旅游微博,旅游者决策行为与旅游企业互动关系研究——以深圳华侨城集团景区为例-管理学旅游管理专业毕业论文.docxVIP

暨南大学硕士学位论文旅游微博 暨南大学硕士学位论文 旅游微博、旅游者决策行为与旅游企业互动关系研究 PAGE PAGE VI tourists’ decision-making behavior. Keywords: Travel Micro-Blogging; Decision-making behavior; Tourism enterprises; OCT scenic; Content analysis 目录 中文摘要I ABSTRACT II 目 录IV 图目录V 表目录VI 1. 绪论 1 1.1 研究背景与问题提出1 1.2 核心概念4 1.3 研究目的与意义6 1.4 研究方法与技术路线8 1.5 创新之处12 2. 研究现状13 2.1 国外研究进展13 2.2 国内旅游微博研究评述18 2.3 研究评述23 3. 案例地选择与抽样调查25 3.1 研究对象概况25 3.2 工作步骤及样本选取26 3.3 内容分析结果34 3.4 关系建立51 4. 实证研究与统计分析53 4.1 问卷设计53 4.2 预调研与问卷检验55 4.3 数据收集57 4.4 描述性统计分析57 4.5 平均数差异检验61 4.6 游者决策行为模型检验与结果测算65 5. 旅游企业应对机制71 5.1 旅游微博的应对策略71 5.2 旅游者决策行为的应对预案74 6. 研究结论与展望76 6.1 研究结论76 6.2 研究启示78 6.3 研究局限与展望79 参考文献 80 附录 83 攻读学位期间发表的论文与参加的科研课题85 后记 86 图目录 图 1-1 国内各大微博用户量占比的柱状图2 图 1-2 研究技术路线图 11 图 2-1 按年份统计国外关于 Twitter 与旅游的文献数量 13 图 2-2 国外关于 Twitter 在旅游业应用研究的作者来源国家或地区 14 图 2-3 规范性决策模型 17 图 2-4 技术接受理论模型 11 图 2-5 国内研究旅游微博的概况分析图19 图 3-1 研究样本旅游者的性别与年龄 35 图 3-2 研究样本旅游者的年龄与用户登录终端36 图 3-3 研究样本旅游者发布微博的时间段36 图 3-4 研究样本旅游者游玩的次数 37 图 3-5 世界之窗的旅游企业用户特征 41 图 3-6 欢乐谷的旅游企业用户特征 42 图 3-7 锦绣中华的旅游企业用户特征 43 图 3-8 东部华侨城的旅游企业用户特征43 图 3-9 研究样本―个人旅游微博‖的模型构建 49 图 3-10 研究样本―旅游企业微博‖的模型构建 51 图 3-11 研究样本―个人旅游微博‖与―旅游企业微博‖的模型构建52 图 4-1 旅游者决策行为的构念化模型 53 图 4-2 旅游微博影响旅游者决策行为初始模型测量模型66 图 4-3 旅游微博影响旅游者决策行为修正后的模型69 表目录 表 2-1 旅游决策行为相关研究 17 表 2-2 微博在旅游业的应用研究相关成果20 表 2-3 旅游微博对旅游者影响的文献统计22 表 3-1 研究对象的景区和新浪官方微博概况26 表 3-2 四个主题公园景区发布的旅游微博数27 表 3-3 关于四个主题公园景区的个人旅游微博数27 表 3-4 关于四个主题公园景区的旅游微博的图片附件27 表 3-5 个人旅游微博的分析目录 28 表 3-6 旅游企业微博的分析目录 31 表 3-7 内容分析的信度分析 34 表 3-8 个人旅游微博―旅游吸引物‖和―旅游者行为‖的编码结果统计37 表 3-9 研究样本的旅游企业微博编码结果44 表 3-10 个人旅游微博树节点编码矩阵查询48 表 3-11 企业旅游微博树节点编码矩阵查询51 表 3-12 个人旅游微博与旅游企业微博树节点编码矩阵查询52 表 4-1 旅游微博对旅游者决策行为影响的量表54 表 4-2 本研究问卷的信度分析结果 55 表 4-3 本研究 KMO 和巴特利球体检验结果 56 表 4-4 本研究数据样本的描述性统计分析57 表 4-5 本研究观测变量的描述性统计 59 表 4-6 旅游微博内容观测变量分析 60 表 4-7 本研究不同性别的受访者在各变量的差异比较61 表 4-8 本研究不同年龄的受访者在各变量的差异比较62 表 4-9 本研究不同学历的受访者在各变量的差异比较63 表 4-10 本研究不同月收入的受访者在各变量的差异比较64 表 4-11 本研究不同职业的受访者在各变量的差异比较65 表 4-12 旅游微博影响旅游