有多少人“慕名而來”？

吳寶清 吳晉峰 石曉騰 張甜歌

[摘? ? 要]知名度是旅游目的地被訪問的前提條件之一。旅游景區到訪率與知名度的關系尚缺乏系統研究。文章以北京、上海、西安和長春為案例地，基于大樣本問卷調查數據，計算了4個客源地居民對目標景區的知名度、到訪率，分析了景區到訪率與知名度的相關關系，提出了知名度市場轉化率概念，研究了景區知名度轉化為到訪率的情況。研究發現：（1）景區到訪率與知名度存在正相關關系，且為指數曲線相關關系。（2）景區知名度市場轉化率隨origin-destination距離的增加而減小，呈現距離衰減特征。近距離景區（<500 km）知名度市場轉化率顯著高于中遠距離景區（500 km～1500 km）知名度市場轉化率，中遠距離景區知名度市場轉化率略高于遙遠距離景區（>1500 km）知名度市場轉化率。（3）景區知名度市場轉化率受景區區位條件影響，景區區位條件越好，知名度市場轉化率越高。文章為旅游市場營銷效果測評、旅游市場細分及差異化市場營銷等提供了新的思路和方法。

[關鍵詞]景區知名度;景區到訪率;知名度市場轉化率;相關關系;轉化關系

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2020）01-0078-17

Doi： 10.19765/j.cnki.1002-5006.2020.01.011

引言

旅游目的地知名度越高，慕名而來的旅游者一定越多嗎？在現實中，不少旅游目的地雖然享有很高的知名度，但由于旅游成本高、對身體素質要求高等原因，注定只能成為少數人的旅游目的地，例如地球南北極、青藏高原等?？梢姡澳矫辈灰欢ā岸鴣怼保糜握吣矫鴣硎鞘芤欢l件制約的。前人的研究表明，知名度是旅游目的地被訪問的首要前提條件[1-2]。但是，旅游者的目的地選擇決策還要受目的地的旅游吸引力[3-6]、目的地的旅游形象[7]、旅游者的收入水平[8-11]、人口統計學特征[12]、客源地與目的地之間的距離[13-20]和文化差異[21]等因素的影響。那么，在諸多因素作用下，最終有多少人能實際慕名而來呢？這是一個學界尚未探討的問題，具有重要的實踐指導價值。

學界對旅游目的地知名度的關注起源于消費者行為研究中的產品知名度。產品知名度指在未經提示的情況下，某種產品出現在消費者腦海中的能力[22]，它是廣告營銷的結果[23]。既有的消費者行為模型一致認為，知名度是消費者試用和重復購買產品的第一步和必要步驟[1，24]，在消費者的購買決策過程中起著至關重要的作用[25]。較早將知名度概念引入旅游者行為研究的是Woodside和Lysonski。1989年，兩位學者構建了旅游者目的地選擇的一般模型，認為目的地知名度是旅游者目的地選擇的主要影響因素之一，它受目的地市場營銷以及旅游者特質的共同影響[2]。1995年，Milman和Pizam將旅游目的地知名度定義為是否聽過或者認識該旅游目的地[1]。Pike認為最重要的知名度是旅游者在進行目的地選擇決策時，能否首先想起該旅游目的地的名字[26]。以往研究對旅游目的地知名度的測量主要有兩個視角：第一個視角是依據受訪者的應答來反映知名度。例如，Milman和Pizam的研究以受訪者回答是否聽說過旅游目的地作為知名度的判定標準[1]。其后，Roberts采用該方法測量了保加利亞在美國大學生中的知名度[22]。Woodside和Lysonski認為受訪者提及旅游目的地的次序能夠反映知名度，提及次序越靠前的旅游目的地的知名度越高[2]。更多研究是采用Likert量表法來測量旅游目的地的知名度。白凱和路春燕采用Likert 5點量表，讓受訪者對中國7個入境旅游城市的知名度進行打分[27]。Yang等采用Likert 7點量表，基于受訪者對3個項目（該旅游目的地的名聲很好;該旅游目的地很有名;當我想到類似的旅游目的地時，該旅游目的地立刻浮現在我的腦海中）的打分，測量了中國大陸居民對出境旅游目的地的知名度[28]。Tsaur等采用Likert 5點量表，基于受訪者對4個項目（我更常聽說臺灣;臺灣有代表性的符號;臺灣的宣傳材料中有一個令人印象深刻的口號;臺灣的宣傳材料上有一個令人印象深刻的標志）的打分，測量了中國臺灣地區的知名度[29]。Chekalina等采用Likert 5點量表，基于受訪者對3個項目（廣告、新聞、著名）的打分，測量了瑞典奧勒（?re）的知名度[30]。王阿敏等采用Likert 5點量表，讓受訪者對西安的知名度進行打分[31]。第二個視角是依據旅游目的地某些屬性來反映知名度。例如，齊莉娜等依據旅游目的地官方網站的入鏈數來衡量知名度的高低，入鏈數越多，說明旅游目的地的知名度越高[32]。胡幸福、楊敏依據景區級別來衡量知名度的高低，景區級別越高，說明景區知名度越高[33-34]。

從文獻梳理來看，學界關于旅游目的地知名度與旅游者到訪關系的研究，以定性討論為主。學者們認為旅游目的地知名度能夠激發旅游者的好奇心，驅使旅游者訪問該旅游目的地。旅游者是在自己知曉的旅游目的地集合中篩選合適的目的地進行訪問的[22]。倘若旅游目的地無知名度，則沒有機會被旅游者選中訪問[1]。但是，這并不意味著旅游目的地只要享有知名度，就一定會被旅游者訪問[35]。不過在通常情況下，旅游目的地的知名度越高，則越有可能被旅游者訪問[26，36]。旅游目的地要想吸引更多旅游者到訪，必須要重視旅游市場營銷，努力提升知名度[37-40]。盡管已有不少學者討論分析了旅游目的地知名度與旅游者實際到訪的關系，但是對二者定量關系的研究較為薄弱，至今尚未有學者討論“有多少人能夠慕名而來”的問題。本文提出了“市場轉化率”概念，用其衡量旅游目的地知名度轉化為實際到訪率的程度，旨在進一步深入分析旅游目的地到訪率與知名度的關系，以求揭示其中的規律。

