喀斯特景區(qū)網(wǎng)絡(luò)關(guān)注度時(shí)空特征研究——以小七孔為例

李文路，覃建雄，羅 麗

【經(jīng)濟(jì)學(xué)與管理學(xué)】

喀斯特景區(qū)網(wǎng)絡(luò)關(guān)注度時(shí)空特征研究——以小七孔為例

李文路1,3，覃建雄2，羅 麗1

（1．西南民族大學(xué) 西南民族研究院，四川 成都 610041；2．西南民族大學(xué) 旅游與歷史文化學(xué)院，四川 成都 610041；3．四川省旅游學(xué)校，四川 成都 610042）

以貴州典型喀斯特景區(qū)——小七孔為案例地，基于百度指數(shù)平臺，對其2016—2019年的網(wǎng)絡(luò)關(guān)注度時(shí)空特征進(jìn)行研究，得出結(jié)論：（1）各年度網(wǎng)絡(luò)關(guān)注度分布變化具有極強(qiáng)的相似性，均呈現(xiàn)“四峰三谷”特征，季度變化趨勢呈現(xiàn)波動(dòng)狀態(tài)且相對集中，季節(jié)性差異較大，淡旺季明顯。（2）在周時(shí)段上，網(wǎng)絡(luò)關(guān)注度分布特征具有較強(qiáng)相似性，表現(xiàn)為工作日較高，雙休日較低，周內(nèi)表現(xiàn)“日前兆”；周五至頂峰，周六、周日迅速回落等特征。（3）在春節(jié)、“五一”和“十一”期間，總體表現(xiàn)為節(jié)假日前網(wǎng)絡(luò)關(guān)注度即開始逐漸上升，至第2-4個(gè)假日時(shí)達(dá)到最高峰值，隨后迅速下降并趨于平緩狀態(tài)，且集中程度更加偏向節(jié)假日前期。（4）網(wǎng)絡(luò)關(guān)注度地理分布較集中且表現(xiàn)越來越分散趨勢。華南、華東和西南等是重點(diǎn)集中區(qū)域；華北和華中地區(qū)總體較低，但北京市、湖南省較高；西北和東北地區(qū)均較低。從省份和城市看，均表現(xiàn)相似特征。根據(jù)結(jié)論提出了參考建議，以期為小七孔經(jīng)營管理提供參考價(jià)值，也為貴州其他喀斯特景區(qū)提供借鑒意義。

網(wǎng)絡(luò)關(guān)注度； 時(shí)空特征； 建議； 喀斯特景區(qū)

一、引言及研究綜述

網(wǎng)絡(luò)是旅游資訊和信息的載體和傳播工具。社會(huì)公眾通過互聯(lián)網(wǎng)渠道關(guān)注、了解和獲取旅游地信息，從而為出游決策提供依據(jù)[1]。截至2019年6月，我國網(wǎng)民總規(guī)模達(dá)8.54億，其中在線旅行預(yù)訂用戶規(guī)模達(dá)4.18億，占網(wǎng)民整體的48.9%[2]。搜索引擎是網(wǎng)民常用的網(wǎng)絡(luò)工具，其用戶規(guī)模達(dá)6.947億，且旅行場景下搜索引擎服務(wù)使用率高達(dá)58.2%[2-3]。目前，百度搜索是國內(nèi)搜索引擎品牌滲透率的第一名，其用戶滲透率高達(dá)到90.9%[3]。百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺，可以研究關(guān)鍵詞搜索趨勢，洞察網(wǎng)民興趣和需求，監(jiān)測輿情動(dòng)向，定位受眾特征，將它們運(yùn)用到旅游研究中具有重要價(jià)值。為此，基于百度指數(shù)的網(wǎng)絡(luò)關(guān)注度旅游研究一直是學(xué)界的熱點(diǎn)，備受關(guān)注。本文借助知網(wǎng)（http：//www.cnki.net/）平臺，先以“百度指數(shù)”和“旅游”同時(shí)作為主題詞進(jìn)行檢索，共得到39篇核心期刊文章（表1），再以“百度指數(shù)”和“喀斯特”同時(shí)為主題詞進(jìn)行檢索，結(jié)果顯示為0篇。通過對這39篇文章歸納發(fā)現(xiàn)：基于百度指數(shù)平臺，絕大多數(shù)文獻(xiàn)研究某個(gè)地區(qū)或景區(qū)的網(wǎng)絡(luò)關(guān)注度時(shí)空特征及影響因素，也有學(xué)者關(guān)注旅游安全網(wǎng)絡(luò)關(guān)注度的區(qū)域差異特征，另有學(xué)者運(yùn)用該平臺工具進(jìn)行游客量或旅游收入預(yù)測等等。分析發(fā)現(xiàn)，以往文獻(xiàn)對研究對象并未做特別的關(guān)注和甄選，因此以喀斯特（景區(qū)）為研究對象，對其網(wǎng)絡(luò)關(guān)注度時(shí)空特征的研究相對缺失。鑒于此，本文以典型喀斯特景區(qū)——小七孔為案例地，借助百度指數(shù)平臺，運(yùn)用定性和定量相結(jié)合的方法，探索其網(wǎng)絡(luò)關(guān)注度時(shí)空特征，得出結(jié)論和建議，以期為小七孔經(jīng)營管理提供參考價(jià)值，也為貴州其他喀斯特景區(qū)提供借鑒。

