EN中文

Economic geography >

2019 , Vol. 39 >Issue 2: 232 - 240

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.02.028

Temporal and Spatial Characteristics of Network Attention on Tourist Satisfaction in China

  • SHENG Yanchao , 1 ,
  • WU Xinyang , 2, ※
Expand
  • 1. School of Tourism Management，Hunan Business University，Changsha 410205，Hunan，China
  • 2. Business School，Liaoning University，Shenyang 110136，Liaoning，China

Received date: 2018-08-07

  Revised date: 2018-12-20

  Online published: 2025-04-27

Fold

Abstract

As an important indicator in measuring satisfaction, the tourist satisfaction will directly affect the tourism destination choice, revisit rate, consumption of the tourism products and services, which has important significance to the development of the tourism industry and the tourism destination management. With the rapid development of the mobile Internet and the popularity of the Internet, network attention of tourist satisfaction has become an important factor in affecting the tourist destination choice. Based on this, the 31 provinces (municipalities and autonomous regions) as the research scope and the "tourist satisfaction" as the research object, this article studies the current network attention characteristics of the tourist satisfaction and the influence factors. The results are as followings: Network attention of tourist satisfaction which shows a fluctuant change overall is relatively obvious in April, May, December and January. The regional network attention of tourist satisfaction has remarkable differences, but its difference generally reduces in the east, middle and west of China, which help operators and regulators to take tourists as the guide, improve the degree of tourist satisfaction and attach importance to demand based on the supply side, it forms a good situation in the linkage of supply and demand in order to promote the development of regional tourism.

Key words： tourism industry; tourist satisfaction; network attention; Baidu Index; tourism demand; wisdom scenic; supply side and demand side

Cite this article

SHENG Yanchao , WU Xinyang . Temporal and Spatial Characteristics of Network Attention on Tourist Satisfaction in China[J]. Economic geography, 2019 , 39(2) : 232 -240 . DOI: 10.15957/j.cnki.jjdl.2019.02.028

中国旅游业近40年持续高速增长，目前已是世界第四大入境国和亚洲最大出境国。2016年，中国旅游业总收入达4.69万亿元，占GDP的6.7%，对国民经济综合贡献率达11%，对社会就业综合贡献超过10.26%，远高于世界平均水平。当前我国已进入大众旅游时代，旅游业成为新的消费增长点。但中国旅游业在高速发展之时，面临的增长动力弱化、结构不合理、区域差异明显、社会福利效应低、环境恶化等问题的后果日益显现[1]。其中一个重要影响因素是我国现行的旅游经济发展模式还没有真正实现由粗放型、数量型向集约型、质量型转变，从而导致游客满意度较低，旅游纠纷不断。从2015年内地游客在香港被打致死事件、青岛天价虾事件到2016年来的被曝光的丽江游客被打事件，尽管是个案，但事件的严重性和恶劣性严重地影响到当地旅游形象。因此，旅游业必须尽快转型，从关注产品转向关注游客，落实游客至上的服务理念，切实提升游客满意度。
游客满意度属于一种心理状态，是指游客在享受旅游服务后的感知与出游前的期望之间的对比结果，其结果因人而异，具有主观性[2]。游客满意度是衡量游客满意状况的重要指标，对旅游目的地的选择产生直接影响，是影响旅游企业经济效益与社会效益的重要指标，对于旅游业的发展以及旅游目的地运营等具有重要意义。尤其是近年来，随着旅游经济发展观念的改变以及一系列越来越严重的旅游纠纷事件，游客满意度备受人们关注[3]。认真梳理并研究我国游客满意度的现状及影响因素，提出对应的解决方案，有助于我国旅游经济的可持续发展，同时对旅游学研究以及旅游业实践具有重要的理论和现实意义。
无论是从《中国国民经济和社会发展十二五规划纲要》到党的十八大报告提出的新目标，还是从《关于促进旅游业改革发展的若干意见》到《十三五旅游业发展规划》，都明确提出了以转型升级、提质增效和游客导向为主题的旅游产业以及旅游经济发展模式，彰显了政府各部门对提高游客满意度的重视。转变旅游经济发展观念，提升游客满意度，不仅仅是各级政府部门和学者的事情，还必须在全国层面凝聚共识，才有可能使提高游客满意度这个共识在行业落地。因此，必须通过加大宣传力度，营造氛围，使包括旅游业在内的游客满意度问题深入人心，切实成为政府和业界的行为指导[4]。
在旅游业高速发展的同时，网络技术也备受关注，它是不受时间和空间限制的传播模式，加上大数据的推波助澜，使得网络关注度成为经济社会生活中不可或缺的组成部分，也成为旅游经济研究和行业实践的一个热点。旅游网络关注度以网络数据中相应的旅游信息为基础，以曲线图的形式呈现某一关键词在某一时间内的“用户关注度” [5]。借助网络关注度来统计分析业界对“游客满意度”认识的发展历程和发展演变，以及各个区域对其认识的差异性，有助于社会各界凝聚共识，切实以转变旅游经济增长方式为导向，对提高游客满意度具有重要意义。本文以全国31个省（市、自治区）为研究范围，以“游客满意度”为研究对象，对我国游客满意度网络关注度的影响因素和演变特征进行研究，并做出系统科学的评价，这有助于分析现实中我国游客满意度网络关注度的发展状况和趋势，完善游客满意度以及网络关注度的研究。

