본 연구에서는 오래동안 환대산업분야 선행연구에서 주로 쓰였던 구조화된 설문조사 방식을 통한 계량적 연구가 아닌 온라인상의 비정형 텍스트 데이터인 리뷰 데이터를 빅 데이터 분석기법을 활용하여 분석하였다. 관광생태계의 변화 속에서 관광목적지의 전략적인 이미지 마케팅을 위해서는 오프라인뿐만 아니라 온라인상에서 관광객들이 지각하는 관광목적지의 인식에 대한 파악이 반드시 필요하다. 설문조사를 거치지 않고 실제 관광목적지 방문한 중국인 관광객의 평가를 통해 관광목적지 이미지를 측정할 수 있게 되었으며, 이러한 분석방법 절차를 체계화로 하였으며, 향후 비정형 텍스트 데이터 분석할 때 방법론적으로 의미 있는 중요한 연구가 될 수 있다. 본 연구에 활용된 ...
본 연구에서는 오래동안 환대산업분야 선행연구에서 주로 쓰였던 구조화된 설문조사 방식을 통한 계량적 연구가 아닌 온라인상의 비정형 텍스트 데이터인 리뷰 데이터를 빅 데이터 분석기법을 활용하여 분석하였다. 관광생태계의 변화 속에서 관광목적지의 전략적인 이미지 마케팅을 위해서는 오프라인뿐만 아니라 온라인상에서 관광객들이 지각하는 관광목적지의 인식에 대한 파악이 반드시 필요하다. 설문조사를 거치지 않고 실제 관광목적지 방문한 중국인 관광객의 평가를 통해 관광목적지 이미지를 측정할 수 있게 되었으며, 이러한 분석방법 절차를 체계화로 하였으며, 향후 비정형 텍스트 데이터 분석할 때 방법론적으로 의미 있는 중요한 연구가 될 수 있다. 본 연구에 활용된 빅 데이터는 ‘Python’라는 전용 웹크롤러 프로그램을 통한 14,406건 온라인 리뷰를 수집하였으며, 실제 분석에 이용된 데이터의 단어 수는 34,624개로 구성되었다. 또한, 서울의 관광지 상위인 ‘명동’(3795건), ‘경복궁’(3690건), ‘삼청동’(1072건), ‘남산N서울타워’(3453건), ‘북촌’(2396건)으로 수집하였다. 텍스트 마이닝 분석기법을 통해 관광지 이미지의 3가지로 구성요소 차원에서 분석한 결과를 요약하면 다음과 같다. 첫째, Python 웹 크롤러를 통해 수집한 온라인 리뷰 데이터의 동시출현빈도분석을 실시하였으며 서울에 관광목적지로서 5곳의 관광지 이미지에 대한 언급한 많이 사용된 상위 키워드 50개로 추출하였다. 둘째, 추출된 50개 키워드들을 관광지 이미지의 결정요인에 따라 요소별로 분류하였으며 ‘인프라시설’, ‘사회적 환경’, ‘자연자원’, ‘정보자원’, ‘쾌적함’, ‘진정함’, ‘인상적’ 그리고 ‘관광 특정활동’의 8가지로 분류하였다. 셋째, TF-IDF기법을 이용해서 분류된 관광지 이미지의 구성요소를 대상으로 가중치를 산츨하며, 씨트립 및 마펑워 사이트에서 수집한 데이터의 차이가 통계적으로 유의미한 것으로 확인하였고 데이터의 효과성을 확보하였다. 넷째, 추출된 온라인 리뷰 데이터를 내용분석을 하기위해 분류된 차원인 ‘인지적 이미지’, ‘정서적 이미지’ 그리고 ‘행동적 이미지’의 3개 척도, 8개의 구성요인에 대한 사용빈도를 계산하였다. 다섯째, 추출된 온라인 텍스트의 감정경향에 대한 분석하여 온라인 텍스트의 잠재적인 감정경향을 파악하였다. 분석결과는 ‘인프라시설’ 및 ‘사회적 환경’ 2개요인은 높은 긍정적인 이미지를 지각하게 되었 반면에 ‘자연자원’에 대한 부정적인 감정경향을 가장 높게 나타났다. 