EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 248 - 255

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.024

旅游经济与管理

基于抖音数据的旅游景点网络关注度的空间分异及影响因素分析——以华东地区为例

  • 刘颖 , 1 ,
  • 靳诚 , 1, 2, ※
展开
  • 1.南京师范大学 地理科学学院，中国江苏 南京 210023
  • 2.江苏省地理信息资源开发与利用协同创新中心，中国江苏 南京 210023
※ 靳诚（1984—），男，博士，教授，博士生导师，研究方向为区域发展与旅游地理。E-mail:

刘颖（2001—），女，硕士研究生，研究方向为旅游地理与旅游规划。E-mail：

收稿日期: 2024-10-22

  修回日期: 2025-03-11

  网络出版日期: 2025-08-07

基金资助

国家自然科学基金项目(41871137)

国家自然科学基金项目(42271235)

江苏省高校“青蓝工程”

收起

Spatial Differentiation and Influencing Factors of Network Attention Degree of Tourist Attractions Based on the Data of Douyin: A Case Study of Eastern China

  • LIU Ying , 1 ,
  • JIN Cheng , 1, 2, ※
Expand
  • 1. School of Geography，Nanjing Normal University，Nanjing 210023，Jiangsu，China
  • 2. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，Jiangsu，China

Received date: 2024-10-22

  Revised date: 2025-03-11

  Online published: 2025-08-07

Fold

摘要

文章基于抖音用户对华东地区旅游景点的收藏量数据，首先采用多距离空间聚类分析了华东地区抖音关注度较高旅游景点的空间模式，继而运用空间自相关分析旅游景点关注度的空间分异格局，最后利用地理探测器探讨了城市旅游抖音关注度可能的影响因素。结果表明：①从空间分布特征来看，华东地区抖音关注度较高的旅游景点主要分布在沿海城市，其中沿海城市之间关注度较高的旅游景点数量也存在较大差异；华东地区城市旅游抖音关注度层级划分较为清晰，主要呈现中部较高、两端高低相间的特征；②从空间多尺度特征来看，华东地区抖音关注度较高的旅游景点总体呈集聚型分布；③从空间关联特征来看，城市旅游抖音关注度整体呈空间正相关，且空间集聚程度较高。城市旅游抖音关注度的空间关联格局与分异格局基本对应，高值区主要分布在华东地区的中部，中低值区镶嵌分布在其余地区。④从影响因素看，客运总量、A级旅游景区数量、常住人口、移动电话年末用户数4个因子两两的交互作用对城市旅游抖音关注度的影响较为显著。

关键词： 抖音关注度; 旅游景点; 城市旅游关注度; 空间分异; 地理探测器

本文引用格式

刘颖 , 靳诚 . 基于抖音数据的旅游景点网络关注度的空间分异及影响因素分析——以华东地区为例[J]. 经济地理, 2025 , 45(6) : 248 -255 . DOI: 10.15957/j.cnki.jjdl.2025.06.024

Abstract

Based on the collection data of Douyin users on tourist attractions of eastern China, this paper uses multi-distance spatial cluster analysis to analyze the spatial pattern of network attention of tourist attractions of eastern China with high attention of Douyin, uses spatial autocorrelation analysis to analyze its spatial differentiation pattern, and uses geographic detectors to explore its possible influencing factors. The research shows that: 1) The tourist attractions of eastern China with high network attention degree in Douyin are mostly distributed in coastal cities, and there are also significant differences in the number of tourist attractions with high network attention degree in Douyin among coastal cities. At the prefecture level, the network attention degree of tourist attractions of eastern China in Douyin shows an unbalanced distribution pattern, which is higher in the middle of eastern China and lower in both sides of eastern China. 2) Tourist attractions of eastern China with high-level network attention degree in Douyin show the agglomeration distribution pattern. 3) The network attention degree of tourist attractions of eastern China in Douyin shows a positive spatial correlation, and the degree of spatial agglomeration is relatively high. The spatial correlation pattern of network attention degree of tourist attractions of eastern China in Douyin basically corresponds to the differentiation pattern at the prefecture level. The high-value areas are mainly distributed in the central part of eastern China, while the medium and low-value areas are inlaid in the rest areas of eastern China. 4) The interactions of total passenger transport, the number of A-level scenic spots, permanent resident population and the number of mobile phone users at the end of the year have significant impact on the network attention degree of of tourist attractions in Douyin.