1 相关研究述评

1.1 游客满意度相关研究

美国学者Cardozo首创顾客满意的相关概念，并逐步进行深入研究，1970年代，顾客满意的相关研究正式开启，同期也是“顾客至上”理念发展的鼎盛期[6]。1980年代初，Oliver等着重研究顾客满意现状，构建“期望不确认”模型，即旅游后期结果与前期预想存在一定差距，其中重要评价指标是顾客期望与顾客满意度[7]。Emest等从管理学、经济学等角度研究顾客满意度，使该理论模型趋于完善[8]。但该模型存在一定程度的缺陷，即只关注期望对顾客满意度的影响作用，而忽略诸如市场需求及运行环境等在内的其他影响因素。随后有学者补充了相关研究，Anderson等探讨了市场需求与顾客满意之间的变化并揭示其内在规律[9]，Fornell等的研究证明顾客忠诚与顾客满意度这两个因素存在显著相关性[10]。这些研究进一步推进顾客满意度相关研究的发展，但是由于顾客满意的测度属于事后评价，只能进行间接推断而非直接测量。
旅游业是典型的服务业，且旅游过程具有较长的接触性和较强的交互性，游客更加关注旅游花费、期望差异和服务绩效。Latour等构建关于游客满意度的相关模型，即旅游满意度的测度源自于旅游活动与评价准则点的对比，标准点选取是其核心，但这是难以落实的理想化模型，与现实存在一定冲突[11]。Tse等指出游客满意度关键在于在旅游目的地的真实感知、旅游过程的收获比以及服务满意度感知 [12]。Oliver等构建支出—收益模型，指出游客满意度取决于游客旅游结束后的综合感知与旅游期间所消耗支出的衡量比，如果支出大于收益，则此次旅游满意度相对较低，反之则反[13]。
1990年代末，研究人员在结合我国的实际状况和产业特点的同时，将顾客满意度测量的相关理论与实践引入我国，在旅游管理及服务质量的综合评价等方面进行评价研究。严浩仁等针对顾客满意度构建了一个测评体系，该体系包含顾客满意层级、顾客满意指标和顾客满意度等内容，为满意度测评提供可借鉴模型[14]。刘宇基于FORNELL顾客满意模型，对顾客满意度的测评提出新方法——模糊集合的贴近度，得到业内一致认可[15]。董观志、谢彦君等对于提高重游率和市场吸引力进行了深刻研究，为游客满意度的研究和旅游业可持续发展奠定了基础[16-17]。

1.2 网络关注度相关研究

21世纪以来，移动网络日益普及和高速发展，日益促使游客满意度网络关注度成为游客旅游目的选择的重要参考依据，也是旅游目的地形象塑造的重要指标，旅游目的地可持续发展的重要参数。网络关注度的研究，主要基于Google趋势和百度指数展开。
在国外，Google作为世界最大的网络搜索引擎，其用户覆盖全球且数量巨大，Google趋势作为附属软件工具，其研究过程及结果也同样具有强大的科学依据，所以各领域广泛运用Google趋势分析和解决相关问题，且具有强大的数据支撑。Peter等用Google趋势分析美国健康网络搜索模式，判断某个地区发生流感的可能和趋势，结果表明两者存在显著相关[18]。Google趋势也用于经济领域，可以根据相关数据分析研究当前经济态势，Glockner在比较并解读了几个统计模型后发现，Google趋势能够迅速且精准地反映当前经济状况，远甚于传统的市场分析报告[19]。除经济学之外，Google趋势在旅游学研究中重要作用日益凸显，Clemens等将游客的网络访问行为依托Google趋势进行多方面多因素研究，指出游客对网络关注度存在一定依赖性[20]。
在国内，百度是最大的搜索引擎，百度指数作为其附属功能，由于数量巨大和精准性获得各界人士青睐，且广泛应用于旅游学研究工作当中，主要集中于以网络关注度为核心的旅游相关概念及指标的研究。路紫等根据相关旅游网站访问者时间分布的信息，统计出每月、每年的访问量，并将访问量与相关景区客流量进行对比，结论表明两者之间存在显著相关性，由此可知，网站访问量对客流量具有前兆引导性[21-22]。类似的研究还有吴士锋等[23]。李山等基于百度指数对65个5A级景区的网络关注度的时间分布进行相关研究，指出旅游景区网络关注度对现实的游客流量具有前兆相关性[24]。龙茂兴等基于百度指数，通过对四川省旅游网络关注度与实际旅游客流量的研究，指出关注度对于游客流量具有超前性，且二者具有极强的正相关性[25]。马丽君研究中国15个城市游客网络关注度及相应的客流量和信息流，构建相关模型并分析其影响因素，揭示其边际效益[26]。此外，张力、林志慧等也都进行了类似的研究，提供一定借鉴意义[27-28]。
从对游客满意度及网络关注度相关研究文献的梳理，发现国内外关于游客满意度的研究狭窄地集中于客流量和信息流等个别角度，不具有全局性，且大部分文献是首先进行定性界定，然后选取指标进行测度评价，较少有人从宏观层面探讨游客满意度的关注程度，更鲜有研究探索并比较游客网络关注程度的区域差异，这就导致无法科学探索游客对旅游业服务水平和能力的客观评价。感性而言，随着旅游业的发展和服务水平的提升，游客对旅游产业的满意度应该是逐年提升的，但从现有的研究我们无法知道，并且从现实中日益增加的旅游纠纷来看，旅游业发展中游客满意程度是褒贬不一的，这就需要我们对游客关注度进行动态测度与空间差异评价，以挖掘宏观层面游客对满意度的关注程度的差异。游客满意度作为游客满意衡量的重要指标，直接影响游客对旅游目的地的挑选、重游率及旅游产品和服务的消费等，对旅游业的发展和旅游目的地管理具有重要意义。但游客满意度如何表现出来?传统的研究大都采用设计问卷，进行样本分析的方法，但随着移动终端的普及和发展，游客消费行为和消费习惯的变化，更多人会通过移动终端的网络关注度来表达自己的满意程度，网络关注度在一定程度上就是较好的体现。本文就是基于搜索引擎这个重要平台，以游客满意度的网络关注度为研究对象，通过百度指数，收集游客满意度网络关注度的发展演变和时空差异，进而把握游客的消费偏好和消费行为，为旅游业的可持续发展提供舆情分析。

