智慧旅游背景下游客旅游意向影响因素分析

　　摘要：随着科技的发展，云计算、大数据等互联网技术逐渐应用于各行各业。自2010年我国提出智慧旅游新型技术，并应用于我国第一批试点城市，我国旅游业取得了较高成绩，由此可见，智慧旅游的服务与管理可有效提高旅游城市客流量。为此，以智慧旅游为研究背景，研究影响游客旅游意向的因素，并根据游客旅游意向获取数据构建结构方程，给予游客更好的旅游体验。

　　关键词：智慧旅游;游客;旅游意向;影响因素

　　在提出智慧旅游这一新命题后，我国旅游资源得到系统化的整合，致力于服务游客，以游客体验为服务和管理中心，为其提供保障。本次研究假设游客职业、常住地、喜好特征、目的地认知特征等影响游客旅游意向，并针对上述四个模块对游客进行调查，构建数据结构方程，最后对假设进行检验，获得游客旅游意向影响因素。

　　一、研究背景——智慧旅游概述

　　(一)智慧旅游概念

　　智慧旅游囊括物联网、云计算、大数据、通信网络等互联网技术，对信息进行高性能处理，并对部分数据深度挖掘与分析，广泛应用在旅游行业游客体验、产业发展、旅游管理等方面。使游客可利用互联网相关技术，在移动终端设备上感知旅游信息，智慧旅游技术也能根据游客需求为游客设计与调整旅游计划，实现游客与网络的互动。

　　(二)智慧旅游智慧表现

　　智慧旅游在服务、管理、营销三方面皆体现出了互联网的智能性。智慧旅游将游客作为服务主体，依照游客需求，利用多媒体技术提升游客旅游品质，而游客在旅游整个过程中应用智慧旅游技术获得全新的服务体验。智慧旅游的服务安排具有科学性与直观性，游客能更快捷的了解旅游信息，在管理方面，智慧旅游将传统管理模式利用信息技术展现出来，促进现代管理方式的实现。旅游管理工作也从传统的被动处理转变为实时处理。智慧旅游将公安、交通、卫生等相关部门相连，使其在互联网下共同协作，为游客带来保障。在营销方面，智慧旅游根据数据分析，找寻游客兴趣点，为游客策划针对化旅游主题，推动旅游业的发展与创新。

　　(三)智慧旅游特点

　　智慧旅游具有四个特点，分别是智能传感、整合信息、协同合作、鼓励发展。智慧旅游将各个旅游景点相连，形成网络结构，对旅游产业核心系统实时监测。同时，将景点、景区、交通、住宿等机构进行整合，形成一个大数据库，为筛选游客需求奠定基础。此外，智慧旅游实现管理机构上下层之间的协同工作，工作效率明显提升，游客获得不同的旅游体验。

　　二、研究假设

　　本次研究的目的是分析游客旅游意向的影响因素，游客选择旅游目的地、设计旅游活动、安排旅游时间皆与游客的自身喜好有很大的关系。而智慧旅游的数据库中包含游客的个性化需求与基本信息，可充分了解游客选择旅游活动的原因。因此，本次研究假设游客常住地、职业、文化接近性、偏好特征、目的地认知特征五个因素影响游客旅游意向。假设问题如下：

　　H1：游客常住地对旅游目标选择有影响;

　　H2：游客文化接近性对旅游目标选择有影响;

　　H3：游客目的地认知特征对旅游目标选择有影响;

　　H4：游客职业对旅游时间安排有影响;

　　H5：游客偏好特征对旅游活动设计有影响。

　　三、研究设计

　　(一)研究对象

　　就目前而言，智慧旅游试点城市主要为33个，因此，本次研究选取四个试点城市进行调查，分别是北京、大连、厦门、洛阳。研究对象主要选取每个城市著名景点的部分游客，每个城市选取两个景点，每个景点发放20份调查问卷，共发放160份调查问卷，回收有效问卷143份，选取其中140份进行数据分析与模型构建。经过计算后，得出应用旅游APP的游客占85%;旅游次数在三次以上的游客占34%;在旅游时应用路线导航的游客占47%，预定酒店的游客占73%;预定交通票务的游客占56%;团购买票的游客占44%;接受美食推荐的游客占47%;选择外地出游的游客占42%;选择了解地区出游的游客占37%;选择文化认可出游的游客占29%。

　　(二)研究方法与工具

　　本次研究选取文献法、问卷调查法、模型构建法三种方法，结合已有研究文献对研究做出假设，并利用问卷调查法对游客旅游意向与智慧旅游应用做出调查，结合调查数据构建旅游意向结构方程模型。调查问卷内含题目13道，11道选择题，主要调查游客在旅游时的个性需求;两道简述题，主要调查游客对智慧旅游的看法与期待，并以此为基础，结合智慧旅游中涵盖的游客基本信息与喜好形成针对本次研究的数据库。模型构建法则主要构建两个方程模型，对游客目的地选择与旅游活动意向进行验证，最后结合数据库与游客旅游时间安排统计，得出游客旅游时间安排影响因素[1]。

