桂林市紅色旅游景區網絡關注度時空特征分析

黃曉琳 何 珍 黃小燕 黃恒榮 蔣亞軍

桂林市紅色旅游景區網絡關注度時空特征分析

黃曉琳 何 珍 黃小燕 黃恒榮 蔣亞軍

（桂林理工大學，廣西 桂林 541004）

選取桂林市十大紅色旅游景區作為研究對象，從搜索引擎、視頻媒體、社交網絡三個維度出發進行數據采集，運用季節性集中指數、基尼系數、旅游偏好系數分析網絡關注度的時空分布特征。研究結果表明：（1）2018年—2020年桂林市紅色旅游景區季節性年際差異顯著，整體呈現波動增長的趨勢。（2）景區間網絡關注度空間分布差異明顯，集中體現在部分紅色文化影響力大且蘊含較高的歷史文化價值的景區，旅游網絡關注度重心整體向北偏移。

紅色旅游景區；網絡關注度；時空特征

引言

紅色旅游主要以紅色文化遺產所體現的革命意志、先進精神為內涵，對于新時代紅色基因的傳承和弘揚具有重要意義。“十三五”期間內，紅色旅游市場發展態勢穩步向好，截止至2020年我國紅色旅游年際出游人數已超1億人次，占據國內旅游市場份額的11%以上，紅色旅游已逐漸成為旅游市場的重要組成部分[1]。隨著互聯網信息技術的發展，截止至2021年6月，我國網民規模達10.11億，互聯網普及率達71.6%[2]。互聯網信息已經成為影響游客出游決策和意愿的重要因素[3,4]，而旅游網絡關注度作為游客互聯網檢索、瀏覽的關注數據量，是游客出游意愿的重要體現之一，也是衡量紅色旅游資源網絡影響力的重要因素[5]。網絡關注度已成為旅游數據的主要來源。Dinis等[6]通過對2006年至2018年發表的有關在旅游和酒店的研究中搜索引擎數據的文獻進行總結分析，得出谷歌趨勢數據在旅游和酒店研究中的使用頻率較高。以谷歌趨勢為主，展開了對旅游需求[7]、客流量預測[8]、旅游網站的優化[9]等問題的探究。除此之外，還有對于“Twitter”數據的利用，主要從影響游客決策[10]、游客情感[11]等方面進行研究。相較于國外，國內旅游網絡關注度數據的獲取主要以百度指數為主，在旅游研究中應用廣泛，包括“溫泉旅游”[12]、“洞穴旅游”[13]、“紅色旅游”[14]在內等多種類型的旅游活動，主要聚焦在“客流量變化與網絡關注度”[15,16]、“時空分布特征”[17,18]、“旅游需求”[19,20]等方面。此外，還有部分學者利用新浪微博[21]、微信[22]等平臺展開對旅游網絡關注度的研究。因此，利用網絡關注度、數字足跡等旅游大數據，分析紅色旅游的發展態勢，對于加強紅色旅游景區的管理以及促進紅色旅游景區客源市場的開發有重要的研究意義。

我國紅色旅游最早出現在20世紀50年代初，其表現為以政治接待為主的前往革命圣地或紀念地參觀和學習一種旅游活動。而有關于“紅色旅游”的研究也隨著文化強國等戰略的提出成為學術界的研究熱點之一。經過長期的發展與建設，紅色旅游的研究范圍不斷拓展，諸多學者從紅色旅游價值[23]、旅游產品開發[24]等方面進行探究。縱觀國內紅色旅游研究現狀來看，紅色旅游經過長期的發展已具備一定的研究基礎，但從中國知網（CNKI）同時檢索“紅色旅游”“網絡關注度”的結果來看，當前國內對“紅色旅游網絡關注度”的研究較少，并且多從宏觀層面出發。從數據獲取途徑來看，大部分研究主要采用單一的數據源，缺乏多維度的數據源綜合評價。基于此，本文以桂林市十大紅色旅游景區作為研究對象，從搜索引擎、視頻媒體、社交網絡三個維度出發進行數據采集，運用季節性集中指數、基尼系數、旅游偏好系數分析桂林紅色旅游景區網絡關注度的時空分布特征，并進一步探究其影響因素。更好地把握旅游網絡關注度的發展規律和趨勢，促進桂林紅色旅游景區網絡營銷，為旅游管理部門做出正確、科學、合理的旅游決策提供借鑒和參考。

