فصلنامه مطالعات مدیریت گردشگری

طراحی مدل بازاریابی گردشگری در بستر هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

الهه محمدزاده لطفی 1
محمد حسین ایمانی خوشخو 2
سیدسعید هاشمی 3

1 دانشجوی دکتری گردشگری، دانشگاه علم وفرهنگ، تهران، ایران

2 استاد، دانشگاه علم وفرهنگ، تهران، ایران

3 دانشیار، دانشگاه علم و فرهنگ، تهران، ایران

https://doi.org/10.22054/tms.2025.84067.3031
چکیده
فناوری یکی از مؤثرترین نیروهایی است که زندگی مردم را شکل می‌دهد. صنعت گردشگری همواره در خط مقدم استفاده از فناوری بوده است. پژوهش حاضر یک مطالعه ترکیبی (کیفی - کمی) است. مصاحبه نیمه‌ساختاریافته تا حد اشباع (21 نفر) انجام شد. برای کدگذاری مصاحبه‌ها از روش براون و کلارک و با استفاده از نرم‌افزار MAXQDA تحلیل موضوعی انجام شد. همچنین برای اعتبارسنجی فرایند کدگذاری در بخش کیفی، از شاخص کاپا کوهن استفاده شد . در بخش کمی، تجزیه‌وتحلیل داده‌ها با استفاده از نرم‌افزارهای SPSS (تحلیل عاملی اکتشافی) و LISREL (تحلیل عامل تأییدی) انجام شد. روایی و پایایی همگرا و واگرا (آلفای کرونباخ و پایایی مرکب) مدل تأیید شد.
این مطالعه بر اهمیت استفاده از هوش مصنوعی در مراحل مختلف بازاریابی گردشگری تأکید می‌کند و نشان می‌دهد که استفاده از این فناوری می‌تواند منجر به بهبود کیفیت خدمات، کاهش هزینه‌ها و افزایش بهره‌وری شود.

کلیدواژه‌ها

گردشگری
مدل بازاریابی
هوش مصنوعی
موضوعات

عنوان مقاله English

Designing a Tourism Marketing Model in the Context of Artificial Intelligence

نویسندگان English

elaheh mohammadzadehlotfi 1
Mohammadhossein Imani Khoshkhoo 2
Seyed Saeid Hashemi 3
1 PhD student in Tourism, University of Science and Culture, Tehran, Iran
2 Professor, University of Science and Culture, Tehran, Iran
3 Associate Professor, University of Science and Culture, Tehran, Iran
چکیده English

Technology is one of the most influential forces that shape people's lives. The tourism industry has always been at the forefront of using technology. The present study is a mixed study (qualitative-quantitative). Semi-structured interviews were conducted to saturation (21 people). Thematic analysis was conducted using the Brown and Clark method and MAXQDA software to code the interviews. Also, Cohen's kappa index was used to validate the coding process in the qualitative part. In the quantitative part, data analysis was conducted using SPSS (exploratory factor analysis) and LISREL (confirmatory factor analysis) software. The convergent and divergent validity and reliability (Cronbach's alpha and composite reliability) of the model were confirmed.
This study emphasizes the importance of using artificial intelligence in different stages of tourism marketing and shows that the use of this technology can lead to improved service quality, reduced costs, and increased productivity.

