MétaCan
Menu
Retour à la cohorte
Enregistrement W2126906755 · doi:10.1177/1938965509336809

Exploring the Use of the Abbreviated Technology Readiness Index for Hotel Customer Segmentation

2009· article· en· W2126906755 sur OpenAlexaff
Liana Victorino, Ekaterina V. Karniouchina, Rohit Verma

Notice bibliographique

RevueCornell Hospitality Quarterly · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMarket segmentationProfiling (computer programming)MarketingBusinessIndex (typography)SegmentationHospitality industryHospitalityCustomer serviceService (business)Computer scienceArtificial intelligenceTourismWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Traditional tools used for segmenting hotel clientele rely on demographic and hotel-use characteristics (such as desired room type). However, with the emergence of self-service technologies and with technology-based components added to the list of hotels' service offerings, the authors propose using the abbreviated Technology Readiness Index (TRI) to improve the effectiveness of customer profiling, not only for technology use but also more generally for market segmentation. The abbreviated TRI was found to be a useful segmentation tool as it allows managers to form cohesive customer segments, each with a particular attitude toward technology and each with its own demographic characteristics and usage patterns. This study will help managers tailor their technology offerings to the needs and preferences of different segments based on their comfort with technology.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,106
Tête enseignante GPT0,257
Écart entre enseignants0,151 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCornell Hospitality QuarterlyMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207