江西婺源篁嶺景區網絡關注度的時空差異及影響因素研究

肖 剛，李曉峰

（江西財經大學旅游與城市管理學院，江西南昌 330013）

隨著“互聯網+旅游”融合日益加深，游客更加依賴互聯網的旅游信息決策自己的出行旅游目的地，尤其是網絡關注度是影響游客目的地選擇的關鍵因素，推動景區“互聯網+旅游”深度融合發展。盡管婺源篁嶺景區旅游宣傳形式多樣，品牌知名度不斷擴大，對游客的旅游吸引力也在不斷增強。但是景區對游客承載、客流分流和安全應急等存在不足，導致景區在某個時段的游客擁堵現象，從而影響游客出游體驗。通過研究篁嶺景區網絡關注度有助于了解游客的旅行習慣和旅游偏好，把握景區客源分布特征，為景區科學運營和信息化管理提供決策信息參考，提高游客的旅游體驗，提升篁嶺景區旅游品質。

網絡關注度應用到旅游研究日益增加，研究內容不斷豐富，通過國內外文獻脈梳理如下：（1）國外研究現狀。當前，游客更多地通過互聯網來搜索旅游目的地信息。國外關于旅游網絡關注度主要借助Google 搜索引擎研究，一是旅游預測模型和精準度分析，如Pan B 等探究確定了最佳的酒店客房需求計量經濟學預測模型[1]，Yang Xin 等發現搜索引擎數據有助于減小旅游目的地的訪問者人數預測誤差[2]，Nder I 和Gunter U發現使用谷歌趨勢數據可以提高總需求量和客源市場水平預測的精準度[3]，Zeynalov A 分析了谷歌趨勢在預測布拉格的來訪者和過夜人數的可靠性[4]，Yi Xiao 等分析旅游交通需求預測[5]。二是網絡關注度與旅游客流之間關系，Park Lee 等短期預測了日本游客流向韓國的流量[6]，Dinis G 等預測英國到葡萄牙的游客流入量[7]，Antolini F and Grassini L 預測意大利入境游客人數的優勢[8]。（2）國內研究現狀。國內對旅游網絡關注度的研究較早，研究內容豐富，主要集中在以下幾個方面：①旅游信息流。路紫等認為景區網站訪問量與游客量之間存在顯著的相關性，證明旅游信息流對客流具有導引作用[9]。②游客流。馬麗君構建了國內游客量與網絡關注度的時空相關模型[10]。黃先開等發現利用百度指數可提高預測的北京故宮的游客量時效性[11]。方葉林等利用百度指數分析了網絡關注度與實際游客量之間的“錯位特征”及其影響機理[12]。③時空分布特征及影響因素研究。李山等、林志慧等通過百度指數實證分析了景區網絡關注度的時空分布特征[13-14]。影響因素主要包括網絡發展水平、經濟發展水平、人口規模[15-18]和氣候舒適度[15]、地理空間距離[18]等。

根據以上文獻可知，國外關于旅游網絡關注度的研究主要集中在通過網絡搜索數據對旅游客流或需求進行預測和利用網絡搜索數據進行旅游決策兩個方面，而國內主要研究旅游網絡關注度與旅游信息流、游客流、分布特征及其影響因素研究，研究成果具有很大學術價值與政策啟示，國內對旅游網絡關注的研究案例地多以熱門城市為主，對于中國傳統古村落的研究相對較少,婺源篁嶺景區旅游采用網絡游記分析[19-20]。本研究分析篁嶺景區與旅游網絡關注度時空分布差異演變，厘清其影響因素，以期為篁嶺景區旅游管理、營銷以及網絡關注度的提升帶來科學指導。

一、數據來源與研究方法

（一）數據來源

本研究利用360 搜索引擎作為的搜索數據分析工具，通過輸入關鍵詞“篁嶺”，獲得全國31 個省級行政單位（除港澳臺地區）3 年篁嶺景區網絡關注度逐日搜索量為基礎研究數據，選取2018 年1 月1 日至2020 年12 月31 日為研究時段，分析景區網絡關注度的時空分布演變特征。影響因素的指標計算數據來源于《中國互聯網網絡發展狀況統計報告（2018—2020）》和《中國統計年鑒（2018—2020）》等。

