基于百度指數的旅游目的地網絡關注度時空特征與影響因素研究以廈門市為例

丁 鑫,b,汪京強,b,李勇泉

(華僑大學 a.旅游學院;b.國家級旅游實驗教學示范中心,福建 泉州 362021)

1 引言

根據中國互聯網絡信息中心(CNNIC)發布的第39次《中國互聯網絡發展狀況統計報告》數據顯示,截至2016年12月我國網民規模達到7.31億人,互聯網普及率增至53.2%。百度作為互聯網三大基礎應用之一的搜索引擎,其用戶規模達到6.02億人,較上一年增長了3615萬人,網民使用率高達82.4%[1]。

互聯網技術的普及,不但為旅游相關服務機構通過互聯網平臺發布旅游信息和提供在線旅游公共服務提供了便利,也使旅游者能跨越時空局限獲取所需的旅游信息,為其出游行為提供決策依據。在“互聯網+”的時代背景下,探究和揭示旅游目的地網絡關注度的時空分布特征和影響因素,對旅游目的地利用互聯網技術拓展旅游市場營銷具有重要意義。

一些學者通過網絡搜索工具來分析用戶在某一特定時間段內對某一事物或某一事件的關注度及關注點,從而了解用戶的需求和偏好。Ginsberg J研究發現，網絡搜索數據在一定程度上反映出用戶對某一現象或事物的關注度,且在一定程度上與現實社會行為存在一定的相關性,這一相關性結論最早在流行病檢測中得到印證[2]。隨后,這一方法被應用到其他社會經濟活動的研究中,如預測市場忠誠度[3]、旅游目的地選擇[4]、預測游客率[5]等。Xiang Z通過分析游客搜索行為和特定知名城市之間的關系,提出搜索量能反映出城市旅游產業的規模[6]。近年來,旅游網絡關注度及其對客流量和游客行為產生的影響,已引起國內學者的廣泛關注。李山首次對中國首批5A級旅游景區中具有完整數據系列的53個景區一年的網絡關注度數據進行了統計分析,總結出旅游景區網絡關注度的時間分布呈“前兆”效應[7];龍茂興等借助百度指數分析了四川省旅游網絡關注度與實際旅游客流量的關系,發現兩者具有較強的正相關性,且在時間維度與空間維度具有較高的耦合性[8];馬麗君等利用中國15個熱點旅游城市國內客流量和網絡關注度數據構建了城市國內客流量與網絡關注度的時空相關模型[9];黃先開等以北京故宮為例,運用計量經濟學理論方法探究了網絡關注度與北京故宮實際客流量間的關系,并建立了預測模型[10];李世霞等以青島為例,對旅游目的地網絡關注度的影響因素進行了分析[11];潘麗麗等分析了西湖景區在黃金周期間及前后七天內網絡關注度的變化趨勢,總結出西湖景區在黃金周期間網絡關注度的時空分布特征[12]。此外,張曉梅對平遙古城網絡關注度時空特征及影響因素[13]、王章郡對國內自駕車旅游網絡空間特征[14]、鄒永廣等對旅游安全網絡關注度時空特征及其影響因素[15]、李霞等對各省郵輪網絡關注度的時空特征和影響因素[16]、馬麗君對湖南居民對景區需求[17]和中國酒店業就業需求的時空特征及影響因素[18]進行了深入的研究。

總體而論,國內關于旅游網絡關注度的研究還處于起步階段,研究的時間尺度多數在一年以內,研究方法多為描述性統計分析,研究案例地多為著名景區(如西湖、故宮、平遙等)或旅游熱點城市(如北京、青島等),以旅游目的地城市為案例地并進行多年時間尺度旅游網絡關注度的研究較少。鑒于此,本研究以廈門市作為旅游目的地的代表,研究廈門市2014—2016年廈門市旅游網絡關注度的時空分布特征及其影響因素,旨在為廈門市的互聯網市場營銷決策參考提供依據。

2 研究設計

2.1 研究區域概況

廈門市是我國著名的濱海旅游度假城市,被稱為“海上花園城市”,享譽海內外。廈門市旅游資源豐富,鼓浪嶼、南普陀寺、胡里山炮臺、中山路、曾厝土安、方特夢幻王國等自然、人文景觀馳名中外,每年吸引著數以百萬計的游客到此觀光度假。根據廈門市旅游局的相關統計,2016年廈門市全年共接待國內外游客6770.16萬人次,同比增長12.17%,旅游總收入968.26億元人民幣,同比增長16.33%[19]，旅游業成為廈門市的支柱性產業之一。因此,本文以廈門市作為旅游目的地的案例地具有較強的代表性。