1 研究方法與數據來源

1.1 數據來源

桂林市除了擁有“甲天下”的山水風光，還有著深厚的紅色文化底蘊。紅色旅游資源種類豐富多樣，主要集中在桂北地區。以國家、省市公布的景區評估成果作為主要的選取依據，遴選出桂林市內具有代表性10處紅色旅游景區（表1）。

表1 桂林市十大紅色旅游景區

關于網絡關注度的評價，主要有兩種方法：一是直接利用百度指數等作為單一的指標。馬麗君等[25]以國內30個熱點旅游城市作為研究地，分析了百度指數與城市國內客流關系。柴海燕等[26]利用百度指數獲取數據，分析武漢市網絡關注度時空分布特征。二是采用多渠道的數據源進行網絡關注度評價指標體系的構建。高楠等[5]利用百度指數、騰訊視頻等構建網絡關注度評價指數，研究旅游者對紅色旅游網絡關注度的時空分布規律及其影響因素。李磊等[27]通過攜程、馬蜂窩、微信等多平臺獲取網絡評價、網絡游記等數據，深入剖析了網絡關注度與旅游流網絡結構之間的關系。兩種方法各有利弊，但由于桂林市紅色經典旅游景區的詞條創建體系尚未完善，可獲取的數據量不多且分布較為零散，僅靠單一的數據源獲取的數據全面性和有效性較差。因此，本文選擇采用第二種方法，從用戶關注度、視頻播放量、點贊數、文章閱讀量來衡量潛在旅游者的網絡關注度。

數據挖掘前，需確定10處紅色旅游經典景區檢索的關鍵詞，關鍵詞的選取主要依據游客出游前對桂林市紅色旅游景區所關注的旅游信息進行分析，選取出桂林市紅色旅游目的地（景區景點）的名稱、重大事件、戰役等相關信息，提取基準關鍵詞和替代性關鍵詞。由于在各個平臺可查詢年份數據分布零散甚至沒有數據，在多渠道進行詞條檢索后，發現可查詢年份，大部分集中在2018年及之后。因此，以2018年1月1日至2020年12月31日作為研究年限，根據測度標準進行數據統計。

1.2 研究方法

（1）獨立權系數法[28]，是依據指標與指標之間的共線性強弱來確定權重的方法。所有數據均在Min-Max標準化處理的基礎上，采用獨立權系數法分別確定一級和二級指標的權重值（表2）。具體運算步驟：第一步，通過多元回歸計算各個指標與其他指標之間的復相關系數，即回歸系數；第二步，求出各指標與其他指標之間復相關系數的倒數，并對數據進行歸一化處理得出各指標最終的權重。

表2 紅色旅游景區網絡關注度評價指標體系

（2）季節性強度指數[29]，是以時間序列含有季節性周期變動的特征，計算描述該變動的季節變動指數。網絡關注度S的季節性集中度值越大，表明各月份之間桂林紅色旅游網絡關注度差異程度越大；反之，則呈現均勻分布。公式如下：

式中：Xi為各月份桂林紅色旅游網絡關注度占全年桂林紅色旅游網絡關注度合計值的比例。

（3）旅游偏好系數[30]，用于分析游客對某景區的偏好程度，故本文引用孫根年提出的旅游偏好系數來分析游客的旅游需求偏好。值越大，說明該景區的偏好越強；反之，則越小。公式如下：

（4）基尼系數[31]，通過運算可以得到區域收入差異程度，是區域經濟發展差異研究中常用的度量方法。本研究通過基尼系數對比分析桂林紅色旅游景區之間的網絡關注度空間差異。公式如下：

式中：G為基尼系數；P為第個桂林紅色旅游景區的旅游需求（網絡關注度）占年度總旅游需求的比重；N為所選取的桂林紅色旅游景區的總數。G介于0～1，系數越小，表示游客的旅游需求越分散，越有利于旅游目的地的均衡發展。

