基于百度指數的旅游景區網絡關注度研究
——以雪峰山為例

程 慧，趙夢亞*，徐 瓊

(1. 湖南師范大學 旅游學院， 湖南 長沙 410081；2. 中南大學 商學院，湖南 長沙 410012)

0 引言

互聯網信息技術的快速發展，推動社會進入一個以海量數據為支撐的大數據時代。2019年8月30日中國互聯網絡信息中心(CNNIC)發布第44次《中國互聯網絡發展狀況統計報告》，截至2019年6月底，我國網民規模為8.54億，比2018年增長了2598萬人，人均周上網時長為27.6小時，普及率達到61.2%，比2018年提升了1.6個百分點，這為廣大網民利用網絡搜索旅游信息提供了方便快捷的方式。近些年，隨著旅游蓬勃發展，“全域旅游”進入大眾視野。2018年3月國務院發布了《關于促進全域旅游發展的指導意見》,該《意見》提出通過推動“旅游+”來促進旅游融合發展，“旅游+”被列為實現“全域旅游”的八項任務之首。因此在大數據時代的有利背景下，實現“旅游+互聯網”的快速融合發展，為“全域旅游”發展奠定技術基石。利用網絡搜索引擎不但成為游客獲取旅游信息的主要渠道，而且也為政府和旅游企業用來分析旅游市場的發展變化提供了重要導向。

近年來，國內外學者積極探索網絡搜索引擎在旅游方面的應用，而百度和谷歌是世界上用戶使用量最大的兩大搜索引擎，因此國內外學者大都采用百度指數和谷歌趨勢來研究旅游現象。目前，國外學者傾向于運用定量方法來研究網絡搜索引擎在旅游預測方面的作用。Onder[1]利用谷歌趨勢和圖像指數對兩個國家和兩個城市的旅游需求預測精度進行比較研究。Padhi[2]基于谷歌趨勢數據，通過運用不同的計量經濟模型來預測全球和國內游客每月到喀拉拉邦的人數。Clark等[3]利用谷歌趨勢數據創建了預測美國國家公園的客流量模型，并將其與傳統的自回歸預測模型進行比較等。國內學者傾向于對旅游網絡關注度的研究，主要表現在以下四個方面：一是網絡關注度的時空變化和影響因素研究，研究內容主要是針對眾多不同旅游景區[4-5]、省市居民旅游需求[6-8]、旅游類型[9-10]、PC和移動客戶端[11]、旅游事件影響[12-13]、旅游安全[14]及游客滿意度[15]等方面的年度、季度、周度及節假日等時間和空間特征及其影響因素研究。蔡衛民[16]在景區時空特征研究上通過構建網絡關注熱度矩陣來分析位于四大象限內各區域關注熱度的時空特征。二是網絡關注度和實際客流量之間的關系研究，馬莉[17]重點研究近距離旅游流與游客網絡關注度在時間和地理空間上的關聯性。三是旅游客流量的預測研究，Yang等[18]通過數據模型的構建對百度和谷歌兩種網絡搜索引擎的預測能力進行了比較，結果顯示百度的預測能力要好于谷歌。Li等[19]提出了一種基于百度指數的旅游客流量的預測模型，并驗證了該模型的有效性。孫燁[20]通過建立日游客量ARMA模型和分別加入PC端和移動端百度指數的VAR模型,發現移動端比PC端百度指數模型對實際客流量具有更好的解釋力。陸利軍[21]在已有研究的基礎上提出一種新的客流量預測模型，即基于網絡搜索指數的EMD-ARIMA-BP組合模型。四是網絡關注度的發展耦合研究，瓦哈甫·哈力克[22]、琚勝利[23]、汪秋菊[24]分別就網絡關注度與旅游產業、景區引力、城市旅游客流量進行了耦合協調分析，結果表明網絡關注度與旅游產業、景區引力和城市旅游客流量有重要的耦合關系。