（二）研究方法

本研究分析方法，主要包括年際變動指數（Yi）、年際集中指數（Y）、季節集中度指數（S）、變差系數（CV）、地理集中度（G）、赫芬達爾系數（H）和首位度（P）指數，具體分析方法如下：

（1）年際變動指數。年際變動指數用來說明篁嶺景區網絡關注年際間差異的相對值。

式中：Xi表示篁嶺景區的年網絡關注度；n 為年度數。Yi值越接近100%，說明篁嶺景區網絡關注度的年際變動強度越小，時間差異越小；反之，時間差異越大。

（2）年際集中指數。年際集中指數反映篁嶺景區網絡關注度在某一時段的集中、分散和均勻程度。

式中：Xi為第i 年的網絡關注度占總時間段的百分比的值；n 為年度數。Y 值越大，說明篁嶺景區網絡關注度的年際差異性越大，即網絡關注度年際集中性越強；反之，篁嶺景區網絡關注度年際集中性越弱，即網絡關注度分布越均勻。

（3）季節集中度指數。季節集中度指數用以反映篁嶺景區網絡關注度的時間集中程度。

式中：Xi表示各月篁嶺景區網絡關注度占全年的比值。S 值越大，反映篁嶺景區網絡關注度越集中于某個或某些時段，時間差異越大；反之，時間差異越小。

（4）變差系數。變差系數又稱離散系數或單位風險，用以衡量某一時點區域之間及內部子區域的差異程度。

式中：Xi表示各地區的篁嶺景區網絡關注度；X 為其均值；CV 反映地區間篁嶺景區網絡關注度分布的離散程度。CV 值越大，說明篁嶺景區網絡關注度空間差異越顯著；反之，空間差異越小。

（5）地理集中度。地理集中度是衡量客源市場地理來源和聚集程度的重要指標。

式中：Pi表示第i 個地區的篁嶺景區網絡關注度，P 表示所有省份篁嶺景區網絡關注度的總量。一般來說，G 的取值在0～100 之間，G 值越接近100，篁嶺景區的網絡關注度越集中；反之，G 值越接近0，篁嶺景區的網絡關注度越分散。

（6）赫芬達爾指數。赫芬達爾指數是衡量區域經濟規模指標集聚程度的重要指標，取值范圍為0-1。

式中：Si表示各地區篁嶺景區網絡關注度與總量的比值。H 值越接近1，說明篁嶺景區網絡關注度地區或區域集中度越高；反之，H 值越接近0，集中程度越低。

（7）首位度指數。首位度指數是衡量區域規模經濟指標主導性的重要指標，常以區域第一大城市與第二大城市的經濟規模之比作為評判標準。

式中：P1、P2分別為規模最大、第二大的地區對篁嶺景區的網絡關注度。一般認為，P＜2，集聚適中，區域結構正常；P＞2，則表現為集中過度，空間結構不均衡。

二、研究案例地簡介

篁嶺古村,坐落于江西省婺源縣江灣鎮，村中徽派古建筑形態多樣，以“曬秋”聞名遐邇。篁嶺村旅游開發采用“以屋換屋”的形式，通過吸納社會資本，對徽派古建實施異地搬遷上山，集中開發運營，保留了古村文化的原真性和原味性，創造了鄉村旅游“篁嶺模式”，篁嶺景區先入選國家4A 級旅游景區，“篁嶺曬秋”入選最美中國符號，隨后又相繼獲得“中國最美休閑農村”、“中外最美外景地”、“全國特色景觀旅游名村”、“2019 網友最喜愛的十大古村鎮”等稱號。

三、婺源篁嶺景區網絡關注度的時空差異分析

由于自然因素、社會因素和游客因素的影響，從年際、月際和節假日三個方面來分析篁嶺景區網絡關注度的時間特征，從總地區、區域間和區域內三個方面來分析篁嶺景區網絡關注度的空間特征。

（一）婺源篁嶺景區網絡關注度的時間差異分析

（1）年度差異

通過360 趨勢獲取篁嶺景區逐日網絡關注度數據，計算得到2018—2020 年篁嶺景區的年網絡關注度（圖1），由圖1 可以看出，篁嶺景區的網絡關注度總體上呈遞減趨勢，且變動幅度較大，2019 年相較2018 年下跌了32.21%，2020 年相較2019 年下降了49.57%，這是由于2019 年是新中國成立70 周年，游客傾向選擇紅色旅游景區出游，分散了游客對篁嶺景區的網絡關注。2020 年因疫情原因降低了游客出游意愿，導致篁嶺景區的網絡關注度下降。

