CC BY
64
Н.С. МАРТЫШЕНКО,
М.Т. РОМАНОВ,
В.И. ЗОЛОТОВА
Методическое обеспечение анализа структурных изменений при потреблении туристского продукта
Рассматривается методическое обеспечение, используемое при анализе структуры потребления туристского продукта, основанное на мониторинге потребительского цикла туристских услуг. Особенность подхода состоит в использовании оригинальной методики анализа качественных данных.
Ключевые слова: туристский продукт, анкетный опрос потребителей, открытые вопросы, типология потребителей, анализ качественных данных.
Methodological providing of structure changes analysis during consumption of tourist product. N.S. MARTYSHENKO, M.T. ROMANOV, V.I. ZOLOTOVA.
The methodical application used in the consumption patterns analysis of tourist product based on the monitoring of the tourist services consumer cycle is considered. The peculiarity of the approach is using of the original technique of qualitative data analysis.
Key words: tourist product, questionnaire survey of consumers, open-ended questions, typology of consumers, qualitative data analysis.
Мировой опыт формирования эффективных туристско-рекреационных систем основывается на исследовании поведения потребителей туристских услуг и приведении в соответствие спроса и предложения. В процессе исследований выявляются мотивации потребителей и тенденции спроса на туристские услуги. Однако, как правило, выводы строятся на основании наблюдений за туристами и носят неформализованный характер. Структура потребностей в различных регионах может существенно различаться. Возможности туристско-рекреационного комплекса различных регионов еще более разнообразны, поскольку они опираются на имеющийся туристский потенциал региона.
Неформализованный характер исследований затрудняет построение количественных оценок структуры спроса, а различия туристского потенциала регионов и степени его освоенности не позволяют распространить позитивный опыт разработки эффективной политики развития туризма одного региона на другой. В научной литературе недостаточно исследованы вопросы влияния структуры спроса туристских услуг в регионе на общую структуру туристского комплекса и его эффективность.
Вышесказанное определяет необходимость разработки методического обеспечения формирования рациональной структуры регионально-
го туристского комплекса, позволяющего привести в соответствие туристские потребности и предложения туристских услуг. Под рациональной структурой мы понимаем такую структуру комплекса, при которой цепочки туристско-рекреационных ценностей конкурентоспособны на международном уровне и обеспечивают расширенное воспроизводство туристской системы. Все это обусловливает актуальность темы настоящего исследования.
Для выявления и исследования структурных изменений в процессе потребления туристского продукта была разработана специальная методика анализа данных анкетных опросов. Эта методика включает способы решения ряда специализированных задач. Прежде чем перейти к рассмотрению принципов решения этих задач, рассмотрим теоретические основы разработанной методики.
Комплект базовых, дополнительных и специфических туристских услуг и товаров вместе с эмоционально-психологическим опытом, приобретенным до, во время и после туристско-рекреационной поездки, мы называем потребительским циклом. Для анализа структуры потребительского цикла в работе используются открытые вопросы анкет. Открытые вопросы допускают ответы в произвольной форме. Поскольку исследователь заинтересован в получении информации, ему и приходится подстраиваться под респондента, предоставляя вопросы в такой форме, чтобы респондент смог или пожелал ответить. В отличие от закрытых открытые вопросы не содержат подсказок, не «навязывают» тот или иной вариант ответа и рассчитаны на получение неформализованного мнения.
Большинство исследователей не применяют компьютерную обработку данных открытых вопросов, а используют их в поисковых целях: получение информации для будущих исследований. Между тем ответы на эти вопросы оказываются очень информативными. Основная причина слабого использования открытых и сложных форм вопросов исследователями состоит в том, что они не обладают информационными технологиями их обработки.
Совокупность постановки задач анализа структуры потребительских циклов, методов компьютерного представления данных, методов обработки данных и специализированных программных средств составляет новый инструментарий оценки структуры потребления туристских услуг. Разработка собственных методов ни в коей мере не говорит о том, что мы не используем традиционные - наш подход дополняет и расширяет возможности распространенных методов анализа.