二、研究設(shè)計(jì)

（一）案例地概況

我國喀斯特地貌面積有90萬km2，主要集中在滇、黔、桂等9省市。貴州全省國土面積的71.9%均屬典型喀斯特地貌，所形成的景觀和文化資源是貴州旅游資源的主要組成部分，因此，本文對典型喀斯特景區(qū)——小七孔的研究對貴州旅游發(fā)展具有重要意義。小七孔位于貴州省黔南布依族苗族自治州南端荔波縣境內(nèi)，是中國南方喀斯特世界自然遺產(chǎn)地、荔波樟江國家級風(fēng)景名勝區(qū)和荔波樟江國家旅游示范區(qū)的重要組成部分，被譽(yù)為“地球綠寶石”和“全球最美喀斯特”。小七孔集山、林、洞、湖、瀑、險(xiǎn)灘、急流等于一體，濃縮了貴州喀斯特山水的所有精華，是喀斯特景區(qū)的典型代表。近年來，隨著貴州旅游業(yè)快速發(fā)展，小七孔受到國內(nèi)外廣泛關(guān)注和聚焦，知名度和美譽(yù)度全面提升，2014年接待量首破100萬人次，2015年門票收入首破億元大關(guān)，2019年再創(chuàng)歷史新高，接待量達(dá)到400萬人次。

（二）關(guān)鍵詞選取及數(shù)據(jù)來源

長期以來，小七孔對外形象名稱包括“小七孔”“大七孔”和“大小七孔”同時(shí)并存?；诎俣戎笖?shù)平臺，本文先以“大小七孔”作為關(guān)鍵詞進(jìn)行檢索，發(fā)現(xiàn)其并未錄入百度指數(shù)，因此，將其剔除。又分別以“小七孔”和“大七孔”為關(guān)鍵詞，檢索2016年1月1日至2019年12月31日時(shí)間段并繪制兩者的網(wǎng)絡(luò)關(guān)注度年際變化曲線（圖1）。發(fā)現(xiàn)兩曲線變化具有極強(qiáng)的相似性，但“大七孔”百度指數(shù)遠(yuǎn)低于“小七孔”。因此，為了獲取數(shù)據(jù)方便性，本文擬選取“小七孔”作為唯一的檢索關(guān)鍵詞?；诎俣戎笖?shù)平臺，檢索時(shí)間尺度自2016年1月1日至2019年12月31日，獲取小七孔4年整體趨勢下的日均搜索指數(shù)作為基礎(chǔ)數(shù)據(jù)，并借助“趨勢研究”和“人群畫像”等功能模塊進(jìn)行網(wǎng)絡(luò)關(guān)注度時(shí)空分布特征分析。

（三）研究方法

1．周時(shí)段分布偏度指數(shù)。

周時(shí)段分布偏度指數(shù)（G index）能夠科學(xué)測量微時(shí)間段尺度內(nèi)的集中分布特征和分布規(guī)律。本文將運(yùn)用該指數(shù)對小七孔十一黃金周的網(wǎng)絡(luò)關(guān)注度進(jìn)行實(shí)證研究。計(jì)算公式為：

式中，Xi為分布周內(nèi)第i天網(wǎng)絡(luò)關(guān)注度與周內(nèi)網(wǎng)絡(luò)關(guān)注度總數(shù)的比值。G指數(shù)值為負(fù)值時(shí)，表明網(wǎng)絡(luò)關(guān)注度偏向于集中分布周內(nèi)前期；G指數(shù)值為正值時(shí)，表明網(wǎng)絡(luò)關(guān)注度偏向于集中分布周內(nèi)后期；G指數(shù)值等于0時(shí)，表明網(wǎng)絡(luò)關(guān)注度為對稱分布。

2．季節(jié)性集中指數(shù)。

季節(jié)性集中指數(shù)是測量大時(shí)間段尺度內(nèi)集中分布特征和分布規(guī)律的重要指標(biāo)，又稱季節(jié)性時(shí)間強(qiáng)度指數(shù)。本文將運(yùn)用該指數(shù)對小七孔網(wǎng)絡(luò)關(guān)注度季度變化特征進(jìn)行實(shí)證分析。計(jì)算公式為：

式中，Xi為各月網(wǎng)絡(luò)關(guān)注度與全年網(wǎng)絡(luò)關(guān)注度的比值。指數(shù)值越大，表明季節(jié)性差異越大，網(wǎng)絡(luò)關(guān)注度的季節(jié)集中程度越高；指數(shù)值越接近于0時(shí)，表明季節(jié)分布越均勻，關(guān)注度的季節(jié)集中程度越低。

