基于網絡游記的旅游流網絡結構及其景區關注度分析
——以貴州省為例

羅夢雪

（貴州大學 旅游與文化產業學院，貴陽 550025）

0 引言

旅游流是一個具有空間屬性的旅游經濟系統的紐帶，反映了旅游者在現實世界流動的真實情況［1］；而景區網絡關注度則是旅游者的出游意愿和決策行為在虛擬網絡世界的綜合體現，貫穿著旅游者旅游活動的全過程［2］。隨著大數據時代的到來，網絡信息技術的不斷提高和移動電子設備的普及，使得旅游信息的傳遞、獲取、交流變得更加快速、便捷。旅游社交平臺的出現讓越來越多的游客通過文字、圖片、視頻等方式分享旅游經歷，并通過長時間收集用戶發布數據，構建大規模旅游數據庫，為旅游流［3］、景區網絡關注度［4］等問題的深入研究提供了重要的基礎支撐。

國內外對于旅游流的研究主要集中在2 個方面。一是探討旅游流網絡的時空分異特征［5］和旅游流網絡結構特征［6］；二是通過問卷調查、網絡文本分析等方法提煉旅游流的影響因素［7］；三是探討旅游流的空間效應［5］，分析旅游流在不同地區呈現出的擴散、帶動效應。而景點的網絡關注度是近年來探究潛在旅游者出游行為的重要度量指標之一，反映了游客在虛擬網絡中對旅游景點關注熱度［8］。目前，關于景區網絡關注度主要圍繞2 個方面進行研究。一是探討景區網絡關注度的時空演變特征［9］，并從資源豐度、地理空間距離、網絡普及率等方面來揭示網絡關注度的影響因素；二是探討景區網絡關注的前兆效應［10］，即探討以網絡空間關注度為代表的信息流與現實旅游接待人數為代表的旅游流之間的關系，并以此為基礎對未來的客流量進行預測。

綜上，已有研究側重于從時間角度出發，探討旅游流流量與景點網絡關注度的關系，忽略了從空間視角探討旅游流網絡結構和景點網絡關注度之間的關系，即網絡關注度越高的地區是否在旅游流網絡中的地位越重要。為此，本文聚焦貴州省旅游景點，從旅游景點視角出發，以八爪魚采集器抓取攜程旅行網站上發布的關于貴州省景區游記和景點評論數量為數據源，運用社會網絡分析和GIS 空間分析方法探索貴州省旅游流網絡結構及其節點網絡關注度的特征，以期為推動區域旅游高質量發展提供有效參考。

1 數據來源與研究方法

1.1 研究區域概況

貴州省地處西南，于北緯24°37'～29°13'，東經103°36'～109°35'，北接四川和重慶，東毗湖南、南鄰廣西、西連云南，下轄6 個地級市，3 個自治州。貴州地貌高原山地居多，且巖溶地貌發育非常典型，喀斯特地貌面積占全省國土總面積的61.9%。基于其獨特的自然地理環境和人文特色，形成了獨一無二的旅游資源，近年來貴州省已發展為著名的山地旅游目的地。

1.2 研究數據來源及處理

本文是從旅游者視角出發的貴州省旅游研究，因此選取由游客自主發布的網絡游記和景點評論作為研究開展的數據源。攜程旅游網站是國內最早提供一站式旅游服務的網站之一，主要提供來自世界各地的旅行者的評論和建議，每年有上億的旅游者通過該平臺分享自己的旅游經歷，網站內海量游客自主發布的文本信息已被多次作為研究數據。因此本文利用八爪魚采集器在攜程旅游網站上抓取以“貴州” 為關鍵詞的所有網絡游記文本共計1 567 篇，去除掉包含廣告信息、單景點行程的游記，符合研究要求的游記共計921 篇，在此基礎上將其轉換成具有先后順序的旅游線路、共涉及貴州省145 個旅游景點，并根據該數據構建貴州省景區旅游節點數據矩陣作為貴州省旅游流網絡結構分析的原始數據。

景區評論文本的數量可以反映出游客對景區的關注程度。因此，本文利用八爪魚采集器在攜程旅游網站上抓取上述確定的145 個旅游景點的游客評論文本數量（因攜程網站青巖古鎮景點無評論數據，所以爬取去哪兒網站的景點評論替代），以網絡節點的游客在線評論文本的數量作為景區網絡關注度的評價指標，景點評論數量越多，則景區獲得的網絡關注度越高；反之，亦然。