1 研究方法和數據來源

1.1 研究方法

1.1.1? ? 旅游目的地知名度計算公式

以往研究多是從個體旅游者的視角來定義旅游目的地知名度，反映個體旅游者是否知曉某個旅游目的地。相比而言，從群體旅游者的視角來定義旅游目的地知名度更具實踐價值。旅游目的地市場營銷的對象是目標客源市場，目的是為了提高在客源市場中的知名度，誘發目標人群的到訪[41-43]。因此，旅游目的地必然更加關注在目標群體中享有的知名度。基于上述考慮，本文認為旅游目的地知名度是指目的地在某目標客源市場（既可以是整個客源市場，也可以是某個特定的客源市場）中的知曉程度。若目標客源市場中知曉該旅游目的地的人數占客源市場總人數的比重越大，表明該旅游目的地在目標客源市場中的知名度越高。在實際操作中，可以采用大樣本抽樣調查法，用抽樣調查中某目標客源市場的受訪者回答聽說過該旅游目的地的人數與受訪者總人數的比值來衡量知名度，計算公式如下：

式（1）中，A表示旅游目的地知名度;n表示抽樣調查中某客源市場中聽說過該旅游目的地的受訪者總人數;t表示抽樣調查中的某客源市場的受訪者總人數。

1.1.2? ? 旅游目的地到訪率計算公式

旅游目的地到訪率指某目標客源市場中實際到訪該旅游目的地的人數與客源市場總人數的比值。它是客源市場在目的地空間上進行市場分割的結果[44]。在實際操作中，可以采用大樣本抽樣調查法，用抽樣調查中某目標客源市場的受訪者回答實際到訪過該旅游目的地的人數與受訪者總人數的比值來衡量到訪率，計算公式如下：

式（2）中，V表示旅游目的地到訪率;m表示抽樣調查中某客源市場中實際到訪過該旅游目的地的受訪者總人數;t表示抽樣調查中的某客源市場的受訪者總人數。

1.1.3? ? 旅游目的地知名度的市場轉化率計算公式

轉化率的概念來源于化工領域，指某一反應物轉化為產品的百分率[45]。在本文中，旅游目的地知名度為“反應物”，旅游目的地到訪率為“產品”，知名度的市場轉化率指知名度轉化為實際到訪率的百分率，計算公式如下：

式（3）中，C表示旅游目的地知名度轉化率;V表示旅游目的地到訪率;A表示旅游目的地知名度。結合式（1）式（2），式（3）即：

式（4）中，C表示旅游目的地知名度轉化率;m表示抽樣調查中某客源市場中實際到訪過該旅游目的地的受訪者總人數;n表示抽樣調查中某客源市場中聽說過該旅游目的地的受訪者總人數。

1.2 數據來源

1.2.1? ? 案例地的選取

本文以北京、上海、西安和長春為案例客源地。北京位于中國華北地區，是中國首都、直轄市，2017年常住人口為2171萬，居民人均可自由支配月收入為4769元;上海位于中國華東地區，是中國直轄市，2017年常住人口為2418萬，居民人均可自由支配月收入為4916元;西安是中國西部地區的中心城市之一，2017年常住人口為962萬，居民人均可自由支配月收入為2716元;長春是中國東北地區的中心城市之一，2017年常住人口為749萬，居民人均可自由支配月收入為2764元1。以上述4個城市為案例客源地，主要基于以下考慮：一方面，4個城市均是區域中心城市，具有代表性;另一方面，4個城市的地理位置、經濟發展水平、交通條件等具有較大差異，有利于進行對比研究。

1.2.2? ? 目標景區的選取

在中國旅游業發展中，A級景區為重要的旅游目的地[46]，發揮了重要作用[47]。根據《2017年度中國A級旅游景區統計便覽》，2017年A級景區共9450家，共接待53.95億人次，總收入4339.83億元，其中，5A級景區共246家，共接待9.49億人次，總收入1692.9億元2。因此，本文將以旅游景區為案例目的地，如此更能夠保證是旅游到訪，避免其他目的到訪的干擾。目標景區以高級別景區為主，高級別旅游景區是最重要的旅游吸引物，是吸引旅游者到訪的主要驅動力。為確保目標景區的代表性，控制合理的問卷填寫時間，本文以案例城市為中心，以每100 km為半徑向外畫圈層，在每個圈層內優先選取5A級景區（或城市標志性景區，如西安鐘樓景區），沒有5A級景區的選4A級景區，選擇原則是保證每個圈層內的景區空間分布比較均勻。最終，以北京、上海、西安和長春為中心分別選取了85家、86家、83家和87家景區，其中，共同的景區有61家，占景區總數的70.11%～73.49%。由于每個案例客源地有其各自的特點，因此4個客源地所選取的目標景區中有少量非共同的目標景區，例如客源地長春選取了較多吉林省的景區（凈月潭景區、長影世紀城、吉林博物館等6家景區），而其他客源地只選取了凈月潭景區作為吉林省的代表景區。目標景區名錄見表1。

1.2.3? ? 問卷設計與實施

本文使用大樣本問卷調查法來獲取研究數據，問卷內容包括兩大部分：第一部分為問題設置，包括您是否聽說過該旅游目的地？是否曾經到訪過該旅游目的地呢？第二部分為人口統計學特征，包括性別、年齡、受教育程度、職業、收入水平等。調查時間為2017年10月至2018年8月，調查地點為北京、上海、西安和長春城市居民日常活動的場所，例如圖書館、商場、步行街、公園、超市等場所。樣本規模根據城市人口規模的萬分之一確定。經統計，向北京城市居民發放問卷2300份，收回有效問卷2077份，有效率為90.30%;向上海城市居民發放問卷2500份，收回有效問卷2305份，有效率為92.20%;向西安城市居民發放問卷980份，收回有效問卷886份，有效率為90.41%;向長春城市居民發放問卷800份，收回有效問卷747份，有效率93.38%。樣本特征見表2。

2 研究結果及分析

2.1 景區知名度/到訪率/轉化率的相關關系

根據問卷調查數據，分別計算北京、上海、西安和長春4個客源地居民對各自全部目標景區的知名度、到訪率、以及知名度市場轉化率。以知名度為橫坐標，到訪率為縱坐標，繪制“知名度-到訪率”散點圖（圖1左）;以知名度為橫坐標，知名度的市場轉化率為縱坐標，繪制“知名度-轉化率”散點圖（圖1中）;以知名度的市場轉化率為橫坐標，到訪率為縱坐標，繪制“轉化率-到訪率”散點圖（圖1右），并根據散點的分布趨勢分別進行曲線擬合。

