有多少人“慕名而来”？
来源:用户上传
作者:吴宝清 吴晋峰 石晓腾 张甜歌
[摘 要]知名度是旅游目的地被访问的前提条件之一。旅游景区到访率与知名度的关系尚缺乏系统研究。文章以北京、上海、西安和长春为案例地，基于大样本问卷调查数据，计算了4个客源地居民对目标景区的知名度、到访率，分析了景区到访率与知名度的相关关系，提出了知名度市场转化率概念，研究了景区知名度转化为到访率的情况。研究发现：（1）景区到访率与知名度存在正相关关系，且为指数曲线相关关系。（2）景区知名度市场转化率随origin-destination距离的增加而减小，呈现距离衰减特征。近距离景区（<500 km）知名度市场转化率显著高于中远距离景区（500 km～1500 km）知名度市场转化率，中远距离景区知名度市场转化率略高于遥远距离景区（>1500 km）知名度市场转化率。（3）景区知名度市场转化率受景区区位条件影响，景区区位条件越好，知名度市场转化率越高。文章为旅游市场营销效果测评、旅游市场细分及差异化市场营销等提供了新的思路和方法。
[关键词]景区知名度;景区到访率;知名度市场转化率;相关关系;转化关系
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2020）01-0078-17
Doi： 10.19765/j.cnki.1002-5006.2020.01.011
引言
旅游目的地知名度越高，慕名而来的旅游者一定越多嗎？在现实中，不少旅游目的地虽然享有很高的知名度，但由于旅游成本高、对身体素质要求高等原因，注定只能成为少数人的旅游目的地，例如地球南北极、青藏高原等。可见，“慕名”不一定“而来”，旅游者慕名而来是受一定条件制约的。前人的研究表明，知名度是旅游目的地被访问的首要前提条件[1-2]。但是，旅游者的目的地选择决策还要受目的地的旅游吸引力[3-6]、目的地的旅游形象[7]、旅游者的收入水平[8-11]、人口统计学特征[12]、客源地与目的地之间的距离[13-20]和文化差异[21]等因素的影响。那么，在诸多因素作用下，最终有多少人能实际慕名而来呢？这是一个学界尚未探讨的问题，具有重要的实践指导价值。
学界对旅游目的地知名度的关注起源于消费者行为研究中的产品知名度。产品知名度指在未经提示的情况下，某种产品出现在消费者脑海中的能力[22]，它是广告营销的结果[23]。既有的消费者行为模型一致认为，知名度是消费者试用和重复购买产品的第一步和必要步骤[1，24]，在消费者的购买决策过程中起着至关重要的作用[25]。较早将知名度概念引入旅游者行为研究的是Woodside和Lysonski。1989年，两位学者构建了旅游者目的地选择的一般模型，认为目的地知名度是旅游者目的地选择的主要影响因素之一，它受目的地市场营销以及旅游者特质的共同影响[2]。1995年，Milman和Pizam将旅游目的地知名度定义为是否听过或者认识该旅游目的地[1]。Pike认为最重要的知名度是旅游者在进行目的地选择决策时，能否首先想起该旅游目的地的名字[26]。以往研究对旅游目的地知名度的测量主要有两个视角：第一个视角是依据受访者的应答来反映知名度。例如，Milman和Pizam的研究以受访者回答是否听说过旅游目的地作为知名度的判定标准[1]。其后，Roberts采用该方法测量了保加利亚在美国大学生中的知名度[22]。Woodside和Lysonski认为受访者提及旅游目的地的次序能够反映知名度，提及次序越靠前的旅游目的地的知名度越高[2]。更多研究是采用Likert量表法来测量旅游目的地的知名度。白凯和路春燕采用Likert 5点量表，让受访者对中国7个入境旅游城市的知名度进行打分[27]。Yang等采用Likert 7点量表，基于受访者对3个项目（该旅游目的地的名声很好;该旅游目的地很有名;当我想到类似的旅游目的地时，该旅游目的地立刻浮现在我的脑海中）的打分，测量了中国大陆居民对出境旅游目的地的知名度[28]。Tsaur等采用Likert 5点量表，基于受访者对4个项目（我更常听说台湾;台湾有代表性的符号;台湾的宣传材料中有一个令人印象深刻的口号;台湾的宣传材料上有一个令人印象深刻的标志）的打分，测量了中国台湾地区的知名度[29]。Chekalina等采用Likert 5点量表，基于受访者对3个项目（广告、新闻、著名）的打分，测量了瑞典奥勒（?re）的知名度[30]。王阿敏等采用Likert 5点量表，让受访者对西安的知名度进行打分[31]。第二个视角是依据旅游目的地某些属性来反映知名度。例如，齐莉娜等依据旅游目的地官方网站的入链数来衡量知名度的高低，入链数越多，说明旅游目的地的知名度越高[32]。胡幸福、杨敏依据景区级别来衡量知名度的高低，景区级别越高，说明景区知名度越高[33-34]。
从文献梳理来看，学界关于旅游目的地知名度与旅游者到访关系的研究，以定性讨论为主。学者们认为旅游目的地知名度能够激发旅游者的好奇心，驱使旅游者访问该旅游目的地。旅游者是在自己知晓的旅游目的地集合中筛选合适的目的地进行访问的[22]。倘若旅游目的地无知名度，则没有机会被旅游者选中访问[1]。但是，这并不意味着旅游目的地只要享有知名度，就一定会被旅游者访问[35]。不过在通常情况下，旅游目的地的知名度越高，则越有可能被旅游者访问[26，36]。旅游目的地要想吸引更多旅游者到访，必须要重视旅游市场营销，努力提升知名度[37-40]。尽管已有不少学者讨论分析了旅游目的地知名度与旅游者实际到访的关系，但是对二者定量关系的研究较为薄弱，至今尚未有学者讨论“有多少人能够慕名而来”的问题。本文提出了“市场转化率”概念，用其衡量旅游目的地知名度转化为实际到访率的程度，旨在进一步深入分析旅游目的地到访率与知名度的关系，以求揭示其中的规律。
1 研究方法和数据来源 1.1 研究方法
1.1.1 旅游目的地知名度计算公式
以往研究多是从个体旅游者的视角来定义旅游目的地知名度，反映个体旅游者是否知晓某个旅游目的地。相比而言，从群体旅游者的视角来定义旅游目的地知名度更具实践价值。旅游目的地市场营销的对象是目标客源市场，目的是为了提高在客源市场中的知名度，诱发目标人群的到访[41-43]。因此，旅游目的地必然更加关注在目标群体中享有的知名度。基于上述考虑，本文认为旅游目的地知名度是指目的地在某目标客源市场（既可以是整个客源市场，也可以是某个特定的客源市场）中的知晓程度。若目标客源市场中知晓该旅游目的地的人数占客源市场总人数的比重越大，表明该旅游目的地在目标客源市场中的知名度越高。在实际操作中，可以采用大样本抽样调查法，用抽样调查中某目标客源市场的受访者回答听说过该旅游目的地的人数与受访者总人数的比值来衡量知名度，计算公式如下：