圖1 2018－2020 年篁嶺景區全國網絡關注度

（2）月際差異

通過對2018-2020 年篁嶺景區逐日網絡關注度進行計算月網絡關注度，從圖2 和表1 中可以看出，景區網絡關注度數值的變化趨勢呈現出“雙峰”形態，1—3 月份指數上升而3—5 月份急速下降趨勢，形成第一個波峰，5—7 月份指數表現平穩而7—9 月又出現上升變化，9—12 月份數值開始回降，形成第二個波峰。2020 年上半年因疫情影響，景區的網絡關注度持續低迷，但2020 年下半年走勢與2018 年和2019 年相同，從圖中可以看出，網絡關注度高峰期在3 月份，主要是因為3 月份篁嶺景區油菜花盛開的時間，促進景區網絡關注度陡然上升；下半年的網絡關注度集中在9 月份和10 月份，主要是因為中秋節和國慶節，為游客提供了旅游的閑暇時間，從而提高了景區的網絡關注度。

圖2 2018－2020 年篁嶺景區全國網絡關注度各月分布曲線圖

通過公式（3）計算篁嶺景區網絡關注度的季節集中度指數（表1），分別為8.2470、8.2468、8.2469，表明篁嶺景區網絡關注度存在較強的季節性差異，春季為主要的高峰期，春天油菜花盛開提高了游客對篁嶺景區的網絡關注度，而夏季、秋季和冬季的網絡關注度有明顯的下降，尤其是篁嶺景區夏季天氣炎熱，游客的出游意愿低，景區網絡關注度最低。

表1 2018－2020 年篁嶺景區網絡關注度季節值及季節性強度指數

（3）節假日差異

游客出游需要閑暇時間，節假日出游意愿增加（表2），根據2018—2020 年篁嶺景區的逐日網絡關注度數據，分析國家法定節假日節前兩周到節后一周的數據。

根據表2，從整體上來看，每個節日篁嶺景區進入網絡搜索高峰期的時間都較早，在節假日期間，網絡用戶對篁嶺景區的關注明顯下降，但節后篁嶺景區的網絡搜索量并未持續下降，而是呈現顯著的上升趨勢，據推測可能是因為節假日期間景區游客人流量大，許多游客為避開龐大的客流而選擇“錯峰旅游”，在節假日結束前往篁嶺景區旅游。

表2 2018－2020 年篁嶺景區網絡關注度與節假日的關系

通過分析篁嶺景區節假日期間的網絡關注度數據，發現呈現節前先上升后下降——節中持續穩定在谷底——節后上升的趨勢，這個趨勢演變與游客的旅游需求和旅游心理相符合，節假日游客出行決策前網絡關注度會升高，游客做出旅游決策網絡關注度會下降；節中游客出游網絡關注度會持續低迷；節后選擇錯峰旅游的游客會在網上搜索旅游信息為出游做準備，網絡關注度會回升。

（二）篁嶺景區網絡關注度的空間差異分析

（1）省域差異

通過統計2018—2020 年全國31 個省級行政區（除港澳臺地區）的篁嶺景區網絡關注度，發現廣東、江蘇、浙江、上海、山東、北京、安徽等地關注度排名相對靠前，其中北京、上海、廣東等排名始終位居前列；寧夏、青海、新疆和西藏4 個西部省份排名始終靠后，這表明經濟發達程度影響篁嶺景區的網絡關注度。通過省域空間分布圖（圖3）可知，篁嶺景區網絡關注度空間分布呈現出“東、中部省域高、西部省域低”的格局，這說明篁嶺景區網絡關注度表現出空間距離衰減規律特征。