表1 基于“百度指數(shù)+旅游”主題詞知網(wǎng)檢索的核心文獻(xiàn)統(tǒng)計(jì)

圖1 2016—2019年小七孔和大七孔百度指數(shù)年際變化曲線對比

3．地理集中指數(shù)。

地理集中指數(shù)（G）能夠科學(xué)的衡量網(wǎng)絡(luò)關(guān)注度相關(guān)搜索人群地理集中程度。本文將利用該指數(shù)實(shí)證分析小七孔網(wǎng)絡(luò)關(guān)注度的空間分布特征。計(jì)算公式為：

式中，T為全國網(wǎng)絡(luò)關(guān)注度總和，Xi為第i個(gè)省區(qū)的網(wǎng)絡(luò)關(guān)注度，n為省區(qū)總數(shù)，其中G值為正值。G值越小，表明網(wǎng)絡(luò)關(guān)注度空間分布越分散；G值越大，表明網(wǎng)絡(luò)關(guān)注度空間分布越集中。

三、小七孔網(wǎng)絡(luò)關(guān)注度時(shí)空特征

（一）小七孔網(wǎng)絡(luò)關(guān)注度時(shí)間分布特征

1．網(wǎng)絡(luò)關(guān)注度年際變化特征

基于2016—2019年百度指數(shù)，對小七孔4個(gè)年度的網(wǎng)絡(luò)關(guān)注度進(jìn)行統(tǒng)計(jì)并繪制年際變化趨勢圖（圖2）。分析發(fā)現(xiàn)：2016—2018年，小七孔網(wǎng)絡(luò)關(guān)注度以年均增長率19.37%的速度連續(xù)兩年持續(xù)增加；2019年網(wǎng)絡(luò)關(guān)注度較2018年有所下降，下降5.37%。

圖2 2016—2019年小七孔百度指數(shù)年際變化趨勢

2．網(wǎng)絡(luò)關(guān)注度季度變化特征

基于2016—2019年的百度指數(shù)，繪制小七孔4個(gè)年度的網(wǎng)絡(luò)關(guān)注度季度變化趨勢圖（圖2）。由圖2可知，小七孔各年度網(wǎng)絡(luò)關(guān)注度變化趨勢具有極高的相似性，總體呈現(xiàn)“四峰三谷”特征，季度變化呈現(xiàn)波動(dòng)狀態(tài)且相對集中趨勢。網(wǎng)絡(luò)關(guān)注度高峰階段分布在2月、4月中下旬至5月上旬、7月至8月、9月底至10月初4個(gè)階段，即春季、夏季和早秋，其中7至8月份是最高峰階段，即為最旺季時(shí)期。而晚秋和整個(gè)冬季由于氣候等影響因素，其網(wǎng)絡(luò)關(guān)注度狀態(tài)平緩且水平較低，以11月至次年1月份最為顯著，是淡季階段。

圖3 2016—2019年小七孔百度指數(shù)年際變化曲線對比

為探明小七孔網(wǎng)絡(luò)關(guān)注度季節(jié)性集中程度趨勢變化，采用季節(jié)性集中指數(shù)進(jìn)行測度，計(jì)算結(jié)果分別為3.06、3.57、3.68和3.72（表2）。指數(shù)值越大，表明季節(jié)性差異越大，集中程度越高，反之表明季節(jié)性差異越小，集中程度低。結(jié)合年度各月份百度指數(shù)占比情況（表3）發(fā)現(xiàn)，隨著年度時(shí)間的推移，小七孔網(wǎng)絡(luò)關(guān)注度季節(jié)性差異越大，集中程度越高。

表2 2016—2019年小七孔網(wǎng)絡(luò)關(guān)注度季節(jié)性集中指數(shù)

表3 2016—2019年小七孔各月百度指數(shù)及占全年比重

3．網(wǎng)絡(luò)關(guān)注度周時(shí)段變化特征

對小七孔網(wǎng)絡(luò)關(guān)注度周時(shí)段特征進(jìn)行分析，需避免法定節(jié)假日的影響。為此，考慮獲取數(shù)據(jù)的便捷性和代表性，選擇2016—2019各年度7月1日至31日時(shí)間段進(jìn)行分析。2016—2019各年度6月下旬至8月上旬間均沒有法定節(jié)假日，因此，7月份網(wǎng)絡(luò)關(guān)注度不會(huì)受到干擾和影響，以此對小七孔周時(shí)段特征進(jìn)行分析顯得更加科學(xué)。將小七孔每年度7月份的4個(gè)周百度指數(shù)日數(shù)據(jù)按周一至周日相加并求平均值，得出周時(shí)段網(wǎng)絡(luò)關(guān)注度，并繪制周時(shí)段日均變化曲線（圖4）。由圖4可知，2016—2019年小七孔網(wǎng)絡(luò)關(guān)注度周時(shí)段分布特征具有較強(qiáng)相似性，變化趨勢趨同。具體表現(xiàn)為工作日較高，雙休日較低；周五達(dá)到頂峰，周六和周日迅速回落。這是因?yàn)橛慰鸵话闶侵苣┏鲇?，其客流量遠(yuǎn)遠(yuǎn)大于周內(nèi)客流量，周內(nèi)顯示“日前兆”特征[4]，目的是為了制定相應(yīng)的出游計(jì)劃或出游攻略。從年度看，2016—2019年小七孔周時(shí)段平均網(wǎng)絡(luò)關(guān)注度排名由大到小依次為2018年、2017年、2019年和2016年，這與前文網(wǎng)絡(luò)關(guān)注度年際變化特征相吻合。

