張碧星，周曉麗

(長治學院歷史文化與旅游管理系，山西長治 046000)

旅游決策作為一個復雜的決策過程[1]，它涉及環(huán)境感知、信息搜集和信息比較與判斷等環(huán)節(jié)，其中處于中間核心環(huán)節(jié)的是信息搜集，信息的有效搜集影響旅游者對旅游目的地的環(huán)境感知[2]．旅游者通過不同的渠道獲取信息，結(jié)合自身因素對環(huán)境進行感知，特別是空間距離的感知對最終旅游決策具有顯著影響[3]．隨著互聯(lián)網(wǎng)信息通信技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)成為潛在旅游者進行旅游決策制定的重要信息源．潛在旅游者的互聯(lián)網(wǎng)旅游信息搜索行為可以直接、客觀地反映其去旅游目的地或旅游景區(qū)的意向，研究旅游者互聯(lián)網(wǎng)信息搜索行為的時空分布特征可以幫助目的地或景區(qū)更好地把握旅游需求的時空分布特征，為促進目的地或景區(qū)的旅游發(fā)展、市場營銷提供決策依據(jù)．

宗教旅游目的地作為特殊的一類旅游場所，一方面其特殊精神內(nèi)涵不僅對具有宗教旅游動機的旅游者具有穩(wěn)定而較強的吸引力；另一方面其蘊含深邃、豐富的文化及其依賴的優(yōu)美環(huán)境，對非宗教旅游動機旅游者也具有廣泛的吸引力．在網(wǎng)絡(luò)時代下，旅游決策行為也表現(xiàn)出強烈的網(wǎng)絡(luò)信息搜索傾向，對于宗教旅游地網(wǎng)絡(luò)關(guān)注時空差異研究，特別是對網(wǎng)絡(luò)關(guān)注集中度及其影響因素的研究，不僅可以揭示其旅游需求的時空結(jié)構(gòu)集中狀況，而且可以為旅游目的地后續(xù)的針對性營銷、資源開發(fā)和容量管理等提供參考．

大數(shù)據(jù)背景下，百度、谷歌、新浪等平臺都保存了消費者的信息搜索數(shù)據(jù)，為進行旅游研究提供了便利，因此近幾年利用各大網(wǎng)絡(luò)平臺提供的數(shù)據(jù)，研究旅游者網(wǎng)絡(luò)關(guān)注度的文獻較多.從研究的內(nèi)容看，主要包括以下3方面：第一，旅游者網(wǎng)絡(luò)關(guān)注度的時空分布特征及影響因素研究[4-9]．大多研究是基于百度指數(shù)平臺獲取某目的地或景區(qū)特定關(guān)鍵詞一定時段的搜索量數(shù)據(jù)，時間上分析其年際、季度、月度、周內(nèi)分布規(guī)律并探究其影響因素，空間上分析網(wǎng)絡(luò)關(guān)注度的區(qū)域、省際和城市關(guān)注度差異并探討其影響因素，研究方法從初期的簡單Excel分析到后來的SPSS和Eviews定量指數(shù)分析、相關(guān)分析和回歸分析等．第二，旅游網(wǎng)絡(luò)關(guān)注度和旅游客流的相關(guān)性或耦合性研究[10-13]．這些研究多采用定量研究方法，主要為協(xié)整檢驗和格蘭杰因果關(guān)系檢驗等，研究結(jié)論證明了旅游網(wǎng)絡(luò)關(guān)注度和旅游客流量之間的顯著相關(guān)性和因果關(guān)聯(lián)性，因此很多學者將網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)引入目的地或景區(qū)的客流量預測研究．第三，基于網(wǎng)絡(luò)關(guān)注度的需求分析和營銷策略研究[14-16]．這是近幾年網(wǎng)絡(luò)關(guān)注度研究進一步深入的結(jié)果，學者利用網(wǎng)絡(luò)關(guān)注度和旅游客流之間的密切相關(guān)性，利用網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)研究需求偏好和相應(yīng)的營銷策略，但這方面的研究剛剛起步，亟待深化．

五臺山居我國四大佛教名山之首，其藏傳和漢傳佛教的空間同一，每年吸引數(shù)百萬游客來訪，在佛教旅游地中具有典型代表性，研究其網(wǎng)絡(luò)關(guān)注度的時空分布特征及影響因素，對于了解和促進該類旅游地發(fā)展具有現(xiàn)實意義．

