【基于百度指数的S市旅游网络关注度时空特征探究10000字（论文）】

基于百度指数的S市旅游网络关注度时空特征研究【内容摘要】在大数据时代高速发展的背景下，游客在出游前通过互联网获取相关的旅游信息，同时搜索的内容也能反映游客的需求与偏好。对于旅游网络关注度的研究，可为旅游目的地的旅游市场开发及网络营销提供现实意义。本研究基于百度指数平台，以西安旅游网络关注度为研究对象，以“西安旅游”为关键词，获取2018年～2020年共3年我国31个省、直辖市、自治区的西安旅游网络关注度数据，通过季节性强度指数、变异系数和地理集中指数等分析方法从时间和空间两个层面研究西安旅游网络关注度的特征。最后根据研究结果，针对西安旅游的市场开发及网络营销提出具有借鉴意义的对策及建议。【关键词】百度指数；西安旅游；网络关注度；时空特征目录TOC\o"1-2"\h\u75431引言 1200781.1选题背景 1178141.2选题目的及意义 1212161.3文献综述 2212161.4研究内容 3245572研究方法、基本概念与数据来源 3129172.1研究方法 3175412.2基本概念 4175412.3数据来源 5197943西安市旅游网络关注度时空分布特征分析 587393.1研究区域概况 544703.2西安旅游网络关注度时间分布特征 644703.3西安旅游网络关注度空间分布特征 920064对策建议 11283154.1增强旅游市场营销的灵活性 11224794.2发挥政府部门主导作用，提高旅游质量 12224794.3加强智慧旅游的建设 12155045结论与不足 12220355.1研究结论 12220355.2不足 137796参考文献 141引言1.1选题背景根据2021年2月中国互联网络信息中心（CNNIC）发布的第47次《中国互联网络发展状况统计报告》显示，截止2020年年底，我国网民规模高达9.89亿，占全球网民的五分之一，较2020年3月提升5.9个百分点，全国互联网普及率达到70.4%，高于全球平均水平。在新冠疫情防控大背景下，互联网行业在网络扶贫、网络营销、在线医疗和在线教育等方面发挥了积极作用，为网络用户提供更多数字化生活便利。互联网是重要的信息传播媒介，在网络信息技术高速发展的背景下，人们根据自己的需求，通过各种搜索引擎获取相关目标信息。由于网络信息平台可为人们获取信息提供极大地便利，越来越多的人在旅游之前会通过互联网查询与旅游目的地相关的信息，以确定旅游目的地、制定旅游计划及规划旅游行程。百度搜索引擎作为全球最大的中文类搜索引擎，在搜索引擎市场上具有极高占有率，用户通过网络搜索便可以获取大量的旅游信息，而用户对这些旅游信息的查询也会在互联网上留下浏览痕迹。百度指数平台将这些搜索信息以关键词搜索指数的形式进行统计，这些数据的变化趋势很大程度上可以反映出用户在某一特定时间段内对某个关键词的搜索量及其网络关注度变化，即旅游者对旅游目的地网络关注度，可为相关研究提供数据支撑。1.2选题目的及意义本文基于百度指数平台，以西安旅游网络关注度为研究对象，从时间和空间两个层面研究网络用户对于西安旅游的网络关注度，并利用季节性强度指数、变异系数和地理集中指数等研究方法进行分析，以期得到我国网络用户对西安旅游的网络关注度在时间和空间上的差异，以及不同省、直辖市、自治区对西安旅游网络关注度的差异。对于西安旅游网络关注度时空特征的研究可加深旅游目的地对客源市场的了解，为网络营销、旅游规划与开发及提升旅游知名度提供依据，以促进西安旅游业的均衡发展。旅游网络关注度是潜在的游客搜索旅游信息的行为，随着大数据时代的发展，由于网络信息获取方式更加便捷、研究准确度更高，受到了众多学者们的关注。本文以百度指数平台获取的2018年～2020年西安旅游的关键词搜索指数作为数据支撑，结合季节性强度指数、变异系数和地理集中指数等研究方法，从时间和空间两个层面探究西安旅游网络关注度的时空分布特征，可为西安旅游市场开发及网络营销提供一定的参考意义。