旅游电商对产品区域异质性的提升策略研究--基于大数据与数据可视化方法
发布时间：2020-11-05 13:52
基于大数据和数据可视化方法,分析旅游电商在旅游产品上的运营情况,并为其提出针对不同地域产品的改进性提升策略:利用探索性因子分析评估各省旅游业差异性发展情况,并利用热力图进行数据可视化分析,以在空间上评价全国旅游业的区域异质性;为评估电商旅游产品的运营水平是否与当地旅游发展水平相适应,将电商数据进行基于神经网络的建模,根据模型所得出的等级评估结果,对不同地区建议改进不同的电商产品;以江苏省跟团游产品的评论文本为例,进行文本挖掘及词云绘制,最终提出对该产品有别于线下的针对性的产品提升策略建议。
【部分图文】：
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ｘ１～ｘ６３。（三）ＥＦＡ模型建立与因子旋转首先观测数据的相关矩阵，从相关矩阵的提取结果来看，多个变量之间存在高度相关关系。为消除各指标之间的相关性，需要提取公共因子，根据碎石图可知ＥＦＡ建议提取４个成分。图１碎石图判断需保留因子数图使用非参数检验方法的Ｓｈａｐｉｒｏ－Ｗｉｌｋ正态性检验，以判断使用何种方法提取公因子。Ｗ检验结果显示拒绝样本服从正态分布的原假设，因此使用主轴迭代法提取公因子。图１结果显示，４个因子解释了６３个指标的８０％的方差，解释程度较好。由于因子载荷阵的意义不好说明，因此使用因子旋转来帮助说明因子的实际意义，更好地命名和解释因子。各因子间或有潜在的相关关系，因此使用斜交转轴法进行因子旋转。经过多次旋转，最终剔除了在各因子上的载荷都很低的变量ｘ２２、ｘ３０、ｘ３６、ｘ３７、ｘ３９、ｘ４２、ｘ４９、ｘ５０、ｘ５３、ｘ５５，即可得到最终的旋转结果。因旋转后的因子载荷矩阵可以将变量归类到载荷较大的因子上，将各变量对应的具体指标进行分析，并进行因子命名，将ＰＡ１视为游客数量因子、ＰＡ２视为国际游客数及外汇因子、ＰＡ４视为旅游环３２统计与信息论坛
形———热力图来展示各省得分。各省的各因子水平得分热力图见图２～６所示。图２旅游发展综合水平ＰＡ热力图图３游客数量因子水平ＰＡ１热力图图４国际游客数及外汇因子水平ＰＡ２热力图旅游发展综合水平ＰＡ热力图显示（图２），全国各省的旅游发展综合水平存在较明显的区域差异：以东北—西南连线划分界限，东部、东南部及南部旅游发展较快，而北部、西北部及西部旅游发展较慢。由游客数量因子水平ＰＡ１热力图可知（图３），沿海省份（如江、浙、沪、闽、粤）及旅游资源较丰富的图５旅游环境因子水平ＰＡ４热力图图６星级饭店收入因子水平ＰＡ３热力图省份（如川、滇、藏、湘、鄂、蒙、京）的游客数量较多。从旅游业总体情况看，以上省份确实在休闲度假和自然风光方面较其他省份更有优势吸引众多游客，佐证分析结果。总体而言，同样以东北—西南连线划分界限，东部、东南部及南部游客数量较多，而北部、西北部及西部相对较少。在国际游客数及外汇因子水平ＰＡ３上（图４），广东远远领先其他省份（甚至领先于京、江、浙、沪）。不难看出，由于广东省接壤香港、澳门特别行政区，常年高频往返港澳的人次必然远高于其他各省，此为广东省在出入境游客数量和外汇收入方面的绝对优势。由旅游环境因子水平ＰＡ４热力图可知（图５），影响该因子发展水平不仅有旅游资源（指标为Ａ级景区数量），由于ＰＡ４中包含了高星级饭店数量、旅行社数量及旅游从业人员数量，因此区域的经济发展水平和该地旅游业所占经济结构比重也在一定程度上起作用。例如云南省虽然旅游资源丰富，但经济发展相对落后，在高星级饭店数量上可能拉低
形———热力图来展示各省得分。各省的各因子水平得分热力图见图２～６所示。图２旅游发展综合水平ＰＡ热力图图３游客数量因子水平ＰＡ１热力图图４国际游客数及外汇因子水平ＰＡ２热力图旅游发展综合水平ＰＡ热力图显示（图２），全国各省的旅游发展综合水平存在较明显的区域差异：以东北—西南连线划分界限，东部、东南部及南部旅游发展较快，而北部、西北部及西部旅游发展较慢。由游客数量因子水平ＰＡ１热力图可知（图３），沿海省份（如江、浙、沪、闽、粤）及旅游资源较丰富的图５旅游环境因子水平ＰＡ４热力图图６星级饭店收入因子水平ＰＡ３热力图省份（如川、滇、藏、湘、鄂、蒙、京）的游客数量较多。从旅游业总体情况看，以上省份确实在休闲度假和自然风光方面较其他省份更有优势吸引众多游客，佐证分析结果。总体而言，同样以东北—西南连线划分界限，东部、东南部及南部游客数量较多，而北部、西北部及西部相对较少。在国际游客数及外汇因子水平ＰＡ３上（图４），广东远远领先其他省份（甚至领先于京、江、浙、沪）。不难看出，由于广东省接壤香港、澳门特别行政区，常年高频往返港澳的人次必然远高于其他各省，此为广东省在出入境游客数量和外汇收入方面的绝对优势。由旅游环境因子水平ＰＡ４热力图可知（图５），影响该因子发展水平不仅有旅游资源（指标为Ａ级景区数量），由于ＰＡ４中包含了高星级饭店数量、旅行社数量及旅游从业人员数量，因此区域的经济发展水平和该地旅游业所占经济结构比重也在一定程度上起作用。例如云南省虽然旅游资源丰富，但经济发展相对落后，在高星级饭店数量上可能拉低