式（1）中，A表示旅游目的地知名度;n表示抽样调查中某客源市场中听说过该旅游目的地的受访者总人数;t表示抽样调查中的某客源市场的受访者总人数。
1.1.2 旅游目的地到访率计算公式
旅游目的地到访率指某目标客源市场中实际到访该旅游目的地的人数与客源市场总人数的比值。它是客源市场在目的地空间上进行市场分割的结果[44]。在实际操作中，可以采用大样本抽样调查法，用抽样调查中某目标客源市场的受访者回答实际到访过该旅游目的地的人数与受访者总人数的比值来衡量到访率，计算公式如下：
式（2）中，V表示旅游目的地到访率;m表示抽样调查中某客源市场中实际到访过该旅游目的地的受访者总人数;t表示抽样调查中的某客源市场的受访者总人数。
1.1.3 旅游目的地知名度的市场转化率计算公式
转化率的概念来源于化工领域，指某一反应物转化为产品的百分率[45]。在本文中，旅游目的地知名度为“反应物”，旅游目的地到访率为“产品”，知名度的市场转化率指知名度转化为实际到访率的百分率，计算公式如下：
式（3）中，C表示旅游目的地知名度转化率;V表示旅游目的地到访率;A表示旅游目的地知名度。结合式（1）式（2），式（3）即：
式（4）中，C表示旅游目的地知名度转化率;m表示抽样调查中某客源市场中实际到访过该旅游目的地的受访者总人数;n表示抽样调查中某客源市场中听说过该旅游目的地的受访者总人数。
1.2 数据来源
1.2.1 案例地的选取
本文以北京、上海、西安和长春为案例客源地。北京位于中国华北地区，是中国首都、直辖市，2017年常住人口为2171万，居民人均可自由支配月收入为4769元;上海位于中国华东地区，是中国直辖市，2017年常住人口为2418万，居民人均可自由支配月收入为4916元;西安是中国西部地区的中心城市之一，2017年常住人口为962万，居民人均可自由支配月收入为2716元;长春是中国东北地区的中心城市之一，2017年常住人口为749万，居民人均可自由支配月收入为2764元1。以上述4个城市为案例客源地，主要基于以下考虑：一方面，4个城市均是区域中心城市，具有代表性;另一方面，4个城市的地理位置、经济发展水平、交通条件等具有较大差异，有利于进行对比研究。
1.2.2 目标景区的选取
在中国旅游业发展中，A级景区为重要的旅游目的地[46]，發挥了重要作用[47]。根据《2017年度中国A级旅游景区统计便览》，2017年A级景区共9450家，共接待53.95亿人次，总收入4339.83亿元，其中，5A级景区共246家，共接待9.49亿人次，总收入1692.9亿元2。因此，本文将以旅游景区为案例目的地，如此更能够保证是旅游到访，避免其他目的到访的干扰。目标景区以高级别景区为主，高级别旅游景区是最重要的旅游吸引物，是吸引旅游者到访的主要驱动力。为确保目标景区的代表性，控制合理的问卷填写时间，本文以案例城市为中心，以每100 km为半径向外画圈层，在每个圈层内优先选取5A级景区（或城市标志性景区，如西安钟楼景区），没有5A级景区的选4A级景区，选择原则是保证每个圈层内的景区空间分布比较均匀。最终，以北京、上海、西安和长春为中心分别选取了85家、86家、83家和87家景区，其中，共同的景区有61家，占景区总数的70.11%～73.49%。由于每个案例客源地有其各自的特点，因此4个客源地所选取的目标景区中有少量非共同的目标景区，例如客源地长春选取了较多吉林省的景区（净月潭景区、长影世纪城、吉林博物馆等6家景区），而其他客源地只选取了净月潭景区作为吉林省的代表景区。目标景区名录见表1。
1.2.3 问卷设计与实施
本文使用大样本问卷调查法来获取研究数据，问卷内容包括两大部分：第一部分为问题设置，包括您是否听说过该旅游目的地？是否曾经到访过该旅游目的地呢？第二部分为人口统计学特征，包括性别、年龄、受教育程度、职业、收入水平等。调查时间为2017年10月至2018年8月，调查地点为北京、上海、西安和长春城市居民日常活动的场所，例如图书馆、商场、步行街、公园、超市等场所。样本规模根据城市人口规模的万分之一确定。经统计，向北京城市居民发放问卷2300份，收回有效问卷2077份，有效率为90.30%;向上海城市居民发放问卷2500份，收回有效问卷2305份，有效率为92.20%;向西安城市居民发放问卷980份，收回有效问卷886份，有效率为90.41%;向长春城市居民发放问卷800份，收回有效问卷747份，有效率93.38%。样本特征见表2。
2 研究结果及分析 2.1 景区知名度/到访率/转化率的相关关系
根据问卷调查数据，分别计算北京、上海、西安和长春4个客源地居民对各自全部目标景区的知名度、到访率、以及知名度市场转化率。以知名度为横坐标，到访率为纵坐标，绘制“知名度-到访率”散点图（图1左）;以知名度为横坐标，知名度的市场转化率为纵坐标，绘制“知名度-转化率”散点图（图1中）;以知名度的市场转化率为横坐标，到访率为纵坐标，绘制“转化率-到访率”散点图（图1右），并根据散点的分布趋势分别进行曲线拟合。
从景区知名度与到访率的散点图和拟合曲线看，4个客源地居民的景区知名度与到访率的拟合曲线均符合指数函数，拟合曲线的R2分别达到了0.85、0.92、0.83和0.89，拟合效果较为理想。说明从整体上看，景区到访率随知名度的提升而增加，且知名度越高，到访率增加的速度越快。根据知名度和到访率的数值集中度，可以将景区知名度划分为高（≥60%）、中（40%～60%）、低（<40%）3个级别，将到访率划分为高（≥40%）、中（15%～40%）、低（<15%）3个级别。两者的关系主要有以下几种：（1）高知名度景区，可能是高/中/低到访率，但以高/中到访率为主;（2）中知名度景区，可能是中/低到访率，但以低到访率为主;（3）低知名度景区，一般是低到访率。相比4个客源地，北京和上海居民的景区知名度与到访率的关系更为接近，二者的“知名度-到访率”散点分布以及拟合曲线相对一致。西安居民的高知名度景区比例（39.75%）远高于北京（22.35%）、上海（18.60%）和长春（5.75%），但在高知名度景区中，西安居民的中低到访率景区比例是最高的，占78.79%。长春居民的低知名度景区比例（71.26%）远高于北京（15.29%）、上海（19.77%）和西安（7.22%），且有22.99%景区的知名度低于30%（其他城市均高于30%）。同时，长春居民的低到访率景区的比例也是4个城市中最高的，占77.01%。由此可见，高知名度的景区，不一定都有高到访率，但是高到访率的景区，一定享有高知名度。不同客源地居民的景区知名度与到访率之间的关系存在差异。
