肖 剛，李曉峰

（江西財(cái)經(jīng)大學(xué)旅游與城市管理學(xué)院，江西南昌 330013）

隨著“互聯(lián)網(wǎng)+旅游”融合日益加深，游客更加依賴互聯(lián)網(wǎng)的旅游信息決策自己的出行旅游目的地，尤其是網(wǎng)絡(luò)關(guān)注度是影響游客目的地選擇的關(guān)鍵因素，推動(dòng)景區(qū)“互聯(lián)網(wǎng)+旅游”深度融合發(fā)展。盡管婺源篁嶺景區(qū)旅游宣傳形式多樣，品牌知名度不斷擴(kuò)大，對(duì)游客的旅游吸引力也在不斷增強(qiáng)。但是景區(qū)對(duì)游客承載、客流分流和安全應(yīng)急等存在不足，導(dǎo)致景區(qū)在某個(gè)時(shí)段的游客擁堵現(xiàn)象，從而影響游客出游體驗(yàn)。通過研究篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度有助于了解游客的旅行習(xí)慣和旅游偏好，把握景區(qū)客源分布特征，為景區(qū)科學(xué)運(yùn)營和信息化管理提供決策信息參考，提高游客的旅游體驗(yàn)，提升篁嶺景區(qū)旅游品質(zhì)。

網(wǎng)絡(luò)關(guān)注度應(yīng)用到旅游研究日益增加，研究內(nèi)容不斷豐富，通過國內(nèi)外文獻(xiàn)脈梳理如下：（1）國外研究現(xiàn)狀。當(dāng)前，游客更多地通過互聯(lián)網(wǎng)來搜索旅游目的地信息。國外關(guān)于旅游網(wǎng)絡(luò)關(guān)注度主要借助Google 搜索引擎研究，一是旅游預(yù)測(cè)模型和精準(zhǔn)度分析，如Pan B 等探究確定了最佳的酒店客房需求計(jì)量經(jīng)濟(jì)學(xué)預(yù)測(cè)模型[1]，Yang Xin 等發(fā)現(xiàn)搜索引擎數(shù)據(jù)有助于減小旅游目的地的訪問者人數(shù)預(yù)測(cè)誤差[2]，Nder I 和Gunter U發(fā)現(xiàn)使用谷歌趨勢(shì)數(shù)據(jù)可以提高總需求量和客源市場(chǎng)水平預(yù)測(cè)的精準(zhǔn)度[3]，Zeynalov A 分析了谷歌趨勢(shì)在預(yù)測(cè)布拉格的來訪者和過夜人數(shù)的可靠性[4]，Yi Xiao 等分析旅游交通需求預(yù)測(cè)[5]。二是網(wǎng)絡(luò)關(guān)注度與旅游客流之間關(guān)系，Park Lee 等短期預(yù)測(cè)了日本游客流向韓國的流量[6]，Dinis G 等預(yù)測(cè)英國到葡萄牙的游客流入量[7]，Antolini F and Grassini L 預(yù)測(cè)意大利入境游客人數(shù)的優(yōu)勢(shì)[8]。（2）國內(nèi)研究現(xiàn)狀。國內(nèi)對(duì)旅游網(wǎng)絡(luò)關(guān)注度的研究較早，研究內(nèi)容豐富，主要集中在以下幾個(gè)方面：①旅游信息流。路紫等認(rèn)為景區(qū)網(wǎng)站訪問量與游客量之間存在顯著的相關(guān)性，證明旅游信息流對(duì)客流具有導(dǎo)引作用[9]。②游客流。馬麗君構(gòu)建了國內(nèi)游客量與網(wǎng)絡(luò)關(guān)注度的時(shí)空相關(guān)模型[10]。黃先開等發(fā)現(xiàn)利用百度指數(shù)可提高預(yù)測(cè)的北京故宮的游客量時(shí)效性[11]。方葉林等利用百度指數(shù)分析了網(wǎng)絡(luò)關(guān)注度與實(shí)際游客量之間的“錯(cuò)位特征”及其影響機(jī)理[12]。③時(shí)空分布特征及影響因素研究。李山等、林志慧等通過百度指數(shù)實(shí)證分析了景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)空分布特征[13-14]。影響因素主要包括網(wǎng)絡(luò)發(fā)展水平、經(jīng)濟(jì)發(fā)展水平、人口規(guī)模[15-18]和氣候舒適度[15]、地理空間距離[18]等。