对于西安旅游网络关注度的时空特征研究，有助于提升西安旅游的网络竞争力。首先，可以根据旅游网络关注度的结果选择准确的客源目标，有效地开发客源市场；其次，可通过游客的人群画像，为旅游目的地的网络营销提供现实依据，有助于优化旅游产品，以便更好地迎合游客的旅游需求，同时为智慧旅游的建设和发展提供现实性依据。1.3文献综述1.3.1国外旅游网络关注度时空特征研究国外对于旅游信息搜索的问题研究相对较早，并建立了较为完善的理论体系，最早将网络搜索的相关数据应用于流行病检测。Jenkin（1989）认为对于旅游者来说，进行旅游信息搜索是确定旅游目的地、行程的最佳选择；Bettman（1990）对此进一步解释，他认为进行旅游信息搜索的目的是为了降低旅游计划的风险性；Vermeulen（2009）通过研究旅游者的旅游行为，认为网络信息会对旅游产品的销售产生极大的影响；XiangZ（2011）通过分析游客的搜索行为及几个特定城市之间的关系，提出游客的搜索量能反映出城市旅游产业的规模。综上所述，国外关于网络搜索数据在旅游领域的研究主要集中在网络搜索行为等相关的研究。1.3.2国内旅游网络关注度时空特征研究以“旅游网络关注度”为关键词在知网（cnki）中搜索相关文献，截止2020年12月，共搜索到245条结果，即有245篇关于旅游网络关注度研究相关的文献，其中最早的文献发布于2008年。目前，国内基于百度指数的旅游网络关注度的相关研究主要集中在三个方面：一是关于热门旅游城市或景区旅游网络关注度的时空特征与影响因素研究。李山（2008）的研究中，利用百度指数中“用户关注度”功能，通过关键词搜索，对有完整数据系列的53个5A景区的关键词展开了统计分析，发现了旅游景区网络关注度的时间分布特征和空间分布上的“前兆效应”；普拉提·莫舍塔尔（2016）以新疆为整体对新疆15家4A级以上景区网络关注度进行了时空特征分析；严江平（2018）利用广州市23个4A级及以上景区2016年的网络关注度数据，对广州市旅游景区网络关注度的时空特征进行分析，研究发现广州市旅游景区网络关注度省际差异显著；丁鑫（2018）以厦门市为例研究了旅游目的地网络关注度时空特征与影响因素；张碧星（2018）运用面板回归模型对佛教旅游地五台山景区的网络关注度时空分布特征及其影响因素进行分析；宋志红（2018）的研究以广州市为例分析了旅游景区网络关注度时空分布及影响因素；曾可盈（2019）利用ArcGIS和泰尔指数对东北三省4A级及以上旅游景区的网络关注度进行了分析；张芊芸（2019）的研究分析了2011年～2017年的西北五省区旅游网络关注度及其影响因素；陆利军（2020）对湖南旅游目的地城市的网络关注度及其空间格局进行了系统分析；许艳（2020）的研究分析了乌镇景区网络关注度的空间差异特征及其影响因素；杜梦珽（2020）通过百度指数获取其网络关注度信息，分析了洪崖洞网络关注度的时空特征。二是旅游城市或景区网络关注度与实际客流量的关系。黄先开（2013）通过百度关键词日搜索量分析其与北京故宫实际游客量的关系，发现百度关键词搜索数的增加与实际客流量的增加正向相关；刘玉芳（2020）的研究基于百度指数，通过关键词叠加检索，分析了2018年贵州旅游网络关注度与游客客流量的相关关系，结果表明贵州各月、各年、各行政区的旅游网络关注度与实际游客客流量之间存在正相关关系；方叶林（2020）利用百度指数构建国家重点风景名胜区关注度网络，揭示其网络特征，并进一步分析了网络关注度与现实游客量之间“错位”特征及其影响机理。三是其他相关研究。邹永广（2015）对旅游安全的网络关注度时空特征及其影响因素进行了研究；李霞（2016）对邮轮旅游网络关注度进行了时空特征和影响因素的研究；何小芊（2017）的研究从年、月、周、节假日等时间层面和省际差异两个方面对温泉旅游时空特征进行研究，证明了温泉旅游网络关注度存在明显的时空差异；阮文奇（2019）研究了中国赴泰旅游需求的时空分异特征及其影响因素，对中国出境旅游发展具有指导意义。