關注度的季節性集中指數,用來描述網絡關注度季節變化程度;Xi為各月網絡關注度占全年的百分比。I值越大,則網絡關注度年內各月差異越大；I值越小，則網絡關注度年內各月分布均勻。計算得出廣州市23個景區網絡關注度的I值為1.73,說明景區網絡關注度在2016年各月分布較均勻,季節性差異小。

圖2 廣州市旅游景區網絡關注度季節變化

統計單個景區月時段日均網絡關注度數據,并繪制各景區網絡關注度月度分布圖,23個景區分為“單峰型、雙峰型、三峰型、四峰型”,其中單峰型景區1個、雙峰型景區10個、三峰型景區3個、四峰型景區9個,見表2。計算各景區網絡關注度季節性集中指數,可將23個景區分為4個等級。其中,長隆水上樂園I值為7.36,各月網絡關注度差異最大;南越王墓博物館、長隆歡樂世界等6個景區I值在2.03—3.48之間,各月網絡關注度差異較大;廣州塔、中山紀念堂等13個景區I值在1.03—1.89之間,各月網絡關注度差異較小,黃花崗、正佳廣場、陳家祠3個景區的I值分別為0.62、0.98、0.94,各月網絡關注度分布相對均勻。景區景觀的季節變化、氣候舒適度、節假日等因素影響景區網絡關注度的季節性分布。長隆水上樂園作為唯一一個單峰型景區,季節性集中指數最高,除峰值月份外,其他月份網絡關注度分布相對均衡,夏季由于天氣炎熱,適宜水上運動,7月又處于暑期,更是增大了出游率。雙峰型景區峰值月份多在4月、10月或7月、10月,三峰型景區峰值月份2月、4月、10月或4月、7月、10月,四峰型景區峰值月份在2月、4月、7月和10月。2月正處于春節期間,由于廣州春節期間氣溫較高,適宜戶外活動,吸引北方游客南下,出游人數增多;3—5月除了雙休日之外,還有法定假日“清明節”、“五一勞動節”等節日在此時段聚集。此外,此時廣州氣候宜人,正是出游的最佳時機。6月下旬,學校陸續放暑假讓大眾有更多的空余時間旅游,導致7月份廣州旅游景區網絡關注度達到全年的最高峰;10月秋高氣爽,是一個適宜旅游的“黃金季節”,同時又迎來7天長假,因此此時的網絡關注度又形成一個高峰。

表2 廣州市旅游景區網絡關注度月度分布特征

3.3 景區網絡關注度節假日分布特征

本文以“五一”、“十一”為例,對假期前后與期間網絡關注度特征進行分析,選取了“五一”假期前五天,假期三天和假期后三天共計11天的網絡關注度;“十一”國家法定假期為7天,因此選取假期前五天,假期七天及假期后三天共計15天的網絡關注度,將2016年假期期間廣州市旅游景區在搜索指數下的整體趨勢、PC趨勢和移動趨勢的網絡關注數據整理后進行分類研究。從圖3可見,“五一”期間,網絡關注度整體趨勢曲線呈現一個明顯的倒“V”形,網絡關注度假期期間出現“井噴”現象,在節假日期間高度集中,假期第二天達到最高峰,“五一”期間網絡關注度與假期前后差異明顯。移動趨勢曲線圖與整體趨勢曲線圖保持一致,網絡關注度PC趨勢曲線圖在假期前一天達到關注度最高峰,假期期間呈現緩慢下降趨勢。

圖3 “五一”廣州市旅游景區網絡關注度分布特征

從圖4可見,“十一”期間,網絡關注度整體趨勢曲線圖在假期前兩天出現上升趨勢,9月30日之后直線上升,10月2日的網絡關注度最高,其次是1日和3日,3日后呈現平緩下降趨勢,整體趨勢圖形成一個倒“U”形,不同于“五一”網絡關注度整體趨勢曲線圖的倒“V”形,“十一”期間游客對景區網絡關注度相對分散。移動趨勢曲線圖仍然與整體趨勢曲線圖保持一致,PC趨勢圖在假期前一天出現曲線高峰,假期期間變化不顯著。

