نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری کارآفرینی،گروه مدیریت و کارآفرینی، دانشگاه رازی، کرمانشاه، ایران

2 دانشیار گروه مدیریت و کارآفرینی، دانشگاه رازی، کرمانشاه، ایران

چکیده

در عصر دگرگونی دیجیتال، کلان داده در تغییر سفرهای جهانی و ایجاد چالش‌ها و فرصت‌ها برای شرکت‌های تاسیس شده در صنعت گردشگری، نقش حیاتی ایفا کرده است. این مطالعه به دنبال پرکردن شکاف دانش پیوند روابط بین کلان داده و استراتژی بازاریابی در زمینه‌های مختلف پژوهشی در ادبیات گردشگری و مهمان‌نوازی(هتلداری) است. در این پژوهش به منظور تبیین مدلی جامع و با استفاده از رویکرد فراترکیب 47 مقاله با بهره گیری از متدلوژی کسپ بررسی و پیامدها، چالش‌ها، پیشایندها(پیش‌نیازها) و ابعاد بازاریابی داده محور در صنعت گردشگری شناسایی و اولویت بندی شدند. پس از تجزیه و تحلیل مقالات، پیامدهای کاربرد کلان داده، در 7 مقوله اصلی(7p) شامل: 1-فرایند2-مردم/مشتری3-محصول/خدمت4-شواهد فیزیکی5-ترفیع/پیشبرد6-توزیع/مکان7-قیمت طبقه بندی و اولویت بندی شدند. همچنین چالش‌ها، در 4 مقوله و پیشایندها و ابعاد هر کدام در 3 مقوله شناسایی و اولویت بندی شدند و در نهایت بر اساس جداول فراترکیب مدلی استخراج شد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Proposing a Model for Data Driven Marketing in the Smart Tourism with a Meta-synthesis Approach

نویسندگان [English]

  • Salimeh sadat Khosravi 1
  • Nader Naderi 2

1 PhD Student of Entrepreneurship, Department of Management & Entrepreneurship, Razi University, Kermanshah, Iran

2 Associate Professor, Department of Management & Entrepreneurship, Razi University, Kermanshah, Iran

چکیده [English]

In the era of digital transformation, Big Data have assumed a crucial role in changing the global travel and providing significant challenges and opportunities for established companies, as well as new entrants into the tourism industry. this study sought to fill the knowledge gap of linkage the relationships between big data and marketing strategy with comprehensive viewpoints across different research fields in tourism and hospitality literatures. This study aims to identify and present a comprehensive model of data driven marketing in smart tourism. This study is conducted by Meta-synthesis approach. After performing CASP analysis, eventually,47 papers are investigated. we identified and prioritized the consequences, challenges, prerequisites and Dimensions of data driven marketing in smart tourism. After investigating the articles, we identified and prioritized the consequences of BD in 7 major Category including: 1-process 2-people 3-product 4-physical evidence 5-promotion 6-place 7-price. This research has contributed to the expansion of the research literature`s knowledge body and can provide researchers and marketing managers with a through understanding of tourism and hospitality in the field of data-driven marketing.
Introduction
The epistemology of the literature on big data in hospitality and tourism operations provides enormous opportunities and has dynamically revolutionized this discipline, attracting attention from academics. In view of emergency events, such as the current COVID-19 pandemic, tourism and hospitality scholars across different disciplines have highlighted the role of big data trends in improving the quality of marketing strategies. For example, Iorio et al. (2020) asserted that big data can be a useful source of information that can not only interpret unstructured data through the knowledge discovery process but also predict tourists’ behaviour when facing requirements that are changeable.
Gallego and Font (2020) asserted that managers might use big data to detect the reactivation of visitors to develop targeted marketing strategies and diminish the effects of the COVID-19 pandemic. Therefore, big data analysis provides a better understanding of the social change in present and future issues and value creation by comparing cross-sectional data in diverse areas.
Materials and Methods
This research used the meta-synthesis method to synthesize previous qualitative studies. In this study, the seven-step meta synthesis method established by Sandelowski and Barroso was used, and thematic analysis was used to analyze the sample texts in the meta-synthesis method.
 