1.3 研究方法

（1）社會網絡分析法。這是一種社會學研究方法，通過分析網絡中的關系來探討網絡的結構及屬性特征［11］。本文基于游客發布的游記文本構建貴州省旅游流網絡，運用社會網絡分析法探索貴州省旅游流網絡的結構特征，并通過Ucinet、Net Draw 等軟件進行可視化展示，從而進一步明確貴州省旅游流網絡的局部特征和整體結構特征。

（2）GIS 空間分析法。主要是利用GIS 中的空間分析功能從空間數據中獲取有關地理對象的空間分布并進行分析［3］。本文利用Arc GIS 10.2 空間分析軟件對145 個旅游景點建立數據庫，以實現貴州省旅游流網絡結構特征及其分布形態的可視化表達。

2 研究結果與分析

2.1 旅游流網絡結構分析

2.1.1 旅游流網絡構建

本文利用八爪魚采集器在攜程旅游網站上抓取以“貴州”為關鍵詞的所有游記文本共計1 167 篇，對其進行清洗，并整理轉換成具有先后順序的旅游線路共計1 023 條，再根據該數據構建貴州省景區旅游節點數據矩陣作為貴州省旅游流網絡結構分析的原始數據。此外以往研究表明，訪問頻次較低的節點為旅游流網絡的結構較小，可將其剔除。因此，本文根據自然間斷法剔除流動頻次低于2 次的旅游節點，剔除完成后，借助Arc GIS10.2 構建得到了旅游流網絡結構空間分布圖。

接下來，對貴州省旅游流網絡密度進行計算，旅游流網絡中共包含145 個節點，網絡規模大，但網絡結構的總體密度為0.102 9，標準差接近于1，這說明貴州省旅游流網絡中各旅游節點的聯系不緊密，旅游流網絡結構總體“大而散”。從旅游流網絡結構的空間分布特征分析可知，網絡節點分布在貴州省9 個地級市內，但卻大多集中在貴州省中部及南部區域，可見其受空間距離的影響較為顯著。

2.1.2 旅游流網絡節點結構特征

借助網絡節點度、出度和入度三個指標來進一步探索貴州省旅游流網絡結構特征，排名前10 的景區見表1。從節點度的計算結果來看，黃果樹瀑布（434）、鎮遠古鎮（243）、西江千戶苗寨（228）、青巖古鎮（208）、甲秀樓（184）、荔波小七孔（167）、黔靈山公園（166）和梵凈山（123）景區在整體旅游流網絡結構中處于絕對中心地位，其節點度數值均大于100，說明這些景點與其他景點的聯系較為緊密；從出度的計算結果來看，黃果樹瀑布（414）、鎮遠古城（227）、黔靈山公園（145）、荔波小七孔景區（141）、青巖古鎮（133）、西江千戶苗寨（128）、甲秀樓（118），這些景點的出度數值大于100，在旅游流網絡中處于關鍵節點的位置，并且承載著貴州省旅游流網絡結構中的擴散功能，對其他旅游景點的控制力相對較強；從網絡節點入度的計算結果來看，節點入度指數較高的景區主要集中在西江千戶苗寨（188）、黃果樹瀑布（183）、青巖古鎮（153）、甲秀樓（140）、鎮遠古城（101）等資源稟賦較高、區位條件優越的景點，這說明旅游資源豐富、區位條件優越的景區會具有更強的旅游吸引力。

表1 景區網絡結構指標計算結果（排名前10 位）Tab.1 Scenic network structure index calculation results（top 10 ranking）

總體而言，貴州省旅游流網絡結構受資源稟賦的影響表現出較為顯著的層級結構，即旅游景點在網絡結構中的重要性與景點資源稟賦的質量呈正相關，這是由于優質的旅游資源能夠吸引大量的旅游者，使得旅游節點在旅游流網絡中具有較為重要的作用。本文借助自然間斷法，根據景點在貴州省旅游流網絡中的重要程度將貴州省旅游景點分為核心旅游景點、重要旅游景點、一般旅游景點和邊緣旅游景點，見表2。從表2 中可以發現，在網絡結構中處于越重要的位置，其所含的景點就越少。

