5A级旅游景区对城市知名度影响评析

摘要:随着“营销时代”的来临,全国各城市无不投入精力塑造城市形象,提升城市知名度。不少城市借用旅游景区打响城市品牌、提升城市知名度,其中,5A级旅游景区作为城市对外宣传的金名片,在城市知名度提升中起着重要的作用。借用网络知名度的概念,采用网络计量的方法,将全国37个5A级景区及其所在城市列为研究对象,得到了5A级景区对其所在城市知名度的贡献率,验证了5A级景区与城市构成体系符合位序――规模分布原理。同时,得到规律,5A旅游景区对中、小城市知名度的影响普遍比大城市大。

关键词:5A景区;城市知名度;网络计量;位序-规模分布

中图分类号:F592 文献标志码:A 文章编号:1673-291X(2010)23-0119-03

引言

在全球一体化、竞争激烈化的背景下,城市走入了地域营销、品牌经营的时代。纵观国内各大、中、小城市无一不投入精力塑造城市形象,提升城市知名度。旅游作为众多城市着力发展的朝阳产业,对城市品牌的塑造起着十分重要的作用;旅游地作为城市对外展示的窗口,旅游景区作为展示城市形象的金名片,对城市知名度提升有着不可忽视的影响。2007年5月,国家旅游局首批评定66个5A级试点景区,作为行业标杆。一方面,5A的金字招牌可以为景区赢得更多的境内外客源市场份额;另一方面,可以给所在城市乃至区域带来巨大的社会效益。如何定量的衡量5A景区的社会效益,特别是5A景区为其所在城市知名度提升带来的积极效应,是摆在当前的热点问题。本文试从旅游景区与城市知名度的关系入手,运用网络计量的方法,探寻5A级景区对其所在城市知名度的影响程度,以期在这个过程中验证、探索出一些规律。

一、研究基础

(一)研究方法

研究旅游景区对城市知名度的影响,本文借用网络知名度这一概念,运用网络计量的统计方法。1997年,Almind等人提出了网络计量学(Webometrics)一词,将情报计量方法用于万维网信息(www)的研究。网络计量是采用数学、统计学等各种定量研究方法,对网上信息的数量、组织、存贮、分布、传递等进行定量描述和统计分析,涉及网上文献、文献信息及相关特征信息的计量。

在信息高速发展的今天,网络已经成为人们日常生活必不可少的一部分,网络用户在网络空间传播人或事物的信息,就会形成具体的网络知名度。网络是现实社会的投射,网络知名度在一定程度上反映了事物的实际知名度。例如,按照网页数统计而成的2006中国城市网络知名度排行榜在很大程度上反映了我国城市的基本排名。网络知名度可以通过网络传播的信息量来进行测度,比如,利用搜索引擎搜索得到的网页数目可以大体判定具体的事物的网络知名度高低。

在研究方法上主要采用网页文献计量方法,即网页的数量来进行计量。关注5A级旅游景区对城市知名度的影响,在分析5A景区与城市知名度之间的关系时,借用引文分析中的影响因子评价公式。与期刊影响因子相类似,在网络环境下,搜索引擎为网络文献计量提供数据源,基于这一原理,建立5A景区―城市知名度影响因子基本公式:I=T/C,其中I为知名度影响因子,T为景区―城市相关网页数,C为城市相关网页数。再取一个指标S―城市人口数,作为城市规模大小的参考量,作进一步评价。

(二)数据收集

考虑到5A级景区是国内景区中最具鲜明特色和高品质服务的代表,是行业内的标杆和城市名片,特将其列为研究对象。为了能更准确的反映一个5A景区对其所在城市知名度的影响,从全国66个5A级旅游景区及其所在53个城市中,筛除了城市和景区一对多的情况,留下37个城市及各个城市所对应的5A级旅游景区。

首先,在Google搜索引擎中中输入各个城市名称,搜索城市相关网页;其次,用同样的方法在输入各个5A级旅游景区的最简缩写关键词,如要查找西湖风景名胜区与杭州市的相关网页,输入的关键词“西湖景区 杭州”;再者,登陆各个政府网站及维基百科查找各个城市对应的最近常住人口,作为城市规模大小辨别依据。得到的基础数据如下表。

二、变量分析

按照5A景区―城市知名度影响因子评价基本公式I=T/C,变量有T、C,分别为5A景区――城市相关网页数和城市相关网页数,另外再取S城市人口数作为进一步测评的依据。

一定地域范围内,城市体系的等级规模结构服从位序规模分布模型:Pi*Riq=K 其中Pi代表第i位城市人口,Ri代表第i位城市的位序,q代表回归斜率,q的绝对值越接近于1,越接近理想状态。本研究尝试用这一幂次方程检验城市相关网页数、5A景区-城市相关网页数、知名度影响因子,考察其是否同样满足位序规模分布模型。

