穆亞鳳+都平平+齊近圖+鄧志文

〔摘要〕以Web of Science數(shù)據(jù)庫為文獻來源，應(yīng)用Web of Science平臺自帶的分析工具和Histcite引文網(wǎng)絡(luò)分析工具，通過文獻檢索、結(jié)果分析等方式，得出“霧霾”這一研究課題的發(fā)展脈絡(luò)及發(fā)展態(tài)勢，并通過兩種引文分析工具之間不同的計量指標所展現(xiàn)的學(xué)科發(fā)展現(xiàn)象和統(tǒng)計結(jié)果的差異，進而得出在進行學(xué)科發(fā)展態(tài)勢研究時，應(yīng)該將這兩個引文分析工具進行有機的結(jié)合，使得這兩者互為補充，充分發(fā)揮各自的作用，更好地研究和分析學(xué)科引文脈絡(luò)，使得統(tǒng)計結(jié)果更為全面、準確，為學(xué)科領(lǐng)域發(fā)展態(tài)勢的研究提供有力的支撐。

〔關(guān)鍵詞〕引文分析；Web of Science平臺；Histcite；文獻計量；計量指標；學(xué)科發(fā)展態(tài)勢

DOI：10.3969/j.issn.1008-0821.2017.03.023

〔中圖分類號〕G250252〔文獻標識碼〕A〔文章編號〕1008-0821（2017）03-0126-06

〔Abstract〕Using the Web of Science database as the source of the literature，this paper used the analysis tool of Web of Science platform and the analysis tools of Histcite.By means of literature retrieval and analysis of results，the paper obtained the development trend and development trend of“haze”.By using two kinds of citation analysis tools，and through the different measurement indicators between the two citation analysis of the development of disciplines and statistical results of the difference between the results obtained in the development of disciplines research situation，the two citation analysis Tools，so that the two complement each other，gave full play to their respective roles，conducted a better research and analysis of subject citation，making the results more comprehensive and accurate，for the development of disciplines in the field of research to provide strong support.

〔Key words〕citation analysis；Web of Science；Histcite；bibliometrics；measurement index；trend of displine development

科學(xué)研究的世界呈現(xiàn)出蔓延生長，不斷演化的景象。無論是從事科學(xué)研究的研究人員還是管理人員都需要掌握科研的進展和動態(tài)，對于他們而言，洞察科研動向，尤其是跟蹤新興專業(yè)領(lǐng)域講對其科研和實際工作產(chǎn)生重大的意義[1]。對已有文獻之間的發(fā)展脈絡(luò)的研究，是對一個學(xué)科的發(fā)展態(tài)勢研究的重要組成部分，是我們分析引文之間的施引關(guān)系并深入地探究某一學(xué)科領(lǐng)域的發(fā)展脈絡(luò)與方向以及重要成果。本文以Web of Science數(shù)據(jù)庫為文獻來源，應(yīng)用Web of Science平臺自帶的分析工具和Histcite引文分析工具，通過文獻檢索、結(jié)果分析等引文分析方式，以探索“霧霾”這一研究課題的當前的研究態(tài)勢為例，得出“霧霾”這一研究課題的發(fā)展脈絡(luò)及發(fā)展態(tài)勢，并通過兩種引文分析工具之間不同的計量指標所展現(xiàn)的學(xué)科發(fā)展現(xiàn)象和統(tǒng)計結(jié)果的差異，進而得出在進行學(xué)科發(fā)展態(tài)勢研究時，應(yīng)該將這兩個引文分析工具進行有機的結(jié)合，使得這兩者互為補充，充分發(fā)揮各自的作用，更好地研究和分析學(xué)科引文脈絡(luò)，使得統(tǒng)計結(jié)果更為全面、準確，為學(xué)科領(lǐng)域發(fā)展態(tài)勢的研究提供有力的支撐。

1引文工具介紹

11Web of Science平臺引文分析工具簡介

Web of Science平臺引文分析是Web of Science平臺自帶的一個引文分析功能，研究者可以通過從各個字段中提取數(shù)據(jù)值，進而對結(jié)果集中的記錄進行分組和排序，并借助此功能，研究者可以基于檢索式找出在特定的研究領(lǐng)域中最受歡迎的作者，或者生成一個按記錄數(shù)排序的機構(gòu)列表[2]。Web of Science平臺引文分析主要是對檢索結(jié)果中的作者、國家/地區(qū)、文獻類型、基金資助機構(gòu)、機構(gòu)擴展、出版年、研究方向、來源出版物、Web of Science類別等多個分析指標進行統(tǒng)計分析。

12Histcite引文網(wǎng)絡(luò)分析工具簡介

Histcite是一款免費的引文圖譜分析軟件，其用圖示的方式展示某一領(lǐng)域不同文獻之間的關(guān)系，可以快速幫助我們繪制出一個領(lǐng)域的發(fā)展歷史，定位出該領(lǐng)域的重要文獻，以及最新的重要文獻。其主要功能是對文獻搜索的結(jié)果進行分析和組構(gòu)，從而了解各個學(xué)科發(fā)展的峰谷趨勢，歷史重大事件，以及各大學(xué)、研究所及作者的科研文章的產(chǎn)出數(shù)量等。并根據(jù)結(jié)果進一步做出其所需拓撲圖表等[3]。

HistCite引文分析指標有作者、出版年、機構(gòu)、出版來源、國家等基本指標，這些與Web of Science平臺檢索結(jié)果的基本文獻計量分析指標相同，除此之外，還包含有幾個其特有的指標：Recs（在本文獻集中的記錄數(shù)）、LCS（本地被引次數(shù)）、GCS（總被引次數(shù)）、LCR（本地引文數(shù)量）和CR（總引文數(shù)量）等多個計量指標。其中GCS和CR是Web of Science平臺提供的數(shù)據(jù)，LCR和LCR則是Histcite特有的。LCS是對某次檢索結(jié)果之間的引證關(guān)系數(shù)量的考量[4-5]。Web of Science平臺檢索結(jié)果頁面顯示的引證次數(shù)是GCS，而LCS則是檢索結(jié)果列表文獻對該文獻的引證次數(shù)，GCS包含了LCS。LCS可用于評價檢索結(jié)果文獻之間的關(guān)聯(lián)強度。

2數(shù)據(jù)來源與研究方法

21數(shù)據(jù)來源

以Web of Science中的SCI數(shù)據(jù)庫作為樣本數(shù)據(jù)的來源，以保證參與統(tǒng)計的數(shù)據(jù)的質(zhì)量與權(quán)威，并將檢索主題限定在“霧霾”、“PM25”、“可見度”、“氣溶膠”以及“空氣污染”等與“霧霾”相關(guān)的檢索詞，檢索策略為“ts=（Fog or（Fog and haze）or haze or PM25 or Visibility or Aerosol or Air Pollution）”，包括所有年份，檢索日期為2016-09-12，最后獲得數(shù)據(jù)148 977條，鑒于數(shù)據(jù)量過于龐大，也考慮到文獻信息的時效性，我們以這些數(shù)據(jù)中的ESI高水平論文（核心論文）作為本文的樣本文獻。所謂的ESI高水平論文指的是以Web of Science平臺中的SCI數(shù)據(jù)庫數(shù)據(jù)為數(shù)據(jù)源，其所包含的是近十年以內(nèi)的來自于ESI數(shù)據(jù)庫中的高被引論文（High Cited Papers）及近兩年內(nèi)的熱點論文（Hot Papers），即在同學(xué)科同年度中根據(jù)被引頻次排在前1%或01%的論文，核心論文具有較強的創(chuàng)新性，往往發(fā)揮著非同一般的引領(lǐng)作用，為所有檢索文獻中最為重要、最為核心的一批文獻。通過對這些高水平論文之間的發(fā)展脈絡(luò)的分析，可以發(fā)現(xiàn)某學(xué)科的最新發(fā)展及發(fā)展趨勢。

