EN中文

经济地理 >

2025 , Vol. 45 >Issue 2: 203 - 212

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.020

旅游经济与管理

城市居民旅游景区偏好的代际差异

  • 吴晋峰 , 1, 2 ,
  • 徐雪 1, 3 ,
  • 任雪宁 1, 2
展开
  • 1.陕西师范大学 地理科学与旅游学院，中国陕西 西安 710119
  • 2.陕西省旅游信息科学重点实验室，中国陕西 西安 710119
  • 3.西安财经大学 商学院，中国陕西 西安 710100

吴晋峰（1969—），女，博士，教授，博士生导师，研究方向为旅游开发与规划。E-mail：

收稿日期: 2024-11-26

  修回日期: 2025-01-14

  网络出版日期: 2025-05-12

基金资助

国家自然科学基金项目(41671135)

收起

Intergenerational Differences in Urban Residents' Preferences for Scenic Spots

  • WU Jinfeng , 1, 2 ,
  • XU Xue 1, 3 ,
  • REN Xuening 1, 2
Expand
  • 1. School of Geography and Tourism，Shaanxi Normal University，Xi'an 710119，Shaanxi，China
  • 2. Shaanxi Key Laboratory of Tourism Information Science，Xi'an 710119，Shaanxi，China
  • 3. School of Business，Xi'an University of Finance and Economics，Xi'an 710100，Shaanxi，China

Received date: 2024-11-26

  Revised date: 2025-01-14

  Online published: 2025-05-12

Fold

摘要

正确认识城市居民的景区偏好及其代际差异是提高旅游业精准服务能力的前提和基础。文章以北京、西安、成都、上海、武汉、长春6个城市为案例地，采用大样本问卷调查获得的136个高级别景区、516个到访率数据，通过构建景区偏好度指标，定量研究6代城市居民旅游景区偏好的代际差异。研究发现：①景区偏好及其代际差异均符合二八法则；②景区偏好具有代际传递效应，且呈现“3代一组”的特点；③景区偏好度主要与景区知名度相关，与O-D距离、景区性质及等级关系不大；④年龄越大的代群，景区到访率越高、出游空间越大，但2000年后出生的城市居民表现特殊。

关键词： 景区偏好度; 代际差异; 二八法则; 代际传递效应; 城市居民

本文引用格式

吴晋峰 , 徐雪 , 任雪宁 . 城市居民旅游景区偏好的代际差异[J]. 经济地理, 2025 , 45(2) : 203 -212 . DOI: 10.15957/j.cnki.jjdl.2025.02.020

Abstract

A precise comprehension of urban residents' preference degree for scenic spots and their intergenerational differences is a foundational premise for enhancing the precision service of the tourism industry. Taking Beijing, Xi'an, Chengdu, Shanghai, Wuhan, and Changchun as case cities, this paper constructs the index of preference degree for scenic spots and quantitatively analyzes the intergenerational differences of 6 generations of urban residents' preference on the basis of the 516 visiting rate data of 136 high-level scenic spots. The research yields the following insights: 1) Urban residents' preferences for scenic spots and their intergenerational differences adhere to the Pareto's Principle, 20% of scenic spots with high preference degree, 80% of scenic spots with medium and low preference degree, 20% of scenic spots do not have intergenerational difference in preference degree, 80% of scenic spots have intergenerational difference in preference degree. 2) Urban residents' preferences for scenic spots exhibit an intergenerational transmission effects, characterized by a "three generations in one group" pattern with the 70s as the boundary. 3) Urban residents' preference degree for scenic spots is primarily associated with the scenic spot popularity, with minimal correlation to O-D distance, scenic spot nature and grade. 4) Older generational groups demonstrate higher visitation rates and larger travel spaces, although urban residents born after the year 2000 exhibit unique behavioral patterns.

Key words： preference degree for scenic spot; intergenerational differences; Pareto's Principle; intergenerational transmission effect; urban resident

