论文部分内容阅读
随着互联网技术的迅速普及,以及旅游业的蓬勃发展,互联网技术在旅游行业中得到广泛应用。互联网作为重要的信息发布平台,诸多旅游经营者、涉及旅游产业的企业乃至各地区的旅游政府机构借助其发布旅游信息,广大旅游者亦通过其获取重要旅游出行信息。基于网络信息技术的社会行为研究表明,网络信息流与现实的社会行为存在有一定的联系,网络信息流对社会行为决策具有导引作用,对实际社会行为具有前兆效应,这其中的社会行为包括游客的旅游行为。谷歌与百度公司根据网民对不同关键词的关注度分别推出谷歌搜索解析和百度指数功能,以网页搜索和新闻搜索为基础,提供海量的免费分析服务数据,用以反映各关键词在某段时间内的关注度,并提供自2006年至今不同关键词的网络日搜索量数据。本文综合运用定性、定量和实证研究方法,说明网络搜索量与实际游客量的相关性,并建立分析预测模型,并通过实证探究基于网络搜索量数据的游客量预测方法。以期在理论研究方面对旅游学科与信息技术理论发展方面有一定的丰富和完善,并在理论研究的基础上,对实践中旅游企业的营销和旅游目的地的旅游可持续发展提供一些参考。本文在旅游行为学、网络信息技术、预测模型等理论基础上,广泛阅读游客量预测研究、基于网络信息技术的社会行为和旅游行为研究方面的文献,对国内外研究现状进行了系统的总结归纳,发现实际游客量与相关旅游信息的网络关注度存在一定的相关性特征。因此,结合理论研究现状和现实研究需求,将研究选题确定为基于网络搜索技术的游客量预测方法研究。根据本研究中游客量预测方法研究的需要,编制了一份关于游客网络行为的调查问卷,调查广大游客利用互联网技术获取旅游信息的旅游网络行为;探究游客对网络旅游信息的关注程度及关注的内容,并了解有网络行为的游客出游前通过互联网的搜索引擎技术所搜索的出游信息内容及时间,对网络关键词的选取提供参考。选取北京故宫景区及山东泰山景区为实证研究对象,从不同的时间选取尺度上,探究网络关键词的选取方法,并对选定关键词网络搜索量数据及实际游客量进行相关性分析,探究基于网络关键词搜索量数据建立游客量预测模型的方法。本文主要得出以下结论:第一,对于游客在出游前获取旅游信息的途径,有80%以上的被调查者来自互联网的广告报道及介绍,因此,相关关键词的网络搜索量在一定程度上可以反映实际的游客数量;游客在出游前查询旅游信息的时间多分布在出游前1周内。旅游路线、旅行费用以及旅游目的地的天气状况是游客普遍关心和查询的信息。旅游目的地的口碑及交通状况对游客的旅游行为也存在一定的影响。第二,网络关键词搜索量数据与实际游客量数据存在较强的相关性,且多数呈现为正相关。这主要取决于游客出游前的旅游网络行为,即对相关旅游信息的搜索和关注度。第三,根据游客在出游前对旅游目的地信息的关注,在对关键词进行初选的过程中,首先根据旅游学、游客行为等理论知识,以及调查问卷中对游客在出游前对旅游目的地(景区景点)旅游信息所关注的内容的分析,选取关键词涉及到旅游目的地(景区景点)的名称、旅游目的地所在城市名称、图片、旅游路线、门票价格、天气状况以及旅游住宿情况作为与旅游目的地(景区景点)相关的基准关键词。在此基础上,利用网络搜索引擎中与基准关键词相关的关键词推荐功能,确定初选关键词名称。第四,网络关键词的最终确定需要根据初选关键词的网络搜索量与实际游客量的相关性大小而定,研究表明将相关性较大的关键词作为模型参数,有利于减少预测模型的误差,提高其预测精度。