کلیدواژه‌ها English

Tourism
Marketing model
artificial intelligenc
  1. ایمانی‌خوشخو، محمدحسین، پورجم علویجه، افسانه، نادعلی پور، زهرا (۱۳۹۴)، مطالعات گردشگری، تهران: سازمان انتشارات جهاد دانشگاهی.
  2. ایمانی‌خوشخو، محمدحسین، صباغ‌پور، مهدیه، شفیعا، سعید (۱۳۹۵). تبیین مفهوم معنویت در گردشگری با استفاده از تحلیل محتوا. فصلنامه مطالعات مدیریت گردشگری، 11(35), 107-127. DOI: 22054/tms.2017.7082
  3. اسدیان‌اردکانی، فائزه (1403). تحلیل رضایت گردشگران از منظر هوش مصنوعی: یک مطالعه کتاب‌سنجی. فصلنامه مطالعات مدیریت گردشگری،(درنوبت چاپ), https://doi.org/10.22054/tms.2025.83370.3012
  4. بلوچ، مهدی، برفروشان، شهرام (1402). بررسی کارکردهای هوشمندسازی مقاصد گردشگری در توسعه گردشگری الکترونیکی، چهارمین کنفرانس ملی پژوهش‌های کاربردی در علوم مدیریت، اقتصاد و حسابداری ایران، تهران، مرکز مطالعات و تحقیقات اسلامی سروش حکمت مرتضوی. صص 5-75. https://civilica.com/doc/849453 :DOI
  5. پورمهدی، راضیه، رهنورد، فرج‌الله، الهی، شعبان (1400). طراحی مفهومی سیستم اطلاعات گردشگری (مورد مطالعه سازمان میراث‌فرهنگی و گردشگری). مجله اقتصاد و دارائی، 53 (3): 72. DOI: https:// Articles/1855.aspx
  6. فصیح‌فر، زهره، حکم‌آبادی، حسین (1401). طراحی یک سیستم خبره مبتنی بر دانش فازی، به‌عنوان دستیار هوشمند راهنمای گردشگری در ایران، اولین همایش ملی گردشگری، جغرافیا و محیط­زیست پاک، همدان، شرکت سپیدار طبیعت الوند. صص 5-8. https://civilica.com/doc/384650 DOI:
  7. فرزین، محمدرضا، صفری، سارا (1388). شناخت نظام مدیریت مقصد گردشگری (DMS) و چالش­های توسعه آن در ایران. نشریه جغرافیا و توسعه، 7(16), 93-118. DOI: 22111/gdij.2009.1177
  8. قاسم‌زاده، مجید (1401). مؤلفه­های مؤثر در هوشمندسازی محور گردشگری تبریز واکاوی چگونگی پایداری و عوامل کلیدی در بُعد معماری و شهرسازی، کنفرانس عمران، معماری و شهرسازی کشورهای جهان اسلام، تبریز، دانشگاه تبریز صص 51-5. DOI: https://civilica.com/doc/776242.
  9. کوکبی، لیلا، برمایه‎ور، بهنود (1399). هم‌آفرینی فضای گردشگری هوشمند از طریق تعاملات دیجیتالی ارائه مدل مفهومی سایبر پارک. نشریه گردشگری شهری، 7(1), 51-67. DOI:22059/jut.2019.281556.657
  10. Arenas, A. E., Goh, J. M., & Urueña, A. (2021). How does IT affect design centricity approaches: Evidence from Spain’s smart tourism ecosystem? International Journal of Information Management, 45, 149-162. https://doi.org/ abs/ S0268401217310435
  11. Arsenijevic, U., & Jovic, M. (2019). Artificial intelligence marketing: Chatbots. In International Conference on Artificial Intelligence: Applications and Innovations, (pp. 19-22). https://doi.org/1109/IC-AIAI48757.2019.00010
  12. Braun, V., & Clarke, V. (2012). THEMATIC ANALYSIS. American Psychological Association, 2(4), 57-71. https://www.researchgate.net/publication/269930410_Thematic_analysis
  13. Chen, L., & Jiang, M. (2021). Artificial intelligence adoption in business-to-business marketing: toward a conceptual framework. Journal of Business & Industrial Marketing. https://doi.org/1108/JBIM-09-2021-0448
  14. Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of Big Data–evolution, challenges and research agenda. International Journal of Information Management, 48, 63-71. https://doi.org/10.1016/j.ijinfomgt.2019.01.021
  15. Dubey, R., Gunasekaran, A., Childe, S. J., Blome, C., & Papadopoulos, T. (2019). Big data and predictive analytics and manufacturing performance: integrating institutional theory, resource‐based view and big data culture. British Journal of Management, 30(2), 341-361. https://doi.org/10.1111/1467-8551.12355