 
Discussion and Results
we identified and prioritized the consequences of BD in 7 major Category including: 1-process 2-people 3-product 4-physical evidence 5-promotion 6-place 7-price. And Challenges of BD in 4 Category including: 1- Ethical and privacy issues 2- Management and financial issues 3- Technological, human and organizational challenges 4- Data reliability and data access
Conclusions
On the demand side, there has been a massive transformation in consumer behaviour. Consumers have become more experienced, independent and irrational due to changes in their values, lifestyles and demographic patterns. This has forced the supply side to shift from mass marketing to personalized marketing through the rules of market segmentation. The production process has also become more consumer centric. Furthermore, as a sign of a new era in ICTs, concepts such as big data, IoT and AI have recently gained significant importance in many sectors because the developments in ICTs have accelerated worldwide. Tourism is one of the important fields that use these concepts and will also be influenced to a great extent. Such changes will occur in the “P”s of tourism and hospitality marketing on the supply side and consumer behaviour on the demand side. As for the retransformation of tourism and hospitality marketing, new forms of “P”s can be explained as below: First, tourism products and services will be redesigned with the help of ICTs.
Products and services will become more destination-oriented and smart destinations will be the core of tourism products and services. Second, the ability to use information technology and develop more technology-oriented products and services will be an indicator of pricing and value. Third, the place where all purchasing and transactions to be handled will become much more virtual. Finally, the promotion will also be more virtual-centric, where consumer decision-making can be influenced by the experience of other consumer peers and more personalized communication channels will be part of online or virtual marketing.

کلیدواژه‌ها [English]

