第46次《中国互联网络发展状况统计报告》的主要数据显示，我国网民的数量规模截至2020年6月已经达到9.40亿人，与2020年3月相比增长了3625万人，互联网普及率提升了2.5个百分点，达到67.0%。数据表明，互联网作为获取和传播信息的便捷工具，已经成为网民生活需求与商业资讯交互作用的枢纽。在“互联网+旅游”的产业融合背景下，“百度”作为全球最大的中文搜索引擎，以其强大的网络搜索功能，为网民提供了丰富的旅游文字、图片、视频及行程参考信息，极大地提升了旅游决策的效果和旅游者的满意度。“百度指数（Baidu index）”是互联网时代最重要的数据分享平台之一，以海量网民搜索数据为基础，记录的旅游者需求特征、集中热点趋势、行为时空分布、搜索时间差异等模块数据具有实用的商业统计分析意义，体现了数据决策的生活方式。目前，国内学者将百度指数应用于旅游分析的研究主要表现在三个方面。①针对旅游景区：如孙晓蓓等对百度指数收录的我国64个A级旅游洞穴景区网络关注度的分布特征进行了研究；季国斌等基于百度指数探讨了西溪国家湿地公园网络关注度的时空特征与影响因素；许艳等利用百度指数数据共享平台获取乌镇景区网络搜索指数并结合区域经济差异测算指标研究分析了乌镇景区网络关注度的空间差异特征及其影响因素；方叶林等利用百度指数构建国家重点风景名胜区关注度网络结构特征并进一步分析了网络关注度与现实游客量之间“错位”特征及其影响机理等。②针对旅游目的地：如康俊锋等选取中国各省级行政区与上海市旅游相关的百度指数数据和上海市国内游客数据构建了旅游趋势预测模型；陆利军等以与湖南旅游目的地城市旅游活动密切相关的共计103个关键词的百度指数构建而成的网络关注度指数为分析数据对湖南旅游目的地城市的网络关注度及其空间格局进行了系统分析；秦梦等根据混频模型的建模理论分别构建基于百度指数周数据的单变量和多变量MIDAS模型并对三亚市月度旅游需求进行了预测；丁鑫等采用季节性集中指数、周内分布偏度指数和地理集中指数等指标研究了厦门市旅游网络关注度的时空分布特征等。③针对旅游业态：如曹咪等基于百度指数揭示了中国邮轮旅游网络关注度的空间分异特征并在此基础上运用地理探测器对其影响因子进行探测；舒丽等以百度指数为主要数据源对我国体育旅游网络关注度的时间、空间差异、人群结构及影响消费者选择体育旅游的因素进行了探索分析；何小芊等基于百度指数研究了我国温泉旅游网络关注度的时空特征等。据《广西统计年鉴（2020）》的数据，广西2019年共接待国内游客86995万人次，国内旅游消费达9998.8亿元，A级旅游景区达557个，其中4A级以上景区为254个，占景区总数的45.6%，是国内重要的旅游目的地省区。鉴于利用百度指数研究广西整体旅游状况较少，在参考现有成果的基础上进行相关研究，旨在促进广西旅游市场营销策略优化，为广西旅游发展提供理论与实践支撑。

百度指数（https://index.baidu.com/）是关键词在互联网上不同时间段内搜索量变化过程最直观的反映。基于百度指数搜索平台，时间段设定为“十三五”时期的2016年1月1日至2020年的12月31日，分别以“广西旅游+旅游景区+旅游线路”、“广西旅游+旅游景区+旅游攻略”及“广西旅游”为关键词进行搜索，以此得到搜索指数数据，即“网络关注度”。因“广西旅游+旅游景区+旅游线路”的网络关注度较高（表1），本次研究将以其搜索到的数据指数作为计算分析的观测值。

表1  基于百度指数平台搜索三种关键词的网络关注度整体日均值对比

 旅游需求一般情况下呈现出两个显著特点：一是需求随着时间的变化而出现变化，二是每一个目的地都有相对稳定的客源地，从数量上度量旅游需求的时间变化及空间分布，对旅游规划和经营决策是很有帮助的，网络关注度在一定程度上反映了旅游需求的量化情况.围绕时空特征两个角度，引入旅游地理学的有关旅游需求的度量概念，相应的研究方法如下：