Ekonomiczne Problemy Usług

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług


ISSN: 1896-382X     eISSN: 2353-2866    OAI    DOI: 10.18276/epu.2018.130-22
CC BY-SA   Open Access   DOAJ

Lista wydań / nr 130 2018
Zastosowanie metody conjoint w analizie preferencji klientów biur podróży

Autorzy: Elżbieta Wąsowicz-Zaborek
Szkoła Główna Handlowa w Warszawie Kolegium Gospodarki Światowej
Słowa kluczowe: metoda conjoint preferencje klientów biur podróży pakiet turystyczny
Data publikacji całości:2018-03-30
Liczba stron:18 (229-246)
Klasyfikacja JEL: C18 M31 Z33
Cited-by (Crossref) ?:

Abstrakt

Metoda conjoint jest często stosowana w praktyce badań marketingowych i należy do metod klasyfikacji i analizy danych wykorzystujących podejście dekompozycyjne do pomiaru preferencji klientów. Dzięki jej zastosowaniu możliwe jest otrzymanie informacji na temat najbardziej preferowanej z punktu widzenia nabywców kombinacji cech produktu bez pytania wprost o ważność poszczególnych atrybutów, ale poprzez ocenę kompletnych ofert marketingowych. Celem artykułu jest zaprezentowanie metody conjoint oraz wskazanie możliwości jej wykorzystania do analizy preferencji klientów biur podróży. Opisana została procedura konieczna do przeprowadzenia badania z wykorzystaniem tej metody. Opis został zilustrowany przykładem projektu identyfikującego preferencje klientów biur podróży wobec oferowanych pakietów turystycznych. Zaprezentowany został skrócony raport z badania pilotażowego będącego egzemplifikacją zaproponowanego narzędzia.
Pobierz plik

Plik artykułu

Bibliografia

1.Chiam, M., Soutar, G., Yeo, A. (2009). Online and Off-line Travel Packages. Tourism, 40, 31–40.
2.Czyżycki, R., Hundert, M., Klóska, R. (2008). Usługi a preferencje – addytywny pomiar łączny – założenia teoretyczne. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług, 20 (497), 255–262.
3.Hudson, S., Li, J. (2016). Conjoint Analysis of Consumer Preferences to Destination Brand Attributes. Tourism Travel and Research Association: Advancing Tourism Research Globally, Paper, 22, 1–9.
4.Kośny, M., Peternek, P. (2011). Wielkość próby a istotność wnisokowania statystycznego. Didactisc of Mathematics, 8 (12), 71–80.
5.Milman, A., Pizam, A. i in. (1995). The Role of Awareness and Familiarity with a Destination: The Central Florida Case. Journal of Travel Research, 33 (3), 21–27.
6.Nuraeni, S., Arru, A.P., Novani, S. (2015). Understanding Consumer Decision-making in Tourism Sector: Conjoint Analysis. Procedia – Social and Behavioral Sciences, 169, 312–317.
7.Orme, B. (2006). Getting Started With Conjoint Analysis. Madison, WI: Research Publishers LLC.
8.Rao, V.R. (2014). Applied Conjoint Analysis. New York: Springer.
9.Sagan, A., Rybicka, A., Brzezińska, J. (2013). Od conjoint analysis do metod wyborów opartych na menu. Zeszyty Naukowe. Uniwersytet Ekonomiczny w Krakowie, 916, 13–23.
10.Sagan, A.R. (2016). Conjoint analysis oparta na modelach IRT w zagadnieniu optymalizacji produktów bankowych. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 427, 184–194.
11.Sarstedt, M., Mooi, E. (2014). A Concise Guide to Market Research. The Process, Data, and Methods Using IBM SPSS Statistics. New York: Springer.
12.Szymańska, A. (2013). Podejście kompozycyjne i dekompozycyjne w pomiarze wyrażonych preferencji konsumentów. Prace Komisji Geografii i Przemysłu Polskiego Towarzystwa Geograficznego, 21, 239–252.
13.Szymańska, A., Dziedzic, D. (2005). Conjoint analysis jako metoda analizy preferencji konsumentów. Zeszyty Naukowe Akademii Ekonomicznej w Krakowie, 680, 1–14.
14.Tripathi, S.N., Siddiqui, M. (2010). An Empirical Study of Tourist Preferences Using Conjoint Analysis’. Journal of Business and Applied Management, 5 (2), 1–16.
15.UNWTO Tourism Higlights 2016 (2017). UNWTO.
16.Ustawa z 24.11.2017 o imprezach turystycznych i powiązanych usługach turstycznych. Dz.U. 2017, poz. 2361.
17.Walesiak, M. (2002). Problemy wyboru w procedurze conjoint analysis. W: A. Zelaś (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych (s. 227–243). Kraków: Wyd. AE w Krakowie.
18.Wang, K., Liu, H., Hu, W., Cox, L. (2016). Using Online Self-assessment Tool to Improve Conjoint Analysis Application in Choices of Wildlife Excursions. Internet Research, 26 (3), 644–660.
19.Won, D., Bang, H., Shonk, D.J. (2008). Relative Importance of Factors Involved in Choosing a Regional Ski Destination: Influence of Consumption Situation and Recreation Specialization. Journal of Sport & Tourism, 13, 249–271.
20.Ziółkowski, J. (2014). Decyzje konsumentów na rynku edukacji wyższej na przykładzie wyboru wykładowców przez studentów Szkoły Głównej Handlowej w Warszawie. Gospodarka Narodowa, 3, 153–166.