摘 要：随着骑行旅游的兴起，骑行旅游爱好者对骑行旅游信息共享平台的要求越来越高。文章采用网络文本分析法分析比较了如今市场上骑行旅游信息共享平台的用户评价，并根据结论提出了创新构建思路。
　　 关键词：骑行旅游;信息共享平台;文本分析法
　　 一、问题提出
　　 自行车运动作为一项既健康又环保的时尚休闲运动，在我国有广泛的群众基础。骑行不仅可以欣赏沿途美丽的风景，也可以带来畅快愉悦的体验。据统计，我国骑行人数在1亿以上，自行车运动爱好者人数约600万。且从2019年消费者升级自行车部件的习惯以及购买骑行装备的需求数据来看，有32.2%的消费者明确有升级自行车大部件的习惯，有29.8%的消费者明确有升级自行车小部件的习惯，同时，共计有62.6%的消费者有购买骑行装备的需求。相应地，近几年骑行信息共享平台也得到了快速发展，市面上涌现出诸如行者、黑鸟、骑记、野途、野兽骑行、奔驴骑行、Strava、fitness、keep等一批骑行信息共享平台。但由于各类信息共享平台在功能体系构建的侧重点上不同，用户对于软件的使用体验和评价也各有差异。如何根据用户反馈的问题，以及市场需求的演进，搭建更贴合骑行者体验的骑行旅游信息共享平台，仍是值得我们探讨研究的问题。因此，本文拟将采用网络文本分析法，选取几个常用的骑行旅游信息共享平台的用户评价加以比较分析，并根据结论提出创新构建思路。
　　 二、文献综述
　　 （一）骑行旅游的研究
　　 骑行旅游的研究主要可以分为三个方面：（1）骑行旅游概念的研究。1988年Simonsen、Jorgemson、Ritchie最早对“自行车旅游”的定义进行了阐述[1][2]。张鹏杨认为自行车旅游是以自行车为主要交通工具，以骑行为主要目的，并进行与旅游活动相关的各种行为和过程[3]。（2）骑行旅游满意度调查研究。游客满意度是旅游者出游之前对旅游目的地期望与体验后比较的结果[4]。Antonakos定义了自行车旅游者并对其旅游偏好进行了研究，为目的地更成功地设计骑行路线，提高自行车旅游者满意度提供了可参考性建议[5]。张鹏杨，田里构建自行车旅游者旅游动机、行前期望、实际体验、满意度的研究框架，运用SPSS17.0和IPA分析模型进行实证分析，发现旅游者更关注“骑”的质量及“游”的体验，但实际体验满意程度普遍低于期望值，导致旅游者整体满意度一般[6]。（3）骑行旅游发展战略的研究。国外学者针对自行车旅游市场、旅游产品与旅游设施等制定了各种开发管理的策略[7][8]。王祥针对与我国自行车发展的现状与问题进行了研究，并从政策、旅游宣传、资金投入等方面提出了发展自行车旅游的对策[9]。
　　 （二）骑行旅游信息共享平台的研究
　　 国外学者对于骑行旅游信息共享平台的研究与开发也一直在进行中，YenogKyunLeea、JongpilJeongb在论文中提到智能手机作为自行车的中央监控设备，WIFI网络作为智能手机和传感器之间的通信网络，如何实现WIFI和相关的nware实现传感器板，记录数据，了解当前骑行状态。另一项研究使用蓝牙虎钳监测身体的脉搏并根据身体状态调整自行车速度[10]。此外，针对大规模远程的监测的研究有通过LPWA（低功耗广域）的空气质量监测[11]，通过移动网络的塔式起重监测[12]。作为对远程连接中通信質量的研究，有对WIFI信号丢失的研究[13]。包诗亮通过“云+端”技术对我国现有景区智慧旅游平台建设展开了深入研究，在此基础上，设计了一款景区智慧旅游平台，通过ASP.NET、MVC等技术来完成对景区车辆的统计与管理[14]。Strava作为国外市场占有率极高的APP，可以是说业界标杆，也一直是学者们研究的热点，有学者认为，Strava面对狂热的骑行爱好者是一个“快速增长的社交网络”。
　　 三、骑行旅游信息共享平台的发展现状
　　 随着近些年全民健身运动的倡导与互联网技术的不断发展，人们不再满足于只是坐车出游的旅行方式，骑行就是其中发展比较迅猛的一种。与此同时，骑行信息共享平台也得到了快速发展。目前市场上的骑行APP主要分两类，一类是纯骑行APP，类似于行者、野兽骑行、捷安特骑行等，功能以数据记录、社交、竞赛为主;另一类是智能硬件+骑行APP，无论哪一类都有其值得借鉴和需要完善的地方（如表1所示）。
　　 四、研究设计
　　 （一）样本选取
　　 各类骑行信息共享平台在功能体系构建的侧重点上不同，用户对于软件的使用体验和评价也各有差异。由于本文的研究目标在于调查比较当下骑行旅游者常用的信息共享平台，依据客户端信息检索平台得来的信息，选取行者骑行、捷安特骑行、Strava、黑鸟单车这四个骑行爱好者常用的骑行平台软件进行用户相关数据收集分析。这四大骑行平台在功能上除了能够精准记录运动数据，搭建骑友社交社区外，在针对用户需求体验的功能设计上也各有差异。选取其个性化功能进行用户分析对比，从而探求更契合用户大数据的创新发展模式。
　　 （二）数据收集