2.2 關鍵詞選取

根據人們一般的搜索行為習慣,用戶通常是通過檢索關鍵詞或包含關鍵詞的短句來獲取所需的相關信息。因此,通過解析旅游者的網絡搜索行為大數據,可從中析出旅游者在開展旅游活動時對旅游信息的普遍需求,為旅游服務機構和從業人員及時發布高需求量的旅游信息提供指引和參考。鑒于此,挖掘出具有代表性的關鍵詞對上述旅游目的地網絡關注度的研究至關重要。

本文在選取關鍵詞時,充分借鑒了已有文獻資料中總結出的選取原則和技巧,兼顧數據的可獲取性。同時,應保證所選取的關鍵詞更有指向性,避免綜合搜索量的干擾,如“廈門大學”雖然為廈門市著名景點,但應考慮其他為中國著名高等學府日常搜索量中包含諸多其他與旅游無關的搜索行為,類似關鍵詞為減少其他因素干擾應予以剔除。此外,還要考慮我國旅游者獲取旅游信息時搜索關鍵詞的慣用提法和語義環境。據此,本研究選取“廈門旅游、廈門景點、廈門酒店、廈門住宿、廈門特產、廈門旅游攻略、廈門旅游路線推薦、廈門旅行社、鼓浪嶼、廈門方特夢幻王國、環島路、曾厝土安、廈門旅游花費”等作為初選關鍵詞,通過百度指數逐一檢索這些初選關鍵詞,將尚未錄入百度指數的關鍵詞剔除,然后對比余留關鍵詞在同一時期內的搜索指數表現,并根據各個關鍵詞的需求圖譜綜合對照找出頻次最多和相關性最強的前三個。為了進一步驗證這三個關鍵詞的代表性,本文先后通過愛站網和站長工具兩個關鍵詞挖掘工具進行了檢驗,最終選定“廈門旅游、廈門旅游攻略、鼓浪嶼”作為廈門市旅游網絡關注度的搜索關鍵詞。

2.3 數據來源

百度搜索是全球最大的中文搜索引擎,也是國內用戶滲透率最高的綜合搜索引擎。“百度指數”是百度提供的一款基于百度海量網民搜索行為的數據解析共享平臺,百度指數不僅提供關鍵詞的搜索指數數值和趨勢,還提供需求圖譜、人群畫像、輿情洞察等功能模塊,可讓用戶進一步了解與所檢索的關鍵詞相關性較強的若干個關鍵詞和關鍵詞條,相關的熱點新聞事件報道、對應搜索人群的地域分布、人群基本屬性特征等信息。同時,根據需要選擇特定的省份或特定的城市對網絡關注度進行檢索。因此,本文將基于百度指數,以“廈門旅游+廈門旅游攻略+鼓浪嶼”為組合關鍵詞,檢索獲取2014年1月1日至2016年12月31日3年范圍內在整體趨勢下的逐日搜索指數作為基礎研究數據,并借助其提供的多項功能模塊進行廈門市旅游網絡關注度的時空分布特征和影響因素研究。

2.4 研究方法

季節性集中指數：季節性集中指數(I),又稱季節性時間強度指數,可對旅游網絡關注度的季節集中程度加以定量分析,計算公式為:

I=Σ12i=1(xi-8.33)212

(1)

式中,Xi為各月網絡關注度占全年關注度總數的比重。指數值越大，表明網絡關注度的季節集中程度越高,季節性差異越大;相反,指數值越趨于0,表明關注度的季節集中程度越低,季節分布越均勻。本文將用其測算廈門市2014—2016年三年旅游網絡關注度的季節集中程度。

周內分布偏度指數:周內分布偏度指數(T)是用于測算旅游目的地網絡關注度在周時段內的集中分布特征,計算公式為:

T=100×27(Σ7i=1iPi-4)

(2)

式中,Pi為第i日網絡關注度與周內網絡關注度總數的百分比,指數值小于0,表明網絡關注度偏向于集中分布在該周的前期;指數值大于0,表明網絡關注度偏向于集中分布在周內后期;指數值等于0,表明網絡關注度在周內均勻分布。本文將通過其測算廈門市2014—2016年“十一”黃金周旅游網絡關注度在周內的集中分布特征。

地理集中指數:地理集中指數(G)是衡量網絡關注度相關搜索人群地理集中程度的一個重要指標,可利用其分析網絡關注度的空間分布特征[18],計算公式為:

