제 1 회관광데이터마이닝대회외래관광객실태조사를통한 한국관광산업의발전방향제시 SA102
제 1 회관광데이터마이닝대회 Contents 기본소개 프로젝트팀원소개프로젝트개요수행일정 외래관광객유치모형개발 1. 상황분석 2. 변수설명 3~7. SEMMA 8. Clustering ( 추가분석 ) 01 02 결론및전략 9. 결론및마케팅전략 03
프로젝트팀원소개 이희재 (27) 단국대학교정보통계학과대학원 조영민 (27) 단국대학교정보통계학과대학원 최석모 (25) 단국대학교정보통계학과 4 학년 신범종 (28) 단국대학교정보통계학과대학원 제 1회관광데이터마이닝대회 2 TO KNOW. 2
프로젝트개요 1) 분석주제 2009 년 DATA 2010 년 DATA 2011 년 DATA { 외래 1. 과제관광객유치를위한관광객패턴연구 2. 과제관광산업발전을위한대안제시 2) 분석목표 과거한국방문을한경험이있는외래관광객중향후재방문의사및한국의관광이미지변화등방문객성향파악을통하여대한민국관광산업의발전과보완사항에대한솔루션제공을위함이다. 3) 수행과제 Step1) 2009 년 ~2011 년 3 년패널데이터기반 설명변수 (X), 목표변수 (Y) 설정 Step2) 재방문및추천의사를예측하는모델개발 (Supervised learning-2009,2010) Step3) 모델 1 을 2011 년 DATA 에스코어링하여모델평가및검증 Step4) 추가분석을통한모형의정확도보완 Step5) 관광산업발전을위한대안및마케팅전략수립 제 1회관광데이터마이닝대회 TO KNOW. 3
프로젝트일정 프로젝트수행과제 프로젝트일정 ~2/20 ~2/27 ~3/5 ~3/12 ~3/19 ~3/26 ~3/31 분석주제숙지및선행연구탐색 SAS e-miner & SAS 사용법숙지 자료탐색 타겟변수정의및파생변수생성 샘플링설정 각변수의이상치및결측치탐색 타겟변수와교차분석 모형개발 추가 정리 예측모형개발예측모형비교및검증마케팅전략수립추가분석사항연구및개발보고서작성 제 1회관광데이터마이닝대회 4 TO KNOW. 4
상황분석
상황분석 -한국관광의문제점 제 1회관광데이터마이닝대회 6 TO KNOW. 6
상황분석 - 관광산업의중요성 ( 국내외관광객의관광지출유발승수효과 ) <2008 년국내외관광객의관광지출유발승수효과추정 > ( 단위 : 백만원, 명, %) 파급효과 국내관광객 (1) ( 비율 ) 외래관광객 (2) ( 비율 ) 합계 (1+2) 생산유발효과 35,137,359.7 (59.1) 24,310,769.8 (40.9) 59,448,129.5 소득유발효과 5,562,286.5 (57.8) 4,057,819.9 (42.2) 9,620,106.4 취업유발효과 ( 명 ) 424,063 (38.8) 670,187 (61.2) 1,094,250 고용유발효과 ( 명 ) 224,763 (56.9) 170,039 (43.1) 394,802 부가가치유발효과 13,591,748.6 (58.2) 9,776,172.6 (41.8) 23,367,921.2 수입유발효과 7,156,459.4 (62.7) 4,250,867.4 (37.3) 11,407,326.8 세수유발효과 2,402,068.8 (63.1) 1,405,970.0 (36.9) 3,808,038.8 < 출처 : 2010 관광산업의경제효과분석 ( 이강욱 )> 제 1회관광데이터마이닝대회 TO KNOW. 7
상황분석 - 관광산업의경제효과및관리방법 (1) 외래관광객유치로인한경제효과는? (2) 외래관광객을유치할방법은? 산업구분외화가득율부가가치율 농림수산업 80.5 % 51.6 % 광산업 82.3 % 58.4 % 제조업 56.3 % 25.0 % - 주요제조업 58.7 % 24.1 % 전력가스및건설업 54.8 % 30.7 % 서비스업 ( 관광산업포함 ) 82.6 % 54.0 % 관광산업 82.3 % 57.3 % 전산업평균 67.4 % 36.1 % 주요제조업은주요수출품목으로전자제품, 자동차, 컴퓨터등이포함된산업 < 출처 : 2010 관광산업의경제효과분석 ( 이강욱 )> 관광객의특징및성향 파악을통한외래관광객관리 (Tripper Relationship Management) 여행객관계관리 (TRM) 이란? 여행객충성도를극대화하기위해개별고객의구체적정보를관리하고고객과의접촉성을세심하게관리하는과정 외래관광객관계관리방법 Data Mining 활용 제 1회관광데이터마이닝대회 8 TO KNOW. 8