從景區知名度與到訪率的散點圖和擬合曲線看，4個客源地居民的景區知名度與到訪率的擬合曲線均符合指數函數，擬合曲線的R2分別達到了0.85、0.92、0.83和0.89，擬合效果較為理想。說明從整體上看，景區到訪率隨知名度的提升而增加，且知名度越高，到訪率增加的速度越快。根據知名度和到訪率的數值集中度，可以將景區知名度劃分為高（≥60%）、中（40%～60%）、低（<40%）3個級別，將到訪率劃分為高（≥40%）、中（15%～40%）、低（<15%）3個級別。兩者的關系主要有以下幾種：（1）高知名度景區，可能是高/中/低到訪率，但以高/中到訪率為主;（2）中知名度景區，可能是中/低到訪率，但以低到訪率為主;（3）低知名度景區，一般是低到訪率。相比4個客源地，北京和上海居民的景區知名度與到訪率的關系更為接近，二者的“知名度-到訪率”散點分布以及擬合曲線相對一致。西安居民的高知名度景區比例（39.75%）遠高于北京（22.35%）、上海（18.60%）和長春（5.75%），但在高知名度景區中，西安居民的中低到訪率景區比例是最高的，占78.79%。長春居民的低知名度景區比例（71.26%）遠高于北京（15.29%）、上海（19.77%）和西安（7.22%），且有22.99%景區的知名度低于30%（其他城市均高于30%）。同時，長春居民的低到訪率景區的比例也是4個城市中最高的，占77.01%。由此可見，高知名度的景區，不一定都有高到訪率，但是高到訪率的景區，一定享有高知名度。不同客源地居民的景區知名度與到訪率之間的關系存在差異。

從景區知名度與知名度的市場轉化率散點圖和擬合曲線看，4個客源地居民的景區知名度與轉化率的擬合曲線基本符合指數函數，擬合曲線的R2分別為0.67、0.74、0.62和0.66。雖然從總趨勢來看，景區知名度越高，知名度市場轉化率越高的可能性越大。但是，“知名度-轉化率”散點的分布較為離散，有不少景區的知名度較高，但知名度的市場轉化率很低;也有一些景區的知名度較低，但知名度的市場轉化率較高。說明景區知名度的市場轉化率除了受知名度自身高低的影響之外，受其他因素的影響也較大。并非景區知名度越高，知名度的市場轉化率就一定越高。對比4個客源地，在知名度高于60%的景區中，西安居民的知名度市場轉化率低于30%的景區比例為32.35%，高于北京（21.05%）、上海（25.00%）和長春（0.00%）。在知名度低于40%的景區中，只有長春居民有知名度市場轉化率高于30%的景區，占16.13%，并且知名度市場轉化率高于20%的景區比例也是最高的，占48.39%。反映出不同客源地居民的景區知名度市場轉化率存在差異。

從景區知名度市場轉化率與到訪率的散點圖和擬合曲線看，4個客源地居民的景區知名度市場轉化率與到訪率的擬合曲線符合指數函數，擬合曲線的R2分別高達0.98、0.99、0.96和0.97，擬合效果理想。說明景區到訪率與知名度市場轉化率呈高度相關性，景區知名度的市場轉化率越高，景區到訪率一般越高。對比4個客源地，在知名度市場轉化率相當的景區中，到訪率也可能存在較大差異。例如在知名度市場轉化率低于40%的景區中，長春居民到訪率低于10%的景區高達87.14%，明顯高于北京（50.77%）、上海（58.11%）和西安（40.30%）。主要原因在于，長春居民的低知名度景區比例遠高于其他3個城市。由此可見，景區到訪率的理論最高值取決于知名度的高低，但是實際值受限于知名度市場轉化率的高低。

2.2 O-D對距離對景區知名度/到訪率/轉化率的影響

距離衰減是地理學第一定律[48]。為了探究距離衰減規律是否作用于景區知名度、到訪率以及知名度的市場轉化率，本文按照客源地與目的地（origin-destination，簡稱O-D對）距離由近及遠的順序，分別繪制了4個客源地居民對各自全部目標景區的知名度和到訪率的距離分布圖，以及與之相對應的知名度市場轉化率距離分布圖（圖2）。并按照距離客源地<200km、200km～500km、500km～1000km、1000km～1500km、1500km～2000km、>2000km，分別計算各距離區間內景區的平均知名度、平均到訪率以及平均轉化率（表3）。

從景區知名度的距離分布圖看，距離對景區知名度的影響較弱。不同距離景區的知名度值基本較均勻的圍繞知名度平均值上下波動，沒有呈現出明顯的知名度距離衰減現象。從不同距離區間看，距離小于200km的景區平均知名度最高，其中，北京為75.81%、上海為74.61%、西安為82.29%、長春為55.48%，分別是全部景區知名度均值的1.67、1.47、1.43、1.45倍;距離在200km～500km之間的景區平均知名度也較高，高于全部景區知名度均值;距離在500km～1000km與1000km～1500km之間的景區平均知名度相差不大，接近全部景區知名度均值;距離在1500km～2000km，以及大于2000km的景區平均知名度最小，略低于全部景區知名度均值。由此可見，景區知名度存在局部距離衰減現象，距離小于500km的景區平均知名度明顯高于距離大于500km的景區平均知名度，平均高10%以上。距離大于500km的景區知名度受距離的影響較弱。

從景區到訪率的距離分布圖看，距離對景區到訪率的影響較大?？傮w上，距客源地越近，景區到訪率越高，高到訪率的景區比例越大;距客源地越遠，景區到訪率越低，低到訪率景區比例越大。從不同距離區間看，距離小于200km的景區平均到訪率最高，其中，北京為54.82%、上海為52.26%、西安為55.47%、長春為37.62%，分別是全部景區到訪率均值的3.03、3.48、3.03、2.97倍;距離在200km～500km之間的景區平均到訪率也較高，高于全部景區到訪率均值;在距離大于500km的景區中，除了長春500km～1500km，西安1000km～1500km的景區平均到訪率高于全部景區到訪率均值之外，其他距離區間內景區平均到訪率均低于全部景區到訪率均值。在4個客源地中，除了西安1000km～1500km景區平均到訪率略高于500km～1500km景區平均到訪率之外，不同距離區間的景區平均到訪率呈現出明顯的距離衰減現象。