(3)

式中,Xi為第i個省區的網絡關注度;S為全國網絡關注度總數;n為省區總數。G的理論取值范圍為(0,100)。G值越大,網絡關注度空間分布越集中;G值越小,網絡關注度空間分布越分散。本文將借助其分析2014—2016年廈門市旅游網絡關注度的空間分布特征。

3 廈門市旅游網絡關注度的時空分布特征

3.1 時間分布特征

年際變化特征:統計2014—2016年廈門市網絡關注度發現,廈門市網絡關注度年際變化趨勢不穩定,呈現波動狀態。網絡關注度變化趨勢具有很高的相似性,呈現“四峰四谷”狀,見圖1。“四峰”分布在1—2月、4—5月、7—8月、10月四個時間段。

圖1 2014—2016年廈門網絡關注度年際變化曲線

季度變化特征:統計2014—2016年廈門市各月網絡關注度指數可發現廈門市全年旅游網絡關注度相對集中,主要集中在春季和夏季,夏季長期保持較高水平,而晚秋和整個冬季的網絡關注度則呈現較平緩且水平較低的狀態,見表1。這與現實旅游客流呈現明顯的淡、旺季相對應。通過季節性集中指數進一步計算出廈門市2014—2016年旅游網絡關注度的季節性集中指數分別為2.7129、2.7888、2.3173(表2)。結合表1各月網絡關注度的指數和占比數據可發現廈門市旅游網絡關注度季節性差異較大。其中,2015年的季節性差異最大,集中程度最高。

從月份來看,廈門市網絡關注度主要集中在2月、5月、7月、8月和10月,尤其是7月和8月。從5月下旬開始呈現出一個持續上漲的趨勢,直到7月底、8月初達到全年最大值,隨后開始回落。從10月中下旬到次年1月中旬,網絡關注度曲線維持一個較低且相對平穩的狀態。對照各年法定節假日安排,發現圖1中出現的三個波動較大的波峰分別與春節假期、“五一”假期、“十一”假期三個法定節假日的時間點相吻合。

表1 2014—2016年廈門各月旅游網絡關注度指數 及占全年的比重

表2 2014—2016年廈門旅游網絡關注度季節性集中指數

周度變化特征:我們對廈門市2014—2016年3年來的網絡關注度日數據以周一至周日進行劃分,各自加總后求出其日均值,最終得到3年來各年網絡關注度的周度日均變化曲線,見圖2。

圖2 2014—2016年廈門網絡關注度周度變化曲線

從圖2可見,廈門市2014—2016年三年網絡關注度的周內分布特征具有較強的相似性,工作日較高,雙休日較低,周五出現明顯的下滑,在周六達到周內最低值,周日小有回升。這一特征與現實旅游客流量周末較多、工作日較少的規律相互對應,印證了多項研究成果表明的旅游目的地網絡關注度與實際游客客流市場的關系,證實了李山等人研究發現的周內顯示出的“日前兆”特征。工作日期間為周末出游計劃搜索相關旅游信息,包括信息類的門票價格、導航類的路線和酒店預訂等事務類旅游相關關鍵詞的搜索頻度維持在較高水平,確定出游方案并預定好旅游產品后,關注度下降,在周六出游過程中,網絡關注度達到最低值,周日出游結束,一方面可以分享游后的體會,另一方面下一批潛在的旅游者會利用閑暇時間查詢相關信息,因此周日網絡關注度出現小幅回升。

從具體年份來看,2014年的網絡關注度從周一開始上升,在周三達到最大值,隨后開始下降。2015年和2016年的網絡關注度則是周一最高,而后開始緩慢下降。除周五以外的其他4個工作日的關注度較高且較平穩,變化幅度較小。一定程度上,可以說“日前兆”效應的預測周期提前。本研究認為,之所以出現“日前兆”提前的現象,其主要得益于近年來移動互聯網技術的迅速發展,人們可以更加方便快捷地通過隨身攜帶的移動設備隨時隨地查詢所需的旅游信息,時空限制進一步縮小,人們不必在特定時間使用個人上網設備搜尋信息。

節假日特征:從圖1可見,網絡關注度在“春節、五一、十一”等長假時間段出現波動幅度較大的小高峰,本研究分析2014—2016年廈門市“五一”小長假和“十一”黃金周期間的網絡關注度分布特征。鑒于每年“五一”法定假期安排不固定,本文統一選定各年網絡關注度“五一”假期及前后3天逐日數值(圖3)和“十一”假期及前后7天逐日數值(圖4)作為統計分析樣本。