Key words： network attention degree of Douyin; tourist attractions; urban tourism attention degree; spatial differentiation; geographic detector

作为中国经济最发达、文化底蕴深厚且自然景观多样的地区之一，华东地区的旅游业在近年来持续蓬勃发展，成为国内外游客的热门选择。国家“十四五”规划和2035年远景目标纲要中，明确提出要加快发展现代服务业，推动旅游业高质量发展，这为华东地区旅游业的持续繁荣提供了坚实的政策支撑和广阔的发展空间。近年来，信息技术的飞速发展和社交媒体平台的广泛普及，极大地改变了旅游信息传播方式和游客决策过程。中国互联网络信息中心2024年发布的《第53次中国互联网络发展状况统计报告》显示，截至2023年12月，我国在线旅行预订用户规模达5.09亿人，旅游信息化、数字化建设日益完善[1]。这一现象得益于短视频平台通过内容种草、网红效应以及与OTA（在线旅游）平台的合作，其为旅游市场带来了新的增长动力。
抖音，作为当前最受欢迎的短视频社交媒体平台之一，凭借其庞大的用户基数、高度活跃的用户群体以及强大的内容传播能力，已成为人们获取旅游信息、分享旅行体验的重要渠道。抖音本地生活功能的推出，更是进一步促进了旅游信息的精准推送和用户行为的深度分析，为旅游目的地营销和推广提供了新的机遇。抖音本地生活（新版抖音App中已更名为“团购”，以下称“团购”）模块是抖音2018年成立的POI团队推出的功能，游客可以在本地生活模块进行团购、酒店预订、门票预订等。因此，基于抖音团购的景点收藏量数据，对华东地区旅游景点关注度的空间分异及影响因素进行深入分析，不仅有助于揭示新媒体时代旅游信息传播的新模式，还能为旅游目的地的精准营销、区域旅游规划及旅游资源的优化配置提供有力支持。
网络关注度是基于社交媒体和搜索引擎数据的一种统计方式，用于评估特定关键词受欢迎程度[2-4]。网络关注度在旅游方面的应用反映旅游者对相关旅游要素的关注程度[5]，对旅游网络关注度的研究可以揭示地区旅游发展新模式[6]、指导旅游产品开发与优化[7]。目前，国内学者对旅游网络关注度研究采用的数据来源主要有百度指数[8-10]、携程、马蜂窝、微博等网络平台关于景点的点评数[11-12]以及抖音粉丝量数据[13]等。随着抖音的流行，与抖音短视频相关的研究也相应增多，其中国内研究占大多数，国外相关研究较少。国内与抖音短视频相关的旅游研究，在研究内容方面主要围绕社交媒体在旅游营销中的应用[14-15]、城市旅游形象打造[16-17]以及旅游景区或景点关注度的空间分异现象[18-20]；在研究数据方面，吴小妮等用城市用户的抖音粉丝量数据来研究成渝城市群网络关注度[21]，谢亚文等用旅游类博主抖音粉丝量数据来研究长江中游城市群城市旅游抖音关注度[22]，刘卓林等用景区官方账号的粉丝量来研究长江经济带旅游经济空间结构[13]。
从研究数据来看，已有文献绝大多数使用粉丝量数据。然而，抖音粉丝量数据虽较为直观，且容易获得，但粉丝量数据在收集过程中要先筛选特定用户，部分用户的信息存在虚假填写，因此在筛选过程中难免存在遗漏或者误判。抖音团购模块的数据可以很好地避免这些问题，团购模块的旅游景点是指与抖音展开合作的景点，景点本身不会轻易改变，收藏量数据是抖音后台统计的，不会因为主观因素而改变，且该数据可以缓存一周，时间维度方便统一。同时，团购数据还可以反映用户的需求和消费行为，收藏量较高的本地生活服务往往具有较高的商业变现潜力。随着基于短视频粉丝网络关注度研究的增加，这类研究虽已从原来的探索性分析逐渐有了一定的理论分析框架，但是短视频相关的数据不易获取，而且研究数据种类较为单一，此类研究想要持续深入还是有一定的阻碍[23]。
鉴于此，本文以华东地区为例，通过收集和分析抖音团购模块的华东地区旅游景点的收藏量数据，系统探讨该区域旅游景点关注度的空间分异特征，并深入分析其背后的影响因素。

1 数据来源与研究方法

1.1 研究区概况

本文的研究区域为华东地区，包括山东、江苏、安徽、浙江、福建、江西和上海6省1市，共计77个地级及以上城市，总面积83.43万km2。华东地区地理条件优越，坐拥长江、淮河等水系，黄山、武夷山等山脉，还有绵长的海岸线，山海风光、水乡景致为旅游业奠定资源基础。经济上，华东地区是中国经济强区，上海是国际经济中心，苏浙鲁等省产业发达，居民消费能力高，为旅游市场提供强劲支撑。同时，交通网络密集，交通设施完善，极大提升旅游便捷性。华东地区在旅游资源开发、市场培育、产业融合等方面均走在全国前列，具有显著的典型性与代表性。因此本文选择华东地区作为研究区。

