乐山旅游网络关注时空分布特征分析

冯晓兵

（乐山师范学院 旅游与地理科学学院，四川 乐山 614000）

一、研究背景

互联网及在线旅游的快速发展为旅游者搜集旅游信息、辅助旅游决策提供了便利。网络搜索反映了人们对某种事物的现实关注与潜在需求情况，对旅游目的地的网络搜索是游客潜在出游行为的一种前兆。随着旅游信息化的快速发展，网络平台成为旅游者出游前获取旅游信息的主流渠道，网络搜索数据也成为旅游研究者分析某一区域或事物的有效工具。百度指数是以百度海量网民行为数据为基础的数据分享平台，可以分析关键词搜索趋势、洞察网民需求变化。龙茂兴（2011）以百度指数为基础，分析比较四川旅游网络关注度与客流量时空动态，发现二者具有极强的正相关性；汪秋菊（2015）分析发现杭州市38 个3A 级以上景点（区）旅游客流量与网络关注度存在显著的正相关关系；马莉（2018）发现网络关注度在时间上表现为城市游客量的前兆。可以看出，网络关注度与旅游客流量之间存在密切相关性已被现有研究所证实，百度指数也成为分析游客对旅游目的地、旅游行为或者旅游活动网络关注度的重要工具。

在现有旅游目的地网络关注度的研究中，田董炜（2018）发现南京旅游网络关注度在全国区域间差异明显，网络关注度位序与旅游客源地客流位序存在一定相关性；丁鑫（2018）分析厦门市旅游网络关注度的时空特征发现，厦门市旅游网络关注度在时间和空间分布上均相对集中，时间集中分布在夏季，空间集中分布在东南沿海地区；冯鹏超（2021）对后疫情时代武汉旅游的网络关注度进行了研究，发现新冠肺炎疫情后武汉旅游景区的整体网络关注度要低于新冠肺炎疫情前四年的水平，但新冠肺炎疫情后网络关注度呈现不断增长的趋势。乐山是中国优秀旅游城市、国家历史文化名城，是世界文化与自然遗产“峨眉山—乐山大佛”所在地。本文以乐山作为研究区域，以2011—2020 年“乐山旅游”“乐山美食”的百度搜索指数为基础数据，分析乐山旅游网络关注度的时空分布特征，以期为乐山旅游市场精准营销和高质量发展提供参考。

二、研究方法

（一）季节性集中指数

（二）赫芬达尔指数

赫芬达尔指数反映旅游目的地的网络关注度在时间和空间上的集聚分散程度。赫芬达尔指数越接近1，说明网络关注度越集中于某个或某几个时间段或地理空间；赫芬达尔指数越小，说明网络关注度在时间或空间上分布越分散。公式中P是某月或某地区的网络关注度占全年或全国网络关注度的比重。赫芬达尔系数的计算公式如下：

（三）地理集中指数

（四）变差系数

（五）首位度

首位度反映旅游目的地网络关注度空间分布的集中程度，是旅游目的地网络关注度最高地区与第二高地区之间的比值，首位度越大说明网络关注度在空间分布上越集中。首位度的计算公式如下：

三、乐山旅游网络关注的时空分布特征

（一）乐山旅游网络关注的时间分布特征

2011—2020 年间，乐山旅游网络关注度整体呈现快速上升的趋势（见图1、表1）。2011 年乐山旅游网络关注指数为122926，之后逐年上升，并在2018 年达到网络关注的最高峰；从2019 年开始，乐山旅游网络关注度呈现明显的下降趋势，2020 年乐山旅游网络关注度已经与2017 年较为接近，下降幅度较大。2011—2012 年，乐山旅游网络关注度的变化趋势较为相似，在不同月份上的分布差异较小。从2013 年6 月开始，乐山旅游网络关注度呈现较大幅度的增加，6 月的网络关注度为12544，7 月已经增加为26283。乐山旅游网络关注度在2014—2016 年的分布趋势较为相近，2014 年的网络关注度是8 月最高、11 月最低；2015 年的网络关注度是8 月最高，12 月最低；2016 年乐山旅游网络关注度在1 月份最低、8 月最高，但全年网络关注指数略低于2015 年。2017年，乐山旅游网络关注度在2 月份最低，1 月、11月、12 月之间的网络关注度差别不大，2—10 月整体呈现上升的趋势，并形成8 月和10 月两个关注峰值。2018 年，乐山旅游网络关注度的月份差异较大，1 月、11 月、12 月的网络关注度要明显低于其他月份，1—6 月中4 月为关注高峰，7—12月中8 月为关注高峰。乐山旅游网络关注度在2019 年同样呈现波动式分布，上半年的网络关注度要高于下半年，形成了2 月、5 月、7 月三个关注高峰，7 月以后的关注度一直呈现下降趋势。2020 年，乐山旅游网络关注度也整体低于2018 年和2019 年，2 月最低、9 月最高，整体月份间的分布差异不明显。

