中國城市居民旅游活躍度研究

［基金項目］本研究受國家自然科學基金項目“中國城市居民出游空間結構研究”（41671135）和陜西師范大學基礎研究重點項目培育專項“旅游擁堵現象的時空變化及調控機制仿真研究”（1301032239）共同資助。 [This study was supported by grants from the National Natural Science Foundation of China （to WU Jinfeng） （No. 41671135） and the Cultivation Special Project of Key Basic Research Projects of Shaanxi Normal University （to WU Jinfeng） （No. 1301032239）.]

［收稿日期］2023-12-12； ［修訂日期］2024-03-27

［作者簡介］吳晉峰（1969—），女，山西文水人，博士，教授，研究方向為旅游流、旅游形象、旅游市場等，E-mail： jfwu@snnu.edu.cn，通訊作者；石曉騰（1995—），男，河北衡水人，博士研究生，研究方向為旅游開發與市場分析；賈薇（1986—），女，山西洪洞人，碩士，副教授，研究方向為環境地理、旅游目的地規劃與開發。

引用格式：吳晉峰， 石曉騰， 賈薇. 中國城市居民旅游活躍度研究[J]. 旅游學刊， 2024， 39（7）： 71-81. [WU Jinfeng， SHI Xiaoteng， JIA Wei. Study on the tourism activeness of Chinese urban residents[J]. Tourism Tribune， 2024， 39（7）： 71-81.]

［摘" " 要］釋放旅游消費潛力、推動旅游業實現質的有效提升和量的合理增長是當前我國旅游業發展的現實需要。文章提出旅游活躍度概念和評價指標，應用大樣本問卷調查數據，定量研究城市居民旅游活動人群分異規律和群體特征。研究發現：1）中國城市居民旅游活躍度人群分布為指數型，案例城市旅游活躍度均值和中位數值都不高，旅游活躍度可作為旅游市場細分的新變量；2）中國城市居民旅游活動人群分異呈“二五規律”和“五八規律”，即旅游活躍度排名前20%的城市居民完成了全部旅游活動的50%，排名前50%的城市居民完成了全部旅游活動的80%；3）中國城市居民中旅游活躍群體和不活躍群體的人口統計學特征具有結構上的相似性和偏移性，年齡、收入、家庭生命周期、職業、學歷、婚姻等特征屬性對旅游活躍度均有不同程度的影響；4）同一人口統計學群組的旅游活躍人群可分為4個亞群組；5）中國城市居民中旅游活躍群體比不活躍群體的出游半徑大500 km，比新“吳曲線”擴大了100 km，比老“吳曲線”擴大了2倍。研究結論有助于針對性地開展旅游市場細分、需求預測和市場營銷。

［關鍵詞］城市居民；旅游活躍度；旅游市場細分；后驗細分變量

［中圖分類號］F59

［文獻標識碼］A

［文章編號］1002-5006（2024）07-0071-11

DOI： 10.19765/j.cnki.1002-5006.2024.07.010

0 引言

2022年，我國國內旅游總人次25.30億，比上年同期減少7.16億，同比下降22.1%；國內旅游收入2.04萬億元，比上年同期減少0.87萬億元，同比下降30.0%[1]。其中，城鎮居民出游消費1.69萬億元，同比下降28.6%；農村居民出游消費0.36萬億元，同比下降35.8%[1]。2023年11月，文化和旅游部印發了《國內旅游提升計劃（2023—2025年）》，旨在進一步釋放旅游消費潛力，推動旅游業實現質的有效提升和量的合理增長。因此，正確認識城市居民國內旅游活動現狀和群體分異規律，準確識別和細分旅游活躍群體，對各級政府和旅游主管部門研究提出釋放城市居民旅游消費潛力的有效舉措，豐富和深化旅游市場細分研究具有重要意義。

市場細分是現代營銷的起點和根基[2]。一個有效的旅游市場細分有助于旅游目的地管理組織全面了解市場需求、準確預測市場規模、合理設計旅游產品，進而提高旅游目的地的市場競爭力[3]。旅游市場細分研究始于20世紀70年代[4]，一直是旅游市場研究中最熱門的主題之一。近年來，國內外學者圍繞市場細分已進行了較為豐富的研究，形成了先驗市場細分和后驗市場細分兩種相對完善的研究體系。常用的市場細分變量主要包括人口統計變量、地理變量、心理變量和行為變量4種[5]。人口統計變量主要包括旅游者的年齡、性別、職業、學歷、收入等[6-10]，如Eusébio等依據年齡、性別、婚姻、受教育水平、收入等對參與鄉村旅游的葡萄牙旅游者進行了細分[6]；白倩文等、羅維等、段婉粉等分別以家庭年收入、受教育水平、家庭生命周期為細分變量對我國城市居民進行劃分，探討了不同細分市場旅游者在目的地選擇、旅游交通方式選擇等方面的群體差異[7-9]。地理變量包括國家、地區、空間距離等[11-19]，如Yan將中國香港的入境旅游市場細分為近程市場（0～3000英里）、中程市場（3001～5000英里）和遠程市場（＞5000英里）[14]；Rutty和Scott研究了不同氣候區域的旅游者對旅游目的地氣候偏好的差異[15]；吳晉峰等利用大樣本問卷調查數據研究了“吳曲線”[16]變化情況，發現80%的出游市場集中在距離城市1400 km范圍內[17]。心理變量包括個性、動機、生活方式等[20-25]，如?zel和Kozok將土耳其的國內游客細分為尋求放松的旅游者、尋求運動的旅游者、以家庭為導向的旅游者、逃避現實的旅游者、追求成就和自主的旅游者5類[20]；Srihadi等依據生活方式的不同，將訪問雅加達的外國旅游者細分為對文化感興趣的購物狂、運動文化探險者、有抱負的度假者、想要一切的度假者4類[21]。行為變量包括消費支出、活動偏好等[26-31]，如Legohérel和Wong將中國香港入境旅游者按旅游消費總支出細分為0～1169.7港幣、1200～3000港幣、3119.2～7500港幣和≥7500港幣4類[26]；許春曉和成錦依據目的地記憶圖譜將鳳凰古城的旅游市場細分為核心市場、次核心市場和邊緣市場[31]。總體來說，旅游市場細分研究已取得相對豐富的研究成果，但國內旅游市場細分研究仍存在不足：首先，國內旅游市場細分研究發展較晚，所采用的市場細分變量滯后于國際相關研究，新的旅游市場細分變量有待提出；其次，國內已有研究成果主要集中在人口統計變量和地理變量兩方面，對心理變量的關注主要集中在旅游動機方面，對行為變量的關注有待加強；最后，國內研究仍停留在對旅游市場細分變量的理論探討上，只提出了淺層次的市場細分方法，對不同細分市場的特征研究有待深入。