表2 旅游景點等級劃分Tab.2 Tourist attractions grade classification

為進一步驗證旅游流網絡結構是否具有規模-位序的特征，以貴州省旅游流網絡結構節點度、出度、入度的數值為縱軸，以各節點以上指標的排名為橫軸，繪制散點圖，結果如圖1 所示。利用對數函數對散點圖進行擬合，發現曲線R值為0.915 9。由此可見，貴州省旅游流網絡結構具有較強的規模-位序特征。網絡結構數值較大的節點，所占比例較少；而網絡結構數值較小的節點，所占比例較多，網絡結構指標具有顯著的“長尾特征”，網絡同質性較差。

圖1 旅游流網絡結構指標冪指特征Fig. 1 Power index characteristics of tourism flow network structure indicators

2.1.3 網絡結構節點空間分布特征

為了進一步闡釋貴州省旅游流網絡的空間分布特征，本文運用Arc GIS 10.2 中的空間插值法（克里金插值法）對貴州省旅游流網絡結構的空間特征進行可視化展示，從空間差值的結果來看：網絡節點出度和入度的空間分布均具有一定的相似性，兩者的高值區域主要聚集在安順地區黃果樹瀑布附近和黔東南西江千戶苗寨周邊，這表明貴州省的游客游覽目的地和客源地具有一定的重疊性，且這部分重疊區域的景區具有較強的集聚擴散能力。此外，在其余地區的網絡節點出度和入度的數值大范圍地低于高值區域，且在空間分布較為平衡，這說明貴州省旅游流的流向均出現了聚集的特征。黃果樹瀑布是國家重點風景名勝區，是貴州省旅游的名片，對國內外游客具有較強的吸引力。西江千戶苗寨依附著自身獨特的民族旅游資源，是貴州省寶貴的旅游資源，也是貴州省極其重要的旅游目的地之一，因而在這2 個區域附近其節點出度、入度都處于極高的水平。

總體而言，貴州省旅游流網絡節點出度和入度的空間分布差異較小，但景點之間所表現出的集聚擴散作用的差異性較為顯著，旅游景點的兩極化發展嚴重。通過比對發現：黃果樹瀑布、西江千戶苗寨處于貴州省旅游流網絡的核心位置，這是由于其擁有優質的基礎服務條件、優越的地理位置和得天獨厚的旅游資源。需要指出的是，赤水丹霞景區、青巖古鎮、織金洞等景區作為貴州省旅游核心景區，但其在旅游流網絡空間中的位置并不凸顯，因此，相關部門應該從游客視角進一步挖掘原因，從而提高在旅游流網絡結構中的位置。

2.2 景點網絡關注度分析

為了探討旅游流網絡與其節點網絡關注度之間的關系，研究引入游客評論數量作為景點關注度的研究數據，利用ArcGIS10.2 分析貴州省旅游流節點網絡關注度的空間分布特征。

2.2.1 網絡關注度整體特征

借助八爪魚爬蟲軟件在攜程網站爬取上述145個網絡節點的游客評論數量，將爬取結果進行統計計算，發現145 個旅游景點的網絡關注度均值約為463.3，網絡關注度超過平均值的景區僅有34 個，約占景區總數的23.4%。這說明貴州省不同景點的網絡關注度差異顯著。以貴州省景點網絡關注度的數值為縱軸，以各節點以上指標的排名為橫軸，繪制散點圖，結果如圖2 所示。利用對數函數對散點圖進行擬合，發現曲線R值為0.915 9。由此可見，貴州省景點網絡關注度與旅游流網絡具有相似的規模-位序特征。

圖2 旅游節點網絡關注度的冪指特征Fig. 2 Power index characteristics of nodes network attention

為了進一步探索貴州省景點網絡關注的空間分布特征，利用Arc GIS 10.2 軟件的自然斷裂法對其進行等級劃分，并繪制空間分布圖，旅游節點網絡關注度具有顯著空間差異。其中，關注度較高的節點呈現出“大集中，小分散”的分布態勢，并主要集中在以青巖古鎮為首的貴陽市片區和以黃果樹瀑布為首的安順片區，而黔東南、黔西南、銅仁、遵義等區域中高網絡關注度的旅游節點多為零星分布。需要說明的是，在貴陽市和安順市區域多個景區都獲得了較高的網絡關注度，究其原因是由于在這2 個區域內多個景區的旅游資源開發比較完善，旅游服務設施健全且交通便利，對游客產生較大的吸引力，因此形成明顯的優質旅游資源集聚區。