图1 乐山旅游网络关注度的时间分布特征

将2011—2020 年乐山旅游网络关注度按照月份进行汇总，统计乐山旅游网络关注度的月度分布特征（见表1）。分析可知，乐山旅游网络关注度在1 月最低，1—4 月呈现较为明显的增长态势，并在4 月达到一个阶段性的小高峰；4—6 月呈现下降趋势，6 月以后再次快速增长，并在8 月达到全年网络关注最高值。8—12 月，乐山旅游网络关注度呈现下降趋势，其中10—11 月下降最为明显，11—12 月平缓下降。计算乐山旅游每个月的网络关注度与月度关注均值之间的比例，发现1—2 月、11—12 月与月度均值的比值均低于1，其中1 月最低，与月度均值的比值仅为0.72；2 月、11月、12 月的比值也均小于0.9，这4 个月的乐山旅游网络关注度均显著低于年度均值，是一年中乐山旅游网络关注的淡季。3 月网络关注度与月度均值的比值为0.92，6 月网络关注度与年度均值的比值为1.01，可将3 月与6 月看作乐山旅游网络关注的平季。其他月度网络关注度均显著高于月度均值，尤其是7 月、8 月，比值均在1.2 以上，是乐山旅游网络关注的旺季。进一步计算乐山旅游网络关注度的季节性集中指数和赫芬达尔指数，2015 年、2016 年的季节性集中指数较小，说明乐山旅游网络关注度在这两年的月度分布较为均衡；2013 年、2017 年、2018 年、2020 年的 季节性 集中指数均大于2。从图1 也可以看出，乐山旅游网络关注度在这几年的月度分布差异较为明显；乐山旅游网络关注度的赫芬达尔指数在2011—2020年均变化较小，均在0.08 左右，这说明乐山网络关注度的时间分布较为分散。

表1 2011—2020 年乐山旅游网络关注指数时间分布特征

（二）乐山旅游网络关注的空间分布特征

利用百度指数的地区筛选功能，以省域为空间单元统计乐山旅游网络关注度数据，分析乐山旅游网络关注度的空间分布特征。从表2 可以看出，中国31 个省(自治区、直辖市) 对乐山旅游的网络关注度差异较为明显，四川一直是乐山旅游网络关注度最高的区域。除四川外，重庆、北京、广东、上海、江苏、浙江、陕西等地对乐山旅游的网络关注度也较高，其中重庆、陕西与四川地理空间相邻，且高速铁路的开通使得三地之间的客流转移成本进一步降低，旅游空间联系交往密切；北京、广东、上海、江苏、浙江的经济发展水平在我国处于前列，居民旅游消费能力较强，是国内重要的旅游客源输出地。2011 年对乐山旅游网络关注度排名前五的地区依次是四川、北京、重庆、陕西、浙江；2014 年依次为四川、北京、广东、重庆、陕西；2017 年依次为四川、重庆、北京、广东、江苏；2020 年为依次四川、重庆、广东、北京、江苏。2011 年排序前五区域的乐山旅游网络关注度占全国总关注度的51.22%，2014 年为65.01%，2017 年为58.99%，2020 年为56.49%。这说明乐山旅游网络关注度的空间分布较为集中，网络关注度主要集中于少数几个省域。2011—2020 年，排名第一的四川对乐山旅游的网络关注度占全国总关注度的比例均超过20%。其中2013—2017 年的网络关注度比例均在30%以上，2015 年和2016 年的网络关注度比例在35%以上。

表2 2011—2020 年乐山旅游网络关注指数空间分布

表2 （续）

从2011—2020 年乐山旅游网络关注度的空间分布特征指标来看（见表3），地理集中指数、赫芬达尔指数、首位度、变差系数在2015 年均达到最大。2011—2015 年间，乐山旅游网络关注空间分布特征指数均呈现显著增长的趋势；2011 年，乐山旅游网络关注空间分布的地理集中指数、赫芬达尔指数、首位度、变差系数分别为29.3446、0.0861、2.4747、1.3134；2015年则分别增长为41.0311、0.1684、3.8612、2.0880，这说明乐山旅游网络关注度的空间分布趋于集中化，四川的乐山旅游网络关注度增长最快，排名靠前的少数几个省份占据了乐山旅游网络关注度的较大比重，网络关注度在区域间的差异变得更大。2015—2018 年，地理集中指数、赫芬达尔指数、首位度、变差系数均呈现明显的下降态势，这说明乐山旅游网络关注度在空间分布上趋于分散化、均衡化，其中2018 年的地理集中指数、赫芬达尔指数、首位度、变差系数分别下降为31.0572、0.0965、2.8815、1.4340。2018—2019 年，乐山旅游网络关注度空间分布的各项指标变化不大；2019—2020年，地理集中指数、赫芬达尔指数、首位度、变差系数略有上涨但整体变化较小，这说明乐山旅游网络关注度的空间分布趋于稳定化。

