Zusammenfassungen
Der Beitrag zeigt theoretische Grundlagen und praktische Anwendungen des Data Mining für die Tourismusbranche auf. Nach einer Einleitung über die Bedeutung des Data Mining im Tourismus werden die wichtigsten Begriffe bestimmt. Abschnitt 2 liefert gängige Definitionen und skizziert das Konzept der Wissensexploration in Datenbanken. anhand touristischer Beispiele wird auf den Begriff Web Mining eingegangen. Abschnitt 3 beschreibt die wichtigsten Aufgaben und Werkzeuge des Data Mining und streift Methoden zur Klassifikation, Schätzung, Vorhersage, Clusterbildung und Assoziation. Abschnitt 4 stellt praktische Anwendungen des Data Mining für die Tourismusbranche vor. Unter besonderer Berücksichtigung von künstlichen neuronalen Netzen, der Entscheidungsbaum- und Warenkorbanalyse wird Data Mining zur Ermittlung der Determinanten von Gästeloyalität, zur Kundensegmentierung und Klassifikation von Erstbesuchern sowie zur Optimierung der Reiseempfehlung für Reisebürokunden eingesetzt. Die Bedeutung von Data Mining im Tourismus wird durch die breite Verfügbarkeit von Werkzeugen, die enorm wachsenden Mengen an Content und das zunehmende — auch kurzfristige — Interesse an Analysen steigen.
Literatur
Bloom, J. Z.: Tourist market segmentation with linear and non-linear techniques. In: Tourism Management, 25. Jg., 2004, Heft 6, S. 723–733.
Hastie, T.; Tibshirani, R.; Friedman, J.: The elements of statistical learning — Data mining, inference and prediction. 2. Aufl., Springer-Verlag, New York, 2009.
Jeng, J. M.; Fesenmaier, D.: A neural network approach to discrete choice modelling. In: Journal of Travel and Tourism Marketing. 5. Jg., 1996, Heft 2, S. 119–144.
Larose, D. T.: Discovering knowledge in data — An introduction to data mining. John Wiley & Sons, New Jersey, 2005.
Law, R.: Room occupancy rate forecasting — A neural network approach. In: International Journal of Contemporary Hospitality Management, 10. Jg., 1998, Heft 6, S. 234–239.
Liu, B.: Web data mining — Exploring hyperlinks, contents and usage data. 2. Aufl., Springer-Verlag, Heidelberg, New York, 2008.
Palmer, A.; Montano, J. J.; Sesé, A.: Designing an artificial neural network for forecastingtourism time series. In: Tourism Management, 27. Jg., 2006, Heft 4, S. 781–790.
Schegg, R.; Steiner, Th.; Gherissi-Labben, T.; Murphy, J.: Using Log-File analysis and website assessment to improve hospitality websites. In: Frew, A. (Hrsg.): Information and Communication Technologies in Tourism 2005. Springer-Verlag, Wien, 2005, S. 566–576.
Tsaur, S.-H.; Chiu, Y.-C.; Huang, C.-H.: Determinants of guest loyalty to international hotel tourists — A neural network approach. In: Tourism Management, 23. Jg., 2002, Heft 3, S. 297–405.
Wolk, A.; Wöber, K.: A comprehensive study of info needs of city travellers in Europe. In: Journal of Information Technology and Tourism, 10. Jg., 2008, Heft 2, S. 119–131.
Wong, J.-Y.; Chen, H.-J.; Chung, P.-H.; Kao, N.-C.: Identifying valuable travellers and their next foreign destination by the application of data mining techniques. In: Asia Pacific Journal of Tourism Research, 11. Jg., 2006, Heft 4, S. 355–373.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Fuchs, M., Höpken, W. Data Mining im Tourismus. HMD 46, 73–80 (2009). https://doi.org/10.1007/BF03340421
Published:
Issue Date:
DOI: https://doi.org/10.1007/BF03340421