游客消费特征范文第1篇

[关键词] 秦岭北坡 农家乐 旅游客源市场 行为模式

随着人们生活水平的提高，农家乐旅游逐渐成为都市居民喜爱的旅游形式，因此研究其客源市场特征及游客行为模式具有重要意义。

一、研究背景

1.秦岭北坡西安市长安区农家乐概况

西安市长安区农家乐旅游从20世纪90代起步，2003年由于政府大力推进其向规范化、规模化的方向发展而迅速升温。2003年33户农家乐经营户挂牌，到2006年农家乐接待户已有424户，接待游客75万人，收入3000万元。

2.调查问卷的设计及分析

调查问卷设计的内容包括人口学特征、地理空间特征、消费特征、时间特征及其他特征。调查问卷采用实地调查法，共发问卷300份，收回的有效问卷为290份，有效率为98%。在问卷的结果分析中用到了数理统计、EXCEL等方法及软件。

二、农家乐旅游客源市场分析

1.人口学特征

从表1中显示主要游客为年龄在25～50岁之间、月工资为1000～3000元之间的群体。这一群体多数已有自己的家庭以及稳定的收入，闲暇时间固定，比较偏好闲适轻松、能和家人朋友相聚沟通的旅游方式。月收入在1000元以下的游客主要为大学生群体，他们经济能力有限，往往选择花费小、风景佳、距离短的农家乐。

2.地理空间特征

秦岭北坡农家乐客源市场主要以西安市区游客为主（表2）。地理空间结构中体现出农家乐旅游的吸引半径约为20～100km，旅游强度等指数随着距离的增加而呈衰减趋势，其中距离秦岭北坡30～60km形成游客最为集中的区域旅游客源。值得注意的是游客强度等指数并不是一开始就呈现出衰减，而是到达20km～30km公里后才出现衰减，这是因为中国城市化的飞速发展使城市边缘出现了“城乡结合带”，它们不能满足城市居民“逃离城市到乡村休闲”的要求。

3.消费特征

(1)消费动机

表2中显示游客选择农家乐旅游的动机以娱乐消遣为主，其次为家人朋友聚会，借农家乐的环境和独特的氛围求得身心的愉悦，家人朋友的沟通交流是主要的消费动机。

(2)消费水平

90.9%游客的人均花费集中在200元以下（表2），其中餐饮占了总花费的40%以上，住宿花费在总花费中约占了30%以下；65%游客没有购物，而选择购物的游客购物花费最多为总花费的10%左右；72%游客选择参加娱乐项目，约占总花费的5～20%（图1）。值得注意的是餐饮花费与游客收入总体呈负相关关系，住宿、娱乐花费与游客收入总体呈正相关关系；购物花费最大的群体为年龄在35～50岁之间、收入在2000～3000元之间的职员、教师、商人及公务员。

4.农家乐客源市场时间特征

春夏两季是农家乐旅游的旺季，这两季是乡村景色最美、各项娱乐活动都能开展的季节。在时间段的选择上，人们倾向周末到农家乐旅游。在黄金周期间，农家乐的客源远不如周末，这主要是黄金周期间人们更倾向于空间尺度较大、知名度较高的旅游目的地。在停留时间上，大多数游客选择的是一日游（表3）。

5.农家乐客源市场其他特征

游客喜爱参与性较强的农家乐（表3）。对于农家乐的组织形式，人们乐于和家人朋友一起来进行旅游。在交通方式中，65.1%为自驾车旅游，25.1%为公交车，选择坐公交车的消费群体主要是青年学生及收入低于2000元群体。

三、农家乐客源市场行为模式研究

1.游客以空间尺度较小的周末一日游为主，旅游旺季集中在春夏两季

农家乐旅游以“朝发夕归”的短程一日游为主。这主要由于以下原因:可自由支配收入的限制，我国城市居民人均年可支配收入在5000元左右，一年多安排一次中远程旅游，平常主要是近程短途旅游;由于生活的快节奏使城市居民平时更加愿意避开人满为患的著名景点;由于私家车数量急剧增加，自驾游成为时尚。春夏两季乡村景色最美，是最适宜出游的季节。

2.农家乐旅游消费停留在悦目悦身的基本层次，消费水平与收入密切相关

目前农家乐游客享受的是较低价位的消费产品、较低档次的旅游服务和较低层次的精神感受，农家乐旅游行为停留在悦目悦身的基本层次。而旅游消费较低，主要集中在餐饮及住宿方面，消费水平与收入密切相关。

3.游客往往与家人朋友选择去参与性强的农家乐

现代社会人们更加注重与家人朋友的交流和沟通，参与性强的农家乐为他们提供了良好的环境和场所，人们通过各种农家活动增加友谊、加强亲情。

四、建议

基于上述分析，本文对农家乐旅游提出以下建议：

1.深度挖掘农家乐旅游内涵，使旅游客源市场多元化

为了保持和突出农家乐“乡村性”, 应以民俗和建筑体现风格, 以淳朴和真诚营造氛围，以“吃农家饭、住农家屋、干农家活、赏农家景、购农家物、享农家乐”为主要内容, 深度挖掘农家乐的内涵。要紧扣农家乐的主题进行市场定位,提供面向不同消费层次的农家乐旅游产品, 使旅游客源市场多元化。

2.依托政府宏观调控,建立完整的旅游产业链

理想化的农家乐旅游是旅游业与农业的一种结合，是第三产业在不影响第一产业的基础上的一种附加。农家乐应该利用其原生原味的乡村性，特有的乡村文化和土特产品来发展农村经济。目前农家乐尚未形成完整的旅游产业链，政府应充分发挥宏观调控，引导建立完整的旅游产业链，不断挖掘代表其特色的土特产品或乡村手工艺品。

3.农家乐旅游市场营销系列化、管理规范化

为了扩大市场份额、提高农家乐旅游产品质量，必须运用多种形式宣传和推销农家乐旅游产品，使旅游市场营销系列化；另外在管理方面，可通过组建农家乐协会等形式, 引导农家乐经营户按照“自愿、联合、规范”的原则联合起来, 对内统一服务标准，对外统一打造品牌，实施管理规范化。

参考文献:

[1]吴必虎黄琢玮马小萌:中国城市周边农家乐旅游地空间结构[J].地理科学,2004,24(6):757～763

[2]潘秋玲:现阶段我国农家乐旅游产品的供需特征及开发[J].地域研究与开发,1999,18(2):60～62

[3]税伟张启春王山河等:城市化与城市近郊农家乐旅游发展的初步研究[J]．东农业大学学报(社会科学版),2004,6(3):27～30

[4]周玲强黄祖辉:我国农家乐旅游可持续发展问题与对策研究[J],经济地理，2004,24(4):572～576

游客消费特征范文第2篇

一、互联网时代旅游消费的特征

在互联网时代，旅游消费者的行为出现了与以往不同的特征，具体而言，有几个方面。

（一）互联网大幅度提高了旅游消费的便捷性

互联网的出现正在不断改变游客的消费习惯：搜索引擎可以使旅游者足不出户获得旅游地的各种信息，旅游门户和各种团购网站可以让旅游者比价选择旅游产品，大幅度降低了旅游消费的时间成本和经济成本。如携程、淘宝旅游等旅游电商平台提供了多样化的旅游产品，大幅度提高了旅游消费的便捷性。

（二）互联网增强了旅游者、旅游景区之间的互动性

在传统的景区营销中，旅游异地性的特点导致了旅游企业和旅游者之间的信息不对称，传播途径往往是单向的，即旅游景区信息、旅游者被动接收。互联网为旅游企业、旅游者的信息交汇互动搭建了平台，能使信息更透明，反馈更及时，有助于旅游行业的规范和健康发展。并且，在旅游地关注度上升到一定程度后，大量的信息聚合将形成特有的旅游地文化，有利于旅游地品牌的传播。

（三）互联网提高了旅游营销的精准性和时效性

互联网时代的到来，为旅游营销提供了全新的渠道，传播的成本更低、信息量更大、保存时间更长；依托用户分析技术的精准投放也大大提高了营销的精准性。通过旅游信息的分类、整理和聚合，一个主题会在不断“关注――体验――共享――更多关注”的传播循环中实现信息的传递和品牌的增值。

（四）互联网扩大了旅游消费的个性化空间

传统的旅游出行方式要通过旅游中间商，提供的产品差异不大，难以满足不同需求的游客。网络和自驾旅游市场的兴起，催生并不断扩大着追求个性旅游消费的“蓝海”市场。从自由定制机票、酒店到联系有共同爱好的“驴友”（徒步旅游爱好者）、“色友”（摄影旅游爱好者）等，互联网提供了将旅游需求转变为旅游消费的平台，使不同的旅游者都能更便捷地享受到个性化的旅游体验。

（五）技术融合创新了旅游者分享旅游体验的渠道和方式

移动通信技术和互联网技术的融合造就了如微博、微信等互联网新媒体，正在改变人们获取信息的方式。旅游者通过微博、微信即时分享旅游体验成为了一种新的生活文化、消费文化。而这种体验分享，催生了网络人际传播的渠道，由不同的分享体验构成了旅游产品的网络口碑，和传统的“口口相传”一样，成为了一种影响旅游消费的重要方式。

二、互联网技术改善旅游营销的几种途径

针对互联网时代旅游消费的特征，旅游景区可以通过以下几个方面帮助旅游营销提质增效。

（一）实现旅游营销媒介的立体化

营销媒介的选择是保证营销效果的关键环节。目前，在互联网背景下，传统的广播、电视、电影、报纸、杂志受到网络媒体的冲击，市场份额在逐渐减小，但由于传统媒体的特殊优势，互联网并不能在短期内将其彻底取代。旅游营销的过程中，一方面要利用好传统媒体，发挥影视媒体的高传递性、杂志媒体的高保留性、广播媒体的特定受众、图书和纪录片的特定影响力。另一方面要利用好互联网平台，包括搜索引擎传播，即时通讯软件传播，微博、微信传播，网络论坛传播，数字地图传播，虚拟形象传播等新兴的互联网工具，实现旅游营销媒介的立体化。

（二）实现旅游景区形象的个性化

尽管目前我国旅游发展迅猛，但暴露出来的问题也很多。近来，出境旅游高速发展，大陆游客到日本等地“爆买”的现象值得我们深思。其中重要的原因之一，在于目前的旅游产品难以满足游客的新需求，太多雷同的“古镇”、“乐园”陆续面市，却往往缺乏独特风格、缺乏精细服务，这些旅游产品替代性强，竞争激烈，一定程度上给游客带来了审美疲劳。要实现旅游景区形象的个性化，可以利用互联网“众筹”各方智慧，找到一些闪光点；也可以利用大数据技术，通过关键词筛选，找出游客过去对景区的突出印象进行重点强化。

（三）实现旅游营销对象的精准化

作为一个旅游景区，几乎不可能满足所有类型旅游者的需求，就要求景区必须要对游客进行筛选，找出理想的营销对象进行精准营销。经过对游客的年龄结构、出游目的、客源区域分析

之后，就首先要对营销对象“定位”，确定最重要的目标客群；然后是对旅游产品“定价”；最后就可以采用以互联网为主的多种营销媒介针对目标客源展开“定制”式的精准营销。这里说的“定制”，是从通过营销唤起游客需求开始，一直到游客体验结束的过程，也是当前国内旅游还有很大提升空间的一个方面。例如，台湾的“向日葵农场”，是一个仅有10余员工的乡村旅游点，但农场通过互联网与外界沟通，能为儿童、家庭、团队在很有限的区域内提供海滨游览、植物讲解、烧窑体验、手工、采摘等多项旅游产品组合，根据游客的数量和停留时间提供定制式的精致服务，从细节处让游客全心投入到旅游体验当中。

（四）实现旅游事件和话题的引爆化

互联网时代营销传播的主要载体，往往不是传统的广告，而是通过有意无意产生的一些事件和话题。运用事件进行营销宣传扬名的旅游目的已不罕见，成功的旅游事件营销往往都是立足于自身实力，把握住了当时具有特色话题，掌握了正面宣传的方向，有明确引导性的市场指向。

2009年初，澳大利亚昆士兰旅游局在全球主要门户网站在世界范围征集“世界上最佳的工作”，历经数月层层选拔，英国人本・绍索尔击败3.4万名对手获得负责看护大堡礁的“最佳工作”。这期间，全球所有人都在关注护岛人选拔的过程；主办方昆士兰州旅游局以170万美元的低成本，却收获价值1.1亿美元的全球宣传效应。

（五）实现旅游产品的口碑化

信息化时代，旅游消费者在消费之前往往会在网络上进行广泛的信息搜索，互联网已经成为了游客和游客之间沟通信息的主要途径。旅游口碑能提供有关旅游产品较为准确的信息，能降低游客预期和实际体验中的差距，可以降低旅游消费中的风险，并有助于促进潜在游客做出消费决策。在进行旅游口碑营销的过程中，需要整理并创造出富有特色旅游旅游产品信息，要能准确界定合适的信息传播者和潜在游客，更好找到能唤起受众情感“共鸣”的语境和条件。尤其要注意的是，开展网络口碑营销，营销者必需站在一个游客的立场，对旅游产品的描述不能有过度夸大和虚假描述的成分，提供给潜在游客有实际价值的信息。

三、结语

游客消费特征范文第3篇

要害词：西安市；入境旅游；市场特征；趋势预测

西安是华夏文明的发源地之一，以秦始皇陵兵马俑、华清池、大雁塔、城墙、碑林为代表的一大批垄断性世界级文物旅游资源，构成了西安市旅游资源的核心，也是吸引国际游客的主要旅游景点。入境旅游在国际旅游中占有很重要的位置，入境旅游人数和旅游外汇收入是研究一个国家或地区入境旅游经济活动成果的主要指标。［1］改革开发20多年来，西安入境旅游发展迅速，入境旅游人数和旅游外汇收入相对增幅较大。但是2009年以来，西安入境旅游人数占全国的总接待量各年均不足0.8%，外汇收入占全国的比重各年也没有超过1.7%。仅以2009年为例，2009年西安市接待入境游客867273人次，占全国入境游客总量的0.69%，居全国主要旅游接待城市的第12位；旅游外汇收入为46700万美元，占全国旅游外汇总收入的1.38%，居全国主要旅游接待城市的第12位。和北京、上海等旅游热点城市相比，西安的入境旅游发展与其差距逐渐拉大。综上分析，西安的入境旅游发展与自身的资源丰度、质量对比，入境旅游产业发展滞后，产业地位下降，这将直接影响到西安在全国旅游市场中的地位。因此，对西安入境旅游市场进行分析和预测，能够为西安市的旅游开发规划和西安国际旅游竞争力的提高提供科学依据。

一、入境旅游市场总体特征分析

西安市旅游业经过20多年的发展，入境旅游市场已经具有相称规模。以2009-2009年的数据做分析，详细呈现出以下特征：

1.从绝对量上来看，入境旅游人数和旅游外汇收入呈稳定增长，且增幅较大（2009年SARS除外）。如图1所示，2009年入境游客人数为672015人次，到2009年达到867273人次，净增长为195258人次，年平均增长率为5.23%。SARS过后，2009年游客人数迅速回升，2009、2009年稳步增长，同比增长分别为19.27%和11.8%。游客数量的增长带来了旅游外汇收入逐年增加。由图2可知，6年来，旅游外汇收入净增长为17698万美元，2009年同比增长率达到了24％，是2009年以来的最高值。

2.从相对量上来看，西安市入境游客人数和旅游外汇收入占全国的比重小，并且比例增幅缓慢。入境游客人数2009年以来没有超过0.8%，平均比重值为0.64%。旅游外汇收入占全国旅游外汇总收入的比重6年来没有超过1.7%，2009年仅为1.38%，各年平均比重值为1.35%。

通过和北京、上海、深圳、成都、南京、杭州等旅游热点城市做横向比较来看（见图3、图4），西安入境游客人数和旅游外汇收入占全国

的比重和深圳、上海、北京的差距较

大，略低于杭州，和成都、南京相称。作为中国闻名的旅游城市，西安入境旅游市场优势地位并不明显，且呈下降趋势。

数据来源：中国旅游网/index.asp上数据整理得到

3.外国游客是西安入境旅游市场的主体，各年都在85％左右，主体优势明显（见表1）。港澳台游客的相对规模较小，占入境游客的比例在逐年减小。其中，台湾游客最多，其次是香港游客，澳门游客最少，历年都没有超过4000人次。

二、入境旅游市场结构分析

（一）时间结构分析

1.季节变化分析。由图5可知，入境游客的季节分配特点显著，与北京、成都、南京、上海、深圳5座城市2009年1-12月的每月入境游客人数相比，具有以下异同点：

相同点在于一年的变化特征可以分为四个阶段：（1）1月初-3月底，迅速增长阶段。此时正值春天，适宜的天气条件和旅游者的心情因素可以大量吸引旅游者，入境旅游人数大幅度增加。（2）4月初-9月底，平稳保持阶段。经过了第一阶段的增长后，数量略有增加或减少，但是近似围绕在一条直线上下做轻微波动；7月份相对来说，降低的比较多，此时天气炎热不适合出外旅游。（3）9月初-10月底为短期增长阶段，此时秋高气爽正是旅游的好季节，室外的旅游项目较为丰富，因此入境游客的数量会有增加。（4）11月初-12月底，逐渐下降阶段。此时天气变冷，又接近年底，入境游客不断返回客源地。

不同点有：（1）北京、上海、深圳各月的入境游客远远高于其他比较城市，领先优势非常明显。西安和南京各月近似，并略高于成都。（2）在上述相同点的第4个阶段，西安和南京的下降趋势较为平缓，降幅不大。北京和上海的降幅较大。相反，深圳和南京在这一阶段却有回升。深圳的增幅较大，因为此时接近年底，大量的港澳台游客过境返回大陆。

综上，2009年西安吸引入境游客较多的月份是8-10月，8、9月的月接待入境游客量都超过了9000人，10月份最高，达到了115909人次。总体变化趋势和其他几座城市的季节性变化特征大致相同。外国人市场的季节变化强度相对较大，港澳台市场的季节变化强度相对平稳（见图6）。

2.年际变化分析。西安市入境旅游市场的年际变化特征在总体特征分析中已经做过详细阐述，为了避免重复，这里就不再赘述。

（二）空间结构分析

从区域上看，由图7可知，以亚洲和欧洲为主要客源市场，两大洲的游客占所有入境游客的70％左右；美洲次之，非凡是北美洲的美国和加拿大的入境游客不断增多。大洋洲游客占来西安的外国游客的比例也在不断增加；非洲游客虽然数量很少，比例也呈增加趋势。以2009年为例，在外国游客中，亚洲游客200646人次，占外国人总数的27.33％；欧洲游客290778人次，占外国人总数的39.62％；美洲游客160744人次，占21.9％；大洋洲游客38526人次，同比增长0.04%，占外国游客的5.24%。非洲游客2819人次，同比增长23.15%，占外国游客的0.38%。

从国别上看，由表2可知，入境游客的客源国主要有日本、韩国、美国、西欧等国家。结合表3内容，根据外国游客数量的多寡，同时考虑港澳台市场的总体份额，把西安入境旅游市场分为三个等级。一级市场是港澳台、日本、韩国和美国；二级市场是德国、英国、法国等西欧国家，马来西亚、泰国等东南亚国家，还有澳大利亚；三级市场也称为机会市场，是其他客源国。同时，根据一级市场为核心，二级市场为主导，机会市场为辅助开发的原则，针对不同的市场特点进行分级开发。

（三）消费结构分析

从旅游消费对旅游活动的重要性来看，可以分为基本旅游消费（BNC：basicneededconsumption）和非基本旅游消费（UBNC：un-basicneededconsumption）。基本旅游消费是指进行一次旅游活动所必需的而又基本稳定的消费，也叫刚性消费，如旅游住宿、餐饮、交通、景点游览等方面的消费。非基本旅游消费是并非每次旅游活动都需要且具有较大弹性的消费，也叫弹性消费，如旅游购物、邮电通讯消费等。［2］旅游消费结构是一个国家或地区旅游业发展水平以及旅游客源地经济发展水平的重要标志。一般而言，旅游业发展水平越低，旅游者的消费水平也就越低，BNC占总消费支出的比重就越高。反之，UBNC所占的比重就越高。

由表3可以看出，西安市入境旅游消费结构构成中BNC长期占较大比重，占总花费的一半左右，2009年虽有所下降，但也达到了48.8%。2009年BNC的比重比2009年增加了4个百分点，是近几年中变化最大的；UBNC的比重则有所下降。2009年的情况有所好转，但是BNC和UBNC的差距不大，情况也不容乐观。这种变化不符合国际旅游消费的基本发展态势，说明西安入境旅游消费结构存在一定问题。

在BNC中，长途交通费用最高，其次是住宿、餐饮、游览、市内交通。在考察的年份里，市内交通消费水平基本保持不变。长途交通在2009年后增长较快，2009年达到最高值额为30.1%，2009年出现下降趋势。住宿费用从2009年开始，有所下降，到2009年降到最低额为11.3%，2009年有所回升。餐饮消费水平2009年有所增加，但是仍没有达到2009年的10.6%，并且2009年下降幅度增大，减少了近5个百分点。游览消费一直在增长，但是增幅不大。

在UBNC中，购物消费最高，比例接近50％，2009年达到了37.4%，占据绝对份额。其次是其他消费、邮电通讯、娱乐消费。其他消费从2009年开始，下降幅度较大。相反，娱乐消费和邮电通讯消费增长到2009年后，2009年都出现下降趋势。可见，入境游客在基本旅游消费需求满足后，主要把钱花在购物和其他消费等消费领域。因此，进一步挖掘其他消费的消费内容，对于增加旅游创汇有重要意义。

三、入境旅游市场的预测分析

1.数据修正。

基于1978-2009年的统计数据，利用曲线拟合对西安市入境旅游市场进行预测。由于1989年的和2009年的SARS都导致了入境游客人数剧减和旅游外汇收入的减少，形成了一个明显的“V”形谷，给西安市入境旅游市场带来较大的波动。为了提高趋势预测的精度，先对这两次影响造成的凹形谷进行修正，然后建模预测。

统计数据的修正采取直线内插法：首先，将原始统计数据做出长期变化的统计线；然后根据观察找出需要订正的时间段，并确定适合直线内插的起始年份（na）和终止年份（nb）。

2.预测方法和结果

预测的方法采用的是时间序列模型中的曲线拟合法。根据修正后的数据，采用SPSS软件进行拟合，详细方程见表5。统计检验表明，方程拟合效果理想，说明该模型完全可以用来进行预测。

四、对策建议

通过以上分析提出以下几点对策建议：（1）加大西安市入境旅游市场的分级开发，选择客源市场目标层，建立合理的市场结构。［3］做好海外客源市场的目标定位，以一级和二级客源市场作为宣传营销的主体，加强一、二级客源市场的投入，对三级市场进行适当开发。同时要注重客源呈多元化趋势，积极拓宽客源层。（2）在游客旺季，对旅游产品进行优化组合，提高产品开发层次［4］，加强参与性、娱乐性、度假和商务旅游市场的开发。在这方面，可积极借鉴北京等旅游城市的胜利经验。（3）整合资源，优化旅游产业结构，加大旅游产业集群建造，如西安曲江新区旅游产业集群和临潼旅游产业集群。（4）树立西安整体旅游形象，打造旅游精品，提高西安国际旅游竞争力。

参考文献：

［1］张梅.中国入境旅游预测与分析［M］.北京：社会科学文献出版社，2009.

［2］赵晓燕.旅游经济学［M］.北京:经济治理出版社,2009.

游客消费特征范文第4篇

[关键词] 江西 国内旅游 市场细分

旅游市场细分是营销者根据一定的细分变数将游客划分为若干个具有不同需求的游客群，以便确定目标市场、调整旅游产品结构，从而达到满足旅游者的需要、欲望、偏好等方面的差异性的过程。传统的市场细分主要以人口学的特征（年龄、性别、经济收入、职业、文化程度）等指标为依据，随着经济和技术的发展，旅游产品在满足需求方面的差异减小，再以原来那些指标作为市场细分的依据就难以准确把握市场的动向。江西新的市场细分要以游客居住地到旅游目的地距离、游客的旅游消费特征、消费者心理变量为基础，这样才能在激烈的竞争中立于不败之地。

一、按客源地到旅游目的地距离细分

江西省旅游客源以本省游客为主，外省集中于周边的广东、福建、浙江、湖北、湖南及长江下游沿岸和沪宁―浙赣沿线的大、中城市。重点是广东珠江三角洲、江浙沪的长江三角洲和福建福州及闽南三角地带的大、中城市群，这是我国经济最发达，旅游支付能力强且出游意识浓和出游率高的地区；其中沪宁杭旅游资源与江西差异性较大，而广东、浙江、福建则有与本区交通联系较便捷的优势，湖南、湖北及安徽有地近之利。江西省国内旅游市场划分为近程市场和远程市场。

近程市场：是江西省国内旅游主要市场，本省游客比重近半，大多来自景区周边县市；广东、湖南、浙江、上海、湖北、福建、江苏、安徽比重较大，是省外主要客源地。外省游客主要来自长江三角洲和珠江三角洲的旅游团队，又集中于省会城市和与江西交通便捷的城市，如：广东集中于广州、深圳、东莞等城市；浙江集中于杭州、温州、宁波以及浙赣沿线的衢州、金华等地；福建集中于福州、泉州和鹰厦线上的厦门、三明等地；湖南集中于长沙、湘潭、株州、衡阳和永州等地；湖北集中于武汉和黄冈、黄梅、黄石、鄂州等地；江苏集中于长江沿岸的南京、苏州、无锡、常州、扬州、泰州等地。

2.远程市场：北京、山东、天津比例上升较快，并逐渐成为重要的外省客源地，其他省份所占比例较小。以井冈山景区为例，2006年“五一”黄金周客源市场已扩散至全国范围，游客不仅来自传统的广东、湖南、湖北、江浙、上海一带，还出现了大量的北京、东北、陕西一带的长线游客。在年内季节分配中，湖南、福建、北京、天津、山东暑期来赣者出游率较高，广东、浙江、湖北、安徽其他季节出游率高于暑期。

总之，江西总体上以近程市场为主要旅游客源地，在假期中外地游客比重总体有所上升。京九铁路开通后，远程市场游客比重在稳步增长。

二、按旅游消费的性质特征细分

按照游客旅游消费的性质特征，一般将游客划分为散客和团队两种。

1.散客：散客常被简称为FIT（Foreign Individual Tourist），有时也被称为异地个人旅游，即个人或家庭按照特别拟订的旅游计划单独进行或由一家旅行社承办，根据和旅游批发商一同制定的旅游计划进行的旅游。

自我服务的散客多，有组织的较少。散客旅游都具有自主性、灵活性和多样性的特征，但旅游产品的购买上强调“点菜式”或“量体裁衣式”，游客自愿结合，自定路线，“随走随买”，而非一次性付清旅行费用或完全被动接受既定的旅游项目。旅游过程中，自带饮料、食品的游客较多。

散客费用构成:住宿、餐饮、长途交通基本消费支出占总花费的72.3%，购物等非基本支出仅占27.7%，而一般在旅游发达地区，非基本消费支出高达40%～60%。江西的购物和娱乐消费有较大的开发空间。

2.团队:旅行社包价组团旅游属传统的规范化的旅游模式，具有许多优势，诸如线路及行程等的安排都交给了具有专业水平的旅行社，但团队旅游难以满足个性化的要求，而且还存在着包价过死，路线限制过多，游客缺乏活动自由的缺陷，个别旅行社还为了追逐经济利益，而将旅游项目安排过于集中，使游客对景点只能走马观花、浅尝辄止，处处赶时间，无法尽兴，从而使传统的包价组团方式越来越失去游客的兴趣。

团体花费构成：其中旅行社费用占70.6%。说明旅游团体以全包价为主，其他费用多是旅客用于邮电通讯及购物等方面。

三、按消费者需求心理细分

为描述旅游者心理特征，普洛格(1972)发现心理中心型和他人中心型的人在旅游行为中的许多重要方面表现出很大的差异。属于心理中心型的旅游者很明显对生活的可预见性有强烈的需要，因而典型心理中心型旅游者一般只去那些熟悉的旅游动机地，休息、放松是最强的旅游动机；他人中心型的旅游者则相反，强烈希望生活充满变化，不可预测，不因循别人的旅游方式，去鲜为人知的旅游地，尝试最新式的交通工具，主动接触与自己文化背景相异的人。因此，普洛格把旅游者分为安乐小康型旅游者和追新猎奇型旅游者，并阐述了这两类人在旅游行为上的差异。

很显然，安乐小康型人格的人强烈要求生活有可测性，习惯于乘车到他所熟悉的旅游地。最强烈的旅游动机是休息与轻松，其理想中的旅游就是有条不紊，事先安排好的。而追新逐奇型人格的人则不同，喜欢异国情调，喜欢全新的经历。安乐小康型人格的人在经历一段较长时间以后，也会陆续涌到追新猎奇型人格的人曾旅游过的地方。

四、结束语

游客消费特征范文第5篇

关键词:旅游市场细分; 聚类分析; 卡方自动交互检验; 自组织特征映射神经网络

收稿日期: 2009-08-31; 修订日期: 2009-10-06

作者简介: 芮田生(1976-),男,四川大学工商管理学院2007级博士生。研究方向:管理科学。

阎洪(1959-),男,香港理工大学教授、博导。研究方向:管理科学与工程。

一、 引言

旅游市场细分逐渐成为旅游市场营销研究的重点内容之一。在旅游企业发展的早期,其营销对象并不加以区分,而是整个客源市场。随着旅游业的发展,同行业竞争的加剧,游客需求的提高,旅游企业逐渐认识到:只有选择部分重点市场,有针对性地进行营销和服务,才能既让游客满意,又能获得高额回报。与之相呼应的是,国内外有关旅游市场细分的研究文献近年来逐渐增加,其研究方法和结论,为旅游营销提供了重要的参考。

在市场细分研究中,分析的模式主要有两种:第一,基于顾客与基于产品/服务。 其中,基于顾客的方法是:观察不同类型顾客的具体特征;基于产品的方法则是关注产品本身的具体物理特征,顾客希望从产品中获得的利益类型,产品使用量或使用模式等等。第二,事前方法与事后方法。其中,事前的市场细分方法是:根据预先所知或推测的与企业产品或服务消费相关的一些影响因子划分顾客群,如人口统计特征、购买量、地理区域等。事后市场细分则是以问卷调查反馈为基础,例如顾客的价值取向、需求、使用量和使用模式、态度和感知度等[1]。在实际研究中,多采用事后市场细分模式,如本文述及的三种方法都采用事后市场细分。一些传统的细分方法,如按国籍、年龄、职业等划分则属于事前市场细分方法。

本文旨在对旅游市场细分相关文献中的聚类分析、卡方自动交互检验和自组织特征映射神经网络分析等研究方法进行归纳、分析和比较,为旅游市场细分进一步研究提供参考。

二、 旅游市场细分的目标和指标

确立细分目标是进行旅游市场细分的前提。旅游企业从实际出发,确立切合企业发展的目标,才能为旅游企业的经营提供实际参考。不同的市场细分目标需要建立不同的指标,以便收集相关数据进行分析。

1. 旅游市场细分的目标

建立旅游市场细分的目标才能使研究人员有针对性地进行分析,迅速找到重点经营市场。旅游市场细分中比较常见的目标有:识别重度用户,了解重度用户的特征;改进现有产品或服务的设计;寻找新产品或服务的机会等。在旅游市场细分中,识别高消费的游客群体是旅游市场细分常见的目标之一,如Díaz-Pérez等对西班牙加那利群岛中7个岛屿的游客住宿消费情况进行了分析,以找出高盈利市场[2];Mok和Iverson对赴关岛旅游的台湾游客进行分类,以找出高消费群体[3]。Park和Yoon通过市场细分,分析了韩国乡村旅游者的旅游动机的成因[4]。许多旅游企业希望招徕高消费、高盈利群体,但他们应当充分考虑自身的经营能力以及成本费用等,不能盲目确定市场细分目标。

2. 旅游市场细分的指标

市场细分的指标可以分为四类:特征(包括年龄、性别、收入、教育、游伴等)、地域、消费心态(旅游目的、旅游动机、生活方式等)和消费行为(观光、消费、购物行为等)。Tkaczynski等人的研究结果显示:在最近几年有关旅游市场细分的文章中,采用其中一类指标为聚类依据的文章占10%,采用其中两类指标为依据的文章占29%,采用其中两类或三类指标为依据的文章占39%,四类指标都采用的文章占22%[5]。

对指标选取的优劣评价方面,一些营销专家主张,有效预测游客行为的依据是行为本身,包括游客的一些利益和动机。Cohen 认为,对旅游动机的调查更容易将旅游理解为一种社会和心理现象,并有助于实际管理。旅游动机指影响人们选择旅游目的地的心理因素,通常将这些心理因素称为推动因素[6]。不同的学者对动机指标的选择不同,Goeldner和Ritchie将这些指标分为生理方面、文化方面、人际方面和声望方面等四类[7];Pearce 和 Lee将这些动机分为摆脱枯燥、放松、人际关系、增加知识和自我发展等五方面[8];Jang 和 Wu认为推力因素可分为求知、放松和家庭;拉力因素可分为自然和历史环境、成本、设施、安全和可进入性等[9]。相比于游客人口特征和地域特征两方面的指标,旅游动机、消费行为两方面的指标更能反映游客的心理和行为规律,采用这类指标更能有效地预测游客的需求,有利于企业经营管理。

3. 旅游市场细分的对象

大多数研究文献中,旅游市场细分的对象是旅游目的地的客源市场,如Park对韩国乡村旅游游客进行的市场细分[4];程圩对赴韩国旅游的中国游客进行的市场细分[10];Bloom对游览过西好望角省的南非游客进行的市场细分[11]。比较少见其它类别的细分对象,如Brey等人对承诺营销市场进行的市场细分研究[12]。

三、 旅游市场细分方法

Saarenvirta (1998)认为,市场细分是市场营销和顾客关系管理中最重要的数据挖掘内容之一[14]。

旅游企业在确立了旅游市场细分的目标、指标以及细分的对象后,需要进行数据收集。数据收集的途径通常是收集企业的统计资料或进行问卷调查。聚类分析、卡方自动交互检测和神经网络分析这三类数据分析方法是常用的市场细分方法。

1. 聚类分析(Cluster analysis)

首先,根据市场细分的目标和指标确定因变量和自变量。不同的研究主体对变量的选取有所不同,如Tkaczynski等人分析了澳大利亚昆士兰的旅游经营者和专家在旅游市场细分时选取变量的差异:观光行为是经营者常用的变量,而专家没有将之作为参考变量;人口特征是专家常用的变量,而经营者则很少关心,因为他们反映顾客在各个年龄段均有分布[5]。但旅游企业和旅游专家所选取的大部分指标还是相近的。

其次,采用聚类方法进行分析。聚类分析之前,选择的指标往往较多,为了掌握主要的影响因素,研究者们常采用主成分分析来识别主要的市场细分要素。聚类分析中采用因子分析,可以有效减少数据分析量,因为它剔除了变量间过多的相关性。此外,因子分析还有助于识别变量间的结构,全方位了解聚类指标。

最后,对聚类结果进行分析。在聚类分析之后,需要比较各类游客的特征。这些在游客的人口特征、旅游方式、个性和兴趣方面的差异通常采用方差分析和卡方检验来进行评价。其中,ANOVA用来识别各类游客之间是否存在差异以及差异程度,从而对聚类效果进行初步评价,并了解各类游客的特征;卡方分析用以找出各类游客在人口特征、旅游方式等分类变量上是否有存在显著的差异性;判别分析用来识别新样本所属的类别。许多相关文章都采用卡方检验对聚类结果进行显著性差异分析,如Park将韩国乡村游客分为四类,在教育水平、收入、休闲娱乐方式、每年的消费、旅游次数、旅游方式和人均每天的消费等方面对其情况进行了卡方分析。结果显示,四类游客存在显著差异。对细分市场进行特征描述,有利于明确市场目标,以便对不同的市场采取不同的营销策略。此外,在聚类分析之后进行判别分析,能从侧面判断聚类结果的合理性[4]。Fǔller则在聚类分析的基础上,采用虚拟变量进行回归分析,得到各类游客在产品的基本要素(游客认为产品理所当然应该具有的要素)、性能要素(线性影响游客满意度的要素)和惊喜要素(出乎游客意料之外,使他们产生愉悦的要素)方面的感知差异[14]。

采用聚类分析进行旅游市场细分的文献较多。Park等将韩国乡村游客分为重家庭同游型游客、消极型游客、多种旅游动机型游客以及求知、寻刺激游客四类[4]。Beh 和Bruyere根据旅游动机,将肯尼亚国家保护区的游客分为摆脱枯燥者、求知者和精神满足者[15]。Hu和Yu根据游客的旅游购物选择标准,将其分为购物狂人群、喜爱购物人群和对购物不关心者[16]。Lee等根据旅游收益,将访问加拿大的法国游客分为家庭型旅游者、环境和安全关心者、高档文化消费者、野趣爱好者四类,并基于住宿消费指数,采用经济价值投资组合矩阵分析以上四类游客与优先市场、理想市场和后备市场的关系后得出:家庭型旅游者和高档文化消费者两类游客为旅游企业带来的收益较高[17]。Lee等根据扑克者的动机,将韩国者分为四类:挑战并盈利者、唯盈利者、轻度者、多目的者[18]。Hong和Jang根据游客对韩国业的看法将这些游客分为三类:曾观光过场所者、有意愿参观者和无兴趣者。他们通过聚类分析,发现这三类人群在态度、主观标准、认知偏差、冲动性及教育水平方面存在显著差异[19]。Frochot 则将苏格兰乡村的游客分为运动者、放松者、喜欢户外者和农村生活爱好者四类[20]。Lee 等根据游客的国籍和满意度,将节庆旅游者分为文化和家庭关心者、多目标者、摆脱枯燥者和大型活动参与者四类[21]。Galloway将安大略公园的游客分为寻刺激者、积极享受自然者和摆脱枯燥者[22];Jang 等将到访美国和加拿大的日本游客分为自然爱好者、摆脱枯燥放松者和家庭户外游乐者,并对各类人群的旅游消费情况进行了对比[23]。Park等对科罗拉多州Black Hawk的游客进行聚类分析,将这些游客分为四类:轻度参与者、以为主者、视为娱乐项目者、以为自我表达方式者[24]。Bigné和Andreu根据游客对享受休闲和旅游服务时的情感,将主题公园和博物馆的游客分为两类:情感触动大者和情感触动不是很大者[25]。不同分类方法造成的结果不同,但这些不同的结果对旅游市场细分都有参考意义。

聚类分析方法是市场细分中运用最为广泛的方法,因此也最为成熟。其原理易让人接受,使用也十分方便。但是,Tkaczynski等人提出:如果聚类分析中少用一个变量,则可能出现另一种聚类结果,这样就不能为旅游目的地的各个细分市场提供更准确的描述[5]。解决这类问题的一个可行办法是在聚类分析中对样本间不同指标的距离予以不同的权重,如旅游市场细分中有的目标是寻找高消费群体,在聚类分析时就可以对与高消费直接相关的指标予以较大的权重,从而削弱与高消费无关或关联较小的指标的影响,保证聚类结果的稳定性。

2. 卡方自动交互检测(CHAID)

在许多旅游企业中,细分市场的目标很明确,如寻找高消费群体、高回头率游客等。此时,卡方自动交互检测可以方便快捷地获得目标和游客特征的关系。它由交互检测和自动交互检验发展而来。自动交互检验与交互检验的不同之处在于模型的因变量只有一个,而且是定量变量,自变量可以是定类变量或定距变量。而卡方自动交互检测与自动交互检验的不同之处在于因变量可以是定类变量,而且不局限于变量的二叉分裂[1]。

在相关文献中,Díaz-Pérez等采用卡方自动交互检测法对西班牙加那利群岛中7个岛屿的游客住宿消费情况进行了分析,以找出高盈利市场。首先,根据游客的国籍将其分为两类:英德游客的消费较低,其他国籍游客的消费较高,在此基础上再进行分类[2]。此外,Mok和Thomas以消费为因变量,采用卡方自动交互检测对赴关岛旅游的台湾游客进行分类[3]。Chen以维吉尼亚州的游客对近段时间访问的旅游目的地形象为因变量,找出对旅游目的地感知不同的一些因素[26]。Chung等分别采用行业标准、聚类方法和卡方自动交互检测法对韩国的宾馆进行了分类[27]。

Chen将卡方自动交互检测和聚类分析方法进行了对比,认为卡方自动交互检测在三个方面比聚类分析方法更有优势:一是聚类时采用非标准方法,参与聚类的变量是否存在显著差异需要进行事后检验;二是卡方自动交互检测对于分类目的非常清楚直接;三是对于新出现的样本,卡方自动交互检测能很直接地进行归类,而聚类分析则不能做到这一点[26]。卡方自动交互检测在市场细分中未受到广泛的运用,一个重要的原因是研究者对该方法过于简单产生的偏见,其实卡方自动交互检测非常简洁实用。

3. 自组织特征映射神经网络(SOFM)

人工神经网络中,竞争学习神经网络适用于聚类分析,其步骤是:首先将向量归一化,其次根据相似性寻找获胜神经元,最后进行网络输出与权值调整。在竞争学习神经网络中,自组织特征映射网络是经常使用的模型(SOFM)。通过自组织特征映射网络进行聚类后,BP神经网络建立泛化模型,以便确定新样本的所属类型。

在相关文献中,Bloom采用自组织神经网络将游览过好望角的国际游客分为精力旺盛型、平淡稳健型和寻乐型,并采用BP神经网络、MLR和logistic回归模型进行泛化性能比较。结果显示,BP神经网络的误差较小[28]。Kim等采用自组织神经网络对澳大利亚的老年旅游市场进行了分类,分为:积极求知的游客、休闲家庭性游客和谨慎性游客,并对三类人群在人口统计、旅游动机和游客需求方面进行了比较[29]。

Venugopal和Baets认为自组织神经网络有三方面的优点:第一,自组织神经网络相对于传统聚类方法具有更强的鲁棒性,受缺失值的影响较小,其他传统方法所受影响则大。第二,常用的聚类方法对数据的分布需要各种各样的假设,神经网络则不需要。第三,通常的聚类方法需要事先确定聚类的类别数,而自组织神经网络非常自然地将输入信号与权值最相近的向量归入同一类[30]。自组织神经网络在相似性判断方面与聚类分析相同,不同之处在于,它的运算过程采用迭代方法,而迭代之前需要对初始权值随机赋值,这样就可能造成聚类结果的不确定性:将采用MATLAB编写的聚类程序运行两次,聚类结果会有出入。而且采用MATLAB进行聚类分析时,需要预先确定聚类的类别数。笔者在采用MATLAB进行细分分析时,发现其判别分析的准确率没有聚类分析高。当然,自组织神经网络也有着其它聚类方法没有的优点:它能将样本间复杂的高维关系在二维平面中形象地表示出来;在其它研究中,神经网络有着自身的优势,如时间序列分析中,神经网络获得的结果比其他方法如ARIMA等获得的结果更精确。