2 数据来源与测度方法

2.1 数据来源

“百度指数”（Baidu Index）是以百度搜索为基础的应用软件，可以清晰呈现每个关键词的用户关注度时序数据，且揭示某一关键词在一定时间内的变化态势以及用户的关注度的相关需求。本研究在百度指数上输入关键词”游客满意度”，可获取自2011年1月起“游客满意度”用户关注度的相关数据。2013年以前，我国31个省（市、自治区）的游客满意度关注度情况存在地区和时间等的差异，少数西部地区（以西藏、新疆为主）的部分年、月用户关注度出现缺失现象，无法进行比较分析。百度指数数据显示，拥有全年完整的数据始于2013年，所以本研究选取2013年1月—2016年12月作为研究时间，通过简单整理百度指数曲线图显示的日数据来得到全国31个省（市、自治区）游客满意度网络关注度的月数据、年数据，根据第一手数据来分析我国游客满意度网络关注度的时空特征差异及影响因素。

2.2 测度方法

利用变差系数（CV）、赫芬达尔系数（H）、首位度（P）、地理集中指数（G）、网络关注度的季节性集中指数（S）5个指标，综合评价近年来我国游客满意度网络关注度的时空差异特征[29]。

2.2.1 变差系数

变差系数（Coefficient of Variation，CV）是统计学中常用的统计指标。通过标准差与平均数的比值衡量多个样本指标间的差异程度。
$C V=\sqrt{\frac{\sum_{i=1}^{n}\left(x_{i}-\bar{x}\right)^{2}}{n}} \bigg/ \bar{x}$
式中：CV表示地区之间游客满意度网络关注度的差异程度，CV值越大，则游客满意度网络关注度的空间差异越显著。

2.2.2 赫芬达尔系数

赫芬达尔系数（Herfindahl Index，H）是衡量集中度的综合指数，反映区域经济规模指标的集聚程度，取值范围为0~1，越接近0，则区域经济集聚程度越低。
H = ∑ i = 1 n P i 2
式中： P i为某地指标所占总数的比值。H越接近于1，则游客满意度网络关注度地区集聚程度越高。

2.2.3 首位度

首位度（Primacy Index，P）是规模经济和集聚经济中的相关指标，反映地区经济的集聚程度，用首位地区和第二位地区经济规模之比衡量。
P = P 1 / P 2
式中：P1、P2分别为规模第一、第二大的地区游客满意度网络关注度。旨在分析游客满意度网络关注度的集中度，P值越大，游客满意度网络关注越集中，越不均衡。

2.2.4 地理集中指数

地理集中指数（Geographic Concentrationindex，G）是某项经济活动在地域上集中程度的指标。反映游客满意度网络关注度的地区分布集中或分散情况，G值越接近100，游客满意度的网络关注越集中于某个地区；反之越分散。
G = 100 ∑ i = 1 n P j / P 2
式中：Pj表示第j地区游客满意度网络关注度；P表示游客满意度网络关注度总数。

2.2.5 网络关注度的季节性集中指数

网络关注度的季节性集中指数（Seasonal Concentration Index，S）用以反映游客满意度网络关注度的时间集中程度。
S = ∑ i = 1 12 x i - 8.33 2 / 12
式中：xi是月游客满意度网络关注度与年游客满意度网络关注度总数的比值。S值越大，表示全年分布越不均匀，游客满意度网络关注度的时间差异越大，反之则反。

3 游客满意度网络关注度时空特征分析

3.1 游客满意度网络关注度时间差异

由表1可知，2013—2016年全国游客满意度网络关注度指数整体表现不稳定，呈现波动态势，2013年4~5月、2014年4~5月游客满意度网络关注度比同年其他月份较高；2015年3月、8月游客满意度网络关注度比其他月份同月较高；2016年3~5月、12月游客满意度网络关注度比同年其他月份较高。经过分析，可知该时间段大多为旅游高峰前期或者旅游高峰期，均为旅游旺季，旅游客流量大，因此也是游客满意度关注的高频时期，所以游客满意度网络关注度在每年各月之间存在显著差异。
表1 2013—2016年全国各月游客满意度网络关注度指数与季节集中度指数