Новые методы анализа основываются и на новой форме представления данных. Данные анкетных опросов можно рассматривать как наблюдения многомерной случайной величины. Ответы на вопросы могут быть организованы в виде некоторой таблицы, в которой строки представляют собой объекты (анкеты), а столбцы - значения признаков (ответы на вопросы). Такая таблица называется таблицей «объект-свойство».
Отличие нашего подхода к форме представления данных состоит в том, что мы кроме обычных признаков, предусматривающих только одно
значение исследуемого свойства, допускаем еще в таблице «объект-свойство» наличие составных признаков. Составной признак возникает тогда, когда респондент может дать на один вопрос несколько ответов. Например, при ответе на вопрос анкеты «Какие крупные города вы посетили за последние три года» респондент может указать сразу несколько городов. Таким образом, составной признак как бы состоит из нескольких простых ответов. Для идентификации составного признака в компьютерном представлении мы вводим какой-либо единый знак разделителя. Простой ответ может состоять как из нескольких слов, так и сформулирован в форме целого или нескольких предложений.
Таким образом, ответы на открытые вопросы можно представить в виде составных признаков. Такая информация является неструктурированной. Чтобы ее использовать для содержательного анализа, эти данные нужно подвергнуть предварительной обработке, т. е. осуществить переход от неструктурированного представления информации к структурированному, допускающему количественную обработку. Такой переход осуществляется с помощью операции типизации.
Операция типизации - это замена исходного простого высказывания (в форме текста) на близкое или сходное по значению, или обобщающее высказывание (в форме текста).
При выполнении операции типизации формируется вспомогательная таблица - «список значений признака». Она включает все уникальные простые значения исходного признака. Таблица «список значений признака» содержит столбец, в котором рассчитаны частоты встретившихся простых значений. Операция типизации применяется не к исходным данным таблицы «объект-свойство», а к данным таблицы «список значений признака». Среди сходных высказываний выбирается наиболее удачная (или грамотная) форма написания и копируется в ячейки таблицы «список значений признака» со сходными высказываниями. Выполняя замену какого-либо уникального высказывания на уже существующее из списка значений, мы тем самым сокращаем количество строк таблицы «список значений признака».
После выполнения серии замен целесообразно выполнять операцию «сжатия», которая заключается в пересчете таблицы «список значений признака». Постепенно эта таблица сокращается и становится более наглядной. Если исходный ее вариант может содержать до нескольких тысяч значений, то после обработки (типизации) она обычно содержит до трехсот значений с учетом значений с уточнениями. Созданием такой таблицы заканчивается первый этап типизации (первый уровень).
Полученный новый признак все еще содержит слишком много значений, чтобы его можно было анализировать количественными методами. Поэтому он подвергается дополнительной обработке (второй уровень типизации): убираются некоторые детали уточняющего характера, но основной смысл высказываний сохраняется. Например, полученные на первом уровне типизации значения «заниматься с детьми (воспитание внуков)», «заниматься с детьми (воспитание ребенка)», «заниматься с
детьми (играть с внуками)» заменяются обобщающим - «заниматься с детьми».
После формирования приемлемого списка действительно различных вариантов ответов для выполнения анализа исследователь должен сгруппировать эти ответы, рассматривая их как некоторые характеристики не-пересекающихся классов, типов или тем в зависимости от содержательного смысла признака и постановки задачи, для которой производится типизация. Объединение простых высказываний в классы является третьим уровнем типизации. Для каждого класса исследователь сам формулирует название в зависимости от характера объединяемых высказываний. На практике результаты группировки у разных исследователей получаются очень похожими. Различия могут возникать из-за того, что некоторые высказывания действительно занимают промежуточное состояние и могут быть отнесены сразу к нескольким классам. А вот названия классам разные исследователи могут дать совершенно разные. Но различие классов определяет не название, а состав объединенных в него высказываний.
Таким образом, в результате обработки данных открытого вопроса мы будем иметь (на выходе) три новых представления признака (свойства), которые включаются в исходную таблицу данных и могут быть подвергнуты дальнейшей обработке для получения содержательных выводов.
После выполнения операции типизации все неструктурированные данные приводятся к структурированному виду и могут быть обработаны как признаки, измеренные в номинальной шкале. Отличие в представлении данных состоит в том, что признаки остаются составными и, соответственно, для их обработки неприменимы стандартные средства. Поэтому было разработано несколько специальных компьютерных программ для анализа структуры потребления туристских продуктов.