  • Big data
  • Value co-creation
  • E-Marketing
  • Data driven marketing
  • Smart tourism
  1. امینی، مائده، جعفری، سید محمدباقر، محمدیان، ایوب و کریمی، آصف (1400). پیشایندهای به‌کارگیری کلان‌‎ داده برای نوآوری در فعالیت‌های بازاریابی. نشریه علمی مدیریت اطلاعات، (1)7، 243 –
  2. دهدشتی‌شاهرخ (1398). تحلیلی از 7 سال پژوهش‌های فصلنامه برنامه‌ریزی و توسعه گردشگری با استفاده از تکنیک متن‌کاوی. برنامه ریزی و توسعه گردشگری، 8 (30)، 35-49.‎
  3. قراخانی‌بهار، امید، عبادتی، امید مهدی و سادات رسول، سید مهدی (1398). تجزیه و تحلیل مراکز اقامتی گردشگری در ایران با استفاده از کلان داده: مطالعه موردیTripAdvisor . پایان‌نامه کارشناسی ارشد، دانشکده مدیریت دانشگاه خوارزمی.
  4. عباسی، محمدجواد و امامی، سمانه (1400). تأثیر بیماری کووید-۱۹ بر صنعت گردشگری و هتلداری با استفاده از تحلیل‌های کلان داده. پنجمین کنفرانس ملی فناوری در مهندسی برق و کامپیوتر ۲۰۲۱. https://civilica.com/doc/1281610
  5. فلاحی، آزاده، مدرسی، میثم و زارعی، عظیم اله (1400). بررسی تأثیر عوامل مؤثر بر پذیرش فناوری کلان ‌داده در صنعت گردشگری (مورد مطالعه: کسب‌وکارهای گردشگری شیراز). پایان‌نامه کارشناسی ارشد، دانشگاه سمنان، پردیس علوم انسانی - دانشکده اقتصاد، مدیریت و علوم اداری.
  6. ابن‌یمینی، ملیکا، میرزایی، روزبه و زال، محمد حسن (1396). داده‌های کلان و نقش آن در انتخاب مقاصد گردشگری، مطالعه موردی: مقصد اصفهان. پایان‌نامه کارشناسی ارشد،  دانشگاه مازندران، دانشکده میراث فرهنگی، صنایع دستی و گردشگری.
  7. عبدیان، صبا، حسین‌زاده شهری، معصومه و خدیور، آمنه (1400). شناسایی زمینه‌های کاربرد کلان داده در بازاریابی. نشریه چشم‌انداز مدیریت بازارگانی،20(47)، 87-64.
  8. دهدشتی‌شاهرخ، زهره، ناصحی‌فر، وحید، قادری، اسماعیل و شعاران، افرا (1401). مدل تجربه هم‌آفرینی مشتری درصنعت میهمان‌نوازی نظیر به نظیر: رویکرد متاسنتز. مطالعات مدیریت گردشگری،17(59)،9-38.Doi:10.22054/tms.2022.68761.2734  
  9. ربانی، راضیه (1400). بررسی نقش کلان داده‌ها در مقصدهای هوشمند گردشگری. اولین کنفرانس بین‌المللی جهش علوم مدیریت، اقتصاد و حسابداری،ساری.https://civilica.com/doc/1463594
  10. فرهودی، کلانتری هرمزی، رضوان و زند حسامی (1400). ارائه یک مدل مفهومی جدید برای حوزه کلان داده‌ها و تحلیل کسب‌وکارهای داده محور در ایران برمبنای مدل ارائه شده. دو فصلنامه فناوری اطلاعات و ارتباطات ایران، (47) 47، 23.
  11. تقوی‌فرد، محمد‌تقی، محمد‌خانی، امیر و بیرامی، ثریا (1400). نقش مسئولیت اجتماعی شرکت در پذیرش زنجیره تأمین سبز با توجه به نقش میانجی تجزیه ‌و تحلیل کلان داده‌ها. نشریه علمی آماد، (20) 79، 69-106.
  12. دهدشتی‌شاهرخ، زهره (2020). تحلیل ساختار محتوایی فصلنامه مطالعات مدیریت گردشگری با استفاده از تکنیک متن‌کاوی. مطالعات مدیریت گردشگری، (50) 15، 97 –
  13. شهرآبادی، ملیکا، مهرآیین، محمد و خوراکیان، علیرضا (1400). تبیین مدل مفهومی کلان داده و قابلیت‌های بازار محوری با تعدیل‌گری استراتژی بازاریابی. اولین کنفرانس بین‌المللی آزمایشگاه مدیریت و رویکردهای نوآورانه در مدیریت و اقتصاد، تهران.https://civilica.com/doc/1347786
  14. Akter, S., Hossain, M. A., Lu, Q. (Steven), & Shams, S. M. R. (2021). Big data-driven strategic orientation in international marketing. International Marketing Review, 38(5), 927–947. https://doi.org/10.1108/IMR-11-2020-0256
  15. Anshari, M., Almunawar, M. N., Lim, S. A., & Al-Mudimigh, A. (2019). Customer relationship management and big data enabled: Personalization & customization of services. Applied Computing and Informatics15(2), 94-101.
  16. Ardito, L., Petruzzelli, A. M., Panniello, U., & Garavelli, A. C. (2019). Towards Industry 4.0: Mapping digital technologies for supply chain management-marketing integration. Business Process Management Journal, 25(2), 323–346. https://doi.org/10.1108/BPMJ-04-2017-0088
  17. Baggio, R. (2016, April). Big Data, Business Intelligence and Tourism: a brief analysis of the literature. In IFITT workshop on Big Data & Business Intelligence in the Travel & Tourism Domain(pp. 9-17).
  18. Benoit, D. F., Lessmann, S., & Verbeke, W. (2020). On realising the utopian potential of big data analytics for maximising return on marketing investments. Journal of Marketing Management ISSN:, 36(3–4), 233–247.
  19. Campbell, R., Pound, P., Pope, C., Britten, N., Pill, R., Morgan, M., & Donovan, J. (2003). Evaluating meta-ethnography: a synthesis of qualitative research on lay experiences of diabetes and diabetes care. Social Science & Medicine, 56(4), 671–684. https://doi.org/10.1016/S0277-9536(02)00064-3
  20. Denish Shah, & Murthi, B.P.S. (2020). “Marketing in a data-driven digital world: Implications for the role and scope of marketing“. Journal of Business Research. https://doi.org/10.1016/j.jbusres.2020.06.062
  21. Ducange, P., Pecori, R., & Mezzina, P. (2018). A glimpse on big data
