英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

2015年国际管理科学与工程进展大会（AMSE 2015）

ISBN：978-1-60595-267-3

基于主成分分析的旅游WeChat营销满意度研究

李芬芬 阮贤龙 陈珍

关键词：旅游 WeChat 营销 满意度 主成分分析

摘要：WeChat是移动即时文字和语音留言通讯服务，已成为中国重要的社交媒体平台。 从用户观点的角度，构建了旅游WeChat营销满意度评价指标体系。 通过问卷调查获取相关数据，纸张主要成分分析提取七个主要部分：交互性，信息质量，响应能力，可用性，有形性，可靠性和旅游特征，从而构建旅游WeChat营销满意度评估模型。 基于此，以WeChat公共账户为例进行实证分析：河北旅游（河北省旅游局管理委员会公共账户）为例。 结果表明，河北省旅游业WeChat市场营销的满意度处于中等水平，应进一步提高互动性和响应能力。

介绍

自从2011年诞生以来，WeChat诞生以来，用户数量急剧增长。据官方数据显示，截至2014年7月底，WeChat的活跃用户数已接近四十亿，WeChat公共总数达580万户。截至2013年底，WeChat用户已达六十亿，覆盖二百多个国家和地区，发布了二十余种语言版本。我们正在成为社交媒体最关心的一个。越来越多的企业开始使用WeChat公共平台拓展业务，保持客户关系和品牌营销活动。 WeChat营销是基于WeChat公共平台，在接收终端的移动通信设备中，可以实现基本信息管理的营销模式，及时发送信息并进行沟通[1]。然而，用户不一定满意WeChat公共平台发送的信息。因此，找到客户满意的关键因素是WeChat营销发展的重要理论依据和保证，也是提高客户满意度的意识和使用。

在WeChat的开始，学者们意识到了重要性，并从不同的主题进行了研究。蔡（2012）用传统媒体和WeChat和微博[1]代表的新媒体进行了比较。 Dang（2012）从通信的角度构建了WeChat信息传输模式[4]。吴和唐（2014）[5]根据Wechat的功能将用户需求分为感知便利感知用户感知用户感知娱乐和感知风险，并采用问卷调查方法进行实证分析，以探索重要因素影响用户行为。崔莹（2014）[6]探讨了微信个人用户的行为，并利用该模型分析了微信意图的影响因素。王和余（2014）[7]构建了企业智能营销行为影响因素模型，并进行了实证分析。连曹（2014）[8]考察了心理动机（娱乐，社会和信息）的影响，并对WeChat用户的态度给予信任，评估用户态度的影响以及对积极口碑的信任。他和W.（2014）[9]总结了Wechat用户在知识传播中的行为偏好，并建立了一个Wechat知识传播模型，基于复杂网络理论和影响知识传播因素的分析。毛（2014）[10]研究本科生的因素。 Rui和Z.（2014）[11]试图将两种实用价值应用于汉语教学中，以便通过新技术的发展趋势，建立与实际或在线课程不同的虚拟即时班模式。 Min（2014）[12]分析了基于SICAS模型的企业智能营销的转型模式。

学者还重视WeChat行业营销应用的研究，如图书馆（Huang，2013）[13]，美容院（Ding，2013）[14]和健身俱乐部（Yang，2014）[15] ，等应用策略。

旅游智慧市场营销研究不多，质量研究很多，如王和张（2014）[16]介绍了微信在旅游电子商务中的应用现状，并提出了一些营销建议 发展未来的智慧旅游。 孙和陈（2014）[17]分析了Wechat对旅游景点服务创新的影响。 李（2014）[18]认为，旅游企业采用智能营销模式，对促进旅游企业发展和促进旅游企业发展起到非常重要的作用。

总而言之，现有的WeChat营销研究，很少从用户的角度来看待满意度，没有主成分分析作为研究的方法。因此，本文从游客观念的角度，以主成分分析为研究手段，以河北旅游局官方WeChat为例，以河北旅游为例，构建了WeChat营销满意度评价指标体系，并提出了一些建议。

设计

评价指标

参考客户满意度评价指标，服务质量和营销满意度，通过选择旅游学者和旅游管理人员，最终选出20个评价指标。

每个评价指标分别为5级：非常不满意，不满意，一般满意，非常满意，5级对应1分，2分，3分，4分，5分。 具体评价指标如表1所示。

表1.评价指标

方法

在本文中，旅游评价指标体系WeChat营销满意度，涉及20个数据指标。 由于许多变量，彼此之间可能存在一些相关性。 为了避免重叠信息或摆脱重叠信息，数据突出变化方向，采用主成分分析或主成分分析方法，利用维度降低，高维空间转化为低维空间来处理。

通过数学转换的方法，将多指标问题转化为较不完整的指标。根据指标与重量的相关性和变化情况确定，以提取更多信息来涵盖主要成分的量。经过精炼的主要组成部分，客观权重被赋予一定的客观权重，构建相应的综合评价模型。在专业数据分析工具SPSS21.0的帮助下进行数据分析和评估。

数据采集

根据文献综述，专家意见咨询和前调查问卷，我们确定了最终问卷。 2014年8月17日至9月9日，调查问卷分发回收了一个专业问卷调查网。 通过腾讯，WeChat等沟通平台共享问卷网站链接，邀请好友回答问卷，通过连续转发，拓展研究人群。 为了确保研究数据的可靠性，问卷的问卷需要注意河北旅游的WeChat信号，然后在20-30分钟后使用。

共收到问卷691份，调查问卷621份，效率89.87％。

数据分析

可靠性和有效性分析

为了确保规模的可靠性，Cronbach Alpha的可靠性被用于分析WeChat旅游营销的满意度。 结果表明，两部分的Alpha系数分别为0.965和0.976，两者的可靠系数均大于0.9（Bernstein，1994）。 KMO值为0.963，Bartlett的球面度为8177.632（df = 190，sig = 0）。 问卷有效。 可以进一步分析。

表2.有效性和可靠性测试

因子分析和因子提取

KMO系数和Bartlett球体测试均表明，该问卷非常适合因子分析。 因此，主成分分析方法用于筛选和提取常用因子，可用于选择20个感知评价变量，并保留1的特征值。最大方差法用于进行 共同因素，因子负荷值大于0.5被保留。 两个正交旋转后，提取了7个常见因子（图3）。

表3可以看出，7个特征值对应于1以上，因此应提取相应的7个常用因子。 从累计方差贡献率可以看出，前7个因素解释了76.48％的差异。 根据吴明龙的观点[19]：社会科学领域的共同因素，解释总量的差异超过50％，因素分析的结果可以被接受。 在本文中，累积解释方差已达到76.48％，各指标在相应的常见因素下具有较大的负载能力，因子聚合效果非常好。 因此，可以进一步分析。

主要成分特征值和方差贡献率

<t

剩余内容已隐藏，支付完成后下载完整资料</t

资料编号：[27202]，资料为PDF文档或Word文档，PDF文档可免费转换为Word