中國工業旅游網絡關注度分布格局及其影響因素

鄔 超，邵秀英，沈群凱

(1.山西工商學院 健康管理學院,太原 030006;2.太原師范學院 經濟和管理學院,山西 晉中 030619; 3.南京工業大學浦江學院 學生處,南京 211200)

0 引言

工業旅游是以工業車間、工業展示區、工業歷史遺跡以及反映重大事件、體現工業科技水平的工業資源為主要吸引物,開展參觀游覽、體驗休閑、提升企業綜合效益的旅游活動[1]。文化和旅游部2016年和2018年分別發布的《全國工業旅游發展綱要(2016—2025年)》《全國工業旅游創新發展三年行動方案(2018—2020年)》以及工業和信息化部聯合其他部門2016年和2021年分別發布的《關于推進工業文化發展的指導意見》《推進工業文化發展實施方案(2021—2025年)》等文件均為我國發展工業旅游在政策方面提供強有力的支持,主要涉及“大力發展工業旅游”“將工業旅游列為戰略性新興產業”“工業旅游+教育、觀光、體驗、休閑”“因地制宜培育一批國家工業旅游示范基地和國家工業遺產旅游基地”等內容。多路并進的政策保障使工業旅游成為我國新型工業化發展的重要引擎和“旅游+”產業融合發展的新業態,為我國工業旅游高質量發展夯實基礎[2]。

國外關于工業旅游的研究始于20世紀80年代[3],以工業遺產的保護與管理為核心,從其概念內涵[4]、開發條件[5]、影響因素[6]等方面展開研究。隨著研究的深入與工業旅游生命周期的演化,相關研究轉向工業旅游發展動因、工業旅游影響、工業旅游政策及工業旅游規劃與開發等方面,如聚焦企業和游客二元主體,分別從二者的旅游目的入手討論其對發展工業旅游的動因及態度[7-8]。國內關于工業旅游的研究較少[3],研究內容以工業遺產旅游利用、工業旅游產品開發和工業旅游空間分布等為主。黃淵基等[9]基于旅游體驗理論和RMP昂普分析,從資源、市場及產品等要素入手對株洲市進行實證分析;許正中等[10]提出構建內蒙古“大金三角”和“小金三角”多元化工業旅游區;王國華[11]對工業旅游發展的機理、動因、效益與模式進行了闡述;唐健雄等[12]、徐菁等[13]分別對湖南省和江蘇省工業旅游空間分布特征進行梳理,為工業旅游持續健康發展提供參考。

隨著數字時代的到來,學者們開始使用UGC、百度指數、POI等網絡數據對旅游形象[14-15]、旅游影響[16-17]、旅游資源空間分布[18]等內容展開研究,但國內鮮有涉及工業旅游網絡關注度的研究。本研究以2011—2022年中國內地31個省份工業旅游網絡關注度為研究數據,運用變異系數、地理探測器等對全國工業旅游網絡關注度分布格局和驅動機制進行實證研究,以期為工業旅游發展與網絡營銷提供參考與依據。

1 研究區域、研究方法與數據來源

1.1 研究區域

以中國內地31個省份為研究對象,揭示2011—2022年工業旅游網絡關注度以年際、月度為代表的時間演變特征和以總體空間、省際分異為代表的空間演變特征,并分析工業旅游網絡關注度分布格局的影響因素。

1.2 研究方法

1.2.1 季節集中度指數

季節集中度指數S[19]表示工業旅游網絡關注度在全年內的時間集中度,值越大表示工業旅游網絡關注度季節性差異越明顯;反之,則為均勻分布。

1.2.2 變異系數

變異系數(CV)[20]是利用標準差和平均數兩者間的比值大小來測度各區域間的差異程度。值越大表示工業旅游網絡關注度區域差異越顯著;反之,越均衡。

1.2.3 莫蘭指數

莫蘭指數(Moran’sI)[21]用來度量空間相關性。全局莫蘭指數(Global Moran’sI)反映各單元是否出現集聚或異常值;局部莫蘭指數(Local Moran’sI)反映哪些單元存在集聚或異常值,其值域在[-1,1],值為正表示區域工業旅游網絡關注度相似屬性值聚集在一起;反之,則表示區域工業旅游網絡關注度相異屬性值聚集在一起。