根據(jù)ESI數(shù)據(jù)庫對于數(shù)據(jù)時限的規(guī)定，本次所選取的樣本數(shù)據(jù)所包含年限為ESI數(shù)據(jù)庫中年限范圍，即為2006-2016年，通過對檢索結(jié)果進行精煉，本次檢索共檢索到的關(guān)于“霧霾”文獻中所包含的ESI高水平論文1 307篇，在這一樣本文獻中包含有2種文獻類型，分別為期刊論文（Article）1 018篇，綜述性論文（Review）289篇。檢索到的文獻均為英文文獻。

把檢索到的1 307篇文獻按照被引頻次降序排列，以全紀錄格式將檢索結(jié)果保存為純文本文件，在檢索頁面中選擇“保存為其他文件格式”，因Web of Science平臺每次最多輸出500條記錄，因此導(dǎo)出引文數(shù)量選擇1～500，并分3次進行導(dǎo)出，記錄內(nèi)容選擇“全記錄”，文件格式選擇“純文本”。這就獲得了我們進行引文分析所需的原始數(shù)據(jù)。

22研究方法

本文使用文獻計量學(xué)方法，分別利用Web of Science平臺引文分析工具和Histcite引文圖譜分析工具定量統(tǒng)計以上檢索結(jié)果，并根據(jù)不同的引文分析工具對各基本指標以及特有指標進行引文分析，然后根據(jù)兩種分析工具所得出的分析結(jié)果的異同及對于學(xué)科發(fā)展態(tài)勢的研究的優(yōu)勢，最后選取對于研究學(xué)科發(fā)展態(tài)勢最為合適的引文分析方法。具體的操作流程見圖1。

3研究結(jié)果與分析

31Web of Science平臺引文分析結(jié)果

利用Web of Science平臺在進行引文分析時，我們分別選擇以下幾個指標來進行分析：

311Web of Science類別

選擇Web of Science類別進行分析，在以上檢索結(jié)果主要分布在115個Web of Science類別中，其中最主要的學(xué)科領(lǐng)域研究最多的是氣象學(xué)大氣科學(xué)（METEOROLOGY ATMOSPHERIC SCIENCES）和環(huán)境科學(xué)（ENVIRONMENTAL SCIENCES），這兩個研究領(lǐng)域所占份額總和超過檢索總數(shù)的50%，分別有417篇文獻和263篇文獻，其次是公共環(huán)境職業(yè)健康、地質(zhì)、多學(xué)科、工程環(huán)境、毒理學(xué)、能源燃料、化學(xué)物理以及化學(xué)等研究領(lǐng)域?？梢猿醪娇闯觯瑢Α办F霾”的研究關(guān)注度最高的研究領(lǐng)域為氣象學(xué)大氣科學(xué)以及環(huán)境科學(xué)。

312研究方向

選擇研究方向進行分析可以看出，主要研究方向集中在氣象學(xué)與大氣科學(xué)（METEOROLOGY ATMOSPHERIC SCIENCES）、環(huán)境科學(xué)與生態(tài)學(xué)（ENVIRONMENTAL SCIENCES ECOLOGY）、公共環(huán)境職業(yè)健康（PUBLIC ENVIRONMENTAL OCCUPATIONAL HEALTH）等研究方向上，其中研究方向排在前10位的統(tǒng)計情況見表1。由此可見，對“霧霾”現(xiàn)象全球研究者研究最多的方向為氣象學(xué)與大氣科學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)以及公共環(huán)境職業(yè)健康，這就說明“霧霾”對于大氣、環(huán)境、生態(tài)以及公共健康的影響是較為重大的，是被人們普遍重視和需要深入研究的。

313出版年

選擇出版年進行分析，為了能更直觀的表達隨著時間的推移研究者對于“霧霾”的研究的發(fā)展變化趨勢，按照Web of Science平臺分析結(jié)果給出的數(shù)據(jù)給出了“霧霾”研究2006-2016年發(fā)展趨勢圖（見圖2）。

從圖1中可以看出，對于“霧霾”的研究，從2006-2014年之間都是出于一個較為平穩(wěn)上升過程，在2015年出現(xiàn)一個劇增的峰值180篇，占總記錄數(shù)的1377%，也是所有年份中記錄數(shù)最多的一年，這里的記錄數(shù)不能將其作為簡單的文獻數(shù)來看待，由于這里選取的文獻均為ESI高水平論文，所有在2015年的高被引論文的突增，而引用其文獻的主要是該文獻發(fā)表之后的文獻，因此可以看出在2015年之后研究者對于霧霾的重視程度是非常高的，而在2014-2015年這一年也正是世界上“霧霾”影響最為嚴重的階段，“霧霾”使得大氣質(zhì)量、環(huán)境以及身體健康受到了很大的威脅，因此對于“霧霾”的研究也是急需解決的問題。

314國家/地區(qū)

選擇國家/地區(qū)指標進行分析，可以看出，對于“霧霾”的研究，美國的最多，共801篇，占總數(shù)的612%，處于絕對的領(lǐng)先地位。其次是英國，德國、中國以及法國等國家。而英國、德國以及法國都是工業(yè)強國，他們或多或少都受過環(huán)境污染對于環(huán)境氣候的影響，因此他們對于“霧霾”的重視也是必然的結(jié)果。而對于中國這個發(fā)展中國家而言，在2006-2010年的論文數(shù)為33篇，2011-2016年總的論文數(shù)143篇，從數(shù)據(jù)上看，為中國在2010年以前對于“霧霾”的研究處于低谷，而2011年之后的記錄數(shù)的大幅增長可以看出，中國對于影響環(huán)境氣候“霧霾”的研究可謂是取得了突飛猛進，這也足以說明中國社會對于“霧霾”所帶來的對環(huán)境的影響有了足夠的重視。

綜上所述，利用Web of Science平臺自帶的引文分析工具對其中的Web of Science類別、研究方向、出版年以及國家/地區(qū)等4項指標的分析，可以得出以下結(jié)論，即：

1）從Web of Science類別來看：對于“霧霾”的研究，包含了多個學(xué)科領(lǐng)域，如：氣象學(xué)大氣科學(xué)、環(huán)境科學(xué)、公共環(huán)境職業(yè)健康、地質(zhì)、多學(xué)科、工程環(huán)境、毒理學(xué)、能源燃料、化學(xué)物理以及化學(xué)等研究領(lǐng)域。可以看出，“霧霾”這一現(xiàn)象對于社會多個行業(yè)都有影響，因此受到了很多廣泛的關(guān)注。

