基于在線評論的哈爾濱中央大街旅游目的地形象研究

劉潤萍 徐曉菲

（哈爾濱商業大學，哈爾濱 150028）

一、引言

旅游目的地形象近些年來始終都是學者們研究涉及較多的熱點，是旅游地管理營銷的重點關注內容。大量的理論和實踐證明，旅游目的地形象對于旅游者的決策具有重要影響。如何塑造特色鮮明、極具吸引力的旅游目的地形象，與旅游者的需求貼切，提高旅游者在旅游體驗過程中的滿意度和重游意向，是目前重要的工作。基于現有研究基礎，通過獲取攜程網站上以哈爾濱中央大街為關鍵詞搜索得到的在線評論，運用內容分析法和文本情感分析法，調用百度AI 開發平臺API 接口，實現對哈爾濱中央大街認知形象、情感分析和總體形象的分析，以期能夠充分認識旅游者視角下的目的地形象，并據此提出形象維護和改進措施。

二、旅游目的地形象研究

Hunt（1975）認為旅游目的地形象是人們對于非居住地所持有的印象[1]。Baloglu 和McCleary（1999）在將旅游目的地形象劃分為認知形象和情感形象兩個維度的基礎上提出總體形象則是由認知形象和情感形象兩者結合共同衡量出來的[2]。目前對于旅游目的地形象的組成，研究學者基本達成共識，涵蓋認知形象、情感形象、總體形象這三個維度。

學者基于不同的案例地對于旅游目的地形象的影響因素展開研究。Beerli＆Martin(2004)從接待設施與服務、社會環境與氣氛、旅游景點、情感四方面分析了旅游目的地形象[3]。關陽（2019）則直接從旅游六要素出發，構建了旅游飲食、旅游住宿、旅游交通、旅游景點、旅游購物、旅游娛樂六大認知形象維度[4]。郭玲霞等（2020）通過對在線評論的高頻詞匯進行分類，得出旅游資源、特色要素、旅游設施及服務、旅游體驗是影響旅游目的地形象評價的四大因素[5]。

旅游目的地形象的研究數據最初大多都通過問卷調查方法獲取而如今，在全民信息共享的互聯網時代，來自各大旅游網站的游記、評論等網絡文本，已經成為分析旅游目的地形象的可靠數據來源。與此同時，由于網絡文本的數據量極其豐富，可靠性高，更多學者采用內容分析法研究旅游目的地形象。Choi（2007）等以澳門為研究地通過獲取雅虎等旅游網站的文本數據，采用內容分析法來分析旅游目的地形象，證明了內容分析法可以用于定量研究[6]。何小芊（2019）等以旅游網站的游記為數據來源，以內容分析法為研究方法，從認知、情感和總體形象三個維度，分析了不同案例地的旅游目的地形象[7]。對于所采用的旅游情感形象的研究方法，如郭玲霞等（2020）借助ROST 軟件的情感分析功能，從積極、中性、消極情緒三方面對網絡文本進行情感形象的分析，但該軟件分析的準確率不高。陳培（2014）僅僅通過歸納有關情感形象的形容詞進行簡單的情感分析，不夠全面合理[8]。創新性的使用百度AI 平臺的情感分析方法，其適用于酒店、餐飲、景區等領域，準確率高。

三、研究設計

（一）研究區域概況

哈爾濱中央大街，始建于1898 年，是目前亞洲最大最長的步行街，同時也是哈爾濱最繁華的商業街，國家4A 級景區，具有百年建筑歷史文化底蘊，有“露天建筑博物館”之稱,更是哈爾濱的地標性建筑和城市名片。2008 年，中央大街被評為“哈爾濱十佳名景”，知名的網紅打卡地。現如今，中央大街作為集休閑、娛樂、旅游、購物于一體的商業步行街，客流量大，日均客流量30 萬余人次，最高日客流量超百萬。在攜程網站哈爾濱景點排行榜上，中央大街位列第一，熱度較高，在線評論數據豐富。因此，將哈爾濱中央大街作為旅游目的地形象的研究對象，更具有說服力和代表性。

