張 誠，張 琦，王富榮，陳宇新，陸雄文

(1. 復旦大學管理學院, 上海 200433；2. 上海紐約大學商學部，上海 200122)

0 引 言

“體驗經濟”自Meyer和Schwager[1]提出后，已逐漸成為當代企業(yè)服務營銷的重要組成.體驗經濟是指以提供體驗作為主要經濟提供品的經濟形態(tài)，強調如何將消費者的“體驗”需要轉變?yōu)楝F實需求, 從而轉化為消費力與購買力的過程.

體驗服務的特征體現在, 消費者具有強烈的參與性和接觸性、企業(yè)對消費者的體驗活動進行收費以及個性化的生產和消費[2]，這其中影響消費者的主導因素是感覺、感受或情感等.從本質上說體驗式服務是一系列特定體驗活動的產物，是消費者在特定地點花費時間經歷和感受所形成的，受許多因素影響，比如個人感知、地方印象以及所消費的產品等.社會擴散是其中最重要的影響機理之一[1].已有文獻關注擴散過程中用戶的人口經濟特征、服務本身特征以及用戶的人格特質等[3-5]，并多采用調研問卷或仿真模型的方法識別服務傳染的機制[6-7].比如Zaffar等[6]基于主體建模的方式探索了銀行金融服務的擴散，發(fā)現用戶的風險偏好顯著影響服務的擴散效應.

其中，主題公園是體驗經濟的重要組成之一.它提供的服務包括親身經歷、心理感受以及經濟商品.根據2018年AECOM發(fā)布的行業(yè)報告(1)報告來源：https://www.aecom.com/cn/wp-content/uploads/2018/11/chinathemeparkpipeline.pdf，中國主題公園游客總量現今已達到近1.9億人次，預計2020年的游客量將達到2.3億.現運營的主題公園中，部分頭部主題公園(如迪士尼樂園)的投資額超過人民幣50億元，近一半的主題公園投資額在人民幣11億元到30億元之間.主題公園發(fā)展所輻射的區(qū)域經濟帶動作用，也受到了學界和業(yè)界的廣泛關注[8-9].

體驗式服務(如旅游景點、主題公園、電影院)通常有固定的地理位置，用戶需要花費時間、跨越特定距離來參與，因而用戶的地理屬性在社會擴散中的作用大大提高.但現有文獻通常采用將用戶地理屬性作為控制變量的做法[10]，或直接忽視地理屬性、而只考察空間相對距離的社會擴散[11-12].這帶來了兩個問題，一是無法分離地理屬性對服務的擴散影響；二是難以準確量化其影響程度，尤其是地區(qū)間存在異質性的情況.而要想準確估計服務擴散的空間效應也面臨著兩個實踐挑戰(zhàn)：第一，需要精準的客觀數據記錄消費者接受服務的精準時間，以及前后的移動軌跡.目前大多數據，如景區(qū)門票的銷售信息或網絡售票平臺的購票信息，通常難以確認用戶的來源地區(qū).傳統(tǒng)研究只能通過用調研問卷的方式來收集服務或產品采納過程中用戶地理層面的信息.隨著信息技術的發(fā)展，傳感器以及個人電子設備的普及，人們留下了大量的數字痕跡，從這些痕跡中可以客觀地捕捉到社區(qū)和城市級別的行為特征.第二，現有的計量方法難以區(qū)分或準確估計地理空間的獨特影響，即便空間計量模型也只是能分離地區(qū)間的總體差異[13-15]，無法估計地區(qū)間定量的影響程度，因此限制了相應營銷策略的應用.

針對上述提到的問題和難點，本研究借助大數據信息、計量模型與結構模型來探索更準確的空間效應測量.因此，本文的具體研究問題如下：

1)研究問題1：體驗式服務的擴散效應存在怎樣的空間規(guī)律？2)研究問題2：如何從空間的角度定量描述地區(qū)的溢出效應，從而有助于實踐干預？

旅游市場學研究的核心議題之一是評估旅游地潛在客源市場及其出游潛力，并提出“出游力”的概念來描述客源地消費潛力、出游意愿及旅游能力[16-17].營銷領域的學者在研究產品采納的跨國擴散效應時，借鑒品牌競爭力的相關結論[18]，提出了影響力與易感性這兩個概念來解釋跨國擴散的機制.針對上面的研究問題，結合“出游力”的相關考慮因素，本文首先從空間的角度定義影響力和易感性.營銷學者認為，一些國家更易于接受來自他國的影響，而另一些國家更有能力影響他國.將其拓展至體驗服務領域，本文認為易感性的含義為某地區(qū)的人群是否容易受其他地區(qū)人群體驗服務(如前往迪士尼樂園游玩)的影響，而影響力強度可被理解為某地區(qū)人群體驗服務對其他地區(qū)人群產生影響的能力.

