國內外旅游客源市場研究-wenkub.com
2025-08-01 15:06 本頁面
【正文】 隨著旅游客源市場研究的進一步深入，毫無疑問，將會大大加強旅游業(yè)決策者們的判斷和預測能力，進而促進整個旅游的發(fā)展。在以后的研究過程中，我國學者應加強對多個案例、多種技術方法的比較和綜合研究。主要表現(xiàn)在：1)國內學者的定性研究偏多，且主要集中在旅游客源市場時空結構等研究方向。旅游客源市場細分的研究國內外存在較大的差異。JaesooKim等運用神經網(wǎng)絡的Kohonen’sSOM算法將澳大利亞西部老年旅游市場細分成四個不同的部分。國內學者解杼等引入主成分分析與聚類分析方法對江西省國內旅游客源市場的地理結構進行細分。ReidarJ．Mykletun等靈活運用多元logistic回歸模型來分析Bornholm島最有價值的游客細分市場。這一理論可以幫助旅游地營銷者更有針對性地向核心消費群體制定促銷和服務戰(zhàn)略。劉曉輝根據(jù)旅游者地理、收入、文化、行為、心理變量劃分出貴州旅游客源市場各個細分群體。余潔_5168。此外，旅游市場屬感性消費市場，其市場細分比物質性消費市場更為復雜。國外學者在注重介紹新技術的同時，加強了對現(xiàn)有技術的比較和綜合研究，預測方法正由單一化逐漸轉向綜合化，研究結果更加精確，這將成為未來學者在這一方向研究的趨勢。JaeH．Kima等。VincentCho6研究了指數(shù)平滑法、單變量ARIMA模型和神經網(wǎng)絡的Elman模型三種時問序列預測技術。張友蘭等分析了旅游引力模型、多元(逐步)回歸模型和時間序列模型在預測旅游人數(shù)方面的優(yōu)缺點。研究結果表明，這種組合模型比其他單變量的時間序列模型的絕對平均誤差百分比(MAPE)都小。周建設等運用多種預測方法，對昆明境外游客進行預測，并采用組合方法對預測結果進行了優(yōu)化。研究表明，使用反向神經網(wǎng)絡模型比回歸模型、時間序列模型和前饋神經網(wǎng)絡模型的預測精度更大。運用神經網(wǎng)絡模型進行預測是近期國內外學者對旅游客源市場預測研究的一大亮點。結果表明中國旅游入境客源灰色GM(1，1)模型的預測精度高于線性模型。宣國富等在重力模型的基礎上，以航空票價為經濟距離指標，建立了基于航空廊道的三亞市旅游客流空問潛力模型。KevinGreenidge運用結構性時間序列建模來預測赴Batbados旅游的游客數(shù)量。田喜洲通過建立指數(shù)函數(shù)預測模型預測了重慶市的美國客流量。陳南江_j1使用羅吉斯曲線進行旅游市場的線性預測。旅游客源市場預測的研究主要是采用定性或者定量的預測技術對案例進行研究。目前該方向研究的技術方法由簡單描述分析逐漸向運用指標(模型)體系進行分析轉變，加強了對案例分析研究的深度，但總體上學者們對個案特征的分析較多，對共性規(guī)律的提煉還須進一步加強。要軼麗和鄭國從運動模式、路徑、結點、結點層次、域面(客源吸引半徑)和擴散(地理集中指數(shù))六個方面對西安國內旅游市場空間結構及其演化進行了剖析。客源吸引半徑正逐漸被廣大學者運用到旅游客源市場空間結構的研究中。除了分析個案特征外，學者們也對多個案例的相應指標進行了比較研究，以提取相關共性規(guī)律。萬緒才等]、陸亦農㈣、沈振劍、陳月英川、李興江等、胡道華、趙健雅川、李巧玲等、程成等]、院玲玲等運用地理集中指數(shù)、季節(jié)性強度指數(shù)分別對南京、吐魯番、河南、福建、甘肅、湖北、北京、武威、廣西、蘭州旅游客源市場的空間結構特點及時間變化特征進行了分析。隨著旅游客源市場研究的進一步深入，毫無疑問，將會大大加強旅游業(yè)決策者們的判斷和預測能力，進而促進整個旅游的發(fā)展。在以后的研究過程中，我國學者應加強對多個案例、多種技術方法的比較和綜合研究。主要表現(xiàn)在：1)國內學者的定性研究偏多，且主要集中在旅游客源市場時空結構等研究方向。對原始數(shù)據(jù)運用數(shù)理統(tǒng)計方法來分析。陳瑛J、王仕蓮、徐致云分別分析了陜西、云南、海南海外旅游客源市場的時空特征。2旅游客源市場時空結構的研究旅游客源市場按消費者地理區(qū)域分布和時間分布可劃分為旅游客源市場空間結構和時間結構。對調查結果進行因子分析表明：12個推力因子可以歸納成四個本質因子，分別是家庭歸屬和學習因子(familytogethernessandstudy)、自然資源和健康因子(appreciatingnatu—ralresourcesandhe
環(huán)評公示相關推薦
鄂ICP備17016276號-1