根據(jù)以上文獻(xiàn)可知，國外關(guān)于旅游網(wǎng)絡(luò)關(guān)注度的研究主要集中在通過網(wǎng)絡(luò)搜索數(shù)據(jù)對(duì)旅游客流或需求進(jìn)行預(yù)測(cè)和利用網(wǎng)絡(luò)搜索數(shù)據(jù)進(jìn)行旅游決策兩個(gè)方面，而國內(nèi)主要研究旅游網(wǎng)絡(luò)關(guān)注度與旅游信息流、游客流、分布特征及其影響因素研究，研究成果具有很大學(xué)術(shù)價(jià)值與政策啟示，國內(nèi)對(duì)旅游網(wǎng)絡(luò)關(guān)注的研究案例地多以熱門城市為主，對(duì)于中國傳統(tǒng)古村落的研究相對(duì)較少,婺源篁嶺景區(qū)旅游采用網(wǎng)絡(luò)游記分析[19-20]。本研究分析篁嶺景區(qū)與旅游網(wǎng)絡(luò)關(guān)注度時(shí)空分布差異演變，厘清其影響因素，以期為篁嶺景區(qū)旅游管理、營銷以及網(wǎng)絡(luò)關(guān)注度的提升帶來科學(xué)指導(dǎo)。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

本研究利用360 搜索引擎作為的搜索數(shù)據(jù)分析工具，通過輸入關(guān)鍵詞“篁嶺”，獲得全國31 個(gè)省級(jí)行政單位（除港澳臺(tái)地區(qū)）3 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度逐日搜索量為基礎(chǔ)研究數(shù)據(jù)，選取2018 年1 月1 日至2020 年12 月31 日為研究時(shí)段，分析景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)空分布演變特征。影響因素的指標(biāo)計(jì)算數(shù)據(jù)來源于《中國互聯(lián)網(wǎng)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告（2018—2020）》和《中國統(tǒng)計(jì)年鑒（2018—2020）》等。

（二）研究方法

本研究分析方法，主要包括年際變動(dòng)指數(shù)（Yi）、年際集中指數(shù)（Y）、季節(jié)集中度指數(shù)（S）、變差系數(shù)（CV）、地理集中度（G）、赫芬達(dá)爾系數(shù)（H）和首位度（P）指數(shù)，具體分析方法如下：

（1）年際變動(dòng)指數(shù)。年際變動(dòng)指數(shù)用來說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注年際間差異的相對(duì)值。

式中：Xi表示篁嶺景區(qū)的年網(wǎng)絡(luò)關(guān)注度；n 為年度數(shù)。Yi值越接近100%，說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的年際變動(dòng)強(qiáng)度越小，時(shí)間差異越??；反之，時(shí)間差異越大。

（2）年際集中指數(shù)。年際集中指數(shù)反映篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度在某一時(shí)段的集中、分散和均勻程度。

式中：Xi為第i 年的網(wǎng)絡(luò)關(guān)注度占總時(shí)間段的百分比的值；n 為年度數(shù)。Y 值越大，說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的年際差異性越大，即網(wǎng)絡(luò)關(guān)注度年際集中性越強(qiáng)；反之，篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度年際集中性越弱，即網(wǎng)絡(luò)關(guān)注度分布越均勻。

（3）季節(jié)集中度指數(shù)。季節(jié)集中度指數(shù)用以反映篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)間集中程度。

式中：Xi表示各月篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度占全年的比值。S 值越大，反映篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度越集中于某個(gè)或某些時(shí)段，時(shí)間差異越大；反之，時(shí)間差異越小。

（4）變差系數(shù)。變差系數(shù)又稱離散系數(shù)或單位風(fēng)險(xiǎn)，用以衡量某一時(shí)點(diǎn)區(qū)域之間及內(nèi)部子區(qū)域的差異程度。

式中：Xi表示各地區(qū)的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度；X 為其均值；CV 反映地區(qū)間篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度分布的離散程度。CV 值越大，說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間差異越顯著；反之，空間差異越小。

