基于百度指數的網絡關注度時空特征及其影響因素研究
——以張家界國家森林公園為例

毛秀玲，傅 玉，段文軍

(南寧師范大學 旅游與文化學院，廣西 南寧 530100)

0 引言

森林公園作為衡量森林旅游發展水平的重要指標，發揮著重要的生態效益、經濟效益和社會效益。截至2019年6月，搜索引擎用戶規模達6.95億，旅行預訂用戶規模達4.18億[1]，通過互聯網獲取旅游信息是旅游者做出旅游決策的重要手段[2]。因此網絡關注度引起了學術界的廣泛關注，最先應用在流行病學領域，用于監測流感的傳播[3]。再擴展到經濟學領域，如預測股市波動率[4]。后逐步延伸到旅游學領域，國際研究主要涉及旅游目的地選擇[5]、旅游需求預測[6]、旅游客流預測等[7]，國內研究集中于網絡關注度與旅游客流量關系[8]以及網絡關注度時空特征[9]。 網絡關注度是現實旅游客流的前兆[10]，而百度指數的搜索規模是網絡關注度的直觀體現。張家界國家森林公園作為我國第一個國家森林公園，具有較強代表性。本文以百度指數為基礎研究數據，揭示張家界國家森林公園網絡關注度時空特征及影響因素，旨在為景區市場選擇和精準營銷提供參考借鑒。

1 數據來源與研究方法

1.1 數據來源

據中國互聯網絡信息中心發布的《2019年中國網民搜索引擎使用情況研究報告》，百度搜索引擎的用戶滲透率達到90.9%。百度指數以百度海量網民搜索行為數據為基礎，向用戶提供關鍵詞的搜索規模、趨勢、需求圖譜等數據。本文以“張家界國家森林公園”為搜索關鍵詞，收集2015年1月1日-2019年12月31日百度指數的搜索規模數據，作為網絡關注度研究數據的直接表征指標。

1.2 研究方法

周內偏度系數可用于反映周內分布偏度狀況，本文用于測算 “十一”黃金內網絡關注的偏移程度。系數小于0，表明偏向分布在周內前期；系數大于0，表明偏向分布在周內后期。

(1)

式中，i為網絡關注度從大到小的排列次序，Pi為第i日網絡關注度與黃金周內網絡關注度總和之比。

變異系數用來衡量多個樣本之間相對差異。系數越大表明相對差異越明顯，反之相對差異越小。

(2)

全局莫蘭指數是測算要素值空間相關性的常用統計量。取值范圍為[-1，1]，指數小于 0，要素在空間上呈現負相關；指數大于 0，要素在空間上呈現正相關。常用局部 LISA聚集圖進行可視化表達。

(3)

2 網絡關注度時空特征

2.1 時間分布特征

2.1.1 年際變化特征

將百度搜索指數按年份相加得到張家界國家森林公園2015-2019年年度網絡關注度。從年際變化趨勢來看，整體上呈現不規則“N”字形，最大值出現在2016年，是2018年(最小值)的2.59倍。從波動情況來看，經簡單計算得年際變動指數(各年度網絡關注度與年平均網絡關注度之比)結果，整體年際變化較大，2016年高達168.67%、2018年為65.04%，與基準數值100%相差較大，說明研究時段內張家界國家森林公園網絡關注度波動明顯。

2.1.2 月時段分布特征

客流量季節性分布不均是旅游行業重要特征，網絡關注度作為潛在客流量的重要體現同樣可能存相似特征。將各年百度指數數據按月相加得到月度網絡關注度總量，繪制變化趨勢見圖1，整體上各年均呈現“夏季高而冬季低”月度分布特征。具體來看，2015年、2018年和2019年呈“M”型雙峰狀，高峰月出現在4-5月、7-8月， 6月、11月至次年2月形成低谷；2017年全年分布相對均衡；2016年呈現倒“V”型單峰分布，在4-7月網絡關注度迅速上升而7-10月逐漸回落，最高峰出現在7月，這也使得2016年網絡關注度遠高于其他年份。究其原因，張家界大峽谷玻璃橋于2015年8月20日試運行，期間引起關注。而百度搜索引擎會依據搜索結果向用戶推薦相關信息，也直接影響到張家界其它景區的搜索量。