2）從研究方向來看：氣象學(xué)與大氣科學(xué)、環(huán)境科學(xué)與生態(tài)學(xué)以及公共環(huán)境職業(yè)健康這3個研究方向?qū)τ凇办F霾”研究最多，這就說明“霧霾”對于大氣、環(huán)境、生態(tài)以及公共健康的影響較為重大。

3）從出版時間來看：隨著時間的推移，從2006-2014年之間都是出于一個較為平穩(wěn)上升過程，在2015年出現(xiàn)一個劇增，因此可以看出在2014年之后研究者對于霧霾的重視程度普遍提高。

4）從國家/地區(qū)來看：不僅發(fā)達國家對于“霧霾”的非常重視，發(fā)展中國也逐漸意識到“霧霾”的危害，對“霧霾”的研究也給予了高度的重視。

32HistCite引文網(wǎng)絡(luò)分析

HistCite引文網(wǎng)絡(luò)分析可將導(dǎo)入的文獻按照作者、時間、期刊名稱、機構(gòu)、關(guān)鍵詞以及國家等順序生成本地列表進行分析，也可利用HistCite引文工具特有的指標TGCS和TLCS來進行綜合評價。

將之前下載的數(shù)據(jù)導(dǎo)入HistCite。根據(jù)HistCite引文工具，將對作者、關(guān)鍵詞以及引用關(guān)系圖表等幾個指標利用HistCite引文工具特有的指標TGCS和TLCS來進行綜合評價。由于根據(jù)檢索結(jié)果的出版時間所得分析結(jié)果與Web of Science平臺自帶的引文分析工具中出版年的分析結(jié)果一致，因此HistCite分析就不在進行此項指標的分析。

321作者

根據(jù)導(dǎo)入的結(jié)果，可以看出所有文獻涉及的作者共8 277位，這些作者可按照指標GCS（總被引次數(shù)）和LCS（本地被引次數(shù)）進行排序，可以看出分別按照這兩者進行排序其所代表的含義是不同的，GCS（總被引次數(shù)）指的是在Web of Science平臺上的引用數(shù)據(jù)，而LCS（本地被引次數(shù)）指的是在本次檢索結(jié)果中的引用數(shù)據(jù)，即某文獻在當前數(shù)據(jù)集中被引用的次數(shù)，根據(jù)LCS的排序，可以快速定位該領(lǐng)域的重要文獻或者作者，從而得知誰是該領(lǐng)域的引領(lǐng)人物[5]。

根據(jù)作者指標中LCS（本地被引次數(shù)）排序結(jié)果可以看出對于“霧霾”研究處于引領(lǐng)地位的學(xué)者，根據(jù)表2可以看出作者Jimenez JL、Worsnop DR、以及DeCarlo PF等人皆為當前研究“霧霾”最為權(quán)威的學(xué)者。

322關(guān)鍵詞

關(guān)鍵詞是表述文獻主題、內(nèi)容、思路以及研究方法的關(guān)鍵性詞匯，是文獻計量研究的重要指標，關(guān)鍵詞詞頻越高，說明這一主題詞受關(guān)注度越高，可代表此領(lǐng)域的研究熱點[6]。根據(jù)導(dǎo)入的結(jié)果，可以看出所有文獻涉及的關(guān)鍵詞（Word）共3 082個，其中記錄數(shù)超過100的關(guān)鍵詞共有6個，分別為AEROSOL、AIR、POLLUTION、ORGANIC、REVIEW以及GLOBAL，這幾個關(guān)鍵詞說明“霧霾”研究主要集中在霧霾的主要組成的氣溶膠的相關(guān)資料的研究、空氣狀況、環(huán)境污染以及形成霧霾的有機碳氫化合物粒子、“霧霾”研究的綜述以及全球?qū)τ凇办F霾”的研究情況等。如關(guān)于氣溶膠（AEROSOL）文獻190篇，關(guān)于空氣（AIR）文獻166篇，關(guān)于污染（POLLUTION）文獻141篇，關(guān)于有機（ORGANIC）文獻107篇，關(guān)于“霧霾”研究綜述（REVIEW）文獻103篇，關(guān)于全球（GLOBAL）文獻101篇，此外，關(guān)于大氣（ATMOSPHERIC）、氣候（CLIMATE）以及曝光（EXPOSURE）也是“霧霾”研究的重點。

323可視化分析

根據(jù)以往的經(jīng)驗，僅僅按照被引頻次排序并不足以了解“霧霾”研究文獻中最重要的文獻及文獻之間的關(guān)系，為了更詳細的了解重點文獻間的發(fā)展傳承關(guān)系，采用HistCite引文工具來進行可視化分析。引文關(guān)系時序圖是HistCite引文工具最重要、最有特色的可視化功能，其可根據(jù)自動生成某次檢索結(jié)果做出文章之間的引用關(guān)系圖表這些拓撲圖表，也稱為歷史圖，它顯示了某個專業(yè)領(lǐng)域內(nèi)的關(guān)鍵事件，以及它們之間的年代順序及相互影響，從中讓讀者對某個主題的歷史發(fā)展有個快速、深刻的了解，并對寫某個主題歷史的作者有很大的幫助。用戶可以選擇結(jié)點的數(shù)量，一般為30或50個結(jié)點，并選擇以GCS或LCS值作為排序得出相應(yīng)的引文關(guān)系時序圖（見圖3）。

圖3中的數(shù)據(jù)是根據(jù)導(dǎo)入HistCite里的檢索結(jié)果，選擇其中權(quán)威的30篇文獻繪圖，并本局LCS排序得到的相應(yīng)引文關(guān)系時序圖。在可視化圖形中，圓形的大小代表被引頻次，也可以理解為文獻的重要程度，箭頭的方向表示文獻之間的引用關(guān)系（箭頭指向的文獻即是被引用文獻）。因此，通過圖3可以很直觀地看出各文獻之間的引用關(guān)系，找出其中關(guān)鍵的一些文獻，并從中尋找2006-2016年這個時間段內(nèi)“霧霾”整個領(lǐng)域的發(fā)展程度及這個領(lǐng)域歷史上的重大發(fā)現(xiàn)或研究[4，7]。在圖3中，結(jié)點的大小與其LCS值相對應(yīng)，LCS越高，結(jié)點越大，該文獻被同主題其他文獻引用的次數(shù)越高，該論文就越重要，價值越高，其中結(jié)點對應(yīng)的文獻信息見表3。所有該引文關(guān)系時序圖展示的是重要文獻之間的引用網(wǎng)絡(luò)關(guān)系，進一步可以根據(jù)主路徑相關(guān)算法識別關(guān)鍵結(jié)點和關(guān)系[8]。

從圖3可以看出，檢索出的文獻集合主要分為4個部分。其中有3個部分不同雖然文獻集中但彼此之間卻有關(guān)聯(lián)，這說明了對于“霧霾”研究主要涉及了3個學(xué)科領(lǐng)域，且這3個學(xué)科領(lǐng)域相互關(guān)聯(lián)，第四部分為獨立的部分。