本文编号：2871723
【部分图文】：
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ｘ１～ｘ６３。（三）ＥＦＡ模型建立与因子旋转首先观测数据的相关矩阵，从相关矩阵的提取结果来看，多个变量之间存在高度相关关系。为消除各指标之间的相关性，需要提取公共因子，根据碎石图可知ＥＦＡ建议提取４个成分。图１碎石图判断需保留因子数图使用非参数检验方法的Ｓｈａｐｉｒｏ－Ｗｉｌｋ正态性检验，以判断使用何种方法提取公因子。Ｗ检验结果显示拒绝样本服从正态分布的原假设，因此使用主轴迭代法提取公因子。图１结果显示，４个因子解释了６３个指标的８０％的方差，解释程度较好。由于因子载荷阵的意义不好说明，因此使用因子旋转来帮助说明因子的实际意义，更好地命名和解释因子。各因子间或有潜在的相关关系，因此使用斜交转轴法进行因子旋转。经过多次旋转，最终剔除了在各因子上的载荷都很低的变量ｘ２２、ｘ３０、ｘ３６、ｘ３７、ｘ３９、ｘ４２、ｘ４９、ｘ５０、ｘ５３、ｘ５５，即可得到最终的旋转结果。因旋转后的因子载荷矩阵可以将变量归类到载荷较大的因子上，将各变量对应的具体指标进行分析，并进行因子命名，将ＰＡ１视为游客数量因子、ＰＡ２视为国际游客数及外汇因子、ＰＡ４视为旅游环３２统计与信息论坛
形———热力图来展示各省得分。各省的各因子水平得分热力图见图２～６所示。图２旅游发展综合水平ＰＡ热力图图３游客数量因子水平ＰＡ１热力图图４国际游客数及外汇因子水平ＰＡ２热力图旅游发展综合水平ＰＡ热力图显示（图２），全国各省的旅游发展综合水平存在较明显的区域差异：以东北—西南连线划分界限，东部、东南部及南部旅游发展较快，而北部、西北部及西部旅游发展较慢。由游客数量因子水平ＰＡ１热力图可知（图３），沿海省份（如江、浙、沪、闽、粤）及旅游资源较丰富的图５旅游环境因子水平ＰＡ４热力图图６星级饭店收入因子水平ＰＡ３热力图省份（如川、滇、藏、湘、鄂、蒙、京）的游客数量较多。从旅游业总体情况看，以上省份确实在休闲度假和自然风光方面较其他省份更有优势吸引众多游客，佐证分析结果。总体而言，同样以东北—西南连线划分界限，东部、东南部及南部游客数量较多，而北部、西北部及西部相对较少。在国际游客数及外汇因子水平ＰＡ３上（图４），广东远远领先其他省份（甚至领先于京、江、浙、沪）。不难看出，由于广东省接壤香港、澳门特别行政区，常年高频往返港澳的人次必然远高于其他各省，此为广东省在出入境游客数量和外汇收入方面的绝对优势。由旅游环境因子水平ＰＡ４热力图可知（图５），影响该因子发展水平不仅有旅游资源（指标为Ａ级景区数量），由于ＰＡ４中包含了高星级饭店数量、旅行社数量及旅游从业人员数量，因此区域的经济发展水平和该地旅游业所占经济结构比重也在一定程度上起作用。例如云南省虽然旅游资源丰富，但经济发展相对落后，在高星级饭店数量上可能拉低
形———热力图来展示各省得分。各省的各因子水平得分热力图见图２～６所示。图２旅游发展综合水平ＰＡ热力图图３游客数量因子水平ＰＡ１热力图图４国际游客数及外汇因子水平ＰＡ２热力图旅游发展综合水平ＰＡ热力图显示（图２），全国各省的旅游发展综合水平存在较明显的区域差异：以东北—西南连线划分界限，东部、东南部及南部旅游发展较快，而北部、西北部及西部旅游发展较慢。由游客数量因子水平ＰＡ１热力图可知（图３），沿海省份（如江、浙、沪、闽、粤）及旅游资源较丰富的图５旅游环境因子水平ＰＡ４热力图图６星级饭店收入因子水平ＰＡ３热力图省份（如川、滇、藏、湘、鄂、蒙、京）的游客数量较多。从旅游业总体情况看，以上省份确实在休闲度假和自然风光方面较其他省份更有优势吸引众多游客，佐证分析结果。总体而言，同样以东北—西南连线划分界限，东部、东南部及南部游客数量较多，而北部、西北部及西部相对较少。在国际游客数及外汇因子水平ＰＡ３上（图４），广东远远领先其他省份（甚至领先于京、江、浙、沪）。不难看出，由于广东省接壤香港、澳门特别行政区，常年高频往返港澳的人次必然远高于其他各省，此为广东省在出入境游客数量和外汇收入方面的绝对优势。由旅游环境因子水平ＰＡ４热力图可知（图５），影响该因子发展水平不仅有旅游资源（指标为Ａ级景区数量），由于ＰＡ４中包含了高星级饭店数量、旅行社数量及旅游从业人员数量，因此区域的经济发展水平和该地旅游业所占经济结构比重也在一定程度上起作用。例如云南省虽然旅游资源丰富，但经济发展相对落后，在高星级饭店数量上可能拉低
本文编号：2871723
本文链接：https://www.wllwen.com/guanlilunwen/lvyoujiudianguanlilunwen/2871723.html
