شیرین مهدوی؛ مصطفی عمادزاده؛ آذرنوش انصاری
چکیده
شناسایی بخشهای بازار گردشگری به توسعهی بهتر بستههای سفر و راهبردهای کارآمدتر کمک میکند. با شناسایی ارزشهای مورد انتظار ناشی از الگوهای رفتاری و مقایسه آن با علایق رفتاری سفر افراد سالمند درکنار ویژگیهای فردی میتوان بازار گردشگران سالمند را بخشبندی و پیش بینی کرد. این مطالعه از نظر هدف کاربردی و به لحاظ ...
بیشتر
شناسایی بخشهای بازار گردشگری به توسعهی بهتر بستههای سفر و راهبردهای کارآمدتر کمک میکند. با شناسایی ارزشهای مورد انتظار ناشی از الگوهای رفتاری و مقایسه آن با علایق رفتاری سفر افراد سالمند درکنار ویژگیهای فردی میتوان بازار گردشگران سالمند را بخشبندی و پیش بینی کرد. این مطالعه از نظر هدف کاربردی و به لحاظ شیوه گردآوری اطلاعات، توصیفی- پیمایشی است. برای شناسایی ارزشهای مورد انتظار از رویکرد کیفی و روش دلفی و برای پیشبینی گروههای بازار از رویکرد کمی با استفاده از شبکههای عصبی بهره میبرد.این پژوهش بین 380 نفر ازگردشگران سالمندان اصفهانی و تهرانی به روش نمونه گیری غیر تصادفی و در دسترس انجام شده است. نتایج نشان میدهد ارزشها ناشی از ویژگیهای فردی و شخصیتی، انگیزههای سفر، تجربه سفر، سبک سفر و لذت سفر است. بازارگردشگران سالمند بر اساس ارزشهای مورد انتظار، با تکنیک شبکه عصبی در سه گروه محافظه کار، مرفه و جوان شناسایی و پیش بینی شدند.
آذرنوش انصاری؛ علی اسدی
چکیده
امروزه با توجه به اهمیت مشتری در محیط پرتلاطم و رقابتی، بهویژه در صنعت گردشگریو همچنین هزینۀ جذب مشتری جدید که بهمراتب بیش از هزینه حفظ مشتری موجود است ،شناسایی مشتری وفادار و حفظ آن اولویت بالایی دارد در این پژوهش تلاش شده،که از طریق رویکرد داده کاوی به ارزیابی وفاداری گردشگر پرداخته شود.این پژوهش بر روی 880 گردشگر داخلی شهر اصفهان ...
بیشتر
امروزه با توجه به اهمیت مشتری در محیط پرتلاطم و رقابتی، بهویژه در صنعت گردشگریو همچنین هزینۀ جذب مشتری جدید که بهمراتب بیش از هزینه حفظ مشتری موجود است ،شناسایی مشتری وفادار و حفظ آن اولویت بالایی دارد در این پژوهش تلاش شده،که از طریق رویکرد داده کاوی به ارزیابی وفاداری گردشگر پرداخته شود.این پژوهش بر روی 880 گردشگر داخلی شهر اصفهان که در بهار و تابستان 93 و 94 بیش از یک شب در هتل های 4 و 5 ستاره اقامت داشته اند،انجام شد.برای تجزیه و تحلیل دادهها از نرم افزارSPSSClementine12 و برای خوشه بندی گردشگران از الگوریتم تلفیقی PSO-KM و LRFMاستفاده شده است.نتایج حاکی از آن است که گردشگران را می توان به دو دسته طبقه بندی کرد:دسته اول در شاخصهای طول ارتباط با گردشگر و تازگی سفر دارای میانگینی بالا و در شاخصهای هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان وفادار و نامطمئن هستند.دسته دوم در شاخص تازگی سفر دارای میانگینی بالا و در شاخصهای طول ارتباط با گردشگر،هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان جدید و نامطمئن هستند.