研究所簡(jiǎn)介
浙江（義烏）商成市場(chǎng)研究所是義烏市商興成市場(chǎng)投資管理有限公司下設(shè)的研究機(jī)構(gòu)。研究所以“興旺專業(yè)市場(chǎng)，成就商業(yè)地產(chǎn)”為宗旨，專業(yè)致力于商品交易市場(chǎng)、專業(yè)批發(fā)市場(chǎng)的研究。擁有一批精通國(guó)內(nèi)外市場(chǎng)狀況、經(jīng)驗(yàn)豐富的高素質(zhì)專業(yè)人才，還邀請(qǐng)了商業(yè)地產(chǎn)界及學(xué)界知名的專家作為特約研究員或顧問(wèn)。研究所發(fā)展目標(biāo)是打造民營(yíng)經(jīng)濟(jì)研究院行業(yè)研究所品牌，并成為國(guó)內(nèi)商業(yè)地產(chǎn)研究……
業(yè)務(wù)范圍
聯(lián)系方式
電 話：0579-83059667
手機(jī)：15325915356
郵 箱：xqjcf126@126.com
在線QQ：1832216846
地 址：中國(guó)義烏市總部經(jīng)濟(jì)公館2號(hào)樓2單元502室（義烏貝村路1108號(hào)）
郵 編：322000
網(wǎng)站首頁(yè) > 研究報(bào)告
研究報(bào)告
旅游市場(chǎng)必然走向細(xì)分
 |
 |
關(guān)鍵詞：旅游市場(chǎng)細(xì)分，聚類分析，卡方自動(dòng)交互檢驗(yàn)，自組織特征映射神經(jīng)網(wǎng)絡(luò)
一、 引言
旅游市場(chǎng)細(xì)分逐漸成為旅游市場(chǎng)營(yíng)銷研究的重點(diǎn)內(nèi)容之一。在旅游企業(yè)發(fā)展的早期，其營(yíng)銷對(duì)象并不加以區(qū)分，而是整個(gè)客源市場(chǎng)。隨著旅游業(yè)的發(fā)展，同行業(yè)競(jìng)爭(zhēng)的加劇，游客需求的提高，旅游企業(yè)逐漸認(rèn)識(shí)到：只有選擇部分重點(diǎn)市場(chǎng)，有針對(duì)性地進(jìn)行營(yíng)銷和服務(wù)，才能既讓游客滿意，又能獲得高額回報(bào)。與之相呼應(yīng)的是，國(guó)內(nèi)外有關(guān)旅游市場(chǎng)細(xì)分的研究文獻(xiàn)近年來(lái)逐漸增加，其研究方法和結(jié)論，為旅游營(yíng)銷提供了重要的參考。
在市場(chǎng)細(xì)分研究中，分析的模式主要有兩種：第一，基于顧客與基于產(chǎn)品/服務(wù)。 其中，基于顧客的方法是：觀察不同類型顧客的具體特征；基于產(chǎn)品的方法則是關(guān)注產(chǎn)品本身的具體物理特征，顧客希望從產(chǎn)品中獲得的利益類型，產(chǎn)品使用量或使用模式等等。第二，事前方法與事后方法。其中，事前的市場(chǎng)細(xì)分方法是：根據(jù)預(yù)先所知或推測(cè)的與企業(yè)產(chǎn)品或服務(wù)消費(fèi)相關(guān)的一些影響因子劃分顧客群，如人口統(tǒng)計(jì)特征、購(gòu)買量、地理區(qū)域等。事后市場(chǎng)細(xì)分則是以問(wèn)卷調(diào)查反饋為基礎(chǔ)，例如顧客的價(jià)值取向、需求、使用量和使用模式、態(tài)度和感知度等[1]。在實(shí)際研究中，多采用事后市場(chǎng)細(xì)分模式，如本文述及的三種方法都采用事后市場(chǎng)細(xì)分。一些傳統(tǒng)的細(xì)分方法，如按國(guó)籍、年齡、職業(yè)等劃分則屬于事前市場(chǎng)細(xì)分方法。