從知名度市場轉化率的距離分布圖看，距離對知名度市場轉化率的影響較大。總體上，近距離景區的知名度市場轉化率高，遠距離景區的知名度市場轉化率低。從不同距離區間看，距離小于200km的景區知名度平均市場轉化率最高，其中，北京為69.56%、上海為66.75%、西安為65.54%、長春為55.67%，分別是全部景區知名度市場轉化率均值的2.19、2.57、2.21、1.95倍;距離在200km～500km之間的景區知名度平均市場轉化率也較高，高于全部景區知名度市場轉化率均值。在距離大于500km的景區中，除了長春500km～1500km、西安1000km～1500km的景區知名度平均市場轉化率高于全部景區知名度市場轉化率均值之外，其他距離區間內景區知名度平均市場轉化率均低于全部景區知名度市場轉化率均值。在4個客源地中，除了西安1000km～1500km景區知名度平均市場轉化率高于500km～1500km景區知名度平均市場轉化率之外，不同距離區間景區知名度的平均市場轉化率呈現出較為明顯的距離衰減現象。

2.3 景區區位條件對景區知名度/到訪率/轉化率的影響

為了探究景區區位對景區知名度、到訪率以及知名度市場轉化率的影響，本文借助ArcGIS 10.2軟件平臺，利用空間分析模塊中的反距離權重法分別對景區知名度、到訪率、知名度市場轉化率進行插值分析，并采用自然間斷點分級法對數值進行分類，分別繪制了4個客源地居民對各自全部目標景區的知名度、到訪率、知名度市場轉化率的空間分異圖（圖3）。

從圖3（a）可見，在4個客源地中，西安居民的高知名度景區的數量最多，分布最廣。除了位于東北、西北、貴州和廣西的部分景區知名度較低之外，其他地區的景區知名度大都高于50%。知名度高于60%的景點主要分布在以西安為中心的500km以內區域、東部沿海地區、西南部分地區和海南。北京和上海居民的景區知名度空間分布具有相似性，大部分地區的景區知名度都高于40%，知名度高于60%的景點主要分布在東部沿海地區、長江中游地區、西藏和海南。長春與上述3個城市有很大的差異，高知名度景區只集中分布在以長春為中心的小范圍區域。除此之外，知名度較高的景區主要零星分布在北京、上海、杭州、三亞、張家界、西安等城市。其余景區的知名度大都低于40%。由此可見，不同客源地居民的景區知名度空間分布既有差異，也有相同，總體上4個城市對東部沿海地區的景區知名度都較高。

從圖3（b）可見，北京和上海居民到訪率較高的景區主要分布在東部沿海地區，其中，到訪率高于40%的景區主要分布在環渤海和長三角地區。西安居民到訪率較高的景區主要分布在陜西、鄰近省份和東部沿海地區，其中，到訪率高于40%的景區主要分布在關中地區、環渤海地區和長三角地區。長春居民到訪率較高的景區主要分布在東北地區、環渤海地區、長三角地區以及海南省。對比景區知名度和到訪率空間分布圖可直觀看出，對北京、上海和西安居民而言，只有部分地區景區的高知名度能夠有效轉化成高到訪率。與高知名度景區的分布空間相比，高到訪率景區的分布空間明顯收縮了。與上述3個城市有所區別，長春居民東北地區高到訪率景區的分布空間得到了擴張。反映出，對長春居民而言，東北地區景區知名度更能有效地轉化成到訪率。

從圖3（c）可見，對北京居民而言，位于東部沿海地區，以及西安、成都、昆明、三亞等熱門旅游城市的景區知名度市場轉化率較高，尤其是位于京滬沿線的景區知名度市場轉化率大都高于50%。上海與北京基本類似，但不同之處在于上海居民知名度市場轉化率大于50%的景區主要集中分布在長三角地區，其次是北京。對西安居民而言，位于陜西、鄰近省份、長三角地區和環渤海地區的景區知名度市場轉化率比較高，而位于西藏、新疆、云南、以及東南沿海等邊遠地區的景區雖然知名度很高，但知名度的市場轉化率很低。對長春居民而言，知名度市場轉化率較高的景區主要分布在東北地區、環渤海地區、長三角地區以及海南省。值得一提的是，西藏布達拉宮在長春的知名度高達51%，但到訪率只有4.42%，知名度的市場轉化率僅為8.66%。綜上所述，不同區位條件的景區知名度市場轉化率不同。首先，位于客源地以及周邊地區的景區知名度市場轉化率最高。客源地居民只需花費少量的時間和經濟成本即可訪問近距離景區。其次，地理分布集中連片、交通通達性高的景區，其知名度市場轉化率一般較高。例如，以北京為中心的環渤海地區和以上海為中心的長三角地區的景區知名度市場轉化率明顯高于其他地區的景區知名度市場轉化率。環渤海和長三角地區景區眾多，且交通發達。旅游者在一次旅程中就可以十分便捷地訪問多家景區，縮短了行游比，降低了旅游總成本。這與Chen和Tsai認為餐廳集聚可以減少顧客尋找合適餐廳所需的搜索時間和成本[49]的觀點相類似。再者，位于一些旅游資源豐富、交通便捷的城市的景區知名度市場轉化率一般較高，如北京、上海、杭州、蘇州、南京、廈門、西安、成都、三亞、桂林等。而位于西部邊疆地區和東北地區的景區，除了近距離客源地居民對其的知名度市場轉化率較高之外，其他客源地居民對其的知名度市場轉化率大都較低。

2.4 不同客源地居民的景區知名度/到訪率/轉化率差異

2.4.1? ? 對應分析

對應分析法（correspondence analysis）可以直觀描述兩個或多個分類變量在各個水平間的相關性[50]，該方法已被應用于旅游研究[51-53]。為了分析不同客源地居民對相同景區的知名度、到訪率以及知名度市場轉化率的差異。本文以問卷中共有的61家目標景區為靶標，借助SPSS 19.0軟件，以客源地為行變量，以景區為列變量，分別依據知名度、到訪率、轉化率進行對應分析，結果顯示兩個維度共攜帶了80%以上的原始信息，并繪制了4個客源地與61家景區的對應分布散點圖（圖4）。

從圖4（a）可見，對景區知名度而言，4個客源地呈聚攏分布，北京位于中心位置，61家景區總體上也較為聚集地分布在4個客源地之間。說明不同客源地居民的景區知名度之間的總體差異較小。4個客源地居民只對少數景區的知名度存在著較大差異。其中，上海居民對普陀山、中山陵、杭州西湖、蘇州園林的知名度明顯高于其他3個城市;西安居民對華山、法門寺、寶塔山的知名度明顯高于其他3個城市;長春居民對凈月潭、金石灘、沈陽故宮的知名度明顯高于其他3個城市。