从以上内容可以看出，现阶段关于旅游网络关注度的研究主要存在以下问题：关于旅游网络关注度的相关研究较少，且研究区域多为热门城市或景区，以西部城市为研究区域的旅游网络关注度的研究相对较少。1.4研究内容本文将百度指数作为西安旅游网络关注度的衡量指标，将“西安旅游”设置为关键词在百度指数平台上进行搜索，搜集整理2018年1月1日～2020年12月31日共计3年的百度指数数据，从时间和空间两个层面上分析西安旅游网络关注度分布特征。针对性的为西安旅游规划与开发、网络营销等提供依据，从而促进西安旅游的均衡发展。2研究方法、基本概念与数据来源2.1研究方法2.1.1研究方法（1）季节性强度指数季节性强度指数（S），又称季节性集中指数，可用于分析西安旅游网络关注度的季节性差异，计算公式为：其中，i表示月份，Xi为各月西安旅游网络关注度占全年关注度总数的比重。S值越大，表明不同月份西安旅游网络关注度的季节集中程度越高，季节性差异越大；相反，S值越趋于0，说明不同月份西安旅游网络关注度的季节集中程度越低，季节分布越均匀。（2）变异系数变异系数(CV)是标准差与平均数的比值，用来衡量各观测值变异程度的\o"统计量"统计量，用其分析西安旅游网络关注度年度分布的离散程度，计算公式为：利用其分析2018年～2020年西安旅游网络关注度的时间分布特征，变异系数越大，网络关注的度时间差异越大；变异系数越小，网络关注度的时间差异越小。（3）地理集中指数地理集中指数（G）是衡量网络关注度相关搜索人群地理集中程度的重要指标，可利用其分析2018年～2020年西安旅游网络关注度的空间分布特征，计算公式为：其中，Xi为第i个省、直辖市、自治区的网络关注度；S为全国网络关注度总数；n为省、直辖市、自治区总数。G的取值范围为0～100。G值越大，表明西安旅游网络关注度空间分布越集中；G值越小，西安旅游网络关注度空间越分散，分布均匀。2.2基本概念2.2.1网络关注度关注度是指某一事物所受到社会群体对它关心、重视的程度大小，可用来衡量衡量某事物和社会群体之间的关系。随着信息时代的发展，许多网络用户会通过搜索引擎工具来获取信息，用户在利用互联网搜索旅游目的地的相关信息时，在互联网上会留下对应的浏览记录，这些记录通过搜索引擎后台汇总统计就形成了网络关注度。2.2.2旅游网络关注度近年来，随着互联网普及率的提高，越来越多的游客在旅行前通过网络搜索旅游目的地的相关信息，在此过程中，游客可以充分了解旅游目的地，合理安排自己的旅游计划。他们使用的搜索引擎中也会留下相应的检索记录，通过搜索引擎的统计结果，可以反映出游客对旅游目的地的网络关注度和旅游需求，用搜索数量作为关注度的衡量指标。关键词搜索次数越多，网络关注度越高，搜索次数越少，网络关注度越低。2.3数据来源本文参考相关文献的关键词筛选规则，使用站长之家的关键词挖掘工具对西安旅游网络关注度进行关键词挖掘，排名前三的关键词分别为“西安旅游”“西安旅游必去景点推荐”“西安旅游攻略”，其中关键词“西安旅游”的搜索指数远高于其他两个关键词，因此，关键词“西安旅游”在一定程度上可以代表全国网络用户对西安旅游的网络关注度，因此采用“西安旅游”作为西安旅游网络关注度的百度指数的关键词。本文的数据来源于百度指数平台（BaiduIndex）。基于百度指数平台，以“西安旅游”作为关键词，统计2018年1月1日～2020年12月31日共3年内百度用户对西安旅游的日搜索指数，同时按年份和地区对我国31个省、直辖市、自治区分别进行统计，作为研究西安旅游网络关注度时空特征的数据支撑。互联网相关数据来源于中国互联网络信息中心（CNNIC）2021年2月发布的第47次《中国互联网络发展状况统计报告》。