1 數(shù)據(jù)來源和研究方法

1.1 數(shù)據(jù)來源

目前關(guān)于網(wǎng)絡(luò)關(guān)注度時空分布特征影響因素分析的數(shù)據(jù)基本來源于百度指數(shù)平臺特定關(guān)鍵詞的用戶關(guān)注度數(shù)據(jù)，文中也沿用這一數(shù)據(jù)來源渠道，獲取百度指數(shù)平臺關(guān)于五臺山景區(qū)的用戶關(guān)注度數(shù)據(jù)．在百度指數(shù)平臺查詢到和五臺山景區(qū)有關(guān)的收錄關(guān)鍵詞包括“五臺山旅游攻略”“五臺山天氣”、“五臺山地圖” “五臺山門票” 和“五臺山在哪兒”等，但不同關(guān)鍵詞各省市搜索數(shù)據(jù)的排名存在明顯差異，為了研究的便利與統(tǒng)一，且考慮到這些詞都含有五臺山這一景區(qū)名稱，因此以“五臺山”為關(guān)鍵詞，提取了百度指數(shù)平臺2011—2017年度全國31個省(自治區(qū)、直轄市)對“五臺山”的日搜索量數(shù)據(jù)，使用其日網(wǎng)絡(luò)關(guān)注度之和作為五臺山全國日網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)．

其他影響因素數(shù)據(jù)主要來源于2011—2017年《中國統(tǒng)計年鑒》和互聯(lián)網(wǎng)信息中心發(fā)布的《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》．

1.2 研究方法

以選取2011年1月—2017年12月各省、自治區(qū)和直轄市對五臺山的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，借鑒網(wǎng)絡(luò)關(guān)注度時空差異的研究方法，引入?yún)^(qū)域經(jīng)濟差異的分析方法，采用網(wǎng)絡(luò)關(guān)注度的季節(jié)性集中指數(shù)(Seasonal concentration index)、地理集中指數(shù)(Geographic concentration index)、變異系數(shù)(Coefficient of variation)、市場集中度指數(shù)(Market concentration index)等指標，采用SPSS 19.0和Eviews 9.0軟件分析各省對五臺山網(wǎng)絡(luò)關(guān)注度的時空差異特征．

1.2.1 季節(jié)性集中指數(shù)和地理集中指數(shù) 季節(jié)性集中指數(shù)(R)主要是用來反映研究對象時間分布集中程度的一個指標，用其來比較判斷不同年份五臺山網(wǎng)絡(luò)關(guān)注度月度時間分布集中程度，R值越大，說明信息檢索的淡旺季差異越大，其公式為[2]76

其中,xi為各月網(wǎng)絡(luò)搜索指數(shù)占全年比重．

地理集中指數(shù)(G)是用來反映被研究對象地理區(qū)域分布集中程度的一個指標，文中用其反映五臺山網(wǎng)絡(luò)信息搜索用戶省際間的空間集中程度,G值越接近100，說明信息用戶的搜索地越集中,值越小，則說明越分散，其公式為[17]367

其中，n為樣本數(shù)量；pi為i地區(qū)網(wǎng)絡(luò)信息搜集量；P為網(wǎng)絡(luò)信息搜集總量．

1.2.2 變異系數(shù) 變異系數(shù)(VC)，也稱變差系數(shù)、離散系數(shù)，是一組樣本數(shù)據(jù)的標準差與其平均值的百分比，用來測算數(shù)據(jù)離散程度，是一種相對差異量數(shù)．用來測量集中量數(shù)相差較大的數(shù)據(jù)變異情況的比較變差系數(shù)，離散系數(shù)越大，說明數(shù)據(jù)樣本的離散程度越大，其平均數(shù)的代表性越差．文中使用變異系數(shù)測量五臺山網(wǎng)絡(luò)關(guān)注度的省際差異程度,VC值越大，意味著五臺山網(wǎng)絡(luò)關(guān)注度的省際間差異越大，其計算公式為[18]346

1.2.3 市場集中度指數(shù) 市場集中度是指特定市場中前幾位最大企業(yè)所占的市場份額．一般來講，市場集中度越高，說明大企業(yè)的市場支配能力越強，則企業(yè)間的競爭程度就越低；反之，競爭加劇．經(jīng)常使用的集中度計量指標有行業(yè)集中率(Concentration rate)、赫芬達爾系數(shù)(Herfindahl index)和首位度(Primacy index)．文中使用赫芬達爾系數(shù)(H)衡量五臺山網(wǎng)絡(luò)關(guān)注度的時間集中程度和地理集中程度,H值越接近1，表示五臺山網(wǎng)絡(luò)關(guān)注度的時間和空間分布聚集程度越高；反之,H值越接近0，五臺山網(wǎng)絡(luò)關(guān)注度的時空聚集程度越低，其計算公式為[19]102