從圖4（b）可見，對景區到訪率而言，4個客源地在兩個維度上具有明顯的區分度，61家景區與對應的客源地形成集聚分布。說明不同客源地居民的景區到訪率之間的差異較大。相比知名度，4個客源地居民到訪率差異較大的景區明顯增多了。其中，上海居民對杭州西湖、東方明珠電視塔、蘇州園林、中山陵、普陀山、黃山、鼓浪嶼的到訪率明顯高于其他3個城市;西安居民對華山、法門寺、寶塔山、青海湖、龍門石窟、麥積山、青城山的到訪率明顯高于其他3個城市;長春居民對凈月潭、金石灘、沈陽故宮、太陽島的到訪率明顯高于其他3個城市。

從圖4（c）可見，對知名度的市場轉化率而言，4個客源地在兩個維度上的區分度也較為明顯，61家景區與對應的客源地形成集聚分布。說明不同客源地居民的景區知名度市場轉化率存在明顯差異。從景區與客源地的位置關系可以看出，上海居民對杭州西湖、蘇州園林、東方明珠電視塔、普陀山、黃山、中山陵、鼓浪嶼、廬山、武夷山的知名度市場轉化率明顯高于其他3個城市;西安居民對寶塔山、華山、法門寺、龍門石窟、青海湖、麥積山、銀川沙湖、青城山、峨眉山的知名度市場轉化率明顯高于其他3個城市;長春居民對凈月潭、太陽島、中俄邊境、沈陽故宮、金石灘的知名度市場轉化率明顯高于其他3個城市。

2.4.2? ? 位序分析

為了便于觀察對比，本文統計了問卷中共同的61家目標景區分別在4個客源地中的知名度、到訪率以及知名度市場轉率的位序，排名前10的景區見表4。計算出各個景區在4個客源地中的知名度、到訪率以及知名度市場轉率的平均位序，以平均位序的排名作為景區知名度、到訪率以及知名度市場轉率的綜合位序（表5）。

從表4可見，北京故宮、東方明珠電視塔、杭州西湖在4個客源地中的知名度位序均位于前10，是公認的高知名度景區;北京故宮、東方明珠電視塔、杭州西湖、蘇州園林的到訪率在4個客源地中的位序均位于前10，是公認的高到訪率景區;北京故宮、東方明珠電視塔、杭州西湖、中山陵的知名度市場轉化率在4個客源地中的位序均位于前10，是公認的高知名度市場轉化率景區。由此可見，北京故宮、東方明珠電視塔和杭州西湖是知名度、到訪率以及知名度市場轉化率全部位居前10的景區。

從表5景區知名度、到訪率和轉化率的位序對比可以看出：（1）到訪率和轉化率位序均明顯低于知名度位序（位序相差≥10）的景區有：布達拉宮、西雙版納、承德避暑山莊、普達措國家公園、青海湖、武夷山、天山天池、神農架、武當山、黃果樹瀑布、葡萄溝、遵義會議會址、井岡山、北極村14家景區。這些景區多數分布在偏遠地區或者交通不便的地區，導致知名度不能有效地轉化成實際到訪率。（2）到訪率和轉化率位序均明顯高于知名度位序（位序相差≥10）的景區有：中山陵、嶗山、青城山、白云山、曲阜三孔、太陽島、金石灘、晉祠、寶塔山、深圳華僑城、銀川沙湖、云臺山、大足石刻13家景區。說明這些景區的知名度能相對有效地轉化成實際到訪率。（3）知名度、到訪率以及轉化率的位序相差不大（位序相差≤5）的景區有：北京故宮、東方明珠電視塔、杭州西湖、天涯海角、蘇州園林、鼓浪嶼、北戴河、黃鶴樓、漓江、龍門石窟、韶山、喀納斯、博斯騰湖13家景區。其中，北京故宮、東方明珠電視塔、杭州西湖、天涯海角、蘇州園林、鼓浪嶼6家景區的知名度、到訪率和轉化率的位序均位于前10，是客源地居民公認的高知名度、高到訪率以及高轉化率的景區。進一步說明了不同景區的知名度市場轉化率是不同的。

3 結論與啟示

3.1 結論

（1）景區到訪率與知名度存在正相關關系，且為指數曲線相關關系。景區到訪率隨知名度的提升呈加速增長趨勢，知名度較低時，到訪率增加速度較慢，知名度較高時，到訪率增加速度較快。提升景區知名度對提高景區到訪率具有普遍意義，尤其是提升已經具有相當知名度的景區知名度，可獲得更高的到訪率回報。

（2）景區知名度市場轉化率隨O-D對距離的增加而減小，呈現距離衰減特征。O-D對距離越小，知名度市場轉化率越高;O-D對距離越大，知名度市場轉化率越低。當O-D對距離分別為<200km、200km～500km、500km～1000km、1000km～1500km、1500km～2000km、>2000km時，景區知名度平均市場轉化率分別為64.44%、36.57%、29.49%、26.86%、22.45%、18.56%。近距離（<500km）景區知名度市場轉化率顯著高于中遠距離（500km～1500km）景區知名度市場轉化率，中遠距離景區知名度市場轉化率略高于遙遠距離（>1500 km）景區知名度市場轉化率。

（3）景區知名度市場轉化率受景區區位條件的影響。位于客源地及其周邊地區的景區，旅游者只需花費少量的時間和經濟成本即可訪問，知名度市場轉化率較高。景區集中連片分布、交通通達性高的區域或城市，旅游者一次旅程即可訪問多家景區，知名度市場轉化率也較高。位于偏遠地區且交通通達性較差的景區，知名度市場轉化率較低。

（4）景區知名度市場轉化率是分析景區知名度與到訪率轉化關系的有效指標。不僅可以定量計算景區知名度與到訪率的轉化程度，而且可以反映兩者的轉化規律，為進一步研究知名度與到訪率的轉化機理奠定基礎。