圖4 “十一”廣州市旅游景區網絡關注度分布特征

從以上分析可見,旅游景區整體關注度高峰出現在假期期間,移動趨勢曲線圖始終高于PC趨勢曲線圖,并與整體趨勢保持一致。移動趨勢曲線圖在假期期間達到頂峰,而PC趨勢曲線圖在假期前后變化不顯著,只在假期前兩天象征性地比其他時間稍高。截至2012年6月底,我國手機網民規模達3.88億人,手機網民規模首次超越臺式電腦用戶[22],表明網民搜索習慣已發生變化,逐漸由PC終端轉向移動終端,游客更傾向于假期期間搜索目標景區的旅游信息,而不是提前在PC終端上查詢,這一習慣的變化進一步弱化了網絡關注度的前兆效應。

4 景區網絡關注度空間分布特征

4.1 景區旅游偏好空間分布特征

定量分析旅游偏好的方法有多種,我國學者孫根年提出的旅游偏好指數能直觀地反映游客對某一景區的偏好程度,且簡單易行[23]。因此,本文利用旅游偏好指數的衡量指標來分析全國網民對廣州市旅游景區的關注程度,即偏好程度,計算公式為:

(2)

式中,Xi為第i個景區的網絡關注度;X為全部景區的網絡關注度的總值;P的取值范圍在0—1之間,P值越趨近于1,則游客對該景區的旅游偏好程度越強。

我們將搜集到廣州市23個旅游景區2016年的網絡關注度數據進行了整理分析,計算出全國網民對廣州市23個旅游景區的偏好系數。研究結果表明,網民對長隆歡樂世界、廣州塔、長隆水上樂園3個景區的網絡關注度最高,屬于最強偏好,偏好系數分別為13.26%、11.56%、11.54%,日均網絡關注度為2952—3392;對長隆野生動物園、嶺南印象園、百萬葵園、白水寨4個景區的旅游偏好較強,偏好系數為5.31%—7.14%,日均網絡關注度為1359—1827;對廣州動物園、華南植物園等9個景區的旅游偏好較弱,偏好系數為2.10%—4.61%,日均網絡關注度為539—1181;對南越王墓博物館等7個景區的旅游偏好最弱,偏好系數為0.57%—1.73%,日均網絡關注度為148—445。

圖5 全國居民對廣州市景區旅游偏好空間分布

利用全國網民對廣州市23個景區網絡關注度的旅游偏好系數,借助Ssurfer 8.0制圖軟件,以景區為中心,選擇0.5%為間隔,繪制旅游偏好系數等值線圖(圖5),分析廣州市23個景區網絡關注度的空間分布特征。從圖5可見,等值線最密集的是以長隆旅游度假區為主的番禺景區群,旅游偏好最強;其次是位于海珠區的廣州塔,旅游偏好較強;旅游偏好系數較大的還有增城白水寨、天河區華南植物園和正佳廣場等景區,形成部分零散的關注度中心;位于南沙區的百萬葵園、南沙天后宮等景區旅游偏好系數也相對較大;越秀區景區群集聚了廣州動物園、越秀公園、中山紀念堂等在內的6大景區,該地區景區網絡關注度普遍處于中等偏下水平;位于花都區的石頭記礦物園周圍只有一條等值線,是旅游偏好系數最小的景區。

