پیوندهای مفید
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 512 |
| تعداد مقالات | 4,960 |
| تعداد مشاهده مقاله | 7,602,079 |
| تعداد دریافت فایل اصل مقاله | 5,651,503 |
مدیریت الگوهای رفتاری گردشگران پس از سفر بر اساس تحلیل کلان داده‌ها (مورد مطالعه: آرامگاه فردوسی) | ||
| پژوهش های بازاریابی گردشگری و میهمان نوازی | ||
| مقاله 4، دوره 3، شماره 1 - شماره پیاپی 4، فروردین 1404، صفحه 81-100 اصل مقاله (845.97 K) | ||
| نوع مقاله: مقاله پژوهشی مستقل | ||
| شناسه دیجیتال (DOI): 10.22080/tmhr.2025.29025.1059 | ||
| نویسندگان | ||
| سید محمد موسوی* 1؛ عباس صادق نیا2 | ||
| 1استادیار گروه مدیریت جهانگردی، دانشکده ادبیات و علوم انسانی، دانشگاه شهرکرد، شهرکرد، ایران. | ||
| 2دکترای، مدیریت گردشگری ، گروه گردشگری، دانشکده علوم گردشگری، دانشگاه علم و فرهنگ، تهران، ایران | ||
| تاریخ دریافت: 28 اردیبهشت 1404، تاریخ بازنگری: 16 تیر 1404، تاریخ پذیرش: 25 تیر 1404 | ||
| چکیده | ||
| زمینه و هدف: هدف اصلی از این پژوهش، مدیریت الگوهای رفتاری گردشگران با کمک تحلیل کلان داده‌ها و هوش مصنوعی با هدف بهبود تجربۀ گردشگری در جاذبه‌ها است. روش شناسی: این پژوهش به لحاظ هدف از نوع کاربردی و از نظر رویکرد یک پژوهش آمیختۀ کیفی-کمّی از نوع اکتشافی به شمار می‌رود. در این پژوهش کلان داده‌های تولید شده در فرآیند سفر توسط ابزار پایتون مورد استخراج و تحلیل قرار می‌گیرد. همچنین جامعۀ مورد مطالعه کلیۀ گردشگران را در آرامگاه فردوسی مشهد تشکیل می‌دهند. یافته ها: براساس مدل‌سازی الگوهای رفتاری گردشگران و با کمک تحلیل کلان داده‌ها و هوش مصنوعی به منظور بهبود تجربۀ گردشگری، به استخراج کلان داده‌ها در مرحلۀ پس از سفر گردشگران پرداخته شد. یافته‌های هر مرحله از سفر نشان می‌دهد که کلان داده‌ها می‌توانند در بررسی وضع موجود پس از بازدید و تجربه در سفر مفید بوده و علاوه بر آن در بهبود تجربه نیز نقش مؤثر داشته باشند. نتیجه گیری و پیشنهادات: نتایج به دست آمده در جاذبۀ مورد مطالعۀ آرامگاه فردوسی نشان می‌دهد که مدیران گردشگری می‌توانند با استفاده از کلانداده‌ها به تجزیه و تحلیل رفتار گردشگران در مراحل مختلف سفرشان بپردازند و در نهایت به مدل جامعی برای بهبود تجربۀ گردشگران در جاذبه‌ها دست پیدا کنند. نوآوری و اصالت: در این پژوهش از جدیدترین فناوری‌های مرتبط با هوش مصنوعی در تجربۀ گردشگران پس از بازدید و تجربه در سفر استفاده شده است. | ||
| کلیدواژه‌ها | ||
| گردشگری؛ تجربه گردشگردی؛ رفتارگردشگر؛ کلان داده ها؛ آرامگاه فردوسی | ||
| عنوان مقاله [English] | ||
| Managing Tourist Behavioral Patterns After Travel Based on Big Data Analysis (Case Study: Ferdowsi's Tomb) | ||
| نویسندگان [English] | ||
| seyedmohammad mousavi1؛ abas sadeqnia2 | ||
| 1Assistant Professor, Department of Tourism Management, Faculty of Literature and Humanities, Shahrekord University, Shahrekord ,Iran | ||
| 2Ph.d of Tourism Management, Tourism Faculty, University of Science & Culture, Tehran, Iran | ||
| چکیده [English] | ||
| Context and Purpose: The main objective of this research is to manage tourists' behavioral patterns with the help of big data analysis and artificial intelligence, with the aim of improving the tourism experience in attractions. Design/methodology/approach: This research is an applied type in terms of purpose and a mixed qualitative-quantitative exploratory research in terms of approach. In this research, the big data generated in the travel process is extracted and analyzed using Python. The study population consists of all tourists in the Ferdowsi Mausoleum in Mashhad. Findings: Based on the modeling of tourists' behavioral patterns and with the help of big data analysis and artificial intelligence in order to improve the tourism experience, big data was extracted in the post-trip stage of tourists. The findings of each stage of the trip show that big data can be useful in examining the current situation after the trip and, in addition, play an effective role in improving the experience. Conclusion: The results obtained in the studied attraction of Ferdowsi's Tomb show that tourism managers can improve the tourist experience at every stage of the trip by using big data of destination tourist attractions and achieve a comprehensive model in this regard, and use it in all attractions and tourist destinations in the country. Originality/value: This research uses the latest technologies related to artificial intelligence in the post-trip experience of tourists. | ||