圖3 2018－2020 年篁嶺景區網絡關注度空間分布圖

（2）區域間差異

本研究通過公式（4）、（5）、（6）和（7），計算2018—2020 年對篁嶺景區的各省網絡關注度，探究中國31個省市（除港澳臺地區）篁嶺景區網絡關注度的省域間差異和區域間差異（表3）。根據省域間差異可知，全國各省的篁嶺景區網絡關注度省域間結構比較穩定，聚集適中，但各地區間的差異和區域集中度均逐年上升。各年的變差系數都大于1，表明各省間的篁嶺景區網絡關注度的差異較為顯著；赫芬達爾指數都更趨向于0，表明不同省市之間篁嶺景區網絡關注的聚集程度較低；各年的首位度都小于2，說明篁嶺景區網絡關注度分布的區域結構正常，聚集適中；各年的各省間網絡關注度地理集中度指數較小，呈逐年上升趨勢，說明各地區篁嶺景區網絡關注度區域集中度較低，集中度在逐年升高，集中趨勢越來越明顯。

表3 2018—2020 年篁嶺景區網絡關注度的省域間差異和三大區域間差異

而根據東、中、西部區域間差異可知，三大區域間的變差系數維持在0.6—0.7 之間，2019 年的區域間景區網絡關注度的空間差異最大；赫芬達爾系數都接近0.5，表明區域間的景區網絡關注度的空間分布較為集中；三年的首位度都小于2，表明篁嶺景區網絡關注度的區域分布結構正常；地理集中度指數均在60 以上，2019 年甚至達到了70，可知2018—2020 年三個區域的景區網絡關注度集中度較高。

（3）區域內差異

運用公式（4）、（5）、（6）和（7），測算2018—2020 年中國東部、中部和西部三個區內的篁嶺景區網絡關注度數據（表4）。從變異差數來看，呈現西—中—東部遞減趨勢，且三個區域內的變差系數都在逐年增加，西部地區內空間差異最大，接著中、東部地區；從赫芬達爾指數來看，呈現東—西—中部遞增的趨勢，東部波動較小，中部和西部波動較大；從首位度指數來看，呈現出逐年增大且穩定程度在逐年降低，東部和西部區域內集中程度較低，區域結構較為穩定，中部區域內的集中度升高，區域結構不穩定。從地理集中度來看，呈現東—西—中部遞增趨勢，但波動較大，中部地區內的集聚程度最高，接著依次為西、東部地區。

表4 2018－2020 年篁嶺景區網絡關注度的區域內差異

四、婺源篁嶺景區網絡關注度的影響因素

根據文獻研究發現，影響景區網絡關注度因素主要包括網絡發展水平、經濟發展水平、人口規模[15-18]和氣候舒適度[15]、地理空間距離[18]等。鑒于數據獲取的可獲得性與完整性，本研究選取各地區人均GDP、GDP 規模、互聯網普及率、各地區人們的文化教育水平和年齡結構以及各省省會距篁嶺景區的空間直線距離作為相關計算指標。由于各地區網絡關注度數據的獲取限制和數據鏈的不完整，本研究選取指標數據來源于2018 年《中國統計年鑒》，具體結果（見表5）與分析如下：

表5 篁嶺景區網絡關注度時空差異影響因素的相關性分析

（一）經濟發展水平

網絡用戶或潛在旅游者所在地區的經濟發展基礎越好，出游的意愿就越強烈[21]。研究結果顯示，篁嶺景區網絡關注度與各地區的GDP 規模和人均GDP 均呈顯著正相關性（P＜0.01），相關性系數分別為0.716 和0.516。由此可見，地區的經濟發展水平與篁嶺景區網絡關注度的分布差異有著非常緊密的聯系。

（二）網絡發達程度

互聯網技術的高速發展擴大了人們搜集信息的途徑，對游客進行旅游決策產生了重大的影響。研究結果顯示，地區的網絡發達程度與篁嶺景區網絡關注度呈顯著正相關性（P＜0.01），相關性系數為0.489，這表明篁嶺景區網絡關注度空間差異與地區的網絡發達程度存在相關性。

（三）社會人口統計特征

網絡用戶的文化教育水平和年齡差異影響游客對景區的認知差異，通過參考鄒永廣等[21]選取的旅游網絡關注度影響因素分析中的社會人口特征評價指標。研究結果顯示，初中、高中、大專及以上教育程度與篁嶺景區網絡關注度呈顯著正相關性（P＜0.01），相關性系數分別為0.489、0.575、0.654；年齡結構與篁嶺景區網絡關注度也呈顯著正相關，但顯著水平較弱，相關性系數分別為0.428、0.549、0.462。從結果中可以看出，三個不同層次的受文化教育水平和三個不同層次的年齡結構和篁嶺景區網絡關注度之間的相關性系數都為正數且都大于0.4，這表明各地區文化教育程度和年齡結構差異是篁嶺景區網絡關注度差異的影響因素之一。