旅游是一個廣泛而復雜的現象，旅游需求的影響因素更是復雜多樣[32-33]，人們參加旅游活動的活躍程度不盡相同。有的人一年旅游多次，有的人多年旅游一次，有的人一輩子也不會旅游。根據Mayo和Jarvis的研究，美國80%的旅游是由只占人口總數20%的人進行的，大約8000萬美國人是在自己家的后院度過周末和假期的[34]。從激發旅游需求的角度看，旅游活躍程度高的人容易再次參加旅游活動，而旅游活躍程度低的人不容易參加新的旅游活動，需要旅游目的地市場營銷組織做更多的市場營銷努力。如何將旅游活躍群體和不活躍群體區分出來，發現各自不同的旅游行為特征，不僅是旅游消費者結構分類創新研究的需要，更是旅游市場細分、需求預測和精準營銷的需要。因此，本文嘗試以旅游活躍程度作為旅游市場細分變量，采用大樣本問卷調查數據，研究中國城市居民的國內旅游活躍程度、人群分異特點、影響因素和目的地選擇行為特征。可能的創新有兩個方面：一是提出旅游活躍度概念和評價指標，將旅游活躍度作為旅游市場細分新變量；二是發現中國城市居民旅游活動人群分異規律，為旅游需求預測和市場營銷提供實踐參考。

1 數據來源和研究方法

1.1 數據來源

研究數據來自調查問卷。問卷核心內容有兩部分。一是目標景區。在調查問卷中提供在空間上分布比較均勻的高級別景區（首選5A級景區，無5A級景區的地區選4A級景區）作為目標景區，調查城市居民有記憶以來對這些景區的訪問情況。訪問目標景區數量越多的人，說明其旅游活躍程度越高；反之，說明其旅游活躍程度不高。二是人口統計學特征。

案例城市選擇北京、上海、長春、武漢、西安、成都，分別代表東部、中部、西部地區不同社會經濟發展水平的城市；后期驗證城市為太原、大同、呂梁、晉城、高平、古交，分別代表不同行政等級和社會經濟發展水平的城市。抽樣方法為便利抽樣，樣本規模根據城市人口規模的萬分之一確定。調查對象為當地城市居民，調查地點為圖書館、商場、步行街、社區、公園和超市等。案例城市調查時間為2017年10月—2019年7月，驗證城市調查時間為2020年10月—12月。案例城市目標景區選取規則及調查樣本特征見參考文獻[17]，樣本規模為8672份。驗證城市目標景區選取規則與案例城市一致，樣本規模為1262份，限于篇幅樣本特征略。

1.2 研究方法

本研究提出旅游活躍度概念，反映城市居民參加旅游活動的活躍程度，并觀察旅游活躍度人群統計分布特征及旅游活動總次數的人群分異特征，從中發現旅游活動人群分異規律；采用結構偏移度和組內波動系數對不同旅游活躍度人群的人口統計學特征、人口統計學群組特征進行對比，從中觀察人口統計學特征對城市居民旅游活躍度的影響；通過繪制結構偏移度值的人群分異格局圖，直觀地反映各人口統計學群組結構偏移度值與組內人群占比間的關系；通過繪制目標景區到訪率距離分布曲線和累積到訪率距離分布曲線，反映不同旅游活躍度人群的目的地選擇行為特征。旅游活躍度、結構偏移度、組內波動系數和到訪率的定義和計算方法如下。

1）旅游活躍度（tourism activeness）：將個體參與旅游活動的相對活躍程度定義為旅游活躍度，本研究中用被調查者訪問過的目標景區數占問卷中目標景區總數的百分比進行衡量。旅游活躍度取值范圍在0～100%之間。活躍度值越大，說明居民個體參與旅游活動的活躍程度越高；反之，說明其參與旅游活動的活躍程度越低。

2）結構偏移度（degree of structure variation）：用于衡量旅游活躍人群和不活躍人群同一人口統計學群組結構比例數據的相對差別，計算方法如下。①按旅游活躍度將被調查者劃分為活躍群體和不活躍群體。②統計活躍、不活躍群體的人口統計學群組結構比例數據，如活躍群體男性40%、女性60%，不活躍群體男性30%、女性70%。③用活躍群體結構比例數據除以不活躍群體對應結構比例數據即為結構偏移度值（用Ds表示），如40%/30%為1.33，60%/70%為0.85。Ds=1，說明活躍群體比不活躍群體結構沒有發生變化；Dsgt;1，說明活躍群體結構比例相對上升，人口統計學群組結構有正向偏移；Dslt;1，說明活躍群體結構比例相對下降，人口統計學群組結構有負向偏移。