最左邊第一部分雖然只有1篇文獻，為研究“由異戊二烯光氧化二次有機氣溶膠的形成”，屬于工程、環(huán)境科學(xué)領(lǐng)域，但是卻被第三部分中的3篇文獻引用，文獻序號分別為437、323、318，而這3篇文獻在第三部分中屬于較為重要的幾篇文獻。這就說明第一部分為第三部分研究的基礎(chǔ)文獻之一。

第二部分與第一部分相比較屬于較為獨立的一部分，這一部分主要有8篇文獻，根據(jù)引用關(guān)系可以看出較為重要的文獻為文獻序號為47、46的文獻，其主要研究的是“全球模型的氣溶膠組成模塊光學(xué)特性”以、“氣溶膠的生命周期多樣性的量化”，這些研究都屬于氣象學(xué)和大氣科學(xué)研究領(lǐng)域。

第三部分的研究主題較為集中，可以看出其中影響較大的幾篇文獻，分別為：65、93、96、133、260、314、318、425、437以及50等。其中除文獻編號為50的文獻研究的是空氣污染對健康的影響外，其他重要文獻包括文獻的研究都是圍繞“有機氣溶膠”測量及其演變，例如對氣溶膠質(zhì)譜儀的相關(guān)研究、二次有機氣溶膠的性能及其形成、大氣有機氣溶膠的演變等。65和93是2篇發(fā)表時間較早，有比較有開創(chuàng)性的文獻，尤其是93，從圖3中可以看出，幾乎這一區(qū)域中的許多文獻都引用了93這篇文章，對整個領(lǐng)域的影響較大，從LCS值可以看出，93這篇文章為49次，說明93這篇文章在“霧霾”研究中具有重要地位，該文在此領(lǐng)域堪稱經(jīng)典之作，值得閱讀和參考[6，9]。圖中顯示2006-2009年是這一領(lǐng)域重要文獻的高產(chǎn)期。許多被引頻次高的文獻都出自這一段時間，如96、136、260、318以及425等。表明“有機氣溶膠”這一研究領(lǐng)域在這4年中對“霧霾”的研究和發(fā)現(xiàn)都很多，值得我們現(xiàn)在去研究和借鑒。

第四部分只有2篇文獻，且與其他部分都沒有互相引用的關(guān)系，因此其為一個獨立的研究方向，其中文獻編號為317和442，其中以317為基礎(chǔ)，主要研究人為的空氣污染及其相關(guān)問題，相對獨立，與其他部分的文獻沒有互引關(guān)系。但是涉及空氣污染的相關(guān)問題，也是與“霧霾”研究有一定的聯(lián)系的。

33對比分析結(jié)果

根據(jù)以上兩種引文分析工具所得出的分析結(jié)果，可以看出，這兩種分析工具所擁有的各項分析指標有相同的地方，也有各自獨特的指標，這對我們分析數(shù)據(jù)提供了不同的分析視角和分析結(jié)果，使得我們可以根據(jù)這些分析指標得出更為全面的學(xué)科發(fā)展信息，為我們展示出了更為全面的學(xué)科發(fā)展脈絡(luò)及發(fā)展方向。具體指標對比如下：

331基礎(chǔ)指標

兩者共有的基礎(chǔ)指標包括作者、期刊、出版年、國家/地區(qū)、機構(gòu)等指標。通過這些基礎(chǔ)指標兩者皆可通過這幾個指標來統(tǒng)計檢索結(jié)果文獻中的文獻分布情況，但是兩者所表現(xiàn)出來的文獻之間的關(guān)系是不一樣的。一方面，從引文角度我們可以看到，Histcite引文分析工具的統(tǒng)計結(jié)果更為能說明能通過檢索結(jié)果去研究文獻之間的引用關(guān)系，易于讀者確定引用最多的文章、作者、單位及全球分布規(guī)律，從而得知誰是該領(lǐng)域的引領(lǐng)人物，是什么研究結(jié)果影響著這個領(lǐng)域的發(fā)展走向等，而Web of Science平臺自帶的分析工具僅僅能看到表面的情況，卻不能從引文的角度去發(fā)現(xiàn)文獻之間的關(guān)系，從而對學(xué)科的發(fā)展態(tài)勢進行更為貼切的表現(xiàn)；另一方面，對于Web of Science平臺自帶的分析工具來說，其所處的系統(tǒng)環(huán)境是Web of Science平臺自身，在進行檢索結(jié)果文獻之間的統(tǒng)計是可以直接進行統(tǒng)計，不需要進行系統(tǒng)的轉(zhuǎn)換而減少了統(tǒng)計帶來的誤差，而Histcite引文分析工具雖然與Web of Science平臺數(shù)據(jù)之間實現(xiàn)了數(shù)據(jù)轉(zhuǎn)換，但是在數(shù)據(jù)轉(zhuǎn)換過程中出現(xiàn)數(shù)據(jù)丟失現(xiàn)象或者是轉(zhuǎn)換的數(shù)據(jù)出現(xiàn)少許偏差都會導(dǎo)致相應(yīng)的誤差，因此是Histcite引文分析工具所不能比擬的，因此我們在進行檢索結(jié)果文獻分析時應(yīng)該避免出現(xiàn)類似現(xiàn)象以保證統(tǒng)計結(jié)果的準確性。

332特有指標

特有指標指的就是參與分析的兩個引文分析工具其所特有的指標參數(shù)。從Web of Science平臺自帶的分析工具方面來說，其相對于Histcite引文分析工具所特有的指標包括Web of Science分類、研究方向、基金資助機構(gòu)等指標；從Histcite引文分析工具方面來說，其相對于Web of Science平臺自帶的分析工具所特有的指標包括LCS（本地被引次數(shù)）、GCS（總被引次數(shù)）、LCR（本地引文數(shù)量）和CR（總引文數(shù)量）、關(guān)鍵詞等計量指標。從這兩者特有的計量指標中可以看到這些指標所展現(xiàn)的文獻關(guān)系是不能互相替代的。首先，Histcite引文分析工具也可根據(jù)可視化圖例反映一定研究分類，但是其并不能很準確地給出相應(yīng)的Web of Science分類和研究方向，僅僅只是通過人的主觀因素給其進行分類，因此相對來說Web of Science平臺自帶的分析工具所給出的Web of Science分類和研究方向相對來說還是比較精確的；其次對于Histcite引文分析工具所給出的LCS（本地被引次數(shù)）、GCS（總被引次數(shù)）、LCR（本地引文數(shù)量）和CR（總引文數(shù)量）、關(guān)鍵詞等計量指標是Web of Science平臺自帶的分析工具所不能給出的，而這些指標恰恰可以從不同的角度來展現(xiàn)某個專業(yè)領(lǐng)域內(nèi)的關(guān)鍵事件，以及它們之間的年代順序及相互影響，從而讓讀者對某個主題的歷史發(fā)展有個快速、深刻的了解，并對寫某個學(xué)科發(fā)展的研究很大的幫助。

4結(jié)語

本文以Web of Science數(shù)據(jù)庫為文獻〔摘要〕微博作為Web20的典型代表，已引起旅游管理部門的廣泛關(guān)注。本文以大陸31家省級旅游局官方微博2015年全年的博文數(shù)據(jù)為研究樣本，采用內(nèi)容分析法對其進行分析和挖掘，歸納出概況類、特色類、服務(wù)類、生活類4個大類，并形成了目的地概況、新聞資訊等14個具體類目。在此基礎(chǔ)上展開分析，發(fā)現(xiàn)粉絲對不同類目的微博反饋有所不同，且不同旅游局官方微博在信息內(nèi)容選擇上也存在差異。因此，本文提出旅游局在開展微博應(yīng)用時應(yīng)制定微博管理制度，加強微博形象建設(shè)，宣傳特色旅游，強化粉絲服務(wù)能力。

〔關(guān)鍵詞〕旅游局；微博；內(nèi)容分析；粉絲反饋；信息選擇

DOI：10.3969/j.issn.1008-0821.2017.03.025

〔中圖分類號〕G202〔文獻標識碼〕A〔文章編號〕1008-0821（2017）03-0141-07

〔Abstract〕As the typical representative of Web20 services，micro-blog has caused wide public concern of tourist boards.This study use the data of all the provincial travel administrations micro-blog accounts in 2015，applying content analysis method to conclude all the blogs into four categories，like overview category，professional category，funny category and living category.Furthermore，we develop them into specific 14 categories.On the basis of the above，we found that the fans behave differently in response to different categories and the official Weibo are different in the selection of the information.Therefore，we propose that the administrations should formulate operation management instructions，reinforce images building，propagandize characteristic tourism and enhance ability for fans service.

〔Key words〕travel boards；micro-blog；content analysis；fans feedback；information selection

旅游業(yè)是電子商務(wù)應(yīng)用得最早、最好的行業(yè)之一。隨著電子商務(wù)與旅游業(yè)的結(jié)合日趨緊密，微博成為旅游機構(gòu)傳播旅游信息和游客發(fā)表旅游體驗的重要平臺，也引起了旅游管理部門的廣泛關(guān)注。新浪微博數(shù)據(jù)中心發(fā)布的《2015年微博年度旅游報告》顯示，截止到2015年12月，已有2 371家旅游機構(gòu)開通了微博官方認證賬戶，其中旅游局帳號近600家[1]。利用微博平臺推廣本地旅游產(chǎn)業(yè)，為游客提供實用、方便的旅游服務(wù)信息，已成為旅游局的共識。

當前，國內(nèi)學(xué)者對旅游微博的應(yīng)用研究主要集中在如下方面：

1）旅游微博的營銷策略研究。如金曉春和金永成針對旅游微博信息碎片化、覆蓋面狹窄等問題，提出應(yīng)整合旅游行業(yè)、傳統(tǒng)媒體和微博新媒體，創(chuàng)新微博內(nèi)容發(fā)布和管理，重視營銷的精確度[2]。王朝暉和周霞分析了微博營銷相對傳統(tǒng)營銷所具有的全方位、廣泛、長期有效的優(yōu)勢，并提出微博營銷可以借鑒傳統(tǒng)營銷的一些做法以彌補微博的不足之處[3]。謝禮珊和曹汝嬌則采用內(nèi)容分析法研究了微博營銷在經(jīng)濟型酒店連鎖集團中的應(yīng)用現(xiàn)狀，并探討了未來微博營銷的管理對策[4]。侯振興和袁勤儉分析了國內(nèi)8家在線旅游企業(yè)的微博形象及負面形象產(chǎn)生原因，提出在線旅游企業(yè)可以從增強核心業(yè)務(wù)服務(wù)能力、提高員工服務(wù)水平、維護客戶隱私安全等方面提升企業(yè)的微博形象[5]。郭珊珊使用LDA算法對30家旅游企業(yè)發(fā)布的微博內(nèi)容進行主題挖掘，研究發(fā)現(xiàn)活動促銷、旅游信息和粉絲互動3類微博對旅游企業(yè)營銷最為有效[6]。

2）旅游微博對游客的影響研究。如呂本富、萬紅杰、劉超群等分析了微博情感對第九屆北京園博會游客流量的影響，發(fā)現(xiàn)正面傾向微博能夠引起當期或未來客流量正向變化，提出旅游官方微博應(yīng)充分發(fā)揮正面微博的影響力，增強游客的旅游意愿[7]。謝麗瓊利用結(jié)構(gòu)方程模型等方法研究了旅游目的地官方微博對游客行為意愿的影響，發(fā)現(xiàn)感知有用性、感知易用性、交互性、感知娛樂性與游客行為意愿正相關(guān)，提出旅游微博運營者應(yīng)依據(jù)影響因素不同依賴程度對微博進行針對性建設(shè)，如定向推送信息、建立情感互聯(lián)、重視口碑傳播等[8]。

由上述可知，當前關(guān)于旅游微博應(yīng)用的研究成果已經(jīng)比較豐富，為后續(xù)研究奠定了堅實的基礎(chǔ)。然而，這些研究大多是從定性的理論分析角度對提升微博應(yīng)用提出建議，僅有少數(shù)研究基于微博客觀內(nèi)容對旅游微博的應(yīng)用個例展開分析，未發(fā)現(xiàn)有學(xué)者從客觀內(nèi)容層面對旅游局官方微博的整體應(yīng)用現(xiàn)狀展開研究。為此，本文擬通過內(nèi)容分析的方法研究我國大陸地區(qū)省級旅游局官方微博發(fā)布的微博內(nèi)容，在從整體上把握旅游局微博應(yīng)用現(xiàn)狀的同時，具體分析微博應(yīng)用過程中的亮點和不足，探索“智慧旅游”背景下旅游局官方微博的運營策略，提出相應(yīng)的管理措施和建議。

1數(shù)據(jù)來源與研究設(shè)計

11數(shù)據(jù)來源

中國互聯(lián)網(wǎng)絡(luò)信息中心CNNIC報告顯示，截止到2015年上半年，新浪微博市場份額達694%[9]，已成為目前國內(nèi)影響力最大、活躍度最高、用戶最多的微博平臺，幾乎所有旅游機構(gòu)都首選在新浪微博平臺開通官方賬戶。因此本文以新浪微博平臺上的旅游局官方微博為研究對象。

111研究具體樣本的選取

省級旅游局官方微博是旅游微博的重要組成部分，相比于市級旅游局微博，具有信息內(nèi)容豐富、更新頻率快、關(guān)注程度高等特點[10]。因此本文以大陸地區(qū)31家省級旅游局的官方微博為研究樣本，展開相關(guān)研究。

112研究樣本量的選取

筆者利用網(wǎng)絡(luò)爬蟲軟件，抓取了上述31家旅游局官方微博2015年全年（2015年1月1日至2015年12月31日）發(fā)布的全部微博，共計70 994條，其中原創(chuàng)微博57 537條，本文的內(nèi)容分析即基于這57 537條原創(chuàng)微博。

12研究設(shè)計

本研究采用內(nèi)容分析法對微博材料進行編碼和分析。內(nèi)容分析法是通過對研究對象的內(nèi)容進行深入分析之后，系統(tǒng)、客觀和量化的描述結(jié)果的一種研究方法[11]。利用該方法可以將媒介上的文字、非量化的有交流價值的信息轉(zhuǎn)化為定量的數(shù)據(jù)，建立有意義的類目分解交流內(nèi)容，并以此來分析信息的某些特征，得出有價值的結(jié)論。

在本研究中，爬蟲抓取到的微博由筆者按省份保存在Excel文件中，再由編碼員分別進行人工編碼。針對收集到的材料，將旅游局微博發(fā)布的每一條微博作為內(nèi)容分析的一個編碼單位，對其內(nèi)容構(gòu)建編碼類目。具體類目如表1所示：

本研究由3位受過規(guī)則培訓(xùn)的編碼員進行編碼，采用內(nèi)部一致性系數(shù)對編碼結(jié)果進行信度檢驗，在完善分析類目后，隨機抽取500條微博進行信度檢驗，結(jié)果顯示信度超過85%，說明內(nèi)容分析的結(jié)果是可靠的。同時，通過對內(nèi)容分析的結(jié)果進行多重證據(jù)來源的三角驗證和證據(jù)鏈檢驗，確保內(nèi)容分析表面效度和內(nèi)容效度的合理性。

2數(shù)據(jù)分析與結(jié)果討論

21官方微博帳號分析

微博總數(shù)和日均發(fā)博數(shù)可以體現(xiàn)微博的活躍情況，微博原創(chuàng)率則在一定程度上反映了官方微博的信息服務(wù)情況。筆者在研究中發(fā)現(xiàn)：①2015年各省級旅游局發(fā)布微博總數(shù)的中位數(shù)是1 801條，保持了較高了活躍度，排名第一的山東旅游局官方微博日均發(fā)博數(shù)更是達2096條/天。②從總體來看東部旅游局的微博活躍度明顯高于西部旅游局，南方旅游局的微博活躍度明顯高于北方旅游局，部分旅游熱門地區(qū)如云南、西藏、青海等地省旅游局微博的活躍度依然有待提高。③各省級旅游局官方微博原創(chuàng)率總體較高，但也有7家旅游局官方微博的原創(chuàng)率不足70%。

22微博時間分布分析

據(jù)新浪微博官方統(tǒng)計，截止到2015年9月，微博的日活躍用戶已達1億，較往年同期保持增長態(tài)勢[12]，即使按照活躍用戶每日發(fā)布一條微博進行估計，新浪微博平臺每日也將產(chǎn)生龐大的微博信息。有學(xué)者研究顯示，非熱門微博一般在發(fā)布4小時后信息就會迅速老化，被粉絲注意到的概率也會極大降低[13]。因此，如果想使自身影響力達到最大，選擇用戶活躍度最高的時間段發(fā)布微博顯得尤為重要。

通過對爬取的全部樣本微博按周和時間匯總，筆者制成了圖1和圖2。由圖1可以發(fā)現(xiàn)，各大旅游局官方微博周一發(fā)布的微博數(shù)相對較多，與之相對應(yīng)的是粉絲較低的轉(zhuǎn)發(fā)數(shù)和評論數(shù)，到了周三、周四兩天是旅游局微博粉絲反饋有所提升，周末一般是微博用戶的活躍期，此時旅游局微博的轉(zhuǎn)發(fā)量也達到了一周最高，而評論數(shù)則相對大為降低，說明在周末的整塊閑暇時間中，對于自己感興趣的內(nèi)容用戶更愿意進行轉(zhuǎn)發(fā)而非評論。

由圖2可知，由于旅游局官方微博主要由工作人員在工作時間進行管理，因此9∶00～11∶00和14∶00～18∶00是微博發(fā)布的兩個高峰期，而粉絲在這兩個時間段的參與并不多。午休時間段（11∶00～14∶00）粉絲的活躍度相對提高了很多。晚間18∶00～24∶00是粉絲活躍度較高的一段時期，而這段時間旅游局的微博數(shù)卻在持續(xù)下滑，該時間段因此也成為旅游局可以進一步開發(fā)利用的時間段。此外，經(jīng)過對發(fā)布在每日0∶00～6∶00時間段的1 129條微博進行分析，筆者發(fā)現(xiàn)該時間段的微博主要由勵志感悟和生活小貼士類微博構(gòu)成，在深夜時間段很容易引發(fā)少數(shù)粉絲的共情心理，從而獲得可觀的轉(zhuǎn)發(fā)量和評論量，因此這一時間段也是官方微博與粉絲進行情感交流的黃金時間段。

23微博內(nèi)容分析

231微博話題內(nèi)容分析

通過發(fā)布不同類型的微博內(nèi)容，各大官方微博不僅可以向粉絲傳遞各種旅游信息，而且可以塑造自身的微博形象和本省的旅游形象，進而促進本地旅游產(chǎn)業(yè)發(fā)展。各省旅游局發(fā)布微博類目的具體比例見表2。

1）概況類微博分析

當前，信息提供依然是旅游局微博內(nèi)容的重點。在大多數(shù)旅游局官方微博中概況類信息的比重都超過了40%，說明他們都將信息發(fā)布視為旅游局官方微博的一個主要功能。從表2可以看出，江蘇、浙江、上海、湖南等地旅游局發(fā)布的新聞資訊類微博較多，反映出這些地區(qū)較高的旅游政務(wù)信息公開水平。此外，游記攻略類微博的作用同樣值得重視。André P等學(xué)者的研究顯示，在用戶認為值得去讀的微博中，49%的微博是有一定信息價值的[14]。而游記攻略類微博則往往被粉絲認為是實用的信息予以收藏、贊賞、轉(zhuǎn)發(fā)和評論，對于宣傳旅游目的地能夠起到積極作用。

2）特色類微博分析

相較概況類微博，特色類微博往往深入介紹旅游目的地的某一方面內(nèi)容，信息層次更深，信息量更大，更加符合某些特定用戶的需求，更容易成為微博熱點話題的引爆點。如安徽省旅游局在2015年8月發(fā)布的以“發(fā)現(xiàn)別樣安徽”為話題的系列微博，從美食、建筑、民俗等角度對省內(nèi)40多個景區(qū)進行介紹，引發(fā)了粉絲的互動高潮，該系列微博平均獲得了71212個贊、43871條轉(zhuǎn)發(fā)和10085條評論。

由表2可以看出，美食特產(chǎn)類所占比例最高，表明旅游局官方微博對該類信息的重視。這也在一定程度上契合了Kivela J和Crotts J C的研究成果，即飲食可以滿足旅游者旅游過程中對物質(zhì)、文化、社交和聲譽等方面的多重需求，進而影響旅游者的旅游體驗、對旅行的滿意度和對旅游目的地的印象[15]。而特色建筑類微博盡管所占比重較少，但其作用不容忽視。Hall C M和Zeppel H的研究即指出，城市建筑可以體現(xiàn)所在城市的傳統(tǒng)風(fēng)貌和鮮明個性，民族地區(qū)的傳統(tǒng)建筑則富集自然景觀和歷史人文景觀[16]。上海旅游局官方微博的微博中即經(jīng)常介紹當?shù)氐呐眉拔餮蠼ㄖ?，引發(fā)粉絲的熱烈回應(yīng)。民俗具有非常豐富的內(nèi)涵，口頭文學(xué)、民間歌舞、民族節(jié)日、婚喪嫁娶等都可以列入民俗的范圍[17]，而旅游業(yè)作為一項文化性的經(jīng)濟產(chǎn)業(yè)[18]，只有著眼于文化創(chuàng)新，突出旅游產(chǎn)品的文化特色，才能打造出富有文化個性的旅游精品，占得市場先機。然而目前旅游局微博普遍對此不夠重視，發(fā)布的相關(guān)微博大多僅以圖片形式展現(xiàn)老藝人的工作場景，引發(fā)粉絲對舊時光的憧憬與緬懷，并不能充分體現(xiàn)當?shù)氐臍v史文化背景與韻味。