1.2 数据来源与预处理

旅游景点网络关注度数据来源于抖音App团购模块中各景点统计数据，包括收藏量、浏览量和想去量3个指标，旅游景点店铺通过短视频博主以及店铺官方账号宣传统计“浏览量、收藏量、想去量”。其中“收藏量”是用户对感兴趣的景点门店点击收藏按钮后所产生的数量统计。相较于浏览量和想去量，收藏量更为稳定。浏览量只能体现用户对相关景点的曝光接触程度，且容易受到视频推荐算法等各种偶然因素影响，想去量更多的是一种意向表达，与游客实际行为之间并无紧密联系，收藏量则体现景点本身的内在吸引力，用户对景点门店进行收藏，意味着用户对该景点有着较为长期和稳定的关注意向，因此本文选取抖音用户对景点门店的收藏量作为旅游景点网络关注度的体现。本文旅游景点网络关注度数据来源于抖音数据分析平台“抖查查”（https://www.douchacha.com/），采用人工检录的方法标识华东地区旅游景点的关注程度。由于数据获取的局限性，平台只能查看各市收藏量排名前100的景点，因此选取各市排名第100景点收藏量的最高值作为本文研究对象选择的标准，经筛选各市排名第100景点收藏量的最高值为1.4万次，因此只保留研究区域内收藏量1.4万次以上的旅游景点作为研究对象。研究时段为抖音本地生活模块上市至2024年2月25日（数据搜集截止日），考虑现实性与准确性，只纳入目前仍开放的景点。根据景点的名称利用高德地图坐标拾取器（https://lbs.amap.com/tools/picker）给每个景点匹配经纬度坐标，再运用坐标转换工具将高德地图的火星坐标系转换成WGS-84，最终得到1112个景点。影响因素的指标数据主要从各省、市2023年统计年鉴或2022年国民经济与社会发展统计公报中获取。

1.3 研究方法

1.3.1 多距离空间聚类分析

在ArcGIS软件中利用多距离空间聚类工具来分析华东地区抖音关注度相对较高的旅游景点的空间模式。其原理是以旅游景点为圆心，通过设置开始距离和距离增量，计算圆内旅游景点的数量。随着距离的增加，圆内景点的数量会变多，当某一特定距离的平均相邻景点数高于整个研究区内景点的平均密度，则该距离的分布方式被视为聚类分布[24]。

1.3.2 全局空间自相关分析

空间上相邻地域由变量相似性所产生的数据二阶效用称为空间自相关，全局空间自相关根据要素位置和要素值来度量空间自相关，主要有Geary's C和Moran's I两个指标[25]，本文用Moran's I指标表示华东地区关注度较高的旅游景点在整个区域上与周边地区的平均关联程度。Moran's I的取值介于-1到1之间，Moran's I值为正时表示景点空间分布呈正相关性，且值越大相关性越显著，反之呈负相关，值为0时表明景点在空间上随机分布。旅游景点的集聚与离散状况则由Moran's I的显著性检验统计量Z来体现，Z值为正且显著则表明研究区域内旅游景点呈集聚分布，反之离散。

1.3.3 地理探测器

地理探测器是探测空间分异性并揭示其背后驱动力的一组统计学方法[26]。地理探测器主要包括4个探测器：分异及因子探测、交互作用探测、风险区探测、生态探测。本文主要用交互探测来研究华东地区抖音关注度较高的旅游景点的空间分异背后的影响因素，以及不同的影响因素之间的交互关系。
交互作用探测主要是识别不同自变量之间的交互作用，即任意两个自变量共同作用时对因变量的解释程度是增强还是减弱，或这些自变量对应变量的影响是独立的[27]。如果单因子的解释力度小于双因子交互作用之后的解释力度，就可以解释为增强。

2 结果与分析

2.1 旅游景点尺度特征

2.1.1 空间分布特征

由图1可知，华东地区抖音关注度较高的旅游景点有着独特的分布规律。首先，相较于内陆城市，这些旅游景点更多地分布在华东地区的沿海城市，如青岛、上海、厦门等市，说明沿海地区的旅游景点相较于内陆地区的景点更容易吸引人们的关注。但是，沿海城市之间抖音关注度较高旅游景点的分布也有一定差距，如相较于其他沿海城市，江苏盐城和南通关注度较高的旅游景点数量还是较少。从城市发展角度看，在经济、交通、对外交流方面，华东地区沿海城市和内陆城市存在明显差异。首先，沿海城市更为发达，说明华东地区旅游景点关注度与地区经济发展水平有一定的联系。其次，这些旅游景点的分布大致呈3个集聚区，主要是山东省中部、江苏省东南部以及浙江省和福建省沿海一带。这些集聚区分布在交通便利的沿海地区，有利于不同区域间游客的流动。
图1 华东地区关注度较高旅游景点的空间分布