从景区知名度与知名度的市场转化率散点图和拟合曲线看，4个客源地居民的景区知名度与转化率的拟合曲线基本符合指数函数，拟合曲线的R2分别为0.67、0.74、0.62和0.66。虽然从总趋势来看，景区知名度越高，知名度市场转化率越高的可能性越大。但是，“知名度-转化率”散点的分布较为离散，有不少景区的知名度较高，但知名度的市场转化率很低;也有一些景区的知名度较低，但知名度的市场转化率较高。说明景区知名度的市场转化率除了受知名度自身高低的影响之外，受其他因素的影响也较大。并非景区知名度越高，知名度的市场转化率就一定越高。对比4个客源地，在知名度高于60%的景区中，西安居民的知名度市场转化率低于30%的景区比例为32.35%，高于北京（21.05%）、上海（25.00%）和长春（0.00%）。在知名度低于40%的景区中，只有长春居民有知名度市场转化率高于30%的景区，占16.13%，并且知名度市场转化率高于20%的景区比例也是最高的，占48.39%。反映出不同客源地居民的景区知名度市场转化率存在差异。
从景区知名度市场转化率与到访率的散点图和拟合曲线看，4个客源地居民的景区知名度市场转化率与到访率的拟合曲线符合指数函数，拟合曲线的R2分别高达0.98、0.99、0.96和0.97，拟合效果理想。说明景区到访率与知名度市场转化率呈高度相关性，景区知名度的市场转化率越高，景区到访率一般越高。对比4个客源地，在知名度市场转化率相当的景区中，到访率也可能存在较大差异。例如在知名度市场转化率低于40%的景区中，长春居民到访率低于10%的景区高达87.14%，明显高于北京（50.77%）、上海（58.11%）和西安（40.30%）。主要原因在于，长春居民的低知名度景区比例远高于其他3个城市。由此可见，景区到访率的理论最高值取决于知名度的高低，但是实际值受限于知名度市场转化率的高低。
2.2 O-D对距离对景区知名度/到访率/转化率的影响
距离衰减是地理学第一定律[48]。为了探究距离衰减规律是否作用于景区知名度、到访率以及知名度的市场转化率，本文按照客源地与目的地（origin-destination，简称O-D对）距离由近及远的顺序，分别绘制了4个客源地居民对各自全部目标景区的知名度和到访率的距离分布图，以及与之相对应的知名度市场转化率距离分布图（图2）。并按照距离客源地<200km、200km～500km、500km～1000km、1000km～1500km、1500km～2000km、>2000km，分别计算各距离区间内景区的平均知名度、平均到访率以及平均转化率（表3）。
从景区知名度的距离分布图看，距离对景区知名度的影响较弱。不同距离景区的知名度值基本较均匀的围绕知名度平均值上下波动，没有呈现出明显的知名度距离衰减现象。从不同距离区间看，距离小于200km的景区平均知名度最高，其中，北京为75.81%、上海为74.61%、西安为82.29%、长春为55.48%，分别是全部景区知名度均值的1.67、1.47、1.43、1.45倍;距离在200km～500km之间的景区平均知名度也较高，高于全部景区知名度均值;距离在500km～1000km与1000km～1500km之间的景区平均知名度相差不大，接近全部景区知名度均值;距离在1500km～2000km，以及大于2000km的景区平均知名度最小，略低于全部景区知名度均值。由此可见，景区知名度存在局部距离衰减现象，距离小于500km的景区平均知名度明显高于距离大于500km的景区平均知名度，平均高10%以上。距离大于500km的景区知名度受距离的影响较弱。
从景区到访率的距离分布图看，距离对景区到访率的影响较大。总体上，距客源地越近，景区到访率越高，高到访率的景区比例越大;距客源地越远，景区到访率越低，低到访率景区比例越大。从不同距离区间看，距离小于200km的景区平均到访率最高，其中，北京为54.82%、上海为52.26%、西安为55.47%、长春为37.62%，分别是全部景区到访率均值的3.03、3.48、3.03、2.97倍;距离在200km～500km之间的景区平均到访率也较高，高于全部景区到访率均值;在距离大于500km的景区中，除了长春500km～1500km，西安1000km～1500km的景区平均到访率高于全部景区到访率均值之外，其他距离区间内景区平均到访率均低于全部景区到访率均值。在4个客源地中，除了西安1000km～1500km景區平均到访率略高于500km～1500km景区平均到访率之外，不同距离区间的景区平均到访率呈现出明显的距离衰减现象。 从知名度市场转化率的距离分布图看，距离对知名度市场转化率的影响较大。总体上，近距离景区的知名度市场转化率高，远距离景区的知名度市场转化率低。从不同距离区间看，距离小于200km的景区知名度平均市场转化率最高，其中，北京为69.56%、上海为66.75%、西安为65.54%、长春为55.67%，分别是全部景区知名度市场转化率均值的2.19、2.57、2.21、1.95倍;距离在200km～500km之间的景区知名度平均市场转化率也较高，高于全部景区知名度市场转化率均值。在距离大于500km的景区中，除了长春500km～1500km、西安1000km～1500km的景区知名度平均市场转化率高于全部景区知名度市场转化率均值之外，其他距离区间内景区知名度平均市场转化率均低于全部景区知名度市场转化率均值。在4个客源地中，除了西安1000km～1500km景区知名度平均市场转化率高于500km～1500km景区知名度平均市场转化率之外，不同距离区间景区知名度的平均市场转化率呈现出较为明显的距离衰减现象。
2.3 景区区位条件对景区知名度/到访率/转化率的影响
为了探究景区区位对景区知名度、到访率以及知名度市场转化率的影响，本文借助ArcGIS 10.2软件平台，利用空间分析模块中的反距离权重法分别对景区知名度、到访率、知名度市场转化率进行插值分析，并采用自然间断点分级法对数值进行分类，分别绘制了4个客源地居民对各自全部目标景区的知名度、到访率、知名度市场转化率的空间分异图（图3）。