（5）地理集中度。地理集中度是衡量客源市場(chǎng)地理來源和聚集程度的重要指標(biāo)。

式中：Pi表示第i 個(gè)地區(qū)的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度，P 表示所有省份篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的總量。一般來說，G 的取值在0～100 之間，G 值越接近100，篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度越集中；反之，G 值越接近0，篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度越分散。

（6）赫芬達(dá)爾指數(shù)。赫芬達(dá)爾指數(shù)是衡量區(qū)域經(jīng)濟(jì)規(guī)模指標(biāo)集聚程度的重要指標(biāo)，取值范圍為0-1。

式中：Si表示各地區(qū)篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度與總量的比值。H 值越接近1，說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度地區(qū)或區(qū)域集中度越高；反之，H 值越接近0，集中程度越低。

（7）首位度指數(shù)。首位度指數(shù)是衡量區(qū)域規(guī)模經(jīng)濟(jì)指標(biāo)主導(dǎo)性的重要指標(biāo)，常以區(qū)域第一大城市與第二大城市的經(jīng)濟(jì)規(guī)模之比作為評(píng)判標(biāo)準(zhǔn)。

式中：P1、P2分別為規(guī)模最大、第二大的地區(qū)對(duì)篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度。一般認(rèn)為，P＜2，集聚適中，區(qū)域結(jié)構(gòu)正常；P＞2，則表現(xiàn)為集中過度，空間結(jié)構(gòu)不均衡。

二、研究案例地簡介

篁嶺古村,坐落于江西省婺源縣江灣鎮(zhèn)，村中徽派古建筑形態(tài)多樣，以“曬秋”聞名遐邇。篁嶺村旅游開發(fā)采用“以屋換屋”的形式，通過吸納社會(huì)資本，對(duì)徽派古建實(shí)施異地搬遷上山，集中開發(fā)運(yùn)營，保留了古村文化的原真性和原味性，創(chuàng)造了鄉(xiāng)村旅游“篁嶺模式”，篁嶺景區(qū)先入選國家4A 級(jí)旅游景區(qū)，“篁嶺曬秋”入選最美中國符號(hào)，隨后又相繼獲得“中國最美休閑農(nóng)村”、“中外最美外景地”、“全國特色景觀旅游名村”、“2019 網(wǎng)友最喜愛的十大古村鎮(zhèn)”等稱號(hào)。

三、婺源篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)空差異分析

由于自然因素、社會(huì)因素和游客因素的影響，從年際、月際和節(jié)假日三個(gè)方面來分析篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)間特征，從總地區(qū)、區(qū)域間和區(qū)域內(nèi)三個(gè)方面來分析篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的空間特征。

（一）婺源篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的時(shí)間差異分析

（1）年度差異

通過360 趨勢(shì)獲取篁嶺景區(qū)逐日網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，計(jì)算得到2018—2020 年篁嶺景區(qū)的年網(wǎng)絡(luò)關(guān)注度（圖1），由圖1 可以看出，篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度總體上呈遞減趨勢(shì)，且變動(dòng)幅度較大，2019 年相較2018 年下跌了32.21%，2020 年相較2019 年下降了49.57%，這是由于2019 年是新中國成立70 周年，游客傾向選擇紅色旅游景區(qū)出游，分散了游客對(duì)篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注。2020 年因疫情原因降低了游客出游意愿，導(dǎo)致篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度下降。

圖1 2018－2020 年篁嶺景區(qū)全國網(wǎng)絡(luò)關(guān)注度

（2）月際差異

通過對(duì)2018-2020 年篁嶺景區(qū)逐日網(wǎng)絡(luò)關(guān)注度進(jìn)行計(jì)算月網(wǎng)絡(luò)關(guān)注度，從圖2 和表1 中可以看出，景區(qū)網(wǎng)絡(luò)關(guān)注度數(shù)值的變化趨勢(shì)呈現(xiàn)出“雙峰”形態(tài)，1—3 月份指數(shù)上升而3—5 月份急速下降趨勢(shì)，形成第一個(gè)波峰，5—7 月份指數(shù)表現(xiàn)平穩(wěn)而7—9 月又出現(xiàn)上升變化，9—12 月份數(shù)值開始回降，形成第二個(gè)波峰。2020 年上半年因疫情影響，景區(qū)的網(wǎng)絡(luò)關(guān)注度持續(xù)低迷，但2020 年下半年走勢(shì)與2018 年和2019 年相同，從圖中可以看出，網(wǎng)絡(luò)關(guān)注度高峰期在3 月份，主要是因?yàn)? 月份篁嶺景區(qū)油菜花盛開的時(shí)間，促進(jìn)景區(qū)網(wǎng)絡(luò)關(guān)注度陡然上升；下半年的網(wǎng)絡(luò)關(guān)注度集中在9 月份和10 月份，主要是因?yàn)橹星锕?jié)和國慶節(jié)，為游客提供了旅游的閑暇時(shí)間，從而提高了景區(qū)的網(wǎng)絡(luò)關(guān)注度。