（二）研究方法

內容分析法是將非結構化的文本內容轉化為結構化數據的定量方法，也是進行旅游目的地形象分析的基本方法。在如今網絡信息膨脹的趨勢下，把內容分析法與網絡文本聯系起來，能夠將海量的網絡文本進行科學系統的分析。內容分析法能夠通過Python 軟件提取高頻詞匯劃分認知形象的類目，獲得游客對不同類目的關注度；其次，通過情感分析劃分出正向、中性及負向評論，進行深入分析得出游客的情感體驗；最后，也能夠基于部分高頻詞分析游客對于旅游目的地的總體形象。

文本情感分析方法，又名主觀分析方法，主要包括基于情感詞典的方法和基于機器學習的方法兩種，是借助NPL、文本挖掘以及計算機語言等多種方法識別和挖掘原文本中的主觀性信息，從而得到評論者對研究對象的態度和意見[9]。百度AI 開放平臺在多個領域里對于情感分析的結果準確率高達95%及以上，并且對長句的精度分析效果較好，情感傾向性分類精度較高。采用百度AI 平臺對評論數據進行情感形象分析，首先獲取百度AI 平臺的AK 和SK，以Python 軟件為研究工具，調用情感分類接口，提交評論數據，最終返回以評論內容、情感分類結果、積極類別概率、消極類別概率等參數的CSV 文件。

（三）樣本處理

基于旅游網站的知名度和以哈爾濱中央大街為關鍵詞的評論數據量，以攜程網作為本次研究的目標網站，利用Python 軟件編寫網絡爬蟲代碼，初始獲取3981 條原始評論，經過樣本篩選，刪除重復及無效評論（評論內容不符、評論長度低于6 字符）后，共得到3226 條評論數據。樣本處理過程如下：

第一，對評論數據進行機械文本去重，去除噪聲保證數據的可靠性；第二，去除英文、無效字符及相關表情符號，構建自定義詞典，納入專有名詞，防止后續操作錯誤分詞，保證分析內容的完整性；第三，通過jieba 包實現分詞，并統計詞頻，將詞義相近的詞語進行統一，同時借鑒哈工大的停用詞表，構建本次研究適用的停用詞表，過濾無實際意義的詞匯，完成高頻詞的統計，并對高頻詞進行詞性標注。

基于樣本處理得到中央大街旅游目的地形象的高頻詞匯，由于篇幅只列出前40 位高頻詞（見表1）。從表中可以看出，高頻詞匯多以名詞為主，如步行街、建筑、俄羅斯、特色、馬迭爾冰棍、商店等，居于詞頻前10 位，這些詞頻直觀的表達出游客對中央大街的關注點及關注度；其次是形容詞，如好吃、熱鬧、繁華、漂亮等則是游客對中央大街各方面的評價，這些形容詞多是正向的，也反映出游客對中央大街持積極的態度；再次是動詞，如吃、逛、買則是游客來到中央大街所進行的各項活動，而這些動詞也體現出來哈爾濱中央大街作為商業步行街的屬性特征。

表1 游客在線評論高頻詞匯

（四）構建分析類目

采用內容分析法進行研究，首先要構建旅游目的地各形象的分析類目，這是內容分析法的初始階段。基于Baloglu 和McCleary 的“新三維結構”[2]，從認知形象、情感形象和總體形象三個一級維度構建分析類目分析哈爾濱中央大街的旅游目的地形象（見表2）。

表2 旅游目的地形象分析類目

四、結果分析

（一）認知形象分析

認知形象是指旅游者對目的地所持有的基本認知。在此基礎上，依據哈爾濱中央大街的自身屬性，參考國內學者的分類標準，將高頻詞匯整理歸類，劃分為認知形象五大類目：旅游資源、特色要素、餐飲美食、購物娛樂、旅游體驗及評價（見表3）。通過對各認知形象屬性的合理“歸位”，能夠明確其在提升旅游目的地競爭力的形象規劃中各自所扮演的角色[10]。