其中,n為樣本數(shù)量；Pj為j地域或j月占總數(shù)的比重．

使用赫芬達爾系數(shù)(H)、首位度(P)和行業(yè)集中率(RC)衡量五臺山網(wǎng)絡(luò)關(guān)注度的省際集中程度．首位度計算公式為[19]102

其中,p1,p2分別為提名前兩位省份的搜索量.P值越大，說明搜索量越集中，越不均勻．

行業(yè)集中率計算公式為[21]306

其中,∑(Xi)n為排名前n位省份的搜集量總和；∑(Xi)N為全部搜集量總和.RC值越大說明搜索量越集中．

2 五臺山網(wǎng)絡(luò)關(guān)注度的時空特征分析

2.1 五臺山網(wǎng)絡(luò)關(guān)注度的時間差異分析

大多關(guān)于網(wǎng)絡(luò)關(guān)注度時間分布的研究均證明了網(wǎng)絡(luò)關(guān)注度的年際遞增和周內(nèi)工作日高、周末低的分布規(guī)律，研究發(fā)現(xiàn)五臺山旅游網(wǎng)絡(luò)關(guān)注度的年際和周內(nèi)分布亦符合這一規(guī)律，因此不再單獨列出，這里僅分析五臺山網(wǎng)絡(luò)關(guān)注度的月度差異變化．

通過2011—2017年五臺山各月網(wǎng)絡(luò)關(guān)注度占全年的比重(表1)可見，若以高于各月平均占有率8.33%為分界線，每年4—10月可以看成是五臺山旅游網(wǎng)絡(luò)關(guān)注度的旺季，11月到次年3月為五臺山網(wǎng)絡(luò)關(guān)注度的淡季．網(wǎng)絡(luò)關(guān)注度的旺季時段正好也是五臺山旅游的高峰期，尤其是每年7—8月，正值暑期，五臺山由于氣候清涼等因素，正處于旅游高峰期，因此關(guān)于五臺山的網(wǎng)絡(luò)關(guān)注度也比較高；10月以后，五臺山氣溫急劇下降，甚至出現(xiàn)降雪，旅游開始進入淡季，關(guān)于五臺山的網(wǎng)絡(luò)關(guān)注度也比較低．但是總體來看，五臺山各月網(wǎng)絡(luò)關(guān)注度的差異并不像一些景區(qū)那么明顯，淡旺季之間的差異相對較?。?/p>

表1 2011—2017年五臺山各月網(wǎng)絡(luò)關(guān)注度占全年的比重

采用赫芬達爾系數(shù)和季節(jié)性集中指數(shù)對2011—2017年五臺山網(wǎng)絡(luò)關(guān)注度的各月指數(shù)進行測算，結(jié)果列于表2.可以看出，2011—2017年五臺山網(wǎng)絡(luò)關(guān)注度的季節(jié)性集中指數(shù)分別為1.787 3,1.622 6,3.676 6,1.544 4,1.794 3,1.510 9和1.775 0，除 2013年五臺山網(wǎng)絡(luò)關(guān)注度的季節(jié)差異特別明顯，季節(jié)集中指數(shù)高達3.676 6外，其余年份五臺山網(wǎng)絡(luò)關(guān)注度的季節(jié)性差異相對較小，在1.7左右徘徊，近7年五臺山網(wǎng)絡(luò)關(guān)注度的季節(jié)差異波動不大．結(jié)合五臺山網(wǎng)絡(luò)關(guān)注度的赫芬達爾系數(shù)各年均低于0.1，說明五臺山網(wǎng)絡(luò)關(guān)注度的淡旺季差異相對比較小，相對淡旺季差異明顯的景區(qū)而言五臺山各月網(wǎng)絡(luò)關(guān)注度分布比較均勻，這也說明宗教旅游地和一般自然風景類旅游地比較雖存在旅游接待季節(jié)性差異，但變化較小．

2.2 五臺山網(wǎng)絡(luò)關(guān)注度的省際差異分析

以各省網(wǎng)絡(luò)關(guān)注度指數(shù)比上五臺山的全國網(wǎng)絡(luò)關(guān)注度指數(shù)得出各省五臺山網(wǎng)絡(luò)關(guān)注度的全國市場占有率，結(jié)果見表3，可見五臺山網(wǎng)絡(luò)關(guān)注度存在顯著的省際差異特征．