3.2 啟示

（1）依據知名度市場轉化率測評旅游市場營銷效果。營銷效果測評是目的地營銷研究領域中具有挑戰性的問題之一，常用的評價指標有市場份額、財務指標、品牌資產等，但至今尚未有公認的評價指標[54]。本研究提出的知名度市場轉化率可以為營銷效果測評提供新的思路和方法。旅游目的地營銷組織（destination marketing organizations， DMOs）在開展市場營銷工作之前，可以提前調查目標客源市場對該旅游目的地的知名度和到訪率，計算知名度市場轉化率;在開展市場營銷工作之后，可以定期調查目標客源市場對該旅游目的地的知名度和到訪率，計算知名度市場轉化率。通過對比開展市場營銷工作前后，知名度市場轉化率的變化情況反映旅游市場營銷效果。同時DMOs還可以通過對比不同目標客源市場的知名度市場轉化率變化情況，測評相同市場營銷策略對不同目標客源市場的營銷效果差異，使旅游市場營銷效果測評更加精準。

（2）依據知名度市場轉化率細分旅游市場及實施差異化市場營銷。根據本研究發現的知名度市場轉化率距離衰減特征，DMOs可以將旅游市場細分為：① 近距離（<500km）核心市場。近距離核心市場對旅游目的地的知名度市場轉化率很高。DMOs可以進一步提高旅游目的地在近距離市場中的知名度，以實現到訪率的進一步提升。另外，由于近距離市場對旅游目的地已有較高的到訪率，DMOs可以設法提升近距離市場的重游率。② 中遠距離（500km～1500km）拓展市場。由于距離的阻礙作用，中遠距離市場的知名度市場轉化率有所下降。建議DMOs優先考慮在經濟發展水平高、交通通達性高的城市進行旅游營銷，吸引其中的高收入群體到訪。同時，建議DMOs采用產品組合營銷策略，將鄰近的幾個旅游目的地作為整體進行市場營銷，借助整體旅游吸引力提高知名度市場轉化率。③遙遠距離（>1500km）機會市場。遙遠距離客源市場的知名度市場轉化率較低，DMOs無需投入大量資金進行大范圍的營銷宣傳。但是，隨著社會經濟水平的不斷發展，人們的出游能力將越來越強，尤其是隨著交通技術的不斷革新，“時空壓縮”現象將越來越明顯，遙遠距離客源市場的知名度市場轉化率也可能變高，DMOs可以有選擇地鎖定個別機會市場。

（3）將知名度市場轉化率作為旅游交通規劃的依據之一。本研究發現交通通達性是影響知名度市場轉化率的重要因素之一。對任何一個旅游目的地而言，提高O-D之間的交通通達性對提高知名度市場轉化率都具有重要意義。對于在目標客源市場中享有很高知名度，但是知名度市場轉化率較低的旅游目的地，一方面要致力于改善O-D之間的交通條件，提高交通通達性，例如增設航線或增加航班、規劃高速鐵路、修建高速公路等，另一方面還要提高其與周邊一定距離范圍內其他高知名度旅游目的地之間的交通通達性，提高目的地對目標客源市場的整體旅游吸引力，進而提高知名度市場轉化率。

4 研究不足與展望

雖然本研究取得了一些有意義的發現，但也存在不足。首先，本文的研究對象是高級別旅游景區的到訪率與知名度的關系。低級別旅游景區的到訪率與知名度的關系如何，是否與高級別景區一致，有待進一步的實證研究。其次，本文沒有對景區類型進行區分。未來需要增加不同類型景區的到訪率與知名度的關系對比研究。再者，不同性別、不同年齡、不同收入、不同職業等群體對景區的知名度和到訪率可能存在差異。本文只討論了不同客源地群體的景區到訪率與知名度的關系。在今后的研究中，需要區分不同人口統計特征群體，使研究結果更加精準，更具實踐指導價值。

參考文獻（References）

[1] MILMAN A， PIZAM A. The role of awareness and familiarity with a destination： The central Florida case[J]. Journal of Travel Research， 1995， 33（3）： 21-27.

[2] WOODSIDE A G， LYSONSKI S. A general model of traveler destination choice[J]. Journal of Travel Research， 1989， 27（4）： 8-14.

[3] PRIDEAUX B. Factors affecting bilateral tourism flows[J]. Annals of Tourism Research， 2005， 32（3）： 780-801.

[4] LEIPER N. Tourist attractio n systems[J]. Annals of Tourism Research， 1990， 17（3）： 367-384.

[5] 劉法建， 張捷， 陳冬冬. 中國入境旅游流網絡結構特征及動因研究[J]. 地理學報， 2010， 65（8）： 1013-1024. [LIU Fajian， ZHANG Jie， CHEN Dongdong. The characteristics and dynamical factors of Chinese inbound tourist flow network[J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024.]

[6] 孫根年， 張毓， 薛佳. 資源-區位-貿易三大因素對日本游客入境旅游目的地選擇的影響[J]. 地理研究， 2011， 30（6）： 1032-1043. [SUN Gennian， ZHANG Yu， XUE Jia. Scenery attraction， location accessibility and trade connection： Three factors and their influences on destination choice of Japanese tourists[J]. Geographical Research， 2011， 30（6）： 1032-1043.]

[7] 呂興洋， 宋慧林， 金媛媛. 信息過載情境下旅游者目的地選擇決策研究——熱門形象與長尾形象的差異化作用分析[J]. 人文地理， 2017 （5）： 154-160. [LYU Xingyang， SONG Huilin， JIN Yuanyuan. Study on tourism destination decision making under the situation of information overload： Differential effects between head image and tail image[J]. Human Geography， 2017 （5）： 154-160.]

[8] ERYIG?IT M， KOTIL E， ERYIG?IT R. Factors affecting international tourism flows to Turkey： A gravity model approach[J]. Tourism Economics， 2010， 16（3）： 585-595.

[9] 張捷， 都金康， 周寅康， 等. 自然觀光旅游地客源市場的空間結構研究——以九寨溝及比較風景區為例[J]. 地理學報， 1999， 54（4）： 357-364. [ZHANG Jie， DU Jinkang， ZHOU Yinkang， et al. Spatial structure of tourist source areas for the naturally scenic sightseeing places： A case study of Jiuzhaigou[J]. Acta Geographica Sinica， 1999， 54（4）： 357-364.]

[10] 保繼剛， 鄭海燕， 戴光全. 桂林國內客源市場的空間結構演變[J]. 地理學報， 2002， 57（1）： 96-106. [BAO Jigang， ZHENG Haiyan， DAI Guangquan. The evolvement of spatial structure and the significance of Guilins domestic tourist origins[J]. Acta Geographica Sinica， 2002， 57（1）： 96-106.]

