Matches in SemOpenAlex for { <https://semopenalex.org/work/W2255756267> ?p ?o ?g. }
Showing items 1 to 45 of
45
with 100 items per page.
- W2255756267 endingPage "105" @default.
- W2255756267 startingPage "81" @default.
- W2255756267 abstract "본 연구에서는 시장세분화 방법으로써 Mixture Regression방법을 농촌체험관광에 적용하여 결과를 비교함으로써, 일반적으로 사용되는 K-means 방법에 대한 새로운 대안으로써 Mixture Regression방법에 의한 시장세분화 방법을 제시하고자 하였다. K-means과 Mixture Regression 방법을 적용하여 농촌체험관광객들을 세분하여 본 결과, 두 방법에 의해 도출된 결과는 서로 상이한 기술적, 통계적 특성을 나타내었다. 세분화된 집단의 수가 3개 이상인 경우 K-means방법에 의해 구분된 집단에서는 농촌체험관광 만족에 영향을 주는 체험품질요인들의 통계적 유의성이 낮아진 반면에, Mixture Regression에 의해 구분된 집단에서는 변수간의 통계적 유의성이 크게 낮아지지 않았다. 또한 모형의 설명력에 있어서도 수리적인 방법을 이용한 K-means 방법에 의해 형성된 집단의 모형 설명력은 상당히 저조한 반면에, Mixture Regression모형에 의해 형성된 집단의 모형 설명력은 상대적으로 높은 것으로 나타났다. 본 연구결과는, 단순히 시장을 기술적인 변수들을 이용하여 유사한 집단으로 구분하는 데는 K-means 분석방법을 이용한 세분화 방법이 비교적 용이하고, 효과적인 반면에, 세분화된 집단에서 시장반응성에 영향을 주는 요인들을 탐색하고, 이를 바탕으로 새로운 고객을 확보하는 데는 Mixture Regression을 이용한 방법이 보다 효과적임을 시사한다. 또한 실무적으로도 인구통계적, 경제사회적 기술변수들만을 이용하여 단순히 유사한 기술적 특성만을 가진 대상자들을 한데 묶음으로써 집단을 세분화 하는 경우에는 재구매도 의도나, 만족도, 구매빈도와 같은 반응성의 차이를 발견하기가 쉽지 않기 때문에, 시장세분화의 목적을 달성하기 위한 시장반응성의 차이, 즉 기준변수의 차이를 발견하기 위해서는 Mixture Regression 방법을 이용하는 것이 보다 효과적이라 할 수 있다." @default.
- W2255756267 created "2016-06-24" @default.
- W2255756267 creator A5007695088 @default.
- W2255756267 creator A5064009922 @default.
- W2255756267 date "2011-01-01" @default.
- W2255756267 modified "2023-09-28" @default.
- W2255756267 title "고객반응성을 고려한 고객세분화 방법에 관한 연구 -농촌체험관광 만족도 영향요인을 중심으로-" @default.
- W2255756267 hasPublicationYear "2011" @default.
- W2255756267 type Work @default.
- W2255756267 sameAs 2255756267 @default.
- W2255756267 citedByCount "0" @default.
- W2255756267 crossrefType "journal-article" @default.
- W2255756267 hasAuthorship W2255756267A5007695088 @default.
- W2255756267 hasAuthorship W2255756267A5064009922 @default.
- W2255756267 hasConcept C105795698 @default.
- W2255756267 hasConcept C120068334 @default.
- W2255756267 hasConcept C152877465 @default.
- W2255756267 hasConcept C185265303 @default.
- W2255756267 hasConcept C33923547 @default.
- W2255756267 hasConcept C35519122 @default.
- W2255756267 hasConcept C48921125 @default.
- W2255756267 hasConcept C57381214 @default.
- W2255756267 hasConcept C83546350 @default.
- W2255756267 hasConcept C90157343 @default.
- W2255756267 hasConceptScore W2255756267C105795698 @default.
- W2255756267 hasConceptScore W2255756267C120068334 @default.
- W2255756267 hasConceptScore W2255756267C152877465 @default.
- W2255756267 hasConceptScore W2255756267C185265303 @default.
- W2255756267 hasConceptScore W2255756267C33923547 @default.
- W2255756267 hasConceptScore W2255756267C35519122 @default.
- W2255756267 hasConceptScore W2255756267C48921125 @default.
- W2255756267 hasConceptScore W2255756267C57381214 @default.
- W2255756267 hasConceptScore W2255756267C83546350 @default.
- W2255756267 hasConceptScore W2255756267C90157343 @default.
- W2255756267 hasIssue "1" @default.
- W2255756267 hasLocation W22557562671 @default.
- W2255756267 hasOpenAccess W2255756267 @default.
- W2255756267 hasPrimaryLocation W22557562671 @default.
- W2255756267 hasVolume "13" @default.
- W2255756267 isParatext "false" @default.
- W2255756267 isRetracted "false" @default.
- W2255756267 magId "2255756267" @default.
- W2255756267 workType "article" @default.