綜上所述，各國學者在利用大數據研究宏觀旅游目的地發展方面都取得了較好的理論成果，但在具體到某一個旅游目的地的實證研究中缺乏針對性。雪峰山旅游資源豐富，湖南省把實行以旅游促發展作為雪峰山攻堅扶貧的主方向，研究雪峰山網絡關注度對雪峰山“全域旅游”的發展及客源市場的拓展，從而推動雪峰山成功脫貧具有重要意義。據此，在原有研究成果的基礎上，拓展其微觀旅游目的地研究，以“雪峰山”為關鍵詞，利用百度指數搜索查詢得到原始數據，采用季節變動指數、周內分布偏度指數、地理集中指數來分析雪峰山網絡關注度的時空特征。在影響因素分析中，以往學者均采用相關系數和多元線性回歸的方法進行研究，而本文創新性地采用地理探測器方法來分析雪峰山網絡關注度的影響因素。

1 研究方法

1.1 季節變動指數

季節變動指數(Q)用來描述雪峰山連續多年的季節性變動規律。計算公式為：

(1)

式中，xji表示第j年第i個月的搜索指數；n表示年度數。以100%作為基準值，季節變動指數與100%相差越大，則每月網絡關注度的分布越分散，季節性特征就越明顯；反之，則說明各個月的網絡關注度分布越均勻，季節性變化差異越小。

1.2 周內分布偏度指數

周內分布偏度指數(G)可用于分析雪峰山網絡關注度在“十一”黃金周七天內的分布情況[4]。計算公式為：

(2)

式中，fi為第i日網絡關注度在黃金周總網絡關注度中所占的比值。若G<0，則網絡關注度多集中在黃金周前期；若G>0，則網絡關注度多集中在黃金周后期；若G=0，則網絡關注度在黃金周內對稱分布。

1.3 地理集中指數

地理集中指數(T)是用來衡量雪峰山在空間分布上的集中程度及其是否合理的重要指標。計算公式為：

(3)

式中，xi為第i個省區的總網絡關注度；m為所有地區總網絡關注度；n為省區總數。T的取值范圍017.15且越接近100，則網絡關注度越集中；反之，則網絡關注度越分散。

1.4 地理探測器

地理探測器方法是由王勁峰團隊用于分析各影響因素對研究對象在空間分布上形成差異的解釋程度。該地理探測器主要包括四部分，即因子探測、交互作用探測、風險區探測和生態探測[25]。本文主要采用因子探測器和交互作用探測器來探測雪峰山網絡關注度空間分布差異的影響因素及其各因素之間的相互作用。

因子探測器，主要用于解釋影響因子X在多大程度上解釋了屬性Y的空間分異程度。公式如下：

(4)

式中，q是影響因子對旅游網絡關注度的解釋力；N和Nh分別為全區的單元數和層h的單元數；α2和αh2分別為全區和層h的方差；L為分層數。q值域為[0,1],q值越大，說明空間分異越明顯。當q=1時，則分區探測因子與雪峰山旅游網絡關注度的空間分布完全一致，該因子對其空間分布差異擁有絕對的解釋力；當q=0時，表明分區探測因子對其空間分布完全無關。q值表示了探測因子解釋了100×q%的空間分異程度。

因子交互探測器，用于探測不同因子之間的交互作用，即用以評估兩個因子共同作用時是否會增強或削弱對因變量的解釋力[25]。判斷公式如下：

設交互后的驅動力為q(Xa∩Xb)

若q(Xa∩Xb)>q(Xa)或q(Xb)，則為單協同；

若q(Xa∩Xb)>q(Xa)和q(Xb)，則為雙協同；

若q(Xa∩Xb)>q(Xa)+q(Xb)，則為非線性協同；

若q(Xa∩Xb)

若q(Xa∩Xb)

若q(Xa∩Xb)

