Тема 6. Методичні засади дослідження ринку туристичних послуг

Аналіз існуючих методів та моделей в туризмі:

Моделі функціонування і розвитку туристично-рекреаційних систем.

Однокритеріальні моделі.Багатокритеріальні моделі.

Модель оптимального інвестування туризму.

Моделі прогнозування попиту на короткостроковий та довгостроковий період.

На даний час розроблена ціла низка моделей управління туристичною діяльністю відповідно до сучасних економічних критеріїв, інформаційних технологій і останніх досягнень в області науково-технічного прогресу. До числа таких можна віднести моделі прогнозування попиту туристичного потоку і управління готельним сектором, сегментації ринку, маркетингу й інформаційно-рекламної діяльності туристичного бізнесу, моделі пропозиції і резервування туристичних послуг для прогнозування та планування туристичної діяльності, багатофакторні регресійні моделі; кореляційно-регресійні моделі; гравітаційні моделі, моделі оптимізації функціонування і розвитку туристичних об’єктів, проектів їх реконструкції та створення нових об’єктів для покращення їх організаційно-технологічної структури, моделі привабливості інвестування в туристичній галузі і оптимізації навантаження, оптимізації турів тощо. Звичайно з усього вище переліченого зрозуміло не багато, тому поставимо перед собою ціль проаналізувати і узагальнити методичні і теоретичні підходи до моделювання розвитку туризму.

Загалом за структурою і за використаним метематичним апаратом моделі туризму можна класифікувати наступним чином: економетричні, оптимізаційні та моделі штучного інтелекту.

До економетричних відносяться моделі попиту, пропозиції і резервування туристичних послуг для прогнозування та планування туристичної діяльності з метою дослідження впливу різних чинників. Моделі даного типу широко застосовуються і описані в [50]. Наприклад, моделі попиту на туристичні послуги будуються з метою прогнозування обсягів попиту, його розподілу по існуючих і планових туристичних комплексах і базах, для вивчення еластичності попиту за рівнем тарифів на туристичні послуги і по інших чинниках, для дослідження впливу різних природних, економічних, демографічних і інших умов на інтенсивність потоків туристів. До таких моделей відносяться функції попиту від ціни; багатофакторні регресійні моделі; кореляційно-регресійні моделі; гравітаційні моделі попиту, які визначають поля туристичних потоків і центри їх тяжіння. Звичайно на цьому діапазон підходів та методів цього кола не обмежується, проте саме вище перелічені моделі знаходять чи не найбільше практичне застосування. Так класичним прикладом “гравітаційної моделі” в дії є наступна:

Нехай K_ij – кількість рекреантів j-ої туристично-рекреаційної системи(ТРС), які прибули з i-го пункту попиту на рекреацію;

n_j – ємність (максимальна можлива вмістимість) j-тої ТРС;

m_j – чисельність населення j-го пункту попиту;

r_ij – віддаль між і-тим пунктом попиту та j-тою ТРС.

Тоді

де k, m, n, r –деякі розрахункові коефіцієнти.

Модель досить проста, причому вона ефективно використовується для віддалей r від 100 до 150 миль, однак для більших відстаней дана модель є малоефективною, так як не враховує фактор психологічної інерції людей [248]. Тому логічним її продовженням стає наступна:

де а, b –також деякі розрахункові коефіцієнти.

Інерція залежить в основному від величини а. При r_ij < a величина ln (r_ij/а) є від’ємною, що посилює негативну дію віддалі на попит. Якщо r_ij> а то ln (rij/а) > 0, що ослабляє вплив фактору відстані.

Відома також гравітаційна модель оцінки потоків рекреантів для міжнародного туризму:

,

де

К_ij – число туристів, які прибувають з країни і в країну j;

P_j – оцінка популярності країни з номером j у туристів;

M_i – чисельність населення країни і;

d_i – національний доход на душу населення країни i;

s_ij – величина, яка оцінює спільність або спорідненість країн і та j (наявність спільного кордону, спільна або споріднена мова та інш.);

r_ij – відстань між країнами i та j;

α,β,γ,δ – коефіцієнти еластичності відповідних змінних [248].

