近日，由我院2023级旅游管理专业硕士生杨璨宇（第一作者）与吴江洲副教授（通讯作者）合作完成的研究论文“Forecasting tourism demand with search query: comparison of social media and search engine”在旅游领域权威期刊《Tourism Review》正式发表。《Tourism Review》创刊于1947年，是最早设立专门讨论旅游问题的学术期刊，2024年影响因子为7.9，为JCR一区、中科院管理学二区TOP期刊。

随着互联网信息的日益丰富，游客的搜索行为呈现出多源化趋势。本研究旨在探讨社交媒体搜索数据（以抖音为例）对旅游需求预测准确性的提升效果，并与传统搜索引擎数据（以百度为例）进行预测性能比较。以中国西部重要旅游目的地九寨沟景区作为主要案例，同时使用四姑娘山景区进行稳健性检验。研究采用Boruta算法对不同类型搜索数据进行特征选择，并基于不同原理的预测模型与多源搜索数据，对每日游客量进行预测及精度验证。研究发现，在搜索引擎数据中，百度移动指数的预测表现显著优于其他类型指数；而在社交媒体数据中，抖音单一搜索指数的预测效果略优于综合指数。在使用AI模型时，社交媒体搜索数据的预测效果与搜索引擎数据相当甚至更优。然而，整合多源搜索数据对预测精度的提升作用较为有限。

研究理论贡献如下：一是将研究视角由“内容生产”转向“信息消费”，通过引入短视频平台搜索数据，拓展了旅游需求预测中可利用的互联网数据来源。二是对搜索引擎数据的适用性进行了重新评估，更新了不同终端搜索数据预测效果的实证认知，强调当外部环境发生结构性变化时，需要重新审视和修正互联网数据在旅游预测中的适用性。三是首次整合社交媒体和搜索引擎的搜索数据，推动了跨平台旅游需求预测的研究进展，为理解游客在多平台环境下的信息检索行为模式提供了实证依据。研究结果为相关政府机构和旅游行业管理者在选择合适的互联网搜索数据和预测模型时提供了重要参考。

文章主要图表

论文链接：https://doi.org/10.1108/TR-12-2024-1161

（一审/曾桃江 二审/洪晶波 三审/洪梅）