圖4 小七孔百度指數(shù)周時(shí)段變化曲線

4．網(wǎng)絡(luò)關(guān)注度節(jié)假日時(shí)段變化特征

法定節(jié)假日是中國居民外出旅游的高峰期，尤其以春節(jié)、“五一”和“十一”最為顯著。本文統(tǒng)計(jì)了2016—2019年小七孔上述3個(gè)假日期間及前后各3天的日均網(wǎng)絡(luò)關(guān)注度指數(shù)，五一小長假前后一共9天；春節(jié)黃金周和“十一”黃金周均前后共13天，并繪制成變化曲線圖（圖5、圖6和圖7）。

由圖5可知，春節(jié)黃金周前小七孔網(wǎng)絡(luò)關(guān)注度趨于平緩，無明顯上升趨勢，至假日第2天（大年初一）網(wǎng)絡(luò)關(guān)注度逐漸增加，至假日第5天（大年初四）達(dá)到頂峰，隨后逐漸下滑并趨于平緩。

圖5 春節(jié)黃金周小七孔百度指數(shù)變化曲線

圖6顯示，“五一”小長假前小七孔網(wǎng)絡(luò)關(guān)注度即開始逐漸提升，至假日第1或第2天達(dá)到最高峰，至節(jié)后迅速下降并趨于平緩。但是2019年情況較特殊，其網(wǎng)絡(luò)關(guān)注度在假日第2天后到達(dá)高峰后又持續(xù)維持了3天，研究發(fā)現(xiàn)2019年五一小長假是4天，且第4天假日是周六，很多人選擇繼續(xù)“拼假”延長假期，因而網(wǎng)絡(luò)關(guān)注度維持了高峰值數(shù)日。

圖6 五一小長假小七孔百度指數(shù)變化曲線

由圖7可知，十一黃金周前小七孔網(wǎng)絡(luò)關(guān)注度即開始逐步增高，并在假日的第2或第3天達(dá)到峰值，隨后即開始下降并達(dá)到一個(gè)穩(wěn)定狀態(tài)。

圖7 十一黃金周小七孔百度指數(shù)變化曲線

為進(jìn)一步探索小七孔網(wǎng)絡(luò)關(guān)注度假日集中程度狀況，選擇十一黃金周為代表，采用周時(shí)段分布偏度指數(shù)進(jìn)行測度（表4）。數(shù)據(jù)顯示，2016—2019各年度十一黃金周的G指數(shù)在均小于0，表明小七孔網(wǎng)絡(luò)關(guān)注度集中程度偏向于黃金周前期，這進(jìn)一步呼應(yīng)了上文的分析。

表4 2016—2019年小七孔網(wǎng)絡(luò)關(guān)注度黃金周周時(shí)段分布偏度指數(shù)

（二）小七孔網(wǎng)絡(luò)關(guān)注度空間分布特征

研究網(wǎng)絡(luò)關(guān)注度空間分布特征有助于細(xì)分旅游市場，實(shí)施精準(zhǔn)營銷。為探明2016—2019各年度小七孔網(wǎng)絡(luò)關(guān)注度的地域分布情況，借助百度指數(shù)平臺“地域分布”功能模塊，先后以“城市”“省份”和“區(qū)域”三個(gè)層次進(jìn)行檢索，得出排名前10的省份和城市（表5）。

表5 2016—2019年小七孔網(wǎng)絡(luò)關(guān)注度排名前十省份和城市

分析發(fā)現(xiàn)，從地理區(qū)域劃分來看，小七孔網(wǎng)絡(luò)關(guān)注度集中分布特征非常明顯，各年度在地區(qū)空間分布上幾乎保持一致，主要集中在華南、西南和華東地區(qū)。華南和華東地區(qū)經(jīng)濟(jì)較發(fā)達(dá)、人口密度大，且交通便捷、信息網(wǎng)絡(luò)水平高，而西南地區(qū)省份和城市距離小七孔較近，交通方便，多為本地及周邊市場，因此，這些地區(qū)對小七孔網(wǎng)絡(luò)關(guān)注度相對較高。相較于此，華北和華中地區(qū)則總體水平較低，但北京市、湖南省較高；西北和東北地區(qū)則均較低。從省份分布來看，各年度貴州、四川、廣東和廣西分別居于網(wǎng)絡(luò)關(guān)注度前4名，貴州一直保持第1名，廣東省排名逐漸提升，四川省排名逐漸下降。從分布城市看，各年度貴陽、成都、黔南、廣州、北京、重慶、深圳等7個(gè)城市一直居于前10名，其中貴陽一直保持第1名，黔南州、成都和廣州排名有所下降，重慶排名有所上升，北京一直處于中下游。以上分析表明城市分布集中度與地理區(qū)域分布集中度和省份分布集中基本保持一致。