从图3（a）可见，在4个客源地中，西安居民的高知名度景区的数量最多，分布最广。除了位于东北、西北、贵州和广西的部分景区知名度较低之外，其他地区的景区知名度大都高于50%。知名度高于60%的景点主要分布在以西安为中心的500km以内区域、东部沿海地区、西南部分地区和海南。北京和上海居民的景区知名度空间分布具有相似性，大部分地区的景区知名度都高于40%，知名度高于60%的景点主要分布在东部沿海地区、长江中游地区、西藏和海南。长春与上述3个城市有很大的差异，高知名度景区只集中分布在以长春为中心的小范围区域。除此之外，知名度较高的景区主要零星分布在北京、上海、杭州、三亚、张家界、西安等城市。其余景区的知名度大都低于40%。由此可见，不同客源地居民的景区知名度空间分布既有差异，也有相同，总体上4个城市对东部沿海地区的景区知名度都较高。
从图3（b）可见，北京和上海居民到访率较高的景区主要分布在东部沿海地区，其中，到访率高于40%的景区主要分布在环渤海和长三角地区。西安居民到访率较高的景区主要分布在陕西、邻近省份和东部沿海地区，其中，到访率高于40%的景区主要分布在关中地区、环渤海地区和长三角地区。长春居民到访率较高的景区主要分布在东北地区、环渤海地区、长三角地区以及海南省。对比景区知名度和到访率空间分布图可直观看出，对北京、上海和西安居民而言，只有部分地区景区的高知名度能够有效转化成高到访率。与高知名度景区的分布空间相比，高到访率景区的分布空间明显收缩了。与上述3个城市有所区别，长春居民东北地区高到访率景区的分布空间得到了扩张。反映出，对长春居民而言，东北地区景区知名度更能有效地转化成到访率。
从图3（c）可见，对北京居民而言，位于东部沿海地区，以及西安、成都、昆明、三亚等热门旅游城市的景区知名度市场转化率较高，尤其是位于京沪沿线的景区知名度市场转化率大都高于50%。上海与北京基本类似，但不同之处在于上海居民知名度市场转化率大于50%的景区主要集中分布在长三角地区，其次是北京。对西安居民而言，位于陕西、邻近省份、长三角地区和环渤海地区的景区知名度市场转化率比较高，而位于西藏、新疆、云南、以及东南沿海等边远地区的景区虽然知名度很高，但知名度的市场转化率很低。对长春居民而言，知名度市场转化率较高的景区主要分布在东北地区、环渤海地区、长三角地区以及海南省。值得一提的是，西藏布达拉宫在长春的知名度高达51%，但到访率只有4.42%，知名度的市场转化率仅为8.66%。综上所述，不同区位条件的景区知名度市场转化率不同。首先，位于客源地以及周边地区的景区知名度市场转化率最高。客源地居民只需花费少量的时间和经济成本即可访问近距离景区。其次，地理分布集中连片、交通通达性高的景区，其知名度市场转化率一般较高。例如，以北京为中心的环渤海地区和以上海为中心的长三角地区的景区知名度市场转化率明显高于其他地区的景区知名度市场转化率。环渤海和长三角地区景区众多，且交通发达。旅游者在一次旅程中就可以十分便捷地访问多家景区，缩短了行游比，降低了旅游总成本。这与Chen和Tsai认为餐厅集聚可以减少顾客寻找合适餐厅所需的搜索时间和成本[49]的观点相类似。再者，位于一些旅游资源丰富、交通便捷的城市的景区知名度市场转化率一般较高，如北京、上海、杭州、苏州、南京、厦门、西安、成都、三亚、桂林等。而位于西部边疆地区和东北地区的景区，除了近距离客源地居民对其的知名度市场转化率较高之外，其他客源地居民对其的知名度市场转化率大都较低。
2.4 不同客源地居民的景区知名度/到访率/转化率差异
2.4.1 对应分析
对应分析法（correspondence analysis）可以直观描述两个或多个分类变量在各个水平间的相关性[50]，该方法已被应用于旅游研究[51-53]。为了分析不同客源地居民对相同景区的知名度、到访率以及知名度市场转化率的差异。本文以问卷中共有的61家目标景区为靶标，借助SPSS 19.0软件，以客源地为行变量，以景区为列变量，分别依据知名度、到访率、转化率进行对应分析，结果显示两个维度共携带了80%以上的原始信息，并绘制了4个客源地与61家景区的对应分布散点图（图4）。
从图4（a）可见，对景区知名度而言，4个客源地呈聚拢分布，北京位于中心位置，61家景区总体上也较为聚集地分布在4个客源地之间。说明不同客源地居民的景区知名度之间的总体差异较小。4个客源地居民只对少数景区的知名度存在着较大差异。其中，上海居民对普陀山、中山陵、杭州西湖、苏州园林的知名度明显高于其他3个城市;西安居民對华山、法门寺、宝塔山的知名度明显高于其他3个城市;长春居民对净月潭、金石滩、沈阳故宫的知名度明显高于其他3个城市。 从图4（b）可见，对景区到访率而言，4个客源地在两个维度上具有明显的区分度，61家景区与对应的客源地形成集聚分布。说明不同客源地居民的景区到访率之间的差异较大。相比知名度，4个客源地居民到访率差异较大的景区明显增多了。其中，上海居民对杭州西湖、东方明珠电视塔、苏州园林、中山陵、普陀山、黄山、鼓浪屿的到访率明显高于其他3个城市;西安居民对华山、法门寺、宝塔山、青海湖、龙门石窟、麦积山、青城山的到访率明显高于其他3个城市;长春居民对净月潭、金石滩、沈阳故宫、太阳岛的到访率明显高于其他3个城市。
从图4（c）可见，对知名度的市场转化率而言，4个客源地在两个维度上的区分度也较为明显，61家景区与对应的客源地形成集聚分布。说明不同客源地居民的景区知名度市场转化率存在明显差异。从景区与客源地的位置关系可以看出，上海居民对杭州西湖、苏州园林、东方明珠电视塔、普陀山、黄山、中山陵、鼓浪屿、庐山、武夷山的知名度市场转化率明显高于其他3个城市;西安居民对宝塔山、华山、法门寺、龙门石窟、青海湖、麦积山、银川沙湖、青城山、峨眉山的知名度市场转化率明显高于其他3个城市;长春居民对净月潭、太阳岛、中俄边境、沈阳故宫、金石滩的知名度市场转化率明显高于其他3个城市。
2.4.2 位序分析
为了便于观察对比，本文统计了问卷中共同的61家目标景区分别在4个客源地中的知名度、到访率以及知名度市场转率的位序，排名前10的景区见表4。计算出各个景区在4个客源地中的知名度、到访率以及知名度市场转率的平均位序，以平均位序的排名作为景区知名度、到访率以及知名度市场转率的综合位序（表5）。
从表4可见，北京故宫、东方明珠电视塔、杭州西湖在4个客源地中的知名度位序均位于前10，是公认的高知名度景区;北京故宫、东方明珠电视塔、杭州西湖、苏州园林的到访率在4个客源地中的位序均位于前10，是公认的高到访率景区;北京故宫、东方明珠电视塔、杭州西湖、中山陵的知名度市场转化率在4个客源地中的位序均位于前10，是公认的高知名度市场转化率景区。由此可见，北京故宫、东方明珠电视塔和杭州西湖是知名度、到访率以及知名度市场转化率全部位居前10的景区。