Эти программы предназначены для решения двух основных видов задач:
- выявления и анализа структуры элементов потребительских циклов;
- анализа структурных изменений при потреблении туристского продукта.
Необходимо отметить, что исследования структуры потребительских циклов требуют массовых опросов, мы проводим их с 2003 г. Ежегодно собирается от 1,5 до 3 тыс. различных анкет. При таких масштабах операция обработки данных открытых вопросов становится очень трудоемкой. Эффективность деятельности исследователей удалось повысить на порядки после разработки специализированного комплекса программ, обладающего свойствами интеллектуальной системы [1].
Описание методики выявления структуры потребления туристского продукта, основанной на обработке открытых вопросов, и примеры ее практического применения можно найти в работах [2, 3], поэтому далее рассмотрим только методы и подходы, используемые для решения ряда задач анализа структуры потребительских циклов, считая, что данные
прошли этап предварительной обработки и структурированы путем типизации.
Первая задача. Анализ частотных рядов по составным признакам.
В результате типизации составного признака получают новый составной признак, но только в структурированном виде, который можно интерпретировать как измерение в номинальной шкале. Структурированные данные в форме составного признака могут быть получены и непосредственно при сборе первичных данных в процессе анкетирования. Такое возможно, когда из списка вариантов ответа на вопрос анкеты респондент выбирает не один из этих вариантов, а несколько, причем разные респонденты могут выбрать различное количество вариантов. Конечно, такой ответ можно было бы представить несколькими признаками, но это далеко не всегда удобно для анализа. При подобном представлении информации совместный анализ таких признаков вообще трудновообразим.
В процессе построения частотного ряда простых значений, входящих в составной признак, возникает вариантность, которая не может быть разрешена с помощью стандартных средств.
Вариантность построения частотного ряда продемонстрируем на примере значений составного признака, полученного в результате выполнения операции типизации.
Так, в результате типизации ответов на открытый вопрос «Чем вы любите заниматься во время отдыха на море, кроме солнечных ванн и купания?» было выделено 48 их вариантов, объединенных затем в 8 групп (или классов). Группы получили названия: «Спортсмены», «Увлеченные», «Сони», «Гурманы», «Лирики», «Инертные», «Общительные», «Мамы». Одним из результатов операции типизации является новый признак, полученный путем замены исходных значений, указанных респондентами при ответах на вопрос анкеты, названиями групп. Мы приводим здесь пример нового составного признака (табл. 1).
Таблица 1
Значения составного признака после замены ответов названиями групп
Номер анкеты Значения составного признака
1 «Гурманы», «Общительные»
2 «Общительные», «Спортсмены», «Увлеченные»
3 «Сони», «Гурманы»
4 «Увлеченные», «Спортсмены»
5 «Лирики», «Спортсмены», «Гурманы»
п «Сони», «Лирики»
Запись составного признака можно представить в числовой форме (табл. 2).
Таблица 2
Числовая форма представления составного ответа
Номер анкеты Номер группы ответов
1 2 3 і к
1 гп гп гп гм 'ц
2 Г2\ г22 Г23 Г2к
3 гъ\ г32 г33 гз, ГЪк
і гп >ъ Г, 3 Г,
п Г,Л Гп 2 Гп 3 Гпк
Примечание, г.,— количество простых ответов составного признака /-й анкеты, отнесенных к группе с номером у; / - номер анкеты, /—1, 2, 3,.. .и; 7 -номер группы ответов,7=1, 2, 3,...£.
По данным табл. 2 можно построить два варианта, или модификации, частотных рядов. Частоту встречаемости 7-го значения признака можно рассчитать по формуле
и формуле
р)
О)
Л-
/=1
П /V
25>,
/=1 7=1 Ґ \
Гч
(1)
/=1
Р(2) = ■
I
У-/=1
(2)
Обе они дают значения, отвечающие основному свойству частотного ряда:
к к урО)
./
7=1
ЕС
7=1
1.