변수설명
타겟변수의정의 <change_image_korea > <TARGET > 0 : 좋아졌다 73.87% 26,552 명 1 : 나빠졌다 26.13% 9,393 명 -> 한국을여행한후한국에대한이미지변화 변수를이용 -> 외래관광객을대상으로이미지의변화여부를파악하는것이목적이므로 이를가장잘분석할수있는 Binary 형태로종속변수를변환 제 1회관광데이터마이닝대회 10 TO KNOW. 10
자료의구성 문항 2011 2010(2009) TOTAL 비고 문1. 여행형태 q1 dd1 trip_form 문2-2. 최근 3년간한국방문횟수 q2b mq1a visit_num 문 3-2. 한국체류기간 q3a2 mq6 문 3-3. 한국체류기간 ( 원자료 ) mq3a2 mq6 Trip_period 문4. 한국입국후방문국가1 q4c1~3 q4c1~3 af_nation1~3 문6. 여행전다른국가방문검토여부 q6 q2b trip_check 문6. 여행전방문검토국가1~5 q6a1~5 q2b1~3 trip_check_nat1~5 문7. 여행동기 q7 q2 trip_motive 문7-1. 여행선택고려요인 (1순위 ~3순위 ) q7a1~3 q2c1~3 trip_motive1~3 문8. 여행정보입수경로 (1순위 ~3순위 ) q8a1~3 q3a1~3 trip_info1~3 문9. 동반현황 _ 혼자왔다 xq9a1 q5a1~6 solo 문9. 동반현황 _ 가족 / 친지 xq9a2 family family 문9. 동반현황 _ 친구 / 연인 xq9a3 friend friend 문9. 동반현황 _ 직장동료 xq9a4 coworker coworker 문9. 동반현황 _ 기타 xq9a5 etc etc 문9. 동반자수 ( 총인원 _ 본인포함 )( 원자료 ) mq9 mq5b+1 trip_people_num 본인제외 문10-1. 숙박시설 q10a1~7 q7 trip_place 문 11. 한국여행방문지 _ 서울및인천경기 q11a1~27 q8a1~q8a21_ 서울 invitation1~27 Binary 문11. 한국여행방문지 _ 지방 q11b1~27 q9a1~q9a21_ 지방 invitation28~54 Binary 제 1회관광데이터마이닝대회 11 TO KNOW. 11
자료의구성 문항 2011 2010(2009) TOTAL 비고 문11. 한국여행방문지 (16개시도) yq11a01~16,97,99 invitation_city1~18 Binary 문11. 한국여행방문지 ( 권역별 ) grp1~8,9,99 invitation_paldo1~10 문12-1. 좋았던방문지 (1순위 ~3순위 ) q12a1~3 q10a1~3 impact_trip1~3 통합범주 문13-1. 한국방문시활동내역 (1순위 ~3순위 ) q13a1~3 q12a1~3 trip_active1~3 문14-1. 쇼핑품목1~3 q14a1~3 q13a1~3 goods1~3 문14-2. 쇼핑장소1~3 q14b1~3 q14a1~3 shop1~3 문 15-1 개별여행지출금액 1~10 mzq15a0~10 mzq16a0~10 personal_trip_total_money0~ 10 문 15-2. 단체여행지출금액 1~10 mzq15b0~10 mzq16b0~10 group_trip_total_money0~10 문 16-1. 한국여행에대한항목별만족도 1~10 q16a01~10 q17a1~10 satisfied_1~10 문 17. 한국여행에서좋았던점 ( 인상깊은점 )1~12 q17a01~12 q18a1~12 impressive_1~12 문18. 한국여행에서불편했던점1~16 q18a01~16 complain_1~16 문19.3년내재방문의사 q19 q20 re_visit 문20. 한국여행추천의사 q20 q21 recommend 문21. 여행후한국에대한이미지변화 q21 q22 change_image_korea Binary 제 1회관광데이터마이닝대회 12 TO KNOW. 12