表3 2011—2020 年乐山旅游网络关注度空间分布特征指数

（三）乐山旅游网络关注的影响因素分析

乐山旅游网络关注度是客源地居民对“乐山旅游”信息网络搜索的结果。客源地的互联网发展水平是影响网民网络搜索的主要因素之一，经济发展水平、居民购买力、人口规模、目的地距离等因素在已有研究中被证实会对网络关注度产生影响。因此，选取经济发展水平、居民购买力、人口规模、空间距离、互联网发展水平作为影响因素，分析其与乐山旅游网络关注度的相关性。从表4 可以看出，经济发展水平、居民购买力与乐山旅游网络关注度的相关性不显著，人口规模、空间距离、互联网发展水平均与乐山旅游网络关注度存在显著的相关性。其中空间距离的相关性最为显著，相关系数为-0.461。这说明旅游客源地与乐山的空间距离越近，该地居民对乐山旅游的网络关注度越高。客源地的人口规模、互联网发展水平均与乐山旅游网络关注度呈现显著正相关关系，人口规模、移动互联网用户、互联网宽带接入用户与乐山旅游网络关注度的相关系数分别为0.377、0.400、0.380。经济发展水平和居民购买力是衡量客源地旅游需求的关键指标，但旅游需求的空间指向不具有特定性，即经济发展水平较高、居民购买力较强的地区通常情况下具有较强的旅游需求，但客源地居民外出的旅游目的地选择却是多样的。这个目的地可能是乐山，也可能是国内外的其他目的地。计算乐山旅游网络关注度与旅游接待人次的相关性，结果显示Pearson 相关系数为0.862（p＜0.01），两者存在显著的正相关性。这进一步证明利用网络搜索数据进行旅游需求预测的科学性。

表4 乐山旅游网络关注度影响因素相关性分析

四、研究结论

本文以“乐山旅游”“乐山美食”作为关键词，基于2011—2020 年中国31 个省(自治区、直辖市) 的百度搜索数据，对乐山旅游网络关注度的时空分布特征进行研究，并探讨影响乐山旅游网络关注度的主要因素。研究发现：乐山旅游网络关注度在2011—2020 年整体呈现快速增长的趋势，2018 年是乐山旅游网络搜索的最高峰。乐山旅游网络关注度在时间分布上较为分散，不同月份间的网络关注差异较为明显；乐山旅游网络关注度与乐山旅游接待人次存在显著的正相关关系，乐山旅游市场传统淡季的1 月、2 月、11 月、12月，也是乐山旅游网络关注度一年中最低的几个月份；3—6 月是乐山旅游网络关注度的搜索平季；7—10 月的乐山旅游网络关注度在一年中最高，而这段时间也正好是乐山旅游的传统旺季。

相较在时间上的分散分布，乐山旅游网络关注度的空间分布较为集中，关注度排名前五区域占乐山旅游总关注度的比例在50%以上，其中四川是乐山旅游网络关注度最高的区域，在2011—2020 年的网络关注度占比均超过20%。2011—2015 年，乐山旅游网络关注度呈现空间集聚的态势，区域间的网络关注度差异在变大；2015—2018 年，乐山旅游网络关注度空间分布的集聚趋势明显下降；2019—2020 年，乐山旅游网络关注度的空间分布趋于稳定化。2011—2020 年乐山旅游网络关注度排序前十的区域是四川、重庆、北京、广东、江苏、上海、陕西、浙江、山东、湖北；乐山旅游网络关注度受客源地人口规模、空间距离、互联网发展水平等因素的影响，其中空间距离的相关性最高；经济发展水平、居民购买力与乐山旅游网络关注度的相关性不显著。

乐山旅游网络关注度在时间和空间上的分布差异，体现出不同时间段和不同区域对乐山旅游的认知和需求情况，可为乐山旅游提前预测旅游客流和识别主要客源流入地提供依据。乐山旅游营销可根据网络关注度的时空分布差异，制定差异化和针对性的营销策略。在时间上要进一步加强在旺季的旅游营销，即每年的4—10 月保持旅游营销高频次，尤其要注重节假日来临前的提前营销，并做好旅游接待服务工作准备；在旅游淡季时保持常规的营销即可。在空间上旅游营销要有明确的指向性，要对省内主要客源地、空间相邻的重庆、陕西以及北京、广东、上海、江苏、浙江等对乐山旅游网络高关注度的省域实行重点营销，提高乐山旅游对核心客源市场的吸引力。