若q(Xa∩Xb)=q(Xa)+q(Xb)，則為相互獨立。

2 案例地概況和數據來源

2.1 案例地概況

雪峰山現位于湖南省中西部地區，是湖南省內最大的山脈，由于整個山脈呈東北—西南走向，因此雪峰山又被作為湖南省東、西部地區的天然分界線。雪峰山青山綠水，擁有豐富的水資源、礦產資源和生物資源，森林覆蓋率達76%以上。雪峰山生態環境絕佳，同時又集文化薈萃于一體。雪峰山是51個少數民族聚居地，既有巫、道文化等遠古文化，又有侗、苗、花瑤等異彩紛呈的民俗文化；又因為抗日戰爭末期的湘西會戰最后一仗主戰場在雪峰山，因此也彰顯了其紅色文化的時代印記。目前，雪峰山的主體風景區位于洪江市，先后建成了穿巖山森林公園、陽雀坡古村落和山背花瑤梯田三個國家3A級景區，開發了森林兒童樂園、雪峰號主題餐廳等新主題產品。同時，雪峰山的區位優勢更加明顯，湘黔鐵路、滬昆高鐵、邵懷高速日益完善；芷江、武岡、新化三座民用機場嚴陣以待；沅水、資水航運由南向北直達長江。在交通建設方面，雪峰山風景區已基本形成鐵路、公路、水運、航空“四位一體”的立體交通網絡。從旅游網絡結構上看，雪峰山在全國生態旅游廊道上處于一種四面圍裹的態勢，北有張家界、鳳凰古城，南有桂林，西有梵凈山、黃果樹風景區，東有南岳衡山，旅游發展條件得天獨厚。在“全域旅游”推動下，雪峰山風景區建設必定呈現新格局。

2.2 數據來源

百度是目前全球最大的、中國用戶使用最多的中文搜索引擎工具。百度指數是以海量網民對關鍵詞的搜索量為基礎而形成的數據分析和數據共享平臺，其數據又可以分為“PC+移動”整體搜索指數、PC搜索指數和移動搜索指數。隨著百度技術的發展，百度指數新增加了“添加對比關鍵詞”功能、“搜索地域分布”功能和“需求圖譜”功能等，其功能的完善將會使獲得的數據更加詳細完整。利用百度指數對各種關鍵詞進行搜索，能夠直接、快速地反映用戶在過去一段時間中的旅游興趣和趨勢，從而對旅游市場做出合理性預測和針對性措施。因此本文利用百度指數，以“雪峰山” 為關鍵詞，選取2011—2018年的百度搜索指數，進行雪峰山旅游景區的網絡關注度時空特征及其影響因素研究。

在研究雪峰山網絡關注度時空特征前，首先分析一下雪峰山網絡關注度的人群屬性，包括性別比例及年齡結構，以便在雪峰山營銷對策中提出針對性措施。由于雪峰山每年網絡關注度的性別及年齡結構變化不大，特選取2018年作為代表年份。根據百度指數檢索發現：在性別特征上，男性占65%，女性占35%，表明男性比女性更加關注雪峰山景區旅游。在年齡結構上，30-49歲占比最大，為83%；29歲以下占比9%；50歲以上占比8%。這表明在雪峰山旅游市場上，中青年男性人群是重要客源市場。