本文旨在對(duì)旅游市場(chǎng)細(xì)分相關(guān)文獻(xiàn)中的聚類分析、卡方自動(dòng)交互檢驗(yàn)和自組織特征映射神經(jīng)網(wǎng)絡(luò)分析等研究方法進(jìn)行歸納、分析和比較，為旅游市場(chǎng)細(xì)分進(jìn)一步研究提供參考。
二、 旅游市場(chǎng)細(xì)分的目標(biāo)和指標(biāo)
確立細(xì)分目標(biāo)是進(jìn)行旅游市場(chǎng)細(xì)分的前提。旅游企業(yè)從實(shí)際出發(fā)，確立切合企業(yè)發(fā)展的目標(biāo)，才能為旅游企業(yè)的經(jīng)營(yíng)提供實(shí)際參考。不同的市場(chǎng)細(xì)分目標(biāo)需要建立不同的指標(biāo)，以便收集相關(guān)數(shù)據(jù)進(jìn)行分析。
1. 旅游市場(chǎng)細(xì)分的目標(biāo)
建立旅游市場(chǎng)細(xì)分的目標(biāo)才能使研究人員有針對(duì)性地進(jìn)行分析，迅速找到重點(diǎn)經(jīng)營(yíng)市場(chǎng)。旅游市場(chǎng)細(xì)分中比較常見(jiàn)的目標(biāo)有：識(shí)別重度用戶，了解重度用戶的特征；改進(jìn)現(xiàn)有產(chǎn)品或服務(wù)的設(shè)計(jì)；尋找新產(chǎn)品或服務(wù)的機(jī)會(huì)等。在旅游市場(chǎng)細(xì)分中，識(shí)別高消費(fèi)的游客群體是旅游市場(chǎng)細(xì)分常見(jiàn)的目標(biāo)之一，如Díaz-Pérez等對(duì)西班牙加那利群島中7個(gè)島嶼的游客住宿消費(fèi)情況進(jìn)行了分析，以找出高盈利市場(chǎng)[2]；Mok和Iverson對(duì)赴關(guān)島旅游的臺(tái)灣游客進(jìn)行分類，以找出高消費(fèi)群體[3]。Park和Yoon通過(guò)市場(chǎng)細(xì)分，分析了韓國(guó)鄉(xiāng)村旅游者的旅游動(dòng)機(jī)的成因[4]。許多旅游企業(yè)希望招徠高消費(fèi)、高盈利群體，但他們應(yīng)當(dāng)充分考慮自身的經(jīng)營(yíng)能力以及成本費(fèi)用等，不能盲目確定市場(chǎng)細(xì)分目標(biāo)。
2. 旅游市場(chǎng)細(xì)分的指標(biāo)
市場(chǎng)細(xì)分的指標(biāo)可以分為四類：特征(包括年齡、性別、收入、教育、游伴等)、地域、消費(fèi)心態(tài)(旅游目的、旅游動(dòng)機(jī)、生活方式等)和消費(fèi)行為(觀光、消費(fèi)、購(gòu)物行為等)。Tkaczynski等人的研究結(jié)果顯示：在最近幾年有關(guān)旅游市場(chǎng)細(xì)分的文章中，采用其中一類指標(biāo)為聚類依據(jù)的文章占10%，采用其中兩類指標(biāo)為依據(jù)的文章占29%，采用其中兩類或三類指標(biāo)為依據(jù)的文章占39%，四類指標(biāo)都采用的文章占22%[5]。
對(duì)指標(biāo)選取的優(yōu)劣評(píng)價(jià)方面，一些營(yíng)銷專家主張，有效預(yù)測(cè)游客行為的依據(jù)是行為本身，包括游客的一些利益和動(dòng)機(jī)。Cohen 認(rèn)為，對(duì)旅游動(dòng)機(jī)的調(diào)查更容易將旅游理解為一種社會(huì)和心理現(xiàn)象，并有助于實(shí)際管理。旅游動(dòng)機(jī)指影響人們選擇旅游目的地的心理因素，通常將這些心理因素稱為推動(dòng)因素[6]。