基于UGC的旅游地空氣質量滿意度研究

張峰 陶玉國

摘 要：UGC數據為研究游客對空氣質量的滿意度提供了新視角。采用網絡爬蟲獲取新浪微博近七年來游客對北京、福建5A景區空氣質量發布的32萬余字的評論文本，通過基于Boson中文語義開放平臺的情感分析法測算滿意度值。研究發現，北京、福建景區空氣質量整體滿意度評價值分別為0.752、0.811，等級依次為良級、優級;從時間演變來看，北京呈下降趨勢，降幅為6.41%，福建呈上升趨勢，漲幅為1.76%;游客對北京景區的霧霾等空氣污染討論頻次高于福建。因此，建議旅游電商、社交媒體等平臺應充分重視UGC數據的挖掘，積極探索建立游客滿意度評估管理系統。

關鍵詞：UGC;旅游目的地;空氣質量;滿意度

中圖分類號：F590? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2019）24-0174-03

引言

近年來，中國不少城市出現了嚴重的空氣污染狀況，旅游目的地的空氣質量也相應受到影響。鑒于空氣質量是旅游地選擇的重要因素[1]，旅游者對空氣質量的滿意度不僅構成了重要的旅游經歷，而且對他們的出行計劃、重游意愿等產生重要影響。與此同時，社交媒體時代快速發展背景下，越來越多的游客將對旅游地空氣質量的感受，通過各種自媒體平臺進行傳播，形成了大量的有關旅游地空氣質量評價的用戶生成內容（UGC）[2]。充分研究這些UGC傳播中的滿意度評價，不僅有利于減少污染造成的對游客心理的不利影響，也有利于景區管理者對空氣質量的提升提出針對性建議，對旅游目的地結合自身空氣質量條件進行營銷管理有借鑒意義。

當前對旅游地空氣質量滿意度等心理方面的研究較少，相關研究主要集中于天氣狀況對旅游目的地形象影響[3～5]、旅游者目的地選擇行為影響這兩方面[6～7]?；诖?，本文選取北京、福建這兩個自然生態環境差異較大的地區作為案例地，獲取游客對其5A景區發布的空氣質量的網絡評論，對這些評論滿意度進行了對比研究。

一、數據來源與研究方法

1.數據來源。文中的UGC數據來自于新浪微博，以“景區名稱+空氣+游”為關鍵詞，利用網絡爬蟲工具獲取?？紤]新浪微博用戶在2011年才開始活躍，故限制搜索時間為2011年1月1日至2018年6月31日。同時為了保證數據準確性，設置微博發布地為各景區所在城市，類型為原創。數據去燥后獲取評論3 253條，共計32萬余字。

2.研究方法。游客情感是體驗滿意度的主要測量標準[8]，因此利用情感分析法測度游客滿意度。情感分析是關于人們對實體、個體、問題、事件、主題及其屬性的看法、評價、態度和情感的計算研究[9]。鑒于Boson中文語義分析平臺提供了更具針對性的微博語料庫，而本文的評論數據來自新浪微博，故本研究選擇該平臺，便于進行標注和機器學習，獲得更佳的情感判斷準確率。通過Python3.0編寫計算機編程語言調用Boson中文語義開放平臺，在調用時通過URL參數選擇微博社交語料庫模型對評論數據進行情感分析，以獲取不同時間段游客對北京、福建共計15家5A景區空氣質量滿意度評價分值。在滿意度評價的等級標準方面，考慮到分值在0—1之間，將評價標準擬定為劣級（0—0.20）、差級（0.21—0.40）、中級（0.41—0.60）、良級（0.61—0.80）、優級（0.81—1），正負臨界值為0.5，分值越高，情感越趨向正面，滿意度越高。

二、結果與分析

總的來看，北京1 545條網絡評論的滿意度均值是0.752，福建1 708條評論的均值是0.811，福建地區相較于北京高出7.85%。按照滿意度值區間劃分，北京景區的網絡評論滿意度屬于“良級”，福建則屬于“優級”，表明在網絡信息傳播中，游客更傾向于對福建景區的空氣質量發表正面評論。鑒于空氣質量是旅游目的地形象的重要組成成分，這種對空氣質量的滿意度最終將影響到對目的地整體形象的評價。

1.滿意度年份變化對比。由下圖可知（未統計2018年7個月的數據），近七年北京景區空氣質量UGC滿意度值分別為0.780、0.780、0.781、0.779、0.757、0.726、0.730，均為“良級”，2011—2014年滿意度值變化較平穩，近七年整體呈下降趨勢，降幅為6.41%。福建景區空氣質量UGC滿意度值分別為0.756、0.796、0.833、0.818、0.846、0.778、0.795，2013—2015年值為“優級”，其余年份值為“良級”，近七年整體呈上升趨勢，漲幅為1.76%。僅在2011年，福建空氣質量滿意度值低于北京，其余年份均高于北京。滿意度值一定程度上反映了空氣質量。因此，北京景區空氣質量滿意度值呈下降趨勢體現了其空氣質量的下降，其原因可能與大氣污染帶來的威脅相關。