西安旅游业相关数据来源于《西安市2019年国民经济和社会发展统计公报》及西安市文化和旅游局（《西安市A级旅游景区信息表》、《西安市星级酒店名册》及《西安市旅行社名册》）。3西安市旅游网络关注度时空分布特征分析3.1研究区域概况西安市作为陕西省的省会、关中平原城市群核心城市，总面积达10752平方公里，历史悠久，旅游资源丰富。截止2019年年末，全市常住人口数量1020.35万，全年接待国内外游客30110.43万人次，旅游业总收入3146.05亿元。自上世纪八十年代以来，西安旅游业发展迅猛，产业规模不断壮大，A级景区数量不断增加，截止2020年底，全市共有80家国家A级旅游景区，其中，5A级4家，4A级22家，3A级42家；星级宾馆94家，其中五星级宾馆15家、四星级宾馆25家；各类旅行社数量近600家。旅游行业的快速发展，使西安总体经济实力进一步增强。3.2西安旅游网络关注度时间分布特征3.2.1年分布特征将2018年～2020年3年逐日网络关注度数据汇总，得到年际网络关注度分布曲线图（图1）。由曲线变化趋势特征发现，西安旅游网络关注度全年变化趋势不稳定，波动较大，且各年网络关注度趋势有较大差异，其中我国网络用户在2019年全年对西安旅游的网络关注度明显高于其他两年。受新冠疫情的影响，2020年全年网络用户对西安旅游的关注度较小，在疫情得到有效控制后，整体变化趋势才开始出现明显的起伏。但总体上网络关注度变化趋势还是具有很高的相似性，呈现出明显地波峰状，其中，波峰主要分布在分布在2月、3月底～5月、7～8月、9～10月四个时间段内。图1西安旅游网络关注度年际变化曲线（2018～2020）Fig.1AnnualchangecurveofXi'anTourismNetworkattention（2018～2020）通过计算2018年～2020年3年西安旅游网络关注度的变异系数（表1）可以发现，2019年变异系数数值最大，达到1.0107，说明2019年一年内西安旅游网络关注度分布不均匀，时间差异性较大；2018和2020年两年网络关注度的变异系数约为0.5，在时间上分布较均匀，时间差异性不明显。表1西安旅游网络关注度变异系数（2018～2020）Tab.1CoefficientofvariationofXi'anTourismNetworkattention（2018～2020）年份2018年2019年2020年变异系数0.5471.01070.5573.2.2月分布特征本文通过百度指数平台获取2018年～2020年3年全年西安旅游网络关注度数据，通过计算求出每月日均值，得到月度网络关注度分布曲线图（图2）。由上图可看出，西安旅游网络关注度在2019年表现出明显的月份波动，2018年、2020年整体网络关注度年内变化趋势较为平缓。从整体上看，西安旅游网络关注度主要集中在4月～9月之间，其中，7月份关注度最高，年初和年末的关注度最低。2018年西安市政府与抖音等新媒体进行合作，制定相计划，大力推广旅游资源，将西安推向全国，在增加影响力度的同时也带动了旅游业的发展，2019西安市春节期间开展“西安年·最中国”等系列活动，线上线下联动，接待游客人数创造新高。图2西安旅游网络关注度月度变化曲线（2018～2020）Fig.2MonthlychangecurveofXi'anTourismNetworkattention（2018～2020）为进一步分析西安旅游网络关注度的月度特征，本文通过计算各年及各月的季节性强度指数来衡量一年内不同月份西安旅游网络关注度的季节集中程度（表2）。季节性强度指数S值越趋于0，表明在时间上，全年各月分布越均匀，即旅游网络关注度差异越小。计算结果显示，2018年～2020年各年网络关注度季节性强度指数数值分别为3.644、6.597、3.454，均大于0，表明2018年～2020年各年度之间的网络关注度具有差异性，其中，2019年季节性差异最大，集中程度最高。