Sampling 1 2 Explore Modify 3 SEMMA Data Analysis 4 Modeling Assessment 5 S A Sampling E Explore M Modify M Modeling Assessment
SAMPLING
데이터통합 변수변환 이라는프로그램을통해 2009 년, 2010 년, 2011 년에있는변수를범주통합과변수명을변경 데이터통합 이라는프로그램을통해위에서통합된변수들로 3 개년도데이터를합침 제 1회관광데이터마이닝대회 15 TO KNOW. 15
Modeling Data 를 Training Data 60%, Test Data 40% 로분할하여분석실행 - 가장일반적인방법 Data Mining for Business Intelligence - Shmueli, Patel, Bruce (1) SAS Enterprise Miner (2) 데이터분할시각화 Sampling Data Partitioning Data 분석용 TIS Data 100% Training Data 60% Test Data 40% 분석용 Data 를 Training Data 60%, Test Data 40% 로분할하여분석실행 제 1회관광데이터마이닝대회 TO KNOW. 16
Explore
EDA 탐색적자료분석 01 Age 02 Nation 1(10905) 2(9987) 0(1501) 3(7084) 4(4296) 9(425) 5(1757) Y 0 1 AGE 빈도 행백분율 (%) 빈도 행백분율 (%) 15~20(0) 1193 0.79 308 0.20 21~30(1) 8261 0.75 2644 0.24 31~40(2) 7260 0.72 2727 0.27 41~50(3) 5100 0.71 1984 0.28 51~60(4) 3112 0.72 1174 0.27 60 (5) 1305 0.74 452 0.25 무응답 (9) 321 0.75 104 0.24 합계 26552 9393 20~30 대가많이방문하며상대적으로 40 대에게는한국이미지가좋지않다. Y 0 1 합계 Nation 빈도 행백분율 (%) 빈도 행백분율 (%) 일본 (1) 2545 0.52 2351 0.48 4896 중국 (2) 2486 0.67 1198 0.33 3684 홍콩 (3) 1533 0.77 456 0.23 1989 싱가폴 (4) 1345 0.75 437 0.25 1782 대만 (5) 1544 0.67 758 0.33 2302 호주 (6) 1797 0.89 214 0.11 2011 태국 (7) 1476 0.84 282 0.16 1758 미국 (8) 1213 0.80 309 0.20 1522 캐나다 (9) 2200 0.79 596 0.21 2796 영국 (10) 1202 0.80 303 0.20 1505 독일 (11) 1156 0.75 381 0.25 1537 프랑스 (12) 1213 0.69 537 0.31 1750 러시아 (13) 1116 0.72 444 0.28 1560 인도 (14) 1543 0.85 269 0.15 1812 말레이시아 (15) 1316 0.85 227 0.15 1543 중동 (16) 1415 0.87 208 0.13 1623 모름 (97) 1452 0.77 423 0.23 1875 26552 9393 35945 한국을방문하는관광객의주요국가는일본과중국이다. 제 1회관광데이터마이닝대회 TO KNOW. 18
Modify
Filtering 제 1회관광데이터마이닝대회 20 TO KNOW. 20