　　(三)游客旅游意向获取——构建旅游意向结构方程模型

　　1.旅游活动意向结构方程模型

　　结构方程模型是一套利用变量方差矩阵来计算变量之间关系的统计方法，可用于处理多变量数据。将140份有效调查问卷与智慧旅游中涵盖的游客信息形成的数据库录入SPSS20软件中，形成信度分析数据网络，并将此数据保存再次导入Amos22软件中对数据进行分析，从而构建方程模型，估算方法为最大似然法。在模型构建中还需考虑潜变量与观测变量，因此，设观测变量为Xi(i=1，2，3，...，17)，设潜变量为Ai(i=1，2，3，4)。测量方程如下：

公式1

　　(1)式(1)中λit是Ai与Xi的关系，称之为因素载荷，因此，不同组潜变量可组成下述结构方程：

公式2

　　(2)式(2)中是Ai与Aj之间的关系，是不同变量产生的作用大小的反映，称之为路径系数。且根据Amos22软件运行后，可得到方程分析结果，但方程各项指标中CR值偏低，因此，还需对指标进行对比，提高不同变量间显著性水平。在经过评估后，与调查结果相比较，可知游客的文化接近性数据对旅游目的地选择影响较小，问卷调查结果仅为29%，而方程检测路径系数的结果为0.347。而在去除旅游地区建设层次、基础设施、价格趋势等客体性因素后，可计算得出游客偏好特征的路径系数为0.564，问卷调查与智慧旅游数据库分析得出占比结果高达63.5%，可见游客偏好特征是旅游意向影响因素之一[2]。

　　2.旅游目的地意向结构方程模型

　　此类方程模型专用分析特定目标与不同变量之间的关系，而游客的职业、常住地、偏好特征皆为方程中有限的离散选择。因此，选择变量个体皆有一个效用函数，此类效用函数多以备选集为自变量。本次模型利用Logistic模型，构建二元Logistic模型，探究上述变量对游客目的地选择概率的影响。本次研究中设因变量Y=1为游客选择重游的代表，Y=0为选择其他地区出游的代表，而X为影响因素自变量。此时，设定Y=1的概率为p，建立下述线性回归方程：

公式3

　　式(3)中参数为常数项。依据问卷调查所得的百分比结果与智慧旅游对游客信息的筛查结果，可得出本次模型共有31个自变量，也就是说影响因素极多，具体可归结为游客自身因素与外部因素两个方面，因此，根据双向视角选择3个变量组，构建模型，并计算应答项赋值。最后进行模型拟合，利用Logistic模型回归向前法，将自变量逐步引入方程中，变量条件需保持在P值小于0.05。经过十轮优化后收敛，形成最终模型，在与调查结果与智慧旅游数据库相结合时，可发现31个变量中有83%的变量为游客本身因素，即其自身喜好，另有15%的变量为游客职业、文化选择、常住地、目的地认知等因素。其中常住地占比约为7%，目的地认知约为3%，职业约为3%，文化选择约为2%[3]。

　　四、研究结论——智慧旅游对游客旅游意向的影响因素

　　(一)游客偏好、职业与常住地影响旅游目的地选择

　　经过模型计算、智慧旅游数据结果分析后，得知游客偏好、职业与常住地对其旅游目的的选择影响效果十分显著。游客对感知距离较远的地区，选择意愿更为强烈，对其美誉度也有所增加。而游客的职业与游客喜好息息相关，对部分地区更有与职业相关的钟爱度，因此会对其选择旅游目的有所影响。

　　(二)游客偏好特征影响旅游活动的设计

　　游客偏好主要可分为两类，一是普遍类偏好，对旅游活动的选择起很大的作用。通常为公园、海上运动、休闲观光等。二是特殊偏好，游客与旅游活动的选择、设计有很明显的对应关系。对某些特色景区、特色活动的选择意愿更为明显。游客对旅游地区的特征更易用自身喜好的主观眼光进行评价，对自己更有意义的地区选择意愿明显。

　　(三)游客职业影响旅游时间的安排

　　游客旅游时间的安排则主要与游客的职业相关，经过调查可知大部分游客是在休假过程中安排出游，出游时间则与休假时间相关。因此，景区需安排好法定假日期间旅游的活动，为游客呈现便捷、直观的旅游活动。五、结语本次研究在智慧旅游背景下，在试点地区发放调查问卷，并构建方程模型，分析游客旅游意向的影响因素。最终得知游客偏好特征、常住地、职业对其旅游意向有很大影响。但本次研究仍有不足之处，旅游空间虽具有普遍性，但也有其自身的局限性，因此，结论需应用其他旅游地区进行再次慎重计算，从而，得出更加准确的计算结果。

　　参考文献：

　　[1]李祎铭,李冰.谈智慧旅游对游客旅游活动的影响[J].旅游管理研究,2016(7).

　　[2]刘力,陈浩,韦瑛.文化接近性对潜在游客目的地态度和旅游意向的影响研究[J].资源科学,2014(5).

　　[3]黄玮.自我概念结构与女性旅游消费行为的实证研究[J].数理统计与管理,2008(3).