3）服務(wù)類微博分析

服務(wù)類微博充分表現(xiàn)了旅游局官方微博通過提供信息服務(wù)以影響粉絲旅游決策的微博應(yīng)用目的。有獎轉(zhuǎn)發(fā)是微博推廣最常見也是最有效的策略之一，包括關(guān)注、轉(zhuǎn)發(fā)、@好友和評論4種方式。節(jié)事活動類微博一般是線下活動在線上的拓展，可以利用旅游局官方微博的影響力建立穩(wěn)定的用戶群，擴大線下的影響力。旅游交通是旅游業(yè)發(fā)展必不可少的先決條件和依附基礎(chǔ)，因此出行交通類微博數(shù)在服務(wù)類微博的比重也相對較高。酒店住宿類信息本就是潛在游客亟待掌握的信息，往往能夠獲得相當積極的反饋，對于引導(dǎo)粉絲的出游意愿和出游決策具有正面影響。

4）生活類微博分析

生活類微博在當前微博平臺比較盛行，也廣受各旅游局官方微博青睞，大抵因為這類微博時效性較低，可以定時發(fā)布，同時也可以增強官方微博的活躍度。其中勵志感悟類微博一般會在睡前和清晨發(fā)布，加上“晚安”或“早安”標簽，內(nèi)容多是與人生、奮斗、成長有關(guān)的心靈雞湯，表達出積極向上的人生態(tài)度。而生活小貼士類微博大多是飲食、健康、家居等方面的小竅門，偶見與旅游相關(guān)的旅游信息提醒類小貼士。而美圖欣賞大多是不知名風(fēng)景區(qū)的攝影圖片，趣聞軼事則是一些小故事或者笑話。從總體上看生活類微博與旅游并沒有多大關(guān)聯(lián)，其數(shù)量之多不僅有損旅游局官方微博的專業(yè)形象，同時在一定程度上也影響了其他與旅游相關(guān)微博的影響力，反映出當前旅游局官方微博片面追求微博活躍度、忽視自身品牌與專業(yè)形象塑造的現(xiàn)狀。

232微博反饋情況分析

旅游局的微博是否具有一定的吸引力和溝通效果，可以由微博的贊數(shù)、轉(zhuǎn)發(fā)數(shù)和評論數(shù)來衡量。一般而言，點贊數(shù)反映了用戶對微博的認同程度，轉(zhuǎn)發(fā)數(shù)和評論數(shù)反映了微博的影響力，表3即展示了旅游局微博的點贊、轉(zhuǎn)發(fā)與評論情況。

經(jīng)過分析筆者發(fā)現(xiàn)，平均贊數(shù)與平均轉(zhuǎn)發(fā)數(shù)具有較高的一致性，“游記攻略”、“美食特產(chǎn)”、“勵志感悟”這3類微博平均贊數(shù)和轉(zhuǎn)發(fā)數(shù)都較高?！皠钪靖形颉鳖愇⒉┮话愎膭钣脩魣猿謮粝搿釔凵睿挥姓芰?，往往能夠獲得較高的贊數(shù)和轉(zhuǎn)發(fā)數(shù)。成功的“趣聞軼事”類微博常因能夠引起讀者的“會心一笑”而獲得由衷的點贊。這在一定程度上與孫會等學(xué)者的研究結(jié)論相一致，即情感需要動機是微博轉(zhuǎn)發(fā)者普遍存在的心理驅(qū)動力，符合用戶認知需求同樣容易引起大量轉(zhuǎn)發(fā)[19]。用戶對“美食特產(chǎn)“類微博的認同則反映出在當今物質(zhì)條件較為豐裕的年代人民對于美食的熱愛與追求，同時此類微博一般所配的讓人食指大動、口中生津的美食圖片更是誘導(dǎo)用戶按下點贊按鈕的重要影響因素?！坝斡浌ヂ浴?、“生活小貼士”類微博則因為切實滿足了用戶的信息需求，得到了相應(yīng)的認同。

3結(jié)論與啟示

本文利用內(nèi)容分析法對大陸地區(qū)31家省級旅游局官方微博于2015年全年發(fā)布的微博內(nèi)容進行分析，探索旅游局微博的內(nèi)容屬性特征，并對其信息屬性進行解讀，從旅游局微博帳號概況、微博發(fā)布時間特征、信息所屬類目等方面對國內(nèi)旅游局微博應(yīng)用現(xiàn)狀進行研究，實證探究了旅游局微博的內(nèi)容特點，獲得如下結(jié)論：

1）就各地旅游局官方微博發(fā)展程度來看，國內(nèi)各地區(qū)省級旅游局官方微博發(fā)展程度還存在一定差異。華東地區(qū)旅游局官方微博總體活躍度最高，發(fā)布的微博內(nèi)容也最為豐富。華中和華南地區(qū)旅游局表現(xiàn)次之，華北和東北地區(qū)旅游局則大致屬于第三梯隊，微博活躍度明顯不如前述各省旅游局。而第四梯隊的西北及西南地區(qū)旅游局對于官方微博的重視程度明顯不夠，大部分微博微博內(nèi)容仍停留在政務(wù)信息通報及目的地概況介紹層面，不能深入充分發(fā)掘介紹本地旅游資源。

基于此，筆者認為各旅游局應(yīng)制定微博管理制度，規(guī)范信息發(fā)布方式。微博已經(jīng)成為重要的營銷工具，在產(chǎn)品開發(fā)、征詢意見、活動促銷等方面都具有重要作用，應(yīng)由專人負責(zé)管理，對微博的服務(wù)對象、擬實現(xiàn)的功能、內(nèi)容和結(jié)構(gòu)、質(zhì)量要求、更新頻率、發(fā)布人員和管理人員等以制度的形式加以規(guī)定。以發(fā)布微博為例，應(yīng)制定相對規(guī)范的發(fā)布標準，對微博內(nèi)容的形式、風(fēng)格加以規(guī)范約束，如采用“文本+圖片”形式，同時加上#話題形式的旅游口號，以形成自身特色。

2）就微博發(fā)布時間特點來看，國內(nèi)旅游局微博多集中在工作日、上班時間發(fā)布，周一到周五微博發(fā)布量顯著高于周末，上午9～11點、下午2～3點各旅游局官方微博發(fā)布量也相對集中，而此時粉絲多忙于學(xué)習(xí)工作，參與度并不高。說明旅游局工作人員沒有完全適應(yīng)微博的傳播規(guī)律，與微博用戶的活躍時間并不相吻合。