表2 2011—2017年五臺山網(wǎng)絡(luò)關(guān)注度的赫芬達爾系數(shù)和季節(jié)性集中指數(shù)

具體而言，對五臺山網(wǎng)絡(luò)關(guān)注度最高的省份是北京、山西和河北，連續(xù)7年它們的網(wǎng)絡(luò)關(guān)注度市場占有率都排在31個省、自治區(qū)和直轄市的前三位.從空間區(qū)位看，這3個省距離五臺山最近，出游比較便利，成為五臺山的重要客源市場.山東、廣東、河南的五臺山網(wǎng)絡(luò)關(guān)注度市場占有率僅次于北京、山西和河北，這6個省7年的網(wǎng)絡(luò)關(guān)注度平均市場占有率超過了五臺山全國網(wǎng)絡(luò)關(guān)注度的40%，市場集中度較高；但是西藏、青海、寧夏、海南和新疆連續(xù)7年對五臺山的網(wǎng)絡(luò)關(guān)注度市場占有率均排在31個省(市、區(qū))的最后5位，這幾個省份普遍距離五臺山較遠，經(jīng)濟發(fā)展水平及網(wǎng)絡(luò)普及程度相對滯后，5個省份網(wǎng)絡(luò)關(guān)注度平均市場占有率之和僅占五臺山全國網(wǎng)絡(luò)關(guān)注度的5.5%，難以成為五臺山的目標市場．

對五臺山網(wǎng)絡(luò)關(guān)注度的變差系數(shù)、赫芬達爾系數(shù)、首位度和地理集中度指數(shù)進行計算，結(jié)果列于表4．2011—2017年31個省、自治區(qū)和直轄市對五臺山的網(wǎng)絡(luò)關(guān)注度變差系數(shù)約0.7，2017年達到0.715 0，差異波動，呈現(xiàn)“增—減—增—減”態(tài)勢.具體來看2011—2012年呈上升趨勢，2013年出現(xiàn)了明顯幅度的減少，2014—2015年連續(xù)增加，2016—2017年又開始減少，但從整體來看其波動變化較小；赫芬達爾系數(shù)在0.04～0.05波動，說明各省對五臺山的網(wǎng)絡(luò)關(guān)注度積聚程度較低，關(guān)注較為分散，且7年波動不大；首位度在1.0～1.2，說明對五臺山關(guān)注度最高的省份和次高省份差距不大，結(jié)構(gòu)較為合理；地理集中指數(shù)在21～22，變化幅度較小，從省際的角度來看對五臺山網(wǎng)絡(luò)關(guān)注度雖不均衡，但未過度集中于某一區(qū)域．進一步統(tǒng)計2011—2017年排名前10的省份網(wǎng)絡(luò)關(guān)注度比重(表4)可見，7年間排名前10的省份網(wǎng)絡(luò)關(guān)注度比重均超過55%，省際間分布的集中程度較高．

3 五臺山網(wǎng)絡(luò)關(guān)注度影響因素的相關(guān)性分析

3.1 影響因素的選取

旅游者對目的地或景區(qū)的網(wǎng)絡(luò)關(guān)注度是在需求的制約下，為降低決策的風險而在互聯(lián)網(wǎng)上主動進行信息搜索的行為結(jié)果[21]．因此，凡是影響旅游者需求的因素和影響旅游者信息獲取行為的因素都是影響網(wǎng)絡(luò)關(guān)注度的因素．根據(jù)市場營銷的研究結(jié)果“需求=人口規(guī)模+購買力+購買欲望”，客源地的人口規(guī)模和購買力是旅游需求最重要的兩個影響因素[22]；潛在旅游者的信息來源渠道多種多樣，在需求喚起的約束下，旅游者既可以主動地通過互聯(lián)網(wǎng)搜索自己所需信息，也可以通過親朋好友的口碑推薦或其他渠道獲取所需信息，而客源地互聯(lián)網(wǎng)發(fā)達程度和潛在旅游者的受教育程度是影響其通過互聯(lián)網(wǎng)主動檢索所需信息的重要因素．這些因素的提取和之前學者的研究基本相似，差距較大的是文中選取了各省的人均消費水平而非人均GDP代表客源地的購買力，結(jié)合宗教文化作為宗教旅游地的核心[23]及五臺山旅游者學歷程度構(gòu)成情況[24]，選取了大專及以上人數(shù)占總?cè)藬?shù)的比例而非絕對人數(shù)代表各省的受教育程度，因為絕對人數(shù)又潛在地受到了人口規(guī)模這一因素的影響，對于多位學者采用的兩地間經(jīng)濟聯(lián)系指標文中進行了剔除，一方面是因為在理論分析中沒有這一指標考慮，另一方面是因為學者對兩地間經(jīng)濟聯(lián)系強度的計算公式涉及兩地的人口規(guī)模、距離和國內(nèi)生產(chǎn)總值(即地方經(jīng)濟發(fā)展水平)，與指標中幾個因素重疊，意義不大．因此，最后選取了31個省、自治區(qū)和直轄市的互聯(lián)網(wǎng)普及率、人均消費水平、人口規(guī)模、距離五臺山的距離和大專及以上人數(shù)占人口總數(shù)的比例作為可能的影響因素進行研究，分別記為X1,X2,X3,X4,X5，各省網(wǎng)絡(luò)關(guān)注度作為被解釋變量，記為Y．