圖2 2018－2020 年篁嶺景區(qū)全國網(wǎng)絡(luò)關(guān)注度各月分布曲線圖

通過公式（3）計(jì)算篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的季節(jié)集中度指數(shù)（表1），分別為8.2470、8.2468、8.2469，表明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度存在較強(qiáng)的季節(jié)性差異，春季為主要的高峰期，春天油菜花盛開提高了游客對(duì)篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度，而夏季、秋季和冬季的網(wǎng)絡(luò)關(guān)注度有明顯的下降，尤其是篁嶺景區(qū)夏季天氣炎熱，游客的出游意愿低，景區(qū)網(wǎng)絡(luò)關(guān)注度最低。

表1 2018－2020 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度季節(jié)值及季節(jié)性強(qiáng)度指數(shù)

（3）節(jié)假日差異

游客出游需要閑暇時(shí)間，節(jié)假日出游意愿增加（表2），根據(jù)2018—2020 年篁嶺景區(qū)的逐日網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，分析國家法定節(jié)假日節(jié)前兩周到節(jié)后一周的數(shù)據(jù)。

根據(jù)表2，從整體上來看，每個(gè)節(jié)日篁嶺景區(qū)進(jìn)入網(wǎng)絡(luò)搜索高峰期的時(shí)間都較早，在節(jié)假日期間，網(wǎng)絡(luò)用戶對(duì)篁嶺景區(qū)的關(guān)注明顯下降，但節(jié)后篁嶺景區(qū)的網(wǎng)絡(luò)搜索量并未持續(xù)下降，而是呈現(xiàn)顯著的上升趨勢(shì)，據(jù)推測(cè)可能是因?yàn)楣?jié)假日期間景區(qū)游客人流量大，許多游客為避開龐大的客流而選擇“錯(cuò)峰旅游”，在節(jié)假日結(jié)束前往篁嶺景區(qū)旅游。

表2 2018－2020 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度與節(jié)假日的關(guān)系

通過分析篁嶺景區(qū)節(jié)假日期間的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，發(fā)現(xiàn)呈現(xiàn)節(jié)前先上升后下降——節(jié)中持續(xù)穩(wěn)定在谷底——節(jié)后上升的趨勢(shì)，這個(gè)趨勢(shì)演變與游客的旅游需求和旅游心理相符合，節(jié)假日游客出行決策前網(wǎng)絡(luò)關(guān)注度會(huì)升高，游客做出旅游決策網(wǎng)絡(luò)關(guān)注度會(huì)下降；節(jié)中游客出游網(wǎng)絡(luò)關(guān)注度會(huì)持續(xù)低迷；節(jié)后選擇錯(cuò)峰旅游的游客會(huì)在網(wǎng)上搜索旅游信息為出游做準(zhǔn)備，網(wǎng)絡(luò)關(guān)注度會(huì)回升。

（二）篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的空間差異分析

（1）省域差異

通過統(tǒng)計(jì)2018—2020 年全國31 個(gè)省級(jí)行政區(qū)（除港澳臺(tái)地區(qū)）的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度，發(fā)現(xiàn)廣東、江蘇、浙江、上海、山東、北京、安徽等地關(guān)注度排名相對(duì)靠前，其中北京、上海、廣東等排名始終位居前列；寧夏、青海、新疆和西藏4 個(gè)西部省份排名始終靠后，這表明經(jīng)濟(jì)發(fā)達(dá)程度影響篁嶺景區(qū)的網(wǎng)絡(luò)關(guān)注度。通過省域空間分布圖（圖3）可知，篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間分布呈現(xiàn)出“東、中部省域高、西部省域低”的格局，這說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度表現(xiàn)出空間距離衰減規(guī)律特征。