从表5景区知名度、到访率和转化率的位序对比可以看出：（1）到访率和转化率位序均明显低于知名度位序（位序相差≥10）的景区有：布达拉宫、西双版纳、承德避暑山庄、普达措国家公园、青海湖、武夷山、天山天池、神农架、武当山、黄果树瀑布、葡萄沟、遵义会议会址、井冈山、北极村14家景区。这些景区多数分布在偏远地区或者交通不便的地区，导致知名度不能有效地转化成实际到访率。（2）到访率和转化率位序均明显高于知名度位序（位序相差≥10）的景区有：中山陵、崂山、青城山、白云山、曲阜三孔、太阳岛、金石滩、晋祠、宝塔山、深圳华侨城、银川沙湖、云台山、大足石刻13家景区。说明这些景区的知名度能相对有效地转化成实际到访率。（3）知名度、到访率以及转化率的位序相差不大（位序相差≤5）的景区有：北京故宫、东方明珠电视塔、杭州西湖、天涯海角、苏州园林、鼓浪屿、北戴河、黄鹤楼、漓江、龙门石窟、韶山、喀纳斯、博斯腾湖13家景区。其中，北京故宫、东方明珠电视塔、杭州西湖、天涯海角、苏州园林、鼓浪屿6家景区的知名度、到访率和转化率的位序均位于前10，是客源地居民公认的高知名度、高到访率以及高转化率的景区。进一步说明了不同景区的知名度市场转化率是不同的。
3 结论与启示
3.1 结论
（1）景区到访率与知名度存在正相关关系，且为指数曲线相关关系。景区到访率随知名度的提升呈加速增长趋势，知名度较低时，到访率增加速度较慢，知名度较高时，到访率增加速度较快。提升景区知名度对提高景区到访率具有普遍意义，尤其是提升已经具有相当知名度的景区知名度，可获得更高的到访率回报。
（2）景区知名度市场转化率随O-D对距离的增加而减小，呈现距离衰减特征。O-D对距离越小，知名度市场转化率越高;O-D对距离越大，知名度市场转化率越低。当O-D对距离分别为<200km、200km～500km、500km～1000km、1000km～1500km、1500km～2000km、>2000km时，景区知名度平均市场转化率分别为64.44%、36.57%、29.49%、26.86%、22.45%、18.56%。近距离（<500km）景区知名度市场转化率显著高于中远距离（500km～1500km）景区知名度市场转化率，中远距离景区知名度市场转化率略高于遥远距离（>1500 km）景区知名度市场转化率。
（3）景区知名度市场转化率受景区区位条件的影响。位于客源地及其周边地区的景区，旅游者只需花费少量的时间和经济成本即可访问，知名度市场转化率较高。景区集中连片分布、交通通达性高的区域或城市，旅游者一次旅程即可访问多家景区，知名度市场转化率也较高。位于偏远地区且交通通达性较差的景区，知名度市场转化率较低。
（4）景区知名度市场转化率是分析景区知名度與到访率转化关系的有效指标。不仅可以定量计算景区知名度与到访率的转化程度，而且可以反映两者的转化规律，为进一步研究知名度与到访率的转化机理奠定基础。
3.2 启示
（1）依据知名度市场转化率测评旅游市场营销效果。营销效果测评是目的地营销研究领域中具有挑战性的问题之一，常用的评价指标有市场份额、财务指标、品牌资产等，但至今尚未有公认的评价指标[54]。本研究提出的知名度市场转化率可以为营销效果测评提供新的思路和方法。旅游目的地营销组织（destination marketing organizations， DMOs）在开展市场营销工作之前，可以提前调查目标客源市场对该旅游目的地的知名度和到访率，计算知名度市场转化率;在开展市场营销工作之后，可以定期调查目标客源市场对该旅游目的地的知名度和到访率，计算知名度市场转化率。通过对比开展市场营销工作前后，知名度市场转化率的变化情况反映旅游市场营销效果。同时DMOs还可以通过对比不同目标客源市场的知名度市场转化率变化情况，测评相同市场营销策略对不同目标客源市场的营销效果差异，使旅游市场营销效果测评更加精准。 （2）依据知名度市场转化率细分旅游市场及实施差异化市场营销。根据本研究发现的知名度市场转化率距离衰减特征，DMOs可以将旅游市场细分为：① 近距离（<500km）核心市场。近距离核心市场对旅游目的地的知名度市场转化率很高。DMOs可以进一步提高旅游目的地在近距离市场中的知名度，以实现到访率的进一步提升。另外，由于近距离市场对旅游目的地已有较高的到访率，DMOs可以设法提升近距离市场的重游率。② 中远距离（500km～1500km）拓展市场。由于距离的阻碍作用，中远距离市场的知名度市场转化率有所下降。建议DMOs优先考虑在经济发展水平高、交通通达性高的城市进行旅游营销，吸引其中的高收入群体到访。同时，建议DMOs采用产品组合营销策略，将邻近的几个旅游目的地作为整体进行市场营销，借助整体旅游吸引力提高知名度市场转化率。③遥远距离（>1500km）机会市场。遥远距离客源市场的知名度市场转化率较低，DMOs无需投入大量资金进行大范围的营销宣传。但是，隨着社会经济水平的不断发展，人们的出游能力将越来越强，尤其是随着交通技术的不断革新，“时空压缩”现象将越来越明显，遥远距离客源市场的知名度市场转化率也可能变高，DMOs可以有选择地锁定个别机会市场。
（3）将知名度市场转化率作为旅游交通规划的依据之一。本研究发现交通通达性是影响知名度市场转化率的重要因素之一。对任何一个旅游目的地而言，提高O-D之间的交通通达性对提高知名度市场转化率都具有重要意义。对于在目标客源市场中享有很高知名度，但是知名度市场转化率较低的旅游目的地，一方面要致力于改善O-D之间的交通条件，提高交通通达性，例如增设航线或增加航班、规划高速铁路、修建高速公路等，另一方面还要提高其与周边一定距离范围内其他高知名度旅游目的地之间的交通通达性，提高目的地对目标客源市场的整体旅游吸引力，进而提高知名度市场转化率。
4 研究不足与展望
虽然本研究取得了一些有意义的发现，但也存在不足。首先，本文的研究对象是高级别旅游景区的到访率与知名度的关系。低级别旅游景区的到访率与知名度的关系如何，是否与高级别景区一致，有待进一步的实证研究。其次，本文没有对景区类型进行区分。未来需要增加不同类型景区的到访率与知名度的关系对比研究。再者，不同性别、不同年龄、不同收入、不同职业等群体对景区的知名度和到访率可能存在差异。本文只讨论了不同客源地群体的景区到访率与知名度的关系。在今后的研究中，需要区分不同人口统计特征群体，使研究结果更加精准，更具实践指导价值。
参考文献（References）
[1] MILMAN A， PIZAM A. The role of awareness and familiarity with a destination： The central Florida case[J]. Journal of Travel Research， 1995， 33（3）： 21-27.