　　 根据移动和PC端应用平台“骑行”关键词搜索结果，参考平台用户评分和APP下载次数选取出分析样本。利用Gooseeker分词和词频统计软件，对每个平台的用户评价关键词进行频数统计，其中行者骑行用户评价中“数据”的出现频次最高。依据ASO100移动推广数据分析平台，对骑行类软件在各移动端中下载次数的排行统计，得出“行者骑行”在国内各大移动端的用户均列居榜首。选取2020全年为时间区间，“行者骑行”和“黑鸟单车”的搜索指数均值高达4600以上，ios体育榜单排名分别为41和328。“捷安特骑行”全年搜索指数最高达到4758，但却未被列入ios榜单。Strava在美国健康健美畅销榜单中排名13，深受国外骑行运动爱好者的喜爱。 　　 （三）研究方法
　　 本文的研究方法采用以数据样本特征分析为主要依据的网络文本分析法，并结合科学理论进行研究探索。网络文本分析法是通过互联网收集的文字类样本数据进行特征分析。研究应用Gooseeker软件进行内容挖掘分析，旨在对骑行平台中的文本内容进行系统分词、词云图构建、聚类、网络关系图分析和用户特征分析，是定性与定量研究的有效结合。此类方法能够通过词云图构建发掘各平台用户评论中高频词汇及其频次表现，进而初步形成感知形象;能够通过聚类和网络关系图构建，识别各关键词直接的相互联系;应用用户特征分析能够把握和标记用户需求倾向。
　　 五、研究数据分析
　　 （一）高频词汇分析
　　 收集各软件的用户评价，研究通过Gooseeker软件对所爬取的网络文本进行分析，精选了这四款APP的重点评论（如表2所示），过滤掉与各骑行软件用户感知度无关的词汇后，合并同义词，分别选取了四个软件的用户评价里前88的高频词汇，形成了用户感知满意词云图（如图1、2、3、4所示）。
　　 从上述图表来看，用户较为频繁提及的词汇，往往能够反映这四款软件的突出特征。基于此项研究，首先判断高频词汇的词性特征。在行者app里，排名前88的高频词汇中，其中名词有35个，主要是与软件的数据、功能、记录、轨迹等相关。在黑鸟app里，排名前88的高频词汇中，名词有39个，主要与记录、码表、后台、客服等有关。在捷安特app里，排名前88的高频词汇中，有42个名词，主要与界面、系统、积分、服务器等有关，而Strava排名前88的高频词汇中，名词有51个，主要与数据、功能、分析和社交等有关。由此我们可以看出上述这四个骑行app的显著差异，其中好评率最高的是Strava，好评率达到了54%，其次是捷安特、行者和黑鸟。每款软件的用户体验与评价，都表达着目前骑行爱好者对于骑行旅游信息共享平台的诉求，随着骑行旅游的日益发展，以骑行旅游信息共享平台为基础的旅游新模式正在向着高品质、可持续性方向发展。
　　 （二）高频词的语义网络分析
　　 利用Gooseeker软件对提取出来的高频词汇进行语义网络分析，可以帮助我们挖掘用户对骑行软件感知体验的特征。网络图中词汇圆点的面积大小，反映了该词汇的核心程度，不同词汇之间的距离和线条则表现了其层级关系和亲疏程度。
　　 1. 行者用户评论高频词语义网络图
　　 图5显示，该高频词的核心层为“记录”“软件”“问题”等。可以看出“记录”作为关联度最高的词汇，是行者用户非常关注的方面，该词汇与“运动”“显示”“轨迹”这些节点词汇关联度高，反映了用户注重运动的过程记录。“软件”与“自动”“登录”“手机”“数据”“体验”等多个词汇联系密切，表现了用户对行者软件使用便捷度的重视。“问题”与“不能”“运行”“操作”“停止”等词产生关联，表现了行者在用户感知体验方面存在待改进的地方。该网络图表现了用户注重运动的过程记录，但是对软件的使用感和体验感也有较高要求。
　　 2. 黑鸟用户评论高频词语义网络图
　　 图6显示，该高频词的核心层为“记录”“手机”“软件”“码表”等。“记录”与“页面”“轨迹”“公里”等节点词汇联系较密，体现了用户对骑行过程的记录显示、地图导航功能的看重。“手机”与“定位”“解决”“耗电”等关联度较高，表现出用户希望该软件的兼容性强，能较好地适应手机。“软件”与“使用”“客服”“上传”“信息”“评论”等多个词汇有关联，反映了用户对软件互动性的注重。“码表”与“同步”“数据”等相连，表示软件是否能较好地反映码表的数据非常重要。该网络图表现出用户注重骑行过程和码表的记录，希望该软件兼容性强，注重平台的互动性。
　　 3. 捷安特用户评论高频词语义网络图
　　 图7显示，该高频词的核心层为“码表”“记录”“连接”等。“码表”与“导航”“地图”等关联度高，体现了用户对码表的重视。“记录”与“成功”“上传”“位置”“数据”“商城”等多个词汇关联度高，反映了用户对骑行记录数据能够上传、换取积分等多效益功能的关注。“连接”与“活动”“俱乐部”“参与”“锻炼”等有关联，表现了用户对社交性的关注。该网络图表现了用户对码表的重视，对骑行记录多效益和社交性的关注。