До оптимізаційних моделей відносяться моделі оптимізації функціонування і розвитку туристичних об’єктів, проектів їх реконструкції та створення нових об’єктів для покращення їх організаційно-технологічної структури, моделі привабливості інвестування в туристичній галузі і оптимізації навантаження, оптимізації турів тощо [50]. Також моделі і методи оптимального управління, що є імітаційно-оптимізаційними моделями з економічними критеріями і обмеженнями чинників, які використовуються в інформаційно-комп’ютерних технологіях.

У загальному випадку, всі ці моделі можна розділити на статичні і динамічні, які, у свою чергу, розділяються на параметричні і непараметричні. Статичні і динамічні моделі планування і управління туристичною діяльністю розроблялися для умов планової економічної системи. В даний час необхідно створювати нові моделі з урахуванням ринкових відносин. Оскільки туристична галузь тісно пов’язана з іншими галузями економіки, в моделях необхідно враховувати істотні міжгалузеві зв’язки. Принципово важливим моментом в динамічних моделях є спосіб відображення в них економічного механізму розвитку – відтворювального процесу. Наприклад, до даного виду моделей відносяться моделі функціонування і розвитку окремих суб’єктів туризму, за допомогою яких знаходять оптимальні режими роботи вже існуючих турбаз і окремих об’єктів, призначених для надання послуг туристам, моделі оптимізації варіантів проектів реконструкції і створення нових туристичних об’єктів і оптимізації їх організаційно-технологічної структури, в яких розглядається найкращий варіант інвестицій. Також розроблені моделі оптимізації навантаження на окремі об’єкти з урахуванням підтримки екологічної рівноваги і впливу числа, потужності об’єктів і режимів їх функціонування на природне середовище, в яких критерії оптимальності і обмежуючі умови містять характеристики природного середовища, залежні від інтенсивності туристичного потоку.

До оптимізаційних відносяться й моделі функціонування та розвитку регіональних туристичних систем, статичні і динамічні моделі розвитку і розміщення, що дозволяють знаходити оптимальну організаційно-технологічну і просторову структуру, що враховують міжгалузеві зв’язки. Існують і агреговані моделі, такі як транспортні моделі, що описують туристичні потоки на мережі туристичних маршрутів країни, моделі вибору проектів туристичного комплексу з “прив’язкою” до умов тієї чи іншої території, моделі оптимізації інтенсивності потоків автотуристів на існуючій дорожній мережі з урахуванням пропускної спроможності туристичних об’єктів, а також моделі формування туроператорами оптимальних туристичних маршрутів (турів), моделі управління процесами обслуговування туристів; моделі туристичної діяльності окремих туристичних об’єктів; імітаційно-оптимізаційні моделі для проектування найкращих режимів роботи складних рекреаційних систем.

До моделей штучного інтелекту у області туристичної сфери відносяться моделі прогнозування попиту туристичного потоку і управління готельним сектором, сегментації ринку, маркетингу й інформаційно-рекламної діяльності туристичного бізнесу.

Використання штучного інтелекту дозволяє за допомогою відносно малих ресурсів одержувати достатньо точні результати, для обчислення яких використовуються математичні методи [27]. Основними напрямами розвитку штучного інтелекту є:

- нейронні мережі;

- експертні системи;

- нечітка логіка (fuzzy logic);

- генетичні алгоритми.

Перші три є найбільш придатними для моделювання поведінки економічних агентів в соціально-економічному середовищі (моделювання віртуального світу), а генетичні алгоритми в основному використовуються для задач оптимізації.

Нейронні мережі – найпопулярніший апарат у області штучного інтелекту, який на даний час широко використовується в туристичній сфері. Він застосовується найчастіше для ситуації, де є зв’язок між вхідними і вихідними змінними. Будь-яка неперервна функція може бути наближена до функцій, які обчислюються за допомогою нейронних мереж, у випадку коли функція активізації нейрона є двічі неперервно диференційовною. Властивості штучної нейронної мережі (ШНМ) визначаються її архітектурою, а також сукупністю ваг зв’язків і характеристик нейронів [169].

