芮田生 閻 洪

摘 要: 旅游市場細分已逐漸成為旅游市場營銷領(lǐng)域的研究重點之一。本文對國內(nèi)外相關(guān)文獻中的旅游市場細分研究進行了歸納總結(jié),著重對聚類分析、卡方自動交互檢驗和自組織神經(jīng)網(wǎng)絡(luò)等三種目前比較常見且有效的市場細分方法進行了比較分析,希望為旅游市場細分的進一步研究提供參考。

關(guān)鍵詞:旅游市場細分; 聚類分析; 卡方自動交互檢驗; 自組織特征映射神經(jīng)網(wǎng)絡(luò)

收稿日期: 2009-08-31; 修訂日期: 2009-10-06

作者簡介: 芮田生(1976-),男,四川大學工商管理學院2007級博士生。研究方向:管理科學。

閻洪(1959-),男,香港理工大學教授、博導。研究方向:管理科學與工程。

一、 引言

旅游市場細分逐漸成為旅游市場營銷研究的重點內(nèi)容之一。在旅游企業(yè)發(fā)展的早期,其營銷對象并不加以區(qū)分,而是整個客源市場。隨著旅游業(yè)的發(fā)展,同行業(yè)競爭的加劇,游客需求的提高,旅游企業(yè)逐漸認識到:只有選擇部分重點市場,有針對性地進行營銷和服務(wù),才能既讓游客滿意,又能獲得高額回報。與之相呼應(yīng)的是,國內(nèi)外有關(guān)旅游市場細分的研究文獻近年來逐漸增加,其研究方法和結(jié)論,為旅游營銷提供了重要的參考。

在市場細分研究中,分析的模式主要有兩種:第一,基于顧客與基于產(chǎn)品/服務(wù)。 其中,基于顧客的方法是:觀察不同類型顧客的具體特征;基于產(chǎn)品的方法則是關(guān)注產(chǎn)品本身的具體物理特征,顧客希望從產(chǎn)品中獲得的利益類型,產(chǎn)品使用量或使用模式等等。第二,事前方法與事后方法。其中,事前的市場細分方法是:根據(jù)預先所知或推測的與企業(yè)產(chǎn)品或服務(wù)消費相關(guān)的一些影響因子劃分顧客群,如人口統(tǒng)計特征、購買量、地理區(qū)域等。事后市場細分則是以問卷調(diào)查反饋為基礎(chǔ),例如顧客的價值取向、需求、使用量和使用模式、態(tài)度和感知度等[1]。在實際研究中,多采用事后市場細分模式,如本文述及的三種方法都采用事后市場細分。一些傳統(tǒng)的細分方法,如按國籍、年齡、職業(yè)等劃分則屬于事前市場細分方法。

本文旨在對旅游市場細分相關(guān)文獻中的聚類分析、卡方自動交互檢驗和自組織特征映射神經(jīng)網(wǎng)絡(luò)分析等研究方法進行歸納、分析和比較,為旅游市場細分進一步研究提供參考。

二、 旅游市場細分的目標和指標

確立細分目標是進行旅游市場細分的前提。旅游企業(yè)從實際出發(fā),確立切合企業(yè)發(fā)展的目標,才能為旅游企業(yè)的經(jīng)營提供實際參考。不同的市場細分目標需要建立不同的指標,以便收集相關(guān)數(shù)據(jù)進行分析。

1. 旅游市場細分的目標

建立旅游市場細分的目標才能使研究人員有針對性地進行分析,迅速找到重點經(jīng)營市場。旅游市場細分中比較常見的目標有:識別重度用戶,了解重度用戶的特征;改進現(xiàn)有產(chǎn)品或服務(wù)的設(shè)計;尋找新產(chǎn)品或服務(wù)的機會等。在旅游市場細分中,識別高消費的游客群體是旅游市場細分常見的目標之一,如Díaz-Pérez等對西班牙加那利群島中7個島嶼的游客住宿消費情況進行了分析,以找出高盈利市場[2];Mok和Iverson對赴關(guān)島旅游的臺灣游客進行分類,以找出高消費群體[3]。Park和Yoon通過市場細分,分析了韓國鄉(xiāng)村旅游者的旅游動機的成因[4]。許多旅游企業(yè)希望招徠高消費、高盈利群體,但他們應(yīng)當充分考慮自身的經(jīng)營能力以及成本費用等,不能盲目確定市場細分目標。