這兩個概念的提出同時也表明地區(qū)之間的空間影響即溢出效應具有不對稱性，即A對B的作用可能強于B對A的作用，這也許是由于A的影響力更強，或B的易感性更強所導致.而已有研究更多暗含地區(qū)之間具有對稱影響的假設，即A對B的影響等同于B對A的作用，忽略了地區(qū)間非對稱的雙向影響.

這種非對稱影響可以用圖1來展示.圖1以五個區(qū)域( A、B、C、D、E)的相互影響情況來直觀闡釋溢出效應，圖中以實線圓圈表示區(qū)域的影響力，虛線圓圈表示易感性，實虛圓圈的大小分別表示該區(qū)域的影響力和易感性的大小；以圓形的遠近表示空間距離；省份之間溢出效應以箭頭的寬度來表示，越寬表示效應越強，寬度取決于箭頭發(fā)出方即施加效應方的影響力和接收方即接受效應方的易感性；兩區(qū)域之間的兩個異向箭頭寬度不同體現影響的非對稱性.

圖1 影響力與易感性示意圖

以區(qū)域A為核心對象進行分析，易感性是指A區(qū)域游客數是否易受到其他區(qū)域游客數的影響，影響力則被定義為A區(qū)域游客數對其他區(qū)域游客數的影響能力，溢出效應取決于影響力、易感性和距離的綜合效果.比如A區(qū)域影響力高，易感性較弱，C區(qū)域易感性較強而影響力弱，因此A對C的溢出效應大于C對A的溢出效應；C與E的易感性相似，但A、E之間距離遠于A、C之間距離，所以A對C的溢出效應大于A對E的溢出效應.本文通過模型定量估計每個箭頭表征的作用力度，再進一步得出每個地區(qū)影響其他所有地區(qū)的平均定量效應.

本文的研究場景為上海迪士尼主題樂園.通過對2016年6月20日～2017年4月30日之間的游客省份來源分析，本文得出了兩個結論：首先，地區(qū)服務體驗擴散對自身具有正向直接影響，其他地區(qū)擴散對該地區(qū)也具有正向溢出影響，且后者影響規(guī)模較大.其次，通過空間溢出效應的結構模型量化了迪士尼樂園服務在省份和區(qū)域層次的影響力、易感性與溢出效應，發(fā)現江蘇、浙江、山東影響力較強，而江蘇、浙江、廣東等省份的易感性較強，同時東部地區(qū)具有較強的影響力與易感性.

本文的貢獻在于證實并量化了服務擴散過程中地區(qū)空間影響的不對稱性.開發(fā)的定量分析方法基于消費者位置數據，有助于優(yōu)化公共服務、提高業(yè)務效率、降低運營成本，也為服務業(yè)營銷人員進行以空間地理為導向的干預措施提供了精準參考.

1 研究方法

1.1 研究場景

上海迪士尼樂園是內地首家迪士尼主題樂園，于2016年6月16日正式開園.它擁有七大主題園區(qū)和兩座主題酒店，并有多個全球首發(fā)游樂項目，吸引了來自國內各省游客前往游玩體驗.本文選取迪士尼樂園作為研究場景的原因有二，一是樂園國民知名度很高，口碑很好，同時伴隨著迪士尼集團不斷推出的新動畫及電影的成功不斷拓展豐富，能夠吸引來自全國各地區(qū)的游客前往游玩，從而捕捉用戶的空間屬性.二是選取的樣本期為開園后的10個月，樂園從新興階段到平穩(wěn)階段，能更明顯地捕捉服務采納的擴散效果.

1.2 數據和測量

本文以前往上海迪士尼樂園進行游覽的游客作為研究對象.數據分析的樣本期間為2016年6月20日～2017年4月30日，通過與國內某移動互聯網公司合作，獲得了迪士尼游客涵蓋10個月共314天的地理位置信息.數據為匿名形式，不含用戶真實手機號碼、身份信息，并對IMEI、MAC地址進行了重編碼處理，無法反推真實IMEI和MAC值.安裝該公司產品的手機用戶，在刷新WiFi熱點以及切換WiFi熱點時，會產生相應的數據記錄，產品APP會更新精準的GPS定位信息，并傳回數據庫.記錄的手機數據包括：用戶的手機號碼、型號、IMEI、MAC地址、更新的IP地址和經緯度信息.基于經緯度信息，可以選取樣本期內位于迪士尼樂園范圍內的用戶.