圖3 2018－2020 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間分布圖

（2）區(qū)域間差異

本研究通過公式（4）、（5）、（6）和（7），計(jì)算2018—2020 年對(duì)篁嶺景區(qū)的各省網(wǎng)絡(luò)關(guān)注度，探究中國31個(gè)省市（除港澳臺(tái)地區(qū)）篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的省域間差異和區(qū)域間差異（表3）。根據(jù)省域間差異可知，全國各省的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度省域間結(jié)構(gòu)比較穩(wěn)定，聚集適中，但各地區(qū)間的差異和區(qū)域集中度均逐年上升。各年的變差系數(shù)都大于1，表明各省間的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的差異較為顯著；赫芬達(dá)爾指數(shù)都更趨向于0，表明不同省市之間篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注的聚集程度較低；各年的首位度都小于2，說明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度分布的區(qū)域結(jié)構(gòu)正常，聚集適中；各年的各省間網(wǎng)絡(luò)關(guān)注度地理集中度指數(shù)較小，呈逐年上升趨勢(shì)，說明各地區(qū)篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度區(qū)域集中度較低，集中度在逐年升高，集中趨勢(shì)越來越明顯。

表3 2018—2020 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的省域間差異和三大區(qū)域間差異

而根據(jù)東、中、西部區(qū)域間差異可知，三大區(qū)域間的變差系數(shù)維持在0.6—0.7 之間，2019 年的區(qū)域間景區(qū)網(wǎng)絡(luò)關(guān)注度的空間差異最大；赫芬達(dá)爾系數(shù)都接近0.5，表明區(qū)域間的景區(qū)網(wǎng)絡(luò)關(guān)注度的空間分布較為集中；三年的首位度都小于2，表明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的區(qū)域分布結(jié)構(gòu)正常；地理集中度指數(shù)均在60 以上，2019 年甚至達(dá)到了70，可知2018—2020 年三個(gè)區(qū)域的景區(qū)網(wǎng)絡(luò)關(guān)注度集中度較高。

（3）區(qū)域內(nèi)差異

運(yùn)用公式（4）、（5）、（6）和（7），測(cè)算2018—2020 年中國東部、中部和西部三個(gè)區(qū)內(nèi)的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)（表4）。從變異差數(shù)來看，呈現(xiàn)西—中—東部遞減趨勢(shì)，且三個(gè)區(qū)域內(nèi)的變差系數(shù)都在逐年增加，西部地區(qū)內(nèi)空間差異最大，接著中、東部地區(qū)；從赫芬達(dá)爾指數(shù)來看，呈現(xiàn)東—西—中部遞增的趨勢(shì)，東部波動(dòng)較小，中部和西部波動(dòng)較大；從首位度指數(shù)來看，呈現(xiàn)出逐年增大且穩(wěn)定程度在逐年降低，東部和西部區(qū)域內(nèi)集中程度較低，區(qū)域結(jié)構(gòu)較為穩(wěn)定，中部區(qū)域內(nèi)的集中度升高，區(qū)域結(jié)構(gòu)不穩(wěn)定。從地理集中度來看，呈現(xiàn)東—西—中部遞增趨勢(shì)，但波動(dòng)較大，中部地區(qū)內(nèi)的集聚程度最高，接著依次為西、東部地區(qū)。

表4 2018－2020 年篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的區(qū)域內(nèi)差異

四、婺源篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的影響因素

根據(jù)文獻(xiàn)研究發(fā)現(xiàn)，影響景區(qū)網(wǎng)絡(luò)關(guān)注度因素主要包括網(wǎng)絡(luò)發(fā)展水平、經(jīng)濟(jì)發(fā)展水平、人口規(guī)模[15-18]和氣候舒適度[15]、地理空間距離[18]等。鑒于數(shù)據(jù)獲取的可獲得性與完整性，本研究選取各地區(qū)人均GDP、GDP 規(guī)模、互聯(lián)網(wǎng)普及率、各地區(qū)人們的文化教育水平和年齡結(jié)構(gòu)以及各省省會(huì)距篁嶺景區(qū)的空間直線距離作為相關(guān)計(jì)算指標(biāo)。由于各地區(qū)網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)的獲取限制和數(shù)據(jù)鏈的不完整，本研究選取指標(biāo)數(shù)據(jù)來源于2018 年《中國統(tǒng)計(jì)年鑒》，具體結(jié)果（見表5）與分析如下：