(3)
В каждом конкретном случае частотные ряды, рассчитанные по формулам (1) и (2), могут существенно различаться, т. е. для составного признака имеет место вариантность частотного ряда. Кроме того, частотные ряды могут быть рассчитаны только по первым ответам составного признака. Такая методика расчета основана на гипотезе о том, что на первое место респондент ставит самый важный для него ответ.
Предпочтение тому или иному варианту отдается в зависимости от того, какой содержательный смысл имеют значения составного признака. Если эти значения, как в нашем примере, имеют смысл типа личности, то встречаемость в одной строке исходной табл. 1 нескольких различных значений можно интерпретировать так, что конкретный респондент обладает чертами сразу нескольких типов личности. В этом случае для расчета частотного ряда предпочтительней использовать формулу (2). Нами представлен частотный ряд распределения отдыхающих на морском побережье по интересам (рис. 1).
Рис. 1. Частотный ряд распределения потребителей по интересам (сгруппированные данные): а - «Спортсмены», б - «Инертные», в - «Увлеченные», г - «Гурманы», д - «Лирики», е - «Общительные», ж - «Сони», з - «Мамы»
С формальной точки зрения составные ответы в двух рассмотренных случаях тоже имеют различия. В первом случае г может принимать значения 0, 1, 2, 3, ..., во втором - только значения 0, 1. Кроме того, пакет программ включает модули, позволяющие преобразовывать составные признаки к простым, и обратно. С помощью этих программ может быть исследована и структура самих групп. Такой анализ раскрывает содержательный смысл классов и определяет относительную значимость входящих в него элементов. Расчеты на реальных данных показали очень высокую устойчивость числовых характеристик частотных рядов, построенных по данным, полученным в результате типизации ответов на открытые вопросы.
Вторая задача. Анализ сходства (близости) типичных групп (классов) потребителей.
На практике по своим ответам на открытый вопрос отдельные респонденты могут быть отнесены сразу к нескольким группам (классам). Например, отвечая на вопрос «Что омрачало ваш отдых в пляжной зоне?», респондент может дать ответ: «Экологическая обстановка, скопление людей, необустроенность пляжа». Отдельные простые ответы при типизации признака были отнесены к различным классам. В данном случае при выполнении операции типизации исходные значения были заменены
на названия классов: «Зеленые», «Нелюдимые», «Урбанисты» и т. д. Таким образом, по всей совокупности ответов респондентов классы могут пересекаться. Следует заметить, что связь между одними классами более сильная, между другими - менее, т. е. одни из них более близки, другие -менее. Рассмотрим принцип расчета оценки сходства классов.
Для каждого составного ответа, заданного в форме классов, выделяются сочетания пар этих классов. Например, если отдельный ответ имел вид: С, И, И, С, М (где буквами обозначены классы), то респондент по своим ответам может быть отнесен сразу к трем классам: С, И, М. По данному ответу может быть составлено три пары сочетаний классов: И, С; С, М; И, М. По возможным парам сочетаний классов в наблюдениях выборки может быть составлена матрица сходства классов. Размерность матрицы кхк, где количество выделенных классов. Матрица симметрична относительно диагонали. Элементы матрицы - это сумма встретившихся пар классов во всей выборке. Диагональные элементы матрицы определяют количество ответов респондентов, включающее ответы, относящиеся только к одному классу. Для исключения влияния на оценки сходства классов объема выборки и размеров классов элементы матрицы нормируются путем деления количества элементов строк на количество ответов, включающих соответствующий класс. В результате преобразования матрицы пересечений получают новую модифицированную матрицу сходства. Сумма элементов строк этой матрицы сходства будет равна единице. Диагональные элементы характеризуют степень обособленности отдельных классов (табл. 3). Степень сходства классов определяется коэффициентами матрицы.
Оценки сходства классов удобно изобразить в виде графа. При построении графа устанавливается некоторое пороговое значение на оценки сходства - отображаются только связи, превосходящие пороговое значение. Тогда на графе будут присутствовать наиболее существенные связи. Направление стрелок определяется по правилу: строка, в которой расположен коэффициент, определяет начальную вершину графа, столбец -конечную вершину.