通過匹配用戶的歷史連接記錄，長期在某省區(qū)域內停留并活躍的用戶可被視為居住于該省.為了去除常駐迪士尼的用戶(員工)數據，在數據采集階段剔除了開園前三個月內迪士尼樂園范圍內的活躍賬號.因此，基于用戶使用產品的頻次和時間、空間信息，可推斷出每位消費者的常住省份，以及來迪士尼的時間(2)關于用戶抽樣的代表性評估和討論、變量具體定義和收集方式細節(jié)，空間溢出模型的模型估計以及模型穩(wěn)健性檢驗等信息，可以與通訊作者聯系索取附錄文檔..

由此可以計算出不同省份每日前往迪士尼樂園的游客數，以當日出現在迪士尼樂園范圍內的移動設備數量表示.考慮到服務影響需要時間傳播和擴散，選取以周為單位進行分析.因此將獲得的日數據樣本匯總到周次層面，最終共包含30個省市自治區(qū)45周的1 350條記錄.在第t周省份i前往迪士尼樂園的游客數記為Numberit，樂園內總游客數記為Nt.進一步，通過游客數能夠刻畫擴散的網絡效應,后續(xù)主分析中采用Numberit-1Nt-1表示，即滯后1期的各省游客帶來的影響，模型假設省份服務采納的擴散效應強弱與總體游客數相關，即總體游客數越多，不同地區(qū)潛在群體受到的影響越大，分省擴散的網絡效應會更強.考慮滯后2期或滯后3期的游客影響，仍能夠得出一致的結論.由于西藏地區(qū)游客數量少，且許多控制變量缺失，本文在分析中剔除了這一地區(qū).

借鑒旅游市場學對出游力的解釋，以及營銷學文獻中對擴散機制的回顧，本文認為服務的擴散效果主要受到地區(qū)經濟水平、文化特征、人口學特征、距離和互聯網等綜合因素的影響，表1展示了本文構建的14個衡量指標，數據主要來源于國家統(tǒng)計局和各省年鑒，同時參考了國內已有文獻的說明和使用.

經濟因素主要包括來源省份的社會經濟水平、消費基礎以及交通條件.交通便捷度高的省份有助于游客輸出，是推動擴散的重要因素.旅游本質上是一種社會經濟現象.社會經濟規(guī)模因子、居民生活水平因子和對外聯系水平因子是影響客源地出游力的主要社會經濟屬性.因此本文加入的具體經濟變量包括GDP季度地區(qū)增加值(GDP)、月度地區(qū)居民消費價格指數(CPI)、交通狀況(Trans)、產業(yè)結構(Industry)、國內旅游收入(Tourism)和國際旅游收入(Tourism_int).

文化方面，文化主要指的是一個群體或者社會所共享的基本假設、價值觀、行為規(guī)范和習俗.它是在長期的歷史過程中形成的,具有相當的穩(wěn)定性,對人們的社會心理和行為發(fā)揮著重要的影響作用.文化是影響人們交流和貿易的重要因素.具有不同文化背景的人們會在語言、習俗、信仰等方面存在諸多隔閡和交流障礙.文化的一個表現是文化距離，距離越大越容易導致信息不對稱和溝通不暢，難以建立信賴關系.然而，文化距離同時帶來了語言表達的多樣性，也可能產生積極影響.采用國內文獻[19]中常用的基于姓氏距離(Culture，即省內主要姓氏的分布情況)的計量方式，用以衡量省份之間的文化差異.文化的另外一個表現體現在對外來文化的接受度，比如星巴克代表著美國文化符號和消費主義精神，地區(qū)的包容性可以體現在星巴克開店數量(Starbucks)，衡量該地區(qū)面對外來文化沖擊下的反應強度.最后本文考慮了信任因素(Trust).非基于血緣的、作為廣泛社會交往基礎的普遍信任, 是建立在習俗、社會德行上的, 這種文化既難以形成, 也難以改變或摧毀.基于宗族文化的社會信任可能會呈現“差序格局”的特征, 即對具有血緣和地緣關系他人的信任程度超過對陌生人的信任.信任已經被證明能夠影響移民就業(yè)、經濟貿易等.信任指標的選取基于第一期中國綜合社會調查(CGSS)的調查問卷，經計算得到各省份平均信任值人口方面，考慮各省常住人口密度(Pop_density)和外來人口比例(Pop_out).外來人口能夠展示一個省份的吸引力、開放性和多元性.外來人口能夠改變省份總人口的年齡結構類型，為城市發(fā)展增添活力,促進各種不同人群的交流和融合，從而推動城市開放和多元化.具體指標來源于第六次人口普查統(tǒng)計的戶口登記地在外省的人口.