表5 篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度時(shí)空差異影響因素的相關(guān)性分析

（一）經(jīng)濟(jì)發(fā)展水平

網(wǎng)絡(luò)用戶或潛在旅游者所在地區(qū)的經(jīng)濟(jì)發(fā)展基礎(chǔ)越好，出游的意愿就越強(qiáng)烈[21]。研究結(jié)果顯示，篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度與各地區(qū)的GDP 規(guī)模和人均GDP 均呈顯著正相關(guān)性（P＜0.01），相關(guān)性系數(shù)分別為0.716 和0.516。由此可見，地區(qū)的經(jīng)濟(jì)發(fā)展水平與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的分布差異有著非常緊密的聯(lián)系。

（二）網(wǎng)絡(luò)發(fā)達(dá)程度

互聯(lián)網(wǎng)技術(shù)的高速發(fā)展擴(kuò)大了人們搜集信息的途徑，對(duì)游客進(jìn)行旅游決策產(chǎn)生了重大的影響。研究結(jié)果顯示，地區(qū)的網(wǎng)絡(luò)發(fā)達(dá)程度與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度呈顯著正相關(guān)性（P＜0.01），相關(guān)性系數(shù)為0.489，這表明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間差異與地區(qū)的網(wǎng)絡(luò)發(fā)達(dá)程度存在相關(guān)性。

（三）社會(huì)人口統(tǒng)計(jì)特征

網(wǎng)絡(luò)用戶的文化教育水平和年齡差異影響游客對(duì)景區(qū)的認(rèn)知差異，通過參考鄒永廣等[21]選取的旅游網(wǎng)絡(luò)關(guān)注度影響因素分析中的社會(huì)人口特征評(píng)價(jià)指標(biāo)。研究結(jié)果顯示，初中、高中、大專及以上教育程度與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度呈顯著正相關(guān)性（P＜0.01），相關(guān)性系數(shù)分別為0.489、0.575、0.654；年齡結(jié)構(gòu)與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度也呈顯著正相關(guān)，但顯著水平較弱，相關(guān)性系數(shù)分別為0.428、0.549、0.462。從結(jié)果中可以看出，三個(gè)不同層次的受文化教育水平和三個(gè)不同層次的年齡結(jié)構(gòu)和篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度之間的相關(guān)性系數(shù)都為正數(shù)且都大于0.4，這表明各地區(qū)文化教育程度和年齡結(jié)構(gòu)差異是篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度差異的影響因素之一。

（四）地理空間距離

旅游客源地與旅游目的地的空間距離會(huì)影響游客的出行意愿[22]。研究結(jié)果顯示，各省與篁嶺景區(qū)的地理空間距離和篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度呈顯著負(fù)相關(guān)性（P＜0.01），相關(guān)性系數(shù)為-0.702，這表明篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的空間分布表現(xiàn)出距離衰減規(guī)律的特征，由此可見，地理空間距離遠(yuǎn)近是影響篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間分布差異的主要因素之一。

五、結(jié)論與對(duì)策建議

（一）研究結(jié)論

本研究以婺源篁嶺景區(qū)為案例地，以“篁嶺”為關(guān)鍵詞，通過360 指數(shù)，獲取了2018—2020 年全國31 個(gè)?。ǔ郯呐_(tái)地區(qū)）的篁嶺景區(qū)逐日網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，運(yùn)用多種分析方法，從年際、月際和節(jié)假日三個(gè)時(shí)間尺度，從省域、區(qū)域內(nèi)和區(qū)域間三個(gè)空間尺度，分析了篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的空間差異演變及其影響因素，主要結(jié)論如下：

（1）時(shí)間分布差異：從年際變化來看，篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度總體呈現(xiàn)下降趨勢(shì)，年際差異較大，年際集中性較強(qiáng)。從月際變化來看，呈現(xiàn)“雙峰雙谷”的形態(tài)，季節(jié)性差異較大；從節(jié)假日變化來看，呈現(xiàn)節(jié)前先上升后下降—節(jié)中持續(xù)穩(wěn)定在谷底—節(jié)后上升的趨勢(shì)，錯(cuò)峰旅游現(xiàn)象明顯。