또한, 사회연결망 분석기법을 통해 수집한 전체 네트워크 데이터들간의 상관관계가 유의성 검증을 하여 관광지 이미지의 구성요소들에 관련된 네트워크 데이터가 서울에 관광지 이미지 형성에 영향을 미치는 것으로 확인하였다. Gephi프로그램을 활용하여 온라인 리뷰에 바탕으로 관광지 이미지를 형성하는 요인들의 연결망 구조 및 상관관계가 갖고있는 특성을 분석하였다. 이에 분류된 각 요인들간의 연결이 복잡한 네트워크 구조를 갖게되며, 온라인상에 서울지역의 관광지 이미지를 형성되는 요소들이 밀접한 연결성을 갖게되고 밀도가 높게 나타났다. 관광지 이미지의 구성관계 시각화를 통해 중국인관광객들의 추구요인들 사이의 중요성을 각 요인들의 노드 수와 크기를 기준으로 3집단 계층적인 시장세분화를 실시하였다. 즉, 1단계 세분화된 핵심시장은 특정한 관광활동을 추구하며 관광목적지의 분위기에 관심 가지는 특성이 확인할 수 있다. 2단계 세분화된 관광시장은 중국인 관광객들이 관광목적지의 인프라시설, 사회적 환경, 자연자원 그리고 정보자원과 연계되어 추진이 되었다는 것을 추측해 볼수있다. 3단계 세분화된 관광시장은 역사적이고 전통적인 감정과 관광지를 대표성 있는 고유한 진정적인 특성 및 역동적이고 인성적인 느낌을 추구하는 중국인 관광객의 특정한 집단이다. 데이터 마이닝 기술을 기존적인 통계분석방법과 결합하여 그 분석결과의 타당성을 확고히 할 뿐만 아니라 그 응용의 가치를 배가시키는 연구가 거의 없는 실태이다. 시장세분화는 비슷한 특성을 갖게 된 소비자들을 그룹화 하여 그 욕구를 파악하여 목표 그룹에 맞춰하는 마케팅 전략을 수립 및 실행하는 경영기법이다. 텍스트 마이닝 기술을 시장세분화에 응용하면 더 효과적인 데이터 분석 결과를 얻을 수 있는 것이다. 연구의 결과를 통해 관광지 이미지의 구성요인을 파악하고, 온라인 관광 리뷰 빅 데이터를 활용하여 기존 설문조사 방법을 이용한 선행연구들과 다른 방법론적 접근을 제시할 것이다. 또한 연구 결과는 중국인 관광객 대상으로 효과적인 관광시장에 대한 마케팅 전략의 수립을 제시할 뿐만 아니라 앞으로 관광지 이미지의 측정과 척도 개발을 위하여 의미 있는 자료로 사용될 것이다.
본 연구에서는 오래동안 환대산업분야 선행연구에서 주로 쓰였던 구조화된 설문조사 방식을 통한 계량적 연구가 아닌 온라인상의 비정형 텍스트 데이터인 리뷰 데이터를 빅 데이터 분석기법을 활용하여 분석하였다. 관광생태계의 변화 속에서 관광목적지의 전략적인 이미지 마케팅을 위해서는 오프라인뿐만 아니라 온라인상에서 관광객들이 지각하는 관광목적지의 인식에 대한 파악이 반드시 필요하다. 설문조사를 거치지 않고 실제 관광목적지 방문한 중국인 관광객의 평가를 통해 관광목적지 이미지를 측정할 수 있게 되었으며, 이러한 분석방법 절차를 체계화로 하였으며, 향후 비정형 텍스트 데이터 분석할 때 방법론적으로 의미 있는 중요한 연구가 될 수 있다. 본 연구에 활용된 빅 데이터는 ‘Python’라는 전용 웹크롤러 프로그램을 통한 14,406건 온라인 리뷰를 수집하였으며, 실제 분석에 이용된 데이터의 단어 수는 34,624개로 구성되었다. 또한, 서울의 관광지 상위인 ‘명동’(3795건), ‘경복궁’(3690건), ‘삼청동’(1072건), ‘남산N서울타워’(3453건), ‘북촌’(2396건)으로 수집하였다. 텍스트 마이닝 분석기법을 통해 관광지 이미지의 3가지로 구성요소 차원에서 분석한 결과를 요약하면 다음과 같다. 