EN中文

Economic geography >

2025 , Vol. 45 >Issue 5: 213 - 223

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.05.022

Spatial Differentiation and Influencing Factors of Network Attention to Scenic-spot villages in Zhejiang Province Based on the Data of Douyin

  • CHEN Yujuan ,
  • WANG Yufan ,
  • SUN Ying
Expand
  • School of Design and Architecture，Zhejiang University of Technology，Hangzhou 310023，Zhejiang，China

Received date: 2025-01-14

  Revised date: 2025-04-20

  Online published: 2025-07-07

Fold

Abstract

Based on the data of Douyin, this paper reveals the spatial distribution pattern and structural characteristics of the network attention degree of scenic-spot villages in Zhejiang Province and explores its influencing factors by the means of. The methods of rank-size, kernel density, nearest neighbor index and GeoDetector. The research findings are as follows: 1) The scenic-spot villages with higher network attention degree have obvious advantages, while the scenic-spot villages with high and low network attention degrees have poorly development. 2) The kernel density distribution of the network attention degree of scenic-spot villages presents a T-shaped spatial agglomeration structure which have five core agglomeration areas. 3) The kernel density distribution of the network attention degree of three types of scenic-spot villages presents a spatial pattern which is one area with low-level kernel density, two areas with high-level kernel density, and distinct differentiation. 4) The regional economic level and service industry support are important factors affecting the spatial distribution of the network attention degree of scenic-spot villages. Vegetation coverage rate, the living standards of rural residents, and the network penetration level also affect the spatial distribution of the network attention degree of scenic-spot villages. Moreover, the results of the interaction detection of influencing factors show that the effect of multiple factors is stronger than that of a single factor. 5) The influencing degrees of the driving factors for three types of scenic-spot villages are different. The network penetration level is the most influential factor for the spatial distribution of the network attention degree of scenic-spot villages which belong to the type of characteristic leisure. The regional economic level is the most influential factor for the spatial distribution of the network attention degree of scenic-spot villages which belong to the types of folk-custom and culture, and nature-ecology. However, vegetation coverage rate and air quality are the factors with relatively large influence on the spatial distribution of the network attention degree of scenic-spot villages which belong to the type of nature-ecology.

Key words： scenic-spot villages; network attention; rural tourism; high-quality development; influencing factors; the data of Douyin

Cite this article

CHEN Yujuan , WANG Yufan , SUN Ying . Spatial Differentiation and Influencing Factors of Network Attention to Scenic-spot villages in Zhejiang Province Based on the Data of Douyin[J]. Economic geography, 2025 , 45(5) : 213 -223 . DOI: 10.15957/j.cnki.jjdl.2025.05.022

乡村旅游是新时代落实乡村振兴战略，推动中国乡村经济社会实现高质量发展的重要产业载体和关键产业路径[1]。2017年，浙江省第十四次党代会提出以景区村庄建设为抓手推进万村景区化（美丽乡村向美丽经济升级的战略行动），至2022年全省景区村庄数量已超过10000个，其中3A级景区村庄数量达2235个，乡村旅游呈现出蓬勃发展的势头。但是，景区村庄因其数量多、体量小、个体差异大、分布分散且大多远离客源市场，导致政府相关政策难以精准供给，景区村庄的自我感知以及市场敏锐度也较弱，存在整体旅游资源开发不合理以及旅游产品开发、服务提供等方面同质化的现象。互联网的发展为景区村突破发展局限提供了有利的条件，互联网不仅是刺激社会公众旅游需求和旅游行为产生变化的重要诱因，更是促使旅游市场形成和发展的重要驱动因素[2]。因此，基于网络数据开展景区村庄发展研究，对景区村庄高质量发展与转型升级具有重要理论与实践意义。
运用网络关注度研究旅游目的地是旅游地理学近年来兴起的热点。网络关注度是指通过分析网络信息点击浏览的后台数据，来了解所有对象在互联网中受公众关注的状态与热度，其能够在一定程度上反映网民对某事件或事物的关注程度[3]。大量研究表明，网络关注与景区发展有着密不可分的关系。李山等通过对全国首批5A级旅游景区的研究证明了网络关注度具有前兆效应，开创性地论证了旅游景区网络空间关注度是其现实游客量的前兆[4]；马丽君等通过分析城市客流量及游客网络关注度数据，构建了国内游客量与游客网络关注度的时空相关模型[5]。同时，另有一些学者主要着眼于某一类型旅游目的地的网络关注度的时空差异特征以及影响因素探索。李会琴等基于百度指数对2017年全国5A级旅游景区空间分布及网络关注度空间特征进行研究[6]；张新成等基于搜索引擎、社交App和旅游网站数据，探究了长征主题红色旅游资源关注度的空间网络结构及其形成机制[7]；史春云、张晓梅等基于百度指数分别对徐州乡村旅游和平遥古城网络关注度的年际和年内差异以及造成差异的成因进行了研究[8-9]。
从已有研究来看，基于短视频数据，针对不同类型的景区村庄分别开展的网络关注度水平差异研究议题较少，对不同类型景区村庄网络关注度差异的驱动力因素的探索也较为欠缺。从研究对象来看，当前研究主要关注4A、5A级旅游景区，以及红色景区等[2,9-12]，对于乡村的研究相对较少，将乡村旅游与网络关注度相结合的研究更是屈指可数。从研究数据来看，大多数采用新浪微博、携程网、大众点评网等文本数据或者百度指数等网络统计数据[13-14]，很少有基于短视频数据分析景区村庄网络关注度的差异。短视频平台可通过算法推荐突破地理屏障放大乡村资源可见性，叠加用户UGC创作的沉浸式视觉叙事与社交裂变传播，为乡村旅游提供了“精准触达—情感共鸣—行为转化”的数字化赋能路径，“短视频+乡村旅游”已成为乡村旅游宣传的全新模式[15-16]。近年来，有部分学者开始探索将短视频数据应用于旅游目的地研究，如丁志伟等以各个城市抖音粉丝量数据作为城市网络关注度的表征，探讨了中国各个城市的网络关注度的空间差异[3]；而罗婉琳等则基于多个短视频平台数据，研究中国红色景区抖音网络关注度的空间差异[17]。抖音作为全民短视频平台，截至2024年，其月活跃用户约8亿，在短视频领域独占鳌头，拥有广泛的用户基础，其视频的点赞、评论、收藏和转发数据在一定程度上可以用来反映潜在旅游用户对景区的网络关注程度[18]。因此本文将抖音短视频的点赞、评论、收藏和转发数据作为网络关注度的衡量指标。从研究尺度来看，现有研究大多聚焦全国、城市群或县市域尺度，对省域层级的景区村庄研究较少[11,13,19]。从研究内容来看，以往研究大多关注景区村庄网络关注度的时空差异特征，且对景区村庄类型没有区分，更缺乏对网络关注度空间分布的影响因素进行深入的探讨[20-21]。因此，对不同类型的景区村庄关注度时空差异特征以及造成景区村庄网络关注度的影响因素的研究将是今后重要的研究方向。本文中景区村庄是指以村庄或社区的生产生活地域为核心，依托自然景观、田园风光、建筑风貌、历史遗存、民俗文化等资源，通过完善公共服务设施及旅游配套服务，激活乡村人口、产业、土地等要素活力，形成具有明确评价标准和多元业态的乡村旅游发展模式。
有鉴于此，本文拟通过抖音短视频内容和评论数据识别村庄景区核心旅游资源，划分不同景区村庄类型，并通过点赞、评论、收藏和转发量的数据作为景区村庄网络关注度的表征，进而在省域层面探讨浙江省3A级景区村庄及不同类型景区村庄网络关注度的空间分异和影响因素。本研究不仅有利于客观地分析短视频新场景下浙江省景区村庄网络关注度的空间格局，而且有助于景区村庄相关从业者多视角地掌握村庄景区网络关注度表现出的具体内容和特征，并将网络流量转变为现实客流量，以推动浙江省景区村庄高关注度、高品质发展目标的实现。