不同的學(xué)者對(duì)動(dòng)機(jī)指標(biāo)的選擇不同，Goeldner和Ritchie將這些指標(biāo)分為生理方面、文化方面、人際方面和聲望方面等四類[7]；Pearce 和 Lee將這些動(dòng)機(jī)分為擺脫枯燥、放松、人際關(guān)系、增加知識(shí)和自我發(fā)展等五方面[8]；Jang 和 Wu認(rèn)為推力因素可分為求知、放松和家庭；拉力因素可分為自然和歷史環(huán)境、成本、設(shè)施、安全和可進(jìn)入性等[9]。相比于游客人口特征和地域特征兩方面的指標(biāo)，旅游動(dòng)機(jī)、消費(fèi)行為兩方面的指標(biāo)更能反映游客的心理和行為規(guī)律，采用這類指標(biāo)更能有效地預(yù)測(cè)游客的需求，有利于企業(yè)經(jīng)營(yíng)管理。
3. 旅游市場(chǎng)細(xì)分的對(duì)象
大多數(shù)研究文獻(xiàn)中，旅游市場(chǎng)細(xì)分的對(duì)象是旅游目的地的客源市場(chǎng)，如Park對(duì)韓國(guó)鄉(xiāng)村旅游游客進(jìn)行的市場(chǎng)細(xì)分[4]；程圩對(duì)赴韓國(guó)旅游的中國(guó)游客進(jìn)行的市場(chǎng)細(xì)分[10]；Bloom對(duì)游覽過(guò)西好望角省的南非游客進(jìn)行的市場(chǎng)細(xì)分[11]。比較少見(jiàn)其它類別的細(xì)分對(duì)象，如Brey等人對(duì)承諾營(yíng)銷市場(chǎng)進(jìn)行的市場(chǎng)細(xì)分研究[12]。
三、 旅游市場(chǎng)細(xì)分方法
Saarenvirta (1998)認(rèn)為，市場(chǎng)細(xì)分是市場(chǎng)營(yíng)銷和顧客關(guān)系管理中最重要的數(shù)據(jù)挖掘內(nèi)容之一[14]。
旅游企業(yè)在確立了旅游市場(chǎng)細(xì)分的目標(biāo)、指標(biāo)以及細(xì)分的對(duì)象后，需要進(jìn)行數(shù)據(jù)收集。數(shù)據(jù)收集的途徑通常是收集企業(yè)的統(tǒng)計(jì)資料或進(jìn)行問(wèn)卷調(diào)查。聚類分析、卡方自動(dòng)交互檢測(cè)和神經(jīng)網(wǎng)絡(luò)分析這三類數(shù)據(jù)分析方法是常用的市場(chǎng)細(xì)分方法。
1. 聚類分析(Cluster analysis)
首先，根據(jù)市場(chǎng)細(xì)分的目標(biāo)和指標(biāo)確定因變量和自變量。不同的研究主體對(duì)變量的選取有所不同，如Tkaczynski等人分析了澳大利亞昆士蘭的旅游經(jīng)營(yíng)者和專家在旅游市場(chǎng)細(xì)分時(shí)選取變量的差異：觀光行為是經(jīng)營(yíng)者常用的變量，而專家沒(méi)有將之作為參考變量；人口特征是專家常用的變量，而經(jīng)營(yíng)者則很少關(guān)心，因?yàn)樗麄兎从愁櫩驮诟鱾�(gè)年齡段均有分布[5]。但旅游企業(yè)和旅游專家所選取的大部分指標(biāo)還是相近的。
其次，采用聚類方法進(jìn)行分析。聚類分析之前，選擇的指標(biāo)往往較多，為了掌握主要的影響因素，研究者們常采用主成分分析來(lái)識(shí)別主要的市場(chǎng)細(xì)分要素。聚類分析中采用因子分析，可以有效減少數(shù)據(jù)分析量，因?yàn)樗蕹俗兞块g過(guò)多的相關(guān)性。此外，因子分析還有助于識(shí)別變量間的結(jié)構(gòu)，全方位了解聚類指標(biāo)。