Основними якісними характеристиками архітектури нейронних мереж є: типи вхідних сигналів (розмірність, дискретність), тип операцій, які реалізуються в розімкненій нейронній мережі (дискретні або неперервні), топологія зв’язків (прямі, перехресні, зворотні), спосіб функціонування в часі (дискретний або неперервний), спосіб зміни ваг зв’язків (випадковий або впорядкований).

Серед основних особливостей, що визначають ефективність застосування ШНМ в задачах планування і управління туризмом, треба виділити наступні:

- здатність здійснювати багатопараметричний прогноз, враховуючи емерджентність прогнозованих процесів;

- оперативність прогнозування за рахунок досягнення максимальної швидкості процесу обробки інформації;

- нечутливість до нестачі апріорної інформації про динаміку прогнозованого процесу;

- можливість обробки даних, що вимірюються різнотипними шкалами, яка може бути здійснена зведенням до логічної шкали без втрати оперативності прогнозування;

- здатність розв’язувати слабко формалізовані задачі, тобто виявлення неявних аналогій прецедентів спостережень;

- “голографічність” – збереження своїх властивостей при руйнуванні випадково вибраної частини ШНМ і, як наслідок, прояв високої надійності ШНМ, а також толерантності результатів прогнозу до спотворень і перешкод у вхідних векторах;

- здатність до набуття знань.

Процес розв’язку задачі прогнозування із застосуванням ШНМ включає такі етапи: створення конкретної структури нейромережі, яка відповідає алгоритму, що застосовується; знаходження значень вагових коефіцієнтів або вибір їх з пам’яті, якщо вони були знайдені раніше; генерація початкових наближень параметрів, якщо це необхідно; передача всіх чисельних значень в нейромережу і її запуск; функціонування мережі відповідно до алгоритмів адаптації; отримання розв’язку.

Для моделі нейронної мережі при прогнозуванні характерне використання значного числа ознак чинників [169]. Підбір ознак чинників є специфічним для кожного регіону і визначається навколишніми територіями, рівнем розвитку самого регіону, рівнем сервісу тощо. Набір ознак чинників завжди характеризується неповнотою інформації. Іншою проблемою є використання в моделях різнорідних натуральних показників, характер зміни яких часто непередбачуваний, які можуть бути взаємозалежними, що накладає серйозні обмеження на моделі. Для прогнозування попиту туризму найбільш прийнятними є оперативне і короткострокове прогнозування, які відрізняються вибраною архітектурою і реалізацією нейронних мереж. Найкраще використовувати нейронну мережу прямого поширення сигналів, зокрема багатошаровий персептрон, для навчання якої можна використовувати алгоритм зворотного поширення.

Цікавим у використанні є й один із різновидів нейронних мереж, а саме “карти Кохонена”, або, як їх ще називають, самонавчальні карти. Даний метод дозволяє формалізувати процес якісного аналізу ринку, а точніше споживачів, і спростити візуалізацію цього аналізу [169].

Самонавчальні карти належать до класу нейронних мереж, які навчаються без учителя (відповідно і назва), тобто знайдене ними рішення залежить тільки від структури вихідних даних і не залежить від гіпотез, висунутих під час обробки цих даних. Таким чином, область їхнього застосування – задачі, для яких немає чіткої гіпотези. Ще одна їхня відмінність від розглянутих раніше нейронних мереж полягає у тому, що вони не розв’язують задачі отримання залежності вихідних значень від вхідних, а виявляють нейрони, що мають близькі параметри за однією чи декількома ознаками. Іншими словами, основне їхнє завдання полягає у виокремленні кластерів чи сегментів із загального обсягу вхідних даних, що мають подібні ознаки. Залишилось вияснити як це відбувається. Спочатку нейронна мережа, що самоорганізовується, є нейронною мережею з різними відстанями між нейронами (регулярна мережа). Далі розраховують відстані від кожного з нейронів до об’єкта (події, запису у вхідних даних) і визначають нейрон-переможець, тобто нейрон який є найближчим до об’єкта. Потім нейрон-переможець “підтягується” до об’єкта, одночасно підтягуючи за собою сусідні нейрони.

Нейронна мережа, що самоорганізовується, є еластичною мережею, тому збурення (зміни розміщення сусідніх нейронів) зменшується у міру віддалення від нейрона переможця. Внаслідок багаторазового повторення описаної процедури нейронна мережа отримує конфігурацію, що є максимально близькою до конфігурації вихідних даних. Власне карти Кохонена є проекцією простору на відповідні осі, тобто ми представляємо дані у графічному вигляді та зменшуємо їхню розмірність, що є дуже важливим для сприйняття [169 ].

За подібною схемою (передбачає поділ на певні сегменти) діє й так звана модельна система “Євростиль” (рис.1.3) за допомогою якої можна спрогнозувати туристичний потік і, відповідно, напрацювати маркетингову стратегію розвитку туристичного місця [75].

матеріальні блага

моральні цінності

Рис.1.3. Система “Євростиль”

Система чи як її називають карта поділена на чотири сектори – “рух”, “звички”, “моральні цінності” та “матеріальні блага”. Перший сектор характеризується такими чинниками, як перевага окремої особистості, скептичне відношення до законів, соціальних норм і авторитетів, воля критики і, нарешті, динамізм. Другий (“звички”) має на увазі захист соціального статусу, пріоритет захищеності і переживань окремої особистості, захист за допомогою груп і протекції, підпорядкування правилам гуртожитку і прихильність звичаям і традиціям. Наступний (“моральні цінності”) визначається за допомогою наступних характеристик: ціна насолоди, чуттєвість і гедонізм що пов’язані з показниками іншого сектора – “матеріальні блага” такими, як гроші, відчутні і невловимі блага, витрати і марнотратство.

Для того, щоб доповнити картину поводження туристів, необхідно, щоб різні стилі ввійшли у визначені соціоцілі відповідно до їх подібності. Розміщення 16 оригінальних стилів життя на карті системи “Євростиль” (додаток А) є одним з аспектів такого входження. Основний спосіб віднесення різних стилів до соціоцілей ґрунтується на їхній диференціації по мотиваціях, діях чи поводженню. Саме таким способом 16 євростилей агреговані в соціоцілі і виступають у ролі об’єкта. Аналіз за допомогою кластерів припускає 11 мотивів (рекреація, задоволення, нові враження, культурний інтерес тощо) і 10 дій (гра в теніс і гольф, водяні ігри, відпочинок, шопінг, відвідування музеїв, концертів, театрів тощо) у якості змінних.

Виділені ділянки на графіку показують процес з’єднання кожного стилю з однієї з п’яти соціоцілей, визначених за мотивацією до подорожей і активного способу життя.

Сама велика соціоціль поєднує шість стилів, до мотивацій яких відносяться проводження вільного часу, відновлення здоров’я і піші прогулянки. У наступний сегмент входять три стилі з мотиваціями одержання задоволення і насолоди, спорт і розумовий розвиток. Третій сегмент складає поєднує два стилі з основними мотиваціями: прогулянки верхи і на велосипеді, плавати і приймати сонячні ванни. Основними мотивами подорожей четвертого сегменту є спорт, фізичні навантаження, а також пізнавальні і культурні аспекти. І остання ділянка, що складає тільки 2% гостей, поєднує туристів які захоплюються спортом і культурою, а також багатих людей, що люблять робити покупки.

Інші приведені вище соціодемографічні і поведінкові чинникии можуть більш істотно підкреслити розходження між зазначеними п’ятьма соціоцілями.

Типологію системи “Євростиль” використовують двома способами: прийняттям стилю життя як уже готового сегмента ринку (пряме застосування) чи з використанням способу життя як додаткового критерію для повної характеристики уже визначеного сегмента (непряме використання). Однак перш ніж застосовувати цю типологію в туризмі, треба визначити чи є спосіб життя гомогенним зсередини і гетерогенним між видами, що характеризують поводження туристів.

Система “Євростиль” кваліфікується як готовий сегмент за умови, що його елементии значно відрізняються від елементів інших стилів життя за наступними ознаками:

· число відвідувань;

· використання туристських послуг;

· мотиви подорожей;

· витрати і їхня структура;

· задоволеність і лояльність [75, с.207].

