智慧旅游视角下基于ISM 方法的游客景点选择影响因素研究
●胡晓轩 陶梦瑶 程美琪 陈美汐
摘要： 随着“互联网+”的发展，智慧旅游逐步成长。旅游市场竞争逐渐激烈，旅游产品的开发十分必要。文章采用ISM 方法构建模型，发现游客选择景点的影响因素中最深层次的是景点类型；其次是景点密集程度与最佳旅游时间；再次是基础服务性信息；最后是住宿情况。对模型进行实证检验，发现该模型仅适用于在职人员，而学生群体表现出明显差异性。对研究内容以及成果进行总结后提出两点建议：对在职人员的景点宣传，可以依据上述模型层次进行递推推荐；由于学生群体表现较大的差异性，应该为学生群体提供个性化景点宣传。满足消费者旅游需求，将“互联网+”与旅游业进一步结合，推动智慧旅游的发展。
关键词： “互联网+” 智慧旅游 影响因素 ISM 方法
一、问题的提出
国内学者们对于“互联网+”时代背景下智慧旅游模式的研究主要采用文献收集、问卷调查的方法，阐述互联网+时代背景下智慧旅游模式的优势与劣势，再通过与管理学市场营销学等相关学科的知识进行结合，分析其对传统旅游服务业冲击的程度，反思传统旅游服务业该怎样才能适应时代潮流以及旅游的新环境，并提出解决建议。随着互联网技术的发展以及大数据工具的普及，公司对于用户画像以及用户心理的准确性会得到进一步的提高，大数据工具与旅游行业相结合，会使得营销效果更加精准，顾客也能直观地感受到自己的需求被不断地满足，用户体验以及消费感受不断升级，从根源上打造出一个良性的市场环境，从旅游营销与发展战略出发，提出了新旧合作战略以及创新营销，大数据营销战略。
在云计算层，使用Rest代理对智能传感设备和数据存储平台的时间响应并进行标记属于快消息还是慢消息；业务引擎在收到业务后，对业务进行过滤，通过业务处理时长与队列处理基准时长的比较结果动态调整队列映射配置表，随后将处理结果转发给智控引擎；智控引擎根据应用层的需要进行智能调控，并将相关的调控信息发送给推送引擎；推送引擎通过智能数据管理平台(Smart Data Management Platform, SDMP)引擎将指令发送给相应的智能终端，从而对用电设备发起控制。
紫苏性喜温暖湿润的气候。种子在地温5℃以上时即可萌发，适宜的发芽温度18～23℃。苗期可耐1～2℃的低温。植株在较低的温度下生长缓慢。夏季生长旺盛。开花期适宜温度是22～28℃，相对湿度75%～80%。较耐湿，耐涝性较强，不耐干旱，尤其是在产品器官形成期，如空气过于干燥，茎叶粗硬、纤维多、品质差。对土壤的适应性较广，在较阴的地方也能生长。
但是对于“互联网+旅游”优化策略模式下的精准营销模块，仅提出了建议，缺乏对于数据本身的详细研究，使得在结论运用上有一定难度，比如没有挖掘游记以及关键字的搜索量，用户的使用后点评，景点信息访问量等，也没有挖掘旅游用户在某旅游平台寻找合适旅游地点以及其相应的攻略，找寻背后需求推动的原因，因此没有办法准确剖析用户心理，不能准确做到给用户推送符合心理需求的旅游攻略。更重要的是没有总结出“互联网+”模式的弊端本质是在结合过程中过度重视互联网模式而忽略了旅游景点的本质宣传。
二、确定景点选择的影响因素并建立解释结构模型
本论文通过阅读相关文献，认为景点选择的影响因素可以分为16 项：景点密集程度、基础服务、交通便利程度、预定便捷性、支付便捷性、景点类型、景点人均消费、知名度、信息获取途径、安全性、住宿情况、餐饮美食、购物消费、最佳旅游时间、拥挤程度、历史评价。并利用ISM方法得到了以下模型。
但是，高级人工智能将以其高级能力将相生相克的大体平衡打破，它不依赖于其他任何生物，且可以超出人类的控制。如果高级人工智能被设定(或自我设定)的任务是无限复制X，那它就可能霸占地球(甚至比地球更大的范围)，使人类毁灭。如果X是不断复制自身，如蓝藻复制自己，那么，人工智能会利用一切可以利用的资源来复制自身，并且没有任何力量能够阻挡。人工智能通过自我复制来毁灭人类，与蓝藻的自我复制一样，是无需情感的非有意识行为。不过，高级人工智能只是有可能毁灭人类，而非必然。
Level4 最深层次的影响因素是S6 景点类型，游客在选择景点时最先考虑到的一定是景点类型，决定了所要前往的景点类型，接下来的其他因素才会纳入考虑。
Level3 次深层影响因素包括景点密集程度和最佳旅游时间。当游客选择景点时，若存在两个类型相似的景点，游客往往会选择景点密集程度较高的景点，可以花费较少的时间与精力游览到更多的景点；而计划前往的时间若正好是景点的最佳旅行时间，此时的景点更加具有魅力，旅客将会更愿意前往游玩，如若不是，游客可能会考虑前往其他处于最佳旅游时间的景点。