居民對不同類型和不同級別旅游景區的偏好存在很大差異,景區等級與知名度、景觀的獨特性與多樣性、吸引物的可參與性等是影響旅游景區網絡關注度的重要因素。長隆野生動物園與廣州動物園屬于同類旅游資源,但兩者的網絡關注度相差甚遠。原因是:長隆野生動物園屬5A級景區,具有較高的旅游資源品質和知名度,景區獨特的觀光方式、多樣性和可參與性的娛樂項目吸引著游客的目光,同時又有水上樂園和歡樂世界兩大旅游景區相鄰,加大了關注度。廣州塔是廣州市的地標性建筑,知名度較大,因此旅游偏好強。中山紀念堂、黃花崗公園、廣州烈士陵園、南海神廟這些具有紀念意義或用于朝拜目的的景區,旅游資源相對單調、重游率不高,或因目標游客相對較少,因此旅游偏好較弱。廣州屬于亞熱帶季風氣候,常年氣溫較高,百萬葵園、華南植物園這些以植物觀光為主的旅游景區具有較高的關注度。

圖6 廣州市旅游景區網絡關注度空間分布

4.2 旅游景區網絡關注度全國分布特征

對廣州市23個旅游景區的關鍵詞進行搜索,從百度指數人群畫像的地域分布中統計2016年全年對廣州市旅游景區有關注的省份,結果顯示,國內31個省、直轄市、自治區和香港特別行政區、臺灣省都有關注,將“地區”限制在這些省份,統計各省2016年日均網絡關注度數據,利用ArcGIS軟件畫出景區網絡關注度的省域分布圖(圖6)。從圖6可見,廣州市旅游景區網絡關注度全國分布不均衡,廣東省關注度最高,日均網絡關注度可達17418,北京、浙江、江蘇、上海等東部經濟發達地區也具有較高的網絡關注度,日均網絡關注度為2089—2693;江西雖與廣東接壤,但與山東、河南、湖南、湖北、廣西、福建、四川等14個省份位于網絡關注度的第三層級,日均網絡關注度為1006—1999;重慶、云南、黑龍江、吉林等7省市同處于網絡關注度的第四層級,日均網絡關注度為539—978;西部經濟欠發達地區網絡關注度普遍偏低,新疆、西藏、青海、寧夏日均網絡關注度均低于500;香港、臺灣的日均網絡關注度也未超過500。

分析廣州市23個旅游景區網絡關注度的空間均衡程度,將廣州市旅游景區有關注度的33個省區作為研究對象,計算各省區對廣州市旅游景區網絡關注度的變異系數[24]。由于廣東省網絡關注度明顯高于其他地區,為避免干擾計算結果,將剩下的32個省區劃分為東部、中部、西部進行分析。東部包括北京、浙江、江蘇、上海、福建、山東、河北、遼寧、天津、海南10個省市;中部有湖南、河南、湖北、江西、安徽、山西、黑龍江、吉林8個省,西部地區包括四川、廣西、陜西、貴州、重慶、云南、內蒙古、甘肅、新疆、寧夏、青海、西藏12個省區,香港、臺灣位于我國東部,考慮到分析的需要將并列入東部地區。

變異系數(CV)是標準差與平均數的比值,變異系數越大,網絡關注度空間分布越不均衡。計算結果顯示,廣州市旅游網絡關注度省際間變異系數為0.57,說明各省市間的差異大,東部地區網絡關注度的變異系數為0.52,各省網絡關注度差異較大,分布不均衡;中部地區網絡關注度的變異系數為0.34,省際間差異較小,網絡關注度分布較均衡;西部地區網絡關注度變異系數達0.73,各省區網絡關注度差異大,網絡關注度分布極不均衡。研究發現,同樣處于西部地區的四川、陜西兩省的網絡關注度遠高于西藏、青海、寧夏,其中四川的日均網絡關注度是西藏的57倍,這是西部地區網絡關注度變異系數大的重要原因;東部、中部、西部區域間變異系數為0.31,三個區域間的網絡關注度差異不大。

