基于游客網絡評論的長白山旅游體驗研究

王欣陽 梅林

引言

旅游體驗是旅游者通過感覺器官與思維活動，對所處景觀環境與過程經歷的體會與感驗。旅游體驗是研究旅游行為的核心內容，早在20世紀70年代，國外旅游學界逐漸將旅游體驗作為學術研究的重點課題。Cohen提出從旅游類型角度理解旅游體驗的必要性;Dann從旅游體驗動機的角度提出旅游動機的推拉理論，他認為旅游者產生旅游的沖動并不僅僅受到自身的推動，還受到外界因素的吸引，推的因素是旅游者內在心理產生旅游的愿望，拉的因素是旅游者對旅游目的地的感知所產生;Ryan提出了影響旅游體驗質量的4個因素，即旅游體驗的因子、干涉變量、行為和結果。20世紀90年代末，國內學者開始注意到旅游體驗研究價值性。謝彥君1999年提出旅游體驗研究是旅游研究的核心內容，并在2005年進一步提出旅游體驗是旅游世界的硬核;李懷蘭研究旅游體驗影響因素時發現，旅游企業的服務人員、旅游體驗的產品特征、游客的心理特性和個人知識能力是影響旅游體驗的主要因素;孫根年從游客的感知出發，討論了視覺、聽覺、嗅覺、味覺和觸覺等5種感覺體驗的基本途徑和獲得方法，從而為塑造高質量的旅游體驗提供幫助。近年來，我國學者主要從文化旅游體驗、鄉村旅游體驗、節慶旅游體驗等方面研究旅游體驗。

本文基于分析長白山游客網絡評論，突破了傳統研究中通過調查問卷取得旅游數據的常規方法，在研究方法上實現了探索性創新，為后續相關研究提供借鑒。另外，旅游企業可以通過網絡評論提高服務質量，為長白山的開發規劃和經營管理提供新的指導思路。

一、數據來源及研究方法

（一）數據來源

目前，中國有三大主流旅游網站，即攜程網、去哪網和飛豬網，本文的研究數據來源于此。網站允許消費者點評旅行體驗，點評沒有字數要求和限制。傳統游記博客的篇幅比較大，其流水賬式的寫法逐漸被大眾所淘汰。相比之下，“點評”這種方式使游客的旅行經歷和體驗評價更加集中且真實。作者于2017年7月通過八爪魚軟件，根據HTTP協議，抓取攜程網、去哪網兒、飛豬網中所有與長白山旅游點評網頁有關的html數據，將數據進行總結解析，通過數據清洗的方式得到4 644條有效點評數（見表1）。

（二）研究方法

1.語義網絡分析

語義網絡分析（Semantic Network Analysis）又稱關系內容分析，通過構建語義網絡分析文本中高頻詞組合的語義，以有向圖反映作者精神意境（mental map），這種方法需要選取高頻詞作為節點（Node），高頻詞組合共同出現的次數作為節點關系（Link）。該方法是目前應用較廣泛的文本內容分析方法，具體操作如下。通過ROST內容挖掘系統軟件（ROST Content Mining System Version 6.0）篩選所得到的數據，此時出現頻次低的節點將被過濾，之后調整網路圖像，生成游客網絡評價網絡可視化圖像。對圖像中的一些邏輯關系進行釋義：節點間的距離反映概念間關系的強弱;節點間連線的粗細、箭頭和線條指向數反映節點關系的加權度。值得說明的是，概念間關系與節點間距成反比，關系越強，間距越近，反之則越遠;節點間連線粗細與關系加權度亦成正比，連線越粗，關系加權度越大;箭頭和線條指向的數量與關系加權度也成正比。

2.關鍵事件法

關鍵事件指受訪者講述的一些印象深刻的事件，在本文中將頻率出現比較高的游客評論作為關鍵事件。關鍵事件法（Critical Incident Technique，CIT）是一種定性研究方法。首先，通過設計好的程序收集頻次出現比較高的關鍵事件;其次，利用內容分析法將事件和事件中的信息進行分類。簡言之，根據資料中詞語的頻次和出現的先后順序進行統計分析，最終達到量化。當前，關鍵事件法己經被廣泛應用于實體服務環境中顧客之間互動行為的研究。

二、結果分析

（一）詞頻分析

1.游客旅游體驗感知高頻詞匯分析

采用武漢大學文本分析軟件ROST CM6.0分析獲取的4 644條游客長白山網絡評論數據，并更改、修正出現頻次比較高的關鍵詞。在這個過程中，通過提取高頻詞可以發現游客在線點評中頻次出現最高的詞匯為“天池”，其次是“長白山”“導游”“景區”“方便”“時間”和“景點”等（見表2）。

