下载掌阅APP，畅读海量书库
立即打开
认识影响需求的各方面因素是为了让人们更有效地预测未来的旅游需求，这不仅对旅游从业者和行业管理者至关重要，而且一套行之有效的需求预测方法也能为政府制定相关决策提供数据支持。旅游需求预测的重要性体现在六个方面
：第一，旅游产品具有不可储存的特点，如酒店床位不可储藏。第二，旅游行业缺乏稳定性，在变幻莫测的时代尤其需要可靠和准确的预测，以帮助政府和行业制订计划和做出决策。第三，旅游的生产和消费是不可分离的，意味着企业必须提前了解产品的需求水平，才能有效减少生产力和人员配置的浪费。第四，旅游产品的供给包括一系列相互配合的供应商，准确的预测可以提醒人们提前准备，确保需要时各方供应商都能充分供给。第五，旅游产品需要对固定资产进行大规模投资，这意味着准确的需求预测至关重要。第六，成功的旅游需求预测可以使收益最大化，且通过充分的前期准备工作最大限度地提升游客满意度。而失败的旅游预测则可能会导致供需不平衡而产生灾难性的后果。例如，2014 年国庆“黄金周”期间，九寨沟景区由于对来访游客数量预测不准确，导致在景区没有充分接待能力的情况下涌入大量游客，造成人流拥堵等负面事件。突发事件也会导致预测工作出现较大失误。例如，2020 年初突然暴发的新型冠状病毒感染疫情，不仅危及了人们的身心健康，还对旅游业造成了严重影响，使得 2020 年春节假期的旅游市场预测完全无效。随着疫情的结束，市场预测逐步恢复正常，2024 年春节假期全国国内旅游出游 4.74 亿人次，同比增长 34.3％，按可比口径较 2019 年同期增长 19.0％；国内游客出游总花费 6 326. 87 亿元，同比增长 47. 3％，按可比口径较 2019 年同期增长 7. 7％；入出境旅游约 683 万人次，其中出境游约 360 万人次，入境游约 323 万人次，旅游市场需求再度呈现强劲的增长趋势。
需求预测的方法多种多样，在选择需求预测方法时应充分考虑个案的特性以及想要达到的预测精度等因素。选择需求预测方法时应考虑五个主要因素，包括预测目的、预测时间段、要求的准确度、可用的信息、预测成本和可支配的预算等
。
一般而言，测量实际旅游需求指标有如下几类：
来访游客人次是指在一定的时期内到访某地参与休闲旅游活动的人数。通过大数据和云计算，能够较为准确地获取游客人数统计数据。例如，百度公司提供的大数据服务可通过用户在线搜索数据以及移动定位数据对某景点的到访人次做出较为精准的预测。随着智慧旅游的发展，越来越多的旅游目的地意识到信息化的重要性，纷纷采取更加有效的信息技术管理游客数据，并积极开发和利用数据的深度价值。
该指标的计算是用游客平均停留天（夜）数乘以游客人数，这是旅游从业者十分关注的指标。许多观赏型或游览型景区的规划者感兴趣的是游客人天数，而饭店和其他住宿接待设施的管理者则更关心游客人夜数。通过这些数据，就能算出平均每位游客每天或每夜将要发生的消费数额，从而测算出单个游客单次到访的总消费额。游客人天（夜）数也是目的地供电系统、停车场、娱乐区等公共基础设施管理的重要参考指标。
游客消费额是直观地评估目的地经济价值的指标，也是需求预测工作中最难精确评估的指标，这类数据具有较大的隐蔽性和随机性，受大量不确定因素干扰。即便是在游客完成旅游体验后进行统计，也会面临游客遗忘或故意伪饰等问题。计算游客消费额的常用方法是用人均每天（或每夜）消费额乘以游客人天数（或人夜数）。另一种方法是通过税收测算旅游消费额。不少目的地都对消费品征收销售税和使用税，因此，只要确定某旅游产品的征税比例以及该产品的开支在人均消费额中所占的比例，就能估算出其消费额及人均总消费额。
在需求预测方面可采取统计方法和经济分析法等方法，大部分预测方法都要求操作人员具有一定的统计或数据知识基础，熟悉特定的计算机应用软件，并对这些预测方法的目的性和局限性有清楚的认识。