在职人员在选择景点时，更贴合上述模型结构。首先考虑的是景点类型，其次考虑景点密集程度以及最佳旅游时间，再次考虑一些服务性的影响因素，在基本确定了旅游行为之后，才会考虑住宿情况。
景点选择影响因素的ISM模型分析：
Among them,the linear velocity viof the centroid of each link Liinvolved in link Lprelative to the coordinate systemis
图1 最终结构模型图
而学生群体在选择景点时，与上述模型结构相差较大，更加具有特点，有不同的选择偏好，他们比较注重餐饮美食、住宿情况、交通便利程度、安全性以及拥挤程度。
Level1 模型中最浅层因素，住宿情况即景点周围的住宿环境是否良好，价格是否能够在预算范围中，此时旅客已经确定了景点，住宿情况是否符合要求不会对选择产生较大的影响。
食品添加剂的储存与使用应符合下列要求：食品添加剂应有专人采购、专人保管、专人领用、专人登记、专柜保存；食品添加剂的使用量与使用范围应符合GB2760的规定，并如实记录领用、使用情况；计量食品添加剂的电子秤等应定期做好检定，保留有效的检定证明；经营者不得采购、贮存和使用亚硝酸盐。
三、旅游用户景点选择影响因素解释结构模型实证分析
小组成员进行小组讨论，自行设计调查问卷，问卷主要包括用户的基本信息，选择景点时影响因素的重要程度，预订行为，模拟前往南京旅行时的个性选择等内容。在问卷正式派发之前，小组在朋友圈内进行小范围问卷发放，通过预调查检验问卷的质量，再与指导老师商讨，修改问卷，并于2019 年4 月利用问卷星网络调查平台的链接，通过微博、微信、QQ 及等网络方式以及线下选择人流量较大的景点进行问卷发放。
景点选择的影响因素是一个具有4 层的多级递阶系统。其中最底层的因素即深层影响因素是S6 景点类型，位于第三层的S1 景点密集程度及S14 最佳旅游时间，属于次深层影响因素；位于第二层的12 项因素在该模型中属于间接影响因素；最顶层的S11 住宿情况则是该系统中表层影响因素。经过问卷爬虫数据的实证分析，我们可以发现，该模型更符合在职人员，对于学生群体而言则有明显的差异性。
本调查研究共发放了710 份问卷，回收了710 份。为了确保数据的严谨有效性，删除无效问卷后，得到有效问卷数为605份。信度系数值为0.918，大于0.9。因而说明研究数据信度质量很高.
职业统计结果显示，有效问卷中群体为学生、企事业单位人员的比例分别为52.4%和17.85%，占据了绝对优势。其他比例较大的为私营业主（17.85%）和其他职业群体（14.55%）。
参考下方学生群体和其他群体的雷达图2 和图3，发现在职人员更接近于ISM模型划分的层次，而学生群体则有更显著的差异性，所以在统计景点选择影响因素的重要程度时，将人群划分为学生群体与在职人员：
图2 学生群体雷达图
图3 非学生群雷达图
表1 统计了学生及在职人员对于景点选择影响因素的重要程度的均值。从表1 中可以看出，在职人员群体的景点选择影响因素评分基本符合上文中所建立的景点选择影响因素的ISM模型，但学生群体的评分却与ISM模型相差较大，说明学生在景点选择上更具有特点，对比在职人员，学生群体更加注重餐饮美食、住宿情况、交通便利程度、安全性以及拥挤程度，在进行景点推荐时，更应该针对这些因素对学生群体进行个性化推荐。
表1 学生与在职人员景点选择影响因素的重要程度
通过数据分析，我们发现在职人员的旅游，更像是一种打卡式的游览，对于景点以及景点周围的服务并没有表现出太大的偏好。这可能与在职人员有限的休闲时间有关，由于在职人员的休息日固定，只有固定的小长假，因此绝大多数在职人员会选择在各种节假日出行，同时，会尽可能地用较少的时间游览尽可能多的地方，对于服务型影响因素并没有太大的需求。
语文思维的培养需要一个特殊的过程，应该借助文化熏陶的方式逐渐渗透到学生的内心，而且语文知识内容具有丰富的美的特征，教材中选入的课文具有语言美、形象美、意境美的特点，教师在教学中引导学生去阅读、分析、欣赏课文的过程中，学生的语文思维在潜移默化中得到了渗透培养，审美能力逐渐提升 。
Level2 被细分成了四个层次，其中的因素都是游客在基本确定目标时，再从中进行选择时会考虑到的因素。首先是历史评价与拥挤程度，游客在查阅历史评价时，其实就是在对其他低层次影响因素进行考虑。而景点密集程度会对游客的前往意向产生负影响，即景点越拥挤，游客对会降低选择该景点的可能性。其次是基础服务和知名度，景点的基础服务决定了游客在游玩时的满意度，如果必要的设施数量过少或无，会大大减少游客前往的意愿；现在是一个分享的时代，在游玩时游客都倾向于在社交平台发布照片、视频等，而发布时我们会优先发布知名度高景点的照片、视频。再次是交通便利程度、景点人均消费、餐饮美食、支付便捷性、购物消费、安全性，这些基本囊括了游客旅行时的花费项目。最后时预订便捷性和信息获取途径，在考虑到这一点时游客基本确定了景点的选择，已经在考虑景点门票及服务的购买。
问卷数据分析结果与ISM 模型中的四个层次有一定区别，模型中最重要的影响因素是景区类型，在问卷中并不是人们最重视的因素。而问卷数据显示出更多人对于安全性的考虑，安全性的平均分最高，考虑到问卷中学生的样本有317 份，占据一半以上的容量，于是对学生群体再次进行分析，发现学生群体与教师、教职人员、企事业单位等在职人员的考虑因素差异较大。非学生群体样本数据更接近于ISM模型的四个层次。因此可以针对学生群体的数据为学生群体提供符合学生需求的旅游服务，给其推荐满足学生群体对于安全性、交通便利性、景点美食以及拥挤程度方面需求的景点。
而学生群体的旅游，更加注重自身的享受，他们不在乎一次旅行究竟去了多少地方，只在乎自己的休闲体验。对学生群体而言，一个旅行所带来的自我放松远比景点本身带来的体验重要。学生群体假期丰富，除了双休日与小长假，还有寒暑假，甚至部分大学生群体在一些课程结束之后，可以在工作日就拥有一场说走就走的旅行。学生群体充足的休闲时间，使得他们不用压缩行程，打卡式的游览，同时，大部分学生群体的旅游错开各类小长假，因此，大部分景点的淡季，更有可能是学生群体的旺季旅游。就景点自身而言，更应该在这种“旅游淡季”提供更适合学生群体的服务。
四、建议
1.在进行景点相关的宣传时，应该考虑景点的主要受众人群，分析其所看重的因素，然后在着重考虑这些因素的基础上进行景点宣传方案的设计。
2.对于在职人员，线上旅游平台在进行景点推荐时，可以先进行景点类型的分类，然后根据景点所在地区其他景点的数量进行降序排列，并且尽量推荐处于最佳旅游时间的景点，其它信息可以在具体景点的相关界面进行呈现。
3.对于学生群体，他们有着明显区别于在职人员的景点选择需求偏好并且更加注重餐饮美食、住宿情况、交通便利程度、安全性以及拥挤程度。受学生群体所欢迎的小红书、微博等软件在进行景点推荐时，可以着重考虑这类因素，并且在日后更加注重学生群体的需求，
4.春季赏花、各个大学以及网红打卡类型的景点应该更加注重他们的受众即学生群体，在宣传时突出学生群体重视的因素，考虑到学生群体更具有个性化的需求，景点可以为学生提供更具有针对性的服务。并且主要在学生群体使用率高的平台投放广告。根据学生群体的需求进行改进。
5.由于学生群体具有更多的空闲时间，并且更加注重旅游时的个人体验，各类景点可以对学生群体推出工作日游玩的特惠活动，吸引学生群体的游玩兴趣，这样景点既可以弥补旅游淡季营收较低的问题，也可以使旺季人群分散，提供更好的旅游体验。
信息技术能够多样化地呈现内容，吸引幼儿的注意力，确保幼儿听到准确的发音、完整的故事情节[3] 信息技术能够生动形象地将图、文、声、像整合在一起，寻找有韵律的教学材料，实现幼儿和资源的互动，给幼儿呈现丰富的感知内容，符合幼儿生理和心理的特征，从而达到在与教师的互动中锻炼发音的目标。
参考文献：
[1]丁硕.大数据背景下旅游业营销传播战略研究[D]，吉林大学，2017
[2]刘鹏飞.刍议“互联网+”时代旅游电子商务的发展趋势[J].科技经济导刊，2018(07)
[3]聂琦露.“互联网+ 旅游”模式的优化——基于途牛旅游的分析[J].旅游纵览，2017.05.23(下)
[4]刘文斌.“互联网+ 旅游”新模式发展现状及对策研究[J].商场现代化，2017(07)
[5]刘丽华、何军.“互联网+ 旅游”背景下旅游服务业重构问题探讨[J].商业经济研究，2015(09)
中图分类号： F590
文献标识码： A
文章编号： 1004- 4914（2019）12- 161- 03
[项目名称：共享经济下旅游攻略类APP 需求及影响因素分析(项目编号：201813654020X)，项目成员：南京理工大学紫金学院胡晓轩，陶梦瑶，程美琪，陈美汐。]
(作者单位：南京理工大学紫金学院 江苏南京 210023 )
（责编：若佳）
标签：“互联网+”论文; 智慧旅游论文; 影响因素论文; ISM方法论文; 南京理工大学紫金学院论文;