Непряме використання типології системи “Євростиль” також починається зі збору інформації про гостя. Далі для наочності і посилення контрасту складають тільки дві групи євростилей по п’ять у кожній групі. Одна з них поєднує стилі з високим рівнем повторних відвідувань країни, а саме “Прудент”, “Вігіланте”, “Олвідадос”, “Сітізен” і “Мораліст”. Інша група поєднує стилі з низьким рівнем, такі, як “Роккі”, “Денді”, “Протест”, “Піонер” і “Скаут”. Стилі із середнім рівнем не розглядаються. Дослідження показують, що в цих двох групах між гістьми існують наступні розходження:

· у першій групі вік складає в середньому 52 року проти 40 років у другий;

· частка міських мандрівників – 8% проти 15%;

· частка пенсіонерів – 33% проти 13%;

· середня тривалість подорожі – 13 ночей проти 10;

· щоденні витрати на людину складають 74 дол. проти 82 дол.[75].

На наступному етапі за допомогою цих двох груп, що відображають різні рівні лояльності гостей, поєднуються генеруючі країни і різні євростилі в одну загальну діаграму. У результаті цього, генеруюча країна може скласти комбінацію стилів, що мають визначений рівень споріднення з приймаючою країною в кожній комбінації. Порівнюючи частки всіх лояльних до приймаючої країні стилів у генеруючої країні, з часткою гостей у даній приймаючій країні саме з цієї генеруючої країни, можна одержати наступні чотири комбінації:

1) високий середній рівень у генеруючій країні і високий середній рівень у приймаючій країні;

2) низький середній рівень у генеруючій країні, і високий середній рівень у приймаючій країні;

3) низький середній рівень у генеруючій країні і низький середній рівень у приймаючій країні;

4) високий середній рівень у генеруючій країні, і низький середній рівень у приймаючій країні.

Відповідно генеруючі країни розділяються на чотири групи: успішний ринок, порожній ринок, ринок ризику і насичений ринок.

Прототип даної моделі вміщується в наступній логарифмічно лінійній формулі:

ln (Tіjt / Nіt) = a₀ + a₁ln (Ііt / Nіt) a₂lnPSіt + a₄lnPXіjt + a₅lnPAіjt + a₆lnPASіjt + a₇lnPSіjt + a₈lnPSSіjt + a₉Ukt + a₁₀t + a₁₁Ln (Tіj (t-1) / Nj (t-1)) + Bіjt,

де t – кількість років;

a₀, a₁, a₂,..., а₁₁ – параметри (невідомі);

Тіjt – кількість прибуттів туристів із країни походження й у місце призначення (туристський центр)] у t -м року;

Nіt – чисельність населення країни звідки приймають туристів і в t -м року;

Ііt – доходи на душу населення в країні походження і у t -м року;

Pjt – ціна проживання в туристському центрі j у t -м року;

PSіt – середньозважена ціна проживання туристів у туристському центрі заміннику для жителів країни походження і у t -м року;

PASіjt – середньозважений тариф авіаперельоту з країни походження і у туристський центр замінник у t-м року;

PSSіjt – середньозважений тариф переїзду на наземному транспорті з країни походження і у туристський центр у t-м року;

PSj, – середньозважений тариф переїзду на наземному транспорті з країни походження і у туристський центр замінник у t-м року;

Ukt, – перемінна події k, у t - м року;

a₁₀t – перемінна, що показує прихильність до туристського центра, що включається в модель для тих пар країн походження і місць призначення, для яких необхідність їхнього включення була визначена попередніми емпіричними результатами;

Bіjt – випадкова величина помилки [101].

У деяких випадках оцінювані коефіцієнти рівняння можуть бути інтерпретовані як показники еластичності, що вимірюють відгук попиту на малі зміни визначальних факторів. Що стосується перемінних подій, то залежність між ними і залежними перемінними не зовсім логарифмічна і відповідно їхні коефіцієнти не ідентичні показникам еластичності.

Модель розраховують для кожної пари країн походження – місця призначення для ретроспективного періоду. Далі вибирають найкращу модель для різних пар на основі таких критеріїв, як відносно високий рівень коефіцієнта кореляції R2, відсутність автокореляції, відносно велика кількість статистично значимих коефіцієнтів, коректні знаки параметрів. На закінчення проводять прогнозування для бажаного періоду.