2 桂林紅色旅游經典景區網絡關注度時空特征分析

2.1 時間特征分析

依據紅色旅游景區網絡關注度評價指標進行計算可知（表3），2018年—2020年桂林市紅色旅游景區網絡關注度總體上呈現波動上升態勢。從各年份的發展狀況來看，2018年5月和8月、2019年6月至7月、2020年2月、4月和12月份紅色旅游景區網絡關注度相比于其他年份的同一月份較高，其主要原因在于這些月份大多是旅游的旺季或旅游者出行高峰的前期，是學校以及家庭進行愛國主義教育活動、紅色研學活動以及中國共產黨重要的紀念節日等活動的重要時期。從2018年—2020年的季節性月際變化趨勢可以看出，桂林市紅色旅游景區網絡關注度在1月—4月呈波動上升的趨勢，4月—6月呈下降趨勢，6月—9月呈“先升后降”的態勢，9月—12月呈緩慢上升的態勢，這與旅游出行的淡旺季以及紅色旅游自身的特殊性質密切相關。人們大多在勞動節、寒暑假、國慶黃金周等時間段內選擇出游。而近年來，隨著教育部高度重視中小學生的愛國主義教育，中小學生已逐漸成為紅色旅游市場的主力軍，每年7月紅色旅游景區網絡關注度出現高峰，市場導向性作用明顯。

根據季節集中指數進行測算（表3），2018年—2020年桂林市紅色旅游景區網絡關注度季節集中指數分別為9.1573、8.1771、6.1206，可知每年紅色旅游景區網絡關注度的季節性存在著顯著的差異。受2020年初新冠肺炎疫情的影響，旅游者出行需求難以釋放，致使2020年網絡關注度的季節性不明顯。此外，各月份之間也有所差異，其中2018年各月的差異性最為顯著，因為2019年將迎來紅軍長征出發85周年，桂林市作為紅軍長征路上的重要節點，因此游客的網絡關注度較高，具備顯著的前兆效應。

表3 2018年—2020年桂林市紅色旅游經典景區網絡關注度及季節集中指數

2.2 空間特征分析

2.2.1 景區網絡關注度空間分布差異

為定量測度分析桂林十大紅色旅游景區間的網絡關注度空間差異，利用基尼系數進行量測。結果表明，桂林十大紅色旅游經典景區網絡關注度存在區域差異，基尼系數從2018年的0.7441增加到2020年的0.9135，呈現上升趨勢，說明景區之間網絡關注度的差異逐漸擴大。

利用洛倫茨曲線（圖1）進一步分析其空間分布差異。將桂林十大紅色旅游經典景區的網絡關注度數據所占比重進行匯總，并進行降序排序，計算累積百分比。洛倫茨曲線為上凹型，54.01%的網絡關注度主要集中在紅軍長征突破湘江烈士紀念碑園、八路軍桂林辦事處紀念館、新圩阻擊戰紀念園和覺山鋪阻擊戰舊址，這4個景區紅色旅游資源豐富且蘊含較高的歷史文化價值，是國內旅游者對桂林市紅色旅游需求的主要偏好景區。

圖1 桂林十大紅色旅游景區需求偏好洛倫茨曲線

注：橫軸數字分別代表10處景區，詳見表1。

2.2.2 景區網絡關注度空間特征

根據旅游偏好系數，計算出2018年—2020年桂林十大紅色旅游景區的旅游偏好系數，系數由大到小進行排列，劃分為四級，分別為強偏好景區（系數≥15.5%）、較強偏好景區（10.5%～15.5%）、較弱偏好景區（5.5%～10.5%）、弱偏好景區（系數≤5.5%）。網絡關注度節點越大表示旅游偏好系數越大，節點越小表示系數越小。

從2018年—2020年景區旅游偏好系數的均值分布上來看，“紅軍長征突破湘江烈士紀念碑園”為19.13%，屬于強偏好景區；“八路軍桂林辦事處紀念館”“新圩阻擊戰紀念園”“覺山鋪阻擊戰舊址”分別為12.6%、11.54%、10.75%，為較強偏好；“新圩阻擊戰舊址”“金石紅軍堂”“千家寺紅軍標語樓”“白面瑤寨”的偏好系數為10.04%、9.26%、8.59%、7.86%，為較弱偏好；而“紅三軍、紅五軍團指揮部舊址”“灌陽縣烈士陵園”兩景區的偏好系數均小于5.5%，為弱偏好。從時間變化上來看，各個景區均呈現波動變化的趨勢，其中“新圩阻擊戰紀念園”從2018年的0.70%弱偏好上升至2020年的19.46%，屬于強偏好。整體上紅色旅游景區的旅游偏好系數從個別景區網絡關注度的高度集中逐漸向均衡分布的發展趨勢，出現“多點開花”的格局。