表3 2011—2017年各省(市、區(qū))五臺山網(wǎng)絡(luò)關(guān)注度比率(%)

3.2 影響因素的實證分析

由于2018年《中國統(tǒng)計年鑒》尚未出版，2017年《中國統(tǒng)計年鑒》統(tǒng)計的是2016年中國各省區(qū)的經(jīng)濟、人口等情況，因此筆者以2011—2016年網(wǎng)絡(luò)關(guān)注度和以上5個影響因素為數(shù)據(jù)源采用Eviews進行面板數(shù)據(jù)的協(xié)整檢驗和回歸檢驗．

表4 2011—2017年五臺山網(wǎng)絡(luò)關(guān)注度的省際差異測算

為了減少共線性和異方差出現(xiàn)的概率，將所有的變量取對數(shù)進行檢驗．協(xié)整檢驗理論的前提是各自變量單整階數(shù)不高于因變量單整階數(shù)，因此首先對各變量進行ADF單位根檢驗，結(jié)果見表5.變量X4距離是特征變量，不隨時間變化而變化，因此屬于常數(shù)序列，其他變量均在面板數(shù)據(jù)單位根檢驗(LLC方法)對應(yīng)的P值遠小于顯著性水平0.01上，拒絕存在單位根的假設(shè)，為0階單整平穩(wěn)變量，滿足協(xié)整關(guān)系檢驗的前提條件．

表5 變量的單位根檢驗結(jié)果

進行序列的協(xié)整關(guān)系檢驗[25]，對模型進行回歸后，預測其殘差項(e)，若殘差項是單整序列，則說明存在協(xié)整關(guān)系．根據(jù)計算結(jié)果對回歸后殘差項(e)進行平穩(wěn)性檢驗，殘差序列為平穩(wěn)的0階單整序列，結(jié)果說明各變量之間存在協(xié)整關(guān)系，因變量和自變量存在內(nèi)在長期穩(wěn)定關(guān)系，可基于此進行面板數(shù)據(jù)回歸分析[26]．

為了確定面板數(shù)據(jù)是固定效應(yīng)模型還是隨機效應(yīng)模型[27]，采取HAUSMAN檢驗，檢驗結(jié)果為卡方統(tǒng)計量130.04，P值為0.000，即在1%水平下拒絕原假設(shè)，使用固定效應(yīng)模型．基于Eviews對被解釋變量和解釋變量進行固定效應(yīng)模型回歸，結(jié)果見表6．從回歸結(jié)果來看，擬合方程的R2為0.9998，調(diào)整的R2為0.9997，解釋程度達99.9%，模型擬合結(jié)果較好．除了變量X4在10%水平上顯著外，其余自變量均在5%水平上顯著，且自變量互聯(lián)網(wǎng)普及度、人均消費水平、人口規(guī)模和大專以上占比系數(shù)均顯著為正，說明它們對網(wǎng)絡(luò)關(guān)注度呈正向影響，距離變量系數(shù)顯著為負，說明距離對網(wǎng)絡(luò)關(guān)注度呈現(xiàn)負向作用．各自變量影響程度從高到低排列為距離、人口規(guī)模、人均消費水平、互聯(lián)網(wǎng)普及率和大專以上人數(shù)占人口總數(shù)的比率．

表6 回歸模型估計結(jié)果

*在10%水平上.

