基于互联网大数据的旅游需求分析——以北京怀柔为例

被引：30
作者：
任武军 [1 ]
李新 [2 ]
机构：
[1] 中国科学院大学经济与管理学院
[2] 北京联合大学旅游信息化协同创新中心
来源：
系统工程理论与实践 | 2018年 / 38卷 / 02期
关键词：
互联网; 大数据; 在线旅游; 旅游需求; 旅游管理;
D O I：
暂无
中图分类号：
F49 [信息产业经济]; F592.7 [地方旅游事业];
学科分类号：
1201 ; 020202 ;
摘要：
互联网大数据为经济金融以及旅游等行业的准确分析及预测提供了良好的数据基础.随着我国旅游业的蓬勃发展,旅游需求分析及旅游管理迫切需要实时且准确的数据作为支撑.本文以北京怀柔为例,收集两类互联网大数据进行实证研究.首先通过挖掘互联网搜索数据分析旅游目的地的热度,进而利用主成分分析方法构建搜索指数衡量旅游需求;其次通过利用携程网怀柔游客大数据分析游客的基本特征及游客旅游行为,即游客对旅游产品、景区和酒店的偏好.综合大数据分析结果,为旅游管理实践提出相应的建议.本研究有望为大数据时代下的旅游管理提供新的基于数据的分析视角.
引用
收藏
页码：437 / 443
页数：7
相关论文
共 17 条
[1]   基于网络搜索和CLSI-EMD-BP的旅游客流量预测研究 [J].
李晓炫 ;
吕本富 ;
曾鹏志 ;
刘金烜 .
系统工程理论与实践, 2017, (01) :106-118
[2]   互联网搜索指数构建新方法及国际油价实证研究 [J].
李新 ;
张珣 .
系统工程理论与实践, 2016, (02) :319-325
[3]   基于互联网搜索数据的中国流感监测 [J].
李秀婷 ;
刘凡 ;
董纪昌 ;
吕本富 .
系统工程理论与实践, 2013, 33 (12) :3028-3034
[4]   A MIDAS modelling framework for Chinese inflation index forecast incorporating Google search data [J].
Li, Xin ;
Shang, Wei ;
Wang, Shouyang ;
Ma, Jian .
ELECTRONIC COMMERCE RESEARCH AND APPLICATIONS, 2015, 14 (02) :112-125
[5]  
Forecasting Chinese tourist volume with search engine data[J] . Xin Yang,Bing Pan,James A. Evans,Benfu Lv.Tourism Management . 2015
[6]  
Identifying emerging hotel preferences using Emerging Pattern Mining technique[J] . Gang Li,Rob Law,Huy Quan Vu,Jia Rong,Xinyuan (Roy) Zhao.Tourism Management . 2015
[7]  
Can Google data improve the forecasting performance of tourist arrivals? Mixed-data sampling approach[J] . Prosper F. Bangwayo-Skeete,Ryan W. Skeete.Tourism Management . 2015
[8]  
A meta-analysis of international tourism demand forecasting and implications for practice[J] . Bo Peng,Haiyan Song,Geoffrey I. Crouch.Tourism Management . 2014
[9]   Nowcasting with Google Trends in an Emerging Market [J].
Carriere-Swallow, Yan ;
Labbe, Felipe .
JOURNAL OF FORECASTING, 2013, 32 (04) :289-298
[10]   Forecasting hotel room demand using search engine data [J].
Pan, Bing ;
Wu, Doris Chenguang ;
Song, Haiyan .
JOURNAL OF HOSPITALITY AND TOURISM TECHNOLOGY, 2012, 3 (03) :196-210
12