最后，對(duì)聚類結(jié)果進(jìn)行分析。在聚類分析之后，需要比較各類游客的特征。這些在游客的人口特征、旅游方式、個(gè)性和興趣方面的差異通常采用方差分析和卡方檢驗(yàn)來(lái)進(jìn)行評(píng)價(jià)。其中，ANOVA用來(lái)識(shí)別各類游客之間是否存在差異以及差異程度，從而對(duì)聚類效果進(jìn)行初步評(píng)價(jià)，并了解各類游客的特征；卡方分析用以找出各類游客在人口特征、旅游方式等分類變量上是否有存在顯著的差異性；判別分析用來(lái)識(shí)別新樣本所屬的類別。許多相關(guān)文章都采用卡方檢驗(yàn)對(duì)聚類結(jié)果進(jìn)行顯著性差異分析，如Park將韓國(guó)鄉(xiāng)村游客分為四類，在教育水平、收入、休閑娛樂(lè)方式、每年的消費(fèi)、旅游次數(shù)、旅游方式和人均每天的消費(fèi)等方面對(duì)其情況進(jìn)行了卡方分析。結(jié)果顯示，四類游客存在顯著差異。對(duì)細(xì)分市場(chǎng)進(jìn)行特征描述，有利于明確市場(chǎng)目標(biāo)，以便對(duì)不同的市場(chǎng)采取不同的營(yíng)銷策略。此外，在聚類分析之后進(jìn)行判別分析，能從側(cè)面判斷聚類結(jié)果的合理性[4]。Fǔller則在聚類分析的基礎(chǔ)上，采用虛擬變量進(jìn)行回歸分析，得到各類游客在產(chǎn)品的基本要素(游客認(rèn)為產(chǎn)品理所當(dāng)然應(yīng)該具有的要素)、性能要素(線性影響游客滿意度的要素)和驚喜要素(出乎游客意料之外，使他們產(chǎn)生愉悅的要素)方面的感知差異[14]。采用聚類分析進(jìn)行旅游市場(chǎng)細(xì)分的文獻(xiàn)較多。Park等將韓國(guó)鄉(xiāng)村游客分為重家庭同游型游客、消極型游客、多種旅游動(dòng)機(jī)型游客以及求知、尋刺激游客四類[4]。Beh 和Bruyere根據(jù)旅游動(dòng)機(jī)，將肯尼亞國(guó)家保護(hù)區(qū)的游客分為擺脫枯燥者、求知者和精神滿足者[15]。Hu和Yu根據(jù)游客的旅游購(gòu)物選擇標(biāo)準(zhǔn)，將其分為購(gòu)物狂人群、喜愛(ài)購(gòu)物人群和對(duì)購(gòu)物不關(guān)心者[16]。Lee等根據(jù)旅游收益，將訪問(wèn)加拿大的法國(guó)游客分為家庭型旅游者、環(huán)境和安全關(guān)心者、高檔文化消費(fèi)者、野趣愛(ài)好者四類，并基于住宿消費(fèi)指數(shù)，采用經(jīng)濟(jì)價(jià)值投資組合矩陣分析以上四類游客與優(yōu)先市場(chǎng)、理想市場(chǎng)和后備市場(chǎng)的關(guān)系后得出：家庭型旅游者和高檔文化消費(fèi)者兩類游客為旅游企業(yè)帶來(lái)的收益較高[17]。Lee等根據(jù)撲克****者的動(dòng)機(jī)，將韓國(guó)****者分為四類：挑戰(zhàn)并盈利者、唯盈利者、輕度****者、多目的****者[18]。Hong和Jang根據(jù)游客對(duì)韓國(guó)****業(yè)的看法將這些游客分為三類：曾觀光過(guò)****場(chǎng)所者、有意愿參觀者和無(wú)興趣者。他們通過(guò)聚類分析，發(fā)現(xiàn)這三類人群在態(tài)度、主觀標(biāo)準(zhǔn)、認(rèn)知偏差、沖動(dòng)性及教育水平方面存在顯著差異[19]。Frochot 則將蘇格蘭鄉(xiāng)村的游客分為運(yùn)動(dòng)者、放松者、喜歡戶外者和農(nóng)村生活愛(ài)好者四類[20]。Lee 等根據(jù)游客的國(guó)籍和滿意度，將節(jié)慶旅游者分為文化和家庭關(guān)心者、多目標(biāo)者、擺脫枯燥者和大型活動(dòng)參與者四類[21]。