网络信息与入境旅游流的V-R耦合关系分析——以澳大利亚入境旅游流为例，本文主要内容关键词为：旅游论文,澳大利亚论文,为例论文,关系论文,网络论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
文章编号：1003-7578(2012)06-214-06
随着信息技术的迅速发展，互联网已成为游客搜索信息并购买旅游产品的重要手段，互联网变革导致旅行代理商与顾客交互方式方法的巨大变化[1]。网络信息成为重要的旅游信息源，并对游客的旅游决策产生了重要的影响[2]。网络信息与客流的响应研究也成为近年来旅游研究的热点。Adams等对互联网促进印度向美国移民的作用进行了分析，研究了信息流对人流的导引[3]。Andrew等从西方游客的角度分析了以台湾为旅游目的地的36个旅游网站，指出信息流能够为游客提供导引[4]。Skadberg研究旅游网站吸引使用者访问旅游目的地的信息流，建立了信息流模型，指出信息流可导致使用者行为和态度变化[5]。路紫等在对现实地理空间和虚拟网络空间进行了比较，总结了两种空间对应的基本类型和特征[6]。研究了中澳网站信息流对留学人流导引作用，揭示了澳大利亚网站信息流对人流的导引的过程、强度和机理，证实了虚拟流动对对现实流动的作用，提出导引力模型[7-10]。王维祝等则以旅游景区网站为例，研究了网站功能对受众行为意向的影响机制[11]。从相关研究来看，学者们主要通过实证研究网站信息流对现实人流的导引路径、过程、强度以及网络信息流与现实人流的关联性进行了研究。但是从旅游网络信息空间与地理性的旅游现实空间的信息耦合欠缺。澳大利亚是我国入境旅游十大客源国之一，2000年以来其旅华游客占其出国旅游人数比例一直呈上升趋势，至2007年占到11.12%(表1)，远远超过了美国(2.97%)，澳大利亚已成为我国重要的潜力客源国。文中以入境旅游流对旅游网络信息的响应为切入点，从V(Virtual)-R(Real)双重维度视角下探讨二者之间的耦合关系。
1 数据采集与模型构建
1.1 数据采集
在线旅游信息搜索行为的研究表明，搜索引擎已经成为一个强大的接口，是游客搜索旅游信息的重要渠道[12-13]。因此，选择国外游客普遍使用的Goolge作为获取数据信息的主要途径。在Goolge引擎中输入China travel、travel in China、travel to China、China tours、traveling China等关键词，搜索关联度较高的网页；对搜索结果进行Alexa检索，了解澳大利亚用户的访问比率以确定观测网站。最后遴选出bookchinaonline，Chinatravel.com，Chinahighlights，Travelzoo，Away，chinatraveldepot，TravelChinaGuide，Lonelyplanet，Na-tionalgeographic，Tripadvisor等10个旅游网站。2010年8至10月，就遴选出的10大旅游网站进行网站流量、页面访问比例、反向链接数据以及网站内容等进行观测检索，对其文本、图片、音像等信息进行归类并建立信息数据库。澳大利亚入境旅游流数据来源于2008年和2009年的中国旅游统计年鉴。为保证研究结果的科学性，采用2007年和2008年两年数据的平均值反映澳大利亚入境旅游情况。
1.2 模型构建
1.2.1旅游网络推荐度
旅游网络推荐度是指网络对某一旅游目的地的总体推介程度，该因素受网站信息指数和网站关注度的影响。用网络推荐指数表示其推介力度，见式1。
其中，M为网络推荐指数，R为网站信息指数，I为网站关注度。网站信息指数是反映网站上某一旅游目的地信息丰富程度，包括图片、文字、线路等。通常，音像、图片信息更丰富而直观，对潜在旅游者的视觉冲击力度强，推介力度大；旅游目的地相关吸引物列举越多，介绍相对详尽，其推介力度也就越大；在同一页面上重复出现某个目的地名称，会加强印象，所以出现频次多，推介力度越大。此外，网站首页推介力度大。基于此，构建旅游目的地在某网站信息指数。
R为网站信息指数，其中f的取值为首页为1，二级页面为0.5，三级页面为0.25。W代表第i个城市出现过，P代表网页上的图片信息，n代表该城市相关图片信息出现频次，M代表城市名称或其相关吸引物出现的频次。对于网页中出现“长江”、“香格里拉”、“九寨沟”、“兵马俑”、“少林寺”、“平遥”、“阳朔”等关键词时，以其所在主要旅游目的地城市或省会城市计算。