為進(jìn)一步探明小七孔網(wǎng)絡(luò)關(guān)注度地理集中程度，借助地理集中指數(shù)（G）進(jìn)行實(shí)證分析（表6）。分析顯示，2016—2019年，地理集中指數(shù)（G）分別是38.54、38.43、38.32和38.18，說明小七孔網(wǎng)絡(luò)關(guān)注度地理分布較集中且表現(xiàn)越來越分散趨勢，這表明隨著近年來小七孔不斷轉(zhuǎn)型升級并實(shí)施營銷策略，其知名度越來越大，客源市場分布越來越廣泛。

表6 2016—2019年小七孔網(wǎng)絡(luò)關(guān)注度度地理集中度指數(shù)

四、結(jié)論與建議

（一）結(jié)論

本文以貴州典型喀斯特景區(qū)“小七孔”為研究案例地，基于百度指數(shù)平臺，對其2016—2019年的網(wǎng)絡(luò)關(guān)注度時(shí)空特征進(jìn)行研究，得出結(jié)論：

一是小七孔各年度高峰階段和低谷階段時(shí)間尺度和節(jié)點(diǎn)基本吻合，其網(wǎng)絡(luò)關(guān)注度變化趨勢具有極高的相似性，均呈現(xiàn)“四峰三谷”特征。每年度網(wǎng)絡(luò)關(guān)注度季度變化趨勢呈現(xiàn)波動(dòng)狀態(tài)且相對集中。2月、4月中下旬至5月上旬、7月至8月、9月底至10月初4個(gè)階段為旺季階段，這與現(xiàn)實(shí)旅游客流量淡、旺季相吻合。

二是在周時(shí)段上，其分布特征具有較強(qiáng)相似性，變化趨勢趨同。具體表現(xiàn)為工作日較高，雙休日較低，周內(nèi)顯示“日前兆”特征；周五達(dá)到頂峰，周六和周日迅速回落。

三是在春節(jié)、五一和十一期間，總體表現(xiàn)為節(jié)假日前網(wǎng)絡(luò)關(guān)注度即開始逐漸上升，至第2—4個(gè)假日時(shí)達(dá)到最高峰值，隨后迅速下降并趨于平緩狀態(tài)，且網(wǎng)絡(luò)關(guān)注度集中程度更加偏向節(jié)假日前期。

四是網(wǎng)絡(luò)關(guān)注度地理分布較集中且表現(xiàn)出越來越分散的趨勢，華南、華東和西南等是重點(diǎn)集中區(qū)域；華北和華中地區(qū)總體較低，但北京市、湖南省較高；西北和東北地區(qū)均較低。從省份看，各年度貴州、四川、廣東和廣西分別居于網(wǎng)絡(luò)關(guān)注度前4名；從城市看，各年度貴陽、成都、黔南、廣州、北京、重慶、深圳等7個(gè)城市一直居于前10名。

（二）建議

本文的研究結(jié)論為小七孔景區(qū)經(jīng)營管理提供了以下啟示，同時(shí)對其他類似喀斯特景區(qū)也具有參考價(jià)值。

第一，善于利用互聯(lián)網(wǎng)資源和技術(shù)科學(xué)預(yù)判需求動(dòng)態(tài)。信息時(shí)代，景區(qū)要善于利用互聯(lián)網(wǎng)資源和技術(shù)及時(shí)掌握旅游網(wǎng)絡(luò)關(guān)注度信息，科學(xué)預(yù)判旅游需求動(dòng)態(tài)。這樣做有幾大益處：其一，有助于預(yù)測未來游客量；其二，有益于提升旅游服務(wù)和管理水平，尤其能為疫情防控提供重要參考；其三，能夠發(fā)現(xiàn)潛在旅游市場，為實(shí)施精準(zhǔn)營銷提供依據(jù)。