表3 旅游目的地認知形象維度分類

從表3 可以看出，特色要素（35.15%）占比超過三分之一，是在線游客最關注的內容，隨后是購物娛樂（23.93%）、旅游體驗及評價（17.76%）、餐飲美食（16.43%），而占比最少的是旅游資源（6.73%）。

特色要素。在該類目中，集中體現的是有關于建筑和文化方面的名詞。如“歐式建筑”、“巴洛克”、“俄式”、“文藝復興”、“異域”等囊括了中央大街的各種建筑風格，而“歷史”、“百年”、“文化”、“藝術”等又體現了中央大街的豐厚歷史積淀和文化底蘊。可見中央大街的特色建筑風格是吸引游客的重要因素，也是游客對于中央大街的第一認知印象。因此，中央大街應該重點宣傳普及各類建筑的歷史以及自身的百年發展進程，讓旅游者更能體會和感受中央大街的種種魅力。

旅游體驗及評價。對于該類目的高頻詞，從“美”、“漂亮”、“好看”可以看出游客的評價基本都是比較正向的，“值得一去”、“必去”更是給予中央大街高度評價和肯定。如“冬天”、“夏天”這兩個季節高頻詞較多，可以看出游客大多更傾向在冬夏兩季來旅游，從氣候方面來說，夏天更加涼爽舒服，而冬天哈爾濱的冰雪特色，成為游客出行選擇的重要因素。“繁華”、“熱鬧”是游客在此地最真切的直觀感受。

購物娛樂。從“步行街”、“逛逛”、“商店”等高頻詞，可以直觀的表達出，購物是游客來到中央大街必然參與的活動，傍晚的特色“音樂”、“表演”以及“夜景”更帶給游客歡快的娛樂氛圍體驗，也是游客好評度增加的一方面原因。中央大街兩側都是商鋪，有俄羅斯商店，也有各大品牌服裝店，各種特色美食餐廳，這些都是能夠滿足游客購物需求的。

餐飲美食。如“馬迭爾冰棍”、“紅腸”、“大列巴”這些美食頻次較高，可以看出這些基本都是游客來到中央大街必打卡的美食，中央大街的特色小吃也種類多樣，而所提及的“華梅西餐廳”也是非常知名的打卡地。

旅游資源。該類目頻次較少，主要因為中央大街周邊的景點較少，而游客一般的目標打卡地就是中央大街。“松花江”、“防洪紀念塔”、“索菲亞教堂”這些頻次高的地標與中央大街地理距離較近，因此游客一般都會選擇游覽。

（二）情感形象分析

情感形象是游客旅行中、旅行后對旅行目的地的內心感受和情感反饋。使用Python 軟件通過pyltp 包對評論文本進行分句，并基于五大類別中關鍵詞對特征句子分別進行提取，之后借助百度AI 平臺，提交評論數據運行代碼得出結果。通過對情感分類結果（正向、中性、負向）進行統計得到評論情感分析結果（見表4）。

表4 在線評論情感形象分析

研究結果表明，游客對于哈爾濱中央大街的各方面正向評價比率均在90%以上，說明中央大街的整體配套及服務設施基本上能夠滿足游客的需求，游客對該景點的認同感較強。

游客的正向情感比率排序為旅游資源、旅游體驗及評價、特色要素、購物娛樂、餐飲美食。游客對于旅游資源的滿意度最高，絕大部分是因為中央大街與索菲亞教堂、松花江、防洪紀念塔等景點的距離較近，能夠滿足游客的游覽需求。旅游體驗及評價與特色要素的滿意度分別位列第二、第三位，說明游客在中央大街的體驗感較好，需求得到了極大滿足。購物娛樂處于第四位，主要針對外地游客消費；商品種類少則是因為整條街上一半多店鋪都是銷售俄羅斯商品，除此之外就是一些服裝店和小吃街，不能滿足游客多樣化需求。中央大街餐飲業以俄羅斯美食為特色，應充分發揮其獨特的優勢，保證美食味道能夠滿足游客要求。但需要強調的是，不同游客受個人因素或環境因素的不確定性，在旅游過程中可能會造成對同一事物不同的評價結果，因此，要客觀看待不同的評價。