Fig.1 Spatial distribution of high-level network attention degree of tourist attractions of eastern China in Douyin

2.1.2 空间多尺度特征

由图2可知，关注度较高旅游景点的K观测值大于K预期值，且K观测值曲线在较高置信曲线上方，说明其分布有较为明显的集聚特征；伴随着观测距离的增加，K观测值逐渐远离K预期值，说明这些景点随着观测距离的增加，集聚程度也在增大，并在第17次观测距离增加的时候K观测值与K预期值的差距最大，聚程度达到最大，此时观测距离为190 km，随后集聚程度逐渐降低。多距离空间聚类分析的结果表明，华东地区抖音关注度较高的旅游景点在以190 km为搜索距离时，其距离范围内的景点数量最多，集聚程度最高；在观测距离为390 km处K观测值与K预测值相交，且随着距离的增大旅游景点的分布也趋于离散。
图2 华东地区关注度较高旅游景点的Ripley's K函数分析

Fig.2 Ripley's K function analysis of high-level network attention degree of tourist attractions of eastern China in Douyin

2.2 城市尺度特征

2.2.1 空间分布特征

根据每个景点的抖音网络关注度，将旅游景点的关注度累加转化为对应城市的旅游抖音关注度，将其可视化，并采用自然间断点法对城市关注度进行重分类（图3a），以此反映人们对不同城市旅游景点的累计关注度。由图3a可知，旅游抖音关注度较高的城市主要集中在华东地区中部，第一等级城市主要包括济南、南京、上海等城市。相对而言，经济发展水平较高的地区，人们在物质富足的基础上对精神生活的追求更高，同时其旅游景点开发得较为成熟，城市旅游发展水平较高，这些地区的景点更容易吸引游客的关注。除此之外，虽然萍乡市抖音关注度较高景点的数量少，但是其关注度高，主要是因为5A级萍乡武功山风景名胜区的关注度高达255万次，在所有景点中位居榜首。萍乡武功山凭借其独特的高山草甸景观，吸引了众多户外爱好者和游客，近年来也成为网红打卡地，相关照片和视频在网络上广泛传播，这说明城市旅游抖音的关注度还与新媒体宣传有着很大的关系。
图3 华东地区城市旅游抖音关注度空间分布特征

Fig.3 Spatial distribution of network attention degree of tourist attractions of eastern China in Douyin at the prefecture level

第二等级城市大多数分布在第一等级城市周边，包括黄山、无锡、湖州等市，也有少部分城市距离第一等级城市较远，如济南市和福建省一些沿海城市。旅游关注度累计低于102万次的城市比例较高，主要分布在华东地区西南部和中北部。华东地区西南部地处内陆山区，交通基础设施相对薄弱、旅游资源开发程度有限、宣传推广力度不足是导致旅游关注度相对较低的主要原因。在其中北部地区，部分城市的产业结构以传统工业或农业为主，城市旅游形象塑造与旅游品牌建设滞后，导致其旅游关注度也处于较低水平。在城市层面，华东地区旅游抖音关注度的分布呈现中部较高、两端高低相间的不平衡格局。

2.2.2 空间关联特征

以多距离空间聚类分析得到的190 km作为搜索半径，计算华东地区抖音关注度较高的旅游景点空间分布的全局莫兰指数（表1）。结果显示，全局莫兰指数值为正值，且通过5%显著性水平检验，Z得分为4.9045>2.58，表明抖音旅游关注度较高或较低的城市在空间上存在一定的集聚特征。
表1 华东地区关注度较高的旅游景点全局莫兰指数

Tab.1 Global Moran index of high-level network attention degree of tourist attractions of eastern China in Douyin

全局Moran's I指数 0.0542
预期指数 -0.0147
方差 0.0002
Z得分 4.9045
P值 0.0000
运用ArcGIS软件得到华东地区城市旅游抖音关注度空间格局的局部关联特征，并绘制出聚类异常值分布图。由图3b看出，华东地区城市旅游抖音关注度空间分布的4种集聚模式只呈现3种。①南京、上饶和萍乡市空间集聚类型为高低（H-L）型，表明这3个城市自身抖音旅游关注度较高，周边城市关注度较低，说明相较于南京、上饶和萍乡市，与之相邻城市旅游宣传推广力度不足，缺乏具有强大吸引力和传播性的旅游亮点。②苏州、上海、湖州和台州市的空间集聚类型为高高（H-H）型，说明这4个城市与其周围城市呈正向关联特征。对于湖州市而言，高旅游关注度得益于与杭州和苏州市的紧密地理联系，在区域旅游协同发展的大框架下，能够充分承接来自这两座城市的旅游辐射效应。无论是游客在游览杭州与苏州之后的顺道到访，还是因区域旅游线路的整合规划而被纳入其中，都使得湖州市的旅游抖音关注度得到显著提升。③南通市的空间集聚类型为低高（L-H）型，尽管南通市也拥有如狼山风景名胜区等旅游资源，但相较于其周边的苏州、无锡和上海市，在旅游资源的知名度与独特性方面略显不足，导致其抖音旅游关注度较低，与周边城市的高关注度形成了鲜明对比。总的来说，城市旅游抖音关注度的空间关联格局与分异格局基本对应，高值主要分布在华东地区的中部，中低值镶嵌分布在其他地区。这种空间集聚类型的差异，也深刻反映了华东地区城市旅游发展的不平衡性与复杂性。