第二，關(guān)注網(wǎng)絡(luò)關(guān)注度空間分布特征，細(xì)分旅游市場，實(shí)施多元營銷策略。首先，從網(wǎng)絡(luò)關(guān)注度時(shí)間特征看，小七孔在節(jié)假日、周、月和季節(jié)等時(shí)間段上均表現(xiàn)較強(qiáng)的規(guī)律性，及時(shí)掌握網(wǎng)絡(luò)關(guān)注度信息不僅有助于預(yù)測未來游客量，利于提升管理服務(wù)水平，同時(shí)也為實(shí)施精準(zhǔn)營銷提供了準(zhǔn)確時(shí)間點(diǎn)參考。其次，從網(wǎng)絡(luò)關(guān)注度空間特征看，建議景區(qū)細(xì)分不同地域市場。目前看，華南、華東和西南地區(qū)為一級市場，華北和華中地區(qū)為二級市場，西北和東北地區(qū)為三級市場，針對不同市場條件實(shí)施不同的營銷策略和手段。一級市場是較成熟市場，要加強(qiáng)推介喀斯特旅游新產(chǎn)品、新業(yè)態(tài)，提升服務(wù)質(zhì)量，增強(qiáng)游客忠誠度。二級市場是潛力市場，實(shí)施“一城一策”營銷策略，全面鋪開，重點(diǎn)推介喀斯特旅游核心產(chǎn)品和新興產(chǎn)品，提高景區(qū)美譽(yù)度和知名度。三級市場為潛在市場，要加強(qiáng)推介喀斯特生態(tài)觀光核心產(chǎn)品，實(shí)施重點(diǎn)區(qū)域、重點(diǎn)城市突破策略，實(shí)施門票降價(jià)策略。

第三，關(guān)注景區(qū)網(wǎng)絡(luò)關(guān)注度時(shí)間分布特征，加強(qiáng)智慧景區(qū)建設(shè)，制定門票預(yù)約制度。目前疫情防控常態(tài)化背景下，在及時(shí)掌握景區(qū)網(wǎng)絡(luò)關(guān)注度、預(yù)判旅游需求動(dòng)態(tài)基礎(chǔ)上，建議小七孔景區(qū)啟動(dòng)如下工作：其一，重新科學(xué)測度小七孔旅游承載力，合理確定游客接待量上限，為嚴(yán)控游客流量、建立分級預(yù)警機(jī)制奠定基礎(chǔ)。其二，加快智慧景區(qū)建設(shè)，建立門票預(yù)約制度，實(shí)施分時(shí)段預(yù)約策略。其三，建設(shè)新型旅游項(xiàng)目，合理規(guī)劃功能布局，優(yōu)化設(shè)置游覽線路，防止出現(xiàn)擁擠現(xiàn)象增加疫情風(fēng)險(xiǎn)和造成局部生態(tài)環(huán)境壓力。

[1] 龍茂興，孫根年，馬麗君，等．區(qū)域網(wǎng)絡(luò)關(guān)注度與客流量時(shí)空動(dòng)態(tài)比較分析——以四川為例[J]．地域研究與開發(fā)，2011（3）： 93-97．

[2] 國家互聯(lián)網(wǎng)信息中心．第44次中國互聯(lián)網(wǎng)網(wǎng)絡(luò)發(fā)展統(tǒng)計(jì)報(bào)告[R]．2019．

[3] 國家互聯(lián)網(wǎng)信息中心．中國網(wǎng)民搜索引擎使用情況研究報(bào)告[R]．2019．

[4] 李山，邱榮旭，陳玲．基于搜索指數(shù)的旅游景區(qū)絡(luò)空間關(guān)注度：時(shí)間分布及其前兆效應(yīng)[J]．地理與地理信息科學(xué)，2008（6）：102-107．

[5] 林志慧，馬耀峰，劉憲鋒，等．旅游小七孔網(wǎng)絡(luò)關(guān)注度時(shí)空分布特征分析[J]．資源科學(xué)，2012（12）：2427-2433．

[6] 張麗峰，丁于思．北京5A級旅游小七孔網(wǎng)絡(luò)關(guān)注度分布特征研究[J]．資源開發(fā)與市場，2014（11）：1382-1384，1370．

[7] 蔡杰．基于搜索指數(shù)的旅游地景觀關(guān)注度比較研究——以杭州“西湖十景”為例[J]．資源開發(fā)與市場，2015（6）：756-759．

[8] 蔡衛(wèi)民，彭晶，覃娟娟．韶山的全國網(wǎng)絡(luò)關(guān)注熱度矩陣及推廣策略研究[J]．旅游科學(xué)，2016（4）：61-72．

[9] 徐凡，尤瑋，周年興，等．基于搜索指數(shù)的網(wǎng)絡(luò)空間關(guān)注時(shí)空分布研究——以長三角5A級景區(qū)為例[J]．資源開發(fā)與市場，2016（4）：489-493．

[10] 李霞，曲洪建．郵輪網(wǎng)絡(luò)關(guān)注度的時(shí)空特征和影響因素——基于搜索指數(shù)的研究[J]．統(tǒng)計(jì)與信息論壇，2016（4）：101-106．

[11] 普拉提·莫合塔爾，伊力亞斯·加拉力丁．新疆旅游景區(qū)的網(wǎng)絡(luò)關(guān)注度時(shí)空特征——基于搜索指數(shù)的分析[J]．黑龍江民族叢刊，2016（2）：81-85．