2.2.2 網絡關注度類型差異

從旅游資源的類型來看，自然型旅游景點、人文型旅游景點和復合型旅游景點獲得的網絡關注度呈現出較大的差異，其網絡關注度的平均值分別為584.19、378.13、372.10，見表3。其中，自然型旅游資源獲得的平均關注度數值最高，所包括的景區數量最多，是當前貴州省內受到游客最多關注的旅游資源，但此類型景點網絡關注度的標準差最大，這說明該類型景區的部分景點具有較強的壟斷性。人文型旅游景點和復合型旅游景點的網絡關注度的均值相當，但人文型景點的數量卻更多，且此類型景點的網絡關注度標準差也更大。這說明相較于復合型旅游資源景點，貴州省單一型旅游資源景點在受到網絡關注上更具有壟斷性。

表3 不同類型景點網絡關注特征Tab.3 Characteristics of network attention for different types of attractions

2.3 旅游流網絡結構與網絡關注度的關系分析

2.3.1 旅游流網絡結構與節點網絡關注度的空間分異特征

旅游流網絡結構特征反映了旅游者在開展旅游活動時的真實流動情況；節點網絡關注度體現了旅游者在虛擬網絡中對旅游節點的關注熱度，是對旅游網絡結構特征研究的重要補充。已有研究指出在旅游資源網絡關注度和旅游流網絡之間既有關聯，又有差異，兩者在發展過程中具有相互促進的作用［8］。為了進一步研究貴州省旅游流網絡與其節點網絡關注度的空間分異特征，本文依據貴州省旅游流網絡節點度數值與其節點網絡關注度，利用Arc Scene 10.2 軟件繪制貴州省旅游流網絡與其節點網絡關注度協調發展的空間分異圖，如圖3 所示。

圖3 貴州省旅游流網絡結構與其節點網絡關注度的空間分異圖Fig. 3 Spatial divergence of tourism flow network structure and its node network attention in Guizhou province

從圖3 中可以看出，旅游流網絡節點度及其節點網絡關注度在空間上的分布存在一定的相似性，但兩者在空間上并不完全重合。其中，旅游流網絡節點度在空間上形成了較為明顯的層級結構，第一級別包括以黃果樹瀑布為代表的安順地區和以青巖古鎮為代表的貴陽地區，在這2 個區域內景點及其自身景點內外交通條件便利、旅游設施完善以及知名度高，使得這2 個區域內的景點承擔了貴州省旅游流中極其重要的集散作用；第二級別包括了以荔波小七孔為代表的荔波區域、西江苗寨、鎮遠古城為代表的黔東南區域，這些景點承擔了相對重要的集散作用；第三級別的區域在空間上呈現出不突出的分布態勢，這表明貴州省旅游流網絡結構層級結構明顯，處于核心地位區域的景點發揮的集聚擴散作用較大，對其他非中心地位的旅游節點產生影響和支配效力較弱。其中，節點網絡關注度在空間上共形成10 個峰值區，且各峰值之間的差距較小，在其他各個方向上呈現較均衡的分布態勢。

2.3.2 旅游流網絡結構與節點網絡關注度的關系分析

根據貴州省旅游流網絡的節點度和節點網絡關注度的差異，本文利用旅游流網絡節點度指標、節點網絡關注度的平均值，將節點網絡結構特征和節點關注度的關系劃分為以下幾種類型：高-高、高-低、低-高、低-低四種類型。對此擬做研究分述如下。