1.2.4 地理探測器

地理探測器[22]用來探測各影響因子對全國工業旅游網絡關注度分布格局影響的解釋度。網絡關注度是旅游者為減少旅游決策風險主動利用網絡搜尋相關信息以滿足旅游需求的行為導向[23]。參考已有相關研究[16,19-20,24],依照指標選取的科學性、可獲取性等原則,從經濟基礎、網絡水平、資源稟賦、交通條件、環境適宜性及教育水平6個維度選取城市化水平(X1)、區域經濟發展水平(X2)、居民生活水平(X3)、網絡發達程度(X4)、網民規模(X5)、旅游資源豐度(X6)、工業旅游資源(X7)、工業企業數量(X8)、外部交通可達性(X9)、內部交通可達性(X10)、空氣質量(X11)、空氣溫度(X12)和學歷水平(X13)13個指標作為工業旅游網絡關注度分布格局的影響因子(表1)。

表1 工業旅游網絡關注度分布格局影響因素指標體系

1.3 數據來源

網絡關注度數據來源于百度指數PC端和移動端[25],以“工業旅游”為關鍵詞,檢索時間段為2011—2022年,共得到135 036條工業旅游日關注度數據。一般來說,目標群體指數(target group index,TGI)大于100,表明某類用戶更具有相應傾向或偏好。女性對工業旅游的關注度TGI指數為113.58,表明女性對工業旅游的偏好程度更強。從年齡段分布看,20～29歲占比最高(38.17%),其他由高到低依次是30～39歲(33.65%)、40～49歲(12.91%)、19歲及以下(9.24%)、50歲及以上(6.03%)?？梢?工業旅游主體以中青年為主。網絡關注度影響因素指標數據主要來源于2012年、2016年、2021年《中國文化和旅游年鑒》《中國統計年鑒》以及歷次《中國互聯網絡發展狀況統計報告》。

2 工業旅游網絡關注度時間演變特征

2.1 年際演變特征

為了宏觀揭示2011—2022年全國工業旅游網絡關注度的時間演變特征,分別從PC端和移動端兩個渠道得到各省份年度時序變化(圖1)。從整體來看,2011—2022年全國工業旅游網絡關注度呈波動式上升趨勢,雖然個別年份有所增減,但變化幅度較小。2020年工業旅游網絡關注度最高,達到349 631,這可能是由于各部委出臺的相關政策和工業旅游示范基地、工業遺產旅游基地等名單的公示激發了潛在旅游消費者對工業旅游的關注與搜索。2014年工業旅游網絡關注度最低,為168 300。從關注渠道看,PC端逐漸成為主要渠道,占比從27.8%提高到51.2%,移動端占比從72.2%下降到48.8%,表明PC端在我國工業旅游網絡關注渠道中的作用越來越明顯。

圖1 2011—2022年工業旅游網絡關注度變化

2.2 月度演變特征

2011—2022年全國工業旅游網絡關注度月度波動表現出近似“M”型的分布規律,季節性差異不太明顯(圖2)。每年關注度最高月份在3月或5月,1月和2月關注度最低,3月至12月雖有波動但變化幅度不大。顯然,工業旅游受季節性影響較小,其活動范圍大多集中在企業車間廠房,氣候溫差對其影響較弱。值得關注的是,工業旅游不像其他旅游活動在5月和10月表現出明顯的高峰期,其網絡關注度在10月僅排名第7。對全國工業旅游網絡關注度季節集中度進行分析,發現2011—2022年季節集中指數從2.190 1降至1.155 9,由此得出,工業旅游需求的季節差異較小。從旅游供給側看,在開發工業旅游產品時應注重其產品附加值的延伸,增加旅游者的停留時間。