1 数据来源与研究方法

1.1 数据来源

浙江省3A级景区村庄数据来自浙江省文化广电和旅游厅（https://ct.zj.gov.cn/）发布的浙江省3A级景区村庄名单（2017—2022），共得到2235个3A级景区村庄研究样本，本文采用百度坐标API拾取器获取每个景区村庄的地理坐标，构建浙江省3A级景区村庄坐标矢量数据（图1）。
图1 浙江省3A级景区村庄空间分布

Fig.1 Distribution of 3A-level scenic-spot villages in Zhejiang Province

参考已有研究[18,22]，结合抖音短视频的特点提出“网络关注度=0.7P+0.3Q”，P为点评数、分享数，Q为点赞数、收藏数。景区村庄点赞量、评论量、转发量和收藏量数据获取方法如下：在抖音App中以市+各个景区村庄名称进行视频检索，运用网络关注度计算公式计算各个视频的网络关注度，统计出各个村庄网络关注度前三的视频并取平均值将其记录为该村庄的网络关注度。为控制气候节律、农事活动与节庆事件等季节性变量对乡村旅游网络关注度值获取的影响，同时规避2020—2022年疫情防控政策导致的网络行为数据断层，检索时间设定为后疫情时代完整年度周期（2023年1月—2024年1月），检索方法如图2。为提高数据质量，对原始数据集进行清洗：①剔除极端异常值（点赞量>3倍标准差或评论量为0的非活跃视频）；②排除同一用户对同一村庄的重复上传视频（以用户ID与村庄名称双重去重）；③验证时间戳有效性，剔除2023年1月—2024年1月时段以外的视频记录。通过数据清洗，得到具有有效网络关注度的景区村庄1374个。
图2 数据获取方式流程

Fig.2 Data acquisition method

1.2 研究方法

1.2.1 位序—规模

位序—规模法侧重于研究不同规模单位与其在整体中的位序之间的关联，通过将景区村庄网络关注度按照从高到低的顺序进行排列，从而建立规模与位序之间的一一对应关系。本文采用位序—规模法中的齐夫指数作为分析工具，其有助于我们更精确地理解景区村庄网络关注度的分布和变化趋势[10]。计算公式如下：
l n P r = l n P 1 - q l n r
式中： P r为位序为 r的景区村庄关注水平； P 1为最高关注水平；r为景区村庄位序；q为待定的齐夫指数。q值接近1时，表明位序—规模结构较为理想，形成了较为稳定的发育结构；当q>1时，表明高位序发育突出，中低位序景区村庄发展不够完善，景区村庄体系整体不均衡；当q<1时，则与之相反。

1.2.2 最邻近指数

最邻近指数是以随机分布为参照，衡量研究区域内点要素实际空间分布模式的方法，用于判断景区村庄的空间分布的集中或离散趋势。

1.2.3 核密度分析

核密度分析研究点状地理要素在区域内的集聚状况，能够更好地反映出一个核对周边区域的影响力度。本文采用核密度分析方法来分析景区村庄网络关注度局部集聚的情况并析出集聚核心，以等值线的形式透视景区村庄网络关注度的空间特征。

1.2.4 地理探测器

由于传统的回归分析方法在空间上的交互作用和距离邻近效应存在明显的不足，因子之间的交互性解释不够，因此本文引入地理探测器来探究因子在空间上对景区村庄网络关注度的解释力以及彼此之间的交互影响程度[23]。