4.3 網絡關注度全國分布差異的影響因素

鑒于數據的可獲得性和指標選取的合理性,本文主要分析國內31個省區的人口規模、經濟發展水平(人均可支配收入)、網民普及率與兩地間的距離對廣州市旅游景區網絡關注度的影響。人口為2015年統計值，人均可支配收入數據來源于各省份統計局網站，網民普及率來源于第39次中國互聯網絡發展狀況統計報告[25]，地理距離為各省區政府所在地至廣州市政府所在地的空間距離,可利用百度地圖獲取。所選四個變量內部存在線性相關關系,為避免多重共線性現象生,本文采用多元線性逐步回歸法進行分析,結果見表3。

表3 回歸系數及檢驗結果

納入方程的是人均可支配收入(X1)、人口規模(X2)和兩地間的距離(X3),反映地區信息技術水平的網民普及率未被納入回歸方程,因此廣州市旅游景區網絡關注度的線性回歸方程模型為:y=0.619X1+0.506X2-0.314X3,方程模型的判定系數R2=0.868,調整后R2=0.852,F=56.753,表明回歸模型擬合狀況良好,三個自變量可解釋因變量的86.8%。回歸系數的膨脹因子VIF小于5,容差大于0.5,因此各變量之間共線性不顯著。以上分析表明,人均可支配收入對廣州市旅游網絡關注度影響最大,其次是人口規模,兩地間的距離與網絡關注度為負相關。網民普及率在以往研究中被列為旅游網絡關注度的影響因素,在本文中由于地區網絡關注度與當地經濟發展水平具有很強的相關性,經濟發展水平越高的地區,網民普及率相對較高,因此網民普及率對旅游網絡關注度的影響被經濟發展水平因素所包含。

除廣東省外,距廣州市1000km范圍內的省區包括湖南、福建、廣西、湖北、江西、海南、香港和臺灣,這8個省份網絡關注度占總關注度的26%;距離在1000—1500km之內的有浙江、江蘇、上海、湖南、貴州、安徽、重慶、云南,這8個省份的網絡關注度占總關注度的32%。距離廣州市1500km內的16個省份網絡關注度僅占總體網絡關注度的58%,說明廣州市旅游網絡關注度雖存在距離衰減現象,但距離衰減現象不顯著。海南、香港兩地距離廣州近,網絡關注度排名靠后,原因是兩地人口基數小,網民規模相對較少,因此網絡關注度排名靠后;北京距離廣州市較遠,但網絡關注度處于領先地位,北京與廣州均是經濟高度發達的城市,兩地之間商務活動頻繁,使北京對廣州關注度不斷增加,同時旅游關注度也在增長;上海、浙江、江蘇人均可支配收入在30000元以上,具有較強的旅游消費能力和旅游動機,所以網絡關注度較高;四川、河南、山東、陜西4省份距離廣州市1000km以外,四省是人口大省,網民規模較大,因此網絡關注度較大;四川、河南、陜西屬于內陸省份,對廣州市這種沿海城市的向往更加熱切,這也是網絡關注度較高的原因所在;新疆、青海、寧夏、西藏距離廣州市遠,經濟發展落后、人口基數小,造成3地網絡關注度排名靠后。以上分析說明,地區網絡關注度空間差異是區域人口規模、經濟發展水平和距離目的地遠近程度等多重因素綜合影響的結果。

5 結論與討論

廣州市旅游景區網絡關注度周內呈現“雙休日高、工作日低”的特點,這一分布特征與工作日旅游人數少、周末旅游人數多相吻合。旅游景區整體網絡關注度全年出現四個波峰,7月是主高峰,次高峰為10月,2月和4月是兩個小高峰;全年網絡關注度旺季長、淡季短,網絡關注度各月分布較均勻,季節性差異小。23個景區可分為單峰型、雙峰型、三峰型和四峰型,其中單峰型景區季節性集中指數最大,網絡關注度季節性差異明顯,其他三種類型景區季節性集中指數相對較小。“五一”和“十一”網絡關注度在假期期間達到頂峰,其他時間分布相對平穩,移動曲線圖始終高于PC曲線圖,并與總體趨勢保持高度一致,表明游客搜索習慣的變化,由PC終端逐漸轉向移動終端。

