Destination image: a consumer-based, big data-enabled approach

Abstract

Purpose

This study aims to use a bottom-up, inductive approach to derive destination image attributes from large quantities of online consumer narratives and establish a destination classification system based on relationships among attributes and places.

Design/methodology/approach

Content and social network analyses were used to explore the consumer image structure for destinations based on online narratives. Cluster analysis was then used to group destinations by attributes, and ANOVA provided comparisons.

Findings

Twenty-two attributes were identified and combined into three groups (core, expected, latent). Destinations were classified into three clusters (comprehensive urban, scenic and lifestyle) based on their network centralities. Using data on Chinese tourism, the most mentioned (core) attributes were determined to be landscape, traffic within the destination, food and beverages and resource-based attractions. Social life was meaningful in consumer narratives but often overlooked by researchers.

Practical implications

Destinations should determine into which category they belong and then appeal to the real needs of tourists. Destination management organizations should provide the essential attributes while paying greater attention to highlighting the destinations’ social life atmosphere.

Originality/value

This research produced empirical work on Chinese tourism by combining a bottom-up, inductive research design with big data. It divided the 49 destinations into three categories and established a new system based on rich data to classify travel destinations.

目的

本研究旨在使用自下而上的归纳方法从大量的在线消费者的叙述中总结出目的地形象的属性, 并根据目的地形象的属性和地点之间的关系建立一个目的地分类系统。

设计/方法/方法

首先通过内容分析方法和社会网络分析方法分析在线消费者的叙述数据得出目的地的消费者形象结构, 然后采用聚类分析方法按照属性对目的地形象进行分组, 并通过方差分析进行比较。

结果

结果显示总结出22种属性, 并将其组合为三组(核心、预期和潜在)。目的地根据其网络中心度被分为三个集群(综合城市、风景和生活方式)。最常被提及的(核心)属性是景观、目的地的交通、食品和饮料以及资源型景点。在消费者的叙述数据中表明社会生活是有意义的, 但常常被研究人员忽视。

原创性/价值

首先本研究通过将自下而上的归纳研究设计与大数据相结合对中国旅游业进行了实证研究。其次通过将49个旅游目的地分为三类以及基于大数据建立了一个新的旅游目的地分类系统。

实际意义

旅游目的地应该明确自己属于哪一类目的地类型然后迎合游客的真正需求。DMOs应该提供旅游目的地的基本属性, 注重提升旅游目的地的社会生活氛围。

Diseño/metodología/enfoque

Se realizó un análisis de contenido en redes sociales para explorar la estructura de la imagen de los destinos por parte de los consumidores basándose en las descripciones en línea. A continuación, se empleó el análisis de clusters para agrupar los destinos por atributos, estableciendo comparaciones mediante el análisis ANOVA.

Propósito

Los propósitos de esta investigación eran utilizar un enfoque ascendente e inductivo para obtener atributos de imagen de los destinos a partir de grandes cantidades de descripciones de consumidores en línea, y establecer un sistema de clasificación de destinos basado en las relaciones entre atributos y lugares.

Resultados

Se identificaron 22 atributos que luego se agruparon en tres grupos (principales, esperados, latentes). Los destinos se clasificaron en tres grupos (urbano integral, paisajístico y de estilo de vida) en función de sus centralidades de red. Utilizando datos sobre el turismo chino, se determinó que los atributos (centrales) más mencionados eran el paisaje, el tráfico dentro del destino, la comida y las bebidas, y las atracciones basadas en los recursos. La vida social era importante en los comentarios de los consumidores, pero a menudo los investigadores la pasaban por alto.

Implicaciones prácticas

Los destinos deberían determinar a qué categoría pertenecen y luego apelar a las necesidades reales de los turistas. Los DMO deberían proporcionar los atributos esenciales prestando mayor atención a resaltar el entorno de vida social de los destinos.

Originalidad/valor

Esta investigación elaboró un trabajo empírico sobre el turismo chino combinando un diseño de investigación inductiva ascendente con big data. Dividió los 49 destinos en tres categorías y estableció un nuevo sistema basado en los grandes datos para clasificar los destinos turísticos.

Citation

Zhong, L., Morrison, A.M., Zheng, C. and Li, X. (2023), "Destination image: a consumer-based, big data-enabled approach", Tourism Review, Vol. 78 No. 4, pp. 1060-1077. https://doi.org/10.1108/TR-04-2022-0190