1.2.2旅游流强度指数
入境旅游流强度指数是指旅游城市接待的某客源国入境游客总数占该客源国到达我国的入境游客总人次的比值。
2 耦合分析
2.1 城市旅游网络推荐度
根据公式2得到29个城市的网站信息指数，根据公式得到29个城市的网络推荐度(表3)。从网络推荐度的综合值看，可以划分为4个不同的推荐序列。M＞0.5，极力推荐序列；0.2≤M＜0.5，积极(主动)推荐序列；0.1≤M＜0.2，一般推荐序列；M＜0.1消极(被动)推荐序列。
北京、上海和西安处于极力推荐序列，其中，北京作为中国的政治、文化中心，成为旅游网络推荐度最高的城市。上海和西安的网络推荐度分别为0.577和0.573，一个是现代化典型代表，一个是凝聚中国悠久历史与厚重文化的载体，均是中外旅游网站推荐的热点城市。成都、桂林、拉萨、重庆、郑州的网络推荐度分别为0.417，0.404，0.382，0.208和0.203，这些城市代表中国自然风光、民俗风情和独具特色的中国功夫，对入境游客具有较高吸引力，因此进入积极推荐序列。太原、广州、昆明、杭州、洛阳、苏州、大同处于一般推荐序列。青岛、深圳、南京、武汉等14个城市列入消极推荐序列。
相比之下，中方旅游网站对中国城市的介绍比较全面和详细，既有传统的旅游热点城市，也有其他旅游城市，但推荐强度不同，其中网络推荐度名列前六位的分别是北京(0.632)，西安(0.525)，上海(0.497)，成都(0.392)，拉萨(0.332)，桂林(0.313)，仍然是入境旅游热点城市。国外旅游网站，推荐的主要是中国传统的入境旅游热点城市，其中，北京的网络推荐度最高，为0.101，其次是桂林(0.091)，上海(0.079)，拉萨(0.052)，西安(0.048)，昆明(0.039)，其他地区的推荐度非常低。从排序来看，中方旅游网站与国外旅游网站推荐的侧重点不同。
2.2 旅华澳大利亚游客旅游流强度指数
以2008年、2009年中国旅游统计年鉴为基础，利用公式4，计算旅华澳大利亚游客旅游流强度指数。根据结果划分为4级。其中，一级分布区为F＞0.1，是澳大利亚游客到访最集中的地区。二级分布区0.02≤F＜0.1，是澳大利亚游客的主要目的地；三级分布区0.01%≤F＜0.02，是澳大利亚游客进入的一般性目的地；四级分布区F＜0.01，是澳大利亚游客到访最少的地区。
从表4可以看出，上海和北京是澳大利亚游客到访的主要分布地区，以绝对优势处于第一层。其次是深圳、广州、西安、桂林、武汉、杭州、重庆、南京、苏州、昆明。三级分布区是成都、厦门、天津、青岛。其他13个城市属于四级分布区，是澳大利亚入境流强度最弱的地区。
2.3 网络推荐度与旅游流的耦合分析
网络推荐度反映的是虚拟信息流，而旅游流强度反映的是旅华澳大利亚游客的现实人流。利用公式5，可得主要旅游城市网络推荐度与旅游流的耦合度指数(表5)。根据η的大小，可以划分主要旅游城市的耦合类型。
(1)高耦合型区域(0.8≤η≤1.2)。有北京、重庆、兰州、哈尔滨、青岛、西宁、银川、乌鲁木齐等8个城市。北京属于典型的“双高型”高耦合区域，即网络推荐度高，实际旅游流强度也较高。北京是我国的首都，也是我国3大入境口岸之一，拥有丰富的旅游资源和便利的交通。因此是旅游网络首推城市，也是澳大利亚游客到访焦点区之一。重庆的网络推荐度比较高，在29个城市中排名第6，作为长江黄金旅游线路的起点，成为中方旅游网站重点推荐的城市之一，实际旅游流强度也比较高，处于二级分布区，是澳大利亚入境旅游的主要目的地之一。
兰州、哈尔滨、青岛、西宁、银川、乌鲁木齐均属于“双低型”高耦合区域。网络推荐度和旅游流强度均比较低。其中兰州、西宁、银川、乌鲁木齐均处于西北地区，旅游整体发展水平低，网络营销能力弱，因此关于这几个城市的网络旅游信息非常少，实际到访的澳大利亚游客也很少。哈尔滨和青岛的网络推荐度均小于0.1，是旅游流强度最弱分布区之一。