3 影响因素分析

3.1 影响因素指标选取

根据以往研究，可将城市旅游抖音关注度的影响因素划分为3个层面[28-29]：①城市旅游抖音关注度与城市自身即目的地的发展息息相关，城市发展得好可以为城市旅游提供更好的基础设施、资源支持和市场需求；②旅游景点是旅游的核心吸引力和重要组成部分，它为游客提供丰富的旅游体验和文化交流的机会，无论是壮丽的自然风光还是独特的娱乐项目，都是吸引游客的关键；③城市旅游抖音关注度与地区信息化水平有着密切的关系，在“互联网+”的时代背景下，信息化水平高的城市可以促进旅游信息的快速传播，从而提高城市的旅游关注度。
通过对已有相关研究中的影响因素进行归纳整理，一般认为网络关注度受城市经济发展水平、互联网发展水平、社会人口等因素的影响[30-31]，同时结合以上3个方面以及数据可获得性[32]，选取本文城市旅游抖音关注度的影响因子（表2），具体为：GDP（X1）、客运总量（X2）、移动电话年末用户数（X3）、A级旅游景区数量（X4）、常住人口（X5）。
表2 城市旅游抖音关注度的影响因素

Tab.2 Influencing factors of network attention degree of urban tourism

影响因子维度 自变量名称（单位）
经济发展水平 GDP（亿元）
交通发达程度 客运总量（万人）
互联网发展水平 移动电话年末用户数（万户）
旅游资源 A级旅游景区数量（个）
社会人口 常住人口（万人）

3.2 影响因素分析

3.2.1 分异及因子探测分析

首先，将上述5个指标分别对应的数值数据离散化为类型数据，利用自然间断点分类法进行分类，分类的效果通过地理探测器的q统计量来评价，q值越大，分区效果越好[28]；然后，结合研究样本数量将每个指标分为8类，并探测选取的5个影响因素对华东地区城市旅游抖音关注度空间分异的解释力度（表3）。
表3 华东地区城市旅游抖音关注度空间分异因子探测结果

Tab.3 Detection results of spatial differentiation factors of network attention degree of urban tourism in eastern China

X1 X2 X3 X4 X5
q 0.504 0.525 0.577 0.199 0.326
p 0.006 0.000 0.000 0.086 0.131
因子探测结果显示，GDP（X1）、客运总量（X2）、移动电话年末用户数（X3）3个指标在1%水平下显著，表明这3个因素对城市旅游关注度的空间分异有正向的积极作用。其中，移动电话年末用户数（X3）的q值最高为0.577，表明城市旅游抖音关注度受其影响最强；客运总量（X2）和GDP（X1）的影响程度次之；从单因子层面来说，A级旅游景区数量和常住人口的影响并不显著。就经济发展方面而言，上海作为华东乃至全国的经济中心实力强劲，苏州、南京、杭州也凭借各自优势产业和特色经济蓬勃发展，是区域内的重要经济增长极；在互联网发展层面，杭州以数字经济为引领走在前列。同时相较于华东地区的其他城市，南京、苏州、上海、青岛以及杭州的旅游抖音关注度也处于较高水平，这一现象也验证了因子探测结果。

3.2.2 交互探测分析

由表4可知，因子交互作用主要有2种：双因子增强和非线性增强。其中9对因子交互作用为双因子增强，且任意2个因子的共同驱动大于单因子影响，说明华东地区城市旅游抖音关注度是多因子共同作用的结果。
表4 华东地区城市旅游抖音关注度空间分异交互探测结果

Tab.4 Spatial differentiation and interactive detection results of network attention degree of urban tourism in eastern China

解释变量 X1 X2 X3 X4 X5
X1 0.504
X2 0.687# 0.525
X3 0.668# 0.757# 0.577
X4 0.665# 0.792* 0.762# 0.199
X5 0.649# 0.782# 0.706# 0.543# 0.327