圖1 張家界國家森林公園網絡關注度變化趨勢

2.1.3 周時段分布特征

由于旅游活動強烈地受限于閑暇時間，且我國居民的閑暇時間多集中在節假日和雙休日，為此重點關注張家界國家森林公園景區網絡關注度的周時段分布特征。將各年日搜索量按星期相加再求平均得到周內日均網絡關注度，結果表明周內分布相對均衡。進一步探究“十一”黃金周內網絡關注度偏移程度，表1顯示各年“十一”黃金周內各年周內偏度系數值均小于0，表明5年內網絡關注度偏向分布于黃金周周初。該現象可解釋為黃金周內外較多地游客到訪，出于對目的地的不確定性而傾向提前收集出游活動相關信息，這也符合網絡空間信息流是旅游客流的前兆假定[10]。

表1 張家界國家森林公園 “十一”黃金周內分布偏度系數

2.2 空間分布特征

2.2.1 空間差異

本文選用變異系數來反映網絡關注度的相對差異性，分別計算省際和地區間網絡關注度的變異系數，結果見表2?？梢娛‰H差異大于地區間差異。地區內差異較大，東部沿海、東北地區、北部沿海、西南地區內部差異較小，而西北地區、南部沿海、長江中游、黃河中游內部差異較大?？傊瑹o論是省際、地區間還是地區內部，張家界國家森林公園網絡關注度空間分布差異明顯，地區內部差異大于省際差異大于地區間差異。

利用百度指數的人群畫像功能發現，2016-2019年網絡關注度空間分布并不均衡，整體上呈現“中部東部高、四周低”的空間格局，符合空間距離衰減規律。5年內關注度最高的是長江中游地區，這主要得益于空間距離最近；緊隨其后的是北部沿海地區，該區域經濟實力和人口規模在全國都首屈一指；關注度最低的是大西北地區，歸因于經濟水平相對落后且空間距離最遠。

表2 張家界國家森林公園網絡關注度空間分布變異系數

2.2.2 空間自相關

考察張家界國家森林公園網絡關注度在空間上是否存在相關性，需要進一步利用莫蘭指數測定各省份網絡關注度的空間關聯性。由公式(3)計算出2015-2019年全局莫蘭指數值，結果見表3。Moran’s I值在0.191～0.271之間波動，均通過1%的顯著性檢驗，表明31個省市區的網絡關注度存在顯著的空間正相關。進一步考察網絡關注度局部空間聚類情況，結合效率與科學性，等距選取2015年、2017年、2019年3年數據，具體呈現出湖南、湖北、廣東、浙江為熱點區(即高高聚集區域)，說明該地區網絡關注度高且與鄰近區域協調性強；西北、東北地區和北部沿海地區為冷點區(即低低聚集區域)，說明該地區網絡關注度低但與鄰近區域協調性強；安徽、江西、福建、海南以及西南地區為低高聚集區，說明該地區相較于鄰近地區網絡關注度低且與鄰近區域協調性差；北京、江蘇、河南、四川為高低聚集區域，說明該地區相較于鄰近地區網絡關注度高但與鄰近區域協調性差。2019年空間聚類格局與前述2年略有不同，主要表現在不顯著的區域明顯增多，包括北部沿海、黃河中游和東北地區。

表3 張家界國家森林公園網絡關注度空間聚集特征

2.2.3 客源市場結構

將5年內網絡關注加和統計得到排名前5位的省份分別是湖南、廣東、四川、河南、江蘇。參考客源市場劃分依據[11]來劃分張家界國家森林公園潛在客源市場(下文均是指潛在客源市場)，以網絡關注度占全國總量5%以上、2.5%～5%、1%～2.5%為標準分別劃為一級市場、強二級市場、弱二級市場。據計算結果知：一級市場包括湖南省和廣東省，值得注意的是四川、河南、江蘇雖屬于強二級市場但有望成為一級市場；強二級市場包括遼寧、北京、河北、山東、福建以及東部沿海、黃河中游、長江中游、西南地區，應是景區重點關注對象；弱二級市場包括黑龍江、吉林、海南、甘肅、云南等經濟欠發達地區。一級市場最少而強二級市場最多，潛在客源市場結構有待優化。