2. 旅游市場細分的指標

市場細分的指標可以分為四類:特征(包括年齡、性別、收入、教育、游伴等)、地域、消費心態(tài)(旅游目的、旅游動機、生活方式等)和消費行為(觀光、消費、購物行為等)。Tkaczynski等人的研究結(jié)果顯示:在最近幾年有關(guān)旅游市場細分的文章中,采用其中一類指標為聚類依據(jù)的文章占10%,采用其中兩類指標為依據(jù)的文章占29%,采用其中兩類或三類指標為依據(jù)的文章占39%,四類指標都采用的文章占22%[5]。

對指標選取的優(yōu)劣評價方面,一些營銷專家主張,有效預測游客行為的依據(jù)是行為本身,包括游客的一些利益和動機。Cohen 認為,對旅游動機的調(diào)查更容易將旅游理解為一種社會和心理現(xiàn)象,并有助于實際管理。旅游動機指影響人們選擇旅游目的地的心理因素,通常將這些心理因素稱為推動因素[6]。不同的學者對動機指標的選擇不同,Goeldner和Ritchie將這些指標分為生理方面、文化方面、人際方面和聲望方面等四類[7];Pearce 和 Lee將這些動機分為擺脫枯燥、放松、人際關(guān)系、增加知識和自我發(fā)展等五方面[8];Jang 和 Wu認為推力因素可分為求知、放松和家庭;拉力因素可分為自然和歷史環(huán)境、成本、設(shè)施、安全和可進入性等[9]。相比于游客人口特征和地域特征兩方面的指標,旅游動機、消費行為兩方面的指標更能反映游客的心理和行為規(guī)律,采用這類指標更能有效地預測游客的需求,有利于企業(yè)經(jīng)營管理。

3. 旅游市場細分的對象

大多數(shù)研究文獻中,旅游市場細分的對象是旅游目的地的客源市場,如Park對韓國鄉(xiāng)村旅游游客進行的市場細分[4];程圩對赴韓國旅游的中國游客進行的市場細分[10];Bloom對游覽過西好望角省的南非游客進行的市場細分[11]。比較少見其它類別的細分對象,如Brey等人對承諾營銷市場進行的市場細分研究[12]。

三、 旅游市場細分方法

Saarenvirta (1998)認為,市場細分是市場營銷和顧客關(guān)系管理中最重要的數(shù)據(jù)挖掘內(nèi)容之一[14]。

旅游企業(yè)在確立了旅游市場細分的目標、指標以及細分的對象后,需要進行數(shù)據(jù)收集。數(shù)據(jù)收集的途徑通常是收集企業(yè)的統(tǒng)計資料或進行問卷調(diào)查。聚類分析、卡方自動交互檢測和神經(jīng)網(wǎng)絡(luò)分析這三類數(shù)據(jù)分析方法是常用的市場細分方法。

1. 聚類分析(Cluster analysis)

首先,根據(jù)市場細分的目標和指標確定因變量和自變量。不同的研究主體對變量的選取有所不同,如Tkaczynski等人分析了澳大利亞昆士蘭的旅游經(jīng)營者和專家在旅游市場細分時選取變量的差異:觀光行為是經(jīng)營者常用的變量,而專家沒有將之作為參考變量;人口特征是專家常用的變量,而經(jīng)營者則很少關(guān)心,因為他們反映顧客在各個年齡段均有分布[5]。但旅游企業(yè)和旅游專家所選取的大部分指標還是相近的。

其次,采用聚類方法進行分析。聚類分析之前,選擇的指標往往較多,為了掌握主要的影響因素,研究者們常采用主成分分析來識別主要的市場細分要素。聚類分析中采用因子分析,可以有效減少數(shù)據(jù)分析量,因為它剔除了變量間過多的相關(guān)性。此外,因子分析還有助于識別變量間的結(jié)構(gòu),全方位了解聚類指標。