[12] 張曉梅，程紹文，劉曉蕾，等．古城旅游地網(wǎng)絡(luò)關(guān)注度時(shí)空特征及其影響因素——以平遙古城為例[J]．經(jīng)濟(jì)地理，2016（7）：196-202，207．

[13] 何小芊，劉宇，吳發(fā)明．基于搜索指數(shù)的溫泉網(wǎng)絡(luò)關(guān)注度時(shí)空特征研究[J]．地域研究與開發(fā)，2017（1）：103-108，124．

[14] 何小芊，張艷蓉，劉宇．旅游洞穴網(wǎng)絡(luò)關(guān)注度的時(shí)空特征研究——以中國最美五大旅游洞穴為例[J]．中國巖溶，2017（2）：275-282．

[15] 楊利，李冬杰，都劉寧，等．國家公園類小七孔網(wǎng)絡(luò)關(guān)注度時(shí)空變化特征研究——以泛長三角地區(qū)為例[J]．資源開發(fā)與市場，2017（9）：1142-1146，1154．

[16] 劉佳，劉寧．基于泰爾指數(shù)的親子游網(wǎng)絡(luò)關(guān)注度區(qū)域差異研究——以我國31個(gè)省份為研究區(qū)域[J]．資源開發(fā)與市場，2018（7）：1015-1020．

[17] 孫曉蓓，楊曉霞，張楓怡．基于搜索指數(shù)的中國A級旅游洞穴小七孔網(wǎng)絡(luò)關(guān)注度分布特征研究[J]．西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（4）：81-88．

[18] 嚴(yán)江平，宋志紅，李?。畯V州市旅游小七孔網(wǎng)絡(luò)關(guān)注度時(shí)空特征研究[J]．資源開發(fā)與市場，2018（1）：88-93，22．

[19] 何琛，瓦哈甫·哈力克，朱永鳳．新疆旅游關(guān)注度的時(shí)空差異及其影響因素[J]．湖南師范大學(xué)自然科學(xué)學(xué)報(bào)，2018（3）：16-24．

[20] 丁鑫，汪京強(qiáng)，李勇泉．基于搜索指數(shù)的旅游目的地網(wǎng)絡(luò)關(guān)注度時(shí)空特征與影響因素研究——以廈門市為例[J]．資源開發(fā)與市場，2018（5）：709-714．

[21] 馬莉，劉培學(xué)，張建新，等．景區(qū)旅游流與網(wǎng)絡(luò)關(guān)注度的區(qū)域時(shí)空分異研究[J]．地理與地理信息科學(xué)，2018（2）：87-93．

[22] 張碧星，周曉麗．佛教旅游地網(wǎng)絡(luò)關(guān)注度時(shí)空分布差異及其影響因素研究——以五臺山景區(qū)為例[J]．西北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（6）：103-109，123．

[23] 管陳雷，胡志毅．基于搜索指數(shù)的重慶馬拉松網(wǎng)絡(luò)關(guān)注度時(shí)空特征研究[J]．重慶師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（5）：136-142．

[24] 劉嘉毅，陳玲，陶婷芳．旅游輿情網(wǎng)絡(luò)關(guān)注度城市差異——來自289個(gè)城市搜索指數(shù)的實(shí)證研究[J]．信息資源管理學(xué)報(bào)，2018（3）：93-101．

[25] 劉嘉毅，陳玲，陳玉萍．旅游輿情網(wǎng)絡(luò)關(guān)注度時(shí)空演變特征與影響因素[J]．地域研究與開發(fā)，2019（1）：88-94．

[26] 鄭玉蓮，陸林，趙海溶．蕪湖方特網(wǎng)絡(luò)關(guān)注度分布特征及與客流量關(guān)系研究——以PC端和移動(dòng)端搜索指數(shù)為例[J]．資源開發(fā)與市場，2018（9）：1315-1320．

[27] 黃文勝．基于搜索指數(shù)的廣西旅游網(wǎng)絡(luò)關(guān)注率矩陣及營銷策略研究[J]．地域研究與開發(fā)，2019（5）：101-104．

[28] 生延超，吳昕陽．游客滿意度的網(wǎng)絡(luò)關(guān)注度演變及空間差異[J]．經(jīng)濟(jì)地理，2019（2）：232-240．

[29] 曾可盈，周麗君．基于搜索指數(shù)的東北三省4A級及以上小七孔網(wǎng)絡(luò)關(guān)注度分析[J]．東北師大學(xué)報(bào)（自然科學(xué)版），2019（1）：133-138．

[30] 阮文奇，張舒寧，李勇泉，等．中國赴泰旅游需求時(shí)空分異及其影響因素[J]．旅游學(xué)刊，2019（5）：76-89．

[31] 戴文，丁蕾，劉培學(xué)，等．城市旅游流客源地分布及預(yù)測研究——以南京市為例[J]．資源開發(fā)與市場，2018（5）：676-681．

[32] 黃先開，張麗峰，丁于思．搜索指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J]．旅游學(xué)刊，2013（11）：93-100．