3）組內波動系數（fluctuation coefficient within groups）：用于衡量人口統計學群組結構偏移度值圍繞“1”上下波動的整體情況。計算公式為：

[Fg=1nDs-1n] （1）

式（1）中，Fg表示組內波動系數，Ds表示結構偏移度，n表示第g個人口統計學群組分組數。Fg越大，說明結構偏移度變化越劇烈，該群組屬性是旅游活躍度的重要影響因素。

4）到訪率（visiting rate）：客源市場中訪問目標景區的人數占客源市場總人數的百分比，反映城市居民對目標景區的訪問概率。用案例城市實際到訪過目標景區的受訪者人數占受訪者總人數的百分比衡量。

2 結果分析

2.1 旅游活躍度人群分布特征

分別計算6個案例城市被調查者的旅游活躍度值，并從小到大排序，再以≤5%、5%～lt;10%、10%～lt;15%、……、90%～lt;95%、≥95%為統計區間，依次統計活躍度值介于各區間的樣本數。將活躍度值≤5%和≥95%的兩個區間舍棄后（旨在消除被調查者隨意填寫問卷導致的極端情況），依次以7.5%、12.5%、17.5%、……、92.5%為橫坐標，取各區間樣本數lg對數為縱坐標，繪制旅游活躍度人群統計分布散點圖。在單對數坐標圖中，散點分布呈現出顯著的線性特征，擬合函數及參數值見圖1。

從圖1可見，6個案例城市旅游活躍度人群分布均呈現為良好的指數分布，高活躍度人群數量較低，低活躍度人群數量很高，且不同案例城市擬合曲線斜率值接近，北京、上海、西安、成都、武漢、長春分別為-0.029、-0.033、-0.024、-0.027、-0.024、" -0.027，反映出不同城市旅游活躍度人群分布特征具有相似性。6個案例城市旅游活躍度最大值均為100%，最小值均為0；中位數值分別為14.12%、11.63%、12.20%、13.04%、9.64%、9.20%，均值分別為18.08%、15.0%、17.42%、17.45%、13.42%、12.66%。相對而言，北京旅游活躍度整體較高，其次是成都，第三是西安，第四是上海，長春和武漢旅游活躍度相對較低。北京、成都、西安、上海、長春、武漢旅游活躍度值高于均值的人數占比分別為37.51%、36.03%、33.75%、39.09%、31.99%、31.28%。

2.2 旅游活動人群分異特征

將每位被調查者對一個目標景區的訪問視為一次旅游活動，將案例城市中所有被調查者對問卷中所有目標景區的訪問總數視為該案例城市居民參加過的旅游活動總次數。為觀察旅游活動次數的人群分異情況，以被調查者旅游活躍度從高到低排序，并根據排序對其旅游活動次數進行累計，然后以人群占比為橫坐標（旅游活躍度排序數除以所在案例城市的樣本數），以小于排序數的所有被調查者訪問過的目標景區數占案例城市所有被調查者訪問過的目標景區總數的百分數（即旅游活動頻率）的累積頻率值為縱坐標（以累積的總頻率為分母將縱坐標數據做歸一化處理），繪制旅游活動頻率累積分布曲線（圖2）。圖中用紅色虛線標注了累積旅游活動頻率50%和80%對應的旅游活躍度排序占比。

從圖2可見，案例城市累積旅游活動頻率50%和80%對應的旅游活躍度排序占比具有相似性。北京、上海、西安、成都、武漢、長春旅游活躍度排名分別在前22%、23%、19%、22%、17%、19%的城市居民完成了所在城市居民旅游活動總數的50%；北京、上海、西安、成都、武漢、長春旅游活躍度排名分別在前51%、53%、46%、52%、46%、49%的城市居民完成了所在城市居民旅游活動總數的80%，反映出中國城市居民旅游活動人群分異呈現出“二五規律”和“五八規律”，即旅游活躍度排名前20%和前50%的城市居民分別完成了全部城市居民旅游活動總數的50%和80%。

為驗證“二五規律”和“五八規律”的普適性，探討研究結論是否受案例城市所在區域、城市人口規模、行政級別和社會經濟發展水平等因素的影響，分別選擇了山西省的省會城市太原、3個地級市（大同、呂梁、晉城）和兩個縣級市（高平、古交）進行數據收集，并采用相同方法計算其城市居民的旅游活躍度和對目標景區的到訪數據。結果發現，太原、大同、呂梁、晉城、高平、古交6個驗證城市累積旅游活動頻率50%對應的旅游活躍度排序占比分別為23%、27%、22%、23%、20%、20%，累積旅游活動頻率80%對應的旅游活躍度排序占比分別為53%、58%、51%、52%、48%、52%，反映出中國城市居民的國內旅游活動人群分異“二五規律”和“五八規律”具有一定的普適性。

2.3 旅游活躍群體人口統計學特征和旅游活躍度影響因素

將旅游活躍度排名前50%的人群定義為旅游活躍群體，將排名后50%的人群定義為旅游不活躍群體，分別計算和對比人口統計學結構比例數據、結構偏移度值后，發現同一案例城市兩類人群之間、6個案例城市兩類人群之間的人口統計學特征具有相似性。因此，將6個案例城市的數據合并，分別統計總樣本、活躍人群和不活躍人群的人口統計學特征，計算結構偏移度和組內波動系數，結果見表1。在0.001置信水平上，總樣本與活躍人群、總樣本與不活躍人群、活躍與不活躍人群人口統計學結構比例數據的相關系數，分別為0.982、0.986和0.936，說明兩類群體人口統計學特征具有結構上的相似性，也說明旅游需求是城市居民的普遍需求。

