Using winery web sites to attract wine tourists: an international comparison
Notice bibliographique
Résumé
Purpose – This paper aims to report on a study of wine regions in five countries that assessed whether and how wineries use their web sites to provide information to and attract wine tourists. Design/methodology/approach – Content analysis of winery web sites from wine regions in five countries (Australia, Canada, Chile, France, USA) was conducted. Findings – While the majority of wineries in the study utilized web sites to provide information to consumers, there were significant differences in the effectiveness with which they did so. Wineries desiring to attract tourist visitors should ensure that basic information content is present (e.g. hours of operation, directions to the winery). Although some wineries have begun to engage consumers on mobile platforms, more can be done to ensure access to information at all stages of the tourist visit process. Research limitations/implications – Due to time and budget constraints, the study evaluated the web sites in only some wine regions of five wine-producing countries. Future researchers can build on this study by evaluating winery web sites in additional wine regions and countries. Practical implications – The authors identify practical ways in which wineries can enhance the information they provide via their web sites to attract winery visitors and augment cellar door sales. Originality/value – Previous research has examined winery web sites at the level of the destination marketing organization or individual winery within a country; the authors look at individual winery web sites in international comparison. Wineries seeking to attract tourists to their cellar door operations can thus evaluate their online communications in comparison with national and international competitors and best practices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».