    analytics in the framework of marketing strategies. Soft Computing, 22(1), 325-342.
  22. Hartmann, P. M., Zaki, M., Feldmann, N., & Neely, A. (2016). Capturing value from big data– a taxonomy of data-driven business models used by start-up firms. International Journal of Operations and Production Management, 36(10), 1382–1406. https://doi.org/10.1108/IJOPM-02-2014-0098
  23. Hlee, S., Lee, H., & Koo, C. (2018). Hospitality and Tourism Online Review Research: A Systematic Analysis and Heuristic-Systematic Model. Sustainability, 10(4). 1141. doi:10.3390/su10041141
  24. Huang, M. H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science49(1), 30-50. https://doi.org/10.1007/s11747-020-00749-9
  25. Inanc–Demir, M., & Kozak, M. (2019). Big data and its supporting elements: Implications for tourism and hospitality marketing. Big data and innovation in tourism, travel, and hospitality: Managerial approaches, techniques, and applications, 213-223.
  26. Ivanchenko, O. V., Mirgorodskaya, O. N., Baraulya, E. V., & Putilina, T. I. (2019). Marketing relations and communication infrastructure development in the banking sector based on big data mining. 7(Special issue 2), 176-184. https://www.um.edu.mt/library/oar/handle/123456789/51732
  27. Li, J., Xu, L., Tang, L., Wang, S., & Li, L. (2018). Big data in tourism research: A literature review. Tourism management68, 301-323.
  28. Li, X., & Law, R. (2020). Network analysis of big data research in tourism. Tourism Management Perspectives, 33, 100608.
  29. Liu, CH., Horng, JS., Chou, SF. et al. (2022). Integrating big data and marketing  concepts into tourism, hospitality operations and strategy development. https://doi.org/10.1007/s11135-022-01426-5
  30. Lv, H., Shi, S., & Gursoy, D. (2022). A look back and a leap forward: a review and synthesis of big data and artificial intelligence literature in hospitality and tourism. Journal of Hospitality Marketing & Management31(2), 145-175.
  31. Manyika, J., Chui, M., B., B., J., B., R., D., Roxburgh, C., & Byres, H. (2011). Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute. https://doi.org/10.1080/01443610903114527
  32. Maroufkhani, P., Wan Ismail, Kh.W., & Ghobakhloo, M. (2020). Big Data Analytics Adoption Model for Small and Medium Enterprises. Journal of Science and Technology Policy Management, 11 (2): 171–201. https://doi.org/10.1108/JSTPM-02-2020-0018.
  33. Mariani, M. (2020). "Big Data and analytics in tourism and hospitality: a perspective article". Tourism Review, Vol. 75 No. 1, pp. 299-303. https://doi.org/10.1108/TR-06-2019-0259
  34. Mariani, M., Baggio, R., Fuchs, M. & Höepken, W. (2018). "Business intelligence and big data in hospitality and tourism: a systematic literature review". International Journal of Contemporary Hospitality Management, 30 No. 12, pp. 3514-3554. https://doi.org/10.1108/IJCHM-07-2017-0461
  35. Mariani, M.M., Di Fatta, G. & Di Felice, M. (2019). “Understanding Customer Satisfaction with Services by leveraging Big Data: the Role of Services Attributes and Consumers’ Cultural Background”. IEEE Access, 7,8580523, pp. 8195-8208.
  36. Mikalef, P., Krogstie, J., Pappas, I.O. & Pavlou, P. (2020). Exploring the Relationship between Big Data Analytics Capability and Competitive Performance: The Mediating Roles of Dynamic and Operational Capabilities. Information and Management, 57 (2):103169. https://doi.org/10.1016/j.im.2019.05.004
  37. Mikalef, P. and Krogstie, J. (2020). Examining the Interplay between Big Data Analytics and Contextual Factors in Driving Process Innovation Capabilities. European Journal of Information Systems, 29 (3): 260–87. https://doi.org/10.1080/0960085X.2020.1740618.
  38. Nan, W., & Xiaochun, S. (2020, November). The influence and countermeasures of enterprise marketing activities under the big data background. In Journal of Physics: Conference Series(Vol. 1684, No. 1, p. 012016). IOP Publishing. doi:10.1088/1742-6596/1684/1/012016
  39. Volo, S. (2020). Tourism statistics, indicators and big data: a perspective Tourism Review.
  40. Xiang, Z., & Fesenmaier, D. R. (2017). Tourism on the Verge. Analytics in Smart Tourism Design. Concepts and Methods.
  41. Xiang, Z., Du, Q., Ma, Y., & Fan, W. (2017b). A comparative analysis of major online review platforms: Implications for social media analytics in hospitality and tourism. Tourism Management, 58, 51-65. doi:10.1016/j.tourman.2016.10.001
  42. Zhang, J. (2018). Big data and tourism geographies–an emerging paradigm for future study. Tourism Geographies, 20 No(5), 899–904.