為直觀反映各人口統計學群組結構偏移度值與組內人群占比間的關系，以組內人群占比為橫坐標，以結構偏移度值為縱坐標，繪制結構偏移度值人群分異格局圖（圖3），并用結構偏移度值為1和平均人群占比將格局圖劃為4個區域（限于篇幅提供了年齡和個人月收入兩組圖）。落在右上區域的人群不僅占比高，而且旅游活躍者多，稱其黃金亞群組；落在左上區域的人群雖然占比不大，但旅游活躍者比例相對較高，稱其白銀亞群組；落在右下區域的人群雖然占比大，但活躍者比例相對較低，稱其青銅亞群組；落在左下區域的人群不僅占比小，而且活躍者比例相對較低，稱其黑鐵亞群組。

從表1可見，在旅游活躍群體中，女性比男性雖然占比高12個百分點，但Ds值分別為1.00和1.04，Fg值在8個人口統計學群組中最小，僅為0.02，說明性別并非旅游活躍度的影響因素，占比差異由樣本特征決定。未婚群體和已婚群體的占比雖然十分接近，僅相差2.08個百分點，但Fg值為0.37，已婚人群的Ds值為1.52，未婚人群的Ds值為0.78，反映出已婚群體中旅游活躍人群占比更高，未婚群體中旅游活躍人群占比較低，說明婚姻狀況是旅游活躍度的重要影響因素。

從表1可見，年齡群組的Fg值在8個人口統計學群組中最大，只有≤17歲、17～＜27歲兩個小組的Ds值低于1，在圖3年齡群組圖中有28～＜37歲、38～＜47歲2個黃金亞群組，48～＜57歲、58～＜67歲、≥67歲3個白銀亞群組，18～＜27歲1個青銅亞群組，≤17歲1個黑鐵亞群組，說明年齡是旅游活躍度的重要影響因素。學歷群體的Fg值為0.43，其中，本科和研究生學歷群體是黃金亞群組，大專學歷群體是青銅亞群組，初中和高中學歷群體是黑鐵亞群組，無白銀亞群組，反映出學歷是旅游活躍程度的影響因素。職業群體的Fg值為0.54，其中，事業單位人員和企業人員是黃金亞群組，教師、公務員、私企老板、自由職業者、退休人員是白銀亞群組，學生是青銅亞群組，服務業人員是黑鐵亞群組，說明職業是旅游活躍度的影響因素。

個人月收入群組的Fg值為1.01，僅次于年齡群組的Fg值，Ds值最高為5.63，最低為0.67，波動劇烈。圖3月收入群組圖中，月收入0.45～＜0.9萬元、0.9～＜3.5萬元兩個小組為黃金亞群組，月收入3.5～＜5.5萬元、5.5～＜8.0萬元和≥8.0萬元3個小組為白銀亞群組，月收入0.15～＜0.45萬元和無收入小組為青銅亞群組，月收入≤0.15萬元的為黑鐵亞群組，說明個人月收入是旅游活躍度的重要影響因素。相比之下，家庭年收入群組的Fg值為0.64，Ds值最高達2.48，最低為0.51，波動相對較小。家庭年收入10～＜15萬元、15～＜20萬元、20～＜30萬元3個小組為黃金亞群組，家庭年收入30～＜50萬元和≥50萬元的兩個小組為白銀亞群組，家庭年收入≤5萬元、5～＜8萬元、8～＜10萬元3個群組為黑鐵亞群組，無青銅亞群組，說明家庭年收入雖然也是旅游活躍度的影響因素，但影響力不如個人月收入顯著。家庭生命周期群組的Fg值為0.96，排名第3，除了已婚、小孩6～18歲小組為黃金亞群組外，其他小組均屬于白銀亞群組，反映出家庭生命周期是旅游活躍度的重要影響因素。需要特別說明的是，因為未婚被調查者不填寫家庭生命周期，所以本群組的未填寫人員比例相對偏大。

綜上，28～＜47歲、本科及以上學歷、事業單位人員、企業人員、個人月收入0.45～＜3.5萬元、家庭年收入10～＜30萬元、已婚小孩6～18歲的家庭等是旅游活躍群體中的黃金亞群組，不僅人群占比大，而且旅游活躍度高，是國內旅游市場的主流人群，必須作為基礎市場。年齡48歲以上、教師、公務員、私企老板、自由職業者、退休人員、月收入3萬元以上、家庭年收入30萬元以上、空巢家庭等是旅游活躍群體中的白銀亞群組，雖然占比不大，但是旅游活動非常活躍，宜作為高端旅游市場予以重視。

2.4 活躍群體與不活躍群體到訪率和出游半徑特征

案例城市旅游活躍群體與不活躍群體到訪率相關系數、到訪率統計特征值見表2。

從表2可見，6個案例城市中，各自兩組到訪率數據在0.001的置信水平上相關系數值介于0.829～0.916之間，具有顯著相關性，說明活躍群體和不活躍群體的目的地選擇行為和偏好具有較大的一致性。但是，同組到訪率數據的最大值和最小值懸殊，平均值和中位數值均較低，且標準差較大。活躍群體比不活躍群體對相同目標景區的到訪率普遍更高，到訪率平均值前者在19.43%～28.57%之間，后者在3.56%～7.56%之間；到訪率中位數值前者在13.01%～24.62%之間，后者在1.34%～24.62%之間。到訪率標準差活躍群體高于不活躍群體，說明出游行為的個體差異活躍群體大于不活躍群體。