注：“*”表示交互作用为非线性增强；“#”表示交互作用为双因子增强。

在交互作用结果较好的因子组合中，客运总量和移动电话年末用户数（X2 ⋂X3）、客运总量和A级旅游景区数量（X2 ⋂X4）、客运总量和常住人口（X2 ⋂X5）、移动电话年末用户数和A级旅游景区数量（X3 ⋂X4），交互作用的q值均大于0.750，其中客运总量和A级旅游景区数量（X2 ⋂X4）q值最大为0.792，说明两者交互作用对城市旅游网络关注度的影响最大。
客运总量和A级旅游景区数量一定程度上反映了地区的交通便利性和旅游发展水平。其中，城市客运量的增加说明城市交通网络的完善和交通便利性的提升，与此同时，随着私家车保有量的增加和旅游观念的转变，自驾游成为越来越多游客心仪的出行方式，这也对城市的道路通行条件、停车设施等提出了新的要求。A级旅游景区作为城市旅游的重要组成部分，其数量和质量直接体现了城市的旅游资源和吸引力。如杭州的西湖山水、济南的泉城自然奇观，能够吸引更多的游客前来游览。随着游客数量的增加，这些景区将进一步提升城市旅游的知名度和关注度。综上所述，客运总量与A级旅游景区数量这2个关键因素，在交通便利性和城市旅游体验层面，为旅游业的蓬勃发展提供了坚实的支撑，它们之间的交互作用对华东地区城市旅游抖音关注度的影响尤为突出。
移动电话年末用户数是衡量移动互联网发展水平的重要指标之一，能够从多个维度反映一个地区的网络基础设施建设水平和信息通信技术的发展状况。当前，短视频已深度渗透至每个人的日常生活中，甚至成为不可或缺的一部分。地区网络越发达，信息传播速度越快，高效的信息传播机制使得城市旅游相关的短视频能够在短时间内获得大量曝光和关注，进而提升城市旅游网络关注度。从城市层面看，杭州市以其强大的数字经济实力闻名遐迩，在电子商务、新媒体传播等领域遥遥领先，移动电话年末用户数持续攀升，借助互联网的力量，杭州的旅游资源如西湖、西溪国家湿地公园等通过短视频平台广泛传播，吸引了大量游客。综上，移动电话年末用户数彰显了城市移动互联网的发展水平与信息传播效能，也是提升城市旅游抖音关注度的重要一环，因此客运总量和移动电话年末用户数的交互作用对华东地区城市旅游抖音关注度的影响程度也较大。
尽管常住人口从单因子层面对华东地区城市旅游抖音关注度的影响并不显著，但客运总量和常住人口的交互作用结果较好。可能原因是，人们在非节假日的日常生活时，通常选择离居住地较近的旅游目的地，一方面交通便利，路途花费时间少；另一方面人们对自己熟悉的地方具有情感依托，更愿意在这些地方付诸特定的行为[33-34]，因此对于城市中大部分景点来说，关注较多的人群还是该城市的常住人口。由此看出，公路客运量和常住人口对华东地区城市旅游抖音关注度的影响程度也较大。

4 结论与讨论

4.1 结论

本文以华东地区旅游景点的抖音关注度作为测度指标，运用多距离空间聚类、空间自相关以及地理探测器等方法对华东地区城市旅游抖音关注度的空间分异格局特征进行研究，并分析了其可能的影响因素。主要结论如下：
①从空间分布上看，华东地区抖音关注度高于1.4万次的旅游景点整体分布的不均衡性明显，这些景点较多分布在华东地区的沿海城市。城市网络关注度层级划分较为清晰，城市关注度的空间分布呈现中部较高、两端高低相间的格局。其中第一等级中的萍乡市较为特别，由于萍乡武功山国家级风景名胜区的存在，萍乡市虽然关注度高的景点数量少，但是城市关注度很高，说明城市旅游抖音关注度不仅与经济发展水平有关，还与地区的旅游资源和新媒体宣传有着很大的关系。
②从空间多尺度特征来看，华东地区抖音关注度较高的旅游景点总体上呈集聚型分布，在190 km时旅游景点的集聚程度达到最大。
③从空间关联特征来看，整体呈空间正相关，空间集聚程度较高。华东地区主要有3种集聚模式，其中南京、上饶和萍乡市为高低（H-L）型；苏州、上海、湖州和台州市为高高（H-H）型；南通市为低高（L-H）型；其他城市空间集聚特征不显著。说明部分城市之间存在辐射带动作用，并且城市的旅游抖音关注度的空间关联格局与分异格局基本对应，高值主要分布在华东地区的中部，中低值镶嵌分布在其他地区。
④从影响因素来看，华东地区城市旅游抖音关注度受到经济社会因素、交通条件因素、网络发达程度和旅游资源等影响。通过地理探测器识别出任意2个影响因素交互作用后对华东地区抖音关注度的空间分异的解释强度均强于单个因素，说明城市旅游抖音关注度是多方面共同作用的结果。