Transform Variables -Log 함수를이용하여자료를정규화 - 기본가정을만족시켜분석의타당성을높임 < 변경전 > < 변경후 > 외래관광객의지출비용등 0 보다큰값을갖는변수는로그변환을적용 제 1회관광데이터마이닝대회 21 TO KNOW. 21
Transform Variables 2009, 2010, 2011 TotalData 제 1회관광데이터마이닝대회 22 TO KNOW. 22
Outlier Filtering 여행전방문검토국가와한국입국전방문국가등의변수에적용 인도 (65), 말레이시아 (995), 중동 (996) -> 인도 (14), 말레이시아 (15), 중동 (16) 기타 (997), 무응답 (999) -> 결측값처리 제 1회관광데이터마이닝대회 23 TO KNOW. 23
Modeling
외국인관광객의한국이미지변화예측모델노드다이어그램 제 1회관광데이터마이닝대회 25 TO KNOW. 25
외국인관광객의한국이미지변화예측모델도식화 2009 설문데이터 2010 설문데이터 Modeling Data 변수선 외국인관광객의성향파악을통한한국의이미지개선 의사결정나무모형 로지스틱회귀분석 모델비 모델선택 데이터탐색데이터전처리 택 LARS 부스팅 앙상블 교 한국이미지개선을위한외국인예측 Scoring Data 2011 설문데이터 Regression(9), Decision Tree(5), Neural Network(1) Ensemble(4) Boosting(3) LARS(12) 모델들의 Validataion Data 의오분류율이가장낮은모형선택 최종모형으로선택 제 1회관광데이터마이닝대회 26 TO KNOW. 26
변수선택노드이용 1. Regression 1. cloglog / 단계적선택 2. cloglog / 후진제거 3. cloglog / 전진제거 4. logit / 단계적선택 5. logit / 후진제거 6. logit / 전진제거 7. Probit/ 단계적선택 8. probit/ 후진제거 9. probit/ 전진제거 2. Decision Tree (interval/nominal/ordinal/) 1.ProbF/ Probchisq /Gini, 2. ProbF/ Entropy / Entropy, 3. ProbF/ Gini / Entropy 4. ProbF/ Entropy /Gini, 5. ProbF/ Gini / Gini 3. LARS 1.LAR/ SBC 2.LAR/ AIC 3.LAR/ BIC 4.LAR/ CV 5.Adaptive LASSO/ SBC 6.Adaptive LASSO/ AIC 7.Adaptive LASSO/ BIC 8.Adaptive LASSO/ CP 9.LASSO/ SBC 10.LASSO/ AIC 11.LASSO/ BIC 12.LASSO/ CV 4. Gradient Boosting 5. Auto Neural Network Reg Tree LASSO LARS Neural Boosting 제 1회관광데이터마이닝대회 27 TO KNOW. 27
Assesment
추정된회귀식 - 설명변수의증가로변수들사이에다중공선성이발생, 회귀계수추정량의분산이커짐 - 예측정확도가부정확하고변수에대한해석력이떨어짐 - 낮은오분류율 (But, 무의미한변수의선택 ) LASSO 모형 - 의미있는변수에대한알맞은선택 - 회귀계수에대한패널티부여로높은해석력 제 1회관광데이터마이닝대회 29 TO KNOW. 29
AIC = -8806.61212 모형선택 : Adaptive Lasso 모형선택기준 : AIC 오분류율 : 0.224166 (+) 한국에대한부정적이미지에영향을미치는변수 ( ㅡ ) 한국에대한긍적적이미지에영향을미치는변수 일본 방문횟수 쇼핑만족도 (4) 관광지매력도 (5) 제 1회관광데이터마이닝대회 30 TO KNOW. 30