旅游偏好是潜在或现实游客对某一旅游产品或旅游目的地所表现出的以认知因素为主导的具有情感和意向因素的心理倾向[1]，是游客旅游需求的外在表现[2]，一直是国际旅游研究的重点领域。近年来，随着国内游客心理需求和消费行为发生了显著变化[3]，旅游偏好的代际差异引起了学界和业界的共同关注，相关学术成果快速涌现[4-8]。城市居民是中国国内旅游市场的主体，深入研究城市居民的旅游景区偏好及其代际差异，不仅可以帮助旅游目的地管理组织（Destination Management Organization，DMO）有针对性地建设现有景区、开发新景区、细分旅游市场，而且可以丰富和深化旅游偏好及旅游代际差异研究内容，发展旅游偏好研究方法，促进相关研究发展。
国际上关于旅游偏好的研究具有起步早、研究领域广泛、研究方法多样、研究比较深入的特点，且以定量研究和实证研究为主，研究内容包括旅游偏好和旅游需求的关系、旅游偏好与性别的关系、游客偏好、旅游地及接待设施偏好、特殊群体偏好等[9]。国内关于旅游偏好的研究具有起步晚、发展快、以心理学角度理解为主、基础理论研究薄弱等特点，研究内容包括目的地偏好、旅游活动偏好、旅游六要素偏好、旅游服务偏好等[9-10]，其中尤以景观偏好研究较为深入，研究方法主要为定性分析或单一定量分析[10]。随着信息和通信技术（Information and Communications Technology，ICT）的快速发展，基于用户生成数据的旅游偏好研究正在成为旅游偏好研究的热点和前沿，但研究成果主要集中在酒店、餐饮、旅游购物、交通偏好等方面[11-16]，景区偏好仍是旅游偏好研究领域中一个颇具挑战性的难题。由于景区偏好本身具有复杂多变性[17]，采用问卷调查和访谈法获得的景区偏好数据一般指向个别目的地的少数景区，普适性和对比性不够[18-20]。因此，采用新技术手段和方法研究景区偏好是旅游偏好研究领域的一个重要发展方向，正在引起学界重视[20]，如Gao等提出了用于挖掘旅游偏好并支持DMO决策的旅游知识图谱（Tourism-oriented Knowledge Graph）[11]。
“代”被定义为“一个可识别的群体，他们有着共同的出生年代、经历过共同的关键发展阶段的重要生活事件”[21]。大量社会学研究表明，每一代人都受其共同社会和文化因素的影响，同一代人拥有同质的认知、情感和行为模式[22]。代际差异是在社会变迁的影响下形成的代群之间在价值观和个体内在特征上所存在的差异[23]。Eyerman等将“代”定义为具有相同集体记忆的群体，因相同的提示经验而沉淀类似的惯习，共享相同的文化[24]。旅游代际差异研究不仅能区分代际旅游态度、偏好和行为的差异，还能深层次探析每一代游客行为和偏好产生的内在驱动因素，更能为未来旅游偏好预测提供可靠依据。国外研究证实，每个代具有独特的旅游偏好且保持一生相对稳定[25-26]，其中老年游客的旅游偏好会在50岁左右稳定下来、维持20年不变[22]。因此，无论是旅游学界还是业界都肯定代际分析的有效性和实用性[18]。目前，国际上关于旅游偏好的代际差异研究主要集中在旅游活动偏好[27]和目的地评价[28]方面，关于景区偏好的代际差异研究较少见。国内从代际理论视角分析游客旅游消费行为的研究还处于初级阶段，关于旅游偏好的代际差异研究成果相对较少。厘清代际特征和旅游行为差异，拓展代际理论在旅游研究中的时空尺度，基于全国游客群体从东、中、西区域视角分析代际旅游行为差异是我国旅游偏好研究亟待深入的问题[18]。
旅游偏好包括显示性偏好（Revealed Preference，RP）与陈述性偏好（Stated Preference，SP）两类[11]。研究RP时，研究者关心消费者在以往的经历中做了什么，选择了什么产品或服务；研究SP时，研究者更关注消费者根据研究者精心设计的不同方案组合而表达出他们将要做什么，将要选择什么产品或服务[29]。本文采用城市居民对136个高级别景区的516个到访率数据，对比研究北京、西安、成都、上海、武汉、长春6个城市居民的旅游景区显示性偏好及其代际差异。以10年为一代是国内学者较常用的代际划分方法，已有研究证明各代具有显著的文化特征[30]。因此，本文将中国城市居民划分为00后、90后、80后、70后、60后、60前共6代进行对比研究。本文创新之处在于：采用大样本问卷调查数据同时研究大量景区；提出定量研究旅游景区偏好的指标，有效消除距离因素对到访率的影响；将中国城市居民划分为6代，更细致地进行代际对比研究。

1 研究方法和数据来源

1.1 研究方法

如果一个景区比其他景区被同一客源地的更多游客访问，说明该景区受到了该客源地游客的偏好。受地理学第一定律的影响，由于旅行成本低，距离客源地较近的景区被访问的概率更高，访问该景区的游客，可能是偏好该景区，也可能是出于经济合算的原因。因此，本文研究步骤如下：①分代计算景区到访率[31-32]，观察数据的统计特征和距离分布特征，应用空间自相关分析到访率距离衰减特征；②构造景区偏好度指标，消除距离因素对到访率的影响；③绘制景区偏好度箱形图，对比各代城市居民的景区偏好度数据分布特点，计算异常值点（包括异常高和异常低两类）；④应用K均值聚类法将剔除异常值后的景区偏好度数据划分为高、中、低3种类型；⑤应用ArcGIS软件分代绘制不同偏好度类型景区的空间分布图，对比研究不同偏好度类型景区的空间分布特征和代际相关关系，并计算景区偏好度与景区知名度之间的相关关系；⑥绘制景区偏好度分布图，用斯皮尔曼相关系数和标准差研究景区偏好的代际关系及其代际差异。景区到访率、偏好度和知名度计算公式分别为：
P i = m i n · 100 %
式中：Pi表示案例城市第i代人对目标景区的到访率；mi表示第i代人中到访过目标景区的人数；n表示案例城市样本规模。i取值范围为1~6，分别表示00后、90后、80后、70后、60后、60前。
A i = P i - p P i ¯
P i ¯ = 1 N ∑ 1 N P i
式中：Ai表示案例城市第i代人对目标景区的偏好度；Pi含义与式（1）相同；p表示景区到访率的理论值，用案例城市景区到访率距离衰减拟合曲线上的拟合值表示； P i ¯表示案例城市第i代人对所有目标景区到访率的平均值；N表示案例城市目标景区总数。Ai值越大，说明案例城市第i代人对目标景区的到访率正向偏离理论值和平均值越大，对目标景区的喜欢程度越高；反之，说明案例城市第i代人对目标景区的到访率负向偏离理论值和平均值越大，对目标景区的喜欢程度越低。
a = h n
式中：a表示景区知名度；h表示案例城市听说过目标景区的被调查者人数；n表示案例城市样本规模。