(一)5A景区-城市相关网页数

5A景区-城市相关网页数(T)相差甚大,其中最多的是“西湖景区-杭州”达到了589万条搜索,其次是“黄鹤楼公园-武汉”,再者是“黄山景区-黄山市”;排名靠后几位的是“沙湖景区-石嘴山”、“崆峒山景区-平凉”、“沙坡头景区-中卫”,其中“沙坡头景区-中卫”的搜索量只有3.6万条。从这一变量搜索量排名来看,前几位的城市如杭州市、武汉市、黄山市、秦皇岛市所在的5A级旅游景区知名度较高,相对而言这些城市也是较典型的旅游城市。

类似城市体系位序规模方程,基于5A景区――城市相关网页数及其排名数据,在SPSS中进行回归分析,得到决定系数R2 为0.911,大于0.9,P值为0.000,具有统计学意义。因此,5A景区―城市相关网页所构成的“5A景区城市知名度体系”服从这一递归模型,符合位序规模分布规律。具体景区――城市网页位序规模排列见下图。

(二)城市相关网页数

5A景区所在的城市相关网页数(C)相差很大,其中最多的是深圳有18 400万条搜索结果,最少的是石嘴山144万条。网络搜索排名前几位城市,如深圳、广州、杭州、武汉的网页数量是后几位平凉、忻州、嘉峪关、中卫、石嘴山的近百倍。城市相关网页排名与通俗意义上人们对各城市认知的排名一致,在一定程度上反映了城市知名度的高低。从中也可以看到东部、中部地区城市的知名度普遍比西部地区城市知名度要高得多。

同样基于搜索城市相关网页数和城市知名度排名两组数据,在SPSS中进行幂次回归分析,得到决定系数R2为0.929,P为0.000,具有统计学意义。因此,5A景区所在城市的网页所构成的“5A景区城市知名度体系”服从这一递归模型,符合位序规模分布规律。具体城市网页位序规模排列见下图。

(三)5A景区对城市知名度影响因子

按照5A景区――城市知名度影响因子评价基本公式I=T/C,得到各个5A景区对城市知名度的贡献率。其中I的最大值为0.3375,其次为0.1867,最小值为0.007,说明黄山景区对黄山市知名度的影响较大。影响因子I的平均值为0.0521,意味着5A景区对其所在城市的平均贡献率为5.21%。

去除头尾各两组差别较大的数据,对5A景区―城市知名度影响因子I与其排名回归分析,得到决定系数R2为0.907,P为0.000,具有统计意义。将其拟合成幂次函数得到,Y=161.3X-1.5, 说明5A景区城市知名度体系服从位序规模分布规律。

比较各个T值、C值还是I值,都能发现差异较大。华中、华东地区在城市知名度、5A景区――城市联合知名度、景区-城市知名度影响因子上普遍比西部地区要高。此外,将影响因子(I)与城市人口(S)数据比对不难发现,5A景区对大城市的知名度影响不大。城市人口多、规模排名靠前的几个大城市知名度影响因子I值反而小。比如,长隆旅游度假区对深圳的知名度影响只有0.1%,而华侨城旅游度假区对广州的影响更不显著,只有0.07%。原因在于大城市多样化、综合性的产业特色,在知名度方面受当地旅游景区的影响相对较小。相反,一些中、小城市的旅游景区对其知名度影响较大。比如5A景区对黄山市、池州、忻州、秦皇岛等城市知名度的贡献率超过了10%。

三、结论及启示

其一,根据统计得到5A景区对其所在城市知名度的平均贡献率为5.21%,因此5A景区对其所在城市知名度具有一定的贡献。其二,通过幂次函数模型的验证,5A景区对城市知名度影响因子符合位序―规模分布规律,回归得到的幂次函数为Y=161.3X-1.5。其三,5A景区对中、小城市知名度影响普遍比大城市要大。因此,对于想提高城市知名度的中、小城市来说,借助旅游景区或者培育知名旅游地品牌,能取得更好的效果。

参考文献:

[1] 陈彦光,罗静.城市位序-规模问题的分形理论探讨[J].信阳师范学院学报:自然科学版,1998,11(3):264-268.

[2] 刘继生,陈彦光.分形城市引力模型的一般形式和应用方法[J].地理科学,2000,20(6):528-533.

[3] 赵渺稀.竞技体育对城市知名度的影响分析[J].体育科技文献通报,2008,3(6):117-120.

[4] 吴华香.网络计量学:互联网上的文献计量学[J].图书馆杂志,2001,2(1):150-155.

[5] 徐久龄,刘春茂,刘亚轩.网络计量学的研究[J].情报学进展,1999,(3):56-60.

[6] 王京山.网络声望初论[J].北京印刷学院学报,2008,16(5):145-150.

[7] 何爱琴,张芮.网络信息计量学研究综述[J].科技情报开发与经济,2006,16(7):92-93.

[8] 赵启民.网络计量学的应用研究[J].吉林师范大学学报:人文社会科学版,2006,(1):106-110.

[9] 杨涛.中国50所大学网站的网络影响因子比较分析[J].图书情报工作,2005,(6):47-54.

[10] zh.省略/zh-cn/Wikipedia: