(最新)近20年国外旅游目的地市场营销研究综述

《(最新)近20年国外旅游目的地市场营销研究综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、近20年国外旅游目的地市场营销研究综述    1前言    在旅游业竞争日益激烈的大环境下，越来越多的旅游开发商、经营商、旅行社、政府组织和学者开始关注如何利用现代化信息平台，采取恰当的营销手段，以求赢得最大的旅游收益。在旅游目的地市场营销学术研究方面，西方已超前我国数十年。为了评述国际上对旅游目的地市场营销的研究，笔者通过对《旅游研究纪事》和《旅游管理》二十余年来发表相关文献的梳理发现，国外有关旅游目的地市场营销的研究内容主要涉及4大方面，即旅游客源市场研究(向谁营销)、旅游目的地营销主体和方式(由谁开展营销)、旅游目的地形象研究(营销什么)以及旅游目的地市场营销信息技术与渠道(如何营销

2、)。其中，旅游客源市场研究和旅游目的地形象研究已趋成熟，而在旅游目的地市场营销信息技术与渠道部分，新兴知识引入比例最大。    2旅游客源市场研究(向谁营销)    2.1客源市场的动机、决策与行为    在旅游目的地市场营销研究乃至整个旅游研究领域中，出游动机及相关研究一直处于重要地位。只有明白了旅游者的出游目的和出游推动力，旅游供应商才能有针对地生产产品，并向目标群体实施营销，进而实现营销效果的最佳化。普洛格(Plog，1974)[1]、皮尔斯(Pearce，1982)[2]、麦金托什(McIntoshRW，1995)、斯沃布鲁克(SwarbrookJ)和克洛普敦等人(Crompton

3、，BothaandKim，1999)[3]分别从不同的学科角度对旅游动机进行了分类研究。    受旅游者动机的催动，旅游者开始筛选、衡量手头信息，对要去哪里、什么时间去、和谁去等等一系列问题做出决策。丹恩(Dann，1977)将对旅游者个人动机上的影响力视为推动因素，它是从需求一方做出解释的，指旅游者个人可支配收入、旅行需要、出游动机和旅游营销资讯获取量等[4]，马斯洛的需要层次理论和普洛格的心理图谱理论都与内在推动力密切相关。    从另一个角度来讲，出游决策是旅游者基于所掌握信息量的多少而做出的。因此，了解旅游者的信息搜索行为倾向大有裨益。科普兰德(Copeland，1917)最先观察

4、人们的购买前信息搜索行为[5]。斯奈潘格(Snepenger，1993)指出家庭/朋友、目的地相关文字资料、媒体及旅行社是旅游者最常使用的四种外部信息资源[6]。根据信息经济理论的预测，互联网将因其成本经济、使用便捷、时效性强、信息量大、接触面广而成为旅游营销实施中的重要引擎。    2.2客源市场划分方法    在客源市场动机、决策与行为相关理论日臻完善的情况下，研究人员逐渐将目光转移到客源市场的划分方法上，而市场营销决策很重要的一部分就是如何使用最恰当的技术或方法来划分客源市场。传统上讲，市场通常依据人口统计特征、社会—经济因素、地理位置因素、旅行过程因素和包括购买行为、消费行为以及对

5、吸引物、经历、服务的主观偏好在内的购买者行为因素来进行细分[7]。可随着对客源市场划分方法研究的不断深入，用线性技术来辨别非线性关系的传统做法的局限性暴露得越来越多，这都要求对聚类分析(clusteranalysis)和多重线性回归分析(multiplelinearRegression)重新审视其适用性。    目前，市场划分的技术有最基础的百分位制和四分之一分位制，复杂些的有因子分析、主成分分析和聚类分析。莫克和艾弗森(Mok&Iverson，2000)以游客花费为变量，用百分位制划分了到达关岛的台湾游客市场[8]。帕克等人(Park，Yang，JangandStokowski，2002

6、)使用探索性因子分析(exploratoryfactoranalysis)和聚类分析的方法，在美国科罗拉多州一个赌博场所研究了赌博者的娱乐消遣行为模式[9]。莫里森等人(Morrison，Jang&O’Leary，2002)运用因子聚类分析法，将到访美国和加拿大的日本游客市场进行细分[10]。格罗威(Galloway，2002)用主成分分析和K值聚类运算对加拿大安大略省公园游客市场进行划分[11]。    现有的市场划分技术也在不断改进，人工智能技术也被纳入其中，人工智能神经网络分析(ANNs)就是很好的一种。马扎尼克(Mazanec，1992)使用人工智能神经网络对奥地利旅游市场做出划分

7、[12]。金等人(Kim，Wei&Ruys，2003)应用隶属于人工智能神经网络中的自生特征图技术(self-organisingfeaturemaps)对西澳大利亚的老年旅游市场进行划分[13]。学者发现，人工智能神经网络还具有一定预测功能。在劳和努(LawandAu，1999)应用人工智能神经网络来预测日本游客到访香港的人次时，发现其准确性要强于使用回归法或其他时间序列(time-seriesmodels)模型，包括