在距離因素中，引入人均GDP的差異(Econ_Distance)、省會城市之間的公路距離(Geo_Distance)、文化距離(Culture_Distance)以及地理上是否直接相鄰(Neighbors).

在互聯網因素上，互聯網已逐漸成為游客獲取目的地信息和進行旅游決策的重要工具，一方面旅游信息流對游客數量具有引導作用，另一方面旅游信息流也是游客數量的“前兆”.因此，本文選取網絡關注度數據表征互聯網的傳播影響(Search)，具體指標來自百度指數.同時，為了排除樣本期內迪士尼樂園的各項營銷活動的影響，引入媒體指數控制新聞資訊在互聯網上對特定關鍵詞的關注及報道程度及持續(xù)變化(Media)，具體指標來源于百度指數.此外加入各省的互聯網寬帶接入用戶數(Internet)，控制由互聯網媒體傳播及互聯網發(fā)展程度所帶來的影響.

變量描述性統(tǒng)計特征和相關系數見表1.

表1 變量描述性統(tǒng)計特征及相關系數

1.3 模型設定和估計

1.3.1 基準模型：空間面板計量模型

基于空間經濟學模型，本節(jié)嘗試分離出地區(qū)服務體驗擴散對自身的直接影響和其他地區(qū)擴散對該地區(qū)的溢出影響.

空間經濟學理論研究的是如何在截面數據和面板數據的模型中處理空間相互作用和空間結構問題.當前，比較常見的空間計量模型有3種，即空間滯后模型(spatial lag model，SLM)、空間誤差模型(spatial error model，SEM)和空間杜賓模型(spatial Durbin model，SDM).SLM用于描述空間不同地區(qū)時間依賴關系，SEM用于解釋空間不同地區(qū)異質性，而SDM不僅考慮了因變量的空間自相關性，還考慮了自變量的空間自相關性，它可處理研究樣本中可能會增加或遺漏變量等問題，即自變量和誤差項的參數估計不會受到增加或遺漏變量空間依賴度的影響.同時，SDM還可測度區(qū)域內和區(qū)域間的變量溢出效應，即某地區(qū)服務擴散的直接影響和溢出影響.

考慮到文化、地理、人口等因素在短期內幾乎不隨時間發(fā)生變化，選取時間空間固定效應的SDM空間杜賓模型，最終模型變量選入的經濟因素包括CPI、GDP.如式(1)和式(2)所示

β(Numberit-1Nt-1+Xit)+

(1)

μi=λWμ+εi

(2)

Numberit為省份i在第t周前往迪士尼的總游客數，Wij為省份i和省份j省會城市之間的地理距離矩陣(經行標準化處理)，Numberjt-1為省份j滯后一周的入園人數，Nt-1為滯后一期的園內總人數，Xjt為省份j在t期的控制變量，Xit為省份i在t期的控制變量.μi表示誤差，存在空間依賴特征.總的省份個數以I表示，I值為30.

根據LeSage等[20]，空間杜賓模型的參數效應可以通過矩陣分解進行拆解為直接影響，即上一期服務采納變動對本地區(qū)服務采納的擴散，以及間接影響，即上一期服務采納變動對其他地區(qū)服務采納的影響.令(In-ρW)-1=V(W),S(W)=V(W)×(Inβ+Wθ)，其中In為元素全部為1的n×1矩陣.那么可以把空間杜賓模型的公式改寫成式(3)，其中r=1,2,3,…,k表示解釋變量數

(3)

基于矩陣計算過程，某地區(qū)解釋變量的變化引起其他地區(qū)因變量變化的幅度為Sr(W)ij，本地區(qū)解釋變量變化引起本地區(qū)因變量變化的程度為Sr(W)ii

(4)

通過平均直接影響與平均溢出影響的分解與比較，有助于理解空間溢出效應在服務擴散中的重要性.

每個地區(qū)每一期前往迪士尼樂園的游客數與該地區(qū)本身的特征有關，還同時受到其他地區(qū)的影響，即游玩人數受地區(qū)直接影響和其他地區(qū)施加的溢出影響.參考Van等[21]建立的關于新產品在國家間擴散的模型，本文開發(fā)了圖2中影響某地區(qū)迪士尼服務擴散的空間溢出結構模型，該地區(qū)游客數受地區(qū)特征、地區(qū)易感性、其他地區(qū)影響力、地區(qū)間差異、時間因素和媒體因素的影響.