2 网络关注度的空间分异特征

2.1 数量与等级分布特征

2.1.1 位序—规模特征

为探究浙江省3A级景区村庄网络关注度整体水平，本文以1374个景区村庄为对象，绘制景区村庄网络关注度的位序—规模分析图（图3）。结果显示，拟合优度R2=0.9000752，拟合优度较高，其较为符合理想状态的位序—规模分布；q=1.2854，大于1，说明高位序景区村庄抖音网络关注度较为突出，中低位序景区发育不够完善，网络关注度不足。整体而言，景区村庄的网络关注度位序—规模曲线呈“头部”离散、“中部”紧密、“尾部”断裂的特征，反映出“头部”景区村庄网络关注度较好且具有一定优势，“中尾部”景区村庄网络关注度普遍不足但具有一定的结构层次。这也从侧面反映浙江省景区村庄建设良莠不齐，建设效果有待提质，大部分村庄的影响力有待进一步提升。
图3 位序—规模分析

Fig.3 Rank-size analysis

2.1.2 等级分布特征

科学测度3A级景区村庄空间分布状态是分析和判断其空间结构与集聚特征的基础。利用自然间断点将景区村庄网络关注度分成5个等级，进行5个网络关注度等级的金字塔结构分析和空间分布研究（图4）。进一步，为了更加科学地反映景区村庄关注度的空间分布的集散状态，利用ArcGIS对各关注度等级的景区村庄进行最邻近指数分析（表1）。需要说明的是，由于高、较高、中等和较低网络关注度的景区村庄数量较少，所以将高和较高网络关注度合并计算，中等网络关注度和较低网络关注度合并计算，并且将高、较高和中等网络关注度的景区村庄归并为拥有较好网络关注度的景区村庄。
图4 等级结构分析

Fig.4 Hierarchical structure

表1 最邻近指数分析

Tab.1 Nearest neighbor index analysis

网络关注度等级 R Z P 分布类型
景区村庄
网络关注度		 高、较高 1.970 4.907 0.000001 离散分布
中等、较低 0.756 -5.832 0.000000 集聚分布
低 0.714 -18.960 0.000000 集聚分布
由图4可知，高网络关注度的景区村庄7个，占全部景区村庄的0.51%；较高、中等和较低网络关注度的景区村庄分别有16、35和147个，分别占全部景区村庄的1.16%、2.55%和10.70%，而低网络关注度的景区村庄数量为1169个，占比高达85.10%，说明浙江省3A级景区村庄网络关注度整体偏低，景区村庄的建设品质与旅游影响力有待进一步提升。
结合图5和表1可以对不同网络关注度等级的景区村庄空间分布特征有一个清楚的了解。从都市区视角来看，拥有较好网络关注度的景区村庄在杭州和宁波都市区呈现集中连片分布特征，而在温州、金华—义乌都市区则呈现散点状分布；从自然地理空间视角来看，拥有较好网络关注度的景区村庄主要分布在平原与丘陵山地的交界地带，舟山—温州沿海地区有零星分布，而在浙江省西部山区景区村庄网络关注度普遍较低，仅存在个别关注度较高的景区村庄。结合各等级景区村庄网络关注度最邻近指数来看，高和较高关注度的景区村庄的最邻近指数 R=1.970，Z=4.907，显著性检验P值为0.000001，表明该等级关注度的景区村庄在全省呈离散分布，其中高网络关注度的景区村庄共7个，具体分布为：宁波1个、绍兴2个、金华1个、丽水1个、温州1个、舟山1个。其中温州市文成县百丈漈镇篁庄村拥有75802.9的最高网络关注度，热门网红打卡旅游景点百丈漈瀑布坐落于村庄内部。一般和较低网络关注度的景区村庄的最邻近指数 R = 0.756，Z=-5.832，显著性检验P值为0.000000，表明该等级的景区村庄在全省呈集聚分布。低网络关注度的景区村庄的最邻近指数 R = 0.714，Z=-18.960，显著性检验P值为0.000001，表明该等级网络关注度的景区村庄在全省呈集聚分布。
图5 网络关注度的空间分布特征

Fig.5 Spatial distribution pattern of network attention degree

总的来说，网络关注度等级越高景区村庄数量越少，且最邻近指数随着网络关注度等级提高而降低，表明浙江省景区村庄网络关注度整体呈现出低水平集聚的空间等级分布特征。

2.2 空间结构特征

由图5、图6可知，浙江省3A级景区村庄网络关注度核密度分布整体呈现“T”字形空间聚集结构，“T”字形结构的“横段”由“杭州—绍兴—宁波景区村庄高网络关注度带”构成，与杭州湾世界级湾区空间耦合。首先，该区域作为长三角核心经济区，其依托杭绍甬三市的高经济发展水平（2023年其GDP占全省的50%）和高城镇化率（2024年杭州是84.8%、宁波80.9%、绍兴74.5%），持续驱动城乡消费能级跃升。并且该区域市场基础雄厚，以上海为核心的长三角高净值客群凭借沪杭甬高铁1.5h通勤圈，形成“每周一次微度假”的高频消费范式。其次，在《浙江省大湾区建设行动计划》政策赋能下，“文旅数字化”成为区域发展重点，系统性推进景区村庄网络化布局与流量转化闭环构建。“T”字形结构的“竖段”由“杭州—金华衢州—丽水景区村庄高网络关注度带”构成，与浙江省城乡融合发展带高度重叠。这一布局背后是政策红利的强力驱动，致使乡村建设项目和资金向该地区流动，景区村庄内部各类项目与地区的基础设施建设不断完善。“十四五”期间，浙江省“大花园”及浙西南生态旅游带建设的持续推进，专项债和土地指标优先向该区域倾斜，促进农村公路提档升级、数字文旅驿站、5G基站等基建项目落地，加快了景区村庄的整体提质。
图6 网络关注度的核密度分析