3 雪峰山網絡關注度時空特征分析

3.1 雪峰山網絡關注度的時間分布特征

3.1.1 網絡關注度年度變化規律

分析雪峰山網絡關注度年度變化規律，需要計算出雪峰山2011—2018年的年平均日搜索指數數據，并用折線圖(圖1)直觀地表示每年的平均日搜索量變化趨勢。2011—2018年的日均網絡關注度整體呈不斷增長態勢，尤其是2011—2015年，雪峰山網絡關注度出現大幅度增長，究其原因，2011年5月，國務院頒布了《2011—2015年全國紅色旅游發展規劃綱要》，雪峰山作為紅色文化的歷史見證者，在國家政策的扶持下，雪峰山旅游加快發展。2015—2018年，雪峰山網絡關注度也在不斷上升，原因在于2015年全國旅游工作會議首次提出發展“全域旅游”，湖南省積極響應國家政策號召，大力發展“全域旅游”。因此在湖南省“全域旅游”政策的推動下，雪峰山知名度進一步提升。為分析網民利用不同客戶端搜索雪峰山的情況，計算PC端和移動端每年的日均搜索指數(圖1)。在2011—2018年，使用PC端搜索雪峰山的用戶不斷減少，移動端使用量不斷增加，從2013年開始，移動端的使用量開始超過PC端，這表明由于移動端使用方便快捷的特點，使其越來越受到廣大用戶的青睞。據《中國互聯網絡發展狀況統計報告》顯示，中國網民使用手機上網規模從2012年的4.2億人次增長到2018年的8.17億人次，手機上網率從2012年的74.5%增長到2018年的98.6%，手機上網規模不斷擴大。從雪峰山整體搜索指數趨勢和使用移動端的搜索趨勢對比來看，兩者趨勢相一致，這表明2011—2018年雪峰山搜索指數的增長主要是由移動端帶動的。

圖1 2011—2018年雪峰山網絡關注度年際變化特征

3.1.2 網絡關注度季節性差異

雪峰山網絡關注度由于在2011—2015年均處于快速增長趨勢，研究態勢基本相同，因此特選取2014—2018年的網絡關注度數據為代表來分析其季節性差異、黃金周和周內分布時空特征及其影響因素。雪峰山網絡關注度季節性變化特征可以通過計算其2014—2018年每月的日均網絡關注度進行分析(圖2)。雪峰山網絡關注度在2014—2018年，除2018年7月外，每月的日均網絡關注度大體呈現相同的走勢，且每年每月的日均網絡關注度相差不大，趨于穩定。但在2018年7月出現極端高峰值，究其原因，是受到新聞事件的影響，2018年7月因雪峰山隧道火災零傷亡新聞而上了熱搜榜，導致網民對雪峰山的搜索量出現極端高值。從雪峰山每月網絡關注度來看，2014—2016年網絡關注度最低值均出現在1月和12月，最高值均出現在9月和10月，這主要受春節傳統節日和“十一”黃金周假期的影響，游客出游時間集中在黃金周假期，因此信息搜索量也較為集中。2017年網絡關注度最低值出現在7月，最高值出現在2月，而2018年最低值出現在3月，最高值出現在7月。2017年和2018年的網絡關注度的最高值出現的月份相反，表明雪峰山網絡關注度容易受新聞事件或突發事件的影響。為分析雪峰山旅游的淡旺季特征，引入季節變動指數(表1)。從這五年間整體季節性關注度來看，雪峰山旅游的旺季主要集中在7月和10月，淡季主要集中在1月和3月，從各月來看，雪峰山旅游的季節變動指數都在93%以上，112%以下，距離基準數100%都相差不大，表明雪峰山各月的網絡關注度分布較均勻，季節性變化較小。

圖2 2014—2018年雪峰山網絡關注度季節性變化特征

表1 2014—2018年雪峰山網絡關注度季節變動指數

3.1.3 網絡關注度黃金周節假日變化特征

節假日是我國游客出游的高峰期，尤其是“五一”和“十一”黃金周假期，出游時間長,氣溫適宜，是出游的最佳時節。為使數據更具有代表性，選取了“五一”黃金周前后三天及假期三天的網絡關注度和“十一”黃金周假期前四天、假期七天和假期后兩天的網絡關注度數據(圖3和圖4)。據圖3所示，雪峰山網絡關注度在2014—2018年的“五一”黃金周基本上呈現先上升后下降的趨勢，高峰期集中在4月29日—30日和5月1日—5月2日，之后呈現下降趨勢，并在節后的三天內趨于穩定。由圖4可見，在“十一”黃金周期間，雪峰山作為旅游目的地，這五年間的高峰期主要集中在10月1日—4日，節前有上升，但上升幅度不大，9月30日以后急劇增長，并在節假日的前四天達到最大值，之后呈現下降趨勢并達到最低水平。2014—2018年的整個“十一”黃金周的網絡關注度趨勢大體呈現“拱橋式”變化。