[2] WOODSIDE A G， LYSONSKI S. A general model of traveler destination choice[J]. Journal of Travel Research， 1989， 27（4）： 8-14.
[3] PRIDEAUX B. Factors affecting bilateral tourism flows[J]. Annals of Tourism Research， 2005， 32（3）： 780-801.
[4] LEIPER N. Tourist attractio n systems[J]. Annals of Tourism Research， 1990， 17（3）： 367-384.
[5] 刘法建， 张捷， 陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报， 2010， 65（8）： 1013-1024. [LIU Fajian， ZHANG Jie， CHEN Dongdong. The characteristics and dynamical factors of Chinese inbound tourist flow network[J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024.]
[6] 孙根年， 张毓， 薛佳. 资源-区位-贸易三大因素对日本游客入境旅游目的地选择的影响[J]. 地理研究， 2011， 30（6）： 1032-1043. [SUN Gennian， ZHANG Yu， XUE Jia. Scenery attraction， location accessibility and trade connection： Three factors and their influences on destination choice of Japanese tourists[J]. Geographical Research， 2011， 30（6）： 1032-1043.]
[7] 吕兴洋， 宋慧林， 金媛媛. 信息过载情境下旅游者目的地选择决策研究——热门形象与长尾形象的差异化作用分析[J]. 人文地理， 2017 （5）： 154-160. [LYU Xingyang， SONG Huilin， JIN Yuanyuan. Study on tourism destination decision making under the situation of information overload： Differential effects between head image and tail image[J]. Human Geography， 2017 （5）： 154-160.] [8] ERYIG?IT M， KOTIL E， ERYIG?IT R. Factors affecting international tourism flows to Turkey： A gravity model approach[J]. Tourism Economics， 2010， 16（3）： 585-595.
[9] 张捷， 都金康， 周寅康， 等. 自然观光旅游地客源市场的空间结构研究——以九寨沟及比较风景区为例[J]. 地理学报， 1999， 54（4）： 357-364. [ZHANG Jie， DU Jinkang， ZHOU Yinkang， et al. Spatial structure of tourist source areas for the naturally scenic sightseeing places： A case study of Jiuzhaigou[J]. Acta Geographica Sinica， 1999， 54（4）： 357-364.]
[10] 保继刚， 郑海燕， 戴光全. 桂林国内客源市场的空间结构演变[J]. 地理学报， 2002， 57（1）： 96-106. [BAO Jigang， ZHENG Haiyan， DAI Guangquan. The evolvement of spatial structure and the significance of Guilin’s domestic tourist origins[J]. Acta Geographica Sinica， 2002， 57（1）： 96-106.]
[11] 赖思振， 邹永广. 旅游区的客源地出游力测评研究——以福建省古田旅游区为例[J]. 经济地理， 2016， 36（3）： 194-200. [LAI Sizhen， ZOU Yongguang. The evaluation of tourism area's origin emissiveness： A case study of Gutian tourism area in Fujian[J]. Economic Geography， 2016， 36（3）： 194-200.]
[12] 宋慧林， 吕兴洋， 蒋依依. 人口特征对居民出境旅游目的地选择的影响——一个基于TPB模型的实证分析[J]. 旅游学刊， 2016， 43（2）： 33-43. [SONG Huilin， LYU Xingyang， JIANG Yiyi. The effects of characteristics of tourists on Chinese outbound tourism destination choice behavior： An empirical study based on TPB model[J]. Tourism Tribune， 2016， 43（2）： 33-43.]
[13] SANTERAMO F G， MORELLI M. Modelling tourism flows through gravity models： A quantile regression approach[J]. Current Issues in Tourism， 2016， 19（11）： 1077-1083.
[14] NICOLAU J L， M?S F J. The influence of distance and prices on the choice of tourist destinations： The moderating role of motivations [J]. Tourism Management， 2006， 27（5）： 982-996.
[15] 汪德根， 牛玉， 王莉. 高鐵对旅游者目的地选择的影响——以京沪高铁为例[J]. 地理研究， 2015， 34（9）： 1770-1780. [WANG Degen， NIU Yu， WANG Li. Influence of high-speed rail on choices of tourist destination based on the gravity model： A case study of Beijing-Shanghai high-speed rail in China[J]. Geographical Research， 2015， 34（9）： 1770-1780.]
[16] 曹晶晶， 章锦河， 周珺， 等. “远方”有多远？——感知距离对旅游目的地选择行为影响的研究进展[J]. 旅游学刊， 2018， 33（7）： 103-118. [CAO Jingjing， ZHANG Jinhe， ZHOU Jun， et al. How far is “far”？Progress and implications in tourism and cognitive distance research[J]. Tourism Tribune， 2018， 33（7）： 103-118.]
[17] 吴晋峰， 包浩生. 旅游流距离衰减现象演绎研究[J]. 人文地理， 2005， 20（2）： 62-65. [WU Jinfeng， BAO Haosheng. Research on the distance decay of the tourist flow[J]. Human Geography， 2005， 20（2）： 62-65.]
[18] 张高军， 吴晋峰， 曹晓仪， 等. 基于等时/费线的旅游客源市场空间分异研究[J]. 旅游学刊， 2015， 30（10）： 89-98. [ZHANG Gaojun， WU Jinfeng， CAO Xiaoyi， et al. Geospatial differentiation of the total tourist market[J]. Tourism Tribune， 2015， 30（10）： 89-98.] [19] YAN L. Uneven distance decay： A study of the tourism market segments of Hong Kong[J]. International Journal of Tourism Sciences， 2011， 11（1）： 95-112.