基于此，筆者認為各旅游局官方微博應(yīng)重視微博發(fā)布時間的管理，重要的信息應(yīng)選擇在流量高峰期發(fā)布，通過吸引用戶的轉(zhuǎn)發(fā)與評論，擴大旅游局官方微博的影響力。在其他時間段可以適當發(fā)布一些不太重要的信息，以提高微博的活躍度。尤需注意的是，旅游局官方微博應(yīng)加強對潛在黃金時間段的重視，在午休、晚飯、18點到23點等用戶活躍的時間段加強互動與溝通，如轉(zhuǎn)評粉絲微博、對粉絲提出的問題進行答疑解惑，以保持粉絲的忠誠度與長期影響力。

3）就旅游局官方微博內(nèi)容發(fā)布偏好來看，我國旅游局官方微博當前發(fā)布的微博信息仍以概況類信息為主，生活類信息次之，特色類及服務(wù)類信息相對較少。這說明當前各旅游局官方微博以信息提供為主，通過介紹旅游目的地的相關(guān)新聞、資訊和攻略吸引粉絲關(guān)注。但也有不少發(fā)展較好的旅游局官方微博嘗試去發(fā)布專業(yè)類和服務(wù)類信息，在豐富自身微博形象的同時，努力引導(dǎo)粉絲的出游意愿與出游決策，以促進本地旅游產(chǎn)業(yè)發(fā)展。

基于此，筆者認為各旅游局應(yīng)重視特色類微博信息的發(fā)布，深入發(fā)掘當?shù)刭Y源，宣傳特色旅游文化。Read、Hall等學(xué)者認為，特殊興趣是特殊興趣旅游的核心，決定了旅游者出游的動機和對旅游目的地的選擇[20]。例如，在發(fā)布美食特產(chǎn)類微博時，在介紹飲食產(chǎn)品的同時，對當?shù)仫嬍澄幕?、當?shù)鼐用竦娘嬍成钜约帮嬍澄幕慕涣骱凸蚕硪矐?yīng)給與充分的重視與關(guān)注。同時，筆者還建議旅游局官方微博建立場景化營銷的概念，以“實時實地實情實景”的形式對目的地的風(fēng)土人情進行宣傳，同時通過利用流行語言、動圖等形式拉近粉絲距離，引發(fā)粉絲的“口口傳播”，切實強化自身的影響力。

4）就旅游局官方微博反饋情況來看，各旅游局官方微博發(fā)布的不同類型的微博反饋也有所不同。從整體上“游記攻略”、“美食特產(chǎn)”、“勵志感悟”獲得的平均贊數(shù)和轉(zhuǎn)發(fā)數(shù)都比較高，生活類微博相較其他大類微博因為滿足了用戶的情感需求獲得了較高的平均贊數(shù)和平均轉(zhuǎn)發(fā)數(shù)也都比較多，但平均數(shù)相對較低，微博內(nèi)容質(zhì)量相對其他大類微博也有待加強。

基于此，筆者認為，旅游局官方微博應(yīng)塑造自身專業(yè)形象，加強發(fā)布內(nèi)容與旅游信息的聯(lián)系。對于粉絲反饋較積極的生活類微博，應(yīng)注重其內(nèi)容與旅游目的地、旅游活動的有機聯(lián)系。例如，旅游局官方微博可以每天定期發(fā)布一則與本省旅游目的地有關(guān)的趣聞軼事，在潛移默化中對本省的旅游目的進行宣傳推介。同時，筆者還建議，旅游局官方微博可以充分發(fā)揮微博的互動功能，利用微博建立粉絲建議或評論的及時反饋機制，開展有針對性的調(diào)查和服務(wù)，統(tǒng)計問題及意見的提出頻率，總結(jié)經(jīng)驗教訓(xùn)，改進服務(wù)，從而提升粉絲的滿意度，以期達到完善服務(wù)、維系粉絲、拓展?jié)撛谟慰偷哪康摹?/p>

參考文獻

[1]新浪微博數(shù)據(jù)中心.2015年微博旅游發(fā)展報告[EB/OL].http：∥www.useit.com.cn/forum.php？mod=viewthread&tid=10923，2016-05-20.

[2]金曉春，金永成.微博與旅游營銷策略[J].新聞界，2012，（21）：59-62.

[3]王朝暉，周霞.旅游企業(yè)微博營銷效應(yīng)分析[J].商業(yè)研究，2013，（11）：69-73.

[4]謝禮珊，曹汝嬌.經(jīng)濟型酒店連鎖集團微博營銷內(nèi)容研究[J].旅游科學(xué)，2014，28（3）：63-75.

[5]侯振興，袁勤儉.在線旅游企業(yè)微博形象及提升策略研究[J].現(xiàn)代情報，2016，36（3）：42-47.

[6]郭珊珊.基于LDA算法的旅游企業(yè)微博營銷研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[7]呂本富，萬紅杰，劉超群，等.微博情感能影響旅游客流量？——基于新浪微博和園博會的實證研究[J].管理現(xiàn)代化，2015，（3）：93-95.

[8]謝麗瓊.旅游目的地官方微博對游客行為意愿的影響研究[D].杭州：浙江大學(xué)，2014.

[9]中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）.第36次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[EB/OL].http：∥www.ce.cn/xwzx/gnsz/gdxw/201507/23/t2015072360228433.shtml，2016-05-20.

[10]新浪微博數(shù)據(jù)中心.2015年微博旅游發(fā)展報告[EB/OL].http：∥www.useit.com.cn/forum.php？mod=viewthread&tid=10923，2016-05-20.

[11]范龍.內(nèi)容分析法在網(wǎng)絡(luò)傳播研究中的應(yīng)用[J].情報科學(xué)，2010，28（5）：919-922.

[12]新浪微博數(shù)據(jù)中心.2015年度微博用戶發(fā)展報告[EB/OL].http：∥www.useit.com.cn/thread-10921-1-1.html，2016-05-20.

[13]江燕青，許鑫.半衰期視角的微博信息老化研究——以高校官方微博為例[J].圖書情報知識，2016，（2）：92-100.

[14]André P，Bernstein M，Luther K.Who Gives a Tweet？：Evaluating Microblog Content Value[C].Proceedings of the ACM 2012 Conference on Computer Supported Cooperative Work.ACM，2012：471-474.

[15]Kivela J，Crotts J C.Tourism and gastronomy：Gastronomys influence on how tourists experience a destination[J].Journal of Hospitality & Tourism Research，2006，30（3）：354-377.

[16]Hall C M，Zeppel H.History，architecture，environment：Cultural heritage and tourism[J].Journal of Travel Research，1990，29（2）：54-55.

[17]鐘敬文.民俗學(xué)概論（第2版）[M].北京：高等教育出版社，2010：11-12.

[18]Greenwood D J，Smith V L.Culture by the pound：an anthropological perspective on tourism as cultural commoditization[J].Hosts and guests：The anthropology of tourism，1989，（2）：171-185.

[19]孫會，李麗娜.高頻次轉(zhuǎn)發(fā)微博的特征及用戶轉(zhuǎn)發(fā)動機探析——基于新浪微博“當日轉(zhuǎn)發(fā)排行榜”的內(nèi)容分析[J].中國傳媒大學(xué)學(xué)報，2012，（6）：137-138.

[20]Read S E，Hawkins D E，Shafer E L，et al.A prime force in the expansion of tourism in the next decade：special interest travel[J].Tourism marketing and management issues.，1980，（4）：193-202.

（本文責(zé)任編輯：孫國雷）