첫째, Python 웹 크롤러를 통해 수집한 온라인 리뷰 데이터의 동시출현 빈도분석을 실시하였으며 서울에 관광목적지로서 5곳의 관광지 이미지에 대한 언급한 많이 사용된 상위 키워드 50개로 추출하였다. 둘째, 추출된 50개 키워드들을 관광지 이미지의 결정요인에 따라 요소별로 분류하였으며 ‘인프라시설’, ‘사회적 환경’, ‘자연자원’, ‘정보자원’, ‘쾌적함’, ‘진정함’, ‘인상적’ 그리고 ‘관광 특정활동’의 8가지로 분류하였다. 셋째, TF-IDF기법을 이용해서 분류된 관광지 이미지의 구성요소를 대상으로 가중치를 산츨하며, 씨트립 및 마펑워 사이트에서 수집한 데이터의 차이가 통계적으로 유의미한 것으로 확인하였고 데이터의 효과성을 확보하였다. 넷째, 추출된 온라인 리뷰 데이터를 내용분석을 하기위해 분류된 차원인 ‘인지적 이미지’, ‘정서적 이미지’ 그리고 ‘행동적 이미지’의 3개 척도, 8개의 구성요인에 대한 사용빈도를 계산하였다. 다섯째, 추출된 온라인 텍스트의 감정경향에 대한 분석하여 온라인 텍스트의 잠재적인 감정경향을 파악하였다. 분석결과는 ‘인프라시설’ 및 ‘사회적 환경’ 2개요인은 높은 긍정적인 이미지를 지각하게 되었 반면에 ‘자연자원’에 대한 부정적인 감정경향을 가장 높게 나타났다. 또한, 사회연결망 분석기법을 통해 수집한 전체 네트워크 데이터들간의 상관관계가 유의성 검증을 하여 관광지 이미지의 구성요소들에 관련된 네트워크 데이터가 서울에 관광지 이미지 형성에 영향을 미치는 것으로 확인하였다. Gephi프로그램을 활용하여 온라인 리뷰에 바탕으로 관광지 이미지를 형성하는 요인들의 연결망 구조 및 상관관계가 갖고있는 특성을 분석하였다. 이에 분류된 각 요인들간의 연결이 복잡한 네트워크 구조를 갖게되며, 온라인상에 서울지역의 관광지 이미지를 형성되는 요소들이 밀접한 연결성을 갖게되고 밀도가 높게 나타났다. 관광지 이미지의 구성관계 시각화를 통해 중국인관광객들의 추구요인들 사이의 중요성을 각 요인들의 노드 수와 크기를 기준으로 3집단 계층적인 시장세분화를 실시하였다. 즉, 1단계 세분화된 핵심시장은 특정한 관광활동을 추구하며 관광목적지의 분위기에 관심 가지는 특성이 확인할 수 있다. 2단계 세분화된 관광시장은 중국인 관광객들이 관광목적지의 인프라시설, 사회적 환경, 자연자원 그리고 정보자원과 연계되어 추진이 되었다는 것을 추측해 볼수있다. 3단계 세분화된 관광시장은 역사적이고 전통적인 감정과 관광지를 대표성 있는 고유한 진정적인 특성 및 역동적이고 인성적인 느낌을 추구하는 중국인 관광객의 특정한 집단이다. 데이터 마이닝 기술을 기존적인 통계분석방법과 결합하여 그 분석결과의 타당성을 확고히 할 뿐만 아니라 그 응용의 가치를 배가시키는 연구가 거의 없는 실태이다. 시장세분화는 비슷한 특성을 갖게 된 소비자들을 그룹화 하여 그 욕구를 파악하여 목표 그룹에 맞춰하는 마케팅 전략을 수립 및 실행하는 경영기법이다. 텍스트 마이닝 기술을 시장세분화에 응용하면 더 효과적인 데이터 분석 결과를 얻을 수 있는 것이다. 연구의 결과를 통해 관광지 이미지의 구성요인을 파악하고, 온라인 관광 리뷰 빅 데이터를 활용하여 기존 설문조사 방법을 이용한 선행연구들과 다른 방법론적 접근을 제시할 것이다. 또한 연구 결과는 중국인 관광객 대상으로 효과적인 관광시장에 대한 마케팅 전략의 수립을 제시할 뿐만 아니라 앞으로 관광지 이미지의 측정과 척도 개발을 위하여 의미 있는 자료로 사용될 것이다.
