旅游电商对产品区域异质性的提升策略研究.docxVIP

? ? 旅游电商对产品区域异质性的提升策略研究 ? ? 　　 F224:F590 A 1007-3116(2017)08-0031-08 　　 一、引言 　　 在中国经济高速发展的大环境下，旅游业毫无疑问成为了国民经济发展中非常重要的行业之一。旅游业的发展对于增加外汇收入、扩大内需、加快产业调整和促进地区经济发展等方面具有重要作用[1]。随着电子商务的兴起，如今已融入到旅游业，越来越多的在线旅游电商火爆。人们旅游出行不再像以往一样只能迈入旅行社“亲到亲为”地选购旅游产品，在线旅游电商为人们提供了一站式超便捷服务，使人们足不出户就能完成旅游产品的选购。 　　 对于在线旅游市场，目前有两种盈利模式：一种是以“到到网”为代表的以旅游评论为依托，向广告商收取推广费的盈利模式；另一种则是向消费者销售旅游产品销售盈利，国内以携程、艺龙、去哪儿和途牛旅游网为代表[2]。旅游产业链很长，包括食、住、行、游、购、娱的各个方面，总体来看，国内的在线旅游电商主要提供机票、跟团游、酒店、门票、当地玩乐等旅游产品预订。本文基于后者，以途牛旅游网的大数据为例，研究旅游电子商务网站的产品区域异质性及其对旅游产品提升的策略。 　　 国内外学者对旅游业差异性发展问题开展了一系列的研究。国外旅游业发展较早，对旅游业发展及其差异的研究也相对成熟，例如：Muzaffer等人通过构建游客感知图来评价旅游目的地的竞争力[3]；Samual等人研究了美国、中国大陆、中国香港、日本、澳大利亚的旅游团在旅游动机、旅游景点偏好、信息使用、预计和实际停留时间等方面的差异[4]。中国学者主要针对中国旅游业发展的差异性进行了不同程度的探讨研究，且在实证方面的研究较为丰富。例如：杨建明选取了旅游收入、游客人数、旅游交通和旅游接待设施等指标，构建了中国旅游业发展空间差异的综合评判模型[5]；有学者利用层次分析法构建了城市旅游竞争力综合评价体系并分析了城市旅游效率，通过综合比较得出各类城市旅游发展的定位和策略；国内学者多采用经典统计方法中的一般描述性统计和回归分析来研究旅游业发展的差异，很少考虑到地理位置的影响因素。在旅游电子商务和大数据方面，有学者利用结构方程模型构建了评价旅游网站使用者满意的概念模型；孙晓琳等人采用定量分析，通过对西安旅游网站建设的数量和质量与其他旅游城市进行了对比分析[6]；还有学者利用对比分析对中国旅游电子商务价值链进行了优化；李霞等人基于百度指数，对邮轮旅游网络关注度的时空特征和影响因素进行了分析[7]。 　　 综上所述，无论是国内或国外针对旅游业的研究，大都是针对旅游业实地的发展差异，尚未有关于针对旅游电商的产品利用大数据来分析区域异质性的产品提升的代表性成果，本文则针对该问题进行一定的创新性研究。 　　 二、基于探索性因子分析的各省旅游发展水平综合评价 　　 (一)探索性因子分析原理 　　 探索性因子分析(Exploratory Factor Analysis,EFA)的目标是通过发掘隐藏在数据下的一组较少、更为基本的无法观测的变量，来解释一组可观测变量的相关性。这些虚拟的、无法观测的变量称作因子，每个因子被认为可解释多个观测变量间共有的方差，也可称作公共因子[8]305-306，即： 　　 　　 探索性因子分析是因子分析其中的一种，另一种则是验证性因子分析(Confirmatory Factory Analysis,CFA)，二者在使用上有一定程度的区别：探索性因子分析没有先验信息，事先不知道影响因子，事前也不必知道要用几个因子以及各因子和观测变量之间的关系，在进行探索性因子分析时，完全依据样本数据，只通过因子载荷推断数据的因子结构；而验证性因子分析有先验信息，其先验假设是每个因子都与一个具体的指示变量子集对应，并且至少要求预先假设模型中因子的数目[9]。因此，本文使用探索性因子分析对各省旅游发展水平进行评估。 　　 (二)变量选择 　　 使用国家旅游局网站2011-2015年相关旅游数据，建立以各省旅行社总数、旅行社接待(人天数)、旅行社接待(人次数)、接待国际游客(百万人次)、国际旅游外汇收入(百万美元)、接待入境旅游人数(万人次)、接待入境过夜游客(万人次)；星级饭店总数、五星级饭店数、四星级饭店数、三星级饭店数、二星级饭店数、一星级饭店数、星级饭店营业收入总额(亿元)、星级饭店利润总额(亿元)、星级饭店从业人员年平均人数(万人)、星级饭店全员劳动生产率(千元/人)、星级饭店人均实现利润(千元/人)、星级饭店平均房价(元/间夜)、星级饭店每间客房平摊营业收入(千元/间)；5A级景区数量、4A级景区数量、3A级景区数量、3A级以上景区总数为指标的评价体系，各年份和季度汇总共63个指标，分别命名为变量。 　　 (三)EFA模型建立与因子旋转