1.2 数据来源

研究数据来自2017—2019年在6个案例城市做居民出游行为调查时获得的问卷。问卷核心调查内容：①对目标景区的访问情况。北京、西安、成都、上海、武汉、长春的目标景区数分别为85、83、92、86、83、87个，共计516个。不重复计算，6个案例城市涉及的目标景区共有136个。目标景区在空间上分布比较均匀，且为高级别景区（以5A级景区为主，4A级景区为辅，只有西安钟楼为3A级景区）。②人口统计学特征。样本规模根据案例城市人口规模的万分之一确定。调查对象为当地城市居民，调查地点为图书馆、商场、步行街、社区、公园和超市等。本研究共使用了8672份问卷，其中北京、西安、成都、上海、武汉和长春的样本规模分别为2077、886、1618、2305、1039和747份。人口特征见相关文献[32]。

2 结果与分析

2.1 景区到访率的空间分布特征

分代计算目标景区到访率，共得到516个数据。以交通距离（案例城市距目标景区最近的火车站间的铁路交通距离与火车站到目标景区的公路交通距离之和）为横坐标，以到访率为纵坐标绘制到访率距离分布图，发现6个案例城市各代群的到访率距离分布曲线均呈显著的衰减特征，且同一案例城市各代群之间的到访率异常高或异常低景区既有相同也有差异。限于篇幅，以北京城市居民的景区到访率距离分布图（图1）为例进行说明。
图1 北京城市居民的景区到访率距离分布

Fig.1 Distance distribution of urban residents' visiting rate for scenic spots in Beijing

由图1可知，北京城市居民的到访率整体上随距离增加而衰减。其中，北戴河、西湖、东方明珠、鼓浪屿、天涯海角等景区是所有代群共同的到访率异常值点，兵马俑、苏州园林、普陀山、崂山、中山陵等景区是部分代群共同的到访率异常值点。各代群到访率标准差介于13%~18%之间，其中90后的最小，70后、60后的最大。6个代群到访率中位数、平均值差别较大（介于13%~30%之间），到访率最小值差别较小（介于3%~5%之间），说明景区偏好是客观现象，既存在代际差异，也存在代内差异。
为进一步验证距离对到访率空间分布特征的影响，对景区到访率进行全局空间自相关分析，显著性检验结果见表1。从中发现，6个城市所有代群的莫兰指数值均大于0，Z值均大于1.65，P值均小于0.001，说明到访率存在空间自相关，距离衰减作用显著，可用幂函数拟合到访率距离衰减规律，拟合曲线上的到访率值可以代表到访率理论值，即公式（2）中的p值。
表1 景区到访率全局空间自相关显著性检验结果

Tab.1 Results of the significance test for global spatial autocorrelation of visiting rates for scenic spots

城市 00后 90后 80后 70后 60后 60前
北京 Moran's I 0.36 0.35 0.36 0.32 0.29 0.30
Z 11.68 11.60 11.50 10.18 9.41 9.55
西安 Moran's I 0.23 0.62 0.21 0.23 0.17 0.12
Z 7.11 5.74 6.52 7.14 5.17 3.87
成都 Moran's I 0.45 0.38 0.38 0.40 0.38 0.23
Z 15.75 13.69 13.11 13.72 13.03 8.01
上海 Moran's I 0.25 0.29 0.32 0.34 0.35 0.38
Z 8.42 9.65 10.31 10.65 11.07 11.94
武汉 Moran's I 0.14 0.13 0.16 0.21 0.30 0.26
Z 4.32 4.36 5.13 6.51 8.81 7.85
长春 Moran's I 0.62 0.59 0.51 0.46 0.44 0.23
Z 14.65 13.85 11.59 10.37 9.71 5.27

注：P值均小于0.001。

为观察景区到访率中位数（M）、平均值（m）的地区差异和代际差异，分别计算同一案例城市不同代群之间和不同案例城市相同代群之间的景区到访率标准差，见表2。
表2 案例城市各代景区到访率中位数、平均值和标准差(单位:%)

Tab.2 Median,mean and standard deviation of visiting rate for scenic spots by generation in case cities (unit:%)

城市 00后 90后 80后 70后 60后 60前 标准差
M m M m M m M m M m M m M m
北京 12 18 10 15 13 19 21 27 23 28 28 30 6.32 5.68
西安 17 20 10 14 15 20 18 24 28 33 14 22 5.44 5.94
成都 11 17 10 15 12 19 19 26 17 24 23 30 4.71 5.46
上海 7 12 8 12 10 16 15 21 17 22 18 24 4.33 4.87
武汉 7 13 8 12 9 14 15 20 13 18 13 19 2.94 3.22
长春 6 10 7 12 8 13 10 16 9 14 18 20 3.83 3.34
标准差 3.64 3.62 1.39 1.29 2.41 2.58 3.7 3.48 6.25 6.26 4.95 4.48 - -
由表2可知，到访率中位数和平均值的代际差异显著，且不同案例城市之间呈现出相似性。具体而言，从90后及其以前出生的代群，一代比一代的到访率中位数和平均值相对越大，这主要与年龄越大的人积累的旅游经历越多有关；但00后表现独特，到访率中位数和平均值均高于90后，与80后持平，说明其旅游活动能力很强。同一案例城市到访率代际差异从大到小依次为北京、西安、成都、上海、长春、武汉，不同案例城市同代人到访率差异从大到小依次为60后、60前、70后、00后、80后、90后，说明除了00后外，与后一代相比，前一代人的旅游活动能力和偏好差别较大。此外，不同案例城市的60后、60前、70后（统称“前3代”）到访率中位数和平均值的标准差较大，00后、80后、90后（统称“后3代”）到访率中位数和平均值的标准差较小，反映出年轻人旅游活动能力和偏好的地区差异较小，中老年人旅游活动能力和偏好的地区差异较大，6代人可据此分为“前3代”“后3代”两组。

2.2 景区偏好度值的统计分布特征

按代计算出景区偏好度值后绘制偏好度值箱形图（图2），对比同一个案例城市不同代之间、不同案例城市相同代之间景区偏好度值的分布和变化特点。超过四分位差1.5倍的异常高值在图中用“○”表示，超过四分位差3倍的异常低值在图中用“*”表示，平均值在图中用“Δ”表示。需要说明的是，部分景区异常值接近，图上符号有重叠情况。
图2 案例城市景区偏好度值箱形图

Fig.2 Box plots of preference degree for scenic spots by generation in case cities

从图2可见，景区偏好度值代际差异客观存在但差异程度不同。其中，北京、成都、上海景区偏好度值的代际差异相对较小，西安、武汉、长春代际差异相对较大。从异常值看，北京、西安异常值数量较少，且异常值主要出现在箱体上方，其他4个案例城市异常值较多，且箱体上下均有分布，同一个案例城市不同代异常值点具有较大相似性，说明各代有共同偏好的景区。从箱体大小看，“后3代”箱体较小，偏好度值分布更集中，代内差异较小，平均值较小；“前3代”箱体较大，偏好度值分布相对分散，代内差异较大，平均值较大。值得注意的是，西安的60后箱体较小，代内差异较小，具有特殊性。从箱形图上的“须线”看，不仅同一案例城市各代之间，而且不同案例城市之间偏好度最大值、最小值差别都较小。从中位数线看，除了北京的70后和60前居中外，其他案例城市各代中位数线位置均偏下，偏好度数据为右偏型。

2.3 不同偏好度类型景区的空间分布特征

采用K均值聚类法，对6个案例城市剔除异常值后的景区偏好度值按代进行高、中、低类型划分，各类占比见表3。为了便于发现整体特征，6个案例城市偏好度值异常高、高、中、低、异常低五类景区占比，偏好度值异常高和高两类景区占比也列入表3中。
表3 案例城市景区偏好度K均值聚类结果(单位:%)

Tab.3 K-means clustering algorithm results of preference degree for scenic spots by generation in case cities(unit: %)

案例
城市		 类型 00后
占比		 90后
占比		 80后
占比		 70后
占比		 60后
占比		 60前
占比
北京 高 11 22 13 10 14 24
中 25 74 31 43 33 45
低 64 4 56 47 53 31
西安 高 20 37 20 9 17 15
中 40 59 30 30 35 40
低 40 4 50 61 48 45
成都 高 5 11 12 10 10 9
中 23 31 20 34 41 27
低 72 58 68 56 49 64
上海 高 11 11 13 10 13 12
中 32 28 34 23 33 35
低 57 61 53 67 54 53
武汉 高 13 8 11 19 8 16
中 41 29 46 32 33 36
低 46 64 43 49 59 48
长春 高 15 13 11 15 14 17
中 49 39 35 29 33 32
低 36 48 54 56 53 51
6个案
例城市
合计		 异常高 9 10 8 5 4 4
高 11 15 12 12 12 15
中 32 38 29 30 33 34
低 47 34 49 52 50 46
异常低 1 3 2 1 1 1
异常高+高 20 25 20 17 16 19
从表3可见，除了北京90后和西安90后的低偏好度景区分别只有4%外，其他案例城市各代不同偏好度类型景区占比（本文称为景区偏好度类型结构）具有相似性。其中，偏好度类型为高的景区占比较低，一般不超过20%；偏好度类型为中的景区占比居中，一般不超过35%；偏好度类型为低的景区占比最高，一般超过45%。6个案例城市异常高和高偏好度景区占全部目标景区的比例在20%左右，符合二八法则。
为了观察不同偏好度类型景区的空间分布特征，本文采用ArcGIS软件绘制各代不同偏好度类型景区分布图（图3）。为了方便观察，将6个案例城市同一代群偏好的目标景区（共136个）按照偏好度类型绘制在一张图上。对于同一个景区在不同案例城市偏好度类型不同的情况，按照出现次数多的类型进行标注，其中偏好度异常值景区单独进行标注。
图3 案例城市不同偏好度类型景区分布

注：基于自然资源部标准地图服务网站审图号为GS（2019）1697号的标准地图制作，底图边界无修改。

Fig.3 Distribution of scenic spots with different preference types in case cities

从图3可见，各代不同偏好度等级景区的空间分布与目的地（Destination）客源地（Origin）之间（简称“O-D”）的距离没有明显关系，无论高偏好度景区还是中、低偏好度景区，分布范围都十分广阔。但是，高偏好度景区绝大多数分布在胡焕庸线东南地区且为高知名度景区，如北京故宫、东方明珠、西湖、苏州园林、鼓浪屿、兵马俑、天涯海角、崂山等。因此，进一步计算各代景区偏好度与景区知名度的相关系数（表4）。检验结果显示，在0.01水平下相关性均显著，说明景区偏好度与景区知名度存在正相关关系。
表4 景区偏好度与景区知名度斯皮尔曼相关系数显著性检验结果

Tab.4 Results of significance test of Spearman correlation coefficient between the preference degree for scenic spots and the popularity degree of scenic spots

代 北京 西安 成都 上海 武汉 长春
00后 0.698** 0.565** 0.589** 0.758** 0.470** 0.567**
90后 0.562** 0.368** 0.538** 0.738** 0.500** 0.528**
80后 0.730** 0.729** 0.567** 0.725** 0.607** 0.605**
70后 0.733** 0.774** 0.663** 0.738** 0.752** 0.734**
60后 0.748** 0.717** 0.723** 0.791** 0.578** 0.706**
60前 0.606** 0.505** 0.569** 0.739** 0.690** 0.523**

注： ** 表示在 0.01 级别（双尾）相关性显著。表5同。

在高偏好度景区中，既有自然类景区也有人文类景区。00后与70后之间、90后与60后之间相同类型偏好度景区分布格局具有更大的相似性，但70后、60后的高、中偏好度景区数量更多，分布范围更广。60前和60后由于年龄较大，高、中偏好度景区数量相对较多。但是，00后的高、中偏好度景区数量可与60前相媲美，表现十分“抢眼”，反映出00后确实是旅游市场的生力军，旅游活动异常活跃。

2.4 景区偏好度的代际相关特征

以景区排序序号为横坐标（按照O-D距离从小到大排序），以景区偏好度为纵坐标，按“后3代”“前3代”分组绘制景区偏好度距离分布图，发现6个案例城市具有较大的相似性，限于篇幅，本文仅以北京为例进行说明（图4）。
图4 北京城市居民景区偏好度距离分布

Fig.4 Distance distribution of urban residents' preference degree for scenic spots in Beijing by generation

从图4可以看出，景区偏好度值的大小与O-D距离没有关系，但与代及景区本身有密切关系。无论是“后3代”，还是“前3代”，景区偏好度的代际差异均因景区而异，有的景区代际差异较大，有的景区代际差异较小。不同代群喜欢与不喜欢的景区具有较大的相似性，景区偏好度分布曲线呈现出嵌套结构。进一步计算景区偏好度代际相关系数（表5），发现在0.01级别均通过了双尾显著性检验，说明中国城市居民旅游景区偏好具有显著的代际传递效应，这可能与国人偏好以家庭为单位出游有密切关系。
表5 景区偏好度代际斯皮尔曼相关系数(北京)

Tab.5 Spearman correlation coefficients of the preference degree for scenic spots by generation (Beijing)

代 00后 90后 80后 70后 60后 60前
00后 1.000 0.999** 1.000** 1.000** 0.999** 0.999**
90后 0.999** 1.000 1.000** 1.000** 0.999** 1.000**
80后 1.000** 1.000** 1.000 1.000** 0.999** 1.000**
70后 1.000** 1.000** 1.000** 1.000 0.999** 0.999**
60后 0.999** 0.999** 0.999** 0.999** 1.000 0.999**
60前 0.999** 1.000** 1.000** 0.999** 0.999** 1.000
为了定量比较景区偏好度代际差异情况，本文分别计算“后3代”之间、“前3代”之间及6代之间的景区偏好度值的标准差，同样以景区排序序号为横坐标（按照O-D距离从小到大排序），以“后3代”的标准差、“前3代”的标准差和6代的标准差为纵坐标，绘制6个案例城市景区偏好度标准差距离分布图，发现6个城市的景区偏好度代际标准差的距离分布具有相似的特点。限于篇幅，以北京景区偏好度代际标准差分布图为例进行说明（图5）。
图5 北京景区偏好度值代际标准差距离分布