全國居民對廣州市景區的旅游偏好具有較大差異,以長隆旅游度假區為主的番禺景區群和海珠區的廣州塔旅游偏好最強;旅游景區的網絡關注度在全國分布不均衡,廣東、北京、浙江、江蘇、上海5省市關注度較高,存在距離衰減現象,但不顯著;32個省(市、區)之間網絡關注差異明顯,東部、中部、西部省份間的關注度存在較大差異,西部省份間差異最大,分布極不均勻,中部各省份差異較小。網絡關注度客源地經濟發展水平對廣州市旅游網絡關注度影響最大,其次是人口規模,兩地間的距離與網絡關注度成負相關。

本文優化了關鍵詞的選詞方法,有別于以往關鍵詞選取的主觀性,使搜索結果更切合實際;系統分析了廣州市旅游景區網絡關注度的時空分布特征,通過對網絡關注度周內與節假日分布規律的分析,改變了此前李山等關于網絡關注度前兆效應的假設;在前人研究的基礎上,檢驗了廣州市旅游網絡關注度的影響因素,否定了網民普及率是廣州市旅游網絡關注度的重要影響因素的假想。本研究不足主要體現在:僅以百度指數的搜索數據作為網絡關注度的衡量指標,搜索數據雖然具有一定代表性,但仍不全面,搜索范圍有待進一步拓寬。此外,廣州市旅游景區網絡關注度年內出現四個高峰,與以往學者研究的出現兩個或三個高峰有所不同,因此關于網絡關注度的時間分布特征在不同地域對比分析是未來研究重點關注的問題。

[1]Ginsberg J,Mohebbi M H,Patel R S,et al.Detecting Influenza Epidemics Using Search Engine Query Data[J].Nature,2009,457(2)∶1012-1014.

[2]Francesco D.Predicting Unemployment in Short Samples with Internet Job Search Query Date[R].Mpra Paper,2009.

[3]Wu L,Brynjolfsson E.The Future of Prediction：How Google Searches Foreshadow Housing Prices and Sales[R].Working Paper,2009.

[4]李山,邱榮旭,陳玲.基于百度指數的旅游景區絡空間關注度：時間分布及前兆效應[J].地理與地理信息科學,2008,24(6)∶102-107.

[5]林志慧,馬耀峰,劉憲峰,等.旅游景區網絡關注度時空分布特征分析[J].資源科學,2012,34(12)∶2427-2433.

[6]王碩,曾克峰,童潔,等.黃金周風景名勝區旅游客流量與網絡關注度相關性分析——以廬山、華山、八達嶺長城風景名勝區為例[J].經濟地理,2013,33(11)∶182-186.

[7]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——以四川為例[J].地域研究與開發,2011,30(3)∶93-97.

[8]龍茂興,孫根年,龍珍付.遵義紅色旅游網絡關注度的客流響應研究[J].地理與地理信息科學,2013,29(5)∶98-102.

[9]馬威,張耀南,敏玉芳.基于互聯網搜索數據的甘肅省旅游客源地時空分析[J].中國沙漠,2016,36(3)∶857-864.

[10]馬麗君,孫根年,黃蕓瑪,等.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.

[11]Choi H,Varian H.Predicting the Present with Google Trents[J].Economic Record,2012,88(S1)∶2-9.

[12]Yang Y,Pan B,Song H.Predicting Hotel Room Demand Using Destination Market Organizations WEB Traffic Date[J].Journal of Travel Research,2014,53(4)∶443-447.

[13]黃先開,張麗峰,丁于思.百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J].旅游學刊,2013,28(11)∶93-100.

[14]汪秋菊,劉宇,李新,等.中國主要城市旅游要素網絡關注空間演化特征[J].世界地理研究,2017,26(1)∶45-55.

