Segmenting the Market of First-Time Visitors to an Island Destination
Notice bibliographique
Résumé
Purpose: The main purpose of this study is to segment the market of first-time visitors based on the activities travelers engage in while at a destination. The various segments are then profiled by demographics, socio-economic variables, and trip-related characteristics.Design/methodology/approach: This study is based on 1,104 exit surveys completed by first-time visitors to the Canadian province of Prince Edward Island, a major island tourist destination. Clustering analysis is used to develop the segments. In addition, analysis of variance (ANOVA), multivariate analysis of variance (MANOVA), discriminant analysis, and Chi-Square analyses are completed.Findings: The results indicate that there are three distinct segments of first-time visitors based on travel activities: “culture-oriented” (26% of the market), “active” (37%), and “casual” (37%). The key differences among the three segments are illustrated using demographics, socio-economic variables, trip-related characteristics, and spending patterns. Based on these results, it is clear that the three segments are sustainable and profitable.Practical implications: Segmenting markets for products or services, in any industry, is vital to gain a better understanding of the customer, and to better allocate scarce tourism resources to product development, marketing, service, and delivery. Therefore, all tourism industry stakeholders must be aware of the market segments that are currently visiting the destination.Originality/value: Tourist segments based on activities are not absolutes; they should be viewed on a continuum. The majority of first-time visitors to a destination engage in a variety of travel activities. The continuum of highlighted activities across the segments is from more to less involved. Successful tourism destinations are those that meet the various activity needs of their segments in both their marketing and “on the ground.”
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».