Дана модель у свій час була апробована при вивченні впливів змін різних економічних факторів на попит міжнародного виїзного туризму для різних країн. Для деяких з них були отримані наступні результати.

Процес прогнозування попиту в туризмі за допомогою регресійного аналізу включає наступні етапи:

· вибір змінних, котрі впливають на прогнозовану змінну попиту, і встановлення математичної форми взаємозв’язків між ними;

· збір інформації, що відноситься до моделі;

· використання бази даних для встановлення заходу впливу впливаючих перемінних на прогнозовані перемінні в минулому (оцінка коефіцієнтів математичного рівняння);

· проведення іспитів на встановленій на попередньому етапі моделі для з’ясування рівня її реалістичності;

· використання моделі для прогнозування, якщо іспити моделі будуть задовільними [246].

Дуже важливо проводити оцінку параметрів (їхнього знаку і величини), які одержані за допомогою регресійної моделі, для визначення коректних (припустимих) теоретично (відповідних вимогам економічної теорії). В основному некоректні параметри з’являються через недосконалість самої моделі. Наприклад, відпочинок за кордоном є стилем гарного життя тому і очікується позитивна еластичність попиту за доходами. Аналогічно власна еластичність попиту за ціною повинна бути негативною, а перехресна еластичність попиту за ціною для продуктів замінників – позитивною. При зміні смаків споживачів може відбутися перерозподіл і, отже, коефіцієнт показника тренда може зміняти свій знак. Коефіцієнти, витрати на просування туристського продукту, змінні прихильності до туристського центра повинні бути позитивними.

Також останнім часом широкого використання набули моделі класу CGE (Computable General Equilibrium Model) [27], які є новим напрямом в прикладній економіці.

Вони дають можливість аналізувати політику туризму, а також досліджувати й оцінювати економічний ефект існуючих і запропонованих стратегій розвитку туризму та інших політик оподаткування, інвестицій і планування, тобто зіставляють практичну повну оцінку дії туризму на економіку. Таким чином модель даного типу є на порядок вищою ніж сателіт-рахунки та модель “витрати-випуск”.

Розширення можливостей моделі припускає, що розподіл доходу включає безліч різних груп; можуть бути досліджені дистрибутивні ефекти від туризму або політики туризму; міжрегіональні ефекти означають ефекти від діяльності різних регіонів в межах країни; міжнародні ефекти показують розподіл ефектів туризму між країнами; “навколишнє середовище” показує від політики туризму і екологічної ситуації.

Моделі даного класу характеризуються трьома ключовими аспектами:

· включають економічних агентів (домогосподарства, фірми, держава і зовнішнє середовище), результати діяльності яких відображаються у всій економічній системі; тому CGE - моделі називаються загальними;

· видають кількісні результати, що дозволяє назвати їх обчислювальними;

· включають систему нелінійних рівнянь, розв’язання яких дозволяє отримати рівновагу на ринку кожного товару, послуги і чинників виробництва. Завдяки цьому моделі стають зрівноважиними.

Модель містить чотири види рівнянь:

стан рівноваги ринку є таким, що пропозиція дорівнює попиту кожного товару і послуги, чинника виробництва і обміну валюти;

тотожність витрат-доходів гарантує, що економічна модель є закритою системою. Всі надходження повинні здійснюватися через витрати і заощадження. Ці умови застосовуються для всіх приватних домашніх господарств, держави, фірм та інших економічних агентів;

відношення поведінки показує, як економічні агенти реагують на ціни, що змінюються, і рівні доходу;

функції виробництва визначають, скільки вироблено на даному рівні чинника зайнятості. З припущеннями щодо ринкової структури вони визначають рівні трудової зайнятості, використання капіталу і проміжного продукту, потрібного для забезпечення даного рівня випуску за цінами.

Перспективною управлінською технологією для моделювання є використання імітаційних моделей, що розробляються на основі програмних продуктів структурного моделювання.

Дата добавления: 2014-01-04