Fig.5 Distance distribution of intergenerational standard deviation of preference degree for scenic spots in Beijing

从图5可见，北京三类代际景区偏好度值标准差出现了5种情况：①“前3代”之间的标准差、“后3代”之间的标准差和6代之间的标准差接近，包括的目标景区有北京故宫、平遥古城、崂山、兵马俑、鼓浪屿5个，说明北京市民对这些景区的偏好不存在显著的代际差异。②“前3代”之间的标准差与6代之间的标准差接近，与“后3代”之间的标准差差别较大，包括的目标景区有八达岭长城、白洋淀、华山、西安钟楼、苏州园林、汉中武侯祠、喀什噶尔老城7个，说明“前3代”北京市民对这些景区偏好的代际差异较大，“后3代”北京市民对这些景区偏好的代际差异较小。③“后3代”之间的标准差与6代之间的标准差接近，与“前3代”之间的标准差差别较大，包括的目标景区有避暑山庄、北戴河、济南天下第一泉、金石滩、宝塔山、西湖、青海湖、九寨沟、神农架、青城山、大足石刻、武隆喀斯特、广州白云山、峨眉山、华侨城、天涯海角、香格里拉17个，说明 “后3代”北京市民对这些景区偏好的代际差异较大，“前3代”北京市民对这些景区偏好的代际差异较小。④“前3代”之间的标准差、“后3代”之间的标准差比较接近，但与6代之间标准差差别较大，包括的目标景区有五台山、太行大峡谷、敕勒川、大槐树、汤旺河、净月潭、蓬莱阁、中山陵、天柱山、太阳岛、武夷山、甘南草原、井冈山、七彩丹霞、漓江、遵义会议旧址、中俄边境、黄果树瀑布、博斯腾湖、西双版纳热带植物园20个，说明“前3代”北京市民之间、“后3代”北京市民之间的代际差异相似，但组间差异较大。⑤“前3代”之间的标准差、“后3代”之间的标准差、6代之间的标准差各不相同，包括的目标景区有天津古文化街、西柏坡、云冈石窟、雁门关、晋祠、曲阜三孔、泰山、沈阳故宫、云台山、龙门石窟、成吉思汗陵、尧山-中原大佛、宁夏沙湖、黄鹤楼、东方明珠、黄山、法门寺、武当山、庐山、滕王阁、麦积山石窟、普陀山、张家界、韶山、塔尔寺、巴丹吉林沙漠、多彩贵州、北极村、青秀山、鸣沙山、巴里坤古城、吐鲁番葡萄沟、天山天池、崇圣寺、布达拉宫、喀纳斯36个，说明北京市民对这些景区偏好的组间差异和组内代际差异都比较大。
总体上看，6个案例城市景区偏好度代际差异显著的景区数量较多，代际差异不显著的景区数量较少。具体而言，北京、西安、成都、武汉、上海和长春6个城市中，偏好度代际差异不显著的景区数（第一种情况）占各自景区总数的比例依次为6%、10%、7%、14%、8%和17%，最高不超过20%；各个城市超过80%的景区偏好度存在显著的组内代际差异或组间代际差异，说明景区偏好代际差异显著且“3代一组”是比较突出的代际差异特征。

3 结论和讨论

3.1 结论

本文采用大样本问卷调查获得的中国城市居民有记忆以来对136个不重复的高级别景区的实际到访率数据，在对比研究各代城市居民的景区到访率距离分布特征和空间自相关特征的基础上，通过构建景区偏好度指标，过滤掉距离对到访率的影响，定量化、显象化地对比研究了6代中国城市居民的旅游景区显示性偏好差异，得出以下结论：
①景区偏好及其代际差异均符合二八法则。其中，高偏好度景区占20%，中、低偏好度景区占80%，但景区偏好度类型结构不存在代际差异；80%的旅游景区存在代际偏好差异，20%的景区不存在代际偏好差异；不存在代际偏好差异的景区大部分为知名度特别高的景区；对于知名度特别高的景区，即使O-D距离遥远，景区偏好度也很高。
②景区偏好具有代际传递效应。各代群的景区偏好度距离分布曲线呈现嵌套结构，“后3代”偏好的景区较为相似，“前3代”偏好的景区较为相似，景区偏好具有显著的“3代一组”分化特点。“后3代”的景区偏好度值分布相对集中，代内差异较小；“前3代”的景区偏好度值分布相对分散，代内差异较大。
③景区偏好度与O-D距离、景区性质和等级没有显著相关关系，但与景区知名度有显著相关关系。高偏好度景区主要分布在胡焕庸线东南地区，特别是京津唐和长三角地区，中、低偏好度景区分布范围广泛，但西北和东北地区的景区偏好度普遍较低。高、中、低偏好度景区中，均既有自然类景区，也有人文类景区。低偏好度景区中5A级景区数量众多。发展历史悠久的高知名度景区，偏好度更高。
④景区到访率代际差异显著，年龄越大代群的到访率越高、出游空间越大。其中，00后较其他代人旅游更活跃，景区到访率与80后相当，其高、中偏好度景区数量多于70后，与60前相当。同一案例城市不同代群的到访率差异从大到小依次为北京、西安、成都、上海、长春、武汉，不同案例城市同一代群的到访率代际差异从大到小依次为60后、60前、70后、00后、80后、90后。