圖2 空間溢出效應概念模型圖

Fig. 2 Conceptual model of spatial spillover effects

易感性和影響力這兩個概念的提出表明地區(qū)之間的影響是非對稱性的，而將空間地理信息作為控制變量的做法[22]暗含了對稱效應的假設，這是對現實問題進行的抽象與簡化.這種非對稱效應的區(qū)分在產品的采納擴散中首先提出，Albuquerque等[23]、Van等[21]在分析跨國產品的擴散過程中，發(fā)現非對稱效應將能更準確地預測產品擴散特征.其他地區(qū)的服務體驗可能潛在地影響目標地區(qū)的服務擴散，其中原因在于，一是其他地區(qū)的服務體驗被視為服務質量的信號，會提高目標地區(qū)消費者對該服務的期望，激發(fā)他們前往旅游，形成所謂的羊群效應.二是其他地區(qū)和目標地區(qū)消費者的空間關聯，也許會通過身份認同或追求差異化進而強化或削弱口碑傳播的溢出效應，進而影響目標地區(qū)的服務擴散.本文認為，一部分地區(qū)的影響力會強于另一部分，而某些地區(qū)也會相對而言更容易受到影響，而強影響力會帶來更大的空間溢出效應，強化向其他地區(qū)的服務擴散；而強易感性也會增強空間的溢出效應，使得該地區(qū)消費者的服務擴散更容易受到其他地區(qū)的影響.另一方面，地區(qū)內部的影響顯而易見，消費者所在區(qū)域由于具有共同的邊界、共享的語言、規(guī)范和習慣、態(tài)度、價值以及相似的社會經濟發(fā)展水平和消費文化心理, 導致旅游偏好和行為特征都具有一定程度的自相似性.

模型假設影響易感性和影響力的因素體現在經濟、文化、人口特征、互聯網發(fā)展情況等方面.對于影響力，本文認為某地區(qū)的經濟實力越強、互聯網發(fā)展態(tài)勢良好、文化多樣性越高，隨之而來的影響其他地區(qū)的能力會增強.因為旅游本質上是一種社會經濟現象.從旅游的經濟承受能力出發(fā)，經濟規(guī)模、生活水平和互聯網水平會顯著增強地區(qū)影響力輸出，此外文化越多樣，不同地區(qū)之間文化包容性增加、對外溝通障礙降低，也會提振影響力.而外來文化沖擊和文化多樣性越高、人口密度越大、互聯網越發(fā)達的地區(qū)則會產生較強的易感性，容易受到其他地區(qū)口碑傳播、服務質量信號的影響.外來文化和多樣性文化使地區(qū)暴露在更多信息和更廣泛的傳播環(huán)境中，容易被信息所滲入.人口密度大，人們在物理上相互接近，增加了相互交流的可能性，因此有更多方式接觸信息，進而被影響.另一方面，互聯網改變了人們信息交流和情感交流的傳統(tǒng)方式，對信息的傳播和擴散程度產生了重要影響，發(fā)達的網絡會帶來信息的快速擴散，省份的易感性隨之增強.此外，溢出效應與兩地區(qū)之間的差異有關.模型中還加入了可能存在的時間非線性效應及媒體效應.

基于概念模型，空間溢出模型可表達為式(5)

Numberit=β′Zit+β0Numberit-1Nt-1+

(5)

其中Zit為省份自身特征，β0Numberit-1Nt-1刻畫本省游客數的影響，f(t)為時間效應的函數，能夠捕獲各種潛在的時間變化趨勢，展開見式(6)，μMedia為媒體傳播帶來的影響

f(t)=φ1t+φ2ln(t2)+φ3ln(t+1)

(6)

式(5)中ΨijNumberjt-1Nt-1表示其他省份游客對該省份游客的總體溢出效應，α和Ψij兩項決定了其他地區(qū)的溢出效應，α的符號表示溢出效應的正負影響，Ψij可以被分解為三部分

Ψij=πijρjθi

(7)

ρj=exp(κ′Uj)

(8)

θi=exp(δ′Wi)

(9)

(10)

其中πij表示兩省份之間的差異，ρj表示省份j的影響力，θi表示省份i的易感性.Uj和Wi分別表示省份i和省份j的特征，即經濟、文化、人口和互聯網因素.Dij為兩省之間的差異，包括經濟、地理、文化三個方面.參數κ和δ描述了省份不同特征在刻畫影響力與易感性方面的權重.

2 模型結果與解釋

2.1 空間面板杜賓模型

利用空間杜賓模型進行參數估計，估計過程在Matlab2015平臺上完成，結果如表2所示.結果證實了空間溢出效應的存在，即游客空間地理屬性具有重要意義.目標地區(qū)的下一期游客數受其他地區(qū)服務體驗的正向影響，證明服務的空間擴散存在羊群效應.其他地區(qū)前往迪士尼樂園的游客數越多，后續(xù)目標地區(qū)的服務擴散也會顯著提升.