4.2 讨论

本文基于抖音景点门店的收藏量数据，对华东地区旅游景点的网络关注度进行研究，结论显示华东地区旅游景点网络关注度在空间分布上不均衡，与城市的经济发展水平、交通发达程度以及互联网发展水平密切相关。
本文主要的创新表现在：①采用了与以往研究不同的数据来源，为网络关注度相关研究提供了一个新视角。相较于常用的百度指数，抖音拥有海量的用户群体，所产生的数据不仅数量庞大而且类型多样，抖音的点赞、收藏等互动数据能够直接反映出用户对内容的兴趣和情感倾向，为网络关注度的研究提供更丰富的维度。与之相比，百度指数主要侧重于搜索行为，对用户在搜索后的具体参与和互动情况反映不足，数据维度单一。②在抖音旅游网络关注度空间分异格局上，除了和以往基于百度指数研究一致的结论外，本文发现了萍乡市这个特别的存在，反映了在“互联网+旅游”的时代，传统旅游营销模式已不再能满足当下旅游市场的多元需求与快速发展节奏。③不同于单个因素的影响研究，本文探测不同因素交互作用下对城市旅游网络关注度的影响，为城市旅游网络关注度的提升提供了更全面的参考。值得注意的是，尽管旅游景点门店数据来源较为新颖，但其数据获取存在较大限制，而且短视频平台众多，未来还需要结合多方面数据对网络关注度进行更全面的分析。
旅游网络关注度是衡量旅游目的地吸引力与数字化营销成效的关键指标，提升旅游网络热度已成为各旅游城市增强在线影响力和推动旅游经济繁荣的重要策略。根据上述结论，本文提出以下建议：对于华东地区而言，沿海经济发达城市与内陆欠发达城市在旅游资源与发展基础上存在明显差异。对于沿海经济发达城市而言，其旅游基础设施相对完善，网络信息化程度较高，且已具备较高的知名度。这类城市应重点深化“互联网+旅游”融合模式，进一步强化智慧旅游建设。如上海可凭借其丰富的旅游资源与强大的经济实力，充分利用自身国际化大都市优势，打造高端化、多元化旅游品牌形象，强化高端旅游产品供给。同时发挥沿海城市交通枢纽与开放优势，与国际知名旅游企业建立合作关系。对于内陆欠发达城市（如部分中小城市）而言，尽管拥有独特的旅游资源，但因地理位置或交通条件限制，知名度较低且旅游市场规模有限。这些城市应将重点放在改善基础设施建设上，完善交通、住宿、餐饮等基础设施，提高与周边大城市及主要交通枢纽的连接性，与周边城市或旅游目的地联合打造旅游线路，实现资源共享；同时在旅游信息推广方面，应立足本地特色旅游资源，注重旅游品牌的打造和推广，深入挖掘文化内涵，打造具有差异化竞争优势的旅游品牌，鼓励当地居民在网络平台分享家乡美景与文化，形成口碑传播效应。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中国互联网络信息中心发布第53次《中国互联网络发展状况统计报告》[J]. 国家图书馆学刊, 2024, 33(2):104.

[2]
Yang X, Pan B, Evans J A, et al. Forecasting Chinese tourist volume with search engine data[J]. Tourism Management, 2015,46:386-397.

[3]
Sun S, Wei Y, Tsui K L, et al. Forecasting tourist arrivals with machine learning and internet search index[J]. Tourism Management, 2019,70:1-10.

[4]
Liu Y, Chen Y, Han F. Exploring temporal and spatial structure of tourism market through a big data approach:Whether geographic distance still matters?[J]. Journal of Hospitality and Tourism Management, 2023,55:292-299.

[5]
殷紫燕, 黄安民. 虚拟旅游网络关注度的时空特征及其影响因素[J]. 世界地理研究, 2024, 33(12):148-162.

DOI

[6]
王慧娴, 杨蓓, 陈思静, 等. 基于网络关注度的黄河流域乡村旅游发展模式研究[J]. 中国农业资源与区划, 2024, 45(7):221-235.

[7]
张嫚, 黄凌云. 负面网络关注度对旅游业发展的影响——基于旅游需求的空间关联分析[J]. 旅游学刊, 2021, 36(7):81-91.

[8]
Li H, Hu M, Li G. Forecasting tourism demand with multisource big data[J]. Annals of Tourism Research, 2020,83:102912.

[9]
许艳, 陆林, 赵海溶. 乌镇景区网络关注度动态演变与空间差异分析[J]. 经济地理, 2020, 40(7):200-210.

