© Добровольская Кира, э602, ЭФ МГУ
Быстрый рост «электронной молвы» в значительной мере повлиял на предпочтения и ожидания путешественников, а так же и на планы развития ряда туристических мест (Chu and Kim 2011, Jalilvand et al. 2012). Уже проводились различные исследования влияния «электронной молвы» на выбор места, его репутацию среди путешественников. Данное исследование отличается в первую очередь тем, что моделирует эволюцию взглядов туристов, а не статическую ситуацию.
Это сложно, но важно для исследования на макро-уровне структуры системы туризма, которая формируется из простых агентов и правил их взаимодействия, которые нельзя заметить за короткий период времени или уловить статическим статистическим анализом. Агент-ориентированное Моделирование (АОМ), следовательно, представлено как полезный инструмент, который может определить поведение автономных агентов, взаимодействие которых с другими агентами и окружающей средой определяет поведение системы в целом.
Симуляции АОМ позволяют маркетинговым отделам и менеджменту туристических объектов оценить изменения туристского спроса и удовлетворения туристов с учетом новой маркетинговой/управленческой стратегии, избегая высоких рисков, и, на самом деле, инвестируя значительные ресурсы для применения этих стратегий в реальности. Кроме того, симуляция позволяет подготовиться к возможным ошибкам.
В данную модель интегрирована Трехфакторная теория удовлетворенности структурой обслуживания (Kano et al’s (1984)). Согласно этой теории выделяются три категории атрибутов, которые по-разному влияют на удовлетворенность туриста:
- Базовые атрибуты (доступность информации, цена, бюджет, условия проживания) больше всего влияют на недовольство (неудовлетворенность).
- Атрибуты волнения/радости (общения с другими туристами, занятия спортом), наоборот, больше влияют на удовлетворенность.
- Характеристические атрибуты (климат, культурные мероприятия) в равной степени влияют и на удовлетворенность и на неудовлетворенность.
Данное исследование построено на платформе Netlogo (Wilensky 1999), что позволяет исследовать тенденции как на микро-, так и на макро-уровне. Туристы – агенты, которые получают информацию как от масс-медиа, так и от других туристов, что вместе с предыдущим опытом туриста влияет на его будущие намерения посетить эту страну (город, гостиницу и т.п.). После посещения места, путешественники делятся собственной оценкой с другими. Таким образом, принятие решения состоит из основных шагов:
- Сбор информации о месте
- Оценка информации о месте против индивидуальных предпочтений
- Собственно, посещение места и «оценка на месте»
- После посещения турист делится своей оценкой (своими впечатлениями) с другими путешественниками.
Все туристы автономны и неоднородны. У каждого из них могут быть различные предпочтения в источниках для сбора информации, различные ожидания, одни предпочтут ездить в одно и то же место, иные будут всегда выбирать новое и так далее. Варьирование соотношения и комбинации различных агентов выявит изменения в моделях туристических мест на макро-уровне.
Агенты действуют, максимизируя свое удовлетворение, в зависимости от наиболее важных для них атрибутов. Другое допущение состоит в том, что атрибуты действуют наоборот: базовые увеличивают удовлетворение, атрибуты волнения ведут к неудовольствию, а характеристические равно влияют и на удовлетворение и неудовлетворение. Вероятность поделиться впечатлениями/последовать чужому совету увеличивается для самых удовлетворенных и самый неудовлетворенных туристов.
Данные собирались за последние 5 лет, основные параметры представлены в таблице 1.
Что касается предположений о туристических направлениях, различными местами являются "заплаты" (“patches”) с различными функциями и уровнями мощности, которые расположены на случайном расстоянии от туристов (см график 1 для инициализации состояния и рисунка после 100 тиков). На основе широко общепризнанной трехфакторной теории, особенности места назначения подразделяются на три типа: базовые (основные) атрибуты, характеристические атрибуты и атрибуты волнения. Направления должны различаться с точки зрения их соответствующих значений по трем типам атрибутов. Поэтому, учитывая отсутствие эмпирических данных, документирующих глобальное распределение значений атрибутов по пунктам назначения, в этом исследовании проводятся эксперименты с несколькими возможными сценариями и распределениями. Использовались равномерное распределение, нормальное распределение, и скошенное нормальное распределение и т.д. Для реалистичности в модели было введено ограничение на вместительность каждого отдельного туристического места: если объем туристов превышал это ограничение, полезность места будет снижаться, пока поток туристов не придет в норму. Каждая симуляция была проведена несколько раз, чтобы исключить влияние случайных факторов.
График 1.
По графику мы видим, что в среднем чуть более чем на половину из направлений заполнены на каждый тик (чьи временные туристические посещения больше, чем пропускная способность метса). Некоторые общие закономерности туристических посещений выявлены, в том числе:
(1) временные туристические поездки для всех направлений колеблются вокруг уровня пропускной способности, а также направления с более высоким уровнем пропускной способности в целом привлекает все больше туристов, желающих их посетить (график 2), следовательно, он предполагает необходимость направления для того чтобы оптимизировать их стратегии управления для увеличения пропускной способности. Проводятся эксперименты с увеличением пропускной способности для случайно выбранных направлений и увеличение туристических посещений действительно наблюдается.
(2) Одно место назначения всегда доминирует с точки зрения временных туристических посещений и туристических оценок, несмотря на то сколько мест назначения моделируются (график 3)
(3) Чем выше вероятность последующих рекомендаций, тем больше общих оценок всех направлений и тем больше удовлетворение от путешествия, и в среднем временных посещений для направлений больше. Для повышения привлекательности места/направления служит повышение шансов последовать за отзывами, при этом повышение количества отзывов будет служить несоответствию ожиданий и реальности, а так же уменьшит общую привлекательность и удовлетворенность туриста (график 4)
В ходе работы с этой моделью была проверена одна из очень распространенных тактик: особое внимание уделяется людям, обладающим влиянием в Сети в надежде на скорый прирост посетителей после отзыва этих гостей. Однако модель показала, что, поскольку этим отдельным популярным личностям было оказано особое внимание, ожидания последователей завышаются. В итоге уровень удовлетворенности падает, падает доверие к подобной рекламе и снижается желание следовать чужим рекомендациям среди агентов. То есть подобная тактика приводит к результату, абсолютно противоположному тому, что ожидался.
Подробнее смотрите в статье Ye Zhang, Peter Ricci, Anil Bilgihan «Agent-based Modeling of Destination – Tourist Interactive Evolution».