為了與新[17]、老[16]“吳曲線”進行比較，將上海、西安、長春、成都到訪率數據按活躍群體和不活躍群體分別進行了匯總，兩組數據的相關系數、到訪率數據統計特征值見表2。旅游活躍群體與不活躍群體的到訪率分布、到訪率距離衰減擬合曲線和累積到訪率距離分布曲線見圖4。

從圖4a和表2可見，到訪率最大值、最小值、平均值、中位數值，旅游活躍群體比不活躍群體分別高7.64、5.63、18.03、11.75個百分點，但兩個群體的到訪率隨距離分布特征相似。經計算，在0.001的置信水平上，兩組數據的相關系數為0.884。從圖4b可見，距離衰減擬合曲線在雙對數坐標下均為直線，擬合優度分別為0.838和0.824，說明兩個群體到訪率隨距離增加均呈冪律衰減。其中，旅游活躍群體到訪率距離衰減速率較慢（斜率值為-0.473），不活躍群體到訪率距離衰減速度較快（斜率值為-1.010）。兩個群體的到訪率標準差分別為17.37%和12.28%，說明旅游活躍群體出游行為的個體差異大于不活躍群體。

從圖4c可見，旅游活躍群體的出游半徑為1500 km，不活躍群體的出游半徑為1043 km，二者相差了500 km，分別比老“吳曲線”上的500 km的半徑擴大了2倍和1倍。旅游活躍群體的出游半徑比新“吳曲線”（1400 km）擴大了100 km，不活躍群體的出游半徑比新“吳曲線”縮減了400 km。說明劃分旅游活躍群體和不活躍群體對于準確認識城市居民的出游行為具有重要意義。

3 結論和討論

3.1 結論

1）旅游活躍度可作為旅游市場細分變量。中國城市居民旅游活躍度人群分布為指數型，高活躍度人群占比低，人口規模小；低活躍度人群占比高，人口規模大；旅游活躍度均值和中位數值不高，6個案例城市旅游活躍度中位數值介于9.20%～14.12%之間，均值介于12.66%～18.08%之間。不同城市居民的旅游活躍度存在差異，北京的旅游活躍度整體較高，其次是成都，第三是西安，第四是上海，長春和武漢城市居民的旅游活躍度相對較低。

2）城市居民國內旅游活動人群分異呈現“二五規律”和“五八規律”。旅游活躍度排名前20%的城市居民完成了城市居民全部旅游活動的50%，旅游活躍度排名前50%的城市居民完成了城市居民全部旅游活動的80%，旅游活躍度值高于平均值的城市居民占比介于31.28%～39.09%，反映出中國城市居民的旅游活躍度整體還不夠高，旅游需求潛力還有較大釋放空間。

3）城市居民中旅游活躍群體和不活躍群體的人口統計學特征具有結構上的相似性和偏移性。除了性別外，年齡、個人月收入、家庭生命周期、家庭年收入、職業、學歷、婚姻狀況等特征屬性對城市居民旅游活躍度均有顯著影響。旅游活躍群體中各個人口統計學群組均可以劃分為黃金、白銀、青銅、黑鐵4個亞群組，其中28～＜47歲、本科及以上學歷、事業單位人員、企業人員、個人月收入0.45～＜3.5萬元、家庭年收入10～＜30萬元、已婚小孩6～18歲的家庭等是旅游活躍群體中的黃金亞群組。年齡48歲以上、教師、公務員、私企老板、自由職業者、退休人員、月收入3萬元以上、家庭年收入30萬元以上、空巢家庭等是旅游活躍群體中的白銀亞群組。目的地市場營銷組織應區別對待黃金、白銀、青銅和黑鐵亞群組，根據各自的旅游活躍度和群體特征開發有針對性的旅游產品，采取不同的營銷策略。

4）旅游活躍群體的出游半徑比不活躍群體的出游半徑大500 km。活躍群體的出游半徑比新“吳曲線”擴大了100 km，比老“吳曲線”擴大了2倍；不活躍群體的出游半徑比新“吳曲線”縮減了400 km，比老“吳曲線”擴大了1倍，反映出中國城市居民的旅游需求和出游能力都在快速提高，我國國內旅游業發展前景廣闊。

3.2 討論

需求規模[35]和市場細分[36]是旅游市場研究領域的兩個主要內容，二者具有密切關系。盡管學者們在進行旅游需求研究[37-40]時，找到了各種各樣的數據。但是，在回答“一個城市中究竟有多少實際的旅游需求被滿足、還有多少潛在的旅游需求沒有被滿足、哪些人群的旅游需求得到滿足”這樣的問題時，最主要的困難仍然在于數據資源的缺乏[41]。后驗市場細分方法也被稱為數據驅動方法[35]，要求基于現有數據分析進行旅游市場細分，是越來越受學術界關注的市場細分方法[42]。本文采用大樣本調查問卷數據嘗試回答上述問題，并尋找后驗市場細分變量。研究發現，中國城市居民旅游活躍度人群統計分布為指數型，旅游活躍度排名前20%的城市居民完成了全部旅游活動的50%，排名前50%的城市居民完成了全部旅游活動的80%，旅游活躍群體的出游半徑比不活躍群體的出游半徑大500 km，說明旅游活躍度可以作為國內旅游市場的后驗細分變量。按照旅游活躍度排名前50%將我國城市居民劃分為活躍群體和不活躍群體，對于深刻認識我國城市居民的旅游活動現狀、特點和變化規律，有針對性地開展旅游需求預測和旅游市場營銷工作具有現實意義。