3 網絡關注度時空特征影響因素分析

3.1 時間特征影響因素

由于張家界國家森林公園網絡關注度存在明顯的季節性，同時考慮到重大事件帶來的巨大關注度，本文選擇“閑暇事件”和“重大事件”兩個虛擬因子作為網絡關注度的起因。閑暇時間(T)影響程度的量化主要參考對閑暇時間虛擬因子的設定[12]，綜合考慮我國的公共休假制度以及寒暑假期，7、8月閑暇時間充足賦值為1，1、4、5、6、10月節假日集中，賦值為0.5，其余月份賦值為0。重大事件(E)影響程度的量化主要參照前述張家界大峽谷玻璃橋建設歷程，4、5、6月展開大量宣傳活動將其賦值為0.5，7、8月準備對外營業，將其賦值為1，其余月份賦值為0。以2個虛擬因子為解釋變量，以網絡關注度指數(各年月平均與其總量之比)為被解釋變量，利用Stata軟件進行OLS回歸，得到如下回歸方程：

Q=2.135T+6.066E+5.587

其中，修正R2= 0.899?；貧w結果表明，重大事件和閑暇時間均通過0.05的顯著性檢驗，兩者均對網絡關注度有顯著正向影響，且邊際效應系數分別為2.135、6.066，重大事件的正向解釋力高于閑暇時間。

3.2 空間特征影響因素

Q=0.384X1+0.204X2+0.358X3+0.235X4-0.582

其中，修正R2= 0.915。結果表明，人均可支配收入、經濟聯系強度、總人口數通過0.01的顯著性檢驗，邊際效應系數分別為0.384、0.204、0.358，均為正向影響力，解釋力最強的人均可支配收入，其次是總人口數，最后是經濟聯系強度。而互聯網普及率未通過顯著性檢驗，其對景區網絡關注度的影響有待進一步討論。需要指出的是經濟聯系強度指標內含空間距離的影響，由于空間距離越短則經濟聯系強度越強，因此空間距離對景區網絡關注度有顯著的負向影響，符合空間距離衰減規律。

4 結論與建議

4.1 結論

首先，在時間分布特征上，年際波動幅較大；季節分配不均，各年均呈現“夏季高而冬季低”月度分布特征；周內分布相對均衡，“十一”黃金周內偏向分布于節假日前期，存在“前兆效應”；其次，空間分布特征上，整體呈現“中部東部高、四周低”的空間格局；區域差異明顯，地區內差異>省際差異>地區間差異；存在空間聚集現象，湖南、湖北、廣東、浙江為熱點區，西北、東北地區和北部沿海地區為冷點區；優勢市場仍然湖南省和廣東省，市場結構有待優化。第三，影響因素上，重大事件和閑暇時間對季節變動有顯著影響；地區經濟發展水平、經濟聯系、客源地人口規模和空間距離是影響空間分布的重要因素。

4.2 建議

(1)深度挖掘旅游大數據。借助旅游大數據預測客流量，特別關注節假日、旅游旺季客流的規劃、疏導和預警。精準營銷，利用旅游大數據定位目標群體，分析用戶需求，精準投放廣告。

(2)培育新客源市場。維護湖南和廣東傳統優勢市場同時培育小長假市場，針對具有網絡關注度高、空間距離近且往來交通便利等優勢的湖北、重慶、四川等近程市場，在節假日前加大宣傳刺激旅游需求，將其培育成穩定的小長假市場。優化客源市場結構，針對一級市場最少而強二級市場最多這一現狀，可將四川、河南、江蘇培育成新的一級市場。

(3)打造大湘西“一小時旅游圈”。張吉懷高鐵已投入運營，從張家界到懷化運輸時間將由3.5h縮短至1h，有望借助公交化、通勤化運營方式連接多處優質旅游景點。三市旅游部門強化協同治理，利用“一碼游”服務平臺，依托張吉懷高鐵，聯合打造大湘西“一小時旅游圈”，實現資源共享。