表2 空間固定效應杜賓模型估計結果

注：*、**、***分別表示在10%、5%和1%水平上顯著(雙尾檢驗).

直接影響與溢出影響分解的結果如表3所示，展示了不同解釋變量的變化引起因變量變動的規(guī)模大小與顯著性.Number×N的直接影響為目標地區(qū)游客數變化導致其后續(xù)游客數的變化情況，其溢出影響為目標地區(qū)游客數變化導致其他地區(qū)后續(xù)游客數的改變.盡管模型能夠分解解釋變量變化引起的因變量變動，但未能得出其他地區(qū)對目標地區(qū)服務擴散的總溢出影響.

表3 直接影響與溢出影響分解

注：*、**、***分別表示在10%、5%和1%水平上顯著(雙尾檢驗).

2.2 空間溢出效應結構模型

空間溢出效應的結構模型估計結果如表5所示.結果顯示，總體溢出效應系數α顯著異于0，且符號為正，表示地區(qū)間游客數存在顯著為正的溢出效應.經濟、文化及人口統(tǒng)計特征均顯著影響省份的影響力與易感性，但從權重比例上有所差異.表4中分別總結了對于影響力和易感性重要的因素.對于影響力而言，旅游和經濟因素占比較大，CPI、GDP、國內旅游收入等會顯著提升影響力.文化方面，文化多樣性會增加影響力，而外來文化沖擊會降低影響力，但規(guī)模較小.對于易感性而言，文化因素的權重更高.結果發(fā)現，信任度越高、多樣性越多，越容易受到影響.此外，CPI上漲會降低易感性，背后原因可能在于物價提升帶來的消費者開支收縮.經濟發(fā)展越強勢，GDP水平越高，非農產業(yè)越發(fā)達，易感性越強.而另一方面，旅游收入會降低易感性的程度，自身旅游業(yè)發(fā)達的省份，更難以受到其他地區(qū)的影響.基于概念模型，每個省份入園人數取決于省份自身特征帶來的直接效應、其他省份的溢出效應、時間因素和媒體因素的影響.將每個省份所受的直接效應、間接效應、時間和媒體效應進行對比，平均入園人數受省份自身特征影響所占的比重為38.6%，受其他省份溢出效應影響所占比重為52.4%，受時間效應和媒體效應的影響為9%，其他省份的溢出效應比重可觀.

表4 影響力與易感性的因素小結

表5 空間溢出效應的結構模型變量系數估計

注：*、**、***分別表示在10%、5%和1%水平上顯著(雙尾檢驗).

表5的系數估計值可用于預測每個地區(qū)在每一期前往迪士尼樂園的游客數，與真實值的趨勢對比如圖3所示，因為估計中使用了變量滯后一期值，所以游客數預測值從第二周開始.估計曲線與預測曲線趨勢一致，預測的平均百分比誤差(MAPE)為7.2%，展示了模型良好的預測能力.

根據使用所有地區(qū)數據進行估計得到的參數估計值，分別計算各個地區(qū)的易感性和影響力強度，并進行排序，排序列表如表6所示.江蘇、浙江、山東、廣東、河南等經濟發(fā)展水平更高、旅游收入高的省份具有較高的影響力；江蘇、浙江、廣東、上海、山東等地區(qū)由于文化因素多樣性而具有較高的易感性；而西北部等經濟發(fā)展水平較低省區(qū)的影響力和易感性都比較弱.以上海為例，可以簡要分析其影響力與易感性的由來.作為經濟強省，上海市的經濟發(fā)展實力、交通發(fā)達程度、國內旅游收入都位于前列，但由于國際旅游收入和非農產業(yè)占比帶來的沖擊，導致影響力水平大幅下降.同時，其文化多樣性高、外來文化沖擊強烈，非農產業(yè)發(fā)達，帶來了很強的易感性.

圖3 模型擬合效果

表6 影響力、 易感性與溢出效應排序表

此外，因兩省之間的溢出效應不僅取決于易感性和影響力，還受兩者間距離(包括地理、經濟和文化差異)的影響，所以根據表5系數估計值和各省變量實際取值還可還原省份間的成對影響水平，并獲得每個省份對其他所有省份的平均溢出效應，排序如表6第3列.結果顯示，浙江、江蘇、安徽、山東、江西等地區(qū)通過溢出效應對其他省的入園人數產生了較大影響.對成對影響的估計可印證服務擴散的空間不對稱影響.比如，各省影響廣東省前往迪士尼樂園的游客的數量中，廣西(43%)、江西(24%)、海南(18%)三省占比較高.而在各省影響廣西省游客前往迪士尼樂園的數量中，廣東省占比僅為0.651%.