　　 4. Strava用户评论高频词语义网络图
　　 图8显示，该高词频的核心层为“数据”“功能”“分析”“软件”。“数据”与其他各个节点词频都有非常高的关联度，说明Strava软件的数据功能深受用户喜爱。“功能”与“码表”“跑步”“订阅”“达人”“分享”“地图”等多个词频都有紧密联系，表示用户对该软件的功能非常关注，包括了码表跑步的使用功能和达人分享的社交功能。“分析”与“功率”“赛段”“训练”“比较”等关联度高，体现了用户对该软件在健康分析、训练计划等的认可。“软件”与“付费”“免费”“体验”“会员”等关联度高，说明用户会注意是否免费，会员的权益等问题。该网络图说明用户注重在骑行中和平时训练时的数据体会，对软件的使用功能和社交功能也很注重，对会员的权益也有关注。
　　 （三）情感感知因素的类属分析
　　 情感因素是用户体验和感知中的内涵表现，能够深度的诠释用户的心理特征，是我们研究骑行旅游信息共享平台发展的关键。基于此，研究运用Gooseeker软件中的“情感分析”功能，进行了网络文本分析（如表3所示），通过此图和上述研究的高频词汇对比，不难发现用户对于“社交”方面是抱有较强的期待，对于负面的情感表達仍是我们需要关注的重点。结合分析结果，可以归纳出一些出现负面情绪的原因，具体而言：一是基础设施不够完善，例如用户在骑行过程中数据记录不全，闪退情况严重;二是后台服务待提高，用户反映客服不理人、处理问题难等情况严重;三是商业化气息浓烈，用户反映软件内部多种功能需花钱才能使用，广告层出不穷。 　　 六、骑行旅游信息共享平台的创新构建思路
　　 （一）加强原有功能的整合优化
　　 目前市面上各种骑行旅游信息共享平台如雨后春笋般，但是在用户评价上却得不到过高的评价，最大的原因就是不能满足用户的需求，比如说用户在某个APP上想找到一个装备销售商城，却不能找到，这就会让他对APP产生不满。因此信息共享平台需要具备骑行者所想寻找的一切功能，如骑行记录、装备商城、活动赛事分享、交流社区等，如针对俱乐部圈子的用户，可以在交流社区功能中推出类似于线上俱乐部的内部交流区的子功能，而俱乐部也可以通过交流社区去吸收新成员加入。这样可以强化圈子的概念，但又不会使不同圈子产生冲突，达到解决不同用户的需求的针对性措施。因此，需要对目前骑行旅游者常用的信息共享平台功能进一步整合、优化和升级。
　　 （二）强化安全保障服务的升级
　　 目前现存的骑行旅游信息共享平台中，最大的功能缺失就是对骑行者的安全保障服务功能，也就是说目前的骑行旅游者在骑行过程中很难得到最及时的救援和救助相关信息。因此，开发出安全保障服务功能是尤为必要。這项功能的主要目的是保障骑行者在任何时候都能得到及时有效的救援和帮助。在这项功能中，最重要的是安全服务保障网络体系的构建，需要在全国甚至是全世界各地铺设一张及时有效的网络信息交流渠道网，使用户的遇险情况能够及时反馈到救援人员处。这张网络可以包括各地的安全部门如警察系统，还有分布各地的骑行俱乐部和民间救援组织;救援人员可以根据用户实时定位。
　　 （三）提升基础骑行功能的完备性和精准性
　　 以上研究数据显示，骑行功能的完备性和精准性是影响用户体验的重要因素。从以上的高频词语义和用户情感分析得出，最受好评的Strava骑行软件，用户对其骑行功能表示认可，而好评最少的黑鸟骑行软件，用户认为它的骑行功能还有待改进的空间。用户从准备骑行这一活动开始，到骑行结束的整个过程中所需要的服务，骑行旅游信息平台都应该尽可能实现。主要功能包括骑行线路的规划、身体素质锻炼、骑行轨迹的记录、匹配码表、记录数据、地图定位的精准性等。因为骑行是一个具有一定风险的户外运动，还需要保证功能的精准性，这样才能吸引用户。
　　 （四）完善用户体验服务
　　 在上述四个软件分析数据中，好评度较低的黑鸟、行者骑行APP，其用户体验服务都存在一些问题。在其高频词中，“问题”“不能”“客服”等贬义词占有一定比例，可见体验服务是影响用户使用骑行旅游信息平台的重要因素。骑行旅游信息平台应完善用户体验服务，从多方面、以人为本来提高服务，保障系统的稳定性，客服的高效性，才能留住用户。
　　 （五）发掘更多商业价值
　　 一个好的骑行旅游信息平台不仅要满足平台自身的商业价值，还可以为用户创造价值。比如在捷安特APP中有商城，用户可以在平台上购买心仪的骑行相关产品，用户的骑行路程等还可以转换为积分，可以享受一定的优惠，实现了购买双方的商业价值。在Strava软件中可以购买会员，以此享受专属的服务与权益。例如会员可以免费定制锻炼计划、订阅感兴趣信息等。骑行旅游信息平台应挖掘发展自身的商业价值，而不是依赖于广告。
　　 （指导教师：邓小艳）
　　参考文献：
　　[1] Simonsen P S，Jorgenson B，Robbins D.CyclingTourism[M]. Bornholm：Unit of Tuorism Research Centre of Bornholm，1998：20-47.
