基于大數據的途牛網旅游產品差異及消費者偏好分析

劉娟 廖慕婷

摘 要：為了更全面的了解在線旅游行業的現狀，本文從產品入手，通過Python爬蟲技術，爬取了在線平臺途牛網八條代表性境內外旅游產品線路的六個指標：出游人數、評價人數、價格、滿意度、景點個數、景點。據此從產品角度分析：產品出游行為結構;從用戶偏好角度分析：用戶出行偏好、用戶對各類產品的滿意情況。

關鍵詞：爬蟲;在線旅游產品;境內外游;消費偏好

中圖分類號：F27 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.26.039

0 引言

在當今社會，如何利用互聯網和大數據，實現數據與實體經濟的有效結合成為了重要的課題。通過大數據捕捉消費者對產品的偏好、態度以及影響因素，商家能夠更好的抓住機會，在行業中起到表率和領頭作用。另外，今年新冠肺炎的爆發，全球的旅游行業都遭受到了嚴重打擊。本文針對今年上架的五月份產品的數據研究也可以作為疫情過后的旅游業的參考。

據此，將利用Python爬蟲技術，爬取上架的途牛網2020年五月于廣州出行前往國內外熱門地點的旅游產品數據，通過細化出行方式分別得到評價人數、滿意度、價格等指標并進行對比分析。

1 數據來源及獲取

1.1 數據來源

一線城市旅游行業更加發達，五月因為有小長假成了旅游旺季。由于網站只顯示當前及以后的產品數據且商家一般會提前上架產品。因此本文將出發時間定位2020年，將選取的熱門線路出發地設置為一線城市廣州、時間設定為五月出行，并將目的地分別設置為途牛網搜索欄顯示的國內熱門出行城市：云南、三亞，以及國外熱門出行城市：日本、泰國。同時將出行方式分別設定為自由行、跟團出游兩種。根據以上設定爬取共752條旅游產品數據。

1.2 數據獲取

下面將以廣州——三亞跟團為例，描述如何基于Python對途牛網數據爬蟲的設計與實現。

1.2.1 尋找爬蟲入口

打開途牛網，按照上文描述對路線進行篩，該頁顯示的網址（URL）就是爬蟲的處理對象。URL如下：

https：//s.tuniu.com/search_complex/tours-gz-0-三亞/list-u202005/1

此網址就是廣州——三亞跟團旅游產品的第一頁信息。觀察URL可得通過對URL最后的數字進行循環便可實現網頁翻頁，進而爬取該線路的所有產品信息。

獲取處理對象后，需要做的就是利用Python的Re庫構造一個請求來獲取處理對象即HTML的頁面信息。由于很多平臺為了阻止外界批量獲取自己網站的信息，所以會設置反爬蟲機制。因此本文在獲取網頁信息的代碼中增加一個請求頭，模擬瀏覽器的訪問來解決這個問題。

1.2.2 解析并提取旅游線路中所需數據

通過瀏覽器->更多工具->開發者工具->Elements，分析本文所需的6個指標對應的標簽，之后開始使用BeautifulSoup庫進行標簽分析，并返回所有匹配到的結果。

1.2.3 爬取結果，本地保存

利用爬蟲按上述方式從網頁中提取8條旅游路線產品的所有數據后，將其以xlsx文件的形式進行保存。

2 產品差異及消費者偏好的實證分析

2.1 在線旅游度假產品出游行為結構分析

由上面數據整理得到，所有產品線路出游方式中，在線旅游數有32%游客選擇自由行，68%游客選擇跟團旅行。可以得到互聯網平臺在線路的規劃上更側重于跟團出行。一方面是因為跟團出行，旅行社負責協調安排所有的酒店、餐廳、景區門票、導游、機場接送等，旅行社能夠輻射到所有涉及的商業板塊，獲取的收益更加客觀，也能充分調動到所有的人力資源。另一方面，作為消費者，跟團出行節約了很多行稱安排的時間，由于出發前對旅游的整體預算已經了然于胸，行程的費用也更加可控，也避免了對當地情況不熟悉而帶來的麻煩與失誤，安全性上更有保障。

以國內游產品線路來看，上述現象更為明顯。跟團出行的產品占了所有產品的76%，自由行占比24%。可見，國內旅游市場里傳統的跟團出行還是占據了主要市場。個性化的自由出行產品還有很大的開發空間。

以出境游產品線路來看，則是另外一幅景象。境外游產品中48%為自由行，52%為跟團游，跟團和自由行兩種產品占比十分相近。這是因為如果消費者選擇自由行，旅行社只需負責安排住宿與交通，不用安排導游隨行等額外服務。對于境外目的地，旅行社對境外景區、導游等溝通交流成本更高更不方便，因此自由行的安排更利于平臺。另一方面，部分選擇出國旅游的消費者對國家較為了解，會更傾向于通過自由行的出游方式來節約成本。

2.2 在線旅游度假產品景點分析

利用Python的Jieba庫、Wordcloud對八條代表性旅游線路景點進行詞頻分析并將結果可視化。根據Python整理八條代表性旅游線路出現最多的五個景點如表1所示，八條路線的TOP50總景點詞云如圖1。

通過表格及最直接的詞云圖可以看到，無論境內外游，出游方式的不同也大大影響了景點的選擇。跟團、自由行兩種產品在景點的安排上非常不同。跟團游的產品對目的地景點的輻射更廣，能夠盡可能的去往更多的地區而不是局限于目的地的某個片區。相反自由行的產品在目的地的選擇上更趨向于某個較具的片區，而且對具體景點的指向性更強。