趋势分析法又称为时间序列预测分析法，即在历史需求数据基础上通过数字模型预测未来发展。如果能获得某地区以年份为基础的游客人次数记录，模型就可以测算出未来年份的需求。第一步是在坐标图上标出已获取的数据：时间（年）对应旅游人次。然后即可建立线性趋势，从而清楚地显示出历史需求量的变化。利用历史数据对未来时间的旅游需求进行预测时，通过延伸趋势线至相关年份，就可以在坐标图上找到对应的需求值。图 3-3 展示了这一程序，图中各点所代表的是六年期间的需求量。
图3-3 趋势分析
使用趋势分析法操作简便，需要的基本数据容易获得，即旅游人次或过去若干年中以年或季为单位的某些其他需求指标。该方法不涉及复杂的数据假设与统计运算，对于操作人员的数学背景知识要求较少。但缺点是模型的简单化在很大程度上会降低预测结果的准确度与有用性。原因在于：首先，趋势分析法没有运用任何方法去“解释”需求，弱化了外界因素变化对需求的影响。其次，将趋势线以线性的方式向外延伸（从趋势线AB延伸到BC），即假设今后的需求将继续以过去的趋势增长而没有变化。该假设过于理想化，因为即使是对较近的未来进行预测，由于各种影响需求的因素可能变化，也会使得基于一个固定增长率的预测结果的准确性降低。因此，趋势预测法较适合于多年数据都显示需求增长率稳定的旅游目的地使用，而不适合于需求变化率较不稳定的区域。
现实中的需求会受到决定个人偏好和阻力的诸多因素影响，在一个时期内对所有因素都进行分析并不现实。但将决定需求的某些特别相关的因素分离出来进行处理，在某种程度上是可行的。多元回归就是这样一种方法，通过数学公式可以在需求与所选定的变量（影响因素）之间建立起函数关系。例如，除游客收入数据外，还有目的地旅游服务质量数据，就能利用这两个变量（自变量）与需求的数据（因变量）进行回归分析，获得自变量与因变量的回归公式。预测未来需求，只需将相应年份的预计收入和预计服务质量值代入公式，就能计算出该年份预计的需求。该预测方法可以综合考虑多种重要因素对需求的影响，得到的结果比只考虑某单项因素更为准确。
当然，回归分析并不局限于两个变量。理论上任何数量型的变量都能被用来预测和解释需求水平，但在实际操作中存在一定难度。随着因素的增多，统计工作量与难度会呈几何倍数增长。此外，还要考虑收集附加数据和解决计算技术所需成本问题。所以实际操作中会充分权衡投入资源的数量与预期结果的精确度，然后选择最行之有效且符合经济效益要求的预测方式。
在某些情景下，旅游管理者的经验集合对需求预测也很有价值。专家分析法是对有相关管理经验的专家开展系统调查，向其询问一系列问题，然后根据专家的意见进行综合分析并得出结论。专家分析法的优点是能精确解读一些无法在定量模型中明确体现出来的变量。例如，多元回归中往往考虑的是一些较为成熟的变量，即被谈论最多且拥有较精准历史数据库的变量，包括旅游者收入和目的地旅游成本等。而在专家分析法中，许多受不确定因素影响的指标会被纳入考虑范围，包括政治形势、能源状况、兴趣变化、闲暇时间以及促销宣传的效力等。此外，还有一些往年没有出现但现在新出现的指标也会被加以综合考虑。专家分析法能在最大范围内综合考虑各个影响因素，但相比于各种数学统计方法，专家分析法的缺陷是通常不能给出较为精准的数据，只能预测增长或下降趋势和范围。如果将数学统计方法和专家分析法综合使用，就能实现优势互补，更能有效提高预测的准确性。
旅游指南手册曾经是旅游者做购买决策时的信息参考。然而，随着互联网的发展，用户不再将一成不变的旅游指南手册作为信息参考源，而是倾向于到在线旅游社群网站搜寻信息。互联网彻底改变了人们对旅游信息进行搜寻的方式和决策的过程。它使得每个人的观念、想法以及经验可以迅速地被其他互联网用户获得，这也促使以用户生成内容为主的在线旅游社群（如马蜂窝、 TripAdvisor等）在全世界范围内受到广泛关注。在这些网站中，网站运营者不需要主动提供有关旅游信息，他们只需要将用户生成的信息进行有机分类，再将其呈现给感兴趣的用户，便能形成一个活跃的、频繁互动的、以旅游内容为中心的在线社群。这些在线社群中用户生成的内容和评论影响着其他潜在旅游者的信息搜集、信息处理以及决策制定。使用者普遍认为，这些网站中的旅游信息比官方发布的信息具有更高的可信度、客观度、及时性以及趣味性。