圖3 2014—2018年雪峰山“五一”前后網絡關注度

圖4 2014—2018年雪峰山“十一”前后網絡關注度

為詳細分析雪峰山網絡關注度在黃金周內的分布變化，計算其周內分布偏度指數(表2)。雪峰山網絡關注度的黃金周內分布偏度指數G在2014—2018年均小于0，表明雪峰山網絡關注度主要集中在黃金周前期。此外，2014—2017年的G值的絕對值不斷減小，2017—2018年又出現增長，表明雪峰山網絡關注度偏向黃金周前期的趨勢呈現先分散，后集中的特征。

表2 2014—2018年雪峰山網絡關注度黃金周周內分布偏度指數

3.1.4 網絡關注度周時段變化差異

將雪峰山2014—2018年的每日網絡關注度按星期相加求和，得到雪峰山每年周內每日總網絡關注度分布圖(圖5)。綜合來看，在2014—2018年，雪峰山周內網絡關注度在周末的前天即周五到周六一直處于上升趨勢。在2014—2016年，雪峰山周內網絡關注度從周六到周日始終處于下降趨勢，這與國內學者所研究的景區周內特征，即“工作日高，周末低”的特征相符[4]。在2017—2018年，雪峰山周內網絡關注度在周六周日開始呈現上升趨勢，原因在于手機等移動設備的普及和信息技術的進步，使用手機等移動端查詢旅游信息更加方便快捷，在任何時間和地點都可以搜索查詢，因此雪峰山周末網絡關注度開始增加。

圖5 2014—2018年雪峰山周內網絡關注度變化

3.2 雪峰山網絡關注度空間分布規律

雪峰山網絡關注度在2014—2018年的全國省區范圍內均有分布，故本文采用地理集中指數來衡量其在全國各省區的集中分布狀況(表3)。雪峰山網絡關注度的地理集中指數均大于17.15(網絡關注度平均分布時的地理集中指數)，表明雪峰山網絡關注度在全國省區范圍內集中分布。綜合來看，雪峰山網絡關注度的地理集中指數是不斷下降的，這表明雪峰山網絡關注度在全國各省區的分布呈現一種逐漸分散的特征。

表3 2014—2018年雪峰山地理集中度指數

為具體分析雪峰山網絡關注度在全國各省區的空間分布狀況，以2018年為代表年份，利用ArcGIS10.2軟件中的自然間斷分級法，將雪峰山網絡關注度分為五級，得到2018年雪峰山網絡關注度省域空間分布情況(見表4)。雪峰山網絡關注度在全國各省區分布不均勻，主要集中在湖南、廣東、福建、浙江、山東和上海等地；其次是四川、重慶、湖北、陜西、河南和江蘇等地；西部地區的網絡關注度遠低于東部沿海及中部地區。

表4 2018年雪峰山網絡關注度省域分布表

續表

4 雪峰山網絡關注度影響因素分析

4.1 指標的選取

由于雪峰山的季節性變化差異較小，故在此重點研究影響雪峰山網絡關注度的空間分布差異因素。馬莉認為網絡關注度是游客量的前兆，兩者之間存在較強的相關關系[16]，旅游客流量大小的影響因素也是旅游景區網絡關注度高低的影響因素。參照已有研究成果，影響空間分布差異的因素主要有經濟發展水平和交通條件[26]、網絡發達程度和兩地間的空間距離[13]、人口規模[27]、兩地間經濟聯系強度[4]、旅游資源豐度[28]等多個指標。鑒于數據的可獲取性和雪峰山的實際發展情況，選取了經濟發展水平、人口規模、網絡普及率、兩地間經濟聯系強度及兩地間的空間距離5個指標。其中，經濟發展水平用省市居民人均可支配收入來表示，記為X1，人口規模用省市人口數量來衡量，記為X2，兩者數據均來源于2018年中國統計年鑒，網絡普及率即指各省市網民人數占全省人數的比重，記為X3，由于2018年數據無法獲得，因此選用與2018年相近的2017年1月第39次《中國互聯網絡發展狀況統計報告》中的數據，兩地間的空間距離用洪江市至全國各省市的距離進行衡量，記為X4，數據可從全國公路里程查詢網頁中獲得，兩地間經濟聯系強度可以引入旅游經濟聯系強度引力模型，即用以測量兩地間經濟聯系強度的模型[4]，所得數據記為X5。計算公式如下：