2.游客景區環境感知頻次分析

根據高頻詞匯特征詞總體情況，結合長白山旅游特點，將長白山游客體驗歸納為景區餐飲、景區住宿、景區服務、景區景點、自然環境以及景區交通等6個主類目和109個分類目（如表3所示），分析長白山游客體驗結構和內容。分析表明景區餐飲相關描述被提及151次，占游客總評論數的3.25%;景區住宿被提及了1 118次，占游客總評論數的24.07%;景區環境被提及1 284次，占總評論數的27.65%;景區交通被提及1 925次，占總評論數的41.45%;景區服務被提及5 129次，占總評論數的110.4%，平均每條評論提及相關詞匯1.1次，表明游客對景區服務方面的感知較為突出，總體來看基本滿意。景區景點被提及11 587次，占總評論數249.5%，平均每條評論提及景區景點有關詞匯2.4次，說明游客對景區景點的感知最為突出。

（二）語義網絡分析

通過將高頻詞匯導入ROST CM6.0軟件，借助Newdraw軟件生成長白山游客網絡評價語義網絡圖（見圖1）。長白山游客評論以“天池”景點為中心，無規律向外發散，在所提及的話題中有許多與長白山旅游有關，涉及加權度最大的詞匯有“長白山”“導游”等，包括森林、北坡、溫泉和瀑布等景點，直觀的表達出游客在旅行過程中關注的多個層面。

由圖1可知，長白山游客評論文本中絕大多數話題以“天池”“長白山”“導游”為中心，其特點是整體分散、局部集中?！疤斐亍笔窃~頻出現最高的景點，也是長白山旅游的主要景點，幾乎與所有話題詞匯相連接，游客在長白山旅游活動過程中的話題與天池緊密相關。“天池”和“長白山”代表游客對這次旅游中旅游景點的點評，“導游”代表游客對旅行過程中所享受到服務的點評。

關于景區景點的關鍵詞涉及“西坡”“瀑布”“北坡”和“景區”等關鍵詞，這類評論主要圍繞游客旅行過程中所見景色及當時的心情加以點評，如“長白山天池，錦江大峽谷，大自然的鬼斧神工，是必須去的地方。當時，山上雪還沒完全融化，涼涼的，很美好的感受?！薄叭∑狈奖?，天池非常漂亮，山下還下雨，上去后藍天白云，不虛此行。就是人太多了，不錯……”等。此外，涉及到了景區的可達性，長白山“北坡”節點距離天池最近，說明北坡與天池的聯系最緊密，如“住在長白山腳下，已經處于長白山景區內，長白山景區又分為西坡和北坡，一般去長白山的都是沖著天池去的，所以都會去北坡?！?p>

游客對旅行過程中服務質量的點評大多以“導游”為主題，涉及“行程”“司機”“安排”等關鍵詞，以旅游過程中吃、住、行、游、購和娛為評價主題，并附帶個人的心情進行評價，如“很暢快不用排隊，看著排成長龍的隊伍，自己刷刷手機就通過了很開心，希望有更多景點這樣?！薄岸S碼發送的太晚了。到了景區進不了門。折騰半天。打客服電話才發過來。影響了心情?！薄熬皡^服務特別差，基本很失望，人生中最失敗的一次攜程體驗，希望能人性化一點，都挺不負責?！痹谂c“時間”有關的話題中，往往涉及“排隊”“景點”等關鍵詞，如“因為游客實在太多了，全天一半以上的時間都在排隊，看個天池都要排隊，坐大巴要排2個小時，下山的秩序很亂，景區應反思一下?！薄熬皡^很大，要做很長時間的區間車，景色宜人”。這些點評說明游客們排隊時間較長，影響了游覽心情，長白山景區在信息化和游客秩序管理中存在問題。網絡評價中涉及“方便”的點評中，往往與“電子”、“排隊”相關，反映出現在游客買票的方式已經從傳統的排隊買票轉換成網絡電子票，使游客感到便利。

（三）情感分析

1.游客網絡評價的一級情感評價

利用ROST CM6.0軟件分析高頻詞中的情感詞匯，得出情感分布統計圖（見圖2）。由圖2可知，游客對長白山旅行的情感評價中，正性情感占比18.41%;中性情感占比72.62%;負性情感占比4.97%，說明大部分游客對長白山旅行基本滿意。由于中性情感不能明顯反映游客在旅游過程中的情感沖突，下文將重點研究游客的正性情感和負性情感。

2.游客網絡評價的二級情感強度

本小節以徐琳宏等編制的中文情感詞匯本體庫文檔對情感的三級劃分為基礎，分析游客評論中出現頻次比較高的情感詞并整理歸類，得到如表4所示涉及不同級別情感類別及主題詞的意義解釋。

為了呈現游客網絡評價情感反應的二級情感分類和各種情感的強度，生成如圖3所示的數據圖。

由圖3可知，長白山游客情感反應中既有正向情感也有負向情感，褒貶不一。正向情緒包括“樂”、“好”、“驚”三個二級情感強度;負向情緒包括“哀”、“怒”兩個二級情感強度。其中：第一是“好”，為+746;第二是“樂”，為+542;第三是“哀”，為-241，第四是“怒”，為-205;第五是“驚”，為+49。