　　[2] Ritchie B W.Bicycle Tourism in the South Island of New Zealand：Planning and Management Issues[J].Tourism Management，1998，19（6）：567-582.
　　[3] 张鹏杨，梁坤，马克禄，等.基于旅游环境评估理论的自行车旅游发展前景分析——以大理环洱海线为例[J].市场论坛，2012，（10）：86-89.
　　[4] Pizama，Neumanny，Reichela.Dimensions of tourist satisfaction and estimation area [J].Annals of Tourist Research，1978，（5）：315-322.
　　[5] Antonakos C L.Environmental and Travel Preferences of Cyclists[J].Transportation Research Record，1994，1438（1）：58-5.
　　[6] 张鹏杨，田里.自行车旅游动机、满意度及IPA评价实证研究——以环滇池自行车旅游者为例[J].旅游研究，2016，8（4）：64-70.
　　[7] Lamon M J.Independent Bicycle Tourism in Australia：A Whole Tourism Systems Analysis[D].Lismore：Southern Cross University，2009.
　　[8] Karki T K，Liu T.How Accessible and Convenient are the Public Bicycle Sharing Programs in China Experiences from Suzhou City[J].Habitat International，2016，53（3）：188-194.
　　[9] 王祥.我国自行车旅游发展研究[J].体育文化导刊，2013，（10）：27-30.
　　[10] TY Huang，HC Chen，WY Chiu，CH Huang. （2016） “A Smartphone-Based Design of Wireless Human-on-the-bike Monitoring System，”[C].2016 IEEE 5th Global Conference on Consumer Electronics，1-2.
　　[11] Kan Zheng， Shaohang Zhao， Zhe Yang， XiongXiong and Wei Xiang. “Design and Implementation of LPWA-Based Air Quality Monitoring System.” [J]. IEEE Access，2016（4）： 3238-3245. [12] Bo Li， Geng Chen， Le Wang， and Zhe Hao. （2017） “Tower crane remote wireless monitoring system based on Modbus/TCP protocol.” [C].2017 IEEE International Conference on Computational Science and Engineering （CSE） and IEEE International Conference on Embedded and Ubiquitous Computing （EUC）， 187-190.
　　[13] Yan Yu， Feng Han， Yuequan Bao， and Jinping Ou. （2016） “A Study on Data Loss Compensation of WiFi-Based Wireless Sensor Networks for Structural Health Monitoring.” [J]. IEEE Sensors Journal，2016，16（10）：3811-3818.
　　[14] 包诗亮，基于“云+端”模式的智慧旅游平台关键技术[D].郑州战略支援部队信息工程大学，2018.
　　 基金项目：2020年省级大学生创新创业训练计划项目（S202011600020）
　　 作者简介：褚露露（2000- ），吴佳丽（2001- ），朱文君（2000- ），女，湖北经济学院旅游管理专业学生;张维臣（2000- ），男，湖北经济学院体育与经济管理专业学生;何往（2000- ），男，湖北经济学院烹饪与营养教育专业学生。