四、 结语

本文介绍了国内外旅游市场细分研究的相关文献及聚类分析、卡方自动交互检验和自组织神经网络等三种比较常见且有效的市场细分方法。其中,聚类分析对分类的子群特征容易描述;卡方自动交互检验则对分类的目的比较明确;自组织神经网络分析方法采用根据相似性寻找获胜神经元,与聚类的初衷一致,精确性较高。但指标选取的不同,会对聚类的结果有较大的影响;卡方自动交互检验的目标往往较为单一;自组织神经网络在实际运用中,由于自身的特点即初始权值选取的随机性,会导致个别样本分类的不确定性。

此外还存在一些市场细分方法,如MLR和logistic回归模型等。在实际运用中,研究者应根据情况选取适合的方法对市场进行细分,也可以同时采用两种或多种方法,通过比较选择理想的分类结果。

参考文献:

[1] 詹姆斯•H•迈尔斯.市场细分与定位[M].电子工业出版社,2005.

[2] Díaz-Pérez F M,Bethencourt-Cejas M,Alvarez-González J A.The segmentation of canary island tourism markets by expenditure:implications for tourism policy [J].Tourism Management,2005,26:961-964.

[3] Mok C,Iverson T J.Expenditurek-based segmentation:Taiwanese tourists to Guam [J].Tourism Management,2000,21:299-305.

[4] Park D B,Yoon Y S.Segmentation by motivation in rural tourism:a korean case study [J].Tourism Management,2009,30:99-108.

[5] Tkaczynski A,Rundle-Thiele S R,Beaumont N.Segmentation:a tourism stakeholder view [J].Tourism Management,doi:10.1016/j.tourman.2008.05.010.

[6] Cohen E.Who is a tourist? A conceptual clarification[J].Sociological Review,1974 (6):408-424.

[7] Goeldner C R,Ritchie J R.Tourism:principles,practices,philosophies [M].Hoboken,NJ:John Wiley & Sons,2003.

[8] Pearce P,Lee U L.Developing the travel career approach to tourist motivation [J].Journal of Travel Research,2005,43:226-237.

[9] Jang S,Wu C M E.Seniors’ travel motivation and the influential factors:an examination of Taiwanese seniors [J].Tourism Management,2006,27:306-316.

[10] 程圩,马耀峰,隋丽娜.不同利益细分主体对韩国旅游形象感知差异研究 [J].社会科学家,2007 (4):118-120.

[11] Bloom J Z.Tourist market segmentation with linear and non-linear techniques [J].Tourism Management,2004,25:723-733.

[12] Brey E T,So S I,Kim D Y,et al.Web-based permission marketing:Segmentation for the lodging industry [J].Tourism Management,2007,28:1408-1416.

[13] Saarenvirta G.Mining customer data [J].DB2 Magazine,1998 (3):10-20.

[14] Fǔller J,Matzler K.Customer delight and market segmentation:an application of the three-factor theory of customer satisfaction on life style groups [J].Tourism Management,2008,29:116-126.

[15] Beh A,Bruyere B L.Segmentation by visitor motivation in three Kenyan national reserves [J].Tourism Management,2007,28:1464-1471.

[16] Hu Bo,Yu Hong.Segmentation by craft selection criteria and shopping involvement [J].Tourism Management,2007,28:1079-1092.

[17] Lee G,Morrison A M,O’Leary J T.The economic value portfolio matrix:a target market selection tool for destination marketing organizations [J].Tourism Management,2006,27:576-588.

[18] Lee C K,Lee Y K,Bernhard B J,et al.Segmenting casino gamblers by motivation:a cluster analysis of Korean gamblers [J].Tourism Management,2006,27:856-866.

[19] Hong S,Jang H.Segmentation of early casino markets:an exploratory study [J].Tourism Management,2004,25:801-805.

[20] Frochot I.A benefit segmentation of tourists in rural areas:a scottish perspective [J].Tourism Management,2005,26:335-346.

[21] Lee C K,Lee Y K,Wicks B E.Segmentation of festival motivation by nationality and satisfaction [J].Tourism Management,2004,25:61-70.

[22] Galloway G.Psychographic segmentation of park visitor markets:evidence for the utility of sensation seeking [J].Tourism Management,2002,23:581-596.

[23] Jang S C,Morrison A M,O’Leary J T.Benefit segmentation of Japanese pleasure travelers to the USA and Canada:selecting target markets based on the profitability and risk of individual market segments [J].Tourism Management,2002,23:367-378.

[24] Park M,Yang Xiaobing,Lee B,et al.Segmenting casino gamblers by involvement profiles:a colorado example [J].Tourism Management,2002,23:55-65.

[25] Bigné J E,Andreu L.Emotions in segmentation:an empirical study[J].Annals of Tourism Research,2004,31(3):682-696.v27]Chen J S.Market segmentation by tourists’ sentiments [J].Annals of Tourism Research,2003,30(1):178-193.

[26] Chen J S.Market segmentation by tourists’ sentiments[J].Annals of Tourism Research,2003, 30(1):178-193.

[27] Chung K Y,Oh S Y,Kim S S,et al.Three representative market segmentation methodologies for hotel guest room customers [J].Tourism Management,2004,25:429-441.

[28] Bloom J Z.Market Segmentation:A Neural Network Application [J].Annals of Tourism Research,2005,32(1):93-111.

[29] Kim J,Wei S,Ruys H.Segmenting the market of West Australian senior tourists using an artificial neural network [J].Tourism Management,2003,24:25-34.

[30] Venugopal V,Baets W.Neural networks and statistical techniques in marketing research:A conceptual comparison [J].Marketing Intelligence and Planning,1994,12(7):30-38.

Review on Research Methods in Tourist

Market Segmentation

RUI Tiansheng1, YAN Hong2

(1. School of Business Administration, Sichuan University,

Chengdu, 610064; 2. Faculty of Business, the Hong Kong

Polytechnic University, Hong Kong)