國家統(tǒng)計局依據不同區(qū)域的社會經濟發(fā)展狀況對全國30個省自治區(qū)直轄市進行了四大經濟區(qū)域劃分(3)中部地區(qū)的省份包括安徽，河南，湖北，湖南，江西，山西；東部地區(qū)包括北京，福建，廣東，海南，河北，江蘇，山東，上海，天津，浙江；西部地區(qū)包括重慶，甘肅，廣西，貴州，內蒙古，寧夏，青海，陜西，四川，新疆，西藏，云南；東北地區(qū)包括黑龍江，吉林，遼寧，內蒙古.http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm，由此可以計算東部、中部、西部和東北部區(qū)域的平均易感性、平均影響力強度和溢出效應，結果如表7所示，易感性從高到低排序為東部、中部、東北部、西部：東部地區(qū)經濟發(fā)達、人口眾多，文化多樣程度高(體現為文化距離大)，易感性顯著較強；中部有較強的經濟發(fā)展?jié)摿拖M潛力，文化同質性高，因此具有較弱的易感性.影響力強度從高到低排序為東部、中部、西部、東北部：東部地區(qū)的經濟水平、旅游業(yè)發(fā)展、文化多樣等特征帶來的高影響力，能夠對其他地區(qū)產生很強的影響，有很高的帶動效應.關于溢出效應，東部和中部地區(qū)因影響力強度和地理位置優(yōu)勢，平均溢出效應最強，而西部地區(qū)雖影響力強度比較弱，但因與中部地區(qū)諸多省份相鄰，也有一定的溢出效應.

表7 區(qū)域易感性、 影響力及溢出效應

將結果應用于實踐中的方式是識別對溢出效應影響的重要因素并加以干預，因此本文通過敏感性分析和面板數據回歸來嘗試解釋跨省溢出效應背后的機制.因素變化一單位對溢出效應帶來的影響程度如圖4所示，縱坐標為溢出效應的改變值，可基于曲線變化(從預測能力的角度)推斷因素重要性和機制解釋.國內旅游收入，即旅游業(yè)發(fā)展狀況是一個非常顯著的特征，旅游業(yè)發(fā)展態(tài)勢變差，能夠看到溢出效應急劇減少.與經濟發(fā)展有關的因素，人均GDP和交通狀況的變差也會導致溢出效應的下降.互聯網的發(fā)展會導致溢出效應的下降，且效果比經濟因素更為明顯.人口因素和文化因素也會造成比較大的影響.

圖4 變量變化對溢出效應影響圖

Fig. 4 Influence of variable changes on spillover effect

進一步，對溢出效應隨時間變化的面板序列進行回歸分析，定量(從解釋能力的角度)解釋影響溢出效應的因素，結果如表8所示.影響程度最大的是文化因素，外來文化沖擊、國際旅游收入顯著負向影響溢出效應(b=-138.004，p<0.05)，表明受到更少國外文化沖擊、自身文化凝聚力較高能夠增加對其他省份的平均影響.而象征的城市開放和多元性的外來人口數量則會提高溢出效應的水平.其次是互聯網發(fā)展狀況，網絡越發(fā)達，平均溢出水平越高.再次是經濟因素，GDP、CPI所代表的經濟發(fā)展實力會帶來溢出效應的增強.

基于表8的結果和分析，可以解釋表6中的溢出效應排序.浙江、江蘇、海南、上海、廣東等第一梯隊平均的溢出效應水平較高，主要原因在于沿海城市經濟實力突出和城市開放性與多元性較強，安徽、山東、江西等地由于外來文化沖擊少、自身文化的凝聚力較高.而處于末端的陜西、寧夏、新疆、福建和青海，多是因為經濟水平較低、網絡水平較低的因素所導致.

表8 影響平均溢出效應的回歸分析

注：*、**、***分別表示在10%、5%和1%水平上顯著(雙尾檢驗).

3 討論和分析

移動技術和傳感器技術的普及使得消費者位置數據可得性大大提高.2017年中國大數據市場規(guī)模達225億元，其中位置大數據市場45億元(4)《2018年～2024年中國位置大數據市場現狀研究及未來前景趨勢預測報告》，中國產業(yè)研究報告網..本文開發(fā)的空間溢出效應結構模型，展示了如何利用移動技術來數字化、測量和預測服務空間擴散的效果.研究發(fā)現地區(qū)服務體驗擴散對自身具有正向直接影響，其他地區(qū)擴散對該地區(qū)也具有正向溢出影響，后者規(guī)模更大.同時，通過模型定量刻畫得出了區(qū)域間的影響力、易感性與溢出效應.