圖3 2014—2016年廈門“五一”前后旅游網絡關注度分布曲線

由圖3可見,廈門市2014—2016年網絡關注度在“五一”假期及其前、后三個時間段的整體變化趨勢具有很強的相似性,假期前網絡關注度出現明顯持續上升,假期初期達到最高值,而后持續下降,并在假期后逐漸回落到一個穩定的水平。進一步對比分析三年趨勢,發現“五一”假期網絡關注度達到最高值的時間點呈現逐年延遲的現象。此般現象與近年來移動互聯網技術高速發展的時代背景相呼應,人們可以在旅游期間方便快捷地借助手機等移動設備搜索所需的旅游信息,而不再受限于以往電腦攜帶不便而需要提前查找信息。

由圖4可見,3年來廈門市的旅游網絡關注度在“十一”假期前后整體變化趨勢具有高度的一致性,均表現為假期前關注度呈現上升趨勢,從假期前3天開始持續明顯增長,在假期的第2天達到最大值,假期初期保持較高水平,中期出現明顯下降趨勢,并在假期結束后回落到一個相對穩定的狀態。

圖4 2014—2016年廈門“十一”前后旅游網絡關注度分布曲線

綜合分析圖3、4,在節假日期間旅游網絡關注度曲線呈現“山峰”狀,假期前關注度呈上升趨勢,假期初期達到峰值,假期后逐步回落到一個相對穩定狀態。這種趨勢特征正與現實中節假日期間旅游客流量市場變化規律相吻合。假期前旅游者基于出游需要,設法獲取各種旅游相關信息,而假期中前期在依托已收集到的旅游信息開展旅游活動的同時,借助移動設備調整出游計劃,而后期逐漸達成旅游需求后,旅游信息的需求熱度逐漸回落到正常水平。

通過周內分布偏度指數(T)進一步分析廈門市旅游網絡關注度在“十一”黃金周周內集中分布狀況(表3),發現2014—2016年3年“十一”黃金周網絡關注度的T指數均小于0,表明廈門市“十一”黃金周假期期間的網絡關注度偏向于集中分布在假期初期。

表3 2014—2016年廈門旅游網絡關注度“十一”黃金周周內分布偏度指數

表4 2014—2016年廈門旅游網絡關注度排名前十省份和城市

3.2 空間分布特征

通過百度指數提供的趨勢研究和人群圖像功能模塊,分別選擇2014年、2015年和2016年3年全年范圍,先后以區域、省份、城市三個層次進行檢索,分別得到2014—2016年各年廈門市網絡關注度的地區分布情況。同時,將各省份和城市的網絡關注度日均數據進行統計,得到2014—2016年廈門市旅游網絡關注度排名前十省份和城市(表4)。統計發現,從地理區域劃分來看,廈門市網絡關注度3年來在地區空間分布上幾乎保持一致,且地區集中分布特征極為明顯。集中分布在經濟較發達、人口較密集且交通較便捷的華東、華南以及華北地區,尤其是華東地區,網絡關注度空間分布比重遠遠超過了其他地區。

由表4可見,從省份分布來看,廈門市旅游網絡關注度主要集中福建本省以及周邊的東南部沿海省份,福建、廣東、浙江、江蘇、北京3年來分別蟬聯廈門市網絡關注度省份排名第1名至第5名。分別統計3年來排名前十的省份網絡關注度的比重發現,其比重總和幾乎占據了全國的1/2,進一步證明其省份分布集中程度較高。

為了進一步分析廈門市網絡關注度的地理集中程度,本文借助地理集中指數進行測算。分別收集2014年、2015年和2016年廈門市旅游網絡關注度全國各省的日均值,并依據式(3)分別計算各省網絡關注度的比重,最終求得廈門市網絡關注度2014—2106年各年的地理集中指數(表5),分別為22.83、22.72、22.48,說明廈門市網絡關注度空間地理分布較集中。

表5 2014—2016年廈門網絡關注度地理集中指數

我們發現,廈門市3年來地理集中指數逐年減小,表明廈門市旅游網絡關注度的集中程度逐年下降,空間分布有趨于分散的趨勢。綜合以上分析發現,廈門市旅游網絡關注度各年的空間分布特征具有較高的一致性,且各年空間分布較為集中,主要分布在我國經濟較為發達、人口較為密集的東、南部沿海地區,尤其是廈門所處的福建省及與其距離較近的廣東、浙江等周邊省市。