（1）高-高型：旅游流網絡節點度、游客均超過了均值。處于該種類型的景區為黃果樹瀑布、肇興侗寨、甲秀樓、西江千戶苗寨、龍宮、織金洞、天河潭、鎮遠古城、赤水丹霞、萬峰林等19 個景區，占旅游節點總數的13.1%。處于這個區域的旅游景點在貴州省旅游流網絡中處于較為有利的位置且受到游客的關注度較高，這種現象產生的原因主要是這些處于旅游流網絡核心位置的景區的資源優勢明顯、區位條件優越、景區基礎配套設施齊全致使其知名度高，從而，與其他旅游節點的互動相對頻繁，處于此類景區的網絡結構對景區網絡關注度具有正向效應，即這些景點吸引了更多的游客，得到較多的關注。因此，這類景區在營銷宣傳和服務質量方面都應維持和加強原有方向，以保證景區在旅游流網絡中的重要程度和受到的關注程度。

（2）高-低型：旅游流網絡節點度指標超過自身均值，但此類景點獲得的網絡關注度處于較低的水平。屬于該類型的旅游景區包括青巖古鎮、梵凈山、天河潭等11 個景區，占旅游節點總數的7.5%，這部分景區均在貴州省旅游流網絡結構的優勢地位，但其獲得的網絡關注度較低，旅游流網絡的結構優勢尚未得以充分發揮，此類型旅游節點的景區旅游資源和景區服務質量的優勢是相對明顯的，因而該類型景區應該提高宣傳力度拓寬市場，進一步促進網絡關注度的提升。

（3）低-高型：節點網絡關注度超過了自身均值，但節點度指標處于較低水平。該類型的景點包括丹寨萬達小鎮、威寧草海、烏蒙大草原、荔波茂蘭風景區等15 個景區，占旅游節點總數10.3%。這部分景區處于旅游流網絡的邊緣位置，在網絡結構中的優勢相對較弱，但獲得的網絡關注度極高，這部分景區受到的關注度與其在網絡結構中的位置存在一定的“脫鉤關系”，因而均有較強的市場潛力，但卻還處于獨立的發展中。此類景區應加強與其他景區的聯合發展，進而提高在旅游流網絡的地位。

（4）低-低型：網絡節點度指標和節點網絡關注度均處于較低的位置。屬于該類型的景區包括織金大峽谷、云臺山、隆里古鎮、丙安古鎮、土城古鎮、苗王城、孔學堂、水城古鎮等99 個景區，占旅游節點總數的68.3%，這部分旅游景區處于貴州省旅游流網絡結構的邊緣，且受到的網絡關注度也較低。因此該類景區應當從內部著手提高核心競爭力，增加景點網絡關注度，進而提高在旅游流網絡中的地位。

通過前文分析可發現，以上所有類型的景區在貴州省空間上呈交錯分布。低-低型與低-高型的地區占到總數的78.6%，表明大部分節點在網絡中處于不利地位，尤其低-低型城市節點占到總數的68.3%，反映出中國市域旅游流網絡結構不平衡現象較為嚴重，大部分節點在網絡中的結構與其網絡關注度處于不利地位。

3 結束語

本文聚焦貴州省旅游景點，從旅游節點視角出發，以八爪魚采集器抓取攜程旅行網站上發布的關于貴州省景區游記和景點評論數量為數據源，運用社會網絡分析和GIS 空間分析方法探索貴州省旅游流網絡結構及其節點網絡關注度的特征，研究得出以下結論：

（1）貴州省旅游流網絡整體規模大、密度低、結構松散，不同節點的流量分布特征差異顯著，網絡節點之間所表現出的集聚擴散作用的差異性較為明顯，全省旅游景點的兩極化發展嚴重。

（2）貴州省旅游流網絡節點獲得的網絡關注度表明旅游流網絡具有相似的結構特征，具有較強的位序-規模特征，即網絡關注度數值越大的景點，其數量越??；而網絡關注度數值越小的景點，其數量越多，貴州省景點網絡關注度具有顯著的“長尾特征”，景點獲得網絡關注度同質性較差。

（3）貴州省旅游流網絡結構與節點網絡關注度之間既有關聯，也有差異。從空間分布特征來看，兩者在空間分布上具有一定的相似性，這表明其具有一定的相關性，在發展過程中可相互促進。而按照彼此之間的差異，則可將節點景區劃分為高高、高低、低高、低低四種類型，鑒于每一種類型所面臨的演化階段和發展情況各不相同，因此需要圍繞自身實際情況制定差異化、個性化的發展方向。