DOI

[10]
Xie G, Qian Y, Wang S. Forecasting Chinese cruise tourism demand with big data:An optimized machine learning approach[J]. Tourism Management, 2021,82:104208.

[11]
温秀, 黄枭, 崔林. 黄河流域乡村旅游重点村及其网络关注度空间分异规律[J]. 西北大学学报(自然科学版), 2024, 54(3):472-488.

[12]
琚胜利, 陶卓民, 韩彦林. 南京乡村旅游景区游客网络关注与景区引力耦合协调度[J]. 经济地理, 2017, 37(11):220-228.

[13]
刘卓林, 赵芮, 丁志伟. 基于景区抖音粉丝关注度的长江经济带旅游经济空间结构及其影响因素分析[J]. 华中师范大学学报(自然科学版), 2022, 56(5):891-902.

[14]
郑雪静, 罗佳琦. 旅游在线视频研究:发展、主题与趋势[J]. 旅游学刊, 2024, 39(6):144-160.

[15]
彭珏, 何金廖. 电商粉丝经济的地理格局及其影响因子探析——以抖音直播带货主播为例[J]. 地理科学进展, 2021, 40(7):1098-1112.

DOI

[16]
陆文镔, 钟士恩, 吕甜, 等. 短视频中的旅游目的地形象主题分析——以抖音中的乌镇为例[J]. 中国生态旅游, 2023, 13(4):570-584.

DOI

[17]
陆宇彤, 黄燕玲, 黄毅, 等. 家喻户晓能否门庭若市?“网红城市”旅游形象符号演变与圈层结构研究[J]. 旅游科学, 2024, 38(6):75-95.

[18]
罗婉琳, 王芳, 丁志伟. 中国红色景区抖音网络关注度的空间差异及其影响因素[J]. 经济地理, 2023, 43(3):198-210.

DOI

[19]
赵芮, 孟怡伟, 刘卓林, 等. 基于网络关注度水平的郑汴洛A级旅游景区空间格局及其影响因素[J]. 河南大学学报(自然科学版), 2021, 51(3):268-279.

[20]
邱爽, 陈雪, 于法稳. 四川省5A级景区网络关注度的时空分布特征[J]. 内江师范学院学报, 2024, 39(6):73-80.

[21]
吴小妮, 管卫华, 张惠, 等. 成渝城市群网络关注度的空间分异及影响因素——基于抖音粉丝量数据[J]. 世界地理研究, 2023, 32(11):130-140.

DOI

[22]
谢亚文, 李晓青, 周楷淳, 等. 城市旅游抖音关注度空间分布及影响因素——以长江中游城市群为例[J]. 经济地理, 2023, 43(2):220-228.

DOI

[23]
丁志伟, 马芳芳, 张改素. 基于抖音粉丝量的中国城市网络关注度空间差异及其影响因素[J]. 地理研究, 2022, 41(9):2548-2567.

DOI

[24]
孟斌, 王劲峰, 张文忠, 等. 基于空间分析方法的中国区域差异研究[J]. 地理科学, 2005(4):11-18.

[25]
Ord J K, Getis A. Local spatial autocorrelation statistics:Distributional issues and application[J]. Geographical Analysis, 1995,27:286-305.

[26]
王云飞, 王成武, 刘武军. 华东地区运动休闲特色小镇时空发展特征与影响因素——基于地理统计[J]. 吉林体育学院学报, 2022, 38(2):41-49.

[27]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[28]
梁璐, 符鸿燕, 李九全, 等. 网红城市网络关注度时空动态演变及影响因素研究——以西安市为例[J]. 地理科学, 2022, 42(9):1566-1576.

DOI

[29]
张宇飞, 任艳路, 梁丽敏. 中国冰雪旅游网络关注度的时空差异与影响因素——基于百度指数的实证数据[J]. 世界地理研究, 2024, 33(10):155-167.

DOI

[30]
郝诗雨, 赵媛. 中国邮轮旅游网络关注度的时空格局及影响因素研究[J]. 首都师范大学学报(自然科学版), 2019, 40(2):69-78.

[31]
马芳芳, 丁志伟. 中国抖音直播带货行业发展的空间分异及影响因素[J]. 经济地理, 2021, 41(12):22-32.

DOI

[32]
常艳萍, 李玉娟, 彭仕兰. 贵州省A级旅游景区空间分异及影响因素——基于地理探测器模型研究[J]. 国土与自然资源研究, 2024(3):84-90.

[33]
邓鹏飞, 余超, 刘晓瑾. 国内旅游目的地形象研究述评:内容、特征及趋势[J]. 旅游论坛, 2024, 17(3):61-76.

[34]
琼达, 赵宏杰. 基于地方情感的旅游目的地选择模型建构研究[J]. 旅游学刊, 2016, 31(10):105-112.

Options
文章导航

/

〈 〉