最后,對聚類結(jié)果進行分析。在聚類分析之后,需要比較各類游客的特征。這些在游客的人口特征、旅游方式、個性和興趣方面的差異通常采用方差分析和卡方檢驗來進行評價。其中,ANOVA用來識別各類游客之間是否存在差異以及差異程度,從而對聚類效果進行初步評價,并了解各類游客的特征;卡方分析用以找出各類游客在人口特征、旅游方式等分類變量上是否有存在顯著的差異性;判別分析用來識別新樣本所屬的類別。許多相關(guān)文章都采用卡方檢驗對聚類結(jié)果進行顯著性差異分析,如Park將韓國鄉(xiāng)村游客分為四類,在教育水平、收入、休閑娛樂方式、每年的消費、旅游次數(shù)、旅游方式和人均每天的消費等方面對其情況進行了卡方分析。結(jié)果顯示,四類游客存在顯著差異。對細分市場進行特征描述,有利于明確市場目標,以便對不同的市場采取不同的營銷策略。此外,在聚類分析之后進行判別分析,能從側(cè)面判斷聚類結(jié)果的合理性[4]。Fǔller則在聚類分析的基礎(chǔ)上,采用虛擬變量進行回歸分析,得到各類游客在產(chǎn)品的基本要素(游客認為產(chǎn)品理所當然應(yīng)該具有的要素)、性能要素(線性影響游客滿意度的要素)和驚喜要素(出乎游客意料之外,使他們產(chǎn)生愉悅的要素)方面的感知差異[14]。

采用聚類分析進行旅游市場細分的文獻較多。Park等將韓國鄉(xiāng)村游客分為重家庭同游型游客、消極型游客、多種旅游動機型游客以及求知、尋刺激游客四類[4]。Beh 和Bruyere根據(jù)旅游動機,將肯尼亞國家保護區(qū)的游客分為擺脫枯燥者、求知者和精神滿足者[15]。Hu和Yu根據(jù)游客的旅游購物選擇標準,將其分為購物狂人群、喜愛購物人群和對購物不關(guān)心者[16]。Lee等根據(jù)旅游收益,將訪問加拿大的法國游客分為家庭型旅游者、環(huán)境和安全關(guān)心者、高檔文化消費者、野趣愛好者四類,并基于住宿消費指數(shù),采用經(jīng)濟價值投資組合矩陣分析以上四類游客與優(yōu)先市場、理想市場和后備市場的關(guān)系后得出:家庭型旅游者和高檔文化消費者兩類游客為旅游企業(yè)帶來的收益較高[17]。Lee等根據(jù)撲克博彩者的動機,將韓國博彩者分為四類:挑戰(zhàn)并盈利者、唯盈利者、輕度博彩者、多目的博彩者[18]。Hong和Jang根據(jù)游客對韓國博彩業(yè)的看法將這些游客分為三類:曾觀光過博彩場所者、有意愿參觀者和無興趣者。他們通過聚類分析,發(fā)現(xiàn)這三類人群在態(tài)度、主觀標準、認知偏差、沖動性及教育水平方面存在顯著差異[19]。Frochot 則將蘇格蘭鄉(xiāng)村的游客分為運動者、放松者、喜歡戶外者和農(nóng)村生活愛好者四類[20]。Lee 等根據(jù)游客的國籍和滿意度,將節(jié)慶旅游者分為文化和家庭關(guān)心者、多目標者、擺脫枯燥者和大型活動參與者四類[21]。Galloway將安大略公園的游客分為尋刺激者、積極享受自然者和擺脫枯燥者[22];Jang 等將到訪美國和加拿大的日本游客分為自然愛好者、擺脫枯燥放松者和家庭戶外游樂者,并對各類人群的旅游消費情況進行了對比[23]。Park等對科羅拉多州Black Hawk的博彩游客進行聚類分析,將這些游客分為四類:輕度參與博彩者、以博彩為主者、視博彩為娛樂項目者、以博彩為自我表達方式者[24]。Bigné和Andreu根據(jù)游客對享受休閑和旅游服務(wù)時的情感,將主題公園和博物館的游客分為兩類:情感觸動大者和情感觸動不是很大者[25]。不同分類方法造成的結(jié)果不同,但這些不同的結(jié)果對旅游市場細分都有參考意義。