Fig.6 Kernel density analysis of network attention degree

从各个局部聚集区来看，“T”字形结构中呈现出五大高密度聚集区：①杭湖聚集区。此区域在杭州和湖州市域交界处形成高集聚区，位于临安、余杭和安吉3个区县交界处。此区域以安吉南部山地区域为核心，向余杭区和临安区扩散。②杭绍聚集区。此区域同样在市域交界处形成高集聚区，位于绍兴柯桥区与杭州萧山区交界处。此区域集聚程度相对较低，以柯桥区北部山区为核心向西北向杭州方向扩展，向东南向宁波方向扩展。③宁波中部聚集区。此区域聚集程度为全省最高，分布范围也最广，核密度值范围达到31.16~35.06，其中奉化区为明显的中心区县，海曙区、鄞州区、宁海县、嵊州市、新昌县景区村庄网络关注度也有较高的集聚水平。④杭金衢聚集区。此区域位于杭州、金华和衢州3个市域交界处，景区村庄网络关注度以兰溪市、龙游和建德为核心聚集，向杭金衢内部扩散。⑤温丽双核心聚集区。该聚集区呈现明显的双核心结构，横跨2个市域，形成景区村庄网络关注度聚集区。2个核心的中心区县分别是丽水的景宁畲族自治县和温州的文成县。总的来说，每个节点呈现出明显的“核心—边缘”结构，由核心向周边地区扩散。而且除了宁波中部聚集区外，其他聚集区均处于市域的交界处。

3 不同类型景区村庄网络关注度的空间分异特征

3.1 类型识别

旅游资源是景区村庄发展的核心要素[24-25]。基于旅游资源进行乡村类型的划分，国家出台的标准和以往学者的研究都有研究和界定。如《旅游资源分类、调查与评价》将旅游资源分成8大类，23中类，110小类，8大类分别是地文景观、水域景观、生物景观、天气与气候景观、建筑与设施、历史遗迹、旅游购物、人文活动；而王秀伟等[26]则将中国乡村旅游重点村划分为农业生产类、自然生态类、产业主题类、景区名胜类、风土民俗类和遗址遗存类6个主要类型。本文基于前人结论和研究需求，依据网民重点关注的景区村庄旅游资源类型，将浙江省3A级景区村庄分为三大类：自然生态类（NE）、民俗文化类（FC）和特色休闲类（CC）。
自然生态类指未经过大规模开发建设的，并以优越的自然景观和生态环境为主要旅游资源的景区村庄，视频内容大篇幅地讲述景区村庄山、水、林、田、湖、草、沙等自然资源。民俗文化类是指具有悠久的历史文化或者独特的民俗文化为核心旅游资源的景区村庄，视频内容出现古村落、民俗文化村落、民族特色村寨、历史文化名村等讲解推荐的景区村庄，或者视频是景区村庄传统节庆活动，传统工艺制作等宣传推广内容，或者视频内容对景区村庄历史文脉的古建筑、古桥等历史遗产的单独讲解。景区村庄为了满足城市客源需求出现了各种各样具有乡村特色活动，如露营、野外烧烤、垂钓、戏水、农事体验等，本文将短视频内容主要讲述这些活动的景区村庄归入特色休闲类。
本文根据抖音短视频网络关注度前三的视频内容以及网民的评论信息，人工识别网民重点关注的旅游资源，进而将村庄划入不同类型的景区村庄（图7）。
图7 三大类景区村庄的空间分布

Fig.7 Distribution of three types of scenic-spot villages

3.2 空间分异特征

运用ArcGIS对三大类景区村庄网络关注度的空间分布进行核密度分析，发现各类景区村庄在网络关注度方面所呈现出的空间密度状况存在着显著的差异性（图8）。其中，特色休闲类景区村庄网络关注度分布密度较低，而其他两类景区村庄网络关注度分布密度相对较高，整体呈现“一低两高、分异鲜明”的空间格局。这个空间格局也体现出浙江省各地自身资源差异造就的不同类型的景区村庄网络关注度空间集聚的特征。
图8 不同类型景区村庄网络关注度的核密度分布

Fig.8 Kernel density of network attention degree for different types of scenic-spot villages

3.2.1 特色休闲类景区村庄网络关注度空间分异特征

特色休闲类景区村庄网络关注度分布最为集中，整体网络关注度水平偏低，呈现“一核、连片、多点”的空间分布格局。安吉县为核心向杭州市扩散，形成环杭州城区次高值连绵片区，东部沿海地区存在多个较高值点。根据短视频内容来看，网民对民宿、露营、农事体验、乡村乐园以及海岛观光体验这5类活动的关注是特色休闲类景区村庄网络关注度的重要组成部分。其中，民宿是网民关注的热点，在安吉县景区村庄中，网民主要关注对象为民宿的景区村庄占比高达72.7%；海岛观光体验则是在东部沿海地区景区村庄关注的热点。结合现实来看，民宿是乡村旅游发展的高级形态，安吉作为“两山”理论的发祥地，是乡村发展建设的先行区，其充分发挥了在地优势，率先实现了“绿水青山”向“金山银山”的转化，孕育出了众多高品质的民宿，吸引广大网民的关注，形成网络关注度核心。杭州作为浙江省经济、社会、文化中心，杭州主城区对周边村庄产生了强大的溢出效应，使得位于杭州主城区周边的景区村庄能够凭借其区位优势，很好地承接来自杭州城区市民的周末游玩需求，并开展各类休闲活动，形成网络关注度次高值区域。东部沿海多处点状高值区主要是因其海岛景观结合特色的海岛活动吸引网民关注。

3.2.2 民俗文化类景区村庄网络关注度空间分异特征

民俗文化类景区村庄网络关注度整体分布较为分散，网络关注度水平较高，在浙江省中部形成“环形”结构，两大高值区域分别位于杭金衢三市交界处以及杭绍交界处，前者为主核心区，后者为副核心区。主核心区内众多的古村落因其历史风貌保存完善和独具特色的文化活动受到网民广泛的关注，如金华市的兰溪市诸葛村，其村庄山水格局、街道布局以及建筑风貌均未被破坏以及定期开展的板凳龙传统节庆活动拥有较高的关注水平。与主核心区不同，新兴文化建设活动推动次核心区形成与发展，包括结合当地特色打造文化活动节日、建造文化建筑和当代社会主义新农村建设，如绍兴市柯桥区香林村建设的兜率天宫以及杭州市萧山区凤凰村家家户户的新式别墅吸引广大网民关注。浙江省文化底蕴深厚，历史村落云集，各地风俗各异，使得在浙江省民俗文化类景区村庄网络关注度水平较高。除两大高密度值区域外，还存在环宁波市区高值区，主要是宁波在城市建设过程中注重对历史村落的保护，在宁波城区周边保留了相当一部分具有历史底蕴的村庄；还有丽水北部松阳县高值区和泰顺县高值区，这两个区域地处浙南山地，全境以中、低山丘陵地带为主，四面环山，较为闭塞的交通条件也使得区域内的景区村庄能够很好地保留传统特色。