2.各景區滿意度對比。測算各5A景區網絡評論的滿意度值可知（見表1），北京地區滿意度值排名前三的景區分別為恭王府、奧林匹克公園、明十三陵，值最低的景區是故宮，僅為0.688。福建地區滿意度值排名前三的景區分為是太姥山、清源山、白水洋鴛鴦溪，均為自然風景型景區。就福建地區而言，相較于文化古跡類景區，自然風景型景區自然環境優美、植被茂盛，空氣質量也更佳，游客在網絡信息傳播中會表達較高的滿意度。

3.情感高頻詞對比。統計UGC文本中排名前20的高頻詞匯發現（見表2），兩地區景區的評論中均出現了清新、新鮮這兩個贊美空氣質量的情感詞，但北京景區清新、新鮮的詞頻分別為246、138，低于福建景區的詞頻（詞頻為480、179）。此外，北京景區評論高頻詞還出現了污染、霧霾這兩個表征空氣質量不佳的負面詞匯，福建地區評論中未出現這些詞。

由此可見，北京地區相對于福建地區，城市整體發展速度快，同時也帶來了更為嚴重的城市碳排放、霧霾天氣等空氣質量污染問題，導致了游客會在網絡中傳播這些負面信息。如北京游客的評論“呼吸著骯臟的空氣，我來到了故宮，登上城墻，遠眺被霧霾籠罩的帝都”，表達了其對空氣污染的不滿，此類信息的傳播將對潛在游客的出游決策行為產生負面影響。

三、結論及政策建議

研究結果表明，UGC傳播中的北京、福建景區空氣質量整體滿意度評價值分別為0.752、0.811，等級依次為良級、優級;從滿意度值的時間演變來看，北京呈下降趨勢，降幅為6.41%，福建呈上升趨勢，漲幅為1.76%;福建地區的自然風景型景區空氣質量滿意度高于文化古跡類;北京的霧霾等空氣污染是滿意度較低的主要原因，其空氣質量快速惡化已成事實，加強其旅游地空氣質量管理勢在必行。本研究也有一定局限性，UGC數據獲取渠道僅為新浪微博，從旅游網站、APP等平臺獲取的評論更能豐富本研究成果，建議未來研究可獲取圖片、視頻等多源數據。

旅游目的地生態環境治理需要全社會共同參與，有關立法、執法部門應盡快開展旅游地空氣污染整頓，增強空氣污染危害，以及如何形成、如何預防治理等方面的教育，提升個人與企業的社會責任，提倡更低碳、經濟的生活與生產方式，控制空氣污染狀況的發生。同時，也建議旅游電商、旅游社交媒體等平臺充分重視UGC大數據的挖掘與利用，積極探索建立游客滿意度評估管理系統，避免負面旅游UGC內容的傳播帶來的游客出游決策行為改變等不良影響。

參考文獻：

[1]? Goh C.Exploring impact of climate on tourism demand[J].Annals of Tourism Research，2012，（4）：1859-1883.

[2]? Zeng B.，Gerritsen R.What do we know about social media in tourism？ A review[J].Tourism Management Perspectives，2014，（10）：27-36.

[3]? 馮捷蘊.北京旅游目的地形象的感知——中西方旅游者博客的多維話語分析[J].旅游學刊，2011，（9）：19-28.

[4]? Sajjad F.，Noreen U.，Zaman K.Climate change and air pollution jointly creating nightmare for tourism industry[J].Environmental Science and Pollution Research，2014，（21）：12403-12418.

[5]? Aiping Z.，Linsheng Z.，Yong X.，et al..Tourists Perception of Haze Pollution and the Potential Impacts on Travel：Reshaping the Features of Tourism Seasonality in Beijing，China[J].Sustainability，2015，（3）：2397-2414.

[6]? 許春曉，周美靜，王甫園.旅游目的地選擇意愿的影響因素——以韶山為例[J].經濟地理，2015，（4）.

[7]? Mayaka M.，Mutinda R.Application of destination choice model：Factors influencing domestic tourists destination choice among residents of Nairobi，Kenya[J].Tourism Management，2012，（6）：1593-1597.

[8]? 馬天，李想，謝彥君.換湯不換藥？游客滿意度測量的迷思[J].旅游學刊，2017，（6）：53-63.

[9]? Alaei A.R.，Becken S.，Stantic B.Sentiment analysis in tourism：Capitalizing on big data[J].Journal of Travel Research，2017，（9）：1-14.