[11] 賴思振， 鄒永廣. 旅游區的客源地出游力測評研究——以福建省古田旅游區為例[J]. 經濟地理， 2016， 36（3）： 194-200. [LAI Sizhen， ZOU Yongguang. The evaluation of tourism area's origin emissiveness： A case study of Gutian tourism area in Fujian[J]. Economic Geography， 2016， 36（3）： 194-200.]

[12] 宋慧林， 呂興洋， 蔣依依. 人口特征對居民出境旅游目的地選擇的影響——一個基于TPB模型的實證分析[J]. 旅游學刊， 2016， 43（2）： 33-43. [SONG Huilin， LYU Xingyang， JIANG Yiyi. The effects of characteristics of tourists on Chinese outbound tourism destination choice behavior： An empirical study based on TPB model[J]. Tourism Tribune， 2016， 43（2）： 33-43.]

[13] SANTERAMO F G， MORELLI M. Modelling tourism flows through gravity models： A quantile regression approach[J]. Current Issues in Tourism， 2016， 19（11）： 1077-1083.

[14] NICOLAU J L， M?S F J. The influence of distance and prices on the choice of tourist destinations： The moderating role of motivations [J]. Tourism Management， 2006， 27（5）： 982-996.

[15] 汪德根， 牛玉， 王莉. 高鐵對旅游者目的地選擇的影響——以京滬高鐵為例[J]. 地理研究， 2015， 34（9）： 1770-1780. [WANG Degen， NIU Yu， WANG Li. Influence of high-speed rail on choices of tourist destination based on the gravity model： A case study of Beijing-Shanghai high-speed rail in China[J]. Geographical Research， 2015， 34（9）： 1770-1780.]

[16] 曹晶晶， 章錦河， 周珺， 等. “遠方”有多遠？——感知距離對旅游目的地選擇行為影響的研究進展[J]. 旅游學刊， 2018， 33（7）： 103-118. [CAO Jingjing， ZHANG Jinhe， ZHOU Jun， et al. How far is “far”？Progress and implications in tourism and cognitive distance research[J]. Tourism Tribune， 2018， 33（7）： 103-118.]

[17] 吳晉峰， 包浩生. 旅游流距離衰減現象演繹研究[J]. 人文地理， 2005， 20（2）： 62-65. [WU Jinfeng， BAO Haosheng. Research on the distance decay of the tourist flow[J]. Human Geography， 2005， 20（2）： 62-65.]

[18] 張高軍， 吳晉峰， 曹曉儀， 等. 基于等時/費線的旅游客源市場空間分異研究[J]. 旅游學刊， 2015， 30（10）： 89-98. [ZHANG Gaojun， WU Jinfeng， CAO Xiaoyi， et al. Geospatial differentiation of the total tourist market[J]. Tourism Tribune， 2015， 30（10）： 89-98.]

[32] 齊莉娜， 張毅， 吳必虎， 等. 重大事件對舉辦地景區知名度影響測量研究[J]. 北京大學學報 （自然科學版）， 2009， 45（6）： 1061-1067. [QI Lina， ZHANG Yi， WU Bihu， et al. Research on the measurement of the impact of a mega-event on the awareness of tourism attractions in host city[J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 2009， 45（6）： 1061-1067.]

[33] 胡幸福. 旅游文化人文因子在景區知名度區分中的作用[J]. 山西師大學報 （社會科學版）， 2013， 40（5）： 127-131. [HU Xingfu. The role of the human factor of tourism culture in the popularity of the scenic spot[J]. Journal of Shanxi Normal University （Social Science Edition）， 2013， 40（5）： 127-131.]

[34] 楊敏. 基于關鍵詞查詢的旅游目的地在線信息關注度分析——以我國8大旅游熱點城市為例[J]. 資源開發與市場， 2014， 30（2）： 244-246; 251. [YANG Min. Analysis on tourism destination online attention based on keywords search—A case study of 8 tourism hotspot cities in China[J]. Resource Development & Market， 2014， 30（2）： 244-246; 251.]

[35] FESENMAIER D R， VOGT C A， STEWART W P. Investigating the influence of welcome center information on travel behavior[J]. Journal of Travel Research， 1993， 31（3）： 47-52.

[36] 郭英之. 旅游市場營銷[M]. 大連： 東北財經大學出版社， 2014： 250-283. [GUO Yingzhi. Tourism Marketing[M]. Dalian： Dongbei University of Finance & Economic Press， 2014： 250-283.]

[37] 陸鋒. 新媒體時代的旅游目的地宣傳和營銷[J]. 旅游學刊， 2018， 33（4）： 1-3. [LU Feng. Tourism destination promotion and marketing in the new media era[J]. Tourism Tribune， 2018， 33（4）： 1-3.]

[38] 楊銳， 張攀， 牛永革. 旅游口號信息訴求對口號態度和旅游意愿的影響研究——基于心理意象加工的視角[J]. 旅游學刊， 2018， 33（6）： 73-86. [YANG Rui， ZHANG Pan， NIU Yongge. The effect of tourism slogan message appeals on attitude toward slogan and travel intention： Based on the perspective of mental imagery processing theory[J]. Tourism Tribune， 2018， 33（6）： 73-86.]

[39] 李燕琴， 吳必虎. 旅游形象口號的作用機理與創意模式初探[J]. 旅游學刊， 2004 （1）： 82-86. [LI Yanqin， WU Bihu. A study on the mechanism and creating models of tourism advertising theme[J]. Tourism Tribune， 2004 （1）： 82-86.]

[40] MORRISON A M. Marketing and Managing Tourism Destinations[M]. London： Routledge， 2013： 19-45.

[41] 王信章. 建立科學高效的旅游目的地市場營銷體系的六個環節[J]. 旅游學刊， 2008， 23（4）： 6-7. [WANG Xinzhang. Six parts in establishing scientific and efficient tourist destination marketing system[J]. Tourism Tribune， 2008， 23（4）： 6-7.]

[42] 魏婧， 潘秋玲. 近20年國外旅游目的地市場營銷研究綜述[J]. 人文地理， 2008 （1）： 92-97. [WEI Jing， PAN Qiuling. A comprehensive studu on marketing of foreign tourism destinations over the past two decades[J]. Human Geography， 2008 （1）： 92-97.]

[43] 卞顯紅， 樹夫. 旅游目的地市場營銷戰略及其競爭力提升研究[J]. 江蘇商論， 2005 （3）： 68-70. [BIAN Xianhong， SHU Fu. Study on the marketing strategy of tourism destination and its competitiveness promotion[J]. Jiangsu Commercial Forum， 2005 （3）： 68-70.]