Galloway將安大略公園的游客分為尋刺激者、積極享受自然者和擺脫枯燥者[22]；Jang 等將到訪美國(guó)和加拿大的日本游客分為自然愛(ài)好者、擺脫枯燥放松者和家庭戶外游樂(lè)者，并對(duì)各類人群的旅游消費(fèi)情況進(jìn)行了對(duì)比[23]。Park等對(duì)科羅拉多州Black Hawk的****游客進(jìn)行聚類分析，將這些游客分為四類：輕度參與****者、以****為主者、視****為娛樂(lè)項(xiàng)目者、以****為自我表達(dá)方式者[24]。Bigné和Andreu根據(jù)游客對(duì)享受休閑和旅游服務(wù)時(shí)的情感，將主題公園和博物館的游客分為兩類：情感觸動(dòng)大者和情感觸動(dòng)不是很大者[25]。不同分類方法造成的結(jié)果不同，但這些不同的結(jié)果對(duì)旅游市場(chǎng)細(xì)分都有參考意義。
聚類分析方法是市場(chǎng)細(xì)分中運(yùn)用最為廣泛的方法，因此也最為成熟。其原理易讓人接受，使用也十分方便。但是，Tkaczynski等人提出：如果聚類分析中少用一個(gè)變量，則可能出現(xiàn)另一種聚類結(jié)果，這樣就不能為旅游目的地的各個(gè)細(xì)分市場(chǎng)提供更準(zhǔn)確的描述[5]。解決這類問(wèn)題的一個(gè)可行辦法是在聚類分析中對(duì)樣本間不同指標(biāo)的距離予以不同的權(quán)重，如旅游市場(chǎng)細(xì)分中有的目標(biāo)是尋找高消費(fèi)群體，在聚類分析時(shí)就可以對(duì)與高消費(fèi)直接相關(guān)的指標(biāo)予以較大的權(quán)重，從而削弱與高消費(fèi)無(wú)關(guān)或關(guān)聯(lián)較小的指標(biāo)的影響，保證聚類結(jié)果的穩(wěn)定性。
2. 卡方自動(dòng)交互檢測(cè)(CHAID)
在許多旅游企業(yè)中，細(xì)分市場(chǎng)的目標(biāo)很明確，如尋找高消費(fèi)群體、高回頭率游客等。此時(shí)，卡方自動(dòng)交互檢測(cè)可以方便快捷地獲得目標(biāo)和游客特征的關(guān)系。它由交互檢測(cè)和自動(dòng)交互檢驗(yàn)發(fā)展而來(lái)。自動(dòng)交互檢驗(yàn)與交互檢驗(yàn)的不同之處在于模型的因變量只有一個(gè)，而且是定量變量，自變量可以是定類變量或定距變量。而卡方自動(dòng)交互檢測(cè)與自動(dòng)交互檢驗(yàn)的不同之處在于因變量可以是定類變量，而且不局限于變量的二叉分裂[1]。
在相關(guān)文獻(xiàn)中，Díaz-Pérez等采用卡方自動(dòng)交互檢測(cè)法對(duì)西班牙加那利群島中7個(gè)島嶼的游客住宿消費(fèi)情況進(jìn)行了分析，以找出高盈利市場(chǎng)。首先，根據(jù)游客的國(guó)籍將其分為兩類：英德游客的消費(fèi)較低，其他國(guó)籍游客的消費(fèi)較高，在此基礎(chǔ)上再進(jìn)行分類[2]。此外，Mok和Thomas以消費(fèi)為因變量，采用卡方自動(dòng)交互檢測(cè)對(duì)赴關(guān)島旅游的臺(tái)灣游客進(jìn)行分類[3]。Chen以維吉尼亞州的游客對(duì)近段時(shí)間訪問(wèn)的旅游目的地形象為因變量，找出對(duì)旅游目的地感知不同的一些因素[26]。Chung等分別采用行業(yè)標(biāo)準(zhǔn)、聚類方法和卡方自動(dòng)交互檢測(cè)法對(duì)韓國(guó)的賓館進(jìn)行了分類[27]。