3.2 讨论

①研究发现，中国城市居民旅游景区偏好符合二八法则：高偏好度景区占全部景区的20%，中、低偏好度景区占全部景区的80%；偏好度存在代际差异的景区占全部景区的80%，偏好度不存在代际差异的景区占全部景区的20%；而且两者“20%”包含的景区不完全重叠。这一方面证明了景区之间的市场竞争是客观存在的，且能在市场竞争中脱颖而出的景区不到20%，大部分景区应通过提高知名度提升市场竞争力；另一方面也证明景区偏好的代际差异是客观现象，“后3代”具有较小的代际和代内差异，“前3代”具有较小的代际差异和较大的代内差异。由于景区偏好具有显著的代际传递效应，DMO在做产品开发、市场细分和市场营销工作时，应该充分注意这一特点。本文发现的景区偏好“3代一组”现象和代际传递效应，印证了朱鹏亮等“相近代际群体行为方式具有趋同性”[33]的研究结论，也说明国内同行以10年为一代的代际划分方式具有合理性。
②研究发现，00后旅游活动非常活跃，无论是景区到访率平均数、中位数，还是中、高偏好度景区数量都处于比较高的位置，未来成长性极好。这从一个侧面证明“Z世代”已逐步成长为当今社会发展的中坚力量和最主流、最有活力的文化消费群体，将在未来旅游业发展中扮演十分重要的角色。国际研究也证明，65岁以后的老年人旅行行为会随着年龄的增加快速减少，单次出行距离将越来越短[34]，中青年群体是旅游市场的主体。因此，DMO应高度重视发挥景区偏好的代际传递效应，通过满足00后群体的旅游需求和旅游偏好，吸引他们的亲代（主要是70后）和子代（将来的20后）。
③研究发现，景区偏好主要与景区知名度有关，与O-D距离、景区性质、景区等级相关关系不显著，再次证明提高知名度是提高景区到访率的重要途径[35]。DMO应致力于打造富有特色的、适销对路的旅游产品，采取有效的市场营销举措，提升景区形象，优化景区口碑，努力提高景区知名度，而非简单追求景区提档升级。同时，应该注意到，虽然景区偏好不受O-D距离的影响，但是实际到访率与O-D距离具有密切关系，确定客源市场仍应以出游半径[32]为重要依据。
本文仍存在不足之处：目标景区主要选用5A级和4A级景区，结论是否适用于低级别景区还有待验证；研究对象是城市居民，结论是否适用于乡村居民有待验证。未来需要采用多种不同类型和等级的景区为目标景区，对城乡居民景区偏好进行对比研究，并进一步研究景区偏好的其他影响因素和心理机制。另外，本研究采用的是问卷调查数据而非大数据，并且数据调查时间是2017—2019年，未来需要采用大数据进一步研究城市居民旅游景区偏好代际差异是随着旅游目的地选择行为的变化而变化，还是具有稳定性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
白凯, 马耀峰. 旅游者购物偏好行为研究:以西安入境旅游者为例[J]. 旅游学刊, 2007, 22(11):52-57.

[2]
梁江川, 张伟强. 基于活动偏好市场细分的旅游产品谱系开发:以开平碉楼世界文化遗产为例[J]. 旅游学刊, 2009, 24(9):36-42.

[3]
宋瑞, 杨晓琰. 促进旅游消费的有效途径:现象、规律与建议[J]. 河北大学学报:哲学社会科学版, 2024, 49(2):22-27.

[4]
韵江, 刘博. 距离产生美? ——代际差异视角下感知距离对游客行为意愿的影响机制研究[J]. 旅游学刊, 2023, 38(3):63-76.

[5]
吕兴洋, 骆晶晶, 唐孜彦. 红色旅游仪式感对青少年在线契合行为的影响研究[J]. 旅游学刊, 2023, 38(3):77-91.

[6]
许春晓, 唐敏. 代际差异视角下红色旅游政党认同行为的组态路径研究[J/OL]. 旅游科学,https://doi.org/10.16323/j.cnki.lykx.20240306.002.

[7]
胡其波, 黄丽满, 李军. 传统与新生何以融合并存——基于代际差异的旅游者真实性体验与忠诚度的影响关系研究[J]. 人文地理, 2023, 38(5):180-190.