圖2 2011—2022年工業旅游網絡關注度月度變化

3 工業旅游網絡關注度空間演變特征

3.1 總體空間特征

2011—2022年31個省份工業旅游網絡關注度表現為波動上升,87%的省份工業旅游網絡關注度在2018—2020年達到峰值(圖3),其中2018年涉及的省份最多。進一步發現全國三大地區工業旅游網絡關注度表現出由高到低依次為東部、中部、西部的趨勢,東部地區網民對工業旅游關注度無論是年均值還是日均值均最高。北京、上海、杭州、廣州、成都等城市工業旅游網絡關注度始終領先于其他地區,東部地區海南工業旅游網絡關注度的年均值極低,而西部地區四川工業旅游網絡關注度年均值在全國位居前列。

按照七大區域劃分標準,2011—2022年工業旅游網絡關注度貢獻率由高到低依次為華東、華北、華南、華中、西南、東北、西北。其中,華東地區貢獻率12年間一直位居第1,且貢獻率持續增長,2021年貢獻率最高;華北地區貢獻率12年間排名第2,其貢獻率從2011年的22.4%下降到2022年的16.3%;華南地區貢獻率位序在3～4名之間波動,貢獻率占比呈現上升—下降—上升態勢;華中地區亦是如此,網絡關注度貢獻率位序在3～5名之間波動;西南地區貢獻率表現出波動式上升,表明工業旅游逐漸受到該地網民關注,2020年貢獻率達到最大值;東北、西北地區貢獻率一直較低,雖然個別年份有所增加,但波動較小,很快收斂(表2)。

圖3 2011—2022年工業旅游網絡關注度均值變化

表2 七大區域工業旅游網絡關注貢獻率 %

2011—2022年工業旅游網絡關注度比較穩定的地區包括廣東、北京、上海、山東等高關注度省份,位序均處在1～10名;遼寧、廣西等中關注度省份,位序處在11～21名;甘肅、青海、寧夏、西藏等低關注度省份位序均處在22～31名。波動地區包括四川、江西等波動上升省份,從中關注度到高關注度、低關注度到中關注度遞進;吉林、山西等省份從中關注度到低關注度波動下降。

3.2 省際分異特征

使用變異系數對31個省份工業旅游網絡關注度進行測算。2011—2022年工業旅游網絡關注度省際差異顯著,變異系數介于0.69～0.91,表現為先快速上升后平緩下降。為了進一步驗證各省份之間工業旅游網絡關注度的相關性,利用Moran’sI指數進行測算,結果顯示2011—2022年工業旅游網絡關注度Moran’sI值在0.093～0.229波動,且通過95%置信度檢驗,表明31個省份工業旅游網絡關注度全局空間自相關性顯著。具體來看,12年間Moran’sI值均比較小,2017年Moran’sI值最低;除2012年、2013年、2021年Moran’sI值大于0.2以外,其余年份的Moran’sI值介于0.10～0.18,各年份之間的差異較小,說明全國工業旅游網絡關注度空間自相關性不顯著。

為了明確哪些省份存在空間自相關性,利用Geoda軟件采取隔年統計方式最終轉置得到2011—2022年工業旅游網絡關注度LISA集聚圖(圖4)。全國工業旅游網絡關注度表現出明顯的區域差異,關注度較高的省份多聚集在我國華東地區,關注度較低的省份多聚集在西北地區。具體來看,高-高集聚區從2011年的河北、天津、江蘇、上海轉變到2022年的江蘇、安徽、上海、浙江、福建,聚集區成員較為穩定;低-低集聚區從2011年的新疆、青海、甘肅過渡到2017年之后的新疆;高-低集聚區12年間僅有四川省,表明四川工業旅游網絡關注度一直較高,但其周邊地區關注度較低;低-高集聚區從2011年的安徽、福建過渡到江西,表明江西周邊地區工業旅游網絡關注度較高,但江西自身的關注度較低;12年間個別省份集聚區類型發生轉變,如西藏、青海、甘肅從低-低集聚逐漸轉變為不顯著,天津從高-高集聚依次轉變為低-高集聚、不顯著,安徽在低-高集聚和高-高集聚之間波動并轉變為高-高集聚。