선택변수 (LASSO) 부정효과 변수 class 비고레벨 (+ 불만족 ) 추정값 IMPACT_TRIP3_56 56 기타 (+) 0.315 NATION_1 1 일본 (+) 0.221 IMPACT_TRIP3_26 26 용평리조트 (+) 0.171 IMPACT_TRIP3_22 22 서울랜드 (+) 0.130 IMPRESSIVE_2_0 0 한국인친절도 (+) 0.124 SATISFIED_ATTRACTIVE_2 2 관광지매력도 (+) 0.113 NATION_5 5 대만 (+) 0.101 SATISFIED_SHOPPING_2 2 쇼핑만족도 (+) 0.079 NATION_12 12 프랑스 (+) 0.070 IMPACT_TRIP2_46 46 전주 (+) 0.068 NATION_13 13 러시아 (+) 0.054 IMPACT_TRIP1_56 56 중문관광단지 (+) 0.051 IMPACT_TRIP3_10 10 롯데월드 (+) 0.040 SATISFIED_SHOPPING_3 3 쇼핑만족도 (+) 0.035 JOB_12 12 직업기타 (+) 0.031 JOB_2 2 기업인, 경영직 (+) 0.022 IMPACT_TRIP2_7 7 코엑스 (+) 0.021 JOB_8 8 학생 (+) 0.015 VISIT_NUM 한국방문횟수 (+) 0.014 IMPACT_TRIP3_14 14 신촌 (+) 0.012 JOB_3 3 사무, 기술직 (+) 0.010 IMPACT_TRIP3_8 8 동대문시장 (+) 0.008 NATION_8 8 미국 (+) 0.004 긍정효과 변수 class 비고레벨 (-만족) 추정값 IMPACT_TRIP1_1 1 고궁 (-) -0.004 TRIP_ACTIVE2_2 2 식도락관광 (-) -0.016 IMPACT_TRIP2_3 3 인사동 (-) -0.028 TRIP_ACTIVE1_2 2 식도락관광 (-) -0.032 NATION_16 16 그리스 (-) -0.049 NATION_6 6 호주 (-) -0.051 SATISFIED_SHOPPING_4 4 쇼핑매력도 (-) -0.065 SATISFIED_ATTRACTIVE_4 4 관광지매력도 (-) -0.089 SATISFIED_SHOPPING_5 5 쇼핑만족도 (-) -0.108 SATISFIED_ATTRACTIVE_5 5 관광지매력도 (-) -0.114 IMPACT_TRIP2_31 31 단양 (-) -0.177 제 1회관광데이터마이닝대회 31 TO KNOW. 31
모형평가 TRAIN 데이터정분류율 Validation 데이터정분류율 Test 데이터정분류율 정분류율 : 77.85% 정분류율 : 77.43% 정분류율 : 74.20% Predicted value 정오분류표 Y 0 1 0 8165 2784 1 318 767 2011 년설문지를 Test 데이터로선택된모형을평가한결과정분류율이 74.20% 로나타난결과를볼수있다. 제 1회관광데이터마이닝대회 TO KNOW. 32
Clustering( 추가분석 )
Clustering 군집분석 - 대상 : 한국의이미지가나빠진관광객 - 3 개의군집으로형성되고, 세부적으로는 7 개의군집이형성 제 1회관광데이터마이닝대회 TO KNOW. 34
Clustering Step 1) 한국에대한이미지가나빠진관광객의응답변수별 Clustering Step 2) 군집별거리및특성을확인한 Clustering 통합 Step 3) 통합된 Clustering 의각특성별외국인관광객의특징분류 외국인관광객설문데이터 Step1 변수 Clustering GC1 GC3 GC2 GC4 GC7 GC5 GC6 Step2 거리및특성별 clustering Cluster 1 Cluster 2 Cluster 3 Step3 외국인관광객특징분류 외국인관광객특징외국인관광객특징외국인관광객특징 각집단별외국인관광객의특징을분류하여국내관광형태관리 제 1회관광데이터마이닝대회 35 TO KNOW. 35