In this study, we analyzed the review data, which is atypical text data on - line, using big data analysis technique, rather than a quantitative study using structured survey method, which was used for a long time in the hospitality industry. In order to strategically image marketing of tourism dest...
In this study, we analyzed the review data, which is atypical text data on - line, using big data analysis technique, rather than a quantitative study using structured survey method, which was used for a long time in the hospitality industry. In order to strategically image marketing of tourism destinations in the changing ecosystem of tourism, it is necessary to grasp the perception of tourist destinations perceived by tourists not only offline but also online. It has become possible to measure the image of tourist destination through the evaluation of Chinese tourists visiting the actual tourist destination without going through the questionnaire. We have systematized the procedure of this analysis method and it will be an important research methodologically meaningful in analyzing the unstructured text data Can be. The Big Data used in this research collected 14,406 online reviews through a dedicated web crawler program called 'Python'. The actual number of words used in the analysis was 34,624. In addition, the top tourist attractions in Seoul are the Myeongdong (3795), Gyeongbokgung (3690), Samcheongdong (1072), Namsan N Seoul Tower (3453) and Bukchon Respectively. The results of analyzing three components of tourism image through the text mining analysis technique are as follows. First, we analyzed the concurrent frequency of online review data collected through the Python web crawler. We extracted 50 frequently used top keywords for tourist destinations in Seoul. Second, the extracted 50 keywords are classified according to the factors of tourism image and they are classified into 'infrastructure', 'social environment', 'natural resource', 'information resource', 'comfort', ' And 'specific activities for tourism'. Third, the weight of the components of tourist image classified using TF-IDF technique was calculated, and the difference between the data collected by Ctrip and Ma-Fung site was statistically significant and the data effectiveness was secured . Fourth, we used three scales of 'cognitive image', 'emotional image', and 'behavioral image', and the frequency of use of the eight constituent factors in order to analyze the extracted online review data. Fifth, the emotional tendency of extracted online text was analyzed and the potential emotional tendency of online text was grasped. As a result of the analysis, 'infrastructure facilities' and 'social environment' 2 outline perceived a high positive image, but the negative tendency toward 'natural resources' was the highest. The correlation between the network data collected through the social network analysis technique was verified to be significant, and it was confirmed that the network data related to the components of the tourist image influenced the formation of the tourist image in Seoul. Based on the online review using the Gephi program, we analyzed the characteristics of the network structure and correlations of the factors that form the tourist destination image. The connection between each of these factors has a complex network structure, and the elements forming the image of sightseeing spot in Seoul have close connectivity and high density. The importance of the Chinese tourist 's pursuit factors through the visualization of the constitutional relations of tourist destination images was segmented into three groups based on the number and size of nodes of each factor. In other words, the first stage subdivided core market is pursuing specific tourism activities and can be identified by the characteristics of interest in the atmosphere of the tourist destination. The second stage of the subdivided tourism market can be guessed that Chinese tourists were driven by infrastructure, social environment, natural resources and information resources of tourist destinations. The three - tiered tourism market is a specific group of Chinese tourists seeking a genuine, authentic character and a dynamic and personal feeling that represents historical and traditional emotions and attractions. There are few studies that combine data mining techniques with existing statistical analysis methods to confirm the validity of the analysis results and to double the value of the application. Market segmentation is a management technique that groups consumers who have similar characteristics and identifies their needs and establishes and implements a marketing strategy tailored to the target group. Applying text mining technology to market segmentation can yield more effective data analysis results. The results of the study will be used to identify the factors that make up the tourist image, and to present a different methodological approach from previous studies using the existing survey method using the big online data. In addition, the results of this study will be used not only as an effective marketing strategy for Chinese tourists but also as meaningful data for the measurement of tourism image and the development of scale.