4 廈門市網絡關注度的影響因素分析

相關研究表明,旅游目的地的網絡關注度與現實旅游客流量呈現正相關性,網絡關注度是游客旅游需求的要素和規模的直觀體現[9],一般會受到經濟發展水平、旅游地氣候舒適度、客源地人口規模、網絡發達程度、兩地間經濟聯系及距離等因素的影響[13,15,17]。因此,本文認為影響廈門市旅游網絡關注時空差異的主要因素可能有:經濟發展水平、網絡發達程度、社會人口統計特征、兩地間的經濟聯系、兩地間的距離等。

表6 廈門旅游網絡關注度影響因素相關性分析

4.1 經濟發展水平

潛在旅游者所在地經濟發展基礎越好,人均GDP越高,基礎設施和服務設施越完善,信息化程度越高,其可獲取的信息也就越多[15]。本研究選取各省區2015年末GDP規模和人均GDP與廈門市旅游網絡關注度進行相關分析,得出廈門市旅游網絡關注度與經濟發展水平表現出顯著的相關性(表6)。經濟發達的東部地區旅游網絡關注度明顯高于中西部地區。經濟越發達的地區,居民或潛在旅游者的出游意愿越強,對旅游信息的需求則越高,網絡關注度隨之越高。因此,經濟發展水平是影響廈門市旅游網絡關注度的因素之一。

4.2 網絡發達程度

信息技術發展水平對旅游網絡關注度一般會產生影響。本研究選取各省區2015年的互聯網普及率作為網絡發達程度的指標,與廈門市旅游網絡關注度進行相關分析,結果顯示:網絡發達程度與旅游網絡關注度存在顯著的相關關系(表6)。從全國范圍來看,廈門市旅游網絡關注度指數整體呈現由東向西依次遞減的趨勢，互聯網普及率越高的省區,獲取網絡信息越快,旅游網絡關注度也就越高。因此,網絡發達程度是影響廈門市旅游網絡關注度的主要影響因素之一。

4.3 社會人口統計特征

各省區潛在旅游者的社會人口統計特征是影響廈門市旅游網絡關注度的重要因素。潛在游客所擁有的文化知識水平和年齡段不同,對廈門市旅游認知也存在著一定差異。本研究選取全國各省區初中、高中及大專以上文化程度人數作為文化程度指標,選取14歲以下、15—64歲、65歲及以上年齡的人數作為年齡結構指標,對文化程度與年齡結構與廈門市旅游網絡關注度進行相關分析得出,文化程度和年齡結構與廈門市旅游網絡關注度呈現相關性(表6)。從表6可見,各省區文化程度、年齡結構的差異是廈門市旅游網絡關注度的主要影響因素。

4.4 兩地間經濟聯系

客源地與旅游地之間經濟聯系的密切程度會影響兩地的旅游規模[20],客源地與廈門市之間的經濟聯系一般會影響廈門市的旅游網絡關注度。本研究選取各省區與廈門市的人口規模、國內生產總值、地理距離作為指標,采用經濟強度引力模型測量各省區與廈門市的經濟聯系強度,再將兩地經濟聯系強度與廈門市旅游網絡關注度進行相關分析得出,兩地間經濟聯系與廈門市旅游網絡關注度呈顯著的相關性(表6),可見兩地間經濟聯系是廈門市旅游網絡關注度的影響因素。

4.5 兩地間距離

客源地與旅游地的空間距離在一定程度上會影響潛在旅游者的出游意愿,從而會間接影響其對旅游目的地的旅游信息需求。本研究運用經緯度距離計算公式,選取各省區省會與廈門市之間的地理距離作為測量指標,分析兩地間距離與廈門市旅游網絡關注度呈顯著相關性,廈門市旅游網絡關注度高度集中分布于福建省內及廣東、浙江、上海、江西等周邊省市,網絡關注度與兩地距離長短總體呈現出由近及遠逐漸減弱的規律。同時,上述空間特征分析中,地理集中指數逐年下降也顯示出廈門市網絡關注度空間集中程度逐漸趨于緩和,來自距離較遠的西北地區和東北地區的網絡關注度有了進一步的增長。這一定程度上得益于近幾年來我國高鐵網絡的迅猛發展,拉近了城市間的距離。