3 研究結論與建議

本文對桂林市紅色旅游景區進行分析，發現2018年—2020年網絡關注度整體呈波動上升趨勢，存在著明顯的季節性差異。但網絡關注度總體偏低，空間分布差異性顯著，呈現出高—低值相互交叉，但高值景區示范帶動低值景區發展的作用不突出。網絡關注度客觀地反映了旅游景區對于游客吸引力的大小，從網絡關注度詞條檢索結果來看，在全國范圍內桂林市紅色旅游資源知名度較低，部分景區檢索結果多出現無關注或關注量較少的情況，紅色資源的網絡宣傳陣地仍有待加強。

一是合理運用新媒體傳播手段，建立完善網絡宣傳陣地。靈活地掌握和運用大眾所喜聞樂見的媒體渠道，展開差異化宣傳和營銷，針對知名度相對較高的景區，在營銷宣傳中注重網絡口碑的建立和維護，樹立良好的景區形象，如八路軍桂林辦事處、紅軍長征突破湘江烈士紀念碑園等。針對知名度較低的景區，采用多渠道相結合的宣傳手段，利用抖音、微信公眾號、微博等平臺宣傳景區紅色革命內涵，擴大景區知名度。

二是優化旅游交通線路，重點打造桂北紅色旅游圈。桂林市的紅色旅游資源主要分布在桂北地區，但整體資源的分布較為分散，景點之間相距較遠，相互連通性較差，使得游客高效的“進出”成為一大難題。對桂北紅色旅游資源進行整合和規劃，進行組合產品的規劃和開發，設計出滿足游客個性化需求并且合理科學的精品旅游線路，節省游客出行的時間和耗費的精力，體驗更加高質量的旅游服務。

[1] 央視網．文化和旅游部: 今年全年紅色旅游出游人數超1億人次[EB/OL]．https://news.ectv.corn/2020/12/17/ARTl2UIUOnasQUtulZRBNsz4201217.Shtml，2020-12-17．

[2] 中國互聯網絡信息中心．第37次中國互聯網絡發展狀況統計報告[EB/OL]. http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/202109/t20210915_71543.htm，2021-9-15.

[3] 李莉，張捷. 互聯網信息評價對游客信息行為和出游決策的影響研究[J]. 旅游學刊，2013，28(10): 23-29.

[4] 王貴斌. 網絡口碑對游客旅游決策的影響研究[J]. 安徽師范大學學報(自然科學版)，2012，35(3): 270-275.

[5] 高楠，張新成，王琳艷. 中國紅色旅游網絡關注度時空特征及影響因素[J]. 自然資源學報，2020，35(5): 1068-1089.

[6] DINIS G, BREDA Z, COSTA C. Google Trends in tourism and hospitality research: A systematic literature review[J]. Journal of Hospitality and Tourism Technology, 2019, 8: 747-763.

[7] HUARNG K, YU T Application of Google Trends to forecast tourism demand[J]. Journal of Internet Technology, 2019, 11: 1273-1280.

[8] CLARK M, WILKINS E J, DAGAN D T, et al. Bringing forecasting into the future: Using Google to predict visitation in U.S. national parks[J]. Journal of Environmental Management, 2019, 243: 88-94.

[9] VYAS C. Evaluating state tourism websites using Search Engine Optimization tools[J]. Tourism Management, 2019, 73: 64-70.

[10] E BIGNé, OLTRA E, ANDREU L. Harnessing stakeholder input on Twitter: A case study of short breaks in Spanish tourist cities[J]. Tourism Management, 2019, 71: 490-503.

[11] PHILANDER K, ZHONG Y Y. Twitter sentiment analysis: Capturing sentiment from integrated resort tweets[J]. International Journal of Hospitality Management, 2016, 55: 16-24.

[12] 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): 103-108，124.