本文發現，除了性別外的人口統計學特征屬性均為旅游活躍度的影響因素，說明按照人口統計學特征進行國內旅游市場細分具有科學性，應該繼續堅持，但是還應充分注意旅游活躍群體與不活躍群體的人口統計學特征具有結構上的偏移性，有必要將旅游活躍群體的各人口統計學群組進一步細分為黃金、白銀、青銅和黑鐵亞群組，并將其作為國內旅游市場營銷的重點，采取更有針對性的市場營銷策略。本文提出了用于刻畫旅游活躍群體與不活躍群體人口統計學結構特征的結構偏移度和組內波動系數兩個細分市場特征研究指標，以及用于反映人群規模與結構偏移度值關系的結構偏移度值空間分異格局圖的繪制方法，對豐富和深化旅游市場細分研究有理論貢獻，對深刻認識我國城市居民中旅游活躍群體的人口統計學特征、精細化開展國內旅游市場營銷和需求預測工作具有啟示。

本研究不足之處在于未能找到最新的有關美國或其他國家國內旅游活動的統計數據，無法得知美國人旅游活動“二八規律”是否發生了變化，發生了怎樣的變化，以及其他國家國內旅游活動人群分異規律是什么，故還不能將我國城市居民國內旅游活動“二五規律”和“五八規律”與其他國家進行橫向對比。未來應設法采用國際旅游大數據，進一步研究不同國家旅游活動的人群分異規律及其演化特征。

參考文獻（References）

[1] 文化和旅游部財務司. 2022年度國內旅游數據情況[EB/OL]. [2023-01-18]. https：//zwgk.mct.gov.cn/zfxxgkml/tjxx/202301/t20230118_ 938716.html. [Department of Finance， Ministry of Culture and Tourism. 2022 Domestic Tourism Data Situation[EB/OL]. [2023-01-18]. https：//zwgk.mct.gov.cn/zfxxgkml/tjxx/202301/t20230118_ 938716.html.]

[2] 羅紀寧. 市場細分研究綜述： 回顧與展望[J]. 山東大學學報（哲學社會科學版）， 2003（6）： 44-48. [LUO Jining. Market segmentation research： Critical review and perspectives[J]. Journal of Shandong University （Philosophy and Social Sciences Edition）， 2003（6）： 44-48.]

[3] ERNST D， DOLNICAR S. How to avoid random market segmentation solutions[J]. Journal of Travel Research， 2018， 57（1）： 69-82.

[4] COHEN E. Toward a sociology of international tourism[J]. Social Research， 1972， 39（1）： 164-182.

[5] DENG J， LI J. Segmentation of nature-based tourists in a rural area （2008—2009）： A single-item approach[J]. Sustainability， 2019， 11（7）： 2052.

[6] EUSéBIO C， CARNEIRO M J， KASTENHOLZ E， et al. Who is consuming the countryside？ An activity-based segmentation analysis of the domestic rural tourism market in Portugal[J]. Journal of Hospitality and Tourism Management， 2017， 31： 197-210.

[7] 白倩文， 吳晉峰， 羅維， 等. 旅游目的地選擇行為的收入群體差異——以北京、武漢、西安城鎮居民為例[J]. 人文地理， 2020， 35（5）： 150-160. [BAI Qianwen， WU Jinfeng， LUO Wei， et al. Discrepancy of tourism destination choice among the different income groups： A case study of Bejing， Wuhan and Xi’an[J]. Human Geography， 2020， 35（5）： 150-160.]

[8] 羅維， 吳晉峰， 白倩文， 等. 旅游目的地選擇的學歷群體差異——以北京、西安、武漢城市居民為例[J]. 干旱區資源與環境， 2020， 34（10）： 201-208. [LUO Wei， WU Jinfeng， BAI Qianwen， et al. Discrepancy of destination choice among different educated groups： Case study of urban residents in Beijing， Xi’an and Wuhan[J]. Journal of Arid Land Resources and Environment， 2020， 34（10）： 201-208.]

[9] 段婉粉， 吳晉峰， 石曉騰， 等. 家庭生命周期對旅游者行為的影響研究[J]. 人文地理， 2022， 37（1）： 126-137. [DUAN Wanfen， WU Jinfeng， SHI Xiaoteng， et al. A study on the influence of family life cycle on tourist behaviors[J]. Human Geography， 2022， 37（1）： 126-137.]

[10] SáNCHEZ-FERNáNDEZ R， INIESTA-BONILLO M á， CERVERA-TAULET A. Exploring the concept of perceived sustainability at tourist destinations： A market segmentation approach[J]. Journal of Travel amp; Tourism Marketing， 2019， 36（2）： 176-190.

[11] PRATT S. Tourism yield of different market segments： A case study of Hawaii[J]. Tourism Economics， 2012， 18（2）： 373-391.

[12] NYAUPANE G P， GRAEFE A R. Travel distance： A tool for nature-based tourism market segmentation[J]. Journal of Travel amp; Tourism Marketing， 2008， 25（3-4）： 355-366.

[13] MULVEY M S， LEVER M W， ELLIOT S. A cross-national comparison of intragenerational variability in social media sharing[J]. Journal of Travel Research， 2020， 59（7）： 1204-1220.

[14] YAN L. Uneven distance decay： A study of the tourism market segments of Hong Kong[J]. International Journal of Tourism Sciences， 2011， 11（1）： 95-112.

[15] RUTTY M， SCOTT D. Differential climate preferences of international beach tourists[J]. Climate Research， 2013， 57（3）： 259-269.