3.2.3 自然生态类景区村庄网络关注度空间分异特征

自然生态类景区村庄网络关注度在浙江省内呈现“双核集聚，南北对望”的空间结构。宁波中部、台州北部、绍兴和杭州东部构成浙江省北部网络关注度高值区，以宁波鄞州区和奉化区为核心；丽水中东部和温州构成南部网络关注度高值区，云和县和文成县构成南部哑铃状核心。结合视频内容来看，北部高区其网络关注对象以景区村庄营建的各类花海为主，其高网络关注度水平一般伴随着大量的资金投入对自然环境的塑造，而形成宁波鄞州区和奉化区网络关注度核心不仅因为宁波经济社会发达，拥有大量资金投入自然景观塑造，而且还得益于该片区域拥有丰富的自然景观，包括山川（四明山）、平原（鄞奉平原）和海洋（象山港海域）。反观南部高值区，自然类景区村庄网络关注对象以自然山水为主，丰富的水文、生物资源和良好的生态景观是其拥有较高网络关注度的基础。富有特色的自然景观推动了南部自然生态类景区村庄网络关注度的核心形成，包括云和县内的华东地区最大梯田群，以及文成县著名的百丈漈瀑布。两地地理空间相近，日益密切的旅游合作促进了游客在两个地区之间的流动，形成了旅游资源的共享和互补。这两个核心景点互相吸引，共同构成了南部地区的哑铃状核心结构。

4 网络关注度空间分布的影响因素分析

4.1 影响因子选取

通过对已有文献中景区村庄及景区网络关注度空间布局影响因素的梳理[2-3,10,18,27]，重点考量景区村庄建设的特殊性，结合指标量化的客观性和科学性，并遵循数据可获取性，从自然环境、社会经济、交通配套、旅游资源、网络发展5个维度出发，梳理出植被覆盖率、空气质量、地形地势、人口量级支撑、地区经济水平、服务业支撑、农村居民生活水平、城乡发展差距、交通通达距离、客源市场距离、高级别景区数、网络普及水平作为影响因子，以此构建影响景区村庄网络关注度的空间分布的影响因子指标体系。为了保证选取影响因子的合理性，本文运用多元回归分析对影响因素作出验证，然后借助地理探测器进一步剖析各因素以及影响因子经交互作用后的具体影响规律。

4.2 影响因子分析

以浙江省域范围内景区村庄网络关注度的核密度分层处理为因变量，上述12项影响因子为自变量，对数据进行正态化、标准化处理后构建多元回归模型，由各项影响因子共线性统计VIF均小于2，可知变量之间无明显共线性关系，满足多重线性回归模型自变量不相关假设。根据地理探测器模型进行影响因素的回归分析，12个因子均通过显著性检验，且影响因子AG>TO>SP>RI>IN>PS>IR>SN>AP>RN>CN>AL，具体结果见表2。
表2 影响因子指标体系构建

Tab.2 Construction of the impact factor index system

影响因素 因子选取 简称 指标选择（单位） VIF q
自然环境 植被覆盖率 SP 植被指数 1.20 0.2926
空气质量 AP PM2.5浓度（μg/m³） 1.20 0.1212
地形地势 AL 海拔（m） 1.05 0.0386
社会经济 人口量级支撑 PS 地区人口数量（人） 1.18 0.2093
地区经济水平 AG 人均GDP（元/人） 1.11 0.3213
服务业支撑 TO 第三产业产值（亿元） 1.58 0.2994
农村居民生活水平 RI 农村居民收入（元/人） 1.14 0.2474
城乡发展差距 IR 城乡收入比 1.17 0.1642
交通配套 交通通达距离 RN 距近邻交通要道距离（m） 1.04 0.0711
客源市场距离 CN 距最近行政城市距离（m） 1.01 0.0443
旅游资源 高级别景区数 SN 4A 级及以上景区数量（个） 1.20 0.1423
网络发展 网络普及水平 IN 固定互联网宽带（万户） 1.47 0.2266
由表2可知，核心影响因子整体受地区经济发展水平和服务业支撑的影响最大，其次是植被覆盖率和农村居民生活水平，以及网络普及水平影响也较大，而交通配套因素的各个因子影响均较弱。首先，在经济水平较高的地区，通常具备更为完善的基础设施和服务体系，这不仅有效吸引游客，还便于进行宣传和推广，且较高的服务业支撑代表着更多的投资和资源投入旅游业，这显著增强了景区的吸引力及其在网络平台上的曝光率。另外，经济发展所带来的消费能力的提升，进一步促进了游客数量的增加和网络关注度提高。其次，较高的农村居民生活水平通常意味着农村地区经济发展较好，这与更优质的“硬件环境”相关联。同时，较高的植被覆盖率和良好的空气质量等因素构成了“软环境”。这两者共同构成了景区村庄的整体环境。景区村庄良好的“软硬件环境”吸引游客，增强他们在社交媒体和网络平台上分享的意愿，而这种积极的口碑传播能够有效提升景区村庄的网络关注度。此外，网络普及水平直接反映了公众的网络参与度，景区村庄村民和景区工作人员直接参与景区村庄相关视频制作发布，受众网民接受抖音宣传等方式了解乡村旅游信息，因此其对网络关注度的空间差异有直接影响。最后，交通配套各个因子对景区村庄网络关注度空间分布影响相对有限。尽管我国交通基础设施的不断改善已减少了地理距离对旅游活动的限制，但交通方式的多样性和便利性仍然是游客出行意愿的重要影响因素。这些因素已经渗透到景区村庄的各个方面，因此可以被视为一种渐进式影响，而不是决定性的因素。