本研究的設計和結論存在重要的理論貢獻，回應了如何審視服務客源地存在的外部效應,從空間外部性的視角探討旅游實體空間的發(fā)展和演化對外部空間的溢出效應.這對旅游的區(qū)域影響研究提供新的思路.具體表現在：一是豐富了有關服務擴散的研究，對體驗經濟下強調的體驗式服務進行擴充，重點關注用戶的空間地理屬性，彌補了已有文獻關于用戶空間屬性研究的不足.二是建立服務擴散的空間溢出效應結構模型，通過定義區(qū)域間的相對影響力和易感性，準確分離了本地區(qū)服務體驗擴散和其他地區(qū)溢出擴散這兩種空間影響效果，并證實了服務擴散過程中地區(qū)空間影響的不對稱性.

本研究的實踐啟示在于，首先本文開發(fā)的定量分析方法，能夠量化影響力、易感性與溢出效應，為服務業(yè)營銷人員進行以空間地理為導向的干預措施提供精準參考.根據研究結果可以還原不同省份間的相互影響，得出影響力與易感性的排名.如將表6中的結果進行可視化呈現，更能夠直觀地幫助營銷人員明確客源市場、找到干預目標.強影響力和強易感性集中在以上海為中心的沿海地帶，強溢出效應則分布在長三角、珠三角和四川區(qū)域，游客呈現明顯的"沿海性"空間分布格局.因此，上海迪士尼主題樂園的營銷重點應著眼于上海市本土及江浙皖客源市，針對京津冀、珠三角、西南成渝、新疆西藏等遠程客源市場，上海迪士尼樂園可以在宣傳中側重文化多樣性的呈現，利用互聯網廣泛擴散推廣信息，同時通過開展旅行社聯合等活動制造通往迪士尼的交通便利航程.營銷人員還可以通過較低成本重點影響溢出效應較大而消費水平較低的省份，如安徽、江西、河北等地區(qū).

其次，方法具有可擴展性，具體實踐應用中管理者可以自定義空間單元(如行政區(qū)、小區(qū)等)，定量分析不同空間單元的溢出效應.再次，本研究第一次準確量化了用戶群體空間地理的異質性，為管理者決策提供了全新的參考因素.模型預測能力良好(平均預測誤差僅為7.2%)，在政府治理、城市規(guī)劃、商業(yè)企業(yè)服務方面能夠提供精準的決策支持，幫助企業(yè)或社會改進移動戰(zhàn)略，基于消費者訪問的行為軌跡，優(yōu)化公共服務、提高業(yè)務效率，降低運營成本.最后，主題公園已經從原來的單一獨立景點演化成為大規(guī)模的旅游綜合體和城市產業(yè)群落，集聚了文化產業(yè)、創(chuàng)意產業(yè)、媒體行業(yè)、房地產和旅游業(yè)等，如深圳華僑城、常州中華恐龍園等.迪士尼樂園作為全國知名的大型主題公園，展示出的擴散結論同樣適用于與主題公園細分的其他服務業(yè)：如包含知名景點的旅游業(yè)、文化產業(yè)、創(chuàng)意產業(yè)、媒體行業(yè)、房地產業(yè).

4 結束語

本研究也存在一定的局限性.首先，從服務擴散的省級不對稱效應角度進行分析，由于基于位置的數據主要為游客客觀的時空數據，缺乏用戶人口社會學特征、主觀因素等微觀數據，因此難以對服務擴散背后的微觀個體驅動因素進行分析.后續(xù)研究可以考慮在模型中進一步捕捉個人層面的用戶微觀屬性如收入、年齡、性別等，探討空間擴散的微觀機制；其次，由于數據來源限制，無法獲得前往迪士尼樂園的真實游客人數的相關統(tǒng)計，本文僅通過利用地鐵人數的關系證明產品用戶數的代表性，在一定精度范圍內取得了較好的擬合效果.最后，本文以迪士尼樂園為對象分析服務擴散的空間特征，盡管主題公園是典型的體驗式服務，但在很多方面(如產品形式、受眾偏好等)可能與其他的服務存在差別，因此將結論推廣到其他服務行業(yè)時需要謹慎.本文目前只是發(fā)現了體驗式服務的物理空間擴散特性，后續(xù)可以考慮區(qū)分線下和線上兩種渠道，識別空間異質性在線下和線上的不同影響機制.