Search results

This study aims to explore the relationships amongst football fans’ travel motivations (FFTMs), their satisfaction (SAT), their perceived destination image (PDI) and their behavioural intentions (BIs). On the other hand, the mediating effects of SAT on the relationships among FFTMs, PDI and BIs are analyzed.

An approach based on a quantitative research method was used, and the data were gathered from Italian and British tourists who visited Istanbul, aiming to attend the Champions League Final match of Manchester City versus Inter Milan.

Based on 277 applicable surveys, Smart-PLS was conducted to test the conceptual model. The results indicated positive and meaningful relationships amongst FFTMs, SAT, PDI and Bis. Moreover, the results also demonstrated that the effect of FFTMs and PDI on BIs is mediated by SAT.

This research makes a contribution to the football tourism literature by first examining the theory of planned behaviour in conjunction with FFTMs, SAT, PDI and BIs. Furthermore, the findings of this study could offer valuable insights to assist tourism marketers in gaining a deeper understanding of FFTMs, BIs, SAT and PDI.

本研究探讨了足球迷的旅行动机、满意度 (SAT)、感知目的地形象 (PDI) 和旅游后行为(BI) 之间的关系。 另一方面, 分析了 SAT 对 FFTMs、PDI 和 BIs 之间关系的中介效应。

采用定量研究方法, 数据收集对象为前往伊斯坦布尔观看曼城对阵国际米兰的欧洲冠军联赛决赛的意大利和英国游客。

基于 277 份调查问卷, 采用Smart-PLS对概念模型进行了检验。 结果表明, 足球迷的旅行动机、满意度、目的地形象感知及旅游后行为之间存在积极且有意义的关系。此外, 结果还表明, FFTMs 和 PDI 对 BIs 的影响是由 SAT 介导的。

这项研究首先将计划行为理论与 FFTMs、SAT、PDI 和 BIs 结合起来进行检验, 为足球旅游文献做出了贡献。

Este estudio explora las relaciones entre las motivaciones de viaje de los aficionados al fútbol (FFTM), su satisfacción (SAT), su imagen percibida del destino (PDI) y sus intenciones de comportamiento (BI). Por otra parte, se analizan los efectos mediadores de la SAT en las relaciones entre las FFTM, la PDI y las BI.

Se adoptó un enfoque de investigación cuantitativa y se recopilaron datos de turistas italianos y británicos que visitaron Estambul con el objetivo de asistir al partido de la final de la Liga de Campeones entre el Manchester City y el Inter de Milán.

Sobre la base de 277 encuestas aplicables, se llevó a cabo un PLS-Smart para probar el modelo conceptual. Los resultados indicaron relaciones positivas y significativas entre los FFTM, el SAT, el PDI y los BI. Además, los resultados también demostraron que el efecto de los FFTM y el PDI sobre las BI está mediado por el SAT.

Esta investigación contribuye a la literatura sobre el turismo futbolístico al examinar por primera vez la Teoría del Comportamiento Planificado en conjunción con los FFTM, el SAT, el PDI y las BI. Además, los resultados de este estudio podrían ofrecer ideas valiosas para ayudar a los profesionales del marketing turístico a comprender mejor los FFTM, los BI, el SAT y el PDI.

Artificial intelligence (AI) agents have been increasingly applied in the tourism and hospitality industry. However, AI service failure is inevitable. Thus, AI service recovery merits empirical investigation. This study aims to explore how AI empathic accuracy affects customers’ satisfaction in the context of AI service recovery.

A moderated mediation model was presented to describe the effect of empathic accuracy on customer satisfaction via four scenario-based experiments.

The results reveal the positive impact of AI empathic accuracy on customer satisfaction and the mediating effects of perceived agency and perceived experience. Moreover, anthropomorphism moderates the empathic accuracy effect.

This paper expanded AI service studies by exploring the significance of empathic accuracy in customer recovery satisfaction. The results provide a novel theoretical viewpoint on retaining customers following AI service failure.

人工智能（AI）设备已越来越多地应用于旅游业和酒店业。然而, AI服务失败是不可避免的。因此, AI服务补救值得进一步实证研究。本研究探讨了AI共情准确性如何影响顾客对AI服务补救的满意度。

通过四个基于场景的实验, 提出了一个有调节的中介模型来描述共情准确性对顾客满意度的影响。

结果揭示了AI共情准确性对顾客满意度有积极影响, 感知能动性和感知感受性具有中介效应。此外, 拟人化调节了共情准确性的效应。

本文通过探讨共情准确性在顾客服务补救满意度中的作用, 拓展了AI服务研究。研究结果为AI服务失败后如何留住顾客提供了新的理论视角。

Las agentes de inteligencia artificial (IA) se aplican cada vez más en el sector del turismo y la hostelería. Sin embargo, los fallos de los servicios de IA son inevitables. Por lo tanto, la recuperación de servicios de IA merece una investigación empírica. Esta investigación explora cómo la precisión empática de la IA afecta a la satisfacción de los clientes con la recuperación del servicio de IA.

Se presentó un modelo de mediación moderado para describir el efecto de la precisión empática en la satisfacción del cliente mediante cuatro experimentos basados en escenarios.

Los resultados revelan el impacto positivo de la precisión empática de la IA en la satisfacción del cliente y los efectos mediadores de la agencia percibida y la experiencia percibida. Además, el antropomorfismo modera el efecto de la precisión empática.

Este artículo amplía los estudios sobre los servicios de IA al investigar el papel de la precisión empática en la satisfacción del cliente. Los resultados aportan un punto de vista teórico novedoso sobre la retención de clientes tras el fallo de un servicio de IA.

Recommendation systems are a fundamental tool for hotels to adopt a differentiating competitive strategy. The main purpose of this work is to use machine learning techniques to treat imbalanced data sets, not applied until now in the tourism field. These techniques have allowed the authors to analyse the influence of imbalance data on hotel recommendation models and how this phenomenon affects client dissatisfaction.

An opinion survey was conducted among hotel customers of different categories in 120 different countries. A total of 135.102 surveys were collected over eleven quarters. A longitudinal design was conducted during this period. A binary logistic model was applied using the function generalized lineal model (GLM).

Through the analysis of a representative amount of data, the authors empirically demonstrate that the imbalance phenomenon is systematically present in hotel recommendation surveys. In addition, the authors show that the imbalance exists independently of the period in which the survey is done, which means that it is intrinsic to recommendation surveys on this topic. The authors demonstrate the improvement of recommendation systems highlighting the presence of imbalance data and consequences for marketing strategies.

The main contribution of the current work is to apply to the tourism sector the framework for imbalanced data, typically used in the machine learning, improving predictive models.