（四）地理空間距離

旅游客源地與旅游目的地的空間距離會影響游客的出行意愿[22]。研究結果顯示，各省與篁嶺景區的地理空間距離和篁嶺景區網絡關注度呈顯著負相關性（P＜0.01），相關性系數為-0.702，這表明篁嶺景區網絡關注度的空間分布表現出距離衰減規律的特征，由此可見，地理空間距離遠近是影響篁嶺景區網絡關注度空間分布差異的主要因素之一。

五、結論與對策建議

（一）研究結論

本研究以婺源篁嶺景區為案例地，以“篁嶺”為關鍵詞，通過360 指數，獲取了2018—2020 年全國31 個省（除港澳臺地區）的篁嶺景區逐日網絡關注度數據，運用多種分析方法，從年際、月際和節假日三個時間尺度，從省域、區域內和區域間三個空間尺度，分析了篁嶺景區網絡關注度的空間差異演變及其影響因素，主要結論如下：

（1）時間分布差異：從年際變化來看，篁嶺景區網絡關注度總體呈現下降趨勢，年際差異較大，年際集中性較強。從月際變化來看，呈現“雙峰雙谷”的形態，季節性差異較大；從節假日變化來看，呈現節前先上升后下降—節中持續穩定在谷底—節后上升的趨勢，錯峰旅游現象明顯。

（2）空間分布差異：從省域區差異來看，呈現東、中部地區高，西部地區低的空間分布特點；從區域間差異來看，各省的篁嶺景區網絡關注度空間差異較大，區域結構比較穩定，聚集適中；三大區域間的篁嶺景區網絡關注度存在空間差異，區域分布結構正常，集中度較高；從區域內差異來看，東部、中部、西部三個區域篁嶺景區網絡關注度的區域內分布差異都比較明顯，變異差數呈現東部—中部—西部遞增趨勢，赫芬達爾指數呈現東部—西部—中部遞增趨勢，地理集中度指數普遍呈現東部—西部—中部遞增趨勢。

（3）影響因素：通過相關性分析，發現經濟發展水平、網絡發達程度、社會人口統計特征和地理空間距離都是引起篁嶺景區網絡關注度差異的主要因素。其中，地理空間距離與篁嶺景區網絡關注度呈現顯著負相關性，經濟發展水平、網絡發達程度和社會人口統計特征與篁嶺景區網絡關注度呈現顯著正相關性。

（二）對策建議

（1）增加營銷活動，創新旅游產品。篁嶺旅游淡季策劃更實惠、更新穎的旅游活動和產品，吸引更多網絡用戶或潛在旅游者的關注，降低淡季對景區帶來的影響。針對東部、中部和西部區域設計不同的旅游產品，可以推出特色精品旅游路線，或者進行不同區域的旅游聯動，滿足游客的多樣化需求，提升游客的旅游體驗。

（2）拓寬宣傳途徑，提高品牌知名度。針對互聯網普及率低的地區，景區可以加大線下宣傳，拓寬宣傳渠道。線上篁嶺景區可以通過微信、微博、抖音等新媒體平臺發布景區的旅游資訊或旅游短視頻；線下可以在旅游雜志、電視或公交站臺等地投放廣告，注重宣傳內容的創新性和趣味性，加深篁嶺品牌在人們腦中的印象，提高品牌知名度。

（3）完善基礎設施，提升旅游質量。為游客提供更加多元化的交通工具，提高交通通達度，縮短游客花在路程上的時間。同時，景區內部的設施也要進行健全完善，在便捷的生活設施的基礎上，提高游客的參與度，使游客能夠更加投入地感受篁嶺古村的魅力，為游客提供更加優質的服務。

（4）挖掘旅游數據，加強信息化建設。加強篁嶺景區的信息化建設，有利于景區根據更加全面和真實的游客信息進行旅游產品開發和精準化營銷。景區也可以根據旅游大數據進行游客流量的預測，從而對景區的分流和疏散進行科學地規劃，為游客提供更佳的旅游體驗。