[15]王章郡,方忠全,杜坤.中國自駕車旅游網絡空間關注度的時空演變——基于Google搜索解析的分析[J].地域研究與開發,2011,30(5)∶112-117.

[16]張曉梅,程紹文,劉曉蕾,等.古城旅游地網絡關注度時空特征及其影響因素——以平遙古城為例[J].經濟地理,2016,36(7)∶196-203.

[17]何小芊,劉宇,吳發明.基于百度指數的溫泉旅游網絡關注度時空特征研究[J].地域研究與開發,2017,36(1)∶103-109.

[18]鄒永廣,林煒鈴,鄭向敏.旅游安全網絡關注度時空特征及影響因素[J].旅游學刊,2015,30(2)∶101-109.

[19]林煒鈴,鄒永廣,鄭向敏.旅游安全網絡關注度區域差異研究——基于中國31個省市區旅游安全的百度指數[J].人文地理,2014,29(6)∶154-160.

[20]馬麗君,龍云.基于網絡關注度的湖南省居民旅游需求時空特征[J].經濟地理,2017,37(2)∶201-208.

[21]盧松,陸林,王莉,等.古村落旅游客流時間分布特征及其影響因素研究——以世界文化遺產西遞、宏村為例[J].地理科學,2004,24(2)∶250-256.

[22]中國互聯網絡信息中心.第30次中國互聯網絡發展狀況統計報告[R].2012.

[23]孫根年.國際旅游支付方程、支付等級與旅游偏好[J].地理學與國土研究,2010,17(1)∶50-54.

[24]周彩萍,戈冬梅.旅游規模差異及其位序規模體系研究——以浙江省為例[J].經濟地理,2010,30(2)∶345-350.

[25]中國互聯網絡信息中心.第39次中國互聯網絡發展狀況統計報告[R].2017.

StudyonTemporalandSpatialCharacteristicsofNetworkAttentioninGuangzhouScenicSpot

YAN Jiang-ping,SONG Zhi-hong,LI Wei

(College of Geography and Environment Science,Northwest Normal University,Lanzhou 730070,China)

Based on dates for 2016 about network attention of 4A and above level scenic spots in Guangzhou obtained from the “Baidu index" data sharing platform,this paper analyzed the temporal and spatial characteristics of the network attention degree of tourist attractions in Guangzhou by using the seasonal concentration index,coefficient of variation,regression analysis.The authors found that the network of tourist attractions showed “weekend high,low working days" features,there were four peaks in the year,with the characteristics of “long peak season and short slow season",the “Labor Day" and “National Day" Internet attention peak during the holiday,and mobile trends were much higher than PC trends,consistent with the overall trends,the tourist search habits changed,from the PC terminal gradually turned to the mobile terminal.There were differences among citizens around the country about the tourist preference of Guangzhou scenic areas,and the most popular scenic were Panyu scenic areas and the Guangzhou tower in Haizhu district.Beijing and other economically developed provinces had higher levels of Internet attention.There was a difference in the degree of attention between the eastern,central and western provinces;the difference degree in the western region was maxi.The spatial differences of tourism scenic spots were the result of the combined effects of factors such as the size of the population,the level of economic development and the degree of distance.The level of economic development had the greatest impact on the attention of Guangzhou′s tourism network,followed by the population size.The distance between the two places was negatively correlated with the network concern.

Guangzhou City;tourist attractions;network attention;Baidu index

2017-11-03；

2017-12-19

國家社會科學基金項目(編號:14BSH029)。

嚴江平(1959-),男,江蘇省無錫人,副教授,碩士生導師,主要研究方向為氣象學與氣候學、旅游管理。

宋志紅(1992-),女,河南省安陽人,碩士研究生,主要研究方向為旅游景區規劃管理。

10.3969/j.issn.1005-8141.2018.01.016

F592.68

A

1005-8141(2018)01-0088-06