Tab.1 Network attention and seasonal concentration index of tourist satisfaction in each month of 2013-2016

月份 网络关注度 季节集中度指数
2013 2014 2015 2016 2013 2014 2015 2016
1月 3 409 2 644 2 587 2 206 1.122821 0.017239 0.208091 0.417622
2月 1 973 2 298 1 425 1 439 8.384711 1.450092 12.182220 6.124110
3月 3 394 3 094 3 908 2 978 1.036970 1.597939 24.429820 14.345250
4月 4 972 4 719 3 267 2 751 28.780070 39.727960 7.648760 8.201623
5月 5 675 3 452 3 448 3 224 53.304970 5.636863 11.426870 22.929630
6月 2 692 2 524 2 509 1 440 0.837678 0.253412 0.036581 6.103988
7月 2 385 2 426 1 699 1 448 3.100550 0.651711 6.552188 5.944200
8月 1 777 1 285 2 133 1 323 11.802610 18.882330 1.178831 8.683036
9月 1 672 1 544 1 314 1 033 13.873390 12.547570 14.955940 17.029750
10月 2 701 2 643 2 440 1 793 0.792916 0.018063 0.001856 1.069703
11月 2 302 2 519 1 729 2 303 3.957912 0.269262 6.040957 1.083537
12月 3 354 3 101 2 985 2 638 0.824723 1.653287 3.268462 5.779454
全国 36 306 32 249 29 444 24 567 3.263680 2.625289 2.706944 2.853535
从2013—2016年月数据上看，游客满意度网络关注度指数在春季以及春夏之交呈上升趋势（1~5月），夏秋之交以及秋季呈下降趋势（5~9月），冬季出现上升态势（9~12月），该现象与旅游淡旺季有很大程度的关系。游客满意度网络关注度在4~5月份最高，其次是1月、3月、12月，呈现波峰与次波峰态势。由于游客满意度网络关注度存在前兆效应，属于事前行为，在春节、五一和十一黄金周或节假日旅游高峰期间，旅游客流量大，游客一般提前关注相关旅游目的地其他游客的评价内容，以提供借鉴进而针对旅游行为进行综合决策，所以每年4~5月、12~1月游客满意度网络关注度较高。
表1中季节性集中指数（S）测算显示，2013—2016年全国游客满意度网络关注度的季节集中度指数分别为3.26368、2.625289、2.706944和2.853535，表明每年游客满意度网络关注度季节性差异显著。另外，除年际间存在差异性外，各月之间也存在差异性，且月内差异性各不同，例如周末或者节假日前夕，关注度相对较高。

3.2 游客满意度网络关注度的区域差异

3.2.1 游客满意度网络关注度的省域差异

2013—2016年游客满意度网络关注度在全国31个省（市、自治区）之间具有显著的空间差异特征。由表2数据可知，2013—2016年整体上表现不稳定，呈现波动态势。2014年诸多地区游客满意度网络关注度相关指数较高，呈现4年期间的波峰态势，例如2014年排名第一的江苏省年网络关注度达到4 158，是历年最高值。从三大区域看，游客满意度网络关注度呈现东部—西部—中部地区减少态势，尤其是北京、江苏、浙江等地游客满意度网络关注度指数连续多年排名前列。
表2 2013—2016年全国各地区游客满意度网络关注度指数与季节集中度指数

Tab.2 Network attention and seasonal concentration index of tourist satisfaction in different cities during 2013-2016