[16] 吳必虎， 唐俊雅， 黃安民， 等. 中國城市居民旅游目的地選擇行為研究[J]. 地理學報， 1997（2）： 3-9. [WU Bihu， TANG Junya， HUANG Anmin， et al. A study on destination choice behavior of Chinese urban residents[J]. Acta Geographica Sinica， 1997（2）： 3-9.]

[17] 吳晉峰， 石曉騰， 吳寶清. 基于城市居民累積出游經歷的“吳曲線”變化研究[J]. 干旱區資源與環境， 2022， 36（12）： 172-183. [WU Jinfeng， SHI Xiaoteng， WU Baoqing. Research on the change of “Wu curve” Based on the accumulated travel experience of urban residents[J]. Journal of Arid Land Resources and Environment， 2022， 36（12）： 172-183.]

[18] 馬麗君， 張家鳳. 典型城市居民5A級景區旅游需求時空分布差異[J]. 江蘇商論， 2020（7）： 48-55; 72. [MA Lijun， ZHANG Jiafeng. Analysis on spatio-temporal distribution difference in tourism demand of 5A-grade scenic spots of typical urban residents[J]. Jiangsu Commercial Forum， 2020（7）： 48-55; 72.]

[19] 張建輝， 畢燕， 張穎. 中國城市居民旅游需求空間差異及變化研究[J]. 旅游學刊， 2010， 25（2）： 29-35. [ZHANG Jianhui， BI Yan， ZHANG Ying. Study on the spatial-temporal difference and changes of tourism demand among China’s urban residents[J]. Tourism Tribune， 2010， 25（2）： 29-35.]

[20] ?ZEL ? H， KOZAK N. Motive based segmentation of the cultural tourism market： A study of Turkish domestic tourists[J]. Journal of Quality Assurance in Hospitality amp; Tourism， 2012， 13（3）： 165-186.

[21] SRIHADI T F， HARTOYO， SUKANDAR D， et al. Segmentation of the tourism market for Jakarta： Classification of foreign visitors’ lifestyle typologies[J]. Tourism Management Perspectives， 2016， 19： 32-39.

[22] QU Y， QU H， CHEN G H. Market segmentation for a leverage revitalization of China’s inbound tourism： The case of US leisure tourists[J]. Current Issues in Tourism， 2018， 21（16）： 646-662.

[23] 周剛， 張嘉琦. 基于旅游動機的老年旅游市場細分研究[J]. 資源開發與市場， 2015， 31（12）： 1540-1544. [ZHOU Gang， ZHANG Jiaqi. Research of segmentation in senior tourism market based on motivation[J]. Resource Development amp; Market， 2015， 31（12）： 1540-1544.]

[24] 羅紀寧， 趙宇飛. 基于旅游動機的中國宗教文化旅游市場細分研究[J]. 管理學報， 2015， 12（8）： 1118-1123. [LUO Jining， ZHAO Yufei. Research on Chinese religious tourism-market segmentation based on tourism motivation[J]. Chinese Journal of Management， 2015， 12（8）： 1118-1123.]

[25] 殷章馨， 夏贊才， 唐月亮. 鄉村旅游市場細分的統計檢驗[J]. 統計與決策， 2018， 34（20）： 114-117. [YIN Zhangxin， XIA Zancai， TANG Yueliang. Statistical testing of rural tourism market segmentation[J]. Statistics amp; Decision， 2018， 34（20）： 114-117.]

[26] LEGOHéREL P， WONG K K F. Market segmentation in the tourism industry and consumers’ spending？[J]. Journal of Travel amp; Tourism Marketing， 2006， 20（2）： 15-30.

[27] LIMA J， EUSéBIO C， KASTENHOLZ E. Expenditure-based segmentation of a mountain destination tourist market[J]. Journal of Travel amp; Tourism Marketing， 2012， 29（7）： 695-713.

[28] OYEWOLE P. Country segmentation of the international tourism market using propensity to travel and to spend abroad[J]. Journal of Global Marketing， 2010， 23（2）： 152-168.

[29] RONDAN-CATALU?A F J， ROSA-DIAZ I M. Segmenting hotel clients by pricing variables and value for money[J]. Current Issues in Tourism， 2014， 17（1）： 60-71.

[30] EUSéBIO C， CARNEIRO M J， KASTENHOLZ E， et al. Social tourism programmers for the senior market： A benefit segmentation analysis[J]. Journal of Tourism and Cultural Change， 2017， 15（1）： 59-79.

[31] 許春曉， 成錦. 旅游目的地記憶圖譜市場細分法構建[J]. 經濟地理， 2017， 37（2）： 187-192. [XU Chunxiao， CHENG Jin. The construction of memory graph market segmentation method of tourism destination[J]. Economic Geography， 2017， 37（2）： 187-192.]

[32] SONG H， QIU R T R， PARK J. Progress in tourism demand research： Theory and empirics[J]. Tourism Management， 2023， 94： 104655.

[33] 王穎， 齊子鵬. 旅游需求極致性特征的理論邏輯與經驗證據——基于不完全信息視角[J]. 經濟管理， 2015， 37（2）： 119-127. [WANG Ying， QI Zipeng. Theoretical and empirical evidence for the ultimate logic in tourism demand—Based on incomplete information[J]. Economic Management， 2015， 37（2）： 119-127.]

[34] 梅奧， 賈維斯. 旅游心理學[M]. 天津， 南開大學出版社， 1987： 168. [MAYO E J， JARVIS L P. The Psychology of Leisure Travel[M]. Tianjin： Nankai University Press， 1987： 168.]

