観光振興に取り組む地域では地域独自のブランド力（魅力）の確立が急務となる。しかしある程度、観光テーマが明確な一部の既存観光地を除く多くの地域において、ブランドコンセプトの開発は難しい課題とされる。本報告はとりわけ観光資源に乏しい中小自治体を念頭に置き、ソーシャルメディア等のデータを用いて、潜在的な観光地域ブランド力の定量評価を試みる。またデータの時空間分布における異質性や投稿者属性の偏りを手掛かりに地域ブランドの個別性を把握する。

1. 位置情報付きソーシャルメディア等を⽤いた
観光地域ブランドの評価
2017年10⽉28⽇ 地理情報システム学会
鈴⽊英之 合同会社ファイン・アナリシス
１．背景
２．研究⽬的
３．先⾏研究
４．⽅法
５．結果と考察
６．まとめ 1

2. １．集客潜在力としての観光地域ブランド：
観光振興の方法として、地域ブランド力（魅力）を強化する考え方
ex 観光庁「観光地域ブランド確立支援事業」
内外から選好される国際競争力の高い魅力ある観光地域づくり促進を意図
含みとして、単年度の広告宣伝費に依存しない、持続的魅力の確立
２．集客コンセプトとしての観光地域ブランド：
地域における「観光まちづくり」において、ブランディングは、マーケティ
ング戦略の一部
ex ターゲティングや集客コンセプトの策定：特色づくり、差別化
・これらの観光地域ブランドをマネジメントする上で、ブランド力（魅力）の
量的な側面のみならず、その質的な側面に目を向けた測定が求められるものと
思われる
2
背景：観光振興におけるブランドの位置づけ

3. 【目的】
観光地域におけるブランド力を測定する方法を試行し、提案する
【本報でのブランド評価の定義】
（観光地・観光資源の評価を目的とした数多の先行事例がある中で・・・）
・地区における「固有性・独自性」をその観光地域ブランド力とみなす
大井達雄 (2013)「観光地ブランドの評価に関する一考察」よりブランド評価の６要素
3
研究目的：本報告におけるブランド評価
１．⾃然資源
２．歴史 ・⽂化資源 ⽂化資源
３．イベント含む観光資源の豊富さ
４．宿泊施設
５．雰囲気
６．固有性・独⾃性

4. 前田高志ニコラス ほか (2015)
・ジオタグ付きツイートから観光スポットを抽出した研究
・tf-idfにより地理的局所性の高い（地域固有）語を判定 → 観光地
tf-idf法
4
先行研究：地区の固有性測定に関する先行研究１
文書を特徴づける単語のスコアリング手法
文書における単語の出現頻度
逆文書頻度（他の多くの文書に出現する一
般的な語は重要度を下げる）
分子＝総文書数
分母＝単語 t を含む文書数
・「文書」を地域と読み替えることで、単語の地域固有性を評価出来る

5. tf-idf法をブランド（固有性）評価に応用するための課題
・スポットの抽出（発見）目的には良いが・・・
・スポットを広く取ると一般語が混在し、不安定・・（適切な集計単位）
・固有性の高い語の典型は地名
（市町村名のような広範囲に及ぶ地域固有語はカットしたい）
・観光地リスト（資源台帳）とその評価（口コミサイト）ならば既に存在する
・潜在力（出来れば観光スポット以外の場所）も測りたい
5
先行研究：地区の固有性測定に関する先行研究１

6. Feick and Robertson (2015)
・都市機能の空間構造をflickrタグのtf-idf値で分析する研究
・2種類のtf-idfの比を使用する方法を提案している
LG比
・LG比 ＝（ローカルtf-idf）／（グローバルtf-idf ）
・グローバルtf-idf：通常のtf-idf値（総文書の範囲：全国の小地域）
・ローカルtf-idf：地域内のtf-idf値（総文書の範囲：当該地域内の小地域）
・低いLG比：全国的に見て固有性高いが、地域内では凡庸
ex 地名（州・市）
・高いLG比：よく知られたランドマークを示す、という
（ニューヨーク、シカゴ、ボストンの中心部のコロプレス図を示している）
※ 但し分析対象は、全米１４都市の市街地のみ
6
先行研究：地区の固有性測定に関する先行研究２