地区 游客满意度网络关注度 季节集中度指数
2013 2014 2015 2016 2013 2014 2015 2016
北京 3 523（1） 4 098（2） 2 911（3） 2 185（3） 3.806727 4.706164 3.973232 3.539718
福建 1 834（8） 1 724（6） 1 205（8） 1 433（6） 4.460941 6.018074 5.180629 6.982115
广东 2 300（4） 2 467（4） 1 897（4） 1 834（5） 3.592875 6.003627 6.905791 5.478440
河北 1 216（13） 461（19） 365（22） 579（14） 7.104120 14.643950 10.575760 9.933825
海南 576（21） 228（24） 285（24） 783（10） 15.790500 11.785110 9.860134 8.290448
江苏 2 855（3） 4 158（1） 3 810（1） 2 998（1） 6.396851 3.220348 5.295419 3.055933
辽宁 808（17） 627（14） 524（17） 402（21） 7.669330 8.670852 11.226970 10.882200
上海 1 144（15） 1 503（8） 1 846（5） 1 917（4） 8.966031 6.255346 5.316226 4.289066
山东 1 718（9） 1 898（5） 1 185（10） 629（13） 5.333343 6.899517 10.925530 6.918163
天津 627（20） 570（17） 342（23） 344（24） 10.135670 8.975275 8.333334 10.734410
浙江 2 891（2） 3 710（3） 3 095（2） 2 193（2） 4.523828 4.579169 3.574245 4.960106
安徽 1 912（6） 513（18） 742（14） 519（16） 15.543040 9.212847 9.662211 10.300370
黑龙江 344（26） 57（30） 229（25） 59（30） 10.734410 27.638540 15.619580 27.638540
河南 1 522（10） 1 374（9） 1 036（12） 857（9） 3.528121 7.587577 4.850541 5.509320
湖南 1 428（12） 1 091（10） 1 207（7） 686（12） 9.298576 9.452846 7.062326 9.042374
湖北 1 208（14） 978（12） 1 144（11） 742（11） 7.578260 8.878795 7.731143 6.633922
吉林 574（22） 114（28） 462（19） 285（26） 12.176820 18.633900 9.295817 9.860134
江西 628（19） 400（20） 513（18） 572（15） 6.892451 10.830290 10.269020 9.889949
山西 347（24） 584（15） 403（20） 518（17） 16.042610 12.065810 13.701100 11.265720
重庆 515（23） 171（26） 399（21） 399（22） 11.255010 19.837300 10.845750 9.144222
甘肃 323（27） 399（21） 114（28） 288（25） 15.524940 10.845750 18.633900 12.884710
广西 1 463（11） 576（16） 863（13） 514（18） 6.382197 6.827356 11.290560 12.118040
贵州 764（18） 635（13） 591（16） 514（19） 7.863638 7.872299 9.628857 8.031366
内蒙古 235（28） 286（23） 171（26） 399（23） 15.796790 15.191920 14.433760 9.144222
宁夏 114（29） 76（29） 56（31） 65（28） 27.638540 27.638540 27.638540 27.638540
青海 57（31） 171（27） 57（30） 52（31） 27.638540 19.837300 27.638540 27.638540
四川 2 154（5） 1 661（7） 1 207（9） 1 087（7） 3.781476 6.830491 8.644868 7.581325
陕西 1 902（7） 1 090（11） 1 813（6） 1 031（8） 4.422477 6.990946 4.741620 7.005196
西藏 114（30） 57（31） 114（29） 62（29） 18.633900 27.638540 18.633900 27.638540
新疆 345（25） 228（25） 171（27） 171（27） 12.762470 11.785110 19.837300 14.433760
云南 865（16） 344（22） 687（15） 459（20） 6.278082 8.334742 9.029660 13.844600

注：括号中数值代表该地区游客满意度网络关注度的规模位序。

由表2可知，2013—2016年各省区游客满意度网络关注度的季节集中度指数处于不太稳定的波动态势，且其值均大于1，说明全国31个省（市、自治区）游客满意度网络关注度季节性差异显著。由于政策、资源开发等多种因素的影响，会导致某些地区季节性差异波动明显，且相对显著。2013—2016年游客满意度网络关注度的季节集中度指数也同样存在区域差异，呈现出东部—西部—中部地区上升态势。每个地区指数值相对稳定，如西部地区青海、西藏、宁夏等省区游客满意度网络关注的季节性差异凸显，且东部、中部地区都存在类似情况；但是在地区之间季节性差异也比较明显，海南、北京同属于东部区域，网络关注度序位排列大于12，可见两地季节性差异明显。
由表2中2013—2016年全国31个省（市、自治区）游客满意度网络关注度指数排序可知，各地区游客满意度网络关注度虽然存在个别跳跃显著现象，但整体而言指数位序呈现轻微波动态势。如安徽省2013—2016年位序分别为6、18、14和16，呈“上升—下降—上升”态势，属于跳跃显著现象；广东、北京、浙江、江苏、上海的位序历年均较靠前，呈现轻微波动态势，但基本保持稳定；湖南在位序7、10和12之间起伏，位序波动不大；西藏的位序较靠后，4年间分别在29、30和31间波动，在靠后的位序之间来回波动，但起伏不大。由此可见，各省之间的游客满意度网络关注度存在一定差异，可以反映出部分省份高度关注游客满意度信息，且对于游客满意度意识较高。

3.2.2 游客满意度网络关注度的区域间差异

表3利用变差系数（CV）、赫芬达尔系数（H）、首位度（P）和地理集中度（G）4个指标综合分析我国31个省（市、自治区）游客满意度网络关注度的差异，揭示其变化规律以及分析结果。2013—2016年各地区之间差异波动总体呈现缓慢减少态势，但部分地区差异较大，且变差系数在0.8左右，2014年达到1.0943。赫芬达尔系数在2013—2016年之间波动甚微，且趋于0，说明各地区游客满意度网络关注度比较分散，集聚程度低。首位度均在1附近，可知地理集中度指数较小，各地区游客满意度网络关注度较为均衡。
表3 2013—2016年全国游客满意度网络关注度的区域与区域间差异

Tab.3 Regional and interregional differences of network attention in national tourist satisfaction during 2013-2016

年份 区域差异 区域间差异
CV H P G CV H P G
2013 0.7653 0.0351 1.2186 22.6171 0.4328 0.3957 2.2022 62.9110
2014 1.0943 0.0460 1.0146 26.6250 0.7038 0.4984 3.7660 70.6011
2015 0.9773 0.0474 1.2310 25.1137 0.5515 0.4347 2.7975 65.9353
2016 0.9043 0.0417 1.3670 24.2246 0.6145 0.4592 3.0345 67.7671