| کلیدواژه‌ها [English] | ||
| Tourism. Tourist Experience, Tourist Behavior, Big Data, Ferdowsi's Tomb | ||
| مراجع | ||
|
Buhalis, D., (2000), Marketing the competitive destination of the future‖. Tourism Management, Vol. 21, pp. 97–116. https://doi.org/10.1016/S0261-5177(99)00095-3. Björk, Peter. & Prebensen, Nina. & Räikkönen, Juulia. & Sundbo, Jon. (2021) 20 Years of Nordic tourism experience research: a review and future research agenda, Scandinavian Journal of Hospitality and Tourism, Vol.21, No.1, pp.26-36. https://doi.org/10.1080/15022250.2020.1857302. Chen, H., & Rahman, I. (2018). Cultural tourism: An analysis of engagement, cultural contact, memorable tourism experience and destination loyalty. Tourism management perspectives, 26:153-163. https://doi.org/10.1016/j.tmp.2017.10.006. Jafari, Jafar (2000), Encyclopedia of tourism, Los Angeles: Routledge. Cohen, S. A., Prayag, G., & Moital, M. (2014). Consumer behaviour in tourism: Concepts, influences and opportunities. Current Issues in Tourism, 17(10), 872-909..https://doi.org/10.1080/13683500.2013.850064 Saifur Rahman, H. R. (2022). A Systematic Review Towards Big Data Analytics in Social Media. Article in Big Data Mining and Analytics, 15-25. https://doi.org/10.26599/BDMA.2022.9020009 Shirkhodai, Meysam, Ghaffari, Majid, Yousefi, Fatemeh and Yousefi, Faezeh. (2019). Tourism Marketing: A Comparative Study of Memorable Tourism Experiences between Different Personality Types Based on the Myers-Briggs Model. Tourism Planning and Development, 8(31), 1-17. (In Persian) 10.22080/jtpd.2020.16975.3115 Zargham Borujeni, Hamid, Bahmanesh, Parisa (2013). Identifying Factors Affecting Creating Memorable Tourism Experiences from the Perspective of Cultural Tourists Visiting Iran, Journal of Tourism Planning and Development, 2(88), 67-88. (In Persian) Cuomo, M. T., & Tortora, D. (2021). Digital transformation and tourist experience co-design: Big social data for planning cultural tourism. Elsevier. https://doi.org/10.1016/j.techfore.2020.120345 Wang, D., & Xiang, Z. (2014). Smartphone use in everyday life and travel. Journal of Travel Research, 53(5), 584–596. https://doi.org/10.1177/0047287514535847 Stiakakis, E., & Vlachopoulou, M. (2017). The impact of social media on travelers 2.0. Tourismos: An International Multidisciplinary Journal of Tourism, 12(3), 131–154. https://doi.org/10.26215/tourismos.v12i3.531 Solazzo, G., Maruccia, Y., Lorenzo, G., & Ndou, V. (2021). Extracting insights from big social data for smarter tourism destination management. Management Decision, 59(2), 267–289. 10.1108/MBE-11-2020-0156 Sigala, M. (2018). New technologies in tourism: From multi‑disciplinary to anti‑disciplinary advances and trajectories. Tourism Management Perspectives, 25, 151–155. https://doi.org/10.1016/j.tmp.2017.12.003 Aleinikova, O. V., Datsii, O. I., & Kalina, I. (2023). Digital technologies as a reason and tool for dynamic transformation of territory marketing. Scientific Bulletin of National Mining University, (1), 154–162. https://doi.org/10.33271/nvngu/2023-1/154 Del Vecchio, P., Mele, G., & Ndou, V. (2017). Open innovation and social big data for sustainability: Evidence from the tourism industry. Sustainability, 10(9), 3215. https://doi.org/10.3390/su10093215 Li, J., Xu, L., & Tang, L. (2018). Big data in tourism research: A literature review. Tourism Management, 68, 301–323. https://doi.org/10.1016/j.tourman.2018.03.009 Shirkhodai, Meysam, Ghaffari, Majid, Yousefi, Fatemeh and Yousefi, Faezeh. (2019). Tourism Marketing: A Comparative Study of Memorable | ||
|
آمار تعداد مشاهده مقاله: 138 تعداد دریافت فایل اصل مقاله: 30 |
||