4 結(jié)論與討論

4.1 結(jié)論

基于百度指數(shù)，使用2011—2017年全國31個省、自治區(qū)和直轄市對五臺山的網(wǎng)絡(luò)關(guān)注度指數(shù)，分析了五臺山網(wǎng)絡(luò)關(guān)注度的時空分布特征和影響因素，結(jié)論如下：

1)五臺山網(wǎng)絡(luò)關(guān)注度的時間分布存在季節(jié)性差異，每年的4—10月是五臺山網(wǎng)絡(luò)關(guān)注度的高峰期，11月到次年3月是五臺山網(wǎng)絡(luò)關(guān)注度的淡季，但總體而言，季節(jié)性波動差異不大．

2)五臺山網(wǎng)絡(luò)關(guān)注度存在省際間的顯著差異，北京、山西、河北、山東、河南、廣東等排名靠前，西藏、青海、寧夏、海南和新疆排名靠后，且存在較大差距．2011—2017年省際間變異系數(shù)在0.7左右波動，省際差異較大．各省對五臺山的網(wǎng)絡(luò)關(guān)注度聚集程度較低，關(guān)注相對比較分散．

3)通過相關(guān)分析發(fā)現(xiàn)，距離、互聯(lián)網(wǎng)普及率、受教育程度、地區(qū)人口規(guī)模和人均消費水平等因素是五臺山網(wǎng)絡(luò)關(guān)注度空間分布差異的主要影響因素．網(wǎng)絡(luò)用戶所在地區(qū)距離五臺山越近、受教育程度越高、所在地互聯(lián)網(wǎng)越發(fā)達、人口規(guī)模越大、人均消費水平越高，對五臺山的網(wǎng)絡(luò)關(guān)注度也越高，反之亦然．但是各因素對五臺山網(wǎng)絡(luò)關(guān)注度的影響程度不一，影響最大的是距離因素，對五臺山網(wǎng)絡(luò)關(guān)注度呈阻礙作用；客源地的人口規(guī)模和人均消費水平，對五臺山網(wǎng)絡(luò)關(guān)注度有較高的正向貢獻；互聯(lián)網(wǎng)普及率和受教育程度的正向貢獻相對較低．

4.2 討論及建議

在本研究中，對于網(wǎng)絡(luò)搜索關(guān)鍵詞選取的針對性、準確性有待提高，文中主要通過PC端進行了信息搜集與分析，而對于移動客戶端未涉及，因此在信息搜集完整性有待提高與區(qū)別；另一方面，在選擇對搜索的影響因素時，影響因素的選擇面還不夠?qū)?，主觀性較強，未通過定量分析進行篩選，因此在科學性方面有待提高．

1)注重制定差異化營銷策略．由于宗教旅游地具有的穩(wěn)定香客資源，使其在季節(jié)性差異方面表現(xiàn)相對觀光型旅游地來說不明顯，但如能保持一定程度的差異，對促進旅游區(qū)的發(fā)展特別是經(jīng)濟發(fā)展具有一定現(xiàn)實意義；宗教旅游地空間吸引力與其他類型旅游地具有一致性，即都存在明顯吸引的空間距離衰減．在時間差異方面，游客對五臺山的網(wǎng)絡(luò)關(guān)注度存在季節(jié)性差異，但季節(jié)性差異不大，結(jié)合五臺山目前的季節(jié)性表現(xiàn)出旺季不夠旺的特點，今后應(yīng)進一步加強五臺山的旺季營銷．選擇每年的4—10月強化營銷，尤其是在公共假日來臨之前，加強營銷．旅游淡季，由于宗教型旅游地吸引的特殊性，保持一定營銷力度即可；在空間差異方面，注重北京、山西、河北、山東、河南等山西周邊省份目標市場的營銷推廣活動，改善和周邊省份的交通通達性；加強在距離稍遠但是經(jīng)濟發(fā)達省份的旅游推廣和宣傳，吸引遠距離客源市場的游客來訪．

2)注重游客滿意度的提高．新媒體時代旅游者的信息獲取渠道發(fā)生了較大的變化，越來越多的潛在旅游者在互聯(lián)網(wǎng)終端主動搜索所需信息，而已游游客也會將自己的出游經(jīng)歷和感受發(fā)布在互聯(lián)網(wǎng)上成為其他潛在游客的信息源，因此注重游客滿意度的提高，既有助于促使游客發(fā)布正面的口碑評價給其他游客，也有利于提高旅游地游客的重游率．宗教型旅游地與其他類型旅游地在這方面存在著普遍的一致性．