圖4 2011—2022年工業旅游網絡關注度LISA集聚圖

4 工業旅游網絡關注度的影響因素

通過地理探測器分析工業旅游網絡關注度分布格局影響因素,分別選取2011年、2015年、2020年31個省份工業旅游網絡關注度作為被解釋變量。利用GIS自然間斷點法對13個指標進行分類處理之后計算,將結果求均值得到q值(表3)。根據q值大小,將影響因素劃分為核心影響因素(居民生活水平、工業企業數量、內部交通可達性、網民規模、城市化水平、區域經濟發展水平、網絡發達程度),次級影響因素(工業旅游資源、外部交通可達性、空氣溫度),一般影響因素(學歷水平、旅游資源豐度、空氣質量)。

4.1 經濟基礎

居民生活水平是影響工業旅游網絡關注度的核心因素,也是實現個人旅游需求的主要客觀因素,其q值在2011年、2015年、2020年分別排名第1、第1、第4,均值為0.617。如北京、上海在2011年、2015年和2020年居民可支配收入在全國均居前2位,對應年份網絡關注度排名均靠前。城市化水平q值分別排名第5、第2、第9,對網絡關注度影響呈現先上升后下降趨勢。區域經濟發展水平即人均GDP與前兩者相比排名相對靠后,q值排名在第6、第8波動。從供需角度看,人均GDP越高,旅游者出游意愿越強烈,利用網絡查閱旅游信息的動機就越明顯。同時,旅游目的地經濟基礎越好,以旅游基礎設施和旅游上層設施為代表的旅游投資力度越大,就越能吸引更多現實旅游者和潛在旅游者。

表3 工業旅游網絡關注度分布格局影響因素探測結果

4.2 網絡水平

網絡關注度搜索指數是互聯網用戶搜索行為作用的結果,網民規模直接影響網絡關注度指數。2011年、2015年、2020年網民規模q值分別排名第6、第5、第2,呈現不斷上升態勢,進一步說明網民規模和網絡關注度呈正相關。但網民規模只能反映一個地區的網絡上網人數,要客觀反映區域網絡水平需考慮互聯網普及率,如2011年河南網民規模排名第6,互聯網普及率排名第26?；ヂ摼W普及率代表地區經常使用網絡的人口比例,其q值排名在第7、第3波動,網絡關注度表現為上升趨勢,如北京、上海、廣東2011年、2015年和2020年的互聯網普及率和網絡關注度始終保持在前6位。

4.3 資源稟賦

旅游資源在一定程度上會刺激區域旅游者的網絡關注行為,工業旅游亦是如此。解釋力q值由大到小依次為工業企業數量、工業旅游資源、旅游資源豐度,該結果似乎與旅游資源是旅游目的地吸引旅游者來訪的吸引力本源相悖,其實不然,雖然部分工業旅游資源屬于A級景區,但數量較少,對區域工業旅游網絡關注度的解釋力相對較弱。工業企業數量對工業旅游網絡關注度的影響僅次于居民生活水平,2020年廣東、江蘇、山東工業企業數量排名前3,同年工業旅游網絡關注度排名前3的省份亦是廣東、江蘇、山東,表明我國各省份工業企業數量顯著影響工業旅游網絡關注度的分布格局。

4.4 交通可達性

交通可達性是工業旅游活動順利開展的必要條件,內部交通可達性作為核心影響因素對工業旅游網絡關注度產生重要影響,在影響因素中排名第3,q值高達0.552。工業旅游企業大多靠近城市,對城市交通便捷性要求較高,因此,內部交通可達性有著較強解釋力。外部交通可達性在全部影響因素中排第8,屬于次級影響因素,q值0.378,解釋力相對較弱,原因可能是工業旅游活動大多依托市內公共交通和自駕游形式完成,還可能跟唐健雄等[12]提到的工業旅游資源一般不會形成單獨的旅游吸引物有關。