且2018年～2020年各月的季节性强度指数数值差异较大，表明2018年～2020年网络用户对西安旅游的关注度存在明显的季节性差异。2018年4月、9月，2019年1月、10月、11月、12月，2020年8月、9月季节差异性较其他月份更明显，2019年7月季节差异性较其他月份最明显。表2西安旅游网络关注度季节性强度指数（2018～2020）Tab.2SeasonalintensityindexofXi'anTourismNetworkattention（2018～2020）月份季节性强度指数2018年2019年2020年1月1.5322.4200.5322月0.0930.4752.2263月0.0040.3670.8944月4.2190.0010.0075月1.8700.5600.3446月0.0350.0030.1927月0.06728.8890.8898月0.0271.4132.2499月2.1630.4893.11210月0.4292.7630.08711月1.5513.5270.63012月1.2892.6100.770年度3.6446.5973.4543.2.3节假日分布特征大多数游客通常会在“五一”、“十一”等小长假期间外出旅游，在全年网络关注度变化趋势中节假日这一时段变化最为明显，均出现较为明显的小高峰，符合图1中的年际变化曲线波动趋势。本文以2018年～2020年“五一”、“十一”假期为例，分析西安旅游在节假日前后与期间网络关注度的特征。由于每年“五一”、“十一”假期时间不固定，因此在研究中统一选取4月25日～5月5日“五一”假期前后共计11天、9月26日～10月10日“十一”假期前后共计15天的日均网络关注度作为研究周期，得到2018年～2020年“五一”、“十一”假期全国网络用户对西安旅游网络关注度的变化趋势，如图3及图4。图3“五一”西安旅游网络关注度分布曲线（2018～2020）Fig.3Xi'anTourismNetworkattentioncurveonLaborDay（2018～2020）通过图3可发现，2018年～2020年“五一”假期前后，全国网络用户对西安旅游网络关注度的整体趋势呈现倒“V”形，从25日开始网络关注度呈现上升趋势，直到假期前三天网络关注度达到最高峰，此后网络关注度呈现平缓的下降趋势，但还保持在日均网络关注度仍较高水平，在假期前网络关注度达到最高峰，说明在“五一”假期期间西安旅游的网络关注度存在“前兆效应”。图4“十一”西安旅游网络关注度分布曲线（2018～2020）Fig.4Xi'anTourismNetworkattentioncurveonNationalDay（2018～2020）通过图4发现，2018年～2020年“十一”假期期间，从26日开始网络关注度整体呈现上升的趋势，29～1日出现最高峰，之后呈现平缓的下降趋势，整体趋势也呈现倒“V”形，且网络关注度整体上少于“五一”假期网络关注度，假期后期网络关注度处于较低水平，并保持较低水平。从以上分析看，2018年～2020年西安旅游网络关注度总体在“五一”、“十一”假期前达到顶峰，表明西安旅游网络关注度存在“前兆效应”，假期后期网络关注度相对降低，并保持平稳趋势。3.3西安旅游网络关注度空间分布特征通过百度指数平台的趋势研究和人群画像功能，分别选择2018年、2019年和2020年3年全年范围，依次从省份、区域、城市三方面进行搜索，分别得到2018年～2020年各年全国各省、直辖市、自治区对西安旅游网络关注度的地区分布情况。同时，根据地域分布将各省市全年网络关注度数据进行统计，得到2018年～2020年西安市旅游网络关注度排名前十省份和城市（表3）和2018年～2020年西安市旅游网络关注度区域搜索指数排名（图5）。