(2)中耦合型区域(0.6≤η＜0.8或1.2＜η≤1.4)。大连、黄山、贵阳、昆明、大同、洛阳、上海等7城市属于中耦合型区域。其中，大连、黄山、贵阳、昆明旅游网络推荐度略高于实际旅游流强度指数，而大同、洛阳、上海则实际旅游流强度高于网络推荐度，但总体上旅游流强度与旅游网络推荐度耦合较好。这些城市或以独具特色的自然风光闻名，或拥有丰富的人文景观，本应成为澳大利亚入境旅游主要的目的地。但是，除上海和昆明外，实际到访的澳洲游客均比较少。究其原因，对于大尺度的游客，尤其是对第一次到中国的澳洲游客吸引力有限，从旅游网站角度，这些城市的推荐价值自然低于有代表性的北京、西安等城市。上海是我国的经济中心和三大口岸之一，旅游网络推荐度高，但是由于商务等因素，其实际到访人数高于旅游推荐。
(3)低耦合型区域(0≤η＜0.6或1.4＜η≤2.0)。轻度耦合型区域主要有广州、厦门、天津等3个城市。厦门和天津的推荐度很低，但是其旅游流强度指数较低的类型，这主要是厦门和天津在我国不属于入境旅游的热点城市，但是对入境游客有一定的吸引力。广州的推荐度接近所有城市推荐度的平均值，但是其作为澳大利亚游客最主要的出入境口岸城市和我国三大经济中心之一，其客流强度远高于平均水平。
(4)极不协调型耦合区域(η＜0或η＞2)。一般而言，网络推荐度高则入境旅游流强度大，网络推荐度低则入境旅游流强度低，但研究显示，实际旅游流强度的大小还会受到其他因素的影响。在极不协调型耦合区域中，有明显的四种分化：1)低(网络推荐度)—高(高强度旅游流)型，杭州、深圳、武汉、南京、苏州、深圳属于此类型。受上海及长三角经济区的影响及商务旅游因素，加之杭州、苏州为传统的旅游热点城市，致使杭州、武汉、南京、苏州的澳大利亚入境旅游流强度高，但网络推荐度低。深圳毗邻香港，是我国入境旅游重要的交通集散地，加之在珠三角的重要经济地位，是旅华澳大利亚游客人数仅次于上海、北京的第三个城市，但网络推荐度低。2)高(网络推荐度)—中(中强度旅游流)型，西安、桂林、成都是传统意义上的入境旅游热点城市，网络推荐度高，分别为0.573、0.404和0.417。但高网络推荐度并没有产生与之相匹配的高入境旅游流。3)高(网络推荐度)—低(旅游流强度)，拉萨的知名度得益于其神秘宗教文化和独特自然景观，但是由于交通和气候条件等因素的限制，其旅游流强度远远低于其网络推荐度。4)太原、郑州属于中(网络推荐度)—低(旅游流强度)，这两个城市不是典型的入境旅游城市，实际国际知名度相对比较低。但由于平遥古城、少林寺及少林功夫的原因，使得太原和郑州为中方旅游网站推荐较多目的地之一。
3 研究发现与讨论
通过对澳大利亚用户关注度比较的十大旅游网站的文本挖掘和质性分析，结合澳大利亚入境旅游流强度分析，探讨旅游网站的网络推荐度和现实旅游流强度之间的耦合关系，研究发现：
(1)旅华澳大利亚客流强度和网络推荐度耦合关系表现出四种形态——高耦合型、中耦合型、低耦合型和极不协调型。分析结果显示，两者的耦合关系整体上符合“高网络推荐度引发高旅游流强度，低网络推荐度导致低旅游流强度”的一般认识。
(2)从极不协调型耦合的数据来看，网络信息流与现实旅游流的耦合关系复杂，并非直接的对应关系。两者的耦合会受城市经济发展水平、区位、口岸城市以及贸易联系等因素的影响。
(3)高网络推荐度的城市主要是著名的旅游城市和经济发达城市。观测旅游网站中网络推荐度总排名前六位的是北京、上海、西安、成都、桂林、拉萨，这些城市代表着中国的古老、现代、人文与自然山水，成为中国旅游的精华所在，是专业旅游网站主要推介对象。
(4)我国城市在国外旅游网站的推荐度低。大部分网站的首页推荐度为0，Lonelyplanet，Nationalgeographic，Away等网站的三级页面才会出现中国旅游城市的相关信息，并且主要以文字信息为主，在市场竞争激烈的今天，我国城市的网络营销应加强在国际知名旅游网站的宣传力度，提高旅游城市在国际市场的影响力和竞争力。
(5)在遴选观测对象的过程中发现，中方旅游网站的流量排名落后，其主要客源国用户使用量所占比例比较低，其国际化程度有待提高。在所观测五个中方旅游网站中，网站流量总排名均在1万名以后，Bookchinaonline和Chinatraveldepot则在10万名以后。国外旅游网站的流量总排名相对比较靠前，例如Tripadvisor网站流量总排名314，Lonelyplanet和Travelzoo等几个网站也在千名左右。国内网站应努力提高其流行度和影响力，从而形成强大的网络营销能力。