7. 7
先行研究：地区の固有性測定に関する先行研究２
New York City census tracts shaded by LGR
with high local tf-idf tags labelled

8. 8
先行研究：地区の固有性測定に関する先行研究２
Chicago census tracts shaded on LGR with
high local tf-idf tags labelled

9. 【使用データ】
国内の位置情報付きflickr写真データ（2007年1月∼2016年12月）
写真数：8,549,964枚，うちタグが付与されているもの：5,911,051枚
一枚あたりのタグ数：平均9.32，中央値6
ユニークなタグの総数：537,929件（緯度経度等の自動タグを除く）
【tf-idf計算】
2分の1地域メッシュ（500mメッシュ）でタグを集計
tf：タグの出現頻度は、同一者の1時間あたりの撮影枚数の逆数で加重。
グローバルidf：総文書の範囲：全国のメッシュ
ローカルidf：総文書の範囲：都道府県内のメッシュ
【LG比】
全単語のLG比の平均をメッシュ別に算出し、地区のLG比とする
【ブランド評価指標としての妥当性の確認】
レビューサイト（フォートラベル、じゃらんnet、TripAdvisor）のスコア（5
段階）の平均値をメッシュで集計し、LG比と照合する
9
方法：今回試行した内容

10. メッシュ内のタグ数と各指標
グローバルtf-idf ローカルtf-idf LG比
10
結果と考察：
(少) タグ数 （多） (少) タグ数 （多） (少) タグ数 （多）
タグ数の多いメッシュでは、一般語の割合が増え、tf-idfは低下する傾向があ
る

11. 11
結果と考察：
各指標の空間的分布：赤（高）--- 青（低）
グローバルtf-idf ローカルtf-idf LG比
その結果、市街地ではtf-idfは低下傾向が見られる

12. 12
結果と考察：
詳細図：

13. 13
結果と考察：
LG比とレビューサイトのスコア平均
高 LG比 低
高
レ
ビ
ュ
ー
ス
コ
ア
平
均
低
東京都では、LG比とレビューサイトのスコア平均に関係性が見られた

14. ・地方圏が良くない：レビュースコアとの明確な関連性が見られない
【想定される問題点】
地方で、データが乏しいメッシュのLG比が疑わしい
少頻度タグがノイズになっている
【改良法を試行】
tf（出現頻度）は、タグを付与したユニークユーザの数で集計
メッシュ内でユニークユーザが１のタグは除外
メッシュの平均LG比はtfで重み付けする
→【結果】
対象となるメッシュの数が151,455から36,935に減少
地方圏ではLG比は大きく変化した
本来の観光の対象となる地区に絞り込まれた感
レビュースコアとの関連性がより明確になった（東京都）
14
小括：

15. 15
結果と考察：
当初の方法 改良試行法
メッシュ内の黒丸は、TripAdvisorのレビュースコアの平均を示す
分析対象メッシュが、ほどよく絞り込まれた

16. 16
結果と考察：
当初の方法 改良試行法
少数の投稿者によるノイズ低減したことにより若干の改善が見られる。
但し都市圏以外の県での改善はいまひとつ。

17. ・LG比による地域固有性の評価は、とりわけ都市圏において、観光地域的な
魅力と関連性を有する可能性がある
・ノイズとなる単語の除去には、更に工夫を検討する余地があるものと思われ
る
・ローカルtf-idfを算出する際の、ローカルの範囲（県、郡、市町村）は、地
方圏において再検討する必要があるものとみられる
・他のソーシャルメディアとの比較
・レビューサイトスコアと比較する方法の再検討（スポットで対応させる）
・レビュースコアには、固有性以外の魅力に対する評価も混在しているもの
と考えられる。これらを識別して評価する枠組みの検討も今後の課題
17
まとめと今後の課題：