3.2.3 游客满意度网络关注度的区域内差异

表4对全国东中西三大区域内的变差系数（CV）、赫芬达尔系数（H）、首位度（P）和地理集中度（G）4个指标进行综合计算，表明2013—2016年东中西三大区域内，变差系数呈波动态势，变异系数呈东部—西部—中部地区递增态势，说明东部区域内的游客满意度网络关注度差异较小，网络用户比较关注游客满意度问题，且相关意识较高。赫芬达尔系数均接近于0.1，且各区域内相差不大，表明三大区域内的网络用户对各区域内的游客满意度关注集聚程度低，相对分散。地理集中度指数均低于100，基本在36~42之间起伏波动，表明三大区域内对游客满意度的关注存在不均衡、不集中现象，相对分散。首位度指数在1处相对稳定，东中西地区的游客满意度网络的最高关注地区和次高关注地区的指数比较接近，也表明三大区域内游客满意度网络关注度的聚集程度低。
表4 2013—2016年全国游客满意度网络关注度的区域内差异

Tab.4 Regional differences of network attention in national tourist satisfaction during 2013-2016

年份 CV H P G
东部 中部 西部 东部 中部 西部 东部 中部 西部 东部 中部 西部
2013 0.542 0.562 0.940 0.117 0.164 0.157 1.218 1.256 1.132 34.296 40.563 39.628
2014 0.724 0.688 0.954 0.138 0.184 0.159 1.014 1.259 1.523 37.233 42.933 39.897
2015 0.742 0.485 1.009 0.141 0.154 0.168 1.308 1.055 1.502 37.562 39.297 41.025
2016 0.613 0.452 0.785 0.125 0.150 0.134 1.367 1.154 1.054 35.378 38.809 36.712

4 游客满意度网络关注度影响因素

4.1 游客满意度影响因素

影响游客满意度的因素很多，但最关键的因素是旅游期望差异，根据格朗鲁斯感知服务质量理论可以发现，预期服务和感知服务之间存在的任何差距，都会在形象上得到反映，旅游者进而从价值和成本两方面比较判断自己的满意程度。其次是旅游地环境氛围，包括食、住、行、游、购、娱等诸多要素，旅游资源的概况是激发旅游者出游欲望的关键性因素，旅游地基础设施也是重要一环。最后是旅游地的管理服务，包括旅游服务态度、旅游投诉处理等环节，以下进行简要分析。

4.1.1 旅游期望差异

旅游期望在主观上影响着旅游者的整个旅游过程，旅游者时刻衡量其出游目标与旅游体验之间的差异程度，这会对旅游者的旅游过程及其效果产生重要影响。根据消费者行为理论可知，旅游期望的高低将直接决定旅游者的出游动机，是吸引旅游者前往参观游览的关键因素，但如果旅游期望太高而与现实体验极端不符，则会降低游客满意度，所以说旅游期望与游客满意度呈负相关，旅游地在营销过程中应该向游客传递真实客观的信息，充分利用旅游期望这把双刃剑，发挥旅游期望在旅游地营销中的积极作用。可见，旅游期望是造成游客满意度差异的主要因素之一。

4.1.2 旅游地环境氛围

旅游地环境氛围涵盖范围极其广泛，其中旅游吸引物是游客选择目的地进行出游决策的首要因素，食、住、行、游、购、娱等基础要素的便利程度对旅游者的出游感受、旅游体验起到关键性作用，旅游地的生活节奏、消费水平、气候状况等因素倘若与旅游者平日生活习惯相符，则旅游者不会对该地产生心理隔阂，反而更容易接受，另外旅游地城市的包容性及居民的友好程度等因素同样会影响游客满意度。总之，旅游地环境氛围与游客满意度呈正相关，旅游地环境氛围是影响游客满意度差异的重要因素。

4.1.3 旅游地管理服务

服务质量是旅游业的生命，旅游业从业人员的服务态度、服务技术是服务质量的重要内容，加强服务规程管理、改进和提高服务质量、建立完善的质量管理体系，是提供良好旅游服务质量的关键，是促进旅游业标准化的重要途径。要尽量避免旅游投诉、及时妥善解决游客怨念、完善投诉制度，引导游客产生良好的口碑效应，提高旅游地的形象和声誉，增加游客忠诚度。同时旅游营销过程中应该注重关系营销理念、粉丝效应，坚持做好提高游客满意度的工作。可见，旅游地管理服务也是影响游客满意度的重要因素。

4.2 网络关注度影响因素

影响网络关注度的因素有很多，最关键的因素是经济发展水平，根据马斯洛需求层次理论，随着收入水平的提升，人们在满足了生存需求之后，自然会产生旅游、社交等动机，且会关注旅游的水平和服务质量，游客满意度的关注就是证明。其次是网络发展程度，网络是在移动智能时代游客表达诉求的重要手段和方式。最后是游客的个体特征，比如年龄结构、受教育程度等，以下进行简要分析。

4.2.1 经济水平

经济基础、区位优势、人均GDP、基础设施以及信息化程度均会影响信息获取的便捷性及完整程度，这都是影响游客满意度网络关注度重要因素。2016年东部地区城镇居民人均GDP为36 691元，而中部和西部分别为26 809元和26 473元。由于东部地区经济相对发达，且多方面占绝对优势，网络用户对旅游业发展水平的要求较高，对生活质量和服务质量的关注度较高，所以游客满意度网络关注度明显高于中部和西部地区。可见，经济发展水平差异是造成游客满意度网络关注度差异的主要因素之一。