In this study, we analyzed the review data, which is atypical text data on - line, using big data analysis technique, rather than a quantitative study using structured survey method, which was used for a long time in the hospitality industry. In order to strategically image marketing of tourism destinations in the changing ecosystem of tourism, it is necessary to grasp the perception of tourist destinations perceived by tourists not only offline but also online. It has become possible to measure the image of tourist destination through the evaluation of Chinese tourists visiting the actual tourist destination without going through the questionnaire. We have systematized the procedure of this analysis method and it will be an important research methodologically meaningful in analyzing the unstructured text data Can be. The Big Data used in this research collected 14,406 online reviews through a dedicated web crawler program called 'Python'. The actual number of words used in the analysis was 34,624. In addition, the top tourist attractions in Seoul are the Myeongdong (3795), Gyeongbokgung (3690), Samcheongdong (1072), Namsan N Seoul Tower (3453) and Bukchon Respectively. The results of analyzing three components of tourism image through the text mining analysis technique are as follows. First, we analyzed the concurrent frequency of online review data collected through the Python web crawler. We extracted 50 frequently used top keywords for tourist destinations in Seoul. Second, the extracted 50 keywords are classified according to the factors of tourism image and they are classified into 'infrastructure', 'social environment', 'natural resource', 'information resource', 'comfort', ' And 'specific activities for tourism'. Third, the weight of the components of tourist image classified using TF-IDF technique was calculated, and the difference between the data collected by Ctrip and Ma-Fung site was statistically significant and the data effectiveness was secured . Fourth, we used three scales of 'cognitive image', 'emotional image', and 'behavioral image', and the frequency of use of the eight constituent factors in order to analyze the extracted online review data. Fifth, the emotional tendency of extracted online text was analyzed and the potential emotional tendency of online text was grasped. As a result of the analysis, 'infrastructure facilities' and 'social environment' 2 outline perceived a high positive image, but the negative tendency toward 'natural resources' was the highest. The correlation between the network data collected through the social network analysis technique was verified to be significant, and it was confirmed that the network data related to the components of the tourist image influenced the formation of the tourist image in Seoul. Based on the online review using the Gephi program, we analyzed the characteristics of the network structure and correlations of the factors that form the tourist destination image. The connection between each of these factors has a complex network structure, and the elements forming the image of sightseeing spot in Seoul have close connectivity and high density. The importance of the Chinese tourist 's pursuit factors through the visualization of the constitutional relations of tourist destination images was segmented into three groups based on the number and size of nodes of each factor. In other words, the first stage subdivided core market is pursuing specific tourism activities and can be identified by the characteristics of interest in the atmosphere of the tourist destination. The second stage of the subdivided tourism market can be guessed that Chinese tourists were driven by infrastructure, social environment, natural resources and information resources of tourist destinations. The three - tiered tourism market is a specific group of Chinese tourists seeking a genuine, authentic character and a dynamic and personal feeling that represents historical and traditional emotions and attractions. There are few studies that combine data mining techniques with existing statistical analysis methods to confirm the validity of the analysis results and to double the value of the application. Market segmentation is a management technique that groups consumers who have similar characteristics and identifies their needs and establishes and implements a marketing strategy tailored to the target group. Applying text mining technology to market segmentation can yield more effective data analysis results. The results of the study will be used to identify the factors that make up the tourist image, and to present a different methodological approach from previous studies using the existing survey method using the big online data. In addition, the results of this study will be used not only as an effective marketing strategy for Chinese tourists but also as meaningful data for the measurement of tourism image and the development of scale.
주제어
#빅 데이터, 관광지 이미지, 중국관광객, 서울지역, 시장세분화, Big Data, Segmentation, Tourist Image, Seoul Area, Tourist Market
학위논문 정보
저자
GAO FENGBO
학위수여기관
경희대학교 대학원
학위구분
국내석사
학과
관광학과
지도교수
윤지환
발행연도
2019
총페이지
ⅶ, 81 p.
키워드
빅 데이터, 관광지 이미지, 중국관광객, 서울지역, 시장세분화, Big Data, Segmentation, Tourist Image, Seoul Area, Tourist Market
※ AI-Helper는 부적절한 답변을 할 수 있습니다.