  16. Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2019). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24-42. https://doi.org/1007/s11747-019-00696-0
  17. Frank, B. (2020). Artificial intelligence-enabled environmental sustainability of products: Marketingbenefits and their variation by consumer, location, and product types. Journal of Cleaner Production, 285. https://doi.org/1016/j.jclepro.2020.125242
  18. Gajdošík, T. (2020). Smart tourism: concepts and insights from Central Europe. Czech Journal ofTourism, 7(1), 25-44. https://doi.org/1515/cjot-2020-0002
  19. Gretzel, U., Sigala, M., Xiang, Z., & Koo, C. (2015). Smart tourism: foundations and developments. Electronic markets, 25(3), 179-188. https://doi.org/1007/s12525-015-0196-8
  20. Hui Huang, M., & Rust, R. (2020). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 50(1), 30-49. DOI:1007/s11747-020-00749-9
  21. Han, R.K.S., Lam, H., & Zhan, Y. (2021). Artificial intelligence in business-to-business marketing: a bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems, 121(12), pp. 2467-2497. https://doi:1108/IMDS-05-2021-0300
  22. Kim, M. J., Chung, N., & Lee, C. K. (2018). The effect of perceived trust on electronic commerce:Shopping online for tourism products and services in South Korea. Tourism Management, 32(2), 256-265. https://doi:1016/j.tourman.2018.01.011
  23. Lai, Z., & Yu, L. (2021). Research on digital marketing communication talent cultivation in the era of artificial intelligence. In Journal of Physics: Conference Series 1757(1), 012040. IOP Publishing. https://doi:10.1088/1742-6596/1757/1/012040
  24. Lee, K., Yoo, J., Choi, M., Zo, H., & Ciganek, A. P. (2016). Does external knowledge sourcing enhance market performance? Evidence from the Korean manufacturing industry. PLoS One, 11(12), e0168676. https://doi:1371/journal.pone.0168676.t002
  25. Liu, Q., & Wei, Q. (2023). Computer-Aided Internet of Things System Structure for Urban Tourist Attractions. CAD-APS, S2, 131-142 https://doi:10.14733/cadaps.2023.S2.131-142
  26. Ma, L., & Sun, B. (2020). Machine learning and AI in marketing – Connecting computing power to human insights. International Journal of Research in Marketing, 37(3), pp. 481-504. https://doi.org/10.1016/j.ijresmar.2020.04.005
  27. Mustak, A.M., Salminen b,J., Pl´e, C.L., & Wirtz, J. (2020). Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda. Journal of Business Research, 124, pp. 389-404. https://doi:1016/j.jbusres.2020.10.044
  28. Savić, J., & Pavlović, G. (2018). Analysis of factors of smart tourism development in Serbia. Menadžment u hotelijerstvu i turizmu, 6(1), 81-91. DOI:5937/menhottur1801081S
  29. Tan, E. M. Y., Goh, D. H. L., Theng, Y. L., & Foo, S. (2019). An analysis of services for the mobile tourist. In Proceedings of the 4th international conference on mobile technology, applications, and systems and the 1st international symposium on Computer human interaction in mobile technology. (pp. 490-494). https://1145/1378063.1378142
  30. Wang, F., Ji, F. & Wu, B. (2023). How does virtual tourism involvement impact the social education effect of cultural heritage?. Journal of Destination Marketing & Management, Volume 28, pp. 8-14. https://doi.org/10.1016/j.jdmm.2023.
فصلنامه مطالعات مدیریت گردشگری
دوره 20، شماره 70
تابستان 1404
صفحه 78-124

صفحه اصلی

اعضای هئیت تحریریه

ارسال مقاله

هزینه بررسی مقاله ها

تماس با ما