（2）空間分布差異：從省域區(qū)差異來看，呈現(xiàn)東、中部地區(qū)高，西部地區(qū)低的空間分布特點(diǎn)；從區(qū)域間差異來看，各省的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度空間差異較大，區(qū)域結(jié)構(gòu)比較穩(wěn)定，聚集適中；三大區(qū)域間的篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度存在空間差異，區(qū)域分布結(jié)構(gòu)正常，集中度較高；從區(qū)域內(nèi)差異來看，東部、中部、西部三個(gè)區(qū)域篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度的區(qū)域內(nèi)分布差異都比較明顯，變異差數(shù)呈現(xiàn)東部—中部—西部遞增趨勢(shì)，赫芬達(dá)爾指數(shù)呈現(xiàn)東部—西部—中部遞增趨勢(shì)，地理集中度指數(shù)普遍呈現(xiàn)東部—西部—中部遞增趨勢(shì)。

（3）影響因素：通過相關(guān)性分析，發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展水平、網(wǎng)絡(luò)發(fā)達(dá)程度、社會(huì)人口統(tǒng)計(jì)特征和地理空間距離都是引起篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度差異的主要因素。其中，地理空間距離與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度呈現(xiàn)顯著負(fù)相關(guān)性，經(jīng)濟(jì)發(fā)展水平、網(wǎng)絡(luò)發(fā)達(dá)程度和社會(huì)人口統(tǒng)計(jì)特征與篁嶺景區(qū)網(wǎng)絡(luò)關(guān)注度呈現(xiàn)顯著正相關(guān)性。

（二）對(duì)策建議

（1）增加營銷活動(dòng)，創(chuàng)新旅游產(chǎn)品。篁嶺旅游淡季策劃更實(shí)惠、更新穎的旅游活動(dòng)和產(chǎn)品，吸引更多網(wǎng)絡(luò)用戶或潛在旅游者的關(guān)注，降低淡季對(duì)景區(qū)帶來的影響。針對(duì)東部、中部和西部區(qū)域設(shè)計(jì)不同的旅游產(chǎn)品，可以推出特色精品旅游路線，或者進(jìn)行不同區(qū)域的旅游聯(lián)動(dòng)，滿足游客的多樣化需求，提升游客的旅游體驗(yàn)。

（2）拓寬宣傳途徑，提高品牌知名度。針對(duì)互聯(lián)網(wǎng)普及率低的地區(qū)，景區(qū)可以加大線下宣傳，拓寬宣傳渠道。線上篁嶺景區(qū)可以通過微信、微博、抖音等新媒體平臺(tái)發(fā)布景區(qū)的旅游資訊或旅游短視頻；線下可以在旅游雜志、電視或公交站臺(tái)等地投放廣告，注重宣傳內(nèi)容的創(chuàng)新性和趣味性，加深篁嶺品牌在人們腦中的印象，提高品牌知名度。

（3）完善基礎(chǔ)設(shè)施，提升旅游質(zhì)量。為游客提供更加多元化的交通工具，提高交通通達(dá)度，縮短游客花在路程上的時(shí)間。同時(shí)，景區(qū)內(nèi)部的設(shè)施也要進(jìn)行健全完善，在便捷的生活設(shè)施的基礎(chǔ)上，提高游客的參與度，使游客能夠更加投入地感受篁嶺古村的魅力，為游客提供更加優(yōu)質(zhì)的服務(wù)。

（4）挖掘旅游數(shù)據(jù)，加強(qiáng)信息化建設(shè)。加強(qiáng)篁嶺景區(qū)的信息化建設(shè)，有利于景區(qū)根據(jù)更加全面和真實(shí)的游客信息進(jìn)行旅游產(chǎn)品開發(fā)和精準(zhǔn)化營銷。景區(qū)也可以根據(jù)旅游大數(shù)據(jù)進(jìn)行游客流量的預(yù)測(cè)，從而對(duì)景區(qū)的分流和疏散進(jìn)行科學(xué)地規(guī)劃，為游客提供更佳的旅游體驗(yàn)。