根据省市分布情况可以看出，西安旅游网络关注度主要集中陕西省内，周边四川、河南等省份及东部沿海经济发达的广东、北京等省市。根据区域分布情况可以看出，华东、华北、西北对西安旅游的关注程度高于其他区域，其中，2019年全国网络用户对西安旅游的关注度也明显高于其他年份。表3西安旅游网络关注度排名前十省份和城市（2018～2020）Tab.3Top10ProvincesandcitiesofXi'anTourismNetworkattention（2018～2020）名次2018年2019年2020年省份城市省份城市省份城市1陕西西安陕西西安陕西西安2四川成都河南北京四川北京3河南北京山西成都广东成都4广东郑州四川郑州河南上海5江苏上海河北太原北京郑州6北京重庆山东上海山东重庆7山东杭州江苏重庆江苏杭州8河北太原辽宁兰州河北太原9山西武汉广东天津山西深圳10浙江天津甘肃杭州浙江广州图5西安旅游网络关注度区域搜索指数排名（2018～2020）Fig.5AreasearchindexrankingofXi'anTourismNetworkattention（2018～2020）为了进一步探究西安旅游网络关注度的地理集中程度，本文根据百度指数平台上获取的2018年～2020年各省市的西安旅游网络关注度数据，计算出各年的地理集中指数（表5）。2018年～2020年西安旅游网络关注度的地理集中指数分别为1.095，0.991，1.405，数值变化不大，说明西安市旅游网络关注度在空间上分布较分散。表4西安旅游网络关注度地理集中指数（2018～2020）Tab.5GeographicalconcentrationindexofXi'anTourismNetworkattention（2018～2020）年份2018年2019年2020年地理集中指数1.0950.9911.405各省份对西安旅游的网络关注度情况反映了各地区网络用户对西安市的旅游需求。由表4可以看出，2018年～2019年，地理集中指数略下降，各省对西安旅游的网络关注度集中程度相对降低，全国各省份对西安旅游的网络关注度趋于分散，造成了网络关注度在空间上的不均衡性；2019年～2020年，地理集中指数略上升，各省份对西安旅游的网络关注度集中程度增大，全国各省份对西安旅游的网络关注度趋于集中。4对策建议4.1增强旅游市场营销的灵活性在西安旅游时空差异的基础上，针对不同地区制定适宜的、具有差异的营销策略，尤其是对西安本地的客源市场和对西安旅游需求较大的省、市、自治区。在时间上的宣传应该考虑西安旅游的季节性差异，加强西安旅游淡季的宣传力度，尤其是1月、11月和12月。基于西安市独特历史文化底蕴和美食，可以大力发展历史文化旅游，结合西安的历史文化发展淡季旅游，减少西安旅游的季节性差异。在节假日，尤其是五一和国庆假期，可结合互联网旅游大数据举办特色展览和活动，发展具有吸引力的旅游节庆活动。在空间上的宣传，可借助互联网对旅游目的地的形象和知名度进行营销和宣传，通过旅游目的地自媒体的建设，加深旅游客源地与西安旅游之间的联系，同时针对不同地区推出不同价格、不同人群的旅游产品和线路。针对西安本地居民的旅游，可以发展研学旅游等形式多样的旅游活动。4.2发挥政府部门主导作用，提高旅游质量西安市政府和文化与旅游部门应发挥其政府部门的主导作用，为游客营造舒适的旅游环境、完善各项基础设施、提供高质量的服务。具体表现在：（1）通过大数据平台获取游客对西安旅游的关键词搜索信息，对目标群体制定精准的旅游宣传；（2）加大和各大网络平台的平台的合作力度，根据网络用户的兴趣意向为用户推荐个性化的旅游产品广告；（3）根据旅游大数据实时掌握游客对西安旅游的网络关注度在年、月、周、节假日等时间段的具体情况，规划节庆活动，并规划西安旅游市场的开发，同时根据游客的旅游满意度，对各景区进行优化。4.3加强智慧旅游的建设在互联网高速发展的时代背景下，游客通常会在旅游过程中通过互联网搜索旅游目的地的实时相关信息，因此西安旅游的智慧化水平需要大力加强。