4.3 影响因子交互分析

利用地理探测器中的交互作用模块，识别影响因子交互作用对红色景区网络关注度空间布局的解释程度。由表3可知，影响因子经交互作用后对景区村庄网络关注度空间布局的解释程度均高于单因素的影响力，产生双因子增强与非线性增强的2种效应，说明景区村庄网络关注度的空间分布特征是多重因子综合作用的结果。在影响因子的交互作用结果中，q（PS∩AG）、q（PS∩TO）、q（PS∩RI）、q（PS∩IR）、q（AG∩RI）、q（AG∩IR）、q（TO∩RI）、q（TO∩SN）q（RI∩SN）、q（IR∩IN）、q（RI∩IN）、q（SP∩PS）、q（SP∩AG）、q（SP∩TO）、q（SP∩RI）、q（SP∩SN）、q（AP∩PS）、q（AP∩TO）、q（AP∩RI）的q值大于0.65，表明植被覆盖率、人口量级支撑、服务业支撑和农村居民生活水平是交互解释力增强的主导因子，并且各因子与人口量级支撑（PS）交互后发挥更强影响力，反映出景区村庄受到的网络关注度大多来自本地区，本区域居民是景区村庄游客的重要来源。究其原因是，景区村庄不同于其他传统景区，虽文化特色鲜明，但规模小、服务能力有限，大都为周边城镇居民周末节假日出游的去处，加上宣传运营上的不足，其往往不能够在本土文化地域的范围外发挥出强有力的旅游吸引力，因此本区域居民的规模在一定程度上构成了景区村庄旅客的基础。
表3 影响因子交互探测结果

Tab.3 Results of interaction detection for impact factors

SP AP AL PS AG TO RI IR RN CN SN IN
q值 SP 0.293 - - - - - - - - - - -
AP 0.667 0.121 - - - - - - - - - -
AL 0.386 0.275 0.039 - - - - - - - - -
PS 0.656 0.682 0.364 0.209 - - - - - - - -
AG 0.709 0.589 0.465 0.683 0.321 - - - - - -
TO 0.668 0.687 0.406 0.685 0.626 0.299 - - - - - -
RI 0.658 0.672 0.417 0.744 0.654 0.653 0.247 - - - - -
IR 0.641 0.526 0.303 0.635 0.715 0.620 0.636 0.164 - - - -
RN 0.361 0.238 0.149 0.315 0.456 0.370 0.354 0.265 0.071 - - -
CN 0.400 0.270 0.123 0.330 0.495 0.411 0.394 0.285 0.129 0.044 - -
SN 0.683 0.594 0.287 0.579 0.623 0.673 0.689 0.578 0.224 0.265 0.142 -
IN 0.647 0.644 0.384 0.577 0.630 0.453 0.608 0.692 0.314 0.365 0.583 0.227
交互 结果 SP - - - - - - - - - - - -
AP □ - - - - - - - - - - -
AL □ □ - - - - - - - - - -
PS □ □ □ - - - - - - - - -
AG □ □ □ □ - - - - - - - -
TO □ □ □ □ □ - - - - - -
RI □ □ □ □ □ □ - - - - - -
IR □ □ □ □ □ □ □ - - - - -
RN ▲ □ □ □ □ ▲ □ □ - - - -
CN □ □ □ □ □ □ □ □ □ - - -
SN □ □ □ □ □ □ □ □ □ □ - -
IN □ □ □ □ □ ▲ □ □ □ □ □ -

注：“▲”表示双因子增强；“□”表示非线性增强。

5 影响景区村网络关注度空间分布的异质性因素

3类景区村庄网络关注度的空间分布格局存在显著差异，空间分布的主要驱动因素各异。为探究影响3类景区村庄网络关注度空间分布的异质性因素，选择3类景区村庄网络关注度的核密度值作为因变量，通过显著性检验的12个影响因子作为自变量，借助地理探测器对影响各类重点村空间分布的主导因素进行辨析，具体结果见表4。
表4 3类景区村庄网络关注度空间分布影响因素的地理探测结果

Tab.4 Results of geographical detection of influencing factors for the spatial distribution of network attention degree of three types of scenic-spot villages

SP AP AL PS AG TO RI IR RN CN SN IN
q值 CC 0.352 0.264 0.070 0.247 0.348 0.362 0.364 0.275 0.103 0.121 0.367 0.410
FC 0.251 0.135 0.061 0.182 0.341 0.305 0.189 0.153 0.054 0.072 0.082 0.212
NE 0.348 0.152 0.053 0.246 0.387 0.373 0.262 0.193 0.105 0.058 0.172 0.306

5.1 特色休闲类影响因素分析

特色休闲类景区村庄网络关注度空间分布的影响因素众多。首先，网络普及水平的探测q值最高达0.410，说明网络普及水平对这类景区村庄的网络关注度空间分布具有决定性影响。原因在于，特色休闲类村庄以民宿和各类农户个体经营的乡村特色产业为主要吸引点，这些经营特色产业的农户成为乡村网络宣传的个体。因此，高网络普及率是提高网络关注度的重要前提。其次，植被覆盖率和农村居民生活水平的探测q值也较高，分别为0.364和0.352。其原因在于，特色休闲类景区村庄通过提供与城市截然不同的乡村空间，赋予独特的活动以吸引网民关注。这更加需要突出良好的乡村“软硬件”环境支撑，以推动特色活动的开展，从而吸引更多关注。再次，交通配套维度的各影响因子在这类景区村庄的网络关注度空间分布上表现出比其他2类更强的解释力。城市是乡村旅游重要的客源地，距离客源地较近的乡村空间更加具有优势，特别是周末空闲时候的短期、短途乡村旅行，游客一般更倾向于距离较近、交通更加方便的乡村。最后，高级别景区数的探测q值也高达0.367，因为高级别景区凭借其巨大的吸引力，间接地拉近了客源与高级别景区附近的景区村庄的距离。大型景区附近的特色休闲类景区往往结合了民宿、当地美食和休闲活动，满足游客在旅游过程中生活服务和乡村体验的需求，吸引游客关注。可以说，两者在一定程度上是互补关系，特色休闲类景区村庄可以发挥旅游资源的集聚效应，不断扩大自身的影响力。