5 研究結論

本文基于百度指數,從不同層次分析了廈門市旅游網絡關注度的時空分布特征,根據分布特征并結合已有研究成果概括出主要影響因素,結論如下:①廈門市旅游網絡關注度年際變化具有不穩定性,但各年整體變化趨勢具有較高的一致性,且全年中網絡關注度相對集中,主要集中在春季和夏季;從周內來看,網絡關注度在工作日較高、雙休日較低,這一趨勢與現實中旅游客流量周末較多、工作日較少的規律相呼應。同時發現,廈門市旅游網絡關注度周內峰值時間呈現前移的趨勢,與已有研究成果存在差異;分析節假日的變化特征發現,廈門市網絡關注度在節假日期間呈現“山峰”狀,假期前持續上升,假期初期達到最高值,假期結束后回落到一個相對穩定的狀態。網絡關注度全年中出現的三次小高峰與三次節假日出游高峰相吻合,證實了網絡關注度與現實旅游客量間的正相關性。②廈門市旅游網絡關注度在空間上相對集中,主要分布在我國經濟較發達的東南沿海地區,尤其是福建省及周邊省市。從地理區劃上看,主要分布在我國華東和華南地區。同時,廈門市旅游網絡關注度地理集中程度呈現出逐年遞減的趨勢,網絡關注度空間分布集中程度趨于緩和。③通過相關性分析,地區經濟發展水平、網絡發達程度、社會人口統計特征、兩地間經濟聯系和兩地間距離等是廈門市旅游網絡關注度時空差異的影響因素。其中，地區經濟發展水平、網絡發達程度、社會人口統計特征、兩地間經濟聯系與廈門市旅游網絡關注度呈正相關,兩地間距離呈負相關。

本研究依然存在不足之處,百度指數解析的數據來源于網民百度搜索行為,數據廣度存在局限性。同時,在數據統計測算時發現,由于百度指數的統計方法和近似算法問題,其無法反映具體搜索規模和信息,因此百度指數作為一種大數據解析應用,更適合作為一種趨勢判斷或規律解讀的參考。近年來隨著移動互聯網技術的迅猛發展,越來越多人通過移動端口獲取所需旅游信息,手機不斷擠占其他個人上網設備的市場份額。尤其是以社交軟件、OTA等為代表的移動應用不斷沖擊著綜合搜索引擎的流量入口地位。因此,基于移動社交數據的網絡關注度研究將成為未來研究的一個重要方向。

參考文獻:

[1]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[EB/OL].http://http://www.cnnic.cn/gywm/xwzx/rdxw/20172017/,2017-01-22.

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

[3]Geoffrey Peter Smith.Google Internet Search Activity and Volatility Prediction in the Market for Foreign Currency[J].Finance Research Letters,2012,(9)∶103-110.

[4]Hyunyoung Choi,Hal Varian.Predicting the Present with Google Trends[J].The Economic Record.2012,88( )∶2-9.

[5]Gawlik E,Kabaria H,Kaur S.Predicting Tourism Trends with Google Insights[R].2011.

[6]Xiang Z,Pan B.Travel Queries on Cities in The United States:Implications for Search Engine Marketing for Tourist Destinations[J].Tourism Management,2011,32(1)∶88-97.

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

[8]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.

[9]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.

[10]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.旅游學刊,2013,28(11)∶93-100.

[11]李世霞,田至美.基于百度指數的旅游目的地網絡關注度影響因素分析——以青島為例[J].首都師范大學學報(自然科學版),2014,35(1)∶56-59.

[12]潘麗麗,戶文月.基于百度指數旅游景區假期網絡關注度特征研究——以西湖風景區為例[J].北京第二外國語學院學報,2015,(9)∶67-74.

[13]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)∶196-201.

[14]王章郡,方忠權,杜坤.中國自駕車旅游網絡空間關注度時空演變——基于Google搜索解析分析[J].地域研究與開發,2011,10(5)∶112-117.

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

[16]李霞,曲洪建.郵輪旅游網絡關注度的時空特征和影響因素——基于百度指數的研究[J].統計與信息論壇,2016,31(41)∶101-105.

[17]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.

[18]馬麗君,肖洋.基于網絡關注度的酒店就業需求時空分布[J].云南地理環境研究,2016,28(6)∶16-22.

[19]廈門市旅游發展委員會.2016年廈門市旅游總收入968.26億元,同比增長16.33%[EB/OL].http：//www.xmtravel.gov.cn/zwgk/xxgk/xxgkml/tjxx/lyjjfx/,2017-01-12.

[20]李慧芳,謝雙玉,張琪,等.武漢市國內旅游客源市場空間結構及其影響因素研究[J].河南科學,2015,33(7)∶1258-1264.