[20] WU B Q， WU J F， SHI X T， et al. Visiting probability model： A new method for tourist volume forecasting[J]. Asia Pacific Journal of Tourism Research， 2019， 24（12）： 1155-1168.
[21] 周玲强， 毕娟. 文化距离对国际旅游目的地选择行为的影响： 以中国入境游市场为例[J]. 浙江大学学报 （人文社会科学版） 2017（4）： 130-142. [ZHOU Lingqiang， BI Juan. The influence of cultural distance on international tourism destination choices： A case study of Chinese inbound tourism market[J]. Journal of Zhejiang University （Humanities and Social Sciences Edtion） 2017（4）： 130-142.]
[22] ROBERTS K I. Destination Familiarity， Awareness and Image of Bulgaria among U. S. College Students and Their Intent to Travel[D]. Florida ： University of Florida， 2008.
[23] MASON M C， NASSIVERA F. A conceptualization of the relationships between quality， satisfaction， behavioral intention， and awareness of a festival[J]. Journal of Hospitality Marketing & Management， 2013， 22（2）： 162-182.
[24] KONECNIK M， GARTNER W C. Customer-based brand equity for a destination[J]. Annals of Tourism Research， 2007， 34（2）： 400- 421.
[25] BARREDA A A， BILGIHAN A， NUSAIR K， et al. Generating brand awareness in online social networks[J]. Computers in Human Behavior， 2015， 50： 600-609.
[26] PIKE S D. ToMA as a measure of competitive advantage for short break holiday destinations[J]. Journal of Tourism Studies， 2002， 13（6）： 9-19.
[27] 白凯， 路春燕. 中国入境旅游热点城市知名度认知的空间相关性[J]. 干旱区地理， 2012， 35（2）： 281-287. [BAI Kai， LU Chunyan. Spatial correlation of tourism popular cities’ awareness in China from the perspective of inbound tourists’ cognition[J]. Arid Land Geography， 2012， 35（2）： 281-287.]
[28] YANG Y， LIU X， LI J. How customer experience affects the customer-based brand equity for tourism destinations[J]. Journal of Travel & Tourism Marketing， 2015， 32（1）： 1-17.
[29] TSAUR S H， YEN C H， YAN Y T. Destination brand identity： Scale development and validation[J]. Asia Pacific Journal of Tourism Research， 2016， 21（12）： 1310-1323.
[30] CHEKALINA T， FUCHS M， LEXHAGEN M. Destination brand promise： The core of customer-based brand equity modeling[J]. Tourism Analysis， 2018， 23（1）： 93-107.
[31] 王阿敏， 吳晋峰， 王君怡. 非特定目的地旅游经验对目的地形象的影响研究[J]. 旅游学刊， 2018， 33（7）： 79-90. [WANG Amin， WU Jinfeng， WANG Junyi. Influence of nonspecific destination vacation experience on tourism destination image[J]. Tourism Tribune， 2018， 33（7）： 79-90.] [32] 齐莉娜， 张毅， 吴必虎， 等. 重大事件对举办地景区知名度影响测量研究[J]. 北京大学学报 （自然科学版）， 2009， 45（6）： 1061-1067. [QI Lina， ZHANG Yi， WU Bihu， et al. Research on the measurement of the impact of a mega-event on the awareness of tourism attractions in host city[J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 2009， 45（6）： 1061-1067.]
[33] 胡幸福. 旅游文化人文因子在景区知名度区分中的作用[J]. 山西师大学报 （社会科学版）， 2013， 40（5）： 127-131. [HU Xingfu. The role of the human factor of tourism culture in the popularity of the scenic spot[J]. Journal of Shanxi Normal University （Social Science Edition）， 2013， 40（5）： 127-131.]
[34] 杨敏. 基于关键词查询的旅游目的地在线信息关注度分析——以我国8大旅游热点城市为例[J]. 资源开发与市场， 2014， 30（2）： 244-246; 251. [YANG Min. Analysis on tourism destination online attention based on keywords search—A case study of 8 tourism hotspot cities in China[J]. Resource Development & Market， 2014， 30（2）： 244-246; 251.]
[35] FESENMAIER D R， VOGT C A， STEWART W P. Investigating the influence of welcome center information on travel behavior[J]. Journal of Travel Research， 1993， 31（3）： 47-52.
[36] 郭英之. 旅游市场营销[M]. 大连： 东北财经大学出版社， 2014： 250-283. [GUO Yingzhi. Tourism Marketing[M]. Dalian： Dongbei University of Finance & Economic Press， 2014： 250-283.]
[37] 陆锋. 新媒体时代的旅游目的地宣传和营销[J]. 旅游学刊， 2018， 33（4）： 1-3. [LU Feng. Tourism destination promotion and marketing in the new media era[J]. Tourism Tribune， 2018， 33（4）： 1-3.]
[38] 杨锐， 张攀， 牛永革. 旅游口号信息诉求对口号态度和旅游意愿的影响研究——基于心理意象加工的视角[J]. 旅游学刊， 2018， 33（6）： 73-86. [YANG Rui， ZHANG Pan， NIU Yongge. The effect of tourism slogan message appeals on attitude toward slogan and travel intention： Based on the perspective of mental imagery processing theory[J]. Tourism Tribune， 2018， 33（6）： 73-86.]
[39] 李燕琴， 吳必虎. 旅游形象口号的作用机理与创意模式初探[J]. 旅游学刊， 2004 （1）： 82-86. [LI Yanqin， WU Bihu. A study on the mechanism and creating models of tourism advertising theme[J]. Tourism Tribune， 2004 （1）： 82-86.]
[40] MORRISON A M. Marketing and Managing Tourism Destinations[M]. London： Routledge， 2013： 19-45.
[41] 王信章. 建立科学高效的旅游目的地市场营销体系的六个环节[J]. 旅游学刊， 2008， 23（4）： 6-7. [WANG Xinzhang. Six parts in establishing scientific and efficient tourist destination marketing system[J]. Tourism Tribune， 2008， 23（4）： 6-7.]
[42] 魏婧， 潘秋玲. 近20年国外旅游目的地市场营销研究综述[J]. 人文地理， 2008 （1）： 92-97. [WEI Jing， PAN Qiuling. A comprehensive studu on marketing of foreign tourism destinations over the past two decades[J]. Human Geography， 2008 （1）： 92-97.]
[43] 卞显红， 树夫. 旅游目的地市场营销战略及其竞争力提升研究[J]. 江苏商论， 2005 （3）： 68-70. [BIAN Xianhong， SHU Fu. Study on the marketing strategy of tourism destination and its competitiveness promotion[J]. Jiangsu Commercial Forum， 2005 （3）： 68-70.] [44] 吴必虎， 唐俊雅， 黄安民， 等. 中国城市居民旅游目的地选择行为研究[J]. 地理学报， 1997， 52（2）： 97-103. [WU Bihu， TANG Junya， HUANG Anmin， et al. A study on destination choice behavior of Chinese urban residents[J]. Acta Geographica Sinica， 1997， 52（2）： 97-103.]