[8]
杨玲. 旅游分享的代际差异及其影响因素[J]. 黑龙江科学, 2023, 14(7):1-6,11.

[9]
王晓庆. 国内外旅游偏好研究综述[J]. 现代城市研究, 2014 (1):110-115.

[10]
Su S, Wan C, Hu Y, et al. Characterizing geographical preferences of international tourists and the local influential factors in China using geo-tagged photos on social media[J]. Applied Geography, 2016,73:26-37.

[11]
Gao J, Peng P, Lu F, et al. Mining tourist preferences and decision support via tourism-oriented knowledge graph[J]. Information Processing and Management, 2024,61:103523.

[12]
Peng J, Deng J. Predicting Chinese tourists’ B&B preferences through a method of online reviews causality analytic[J]. Information Processing and Management, 2024,61:103634.

[13]
Jou R C, Lin Y C, Hensher D. Parking preferences of tourists in Sun Moon Lake scenic area[J]. Case Studies on Transport Policy, 2024,17:101249.

[14]
He M, Tu J H, Li Y Q, et al. Tourist preference for tourism product brand biographies[J]. Annals of Tourism Research, 2024,107:103773.

[15]
Chena S, Ahlstrom D, Xiao T W. Too complex to handle:Goal conflict and tourist preference for simple aesthetics[J]. Annals of Tourism Research, 2023,102:103639.

[16]
谷义江, 孙根年. 基于时间约束的北京市居民自驾游空间距离及目的地选择[J]. 经济地理, 2023, 43(11):229-239.

DOI

[17]
Taecharungroj V, Mathayomchan B. Analyzing trip advisor reviews of tourist attractions in Phuket,Thailand[J]. Tourism Management, 2019, 75,550-568.

DOI

[18]
王朝辉, 汤陈松, 乔浩浩, 等. 基于数字足迹的乡村旅游流空间结构特征——以浙江省湖州市为例[J]. 经济地理, 2020, 40(3):225-233,240.

DOI

[19]
黄群芳, 陆玉麒, 陈晓艳. 旅游研究中的代际理论及其应用述评[J]. 热带地理, 2018, 38(1):25-33.

DOI

[20]
Xiang Z, Du Q, Ma Y, et al. A comparative analysis of major online review platforms:Implications for social media analytics in hospitality and tourism[J]. Tourism Management, 2017, 58,51-65.

[21]
Solnet D, Hood A. Generation Y as hospitality employees:Framing a research agenda[J]. Journal of Hospitality and Tourism Management, 2008(15):59-68.

[22]
Martínez-gonzález J A, Parra-lópez E, Buhalis D. The loyalty of young residents in an island destination:An integrated model[J]. Journal of Destination Marketing & Management, 2017, 6(4):444-455.

[23]
Mannheim K. Essays on the Sociology of Knowledge[C]. London:Routledge,1952.

[24]
Eyerman R, Turner B S. Outline of a theory of generations[J]. European Journal of Social Theory, 1998, 1(1):91-106.

[25]
Oppermann M. Travel life cycle[J]. Annals of Tourism Research, 1995, 22(3):535-552.

[26]
You X, O'leary J T. Age and cohort effects:An examination of older Japanese travelers[J]. Journal of Travel & Tourism Marketing, 2000, 9(1/2):21-42.

[27]
Pennington-Gray L, Kerstetter D L, Warnick R. Forecasting travel patterns using Palmore's cohort analysis[J]. Journal of Travel & Tourism Marketing, 2002, 13(1-2):125-143.

[28]
Gonzalo Luna-Cortés. Differences among generations of USA tourists regarding the positive content created about Colombia in social media[J]. Journal of Hospitality and Tourism Management, 2018(36):31-39.

[29]
Samuelson P A. A note on the pure theory of consumer's behavior[J]. Economica, 1938, 5(17):61-71.

[30]
吴必虎, 唐俊雅, 黄安民, 等. 中国城市居民旅游目的地选择行为研究[J]. 地理学报, 1997(2):3-9.

[31]
张高军, 吴晋峰, 周靖超. 旅游目的地形象的代际差异比较——兼论代沟理论的3种不同学说[J]. 旅游学刊, 2017, 32(2):53-64.

[32]
吴晋峰, 石晓腾, 吴宝清. 基于城市居民累积出游经历的“吴曲线”变化研究[J]. 干旱区资源与环境, 2022, 36(12):172-183.

[33]
朱鹏亮, 李昭阳, 邵秀英. 传统村落游客感知价值代际差异研究——以碛口为例[J]. 干旱区资源与环境, 2021, 35(1):203-208.

[34]
Buehler R, Pucher J, Wittwer R., et al. Travel behavior of older adults in the USA,2001-2017[J]. Travel Behaviour and Society, 2024 (36):100783.

[35]
吴宝清, 吴晋峰, 石晓腾, 等. 有多少人“慕名而来”?——旅游景区到访率与知名度的关系研究[J]. 旅游学刊, 2020, 35(1):78-94.

Options
文章导航

/

〈 〉