Chen將卡方自動(dòng)交互檢測(cè)和聚類分析方法進(jìn)行了對(duì)比，認(rèn)為卡方自動(dòng)交互檢測(cè)在三個(gè)方面比聚類分析方法更有優(yōu)勢(shì)：一是聚類時(shí)采用非標(biāo)準(zhǔn)方法，參與聚類的變量是否存在顯著差異需要進(jìn)行事后檢驗(yàn)；二是卡方自動(dòng)交互檢測(cè)對(duì)于分類目的非常清楚直接；三是對(duì)于新出現(xiàn)的樣本，卡方自動(dòng)交互檢測(cè)能很直接地進(jìn)行歸類，而聚類分析則不能做到這一點(diǎn)[26]�？ǚ阶詣�(dòng)交互檢測(cè)在市場(chǎng)細(xì)分中未受到廣泛的運(yùn)用，一個(gè)重要的原因是研究者對(duì)該方法過(guò)于簡(jiǎn)單產(chǎn)生的偏見(jiàn)，其實(shí)卡方自動(dòng)交互檢測(cè)非常簡(jiǎn)潔實(shí)用。
3. 自組織特征映射神經(jīng)網(wǎng)絡(luò)(SOFM)
人工神經(jīng)網(wǎng)絡(luò)中，競(jìng)爭(zhēng)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)適用于聚類分析，其步驟是：首先將向量歸一化，其次根據(jù)相似性尋找獲勝神經(jīng)元，最后進(jìn)行網(wǎng)絡(luò)輸出與權(quán)值調(diào)整。在競(jìng)爭(zhēng)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中，自組織特征映射網(wǎng)絡(luò)是經(jīng)常使用的模型(SOFM)。通過(guò)自組織特征映射網(wǎng)絡(luò)進(jìn)行聚類后，BP神經(jīng)網(wǎng)絡(luò)建立泛化模型，以便確定新樣本的所屬類型。
在相關(guān)文獻(xiàn)中，Bloom采用自組織神經(jīng)網(wǎng)絡(luò)將游覽過(guò)好望角的國(guó)際游客分為精力旺盛型、平淡穩(wěn)健型和尋樂(lè)型，并采用BP神經(jīng)網(wǎng)絡(luò)、MLR和logistic回歸模型進(jìn)行泛化性能比較。結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)的誤差較小[28]。Kim等采用自組織神經(jīng)網(wǎng)絡(luò)對(duì)澳大利亞的老年旅游市場(chǎng)進(jìn)行了分類，分為：積極求知的游客、休閑家庭性游客和謹(jǐn)慎性游客，并對(duì)三類人群在人口統(tǒng)計(jì)、旅游動(dòng)機(jī)和游客需求方面進(jìn)行了比較[29]。
Venugopal和Baets認(rèn)為自組織神經(jīng)網(wǎng)絡(luò)有三方面的優(yōu)點(diǎn)：第一，自組織神經(jīng)網(wǎng)絡(luò)相對(duì)于傳統(tǒng)聚類方法具有更強(qiáng)的魯棒性，受缺失值的影響較小，其他傳統(tǒng)方法所受影響則大。第二，常用的聚類方法對(duì)數(shù)據(jù)的分布需要各種各樣的假設(shè)，神經(jīng)網(wǎng)絡(luò)則不需要。第三，通常的聚類方法需要事先確定聚類的類別數(shù)，而自組織神經(jīng)網(wǎng)絡(luò)非常自然地將輸入信號(hào)與權(quán)值最相近的向量歸入同一類[30]。自組織神經(jīng)網(wǎng)絡(luò)在相似性判斷方面與聚類分析相同，不同之處在于，它的運(yùn)算過(guò)程采用迭代方法，而迭代之前需要對(duì)初始權(quán)值隨機(jī)賦值，這樣就可能造成聚類結(jié)果的不確定性：將采用MATLAB編寫的聚類程序運(yùn)行兩次，聚類結(jié)果會(huì)有出入。而且采用MATLAB進(jìn)行聚類分析時(shí)，需要預(yù)先確定聚類的類別數(shù)。