聚類分析方法是市場細分中運用最為廣泛的方法,因此也最為成熟。其原理易讓人接受,使用也十分方便。但是,Tkaczynski等人提出:如果聚類分析中少用一個變量,則可能出現(xiàn)另一種聚類結(jié)果,這樣就不能為旅游目的地的各個細分市場提供更準確的描述[5]。解決這類問題的一個可行辦法是在聚類分析中對樣本間不同指標的距離予以不同的權(quán)重,如旅游市場細分中有的目標是尋找高消費群體,在聚類分析時就可以對與高消費直接相關(guān)的指標予以較大的權(quán)重,從而削弱與高消費無關(guān)或關(guān)聯(lián)較小的指標的影響,保證聚類結(jié)果的穩(wěn)定性。

2. 卡方自動交互檢測(CHAID)

在許多旅游企業(yè)中,細分市場的目標很明確,如尋找高消費群體、高回頭率游客等。此時,卡方自動交互檢測可以方便快捷地獲得目標和游客特征的關(guān)系。它由交互檢測和自動交互檢驗發(fā)展而來。自動交互檢驗與交互檢驗的不同之處在于模型的因變量只有一個,而且是定量變量,自變量可以是定類變量或定距變量。而卡方自動交互檢測與自動交互檢驗的不同之處在于因變量可以是定類變量,而且不局限于變量的二叉分裂[1]。

在相關(guān)文獻中,Díaz-Pérez等采用卡方自動交互檢測法對西班牙加那利群島中7個島嶼的游客住宿消費情況進行了分析,以找出高盈利市場。首先,根據(jù)游客的國籍將其分為兩類:英德游客的消費較低,其他國籍游客的消費較高,在此基礎(chǔ)上再進行分類[2]。此外,Mok和Thomas以消費為因變量,采用卡方自動交互檢測對赴關(guān)島旅游的臺灣游客進行分類[3]。Chen以維吉尼亞州的游客對近段時間訪問的旅游目的地形象為因變量,找出對旅游目的地感知不同的一些因素[26]。Chung等分別采用行業(yè)標準、聚類方法和卡方自動交互檢測法對韓國的賓館進行了分類[27]。

Chen將卡方自動交互檢測和聚類分析方法進行了對比,認為卡方自動交互檢測在三個方面比聚類分析方法更有優(yōu)勢:一是聚類時采用非標準方法,參與聚類的變量是否存在顯著差異需要進行事后檢驗;二是卡方自動交互檢測對于分類目的非常清楚直接;三是對于新出現(xiàn)的樣本,卡方自動交互檢測能很直接地進行歸類,而聚類分析則不能做到這一點[26]?？ǚ阶詣咏换z測在市場細分中未受到廣泛的運用,一個重要的原因是研究者對該方法過于簡單產(chǎn)生的偏見,其實卡方自動交互檢測非常簡潔實用。

3. 自組織特征映射神經(jīng)網(wǎng)絡(luò)(SOFM)

人工神經(jīng)網(wǎng)絡(luò)中,競爭學習神經(jīng)網(wǎng)絡(luò)適用于聚類分析,其步驟是:首先將向量歸一化,其次根據(jù)相似性尋找獲勝神經(jīng)元,最后進行網(wǎng)絡(luò)輸出與權(quán)值調(diào)整。在競爭學習神經(jīng)網(wǎng)絡(luò)中,自組織特征映射網(wǎng)絡(luò)是經(jīng)常使用的模型(SOFM)。通過自組織特征映射網(wǎng)絡(luò)進行聚類后,BP神經(jīng)網(wǎng)絡(luò)建立泛化模型,以便確定新樣本的所屬類型。