3.游客網絡評價的三級情感強度

為了直觀表現出游客網絡評論的三級情感強度類型（見表4）及強度，對三類情感主題詞進行定量測算，生成圓環圖（見圖4）。

由圖4可知，正向情感的三級情感包括五個情感主題，最主要的情感色彩是“贊揚”，表明大多數游客對長白山旅行產生的是積極態度。評論樣本中，游客的贊揚對象分為兩種，大部分是對長白山風景優美遼闊進行稱贊，其余是對景區服務人員的工作態度進行贊美。其中：“快樂”三級情感強度比較強烈，表明長白山旅行帶給游客的歡樂、娛樂之情遠多于煩悶、壓抑的心情;“喜愛”三級情感強度較強烈，表明游客們熱衷于傳播本次旅行帶來的快感;“安心”三級情感表明長白山景區提供的充足服務使游客感到放心;“驚喜”三級情感表示游客在本次旅行中收獲了意想不到的驚喜，說明游客對本次旅行很滿意，并超過了預期。

負向情感的三級情感由三個情感主題構成，其中“憤怒”的情感強度最強，是主要的情感色彩，如“哪知道那老板娘說，我就宰你們的，宰你又如何，衣服你還不還，不還我下班了……當時真是氣炸了，可能因為太生氣了，忘了拍下他們店的照片！大家請記住這家”。其次是“悲傷”，“悲傷”大多數是由于導游的不專業行為影響了游客的心情，如“一次傷心的旅行，看打分不低，選擇這個團，結果是非常差，吃住惡劣，自費項目處處存在，在行程說明中不表明，行程結束的花費比高價團還要貴兩元，吃住的差距不是一星半點，如果想選擇此團一定要慎重”。最后是“失望”，表明部分游客在本次旅行中因未達個人期望，感到失望和遺憾。如“天氣特別不好，沒看到天池，下了好大的雨，第二天就是大晴天，但不得不返程了，失望?！庇捎谔鞖庠驅]看到天池而失望;如“導游在協調一些事情時，不太為旅客著想，多少讓人有些失望。雖然最后聯系攜程客服，把事情解決了。但是感覺很不好?！庇捎趯в慰紤]不周而感到失望。

三、結語

本文以攜程網、去哪兒網、飛豬網中游客對長白山的網絡評價作為數據來源，通過ROST Content Mining System Version 6.0文本分析軟件，采用定性與定量結合的方法，分析、研究了長白山景區游客的體驗屬性，研究結果如下。

首先，通過ROST CM6.0提取在長白山旅游游客評論中出現的前100個高頻詞匯，其中包括名詞、動詞、形容詞，分別從游客體驗感知和游客對景區環境、設施感受兩方面描述長白山游客感知。游客評論中，有10個詞匯出現頻率最高，分別是天池、長白山、導游、景區、方便、時間、景點、排隊、北坡和西坡;游客對景區環境、設施感受歸納為景區餐飲、景區住宿、景區服務、景區景點、景區環境和景區交通六個方面。

其次，通過ROST CM6.0軟件將收集的游客對長白山旅游的評論進行語義網絡分析，以此研究游客的網絡評論中高頻詞匯之間復雜的語意網絡關系。分析結果可知，絕大多數高頻詞主要以“天池”“導游”“長白山”三個主題詞匯為中心，這說明了“天池”作為長白山景區的重要景點，游客對其感知相對較高;“導游”作為景區服務人員，連接了整個長白山旅游行程中的所有活動，為景區服務的點評提供了數據支持。

最后，利用ROST CM6.0軟件統計情感高頻詞匯可知，積極情緒占比18.41%;中性情緒占比76.62%;消極情緒占比4.97%。借助中文情感詞匯本體文庫文檔對情感進行了三級劃分，發現大多數游客對這次旅行產生的是積極態度，其中大部分是對長白山景區優美風景的贊美，其余是對景區服務人員的稱贊。這表明此次旅行給游客帶來的歡樂、愉悅之情遠多于煩悶，游客熱衷于傳播本次旅行帶來的快感。通過分析負向情感發現，對本次旅行不滿的主要來源是導游水平的差異。

通過此研究可以發現，游客對長白山旅游體驗感知持肯定態度，但也有旅游者不滿意長白山旅游，這暴露了長白山景區在管理中確實存在短板，對游客的旅游體驗質量和滿意度產生制約。

本文以攜程、飛豬、去哪兒網截止到2017年7月的長白山旅游游客網絡評論作為數據樣本。受季節因素的影響，長白山游客旅游體驗及影響因素會出現差別，長白山游客類型也會因旅游平臺的不同產生差別，對長白山旅游游客體驗具有一定影響，這是本文存在一定的局限性。未來，研究可拓寬評論獲取渠道和類型，嘗試更多數據抓取方法，分析旅游網站的圖片，使分析更加全面、可靠。

（作者單位：1.東北師范大學地理科學學院;2.東北師范大學人文學院）