TripAdvisor.com是最成功的在线旅游社群网站之一，它代表了最大的旅游消费者在线网络。 TripAdvisor的使命是帮助全世界的人计划并经历完美的旅行。网站现由在线旅游供应商Expedia所有。经过几年时间的发展， TripAdvisor从一个服务于少数旅游者需求的小规模网站发展成了利用“白色营销”（口碑营销）的综合评论网站商业帝国。TripAdvisor的成功与发展为旅游者决策和营销带来了机遇和挑战。
网站的用户是富有的、受过良好教育和频繁出游的旅游者，正好是旅游公司的理想目标人群。因此，随着网站内容的丰富性增加， TripAdvisor变成了一个重要的广告媒介，同时这些内容的及时性和准确性更高，手机移动科技使得“即时贴”成为可能，这进一步促进了网站信息的快速更新。
TripAdvisor的另一个商业应用是把推荐和评论延伸到预订和推介网站。 TripAdvisor提供与Expedia、 Orbitz和Travelocity等在线旅游代理商的便利链接。另外，旅游经营商把TripAdvisor的评论放入它们的网站，这种公开性有利于培养品牌信任度。旅游局也认识到TripAdvisor的强大力量，因此也与之相链接，并主动利用该网站提供的评论信息。这个网站也允许其他方利用相关信息，例如美国的Raveable网站，从TripAdvisor网站中提取评论，并将其作为进行美国酒店积分评级的依据。
因为TripAdvisor允许任何人发表内容和评论，所以可能出现故意拔高某公司声誉或损害竞争者声誉的假评论。但是网站明确声明它们有员工专门负责管理所有评论，并使用算法监测滥用者。另外，根据欧盟法律，酒店在评论网站假扮消费者发表言论是违法行为。这也在一定程度上杜绝了该行为的普遍发生。
TripAdvisor创始人兼CEO （首席行政官） Stephen Kaufer曾表示：“用户不仅能够利用我们网站上丰富的内容、全球旅游社区以及比价工具来计划行程，更可以直接预订酒店、景区和餐饮这三大领域的产品，这让TripAdvisor成了旅游业最全面的一站式服务平台。我们计划进行大力扩张，推广这种更为完整的服务模式。”TripAdvisor的战略路径几乎涵盖了内容点评（酒店、餐厅）、工具应用（行程规划、移动应用、航班信息查询、日记记录）和丰富的预订品类（游轮、房屋租赁、度假活动），打造了完整的内容类旅游O2O生态系统。
资料来源：刘照慧. TripAdvisor：打造旅游O2O生态系统［ EB/OL］.执惠旅游，（2014-12-03）［2020-03-20］.http://m.tripvivid.com/articles149.
1.访问TripAdvisor网站，查看一个你想去旅游的景区的介绍和评论，再查看该景区的官方网站介绍，对比两个信息源的信息有何差异。
2.结合本章所介绍的旅游者决策模型，你认为在线旅游社群网站的内容是如何影响旅游决策过程的？该内容对旅游决策的影响如此显著的原因有哪些？
3.如果你是某景区的营销运营者，你会如何利用TripAdvisor的平台对景区做推广？
4.如果你是TripAdvisor的运营者，为了推动与网站合作的在线旅游代理商的旅游产品销售，你会如何刺激网站用户的旅游需求与旅游购买？
1.休闲与旅游需求的影响因素有哪些？
2.为什么休闲与旅游需求数据如此重要？请举例说明，谁是需求数据的使用者。
3.文化差异对旅游需要的形成会起什么作用？请举例说明。
4.旅游者在出行之后为什么会对核心旅游产品的需求变得缺乏弹性呢？
5.人口结构如何影响旅游需求？
6.对比几个主要的旅游需求预测方法的优势和劣势。
7.互联网及大数据的发展对旅游需求预测会产生什么影响？