可通过小程序或公众号实现对西安全区域范围内游、吃、行、住等旅游信息的查询、搜索，并提供线上咨询功能。同时要加强对旅游景点的数字化建设，具体可通过虚拟现实、超高清、混合现实、5G等现代科技与旅游的结合，在旅游中加入沉浸、体验式的旅游方式，丰富旅游活动，提升景区的质量，增强游客的体验感，实现新型旅游消费模式的快速成长。5结论与不足5.1研究结论本文基于百度指数平台，以“西安旅游”为关键词获取2018年～2020年西安旅游的网络关注度数据，通过季节性强度指数、变异系数和地理集中指数等分析方法从时间和空间两个层面研究西安旅游网络关注度的特征。研究结论如下：时间分布特征：在年分布特征上，2018年～2020年西安旅游网络关注度各年度网络关注度有较大差异，且全年变化趋势不稳定，波动性较大，出现较明显的波峰，主要分布在2月、3月底～5月、7～8月、9～10月四个时间段内；在月分布特征上，2018年～2020年各年度之间的月份网络关注度具有显著差异性，其中2019年网络关注度变化曲线波动幅度最强，季节性差异最大，集中程度最高；在节假日分布特征上，2018年～2020年“五一”及“十一”假期前后，全国网络用户对西安旅游的网络关注度的整体趋势呈现倒“V”形，在假期前网络关注度达到最高峰，表现出明显地“前兆效应”。空间分布特征：2018年～2020年全国31个各省、直辖市、自治区对西安市的旅游网络关注度在空间上差异性小，分布较分散，华东、华北、西北对西安旅游的关注程度高于其他区域，且主要集中在陕西省和西安市内，周边四川、河南等省份及东部沿海经济发达的广东、北京等省市。5.2不足本文在已有研究的基础上，从时间和空间两个层面对西安旅游的网络关注度进行分析，虽然在一定程度上反映了西安旅游网络关注度的时空特征，但还存在一些不足之处，主要体现在以下三个方面：因无法获取西安市2018～2020年各月的实际游客数量，不能进行网络关注度与实际游客数量的相关分析。仅选取了2018年～2020年3年的逐日网络关注度数据，时间跨度相对较小，不能完全揭示西安旅游网络关注度的时间分布规律。仅用百度指数搜索数据来衡量网络关注度，虽然百度搜索引擎在我国搜索引擎市场上具有极高占有率，具有一定的代表性，但仍不能完全代表全国网络用户对西安旅游的网络关注度。参考文献[1]丁鑫,汪京强,李勇泉.基于百度指数的旅游目的地网络关注度时空特征与影响因素研究——以厦门市为例[J].资源开发与市场,2018,34(05):709-714.[2]杜梦珽,杨晓霞,陈鹏.基于百度指数的网红景区网络关注度时空特征研究——以重庆洪崖洞为例[J].西南师范大学学报(自然科学版),2020,45(06):72-79.[3]黄先开，张丽峰，丁于思．百度指数与旅游景区游客量的关系及预测研究———以北京故宫为例［J］．旅游学刊，2013，28(11):93－100．[4]方叶林,程雪兰,黄震方,郭贝贝.国家重点风景名胜区网络关注度与游客量的错位特征及机理[J].经济地理,2020,40(04):204-213.[5]何小芊,刘宇,吴发明.基于百度指数的温泉旅游网络关注度时空特征研究[J].地域研究与开发,2017,36(01):103-108+124.[6]李山,邱荣旭,陈玲.基于百度指数的旅游景区络空间关注度:时间分布及其前兆效应[J].地理与地理信息科学,2008(06):102-107.[7]李霞,曲洪建.邮轮旅游网络关注度的时空特征和影响因素——基于百度指数的研究[J].统计与信息论坛,2016,31(04):101-106.[8]刘玉芳,王爱忠,王春宝.贵州省旅游网络关注度与游客客流量时空相关分析[J].桂林理工大学学报,2020,40(02):450-456.[9]陆利军,戴湘毅.基于百度指数的湖南旅游目的地城市旅游者网络关注度及其空间格局研究[J].长江流域