4.2.2 网络覆盖率

当今移动互联网日益普及且大数据日益发达，游客可以非常便捷地通过各种手段表达自己的诉求，对切身利益的旅游服务质量自然会比较关注。可见，互联网普及率与游客满意度网络关注度指数存在显著相关性。就互联网宽带接入用户而言，东中西部地区每年覆盖率均在上升，但2016年中部地区互联网宽带接入用户所占比重为52%，而中部和西部地区所占比重分别为26%和22%。可见东中西部互联网渗透率差距相对较大，中部、西部地区的信息化程度偏低，互联网普及率较低，因此游客满意度网络关注度也相对较低。信息化、网络化程度越高，互联网普及率也越高，因此获取网络信息更加方便快捷，游客满意度网络关注度便越高。因此，网络发达程度的差异是影响游客满意度网络关注度差异的重要因素。

4.2.3 人口社会属性特征

网络用户所拥有的文化程度、年龄结构和社会阶层的不同，使游客满意度认知存在一定差异。文化程度与游客满意度网络关注度非常显著相关，一般而言，随着教育文化程度的提高，居民会比较关注游客满意程度，从而将这个要素作为外出旅游目的地选择的重要参考数据，而文化程度相对比较低的居民，由于接受的信息量及表达方式的局限，也许更注重餐饮方面的问题。其次是年龄结构，也与游客满意度网络关注度呈现出相关性，年龄越大，社会阅历相对而言比较丰富，知道如何表达诉求。另外还有社会阶层，白领阶层相对而言更加关注服务质量而非价格水平。多种因素的存在综合导致游客满意度的网络关注度呈现东—西—中部地区差异减少的态势。可见，各地区人口文化程度、年龄结构和社会阶层等差异是游客满意度网络关注度的主要个体因素。

5 结论及启示

本研究分析后得出以下结论：
第一，全国游客满意度网络关注度指数总体上呈波动态势，且每年4~5月、12~1月游客满意度网络关注度较为明显，差异显著。研究还发现，每年游客满意度网络关注存在季节性差异，黄金周前期以及旅游高峰期，游客满意度网络关注度相对较高，时间集中度呈现显著差异。
第二，全国各地区游客满意度网络关注度指数具有显著差异。呈现东部—西部—中部地区差异减少的态势，2013—2016年各地区时间集中度指数季节性差异明显，均大于1，但也存在部分地区位序波动较小或者基本稳定。变差系数在0.8左右，虽然差异呈现缓慢减小态势，但地区之间差异依旧较大，各地区游客满意度网络关注度比较分散，聚集程度低。
第三，游客满意度网络关注度的区域差异巨大，但整体上呈现差异缓慢减少的趋势，游客满意度网络关注度的聚集程度日益增加，网络用户集中于经济水平高、信息化程度强的地区。同时，东中西三大区域网络用户对游客满意度关注的地理集中度基本在36~42之间，相对比较分散，不具有集聚效应。但是首位度呈现均衡态势，基本稳定在1附近。
第四，旅游期望差异、旅游地环境氛围和旅游地管理服务等是游客满意度差异的影响因素。旅游者关于旅游地资源环境、旅游管理服务等旅游活动过程中一系列的旅游体验，以及其产生的期望差异等因素均会对游客满意度产生不同程度的影响，据此，旅游地可以制定针对性的解决方案提升旅游形象，引流消费者。
第五，地区经济水平、网络覆盖率和人口社会属性特征等是游客满意度网络关注度差异的影响因素。网络用户所在地的经济水平、区域优势、网络覆盖率和基础设施，以及游客满意度意识和旅游品质认知能力的差异越大，游客满意度网络关注度的地区差异也越明显。
基于上述结论，我们可以发现，收入水平的逐年提升和科学技术的不断进步是推动游客满意度网络关注度逐年升高关键要素，因此可以从三个方面进行旅游业服务水平和发展质量的提升：第一是从游客层面，各级政府要将收入水平的提升作为旅游业转型升级的关键，较高的收入水平必然要求较高的旅游服务质量，从需求侧为旅游业发展提供动力机制。第二是要充分发挥“互联网+”的作用，游客要善于利用移动互联网来表达自己的旅游诉求，分享自己的旅游满意程度，通过游客用脚投票的倒逼机制促使旅游业进行供给侧改革，提高旅游服务质量，创造较高水平的旅游需求，打造让游客满意的旅游目的地形象。第三是旅游目的地要切实转变经营理念，走内涵式发展方式，以游客为导向，看重游客满意度的网络诉求，一方面积极主动利用高科技手段联手打造全国智慧景区，促进旅游景区间横向交流协调以及信息共享，使游客凭借线上渠道对景区的资源禀赋、基础设施和服务态度等进行全面、详尽、实时的感知，全面了解游客满意度，以便综合评价后作出合理选择；另一方面要积极主动收集游客意见，正视游客的投诉并做出正面回应，提升服务水平，提高游客的满意度。采取多种方式做到双赢，既提高旅游目的地形象也可以吸引游客前来观光游览，同时获得经济效益和社会效益，助推旅游业得到长足发展。
本文仅使用百度指数数据分析游客满意度网络关注度的时空差异特征及影响因素，选取的研究数据相对比较窄，且仅仅是关注宏观层面的游客满意度网络关注度的时空差异分析，缺乏特定景区微观层面的分析，并且对影响因素的筛选不够，影响因素作用机理的分析还不够深入，还需要我们系统深入地探索。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
夏令, 任黎秀. 游客满意度差异研究及评价因子的验证分析[J]. 北京第二外国语学院学报, 2010(5):25-30.