（三）總體形象分析

總體形象是旅游者對旅游目的地的總體認知和評價，它會直接影響游客旅游后的行為意向，包括重游意向和推薦意向這兩方面。從高頻詞匯中以詞頻大于50為條件，并將同義詞進行合并，篩選出20 個描述哈爾濱中央大街總體形象的高頻詞（見圖1）。

從圖1 可以看出，基本上所有詞匯都是正面詞匯。美麗、熱鬧、繁華、漂亮、獨特、好看、浪漫、有意思、迷人、魅力等均表達了游客對中央大街的直觀感受，對中央大街的總體形象給予正向的評價；著名、最長、經典、標志性等詞匯則是從中央大街的本身性質對旅游目的地形象的肯定；值得一去、必去等詞匯說明游客認為中央大街是非常值得游玩的景點，來到哈爾濱必去打卡的圣地。從詞匯中看到游客對該景點的整體評價很高，推薦意向很強烈，認為中央大街是值得一去的旅游地。中央大街本質是商業步行街，有自身的建筑特色以及其他城市所不具備的百年老街的優秀文化，應加以開發、傳承。

圖1 總體形象高頻詞匯統計柱形圖

五、結論與建議

（一）結論

1.在認知形象方面。通過高頻詞分析將旅游目的地認知形象分為五大類目，其中涉及特色要素的高頻詞詞頻數最多，其次是購物娛樂、旅游體驗及評價、餐飲美食，而在旅游資源方面比重較低。從中能夠體現出建筑文化的特色要素是吸引游客關注和游覽的最主要因素，而購物娛樂和餐飲美食則更好體現了中央大街的本身商業步行街的性質。

2.在情感形象方面。游客對于哈爾濱中央大街的各方面正向評價比率均在90%以上，這個數據表明游客對中央大街的整體好評率較高。游客的正向情感比率排序為旅游資源〉〉旅游體驗及評價〉〉特色要素〉〉購物娛樂〉〉餐飲美食。

3.在總體形象方面。從20 個描述哈爾濱中央大街總體形象的高頻詞可以看出，游客對于該景點的推薦意向很強烈，認為中央大街是值得一去的游覽地。

在當前國內旅游市場競爭壓力巨大的背景下，建議哈爾濱中央大街抵制過度商業化，開展整治市場秩序活動，維護廣大游客和消費者合法權益；將建筑歷史、文化與商業發展有機融合，打造魅力時尚街區；拓寬商業種類，合理規劃街區分布，引入新的服務產業構建“一站式”消費體驗平臺，提升游客體驗感和滿意度。

（二）研究局限性

采用內容分析法和文本情感分析法，以攜程網站上的在線評論為原始數據，實現對中央大街的旅游目的地形象的分析。但由于主客觀的因素，仍存在局限性：在數據來源上，只單一選擇攜程網站上的在線評論作為研究對象，具有一定的局限性。今后可選擇多源數據，搜集文本內容更加豐富、文本量大的游記、評論等，能夠對旅游目的地形象進行更全面、更具有代表性的分析。在研究方法上，對于目的地形象的構建和分析，使用內容分析法會摻雜主觀性，可能在分類和統計上出現偏差。今后可以采用機器學習等方法，將文本內容進行聚類分析得出更加客觀的結論。而所借助百度AI 平臺實現情感形象分析，情感分析的準確率較高，但得出的參數只能進行簡單的正向、負向和中性評論劃分，并不能深入分析。今后可以尋求新的情感分析方法，對文本內容進行深入研究。在研究內容上，對旅游目的地形象的研究，不僅將重點放在認知形象、情感形象、總體形象等共時性的分析，還應該對旅游目的地形象歷時性的變化進行研究。