在相關(guān)文獻中,Bloom采用自組織神經(jīng)網(wǎng)絡(luò)將游覽過好望角的國際游客分為精力旺盛型、平淡穩(wěn)健型和尋樂型,并采用BP神經(jīng)網(wǎng)絡(luò)、MLR和logistic回歸模型進行泛化性能比較。結(jié)果顯示,BP神經(jīng)網(wǎng)絡(luò)的誤差較小[28]。Kim等采用自組織神經(jīng)網(wǎng)絡(luò)對澳大利亞的老年旅游市場進行了分類,分為:積極求知的游客、休閑家庭性游客和謹慎性游客,并對三類人群在人口統(tǒng)計、旅游動機和游客需求方面進行了比較[29]。

Venugopal和Baets認為自組織神經(jīng)網(wǎng)絡(luò)有三方面的優(yōu)點:第一,自組織神經(jīng)網(wǎng)絡(luò)相對于傳統(tǒng)聚類方法具有更強的魯棒性,受缺失值的影響較小,其他傳統(tǒng)方法所受影響則大。第二,常用的聚類方法對數(shù)據(jù)的分布需要各種各樣的假設(shè),神經(jīng)網(wǎng)絡(luò)則不需要。第三,通常的聚類方法需要事先確定聚類的類別數(shù),而自組織神經(jīng)網(wǎng)絡(luò)非常自然地將輸入信號與權(quán)值最相近的向量歸入同一類[30]。自組織神經(jīng)網(wǎng)絡(luò)在相似性判斷方面與聚類分析相同,不同之處在于,它的運算過程采用迭代方法,而迭代之前需要對初始權(quán)值隨機賦值,這樣就可能造成聚類結(jié)果的不確定性:將采用MATLAB編寫的聚類程序運行兩次,聚類結(jié)果會有出入。而且采用MATLAB進行聚類分析時,需要預先確定聚類的類別數(shù)。筆者在采用MATLAB進行細分分析時,發(fā)現(xiàn)其判別分析的準確率沒有聚類分析高。當然,自組織神經(jīng)網(wǎng)絡(luò)也有著其它聚類方法沒有的優(yōu)點:它能將樣本間復雜的高維關(guān)系在二維平面中形象地表示出來;在其它研究中,神經(jīng)網(wǎng)絡(luò)有著自身的優(yōu)勢,如時間序列分析中,神經(jīng)網(wǎng)絡(luò)獲得的結(jié)果比其他方法如ARIMA等獲得的結(jié)果更精確。

四、 結(jié)語

本文介紹了國內(nèi)外旅游市場細分研究的相關(guān)文獻及聚類分析、卡方自動交互檢驗和自組織神經(jīng)網(wǎng)絡(luò)等三種比較常見且有效的市場細分方法。其中,聚類分析對分類的子群特征容易描述;卡方自動交互檢驗則對分類的目的比較明確;自組織神經(jīng)網(wǎng)絡(luò)分析方法采用根據(jù)相似性尋找獲勝神經(jīng)元,與聚類的初衷一致,精確性較高。但指標選取的不同,會對聚類的結(jié)果有較大的影響;卡方自動交互檢驗的目標往往較為單一;自組織神經(jīng)網(wǎng)絡(luò)在實際運用中,由于自身的特點即初始權(quán)值選取的隨機性,會導致個別樣本分類的不確定性。

此外還存在一些市場細分方法,如MLR和logistic回歸模型等。在實際運用中,研究者應(yīng)根據(jù)情況選取適合的方法對市場進行細分,也可以同時采用兩種或多種方法,通過比較選擇理想的分類結(jié)果。

參考文獻:

[1] 詹姆斯?H?邁爾斯.市場細分與定位[M].電子工業(yè)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,馬耀峰,隋麗娜.不同利益細分主體對韓國旅游形象感知差異研究 [J].社會科學家,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,OLeary 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,OLeary 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)

Abstract: Tourist market segmentation has gradually emerged as one of the most concerned field in tourist marketing research. This paper reviewed all of the related literature on tourist market segmentation at home and abroad and made a comparative analysis of Clustering analysis, CHAID and SOFM, which are the three most common and effective methods in market segmentation in order to provide better insight for tourist market segmentation research.

Key words:tourist market segmentation; cluster analysis; CHAID; SOFM

(責任編輯:車婷婷)