Cluster 1 판문점신촌서울랜드여의도 신발보석 / 악세서리 인삼 의류 코엑스청계천남대문시장고궁롯데월드 동대문시장남산우도 대장금테마파크 방문지 활동내용 구매상품 기타 스타상품서적 / 잡지시계 테마파크미용스포츠활동 대만명동 ( 구매장소 ) 일본 온천 / 스파 카지노 휴양, 휴식 ( 리조트 ) 교통혼잡 ( 불만사항 ) 언어소통부재 ( 불만사항 ) 주부 ( 직업 ) 대만이나일본등한국과인접한나라의관광객은한국에서의불편한점으로언어소통부재및교통혼잡을꼽았다. 주요활동으로는미용, 테마파크, 온천등이며, 주요방문지는수도권내에분포하고있는것을알수있다. 제 1회관광데이터마이닝대회 36 TO KNOW. 36
Cluster 2 부산춘천여의도코엑스 인사동 대장금테마파크 광주 피혁제품도자기전자제품 거문오름용암동굴계 인천 방문지 활동내용 구매상품 기타 시찰 스포츠활동 미국 사업, 전문활동 ( 방문목적 ) 영국 테마파크 여행사 ( 여행정보 ) 프랑스 러시아 한국에방문하는목적이사업및전문활동인관광객은주로시찰, 스포츠, 레저활동을즐기는것을알수있고, 주요국가로는미국, 영국등이있다. 제 1회관광데이터마이닝대회 37 TO KNOW. 37
Cluster 3 춘천 코엑스 여의도 피혁제품도자기전자제품 설악산인사동고궁강릉 방문지 활동내용 인형, 장난감류구매상품 기타 인삼 과테말라 캐나다 가나 전통문화체험 공연, 민속행사, 축제참가및관람 여행서비스부족 ( 불만사항 ) 은퇴자 ( 직업 ) 친구, 친지, 동료 ( 여행정보 ) 음식이입에맞지않는다. ( 불만사항 ) 한국에방문하는관광객중은퇴한사람들 ( 직업 ) 의관광은한국의전통문화체험및축제참여등휴식에중점을두는것을알수있고, 주요구매상품품목은도자기, 인삼, 인형등을보아관광객의나이대가높다는예측이가능하다. 제 1회관광데이터마이닝대회 38 TO KNOW. 38
결론및전략
마케팅전략 1) Clustering Strategy Cluster 1 - Cluster1 에속한관광객은주로우리나라주변국가의국민이며, 직업은주부이다. - 최근몇년간지속되는한류문화영향을많이받아한국을방문한다. - 주로상품을구매하는곳은서울에있는명동이다. - 주요활동내용으로는미용, 레저, 온천, 스파등을즐긴다. - 구매상품으로는보석류, 인삼, 신발류, 의류, 한류스타상품등을구매한다. - 이들에게는한국문화를알림과동시에한류스타를활용한상품및미용관광을목적으로하는패키지를소개하는것이바람직하다. Cluster 2 Cluster 3 - Cluster2 와 Cluster3 에속한관광객은유럽과아메리카에속한국민이다. - 주로사업을목적으로하거나은퇴를하여휴양을즐기러오는것이목적이다. - 구매상품으로는도자기, 피혁제품, 인형, 장난감류, 전자제품을구매한다. - 입에맞지않은음식이불편한사항으로선택되었으니동서양의퓨전음식개발이필요하다. - 동양문화는익숙하지않은관광객이기때문에한국의문화를전파할수있는여행패키지를개발하는것이바람직하다. 제 1회관광데이터마이닝대회 40 TO KNOW. 40
마케팅전략 2) Changing Image 제 1회관광데이터마이닝대회 41 TO KNOW. 41
마케팅전략 2) Changing Image 19 년후이아이는스페인전의승부차기를막아냅니다 -2002 월드컵대표팀골키퍼이운재 - 17 년후이아이는카라얀의찬사를받게됩니다. - 신이내린목소리소프라노조수미 - - 국정홍보처다이나믹코리아 CF 中 - 제 1회관광데이터마이닝대회 42 TO KNOW. 42
마케팅전략 2) Changing Image - 국정홍보처다이나믹코리아해외홍보영상中 - 제 1회관광데이터마이닝대회 43 TO KNOW. 43
마케팅전략 2) Changing Image 대한민국의 이미지를찾자 제 1회관광데이터마이닝대회 44 TO KNOW. 44
마케팅전략 3) 대한민국관광마케팅전략 (LASSO) 여행목적지별 - 용평리조트, 서울랜드, 전주, 중문관광단지, 롯데월드, 코엑스, 신촌, 동대문시장으로구성 - 한국의전통문화나예술적상징성을느낄수없는현대적인장소로구성 신촌 KOREA 따라서, 한국에서만느끼고볼수있는관광지개발필요성대두!!! 제 1회관광데이터마이닝대회 TO KNOW. 45