筆者在采用MATLAB進(jìn)行細(xì)分分析時(shí)，發(fā)現(xiàn)其判別分析的準(zhǔn)確率沒(méi)有聚類分析高。當(dāng)然，自組織神經(jīng)網(wǎng)絡(luò)也有著其它聚類方法沒(méi)有的優(yōu)點(diǎn)：它能將樣本間復(fù)雜的高維關(guān)系在二維平面中形象地表示出來(lái)；在其它研究中，神經(jīng)網(wǎng)絡(luò)有著自身的優(yōu)勢(shì)，如時(shí)間序列分析中，神經(jīng)網(wǎng)絡(luò)獲得的結(jié)果比其他方法如ARIMA等獲得的結(jié)果更精確。
四、 結(jié)語(yǔ)
本文介紹了國(guó)內(nèi)外旅游市場(chǎng)細(xì)分研究的相關(guān)文獻(xiàn)及聚類分析、卡方自動(dòng)交互檢驗(yàn)和自組織神經(jīng)網(wǎng)絡(luò)等三種比較常見(jiàn)且有效的市場(chǎng)細(xì)分方法。其中，聚類分析對(duì)分類的子群特征容易描述；卡方自動(dòng)交互檢驗(yàn)則對(duì)分類的目的比較明確；自組織神經(jīng)網(wǎng)絡(luò)分析方法采用根據(jù)相似性尋找獲勝神經(jīng)元，與聚類的初衷一致，精確性較高。但指標(biāo)選取的不同，會(huì)對(duì)聚類的結(jié)果有較大的影響；卡方自動(dòng)交互檢驗(yàn)的目標(biāo)往往較為單一；自組織神經(jīng)網(wǎng)絡(luò)在實(shí)際運(yùn)用中，由于自身的特點(diǎn)即初始權(quán)值選取的隨機(jī)性，會(huì)導(dǎo)致個(gè)別樣本分類的不確定性。
此外還存在一些市場(chǎng)細(xì)分方法，如MLR和logistic回歸模型等。在實(shí)際運(yùn)用中，研究者應(yīng)根據(jù)情況選取適合的方法對(duì)市場(chǎng)進(jìn)行細(xì)分，也可以同時(shí)采用兩種或多種方法，通過(guò)比較選擇理想的分類結(jié)果。
參考文獻(xiàn)：
[1] 詹姆斯?H?邁爾斯.市場(chǎng)細(xì)分與定位[M].電子工業(yè)出版社，2005.
[2] Día-Pérez F M，Bethencourt-Cejas M，Alvarez-González J A.The segmentation of canary island tourism markets by expenditure：implications for tourism policy [J].Tourism Management，2005，26：961-964.
[3] Mok C，Iverson T J.Expenditurek-based segmentation：Taiwanese tourists to Guam [J].Tourism Management，2000，21：299-305.
[4] Park D B，Yoon Y S.Segmentation by motivation in rural tourism：a korean case study [J].Tourism Management，2009，30：99-108.
[5] Tkaczynski A，Rundle-Thiele S R，Beaumont N.Segmentation：a tourism stakeholder view [J].Tourism Management，doi：10.1016/j.tourman.2008.05.010.
[6] Cohen E.Who is a tourist? A conceptual clarification[J].Sociological Review，1974 (6)：408-424.