[44] 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， 52（2）： 97-103. [WU Bihu， TANG Junya， HUANG Anmin， et al. A study on destination choice behavior of Chinese urban residents[J]. Acta Geographica Sinica， 1997， 52（2）： 97-103.]

[45] 任仁. 在基礎化學課中如何講述轉化率的定義[J]. 大學化學， 1986 （3）： 22-24. [REN Ren. How to describe the definition of conversion rate in basic chemistry class[J]. University Chemistry， 1986 （3）： 22-24.]

[46] 賈垚焱， 胡靜， 劉大均， 等. 長江中游城市群A級旅游景區空間演化及影響機理[J]. 經濟地理， 2019， 39（1）： 198-206. [JIA Yaoyan， HU Jing， LIU Dajun， et al. Spatial evolution and influence mechanism of A-level scenic spots in urban agglomeration in the middle reaches of the Yangtze River[J]. Economic Geography， 2019， 39（1）： 198-206.]

[47] 朱竑， 陳曉亮. 中國A級旅游景區空間分布結構研究[J]. 地理科學， 2008 （5）： 607-615. [ZHU Hong， CHEN Xiaoliang. Space distribution structure of A -grade scenic spot in China[J]. Scientia Geographica Sinica， 2008 （5）： 607-615.]

[48] TOBLER W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography， 1970， 46 （2）： 234-240.

[49] CHEN L F， TSAI C T. Data mining framework based on rough set theory to improve location selection decisions： A case study of a restaurant chain[J]. Tourism Management， 2016， 53： 197-206.

[50] 張文彤. SPSS統計分析高級教程[M]. 北京： 高等教育出版社， 2004： 297-301. [ZHANG Wentong. SPSS Statistical Analysis and Advanced Tutorials[M]. Beijing： Higher Education Press， 2004： 297-301.]

[51] 趙振斌， 趙倩倩. 國際互聯網上傳播的西安旅游形象： 分裂與整合[J]. 干旱區資源與環境， 2012， 26（9）： 178-183. [ZHAO Zhenbin， ZHAO Qianqian. Tourism image of Xi'an on internet： Division and integration[J]. Journal of Arid Land Resources and Environment， 2012， 26（9）： 178-183.]

[52] 吳晉峰， 王阿敏， 王君怡. 旅游目的地形象的群體差異研究——本地人、已游客和未游客的比較[J]. 經濟管理， 2017， 39（5）： 130-145. [WU Jinfeng， WANG Amin， WANG Junyi. Exploring destination image differences among locals， tourists and prospective tourists[J]. Economic Management， 2017， 39（5）： 130-145.]

[53] 吳寶清， 吳晉峰， 吳玉娟， 等. 基于網絡文本的TDI地域差異研究——以西安的國內旅游形象為例[J]. 浙江大學學報 （理學版）， 2015， 42（4）： 474-482. [WU Baoqing， WU Jinfeng， WU Yujuan， et al. The influence of distance on tourism destination image based on network text—A case study of Xi'an domestic tourism image[J]. Journal of Zhejiang University （Science Edition）， 2015， 42（4）： 474-482.]

[54] 劉麗娟， 李天元， 王雪. 旅游目的地營銷績效評價研究現狀與展望[J]. 旅游學刊， 2013， 28（3）： 120-128. [LIU Lijuan， LI Tianyuan， WANG Xue. Current situation and prospects of studies on the evaluation of tourist destination marketing performance[J]. Tourism Tribune， 2013， 28（3）： 120-128.]

How Many People Will Visit a Destination after Hearing about It？

The Relationship Between Visiting Rate and Destination Awareness

WU Baoqing1， WU Jinfeng1，2， SHI Xiaoteng1， Zhang Tiange1

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

2. Shaanxi Key Laboratory of Tourism Informatics， Xian 710119， China）

Abstract： Having awareness is one of the important prerequisites for people to visit a tourist destination. Currently， there is a lack of systematic research on the relationship between visiting rate and destination awareness. To date， the question of “How many people will visit a destination after hearing about it？” has not received sufficient attention. In this paper， we propose a market conversion rate model to measure the degree of destination awareness that is converted into visits. Taking Beijing， Shanghai， Xian， and Changchun as the origin cities and selecting some of the Grade 5A， Grade 4A， and landmark scenic spots as the target destinations， the residents of Beijing， Shanghai， Xian， and Changchun were interviewed and asked whether they had heard about and visited the target destinations. From October 2017 to August 2018， 2300 questionnaires were distributed to Beijing residents， and 2077 valid questionnaires were returned （90.30% response rate）， 2500 questionnaires were distributed to Shanghai residents， and 2305 valid questionnaires were returned （92.20% response rate）， 980 questionnaires were distributed to Xian residents， and 886 valid questionnaires were returned （90.41% response rate）， and 800 questionnaires were distributed to Changchun residents， and 747 valid questionnaires were returned （93.38% response rate）. Based on the respondents answers， we calculated the awareness， visiting rate， and market conversion rate of the four cities residents in relation to each target destination. The correlation and conversion relationship between visiting rate and destination awareness were then analyzed. The results were as follows. Firstly， there is a positive correlation between visiting rate and destination awareness. The result of fitting data relating to visiting rate and destination awareness is an exponential curve， and the R2 of the fitted curve exceeds 0.8. Secondly， the market conversion rate of destination awareness follows the law of distance decay. The results showed that for distances between the origin and destination of <200 km， 200 km～500 km， 500 km～1000 km， 1000 km～1500 km， 1500 km～2000 km， and >2000 km， the average market conversion rate of destination awareness was 64.44%， 36.57%， 29.49%， 26.86%， 22.45%， and 18.56%， respectively. Thirdly， the destination awareness market conversion rate varied depending on the location of the destination. The better the location， the higher the market conversion rate. The findings of this study provide a new method for tourism marketing. Firstly， destination marketing organizations （DMOs） should investigate destination awareness and the visiting rate before and after carrying out a marketing campaign and evaluate the effect of the marketing campaign by evaluating the change in the market conversion rate. Secondly， DMOs should implement different marketing strategies for markets located at different distances from the origin city. For short-distance markets， it is necessary to improve the re-visit rate， while for long-distance markets， it is necessary to select the most important target markets. Furthermore， DMOs should be committed to improving accessibility to improve the market conversion rate.

Keywords： destination awareness; tourist visiting rate; market conversion rate; correlation; conversion relationship

[責任編輯：王? ? 婧;責任校對：吳巧紅]