(5)

式中，R為兩地間經濟聯系強度；stsv分別為t客源地與v目的地的人口規模；pt、pv分別為t客源地與v目的地的國內生產總值；D為兩地間的空間距離。

4.2 結果與分析

4.2.1 因子探測分析

借助地理探測器中的因子探測器，運用ArcGIS10.2軟件中的自然間斷點分級法對數據進行分級處理，利用GeoDetector軟件計算得出2018年雪峰山網絡關注度各影響因子的q值(表5)。由表5可得，排名前三的影響因子分別是兩地間經濟聯系強度、人口規模和居民人均可支配收入，而影響最弱的因子則是兩地間的空間距離。這表明雪峰山網絡關注度的空間分布差異主要是由兩地間經濟聯系強度、人口規模和居民人均可支配收入主導的，網絡普及率在空間分異中也起到31.4%的作用，而兩地間的空間距離對其空間分異的形成影響最小。

表5 2018年雪峰山旅游網絡關注度各影響因素的q值

4.2.2 交互探測分析

利用交互探測器進一步分析雪峰山網絡關注度空間分異影響因子中兩兩因子的交互作用，計算結果如表6所示。根據各影響因子交互探測結果，以居民人均可支配收入為目標因子，將其與別的因子兩兩交互。結果表明，居民人均可支配收入與人口規模、網絡普及率和兩地間經濟聯系強度均為雙協同作用，無非線性協同作用，這表明居民人均可支配收入與以上三個因子兩兩交互，均會對雪峰山網絡關注度的空間分異產生較大影響。居民人均可支配收入與兩地間空間距離產生非線性協同作用，表明這兩個因子交互后對雪峰山網絡關注度的空間分異有影響。原理同上，以人口規模為目標因子，兩兩因子交互可得，人口規模與網絡普及率二者之間相互獨立，互不影響，表明二者的交互作用并不能夠對雪峰山網絡關注度的空間分異產生任何影響，而人口規模與兩地間的空間距離和兩地間經濟聯系強度均為雙協同作用。以網絡普及率為目標因子，與兩地間的空間距離和兩地間經濟聯系強度因子交互比較，分別為非線性協同和雙協同作用。以兩地間的空間距離為目標因子，和兩地間經濟聯系強度交互可得，二者之間存在雙協同作用。綜上所述，居民人均可支配收入和兩地間經濟聯系強度兩個因子互相作用對雪峰山網絡關注度的空間分異影響最大，其次是網絡普及率和兩地間經濟聯系強度因子的交互作用，而人口規模和網絡普及率二者的交互作用對雪峰山網絡關注度的空間分異沒有任何影響。