5.2 民俗文化类影响因素分析

民俗文化类景区村庄网络关注度空间分布的影响因素探测结果显示，地区经济水平、服务业支撑的影响因子探测q值分别为0.341和0.305，高于其他项。地区经济水平和第三产业产值较高的区域，往往具有更高的旅游业发展水平、景区服务水平和现代化网络经营意识。更高的区域发展水平在为民俗文化类景区村庄在文化展演项目资金、营造文化旅游体验氛围提供更多的经济和服务支持。同时，发展水平较高的地区在发展过程中往往更加注重对村庄历史遗存的保护。值得注意的是，民俗文化类景区村庄是3类景区村庄网络关注度空间分布的影响因素探测中地形地势因子唯一呈现显著性的村庄，相比之下位于高山丘陵的地区往往比平原地区更加有机会将其更加完好地保留下来，如拥有较高网络关注度的兰溪市诸葛镇诸葛村、泰顺县泗溪镇下桥村、松阳县四都乡陈家铺村等民俗文化类景区村庄都处于高山丘陵地区。

5.3 自然生态类影响因素分析

自然生态类景区村庄网络关注度空间分布同样受社会经济影响显著。社会经济维度下的地区经济水平、服务业支撑的影响因子探测q值分别为0.387和0.373，自然生态类景区村庄网络关注度受社会经济影响显著除上述原因之外，主要是浙江省自然生态类的景区村庄大多会对自然景观进行不同程度的改造，或者创造出具有特色的自然景观以吸引游客（人工打造的各种花海，如荷花、桃花、栀子花、梅花等），这类自然景观的改造与创造需要大量的资金投入。同时，自然生态维度下的植被覆盖率和空气质量的影响因子探测q值也达0.348和0.152。究其原因，自然生态类景区村庄发展的基础是良好的自然环境，包括优质的空气，良好的水文和丰富的生物资源。其中生物资源相较空气质量，由于浙江省整体空气质量整体较好，生物资源尤其是植被的覆盖情况更为具象化，从而更加容易受到游客关注，所以其对生态类景区村庄网络关注度空间分布影响更为显著。

6 结论与建议

6.1 主要结论

研究景区村庄网络关注度对其高质量发展与转型升级具有重要的指导意义。本文通过对景区村庄网络关注度空间分异和影响因素的剖析，揭示了其空间分布规律的成因，为深入研究景区村庄在互联网语境下的发展奠定了基础。主要研究结论如下：
①极化优势明显，众多村庄发展乏力。从景区村庄网络关注度位序—规模法则来看，整体拟合曲线偏离理想状态，“头部”离散，“中部”紧密且向下弯曲，“尾部”下吊且呈现断层结构，反映出头部景区村庄优势明显，中部和尾部景区村庄发育较差。
②“T”形网络架构，五大核心集聚。从整体景区村庄网络关注度空间分布看，呈现出低关注度景区村庄集聚的空间等级分布特征。核密度分析结果显示，浙江省景区村庄网络关注度核密度分布整体呈现“T”字形空间聚集结构，在“T”字形内部呈现出五大核心集聚区，并且每个节点呈现出明显的“核心—边缘”结构。
③类型分异鲜明，空间差异显著。3种类型的景区村庄网络关注度整体呈现“一低两高、分异鲜明”的空间格局。其中，特色休闲类景区村庄网络关注度呈现“一核、连片、多点”的空间分布格局；民俗文化类景区村庄网络关注度在浙江省中部形成“环形”结构；自然生态类景区村庄网络关注度在浙江省内呈现“双核集聚，南北对望”的空间结构。
④多因子共促，交互作用显著增强。其中，地区经济水平、服务业支撑、植被覆盖率、农村居民生活水平和网络普及水平是景区村庄网络整体关注度单因子驱动力强度排名前五的因子；影响因子交互探测结果表明，双因子交互作用的影响力均高于单因子的影响力，其中各影响因素与人口量级支撑交叉后作用效果增强显著。
⑤类别异，驱动殊。社会经济因素对3类景区村庄网络关注度均具有较强的解释力，但3种类型的景区村庄驱动力因子影响程度各不相同。其中，特色休闲类景区村庄网络普及水平因子的探测q值最高达0.410，网络普及水平对特色休闲类景区村庄的网络关注度空间分布具有决定性影响；民俗文化类景区村庄地区经济水平、服务业支撑因子的探测q值远高于其他因子，其对于民俗文化类景区村庄网络关注度空间分布的解释具有极端优势；自然生态类景区村庄网络关注度空间分布同样受社会经济影响显著，但自然生态维度下的植被覆盖率和空气质量的影响因子探测q值相对其他两类景区村庄也较高。