[35] SONG H， QIU R T R， PARK J. A review of research on tourism demand forecasting： Launching the Annals of Tourism Research Curated Collection on tourism demand forecasting[J]. Annals of Tourism Research， 2019， 75： 338-362.

[36] DOLNICAR S. A review of data-driven market segmentation in tourism[J]. Journal of Travel amp; Tourism Marketing， 2002， 12（1）： 1-22.

[37] 劉德謙. 需求與關注度： 40年國內旅游發展的動力[J]. 旅游學刊， 2019， 34（2）： 3-6. [LIU Deqian. Demands and attention： The driving force of domestic tourism development in the past 40 years[J]. Tourism Tribune， 2019， 34（2）： 3-6.]

[38] 于洪雁， 劉繼生. 供給側改革背景下的黑龍江省旅游需求和旅游供給耦合協調發展[J]. 地理科學， 2017， 37（9）： 1374-1381. [YU Hongyan， LIU Jisheng. Coupling coordination development of tourism demand and supply of heilongjiang province at the background of supply-side reform[J]. Scientia Geographica Sinica， 2017， 37（9）： 1374-1381.]

[39] 張嫚， 黃凌云. 負面網絡關注度對旅游業發展的影響——基于旅游需求的空間關聯分析[J]. 旅游學刊， 2021， 36（7）： 81-91. [ZHANG Man， HUANG Lingyun. Tourism development and public attention to negative online information： Based on the spatial correlations of tourism demand[J]. Tourism Tribune， 2021， 36（7）： 81-91.]

[40] 楊婷婷， 阮文奇， 張舒寧. 旅游需求對跨境危機事件信息擴散的空間響應與影響因素[J]. 旅游學刊， 2022， 37（8）： 119-132. [YANG Tingting， RUAN Wenqi， ZHANG Shuning. Spatial response of tourism demand to information diffusion of a cross-border crisis[J]. Tourism Tribune， 2022， 37（8）： 119-132.]

[41] 古詩韻， 保繼剛. 城市旅游研究進展[J]. 旅游學刊， 1999， 14（2）： 15-20; 78. [GU Shiyun， BAO Jigang. A survey of research on urban tourism[J]. Tourism Tribune， 1999， 14（2）： 15-20; 78.]

[42] CAZORLA-ARTILES J M， EUGENIO-MARTIN J L. Optimal targeting of latent tourism demand segments[J]. Tourism Management， 2023， 95： 104685.

Study on the Tourism Activeness of Chinese Urban Residents

WU Jinfeng1，2， SHI Xiaoteng1，2， JIA Wei3

（1. School of Geography and Tourism， Shaanxi Normal University， Xian 710119， China;

2. Shaanxi Key Laboratory of Tourism Informatics， Xian 710119， China; 3. School of Healthy

Management， Shanxi Technology and Business College， Taiyuan 030036， China）

Abstract： Releasing the potential of tourism consumption and promoting the tourism industry to achieve effective qualitative improvement and reasonable quantitative growth are the realistic needs for the development of China’s tourism industry at present. This paper proposes the concept of tourism activeness and evaluation indexes， and applies large-sample questionnaire data to quantitatively study the differentiation patterns of Chinese urban residents tourism activities and the characteristics of subdivided groups. The core content of the questionnaire has two parts： the first part is the target scenic spots. The higher the number of respondents visits the target scenic spots， the more active they are in tourism， conversely， the less active they are in tourism. The second part is demographic characteristics. The case cities are Beijing， Shanghai， Changchun， Wuhan， Xian， and Chengdu， representing cities with different levels of socio-economic development located in the eastern， central， and western China， respectively. The later validated cities are Taiyuan， Datong， Lyuliang， Jincheng， Gaoping， and Gujiao， representing cities with different levels of administrative hierarchy and socio-economic development. The main conclusions are as follows. 1） The population distribution of tourism activeness is exponential， and the mean and median values of tourism activeness in the six case cities are not high. It is found that tourism activeness can be used as a new posterior segmentation variable for tourism market segmentation. 2） The Chinese urban residents tourism activities are differentiated by the “two-five law” and the “five-eight law”， i.e.， the top 20% of urban residents in terms of tourism activeness has completed 50% of all tourism activities， and the top 50% have completed 80% of all tourism activities. 3） The demographic characteristics of the tourist active and inactive groups among Chinese urban residents are structurally similar and skewed， and characteristic attributes such as age， income， family life cycle， occupation， education level， and marital status all have different degrees of influence on tourist activeness. 4） The active tourists in the same demographic cluster can be divided into four subgroups. 5） The travel radius of the active group is 500 km larger than that of the inactive group， which is 100 km larger than that of the new “Wu curve” and twice as large as that of the old “Wu curve”. The findings of the study have implications for targeted tourism market segmentation， demand forecasting and marketing. At the theoretical level， this study deepens the understanding of changes in tourism demand and groups differentiation characteristics of Chinese urban residents and makes the relevant research conclusions about “Wu curve” more accurate. At the practical level， this study found that there is no significant relationship between travel radius and urban population size and administrative level. The demographic characteristics attributes other than gender are all important influencing factors of tourism demand. Dividing tourist groups and types based on demographic characteristics is correct， but full attention should be paid to the structural deviation between active and inactive groups. Further division should be made into golden， silver， bronze， and iron subgroups in active group. Overall， because the tourism needs of China’s urban residents are not greatly satisfied， the development of China’s tourism industry is promising.

Keywords： urban residents; tourism activeness; tourism market segmentation; posterior segmentation variables

[責任編輯：王" " 婧；責任校對：宋志偉]