마케팅전략 3) 대한민국관광마케팅전략 (LASSO) 한국인친절도 관광지매력도 쇼핑만족도 - 타문화에대한존중과이해증진그리고다문화에대한사회적인식제고 - 범국가적인국민환대서비스개선캠페인 ( 친절한시민의식향상 ) - 외래관광객가이드의교육필요 - 관광지의접근성향상 - 국가별언어로구성된완벽한홍보, 설명자료필요성 - 복합관광도시개발 ( 쇼핑, 관광, 음식등을한곳에서해결 ) - 한국의관광임지를부각시키고포지셔닝을구축할수있는독특한관광자원을상품화하고대표성을부각 - 도시별로비교적독특한특징을사회적 역사적관광자원을활용 - 가격정찰제시행 - 외래관광객에게호객행위금지 - 다양한한국적쇼핑품목개발 제 1회관광데이터마이닝대회 46 TO KNOW. 46
마케팅전략 4) 대한민국여행목적지선택기준 (LASSO) 경치쇼핑 전통문화한류 제 1회관광데이터마이닝대회 TO KNOW. 47
마케팅전략 4) 대한민국여행목적지선택기준에따른도식화 경치 안동 ( 하회마을 ) 한옥마을 단양 해남 설악산 제주도남이섬 전통문화 한류 제천 ( 한방축제 ) 인사동 동대문 명동 강남 쇼핑 제 1회관광데이터마이닝대회 48 TO KNOW. 48
마케팅전략 5) 대한민국관광세부마케팅전략 체계적관광시스템구축 관광지, 문화재정보 -> 관광안내지도를쉽게구할수있는시스템개설 -> 도로입간판만으로문화재정보를확인할수있도록설치 교통시스템 -> 체계적인대중버스노선과버스시티투어개설 가이드의무화 -> 주요시설물방문시전문적인가이드동행의무화 안전및보안 -> 주요관광지에관광객을위한경찰서설치 우리나라의문화재현황 -> 노후되거나파손되었으면문화재를복원시키는것에중점을두고사업을벌임. 외국의문화재현황 -> 2 천년이상된건축물들은노후하여변질됨과동시에많은전쟁을거치면서파손된문화재라하더라도복원이나복구를하지않고최소한의편의시설만을현대식으로교체함으로인하여자국민의자긍심으로승화시킴과함께세계적인문화유산이라는차원으로보존하고있음. 관광체험상품개발 전시공간을중심으로한볼거리위주 -> 체험형 (ex. 팜스테이 ) 우리나라지역의자연적환경을토대로상품을지속적으로기획, 계발해야함. 제 1회관광데이터마이닝대회 49 TO KNOW. 49
마케팅전략 5) 대한민국관광세부마케팅전략 문화예술적상징성 해외의문화예술적상징성 -> 소렌토 ( 이탈리아 ) 돌아오라소렌토로 라는가곡로렐라이언덕 ( 독일 ), 몽마르뜨언덕 ( 프랑스 ), 빈 ( 오스트리아 ) 국내의문화예술적상징성방향 -> 지방의문화가단지촌스러운것만이아니라우리와지역을나타내는대표성이되기도한다는사실을인식해야한다. 다수의지역발전을통한지방화 -> 역사성이있거나지방나름의특색과특징을살려우리만의촌스러움을국제적인경쟁력으로어필 전국각지역문화를대표하는축제 -> 지역의문화와역사적요소를대표할수있는문화체험, 축제를주기적으로개최 연관산업과의유대성 랜드마크 해외의산업활용방안 -> 뉴욕시의관광객유치성과는호텔업계에도크게영향을미쳐미국전체호텔평균숙박률 60% 를훨씬웃도는약 80% 를기록하고있다. 또한, 2007 년한해에만총 280 억달러 ( 한화약 28 조원 ) 이상의경제효과를창출한관광과레저산업은 37 만개의일자리를생성하면서고용증가율이 4.58% 로미국전체증가율인 2.47% 를큰차이로앞섰다. 이처럼관광산업은연관산업을통해수익을창출하고더불어성장해야안정성을가진다. 해외의랜드마크 -> 네덜란드의풍차, 에펠탑등 국내의랜드마크방향 -> 유네스코에등록된문화재또는국내역사를알수있는지역등을랜드마크로선정하여주변의지역을관광특구로활용화. 제 1회관광데이터마이닝대회 50 TO KNOW. 50
마케팅전략 6) 대한민국관광세부마케팅전략 What is it? What is it? Public transportation information Public transportation information 제 1회관광데이터마이닝대회 51 TO KNOW. 51
마케팅전략 6) 대한민국관광세부마케팅전략 What is it? What is it? Public transportation information Public transportation information 제 1회관광데이터마이닝대회 52 TO KNOW. 52
Thank you