6.2 对策建议

①构建跨区域协作机制，强化高关注度村庄辐射效应。首先可以建立结对帮扶机制，以高关注度村庄为核心，联合周边低关注度村庄形成协作联盟，通过资源共享、线路串联等方式实现流量互通。例如，依托“杭—绍—甬景区村庄高关注度带”，推动高流量村庄与邻近低流量村庄签订合作协议，联合策划跨区域旅游线路。其次要推广高关注度景区村庄的宣传模式，将高关注度村庄的运营经验、营销团队和数字技术向低关注度村庄输出，为周边村庄提供短视频制作、直播带货等技能培训。
②强化新型基础设施建设，重视乡村旅游运营环境。一是推进5G网络全域覆盖，优先在交通干道、景区入口布局基站，配套建设乡村数字服务，配备直播设备、剪辑工具，破解短视频创作技术瓶颈。二是交通配套需要精准衔接，通过打造旅游专线，建设乡村驿站，贯通城市与乡村连接通道。三是构建长效运维机制，设立“乡村数字运营官”培训基地，开展直播技能、数据分析定向培训，确保基础设施“建得成、用得好、可持续”。
③针对不同类型的景区村庄，制定差异化的发展策略。首先，特色休闲类景区村庄要强化“流量获取—消费转化”路径。具体来说，一是优先在交通干道沿线布局5G基站与乡村数字服务站，降低短视频创作与直播的技术门槛；二是联合抖音、高德地图等平台上线“1小时乡村休闲圈”专题，定向推送“景区+乡村”联票套餐，吸引杭州、宁波等核心城市短途客群。三是依托高级别景区的集聚效应，与乌镇、西湖等5A级旅游景区建立流量共享机制，通过官方抖音号嵌入周边乡村体验链接，实现客源互哺。其次，民俗文化类景区村庄需聚焦“文化活化—场景增值”。一方面可以通过设立民俗文化保护基金，用于高山村落（如松阳陈家铺村）的古建筑修缮与非遗传承人培育，优化资金投入，焕活文化资本；另一方面，利用传统古村落的稀缺性，结合古建筑、民俗文化活动等打造特色IP，通过策划相关活动，吸引深度游群体。最后，自然生态类景区村庄需建立“基地保护—精准改造”机制。应优先修复水系、森林、湿地等核心生态单元，通过生态廊道串联碎片化生境，提升生物多样性保育能力，构建“山水林田湖草”一体化保护格局。在此基础上，在中等植被覆盖区且社会经济水平较高的地区可以打造人工花海、湿地公园等景观吸引游客；对高植被覆盖区但社会经济水平较低的地区，可以利用优越的自然环境基础，通过生态认证，提升溢价空间。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈劼绮, 陆林. 乡村旅游创新的理论框架与研究展望[J]. 地理学报, 2024, 79(4):1027-1044.

[2]
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.

[3]
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.

[4]
李山, 邱荣旭, 陈玲. 基于百度指数的旅游景区络空间关注度:时间分布及其前兆效应[J]. 地理与地理信息科学, 2008(6):102-107.

[5]
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.

[6]
李会琴, 李丹, 董晓晴, 等. 中国5A级景区分布及网络关注度空间格局研究[J]. 干旱区资源与环境, 2019, 33(10):178-184.

[7]
张新成, 梁学成, 高楠, 等. 长征主题红色旅游资源关注度的空间网络结构及其形成机制分析[J]. 旅游科学, 2021, 35(3):1-23.

[8]
史春云, 范爽, 岳梦凡, 等. 基于网络关注度分析的乡村旅游季节性特征及其调控机制——以徐州市为例[J/OL]. 旅游科学,1-13[2024-12-29]. https://doi.org/10.16323/j.cnki.lykx.20240909.001.

[9]
张晓梅, 程绍文, 刘晓蕾, 等. 古城旅游地网络关注度时空特征及其影响因素——以平遥古城为例[J]. 经济地理, 2016, 36(7):196-202,207.

[10]
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.

[11]
王伟, 吕婷婷, 周晓冰. 河南5A级景区网络关注度时空演变特征与影响因素[J]. 河南师范大学学报(自然科学版), 2023, 51(2):70-78.

[12]
唐鸿, 许春晓. 中国红色旅游经典景区网络关注度时空演变及影响因素[J]. 自然资源学报, 2021, 36(7):1792-1810.

[13]
焦珊珊, 李明, 田逢军, 等. 中国红色旅游经典景区网络关注度分布格局及驱动机制[J]. 经济地理, 2022, 42(1):211-220.

[14]
叶永祥, 崔亭亭, 陈馨, 等. 基于多源数据的城市公园网络关注度时空特征与影响因素研究[J]. 南京林业大学学报(自然科学版), 2024, 48(6):183-192.

[15]
Qi M. The short video platform recommendation mechanism based on the improved neural network algorithm to the mainstream media[J]. Systems and Soft Computing, 2024,6:6200171-200171.

[16]
孙斐, 张岳军. 短视频塑造城市旅游形象的传播机制及策略研究——以抖音为例[J]. 美术大观, 2019, 32(7):116-117.

[17]
罗婉琳, 卞荷雨, 王洁, 等. 短视频视域下中国红色景区关注水平的空间差异及提升路径研究[J]. 地理研究, 2024, 43(12):3327-3349.

[18]
琚胜利. 乡村旅游地游客网络关注度特征、机制与空间响应研究[D]. 南京: 南京师范大学, 2018.

[19]
罗婉琳, 于佳甜, 王世鹏, 等. 湖南省红色景区网络关注度的空间差异及其影响因素[J]. 湖南师范大学自然科学学报, 2024, 47(6):34-43.

[20]
黄英, 周智, 黄娟. 大数据时代乡村旅游发展的时空分异特征[J]. 浙江农业学报, 2014, 26(6):1709-1714.

[21]
万田户, 张志荣, 李树亮, 等. 乡村旅游国内网络关注度的时空分布研究[J]. 西南大学学报(自然科学版), 2022, 44(6):138-149.

[22]
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.

[23]
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.

[24]
徐菊凤, 任心慧. 旅游资源与旅游吸引物:含义、关系及适用性分析[J]. 旅游学刊, 2014, 29(7):115-125.

[25]
Zubakova N N, Sizeneva A L, Karaulova M N. Tourist resources as object of theoretical investigations. Classification of tourist resources[J]. Life Science Journal, 2014, 11(8):92-97.

[26]
王秀伟, 李晓军. 中国乡村旅游重点村的空间特征与影响因素[J]. 地理学报, 2022, 77(4):900-917.

[27]
陈曦, 田逢军, 雷梦园. 我国乡村旅游网络关注度时空特征及影响机理[J]. 老区建设, 2023, 38(4):25-37.

Options
Outlines

/

〈 〉