[33] 孫燁，張宏磊，劉培學(xué)，等．基于旅游者網(wǎng)絡(luò)關(guān)注度的旅游景區(qū)日游客量預(yù)測研究——以不同客戶端搜索指數(shù)為例[J]．人文地理，2017（3）：152-160．

[34] 吳瀟，陳紹志，趙榮．基于搜索指數(shù)的森林公園客流量影響因素分析[J]．林業(yè)資源管理，2017（1）：27-30，62．

[35] 張斌儒，黃先開，劉樹林．基于網(wǎng)絡(luò)搜索數(shù)據(jù)的旅游收入預(yù)測——以海南省為例[J]．經(jīng)濟(jì)問題探索，2015（8）：154-160．

[36] 秦夢，劉漢．搜索指數(shù)、混頻模型與三亞旅游需求[J]．旅游學(xué)刊，2019（10）：116-126．

[37] 林煒鈴，鄒永廣，鄭向敏．旅游安全網(wǎng)絡(luò)關(guān)注度區(qū)域差異研究——基于中國31個(gè)省市區(qū)旅游安全的搜索指數(shù)[J]．人文地理，2014（6）：154-160．

[38] 鄒永廣，林煒鈴，鄭向敏．旅游安全網(wǎng)絡(luò)關(guān)注度時(shí)空特征及其影響因素[J]．旅游學(xué)刊，2015（2）：101-109．

[39] 孫瑾瑾，李勇泉．中國旅游安全網(wǎng)絡(luò)關(guān)注度的影響因素分析——基于中國省際面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J]．資源開發(fā)與市場，2018（5）：693-697．

[40] 周慧玲，許春曉．中國城市旅游信息流空間網(wǎng)絡(luò)結(jié)構(gòu)特征分析[J]．統(tǒng)計(jì)與決策，2019（20）：91-94．

[41] 劉慧悅．旅游者網(wǎng)絡(luò)信息需求與景區(qū)游客量的關(guān)聯(lián)性研究——以四川九寨溝為例[J]．情報(bào)科學(xué)，2017（7）：39-43，69．

Spatial-Temporal Characteristics of Karst Ecotourism Area in Guizhou：Take Xiaoqikong as an Example

LI Wenlu1,3, QIN Jianxiong2, LUO li1

( 1. Southwest Ethnic Research Institute, Southwest Minzu University, Chengdu 610041, Sichuan, China;2. College of Historical Culture and Tourism, Southwest Minzu University, Chengdu 610041, Sichuan, China;3. Sichuan Tourism School, Chengdu 610042, Sichuan, China )

Based on Baidu index, this paper takes Xiaoqikong, a typical karst eco-tourism area in Guizhou province, as a case to study its spatial and temporal characteristics of network attention from 2016 to 2019. The conclusions are as following: (1) there is a strong similarity in the distribution of network attention in each year, showing the feature of "four peaks and three valleys". The seasonal variation trend shows a state of fluctuation and is relatively concentrated, the seasonal difference is large, and the off-peak season is obvious. (2) in terms of the weekly period, the distribution characteristics of network attention have strong similarity, which is manifested as the higher working day, the lower weekends, and the "daily precursor" in the week; Friday to the peak, Saturday, Sunday fell quickly and other characteristics. (3) during the Spring Festival, May Day and National Day, the overall performance is that the network attention starts to rise before the holiday, reaches the peak in the second to the fourth holiday, then rapidly declines and flattens, and the concentration degree of network attention is more inclined to the early stage of the holiday. (4) the geographical distribution of network attention is relatively concentrated and increasingly dispersed. South China, east China and southwest China are the focus areas. It is lower in north and central China, but higher in Beijing and Hunan. Lower in the northwest and northeast. Both provinces and cities show similar characteristics. According to the conclusion, the paper puts forward some suggestions to provide reference value for Xiaoqikong experience management and other karst scenic spots in Guizhou.

network attention, spatial and temporal characteristics, suggestions, Karst ecotourism area

F592.7

A

1673-9639 (2020) 05-0053-10

2020-07-22

四川省社會(huì)科學(xué)重點(diǎn)研究基地項(xiàng)目“中國南方喀斯特建立國家公園體制研究”（GJGY2019-ZC020）。

李文路（1987-），男，山東菏澤人，博士研究生，四川省旅游學(xué)校旅游規(guī)劃研究院執(zhí)行院長，研究方向：民族地區(qū)生態(tài)旅游與資源經(jīng)濟(jì)。

覃建雄（1965-），男，貴州荔波人，教授，博士生導(dǎo)師，研究方向：區(qū)域旅游與可持續(xù)發(fā)展。

羅 麗（1989-），女，四川省遂寧人，博士研究生，研究方向：民族地區(qū)生態(tài)旅游與資源經(jīng)濟(jì)。

（責(zé)任編輯 陳 儉）（責(zé)任校對 張鳳祥）（英文編輯 田興斌）