4.5 環境適宜性

環境適宜性影響游客的出行意愿,空氣溫度是影響工業旅游網絡關注度的次級影響因素,解釋力排名第9。已有研究表明,人體在空氣溫度處于18～26 ℃之間感覺最舒服[26]。隨著健康旅游理念的深入,游客在選擇旅游目的地前會更加關注該地氣溫,q值排名逐年上升可以印證該觀點?？諝赓|量在所有影響因素中排名最后,q值0.123,解釋力最弱,原因可能是與其他類型的污染相比,空氣污染很難被人體感知和察覺。當然,隨著空氣污染威脅游客身心健康的網絡化披露,空氣質量會成為影響游客旅游目的地選擇的潛在客觀因素。

4.6 教育水平

以學歷水平為代表的教育水平對工業旅游網絡關注度分布格局解釋力較弱,q值0.187,排名第11,學歷水平對工業旅游網絡關注度分布格局的直接影響表現在游客文化素養越高,越容易培育其旅游消費觀念,激發旅游動機;間接影響表現在學歷水平和收入水平的正相關性更容易提升人們對工業旅游的興趣和關注。如北京、上海、江蘇等省份大專及以上學歷占常住人口的比例在全國居于前列,其在我國工業旅游網絡關注度中處于上游水平。

5 結論與討論

5.1 結論

(1)2011—2022年全國工業旅游網絡關注度呈波動上升趨勢,月度波動表現出近似“M”型的分布規律,每年5月和11月關注度最高,1月和2月關注度最低。工業旅游網絡關注度季節性差異不太明顯,12年間工業旅游季節集中指數從1.503 6降低至0.603 6,工業旅游需求的時間差異較小,全年分布相對均勻。

(2)2011—2022年31個省份工業旅游網絡關注度省際差異顯著,東、中、西部呈梯度遞減趨勢,七大地區關注度表現為由高到低依次為華東、華北、華南、華中、西南、東北、西北,變異系數表現出先上升后平緩下降的趨勢,變異系數介于0.69～0.91,全國工業旅游網絡關注度地區之間的差距依舊明顯。

(3)全國工業旅游網絡關注度全局空間自相關性顯著,2011—2022年Moran’sI值均較低且差異較小,工業旅游網絡關注度較高的省份大多聚集在華東地區,關注度較低的多聚集在西北地區。高-高集聚區數量呈波動上升趨勢,低-低集聚區數量呈下降趨勢,高-低集聚區僅有四川,低-高集聚區從安徽、福建過渡到江西之后一直以江西為主。

(4)居民生活水平、工業企業數量、內部交通可達性、網民規模、城市化水平、區域經濟發展水平、網絡發達程度是核心影響因素;工業旅游資源、外部交通可達性、空氣溫度是次級影響因素;學歷水平、旅游資源豐度、空氣質量是一般影響因素。

5.2 討論

工業旅游作為一種新型旅游業態,兼具經濟價值和遺產價值雙重屬性,如何在數字經濟時代激發廣大潛在旅游者的關注度,培養工業旅游產品消費習慣,推動工業旅游高質量發展,是今后工業旅游應關注的主要內容。本研究從地理學視角探討了工業旅游網絡關注度,一定程度上豐富了工業旅游研究內容,但仍存在一定的不足。第一,在數據選取時僅參考了百度指數,其他衡量工業旅游網絡關注度的轉發、評論、點贊等數據未涉及,研究結果的全面性有所欠缺;第二,在構建工業旅游網絡關注度分布格局影響因素指標時,僅考慮可量化指標和面板數據,事實上短視頻、社交網絡、網絡直播等數字平臺已經對旅游者的出游行為和旅游需求產生深刻影響,成為大眾獲取有效信息的主要媒介和手段,未來可綜合多種媒體數據構建評價指標體系。