[2]
李瑛. 旅游目的地游客满意度及影响因子分析——以西安地区国内市场为例[J]. 旅游学刊, 2008, 23(4):43-48.

[3]
丁建军, 朱群惠. 我国区域旅游产业发展潜力的时空差异研究[J]. 旅游学刊, 2012, 27(2):52-61.

[4]
生延超, 周玉姣, 等. 中国旅游经济增长周期的测度与评价[J]. 人文地理, 2014, 139(5):113-121.

[5]
李君轶, 杨敏. 西安国内游客旅游网络信息搜索行为研究[J]. 经济地理, 2010, 30(7):23-31.

[6]
R Cardozo. Customer Satisfaction LaboratoryStudy and Marketing Action[J]. Journal of Marketing Research, 1965(2):244-249.

[7]
Oliver R L. Conceptual issues in the structural analysis of consumption emotion,satisfaction and quality:Evidence in a service setting[J]. Advances in Consumer Research, 1993(21):205-213.

[8]
Cadotte E R, Jenkins W R L. Expectations and Norms in Models of Consumer Satisfaction[J]. Journal of Marketing Research, 1987(24):305-314.

[9]
Johnson M D, Fornell C. A Framework for Comparing CustomerSatisfaction across Individuals and Product Categories[J]. Journal of Consumer Research, 1991(12):267-286.

[10]
Fornell C, Johnson M D, Anderson E W, et al. The American customer Satisfaction Index:Nature Purpose and Findings[J]. Journal of Marketing, 1996(60):7-18.

[11]
LaTour S A, Peat N C. Conceptual and Methodological Issuesin Consumer Satisfaction Research[M]. Bloomington: Indiana University Press,1979:5-31.

[12]
Tse D K, Wilton P C. Models of consumer satisfaction:an extension[J]. Journal of Marketing Research, 1988,25:204-212.

[13]
Oliver R L, Swan J E. Consumer perceptions of interpersonal equity and satisfaction in transactions:a field survey approach[J]. Journal of Marketing, 1989,53:21-35.

[14]
王永清, 严浩仁. 顾客满意度的测评[J]. 经济管理, 2000(8):68-97.

[15]
刘宇. 顾客满意度(指数)测评基础技术的研究[J]. 数量经济技术经济研究, 2002(5):78-89.

[16]
董观志. 旅游景区游客满意度测评体系研究[J]. 旅游学刊, 2005(1):99-121.

[17]
谢彦君. 游景区游客满意度测评体系研究[J]. 旅游学刊, 2005(5):77-98.

[18]
Peter J Ellery, William Vaughn, Jane Ellery, et al. Understanding Internet Health Search Patterns:An Early Exploration Into the Usefulness of Google Trends[J]. Journal of Communication in Healthcare, 2008(4):68-72.

[19]
Phil Glockner. Google Trends vs Market Reports:Which isMore Accurate,Faster?[ED/OL]. http://www.readwriteweb.com/archives/google_report_reliable_trends_faster.php,2009 -04-03.

[20]
Clemens Költringer, Karl Wöber. Information Needs of CityTravellers[J]. Analysing International City Tourism, 2010:109-126.

[21]
路紫, 赵亚红, 吴士锋, 等. 旅游网站访问者行为的时间分布及导引分析[J]. 地理学报, 2007, 62(6):621-630.

[22]
韩冰, 路紫. 户外运动网站论坛功能评估及其互动作用对个人出行行为的导引[J]. 人文地理, 2007, 22(1):58-62.

[23]
吴士锋, 陈兴鹏, 路紫, 等. 网站信息流对旅游人流增强作用研究[J]. 现代情报, 2009, 29(11):215-224.

[24]
李山, 邱荣旭, 陈玲. 基于百度指数的旅游景区网络空间关注度:时间分布及其前兆效应[J]. 地理与地理信息科学, 2008, 24(6):102-107.

[25]
龙茂兴, 孙根年, 马丽君, 等. 区域旅游网络关注度与客流量时空动态比较分析——以四川为例[J]. 地域研究与开发, 2011, 30(3):93-97.

[26]
马丽君, 孙根年, 黄芸玛, 等. 城市国内客流量与游客网络关注度时空相关分析[J]. 经济地理, 2011, 31(4):680-685.

[27]
张力. 基于百度指数分析的地域网络关注度研究——以镇江为例[J]. 图书情报研究, 2012, 3(5):91-98.

[28]
林志慧, 马耀峰, 刘宪锋, 等. 旅游景区网络关注度时空分布特征研究[J]. 资源科学, 2012, 4(7):81-98.

[29]
邹永广, 林炜铃, 郑向敏. 旅游安全网络关注度时空特征研究及其影响因素[J]. 旅游学刊, 2015, 30(2):101-109.

Options
Outlines

/

〈 〉