[13] 何小芊，張艷蓉，劉宇. 旅游洞穴網絡關注度的時空特征研究——以中國最美五大旅游洞穴為例[J]. 中國巖溶，2017，36(2): 275-282.

[14] 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): 98-101，118.

[15] 汪秋菊，賈宇，劉宇，等. 奧運場館水立方的客流量與網絡關注度關系分析[J]. 東北石油大學學報，2013，37(5): 118-124，134.

[16] 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.

[17] 常直楊，鄒樹平. 南京市旅游網絡關注度時空特征及影響因素分析[J]. 電子商務，2018(10): 3-5.

[18] 唐鴻，許春曉. 中國紅色旅游經典景區網絡關注度時空演變及影響因素[J]. 自然資源學報，2021，36(7): 1792-1810.

[19] 王秋龍，潘立新，呂儉，等. 基于網絡關注度的安徽省居民省內旅游需求時空特征分析[J]. 地域研究與開發，2021，40(1): 120-125.

[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] 張子昂，黃震方，靳誠，等. 基于微博簽到數據的景區旅游活動時空行為特征研究——以南京鐘山風景名勝區為例[J]. 地理與地理信息科學，2015(4): 121-126.

[22] 龔言浩，甄峰，席廣亮，等. 基于微信公眾號文章的城市關注度等級與聯系網絡研究[J]. 現代城市研究，2019(4): 69-75，131.

[23] 左冰. 紅色旅游與政黨認同——基于井岡山景區的實證研究[J]. 旅游學刊，2014，29(9): 60-72.

[24] 范力，焦世泰，韋復生. 左右江紅色旅游區紅色旅游產品開發模式研究[J]. 中國軟科學，2013(11): 170-177.

[25] 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(4): 680-685.

[26] 柴海燕，劉雨，尹春香. 武漢旅游網絡關注度時空分布特征分析——基于百度指數[J]. 國土資源科技管理，2021，38(1): 97-106.

[27] 李磊，陶卓民，賴志城，等. 長征國家文化公園紅色旅游資源網絡關注度及其旅游流網絡結構分析[J]. 自然資源學報，2021，36(7): 1811-1824.

[28] 張淑瑩，胡友彪，邢世平. 基于獨立性權-灰色關聯度理論的突水水源判別[J]. 水文地質工程地質，2018，45(6): 36-41.

[29] 陸林. 山岳風景區國際旅游經濟效益探析——以黃山國際旅游業為例[J]. 旅游學刊，1991(1): 39-43，71-72.

[30] 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，2001(1): 50-54.

[31] 齊欣，王昕. 成渝經濟區旅游景區空間結構研究[J]. 地理與地理信息科學，2013，29(1): 105-110.

Analysis on the Spatial and Temporal Characteristics of the Network Attention of Red Tourism Attractions in Guilin

This paper selects the top ten red tourist attractions in Guilin as the research object, and conducts data collection from three dimensions of search engine, video media and social network. It uses seasonal concentration index, Gini coefficient, and tourism preference coefficient to analyze the temporal and spatial distribution characteristics of network attention. The results show that: (1) From 2018 to 2020, the seasonal and interannual difference of Guilin red tourist attractions are significant, showing a trend of fluctuating growth. (2) The spatial distribution difference of network attention among scenic spots is obvious, which is mainly reflected in some scenic spots with great influence of red culture and high historical and cultural value. The focus of tourism network attention is shifted to the north as a whole.

red tourism attractions; network attention; spatial-temporal characteristics

F590

A

1008-1151(2022)11-0165-04

2022-07-30

廣西旅游產業研究院本科生科研創新基金項目“桂林紅色旅游網絡關注度的時空特征及影響因素”（LYCY2021-38）。

黃曉琳（2001－），女，福建泉州人，桂林理工大學學生，研究方向為旅游應用；何珍（2000－），女（瑤族），廣西賀州人，桂林理工大學學生，研究方向為旅游應用；黃小燕（1999－），女，廣西欽州人，桂林理工大學學生，研究方向為旅游應用。黃恒榮（2001－），男，福建泉州人，桂林理工大學學生，研究方向為旅游應用。

蔣亞軍（1975－），湖南永州人，桂林理工大學旅游與風景園林學院教授，碩士生導師，博士，研究方向為紅色旅游、旅游經濟。