兩者的不同在于，跟團游由旅行社統一安排，在時間、交通工具安排上更加合理及節約時間，在不同景點之間的調度也更全面，能夠盡可能讓消費者把目的地的不同面瀏覽到，盡管不可避免會存在景點瀏覽過于匆忙的情況。而另一邊，自由行更集中于某一地區，并就特定地區的幾個著名景點進行深度游玩，雖然瀏覽的景點不夠，卻能盡情沉浸在自己喜愛的觀光點中，對當地的文化、景點的了解會更加深刻。

2.3 在線旅游度假用戶偏好研究

2.3.1 在線旅游度假用戶出行偏好

從出游目的地來看，國內游出游的人數遠大于境外游。一是因為我國地幅遼闊，歷史源遠流長，包含的名勝古跡數不勝數，單國內的旅游資源就十分之多;二是境外游價格較高，語言溝通不便，很大人文習俗也讓國內消費者不大習慣。

從出游人數來看，跟團游依然是旅游市場的中堅力量。在所有產品中，接近60%的消費者更愿意選擇跟團出游。花費時間精力少，更安全的跟團方式在如今更追求個性化定制的市場中仍能占據大半江山。當然，自由行的發展不可小覷，隨著產品的改善，選擇自由行的人數有望能夠在明年突破50%。

不同于國內游，在出境游上游超過60%的人選擇跟團。在上文中可以看到旅游平臺產品數據中自由行產品與跟團產品數量上并無差異，產品投入市場后，卻是自由行在市場上更受到歡迎，具體見圖2。

2.3.2 在線旅游度假用戶滿意情況

從數據來看，途牛網的消費者對于總體的旅游產品滿意度較高。而且境內外出游在跟團、自由行兩種方式上的滿意度傾向十分一致。對比起自由行，消費者在跟團上的滿意度還是更高。經過多年發展，跟團游也在逐漸擺脫“低品質、不合理低價、強迫游客購物”的市場形象，高性價比、省心的優勢也變得更加突出。

2.4 在線旅游度假產品指標相關性分析

出游人數，評價人數、價格、滿意度、景點個數這五個指標提供了最直觀的產品特征，而探究指標之間是否存在相關性也是進一步了解產品的途徑。對于兩變量之間的相關性，一看相關系數，二看相關系數的顯著性。下文以樣本量最多的廣州——云南跟團產品為例來展示如何探究指標間的相關性。

（1）目標：檢驗五個指標之間相關性是否顯著。

（2）假設：H0：ρ=0;H1：ρ≠0。

（3）利用Python的Pandas庫，進行相關性分析，結果如表2和表3。

（4）利用Python的Scipy庫，在顯著性水平0.05和自由度n-2=270-2=268下，求得t分布臨界值為1.97。

（5）從表2可以看到出游人數與價格、滿意度存在著弱負相關性，通過比對表3的檢驗統計量可以看到結果均大于t分布臨界值1.97，所以拒絕原假設，說明出游人數與價格、出游人數與滿意度之間存在顯著的線性相關關系。

其余旅游線路指標的相關性分析也可以用類似的方法來分析。從這八條代表性線路來看，出游人數，評價人數、價格、滿意度、景點個數這五個指標間關聯性不強。但值得注意的是，出游人數和滿意度、價格之間存在著顯著的弱負相關性。這說明，同行出游的人數過高會降低消費者的滿意度。人多意味著團隊規模大，導游及其他服務體驗感就會下降，游客之間意見不同更多，很多摩擦和不滿也隨之發生。另外一點，同一個產品中出游人數多意味著旅途中一些安排的人均費用低，所以人數多的大團一般價格也會偏低。

3 結論與建議

本文結合目前國內關于“互聯網+”旅游產品的相關文獻，爬取途牛網八條具有代表性的境內外不同出行方式的旅游產品。通過出游人數、評價人數、價格、滿意度、景點個數、景點六個指標，從產品本身、消費者角度做出了多維度的分析從而對“互聯網+”旅游發展提出如下建議。

（1）對于國內游，跟團出行的產品在市場的產品占比過大，目的地景點的安排比較散。隨著國民經濟的發展，大家對旅游產品的要求更高，精準面對不同受眾的私人化產品——自由行有著更大的上升空間。以整合傳統優質資源為基礎，通過對不同消費者需求來合理定制產品路線，避免跟團游里人員過多導致服務不到等情況。打造一體化、更精華、細節化的旅途服務，以新的面貌向國內旅游市場注入活力。

（2）對于境外游，自由行的熱度與跟團不相上下。跟團游在行程規劃后，應該對用戶的行程、線路等進行安全檢測，提供境外風俗、相關法律信息，提醒消費者境外旅游風險，提供相關安全防范措;擴大與境外景點、酒店、導游的深度合作，為消費者提供更具保障境外旅游體驗。而自由行方面，從景點的分析來看，游客對于境外目的地的消費需求越來越碎片化、多樣化，整合目的地碎片化元素的服務應該得到加強。沉浸式的旅游體驗也可以加入其中。

參考文獻

[1]范瓏.旅游者網絡消費行為特征研究[J].旅游縱覽（下半月），2016，（03）：22.

[2]艾瑞咨詢.2018年在線旅游平臺用戶洞察研究報告[Z].

[3]黃永祥.實戰python網絡爬蟲[M].北京：清華大學出版社，2019.

[4]郭麗蓉.基于Python的網絡爬蟲程序設計[J].電子技術與軟件工程，2017，（23）：248-249.

[5]鄭聰.爬蟲在旅游滿意度網絡輿情調查中的應用研究[J].無線互聯科技，2017，（24）：110-112+127.