[7] Goeldnr C R，Ritchie J R.Tourism：principles，practices，philosophies [M].Hoboken，NJ：John Wiley & Sons，2003.
[8] Pearce P，Lee U L.Developing the travel career approach to tourist motivation [J].Journal of Travel Research，2005，43：226-237.
[9] Jang S，Wu C M E.Seniors’ travel motivation and the influential factors：an examination of Taiwanese seniors [J].Tourism Management，2006，27：306-316.
[10] 程圩，馬耀峰，隋麗娜.不同利益細(xì)分主體對(duì)韓國(guó)旅游形象感知差異研究 [J].社會(huì)科學(xué)家，2007 (4)：118-120.
[11] Bloom J Z.Tourist market segmentation with linear and non-linear techniques [J].Tourism Management，2004，25：723-733.
[12] Brey E T，So S I，Kim D Y，et al.Web-based permission marketing：Segmentation for the lodging industry [J].Tourism Management，2007，28：1408-1416.
[13] Saarenvirta G.Mining customer data [J].DB2 Magazine，1998 (3)：10-20.
[14] Fǔller J，Matzler K.Customer delight and market segmentation：an application of the three-factor theory of customer satisfaction on life style groups [J].Tourism Management，2008，29：116-126.
[15] Beh A，Bruyere B L.Segmentation by visitor motivation in three Kenyan national reserves [J].Tourism Management，2007，28：1464-1471.
[16] Hu Bo，Yu Hong.Segmentation by craft selection criteria and shopping involvement [J].Tourism Management，2007，28：1079-1092.
[17] Lee G，Morrison A M，O’Leary J T.The economic value portfolio matrix：a target market selection tool for destination marketing organizations [J].Tourism Management，2006，27：576-588.
[18] Lee C K，Lee Y K，Bernhard B J，et al.Segmenting casino gamblers by motivation：a cluster analysis of Korean gamblers [J].Tourism Management，2006，27：856-866.
[19] Hong S，Jang H.Segmentation of early casino markets：an exploratory study [J].Tourism Management，2004，25：801-805.
[20] Frochot I.A benefit segmentation of tourists in rural areas：a scottish perspective [J].Tourism Management，2005，26：335-346.
[21] Lee C K，Lee Y K，Wicks B E.Segmentation of festival motivation by nationality and satisfaction [J].Tourism Management，2004，25：61-70.
[22] Galloway G.Psychographic segmentation of park visitor markets：evidence for the utility of sensation seeking [J].Tourism Management，2002，23：581-596.
[23] Jang S C，Morrison A M，O’Leary J T.Benefit segmentation of Japanese pleasure travelers to the USA and Canada：selecting target markets based on the profitability and risk of individual market segments [J].Tourism Management，2002，23：367-378.
[24] Park M，Yang Xiaobing，Lee B，et al.Segmenting casino gamblers by involvement profiles：a colorado example [J].Tourism Management，2002，23：55-65.
[25] Bigné J E，Andreu L.Emotions in segmentation：an empirical study[J].Annals of Tourism Research，2004，31(3)：682-696.v27]Chen J S.Market segmentation by tourists’ sentiments [J].Annals of Tourism Research，2003，30(1)：178-193.
[26] Chen J S.Market segmentation by tourists’ sentiments[J].Annals of Tourism Research，2003， 30(1)：178-193.
[27] Chung K Y，Oh S Y，Kim S S，et al.Three representative market segmentation methodologies for hotel guest room customers [J].Tourism Management，2004，25：429-441.
[28] Bloom J Z.Market Segmentation：A Neural Network Application [J].Annals of Tourism Research，2005，32(1)：93-111.
[29] Kim J，Wei S，Ruys H.Segmenting the market of West Australian senior tourists using an artificial neural network [J].Tourism Management，2003，24：25-34.
[30] Venugopal V，Baets W.Neural networks and statistical techniques in marketing research：A conceptual comparison [J].Marketing Intelligence and Planning，1994，12(7)：30-38.
|
|
點(diǎn)擊次數(shù):933