[45] 任仁. 在基础化学课中如何讲述转化率的定义[J]. 大学化学， 1986 （3）： 22-24. [REN Ren. How to describe the definition of conversion rate in basic chemistry class[J]. University Chemistry， 1986 （3）： 22-24.]
[46] 贾垚焱， 胡静， 刘大均， 等. 长江中游城市群A级旅游景区空间演化及影响机理[J]. 经济地理， 2019， 39（1）： 198-206. [JIA Yaoyan， HU Jing， LIU Dajun， et al. Spatial evolution and influence mechanism of A-level scenic spots in urban agglomeration in the middle reaches of the Yangtze River[J]. Economic Geography， 2019， 39（1）： 198-206.]
[47] 朱竑， 陈晓亮. 中国A级旅游景区空间分布结构研究[J]. 地理科学， 2008 （5）： 607-615. [ZHU Hong， CHEN Xiaoliang. Space distribution structure of A -grade scenic spot in China[J]. Scientia Geographica Sinica， 2008 （5）： 607-615.]
[48] TOBLER W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography， 1970， 46 （2）： 234-240.
[49] CHEN L F， TSAI C T. Data mining framework based on rough set theory to improve location selection decisions： A case study of a restaurant chain[J]. Tourism Management， 2016， 53： 197-206.
[50] 张文彤. SPSS统计分析高级教程[M]. 北京： 高等教育出版社， 2004： 297-301. [ZHANG Wentong. SPSS Statistical Analysis and Advanced Tutorials[M]. Beijing： Higher Education Press， 2004： 297-301.]
[51] 趙振斌， 赵倩倩. 国际互联网上传播的西安旅游形象： 分裂与整合[J]. 干旱区资源与环境， 2012， 26（9）： 178-183. [ZHAO Zhenbin， ZHAO Qianqian. Tourism image of Xi'an on internet： Division and integration[J]. Journal of Arid Land Resources and Environment， 2012， 26（9）： 178-183.]
[52] 吴晋峰， 王阿敏， 王君怡. 旅游目的地形象的群体差异研究——本地人、已游客和未游客的比较[J]. 经济管理， 2017， 39（5）： 130-145. [WU Jinfeng， WANG Amin， WANG Junyi. Exploring destination image differences among locals， tourists and prospective tourists[J]. Economic Management， 2017， 39（5）： 130-145.]
[53] 吴宝清， 吴晋峰， 吴玉娟， 等. 基于网络文本的TDI地域差异研究——以西安的国内旅游形象为例[J]. 浙江大学学报 （理学版）， 2015， 42（4）： 474-482. [WU Baoqing， WU Jinfeng， WU Yujuan， et al. The influence of distance on tourism destination image based on network text—A case study of Xi'an domestic tourism image[J]. Journal of Zhejiang University （Science Edition）， 2015， 42（4）： 474-482.]
[54] 刘丽娟， 李天元， 王雪. 旅游目的地营销绩效评价研究现状与展望[J]. 旅游学刊， 2013， 28（3）： 120-128. [LIU Lijuan， LI Tianyuan， WANG Xue. Current situation and prospects of studies on the evaluation of tourist destination marketing performance[J]. Tourism Tribune， 2013， 28（3）： 120-128.] How Many People Will Visit a Destination after Hearing about It？
The Relationship Between Visiting Rate and Destination Awareness
WU Baoqing1， WU Jinfeng1，2， SHI Xiaoteng1， Zhang Tiange1
（1. School of Geography and Tourism， Shaanxi Normal University， Xi’an 710119， China;
2. Shaanxi Key Laboratory of Tourism Informatics， Xi’an 710119， China）
Abstract： Having awareness is one of the important prerequisites for people to visit a tourist destination. Currently， there is a lack of systematic research on the relationship between visiting rate and destination awareness. To date， the question of “How many people will visit a destination after hearing about it？” has not received sufficient attention. In this paper， we propose a market conversion rate model to measure the degree of destination awareness that is converted into visits. Taking Beijing， Shanghai， Xi’an， and Changchun as the origin cities and selecting some of the Grade 5A， Grade 4A， and landmark scenic spots as the target destinations， the residents of Beijing， Shanghai， Xi’an， and Changchun were interviewed and asked whether they had heard about and visited the target destinations. From October 2017 to August 2018， 2300 questionnaires were distributed to Beijing residents， and 2077 valid questionnaires were returned （90.30% response rate）， 2500 questionnaires were distributed to Shanghai residents， and 2305 valid questionnaires were returned （92.20% response rate）， 980 questionnaires were distributed to Xi’an residents， and 886 valid questionnaires were returned （90.41% response rate）， and 800 questionnaires were distributed to Changchun residents， and 747 valid questionnaires were returned （93.38% response rate）. Based on the respondents’ answers， we calculated the awareness， visiting rate， and market conversion rate of the four cities’ residents in relation to each target destination. The correlation and conversion relationship between visiting rate and destination awareness were then analyzed. The results were as follows. Firstly， there is a positive correlation between visiting rate and destination awareness. The result of fitting data relating to visiting rate and destination awareness is an exponential curve， and the R2 of the fitted curve exceeds 0.8. Secondly， the market conversion rate of destination awareness follows the law of distance decay. The results showed that for distances between the origin and destination of <200 km， 200 km～500 km， 500 km～1000 km， 1000 km～1500 km， 1500 km～2000 km， and >2000 km， the average market conversion rate of destination awareness was 64.44%， 36.57%， 29.49%， 26.86%， 22.45%， and 18.56%， respectively. Thirdly， the destination awareness market conversion rate varied depending on the location of the destination. The better the location， the higher the market conversion rate. The findings of this study provide a new method for tourism marketing. Firstly， destination marketing organizations （DMOs） should investigate destination awareness and the visiting rate before and after carrying out a marketing campaign and evaluate the effect of the marketing campaign by evaluating the change in the market conversion rate. Secondly， DMOs should implement different marketing strategies for markets located at different distances from the origin city. For short-distance markets， it is necessary to improve the re-visit rate， while for long-distance markets， it is necessary to select the most important target markets. Furthermore， DMOs should be committed to improving accessibility to improve the market conversion rate.
Keywords： destination awareness; tourist visiting rate; market conversion rate; correlation; conversion relationship
[責任编辑：王 婧;责任校对：吴巧红]
转载注明来源:https://www.xzbu.com/7/view-15262688.htm