表6 因子交互作用對雪峰山旅游網絡關注度空間分布的影響

5 結論與建議

利用百度指數，以雪峰山2011—2018年的網絡關注度數據為基礎分析其時空特征及其影響因素，得出如下結論：從時間分布上看，雪峰山在2011—2018年的網絡關注度隨時間的增長而不斷提高，整體呈現動態增長趨勢，表明雪峰山的旅游知名度正在不斷提高。在客戶端的使用上，網絡用戶更傾向于使用小巧方便的移動端進行搜索。在季節性變化特征上，雪峰山景區的旺季主要集中在7月和10月，淡季主要集中在1月和3月，但五年間整體季節性變化不大。在黃金周變化特征上，雪峰山網絡關注度因受“五一”“十一”黃金周節假日的影響，網絡關注度會有所增加，整個黃金周期間的網絡關注度呈現先上升后下降的趨勢，上升階段主要集中在黃金周前期，“五一”黃金周的最高值主要集中在4月29日—5月2日，“十一”黃金周的最高值主要集中在10月1日—10月4日，隨后是下降趨勢并在節后達到最低值。在周時段變化特征上，雪峰山網絡關注度符合“工作日高、周末低”的趨勢，但隨著手機移動搜索的便捷，周末網絡關注度開始向上升趨勢轉變。從空間分布上看，雪峰山網絡關注度集中分布在湖南、廣東、浙江等中東部沿海地區，西部地區網絡關注度較低。根據影響因素研究結果表明，雪峰山網絡關注度的空間集中特征會受到兩地間經濟聯系強度、人口規模和居民人均可支配收入的影響，但雪峰山網絡關注度的集中程度會隨著以上影響因素的改善而呈現不斷分散的趨勢。各影響因素兩兩作用時，除了人口規模和網絡普及率對雪峰山旅游網絡關注度空間分異沒有作用外，其它因素兩兩交互時都產生了協同，甚至是非線性協同作用，因此應該充分重視各影響因素之間的關聯性。

通過分析雪峰山網絡關注度的時空特征及其影響因素，為雪峰山旅游營銷策略的改進、旅游資源品質的提升及客源市場的分析與拓展提出以下建議：

a)重視媒體宣傳與大數據分析相結合，加強對雪峰山旅游市場的整體把握。第一，通過百度指數發現，雪峰山關注人群主要集中在中青年男性上，在制定營銷方案時應以這部分人的興趣愛好為著力點。在時間上，一方面雪峰山網絡關注度容易受新聞事件的影響而出現大幅度波動，據此可以通過定期開展重大的節事活動來增加雪峰山知名度；另一方面，雪峰山的日平均搜索量較低，表明雪峰山的知名度還有待提高，因此可以通過雪峰山本身文化特色的增強以及多方位宣傳等進行提高。在宣傳上靈活運用新媒體，要加強雪峰山旅游網站的建設，添加更加詳細的景區介紹和旅游攻略，同時添加游客網上問詢服務框，全面解答游客問題。除了旅游網站的設計外，現在各種App軟件層出不窮，可以利用微信公眾號、騰訊、新浪微博以及現在很火的抖音視頻，火山小視頻等進行宣傳，拍攝一些精彩瞬間及雪峰山美景，做成小視頻，刺激游客去了解雪峰山。在空間上，雪峰山網絡關注度分布不均。主要集中分布在廣東、浙江、湖南、福建、山東、上海等地，可以使其作為一級目標客源市場，重在旅游目的地品牌的維護；其次是四川、河南、北京、重慶、江蘇、湖北、陜西，作為二級目標客源市場，重在提高雪峰山知名度的深度；最后其他省份作為三級目標客源市場重在擴大知名度的廣度。

b)抓住“全域旅游”的發展機遇，加強文旅融合，全面挖掘雪峰山文化特質。湖南省提出要大力發展“全域旅游”和加強文旅融合，應抓住歷史機遇，大力構建雪峰山特色文化。雪峰山文化具有神秘性和多樣性，為文旅融合提供了多種可能性。第一，雪峰山擁有很多歷史故事和美麗傳說，可以利用現代技術進行場景模擬與解說，增加文化的趣味性；第二，雪峰山周圍聚居了多個少數民族，民族文化特色鮮明，可以建成少數民族文化展覽館、少數民族生活體驗館等，增加文化的體驗性；第三，雪峰山是英雄之山，帶有強烈的紅色文化印記，建設紅色文化博物館，打造精品紅色文化，構建愛國主義教育基地，增加文化的教育性。只有文化具有獨特性，才會使雪峰山更加具有競爭力。