Таблица 3
Матрица сходства классов
«Спорт- смены» «Увле- ченные» «Сони» «Гурма- ны» «Лири- ки» «Инерт- ные» «Общи- тельные» «Ма- мы»
«Спортсмены» (С) 0,655 0,089 0,011 0,087 0,083 0,003 0,069 0,003
«Увлеченные» (У) 0,132 0,680 0,011 0,062 0,075 0,001 0,036 0,004
«Сони» (СО) 0,055 0,035 0,639 0,130 0,093 0,003 0,038 0,008
«Гурманы» (Г) 0,163 0,078 0,051 0,530 0,067 0,004 0,100 0,007
«Лирики» (Л) 0,159 0,096 0,037 0,068 0,570 0,002 0,062 0,006
Окончание табл. 3
«Спорт- смены» «Увле- ченные» «Сони» «Гурма- ны» «Лири- ки» «Инерт- ные» «Общи- тельные» «Ма- мы»
«Инертные» (И) 0,005 0,001 0,001 0,003 0,002 0,987 0,002 0,000
«Общитель ные» (О) 0,189 0,066 0,021 0,146 0,089 0,003 0,470 0,016
«Мамы (М) 0,065 0,054 0,033 0,076 0,065 0,000 0,120 0,587
Нами представлены графы сходства классов, построенные для двух различных пороговых значений (0,1 0,09). Вершины графа обозначены по первым буквам названий классов (рис 2).
Рис. 2. Примеры графов пересечений классов при различных пороговых значениях: а - 0,1; б - 0,09
Из графов видно, что классы «Мамы» (М) и «Инертные» (И) являются обособленными группами, которые имеют ярко выраженные предпочтения во время отдыха. Спортом во время отдыха любят заниматься четыре категории отдыхающих: «Увлеченные» (У), «Лирики» (Л), «Гурманы» (Г), «Общительные» (О). Классы «Гурманы» (Г) и «Общительные» (О) наиболее близки по интересам.
Третья задача. Анализ данных, охватывающих смежные временные периоды.
Структурные изменения характеристик потребления туристского продукта во времени возможно оценить стандартными методами. Для этого нужно сравнить частотные ряды исследуемой характеристики, оцененные по данным, собранным в различные периоды времени. Например, так можно сравнить структуру расходов потребителей туристских продуктов на отдых по годам.
Изменение большинства характеристик во времени происходит крайне медленно. Это инерционный процесс, и поэтому требуется сбор данных в течение длительного времени. Ежегодные выборки должны быть тоже достаточно большими. Процесс анализа часто усложняется ограничением возможностей исследователя. Собрать большое количество дан-
ных в сжатые сроки еще сложнее. В связи с этим сбор данных и ввод их в компьютер осуществляются круглогодично. Примером может служить распределение количества собранных анкет «Исследование пляжно-купального отдыха» по месяцам в течение всего периода использования данной анкеты в качестве источника информации (рис. 3).
При такой системе сбора границы разделения данных на периоды могут быть установлены весьма условно.
2004 2005 2006 2007 2008 Год,
месяц
Рис. 3. Распределение количества собранных анкет «Исследование пляжно-купального отдыха» с 2004 по 2008 г.
В компьютерном представлении данные упорядочиваются не по датам сбора, а по номеру анкеты. Это обусловлено тем, что ввод данных осуществляется несколькими операторами, обрабатывающими различные части выборки. Затем все эти данные сводятся в единую базу.
На первых этапах исследований для расширения ряда наблюдений во времени в анкетах были использованы вопросы, охватывающие несколько соседних временных периодов. Этот подход был применен, например, при оценке изменчивости сезона и продолжительности отпуска, оценке затрат денежных средств на отдых. Таким образом, одноименные данные, собранные в различные временные периоды, пересекаются (рис. 4).
Выборка *----- 2007 г.
2005 г. А
Л Г
2006 г. Л
Л Г
Месяц Кол-во
дней
Месяц
Кол-во
дней
2007 г. Л
Месяц
Кол-во
дней
2006 г.
А
Л г
Месяц
Кол-во
дней
2007 г.
Л г
2008 г.
А
Месяц Кол-во
дней
Месяц
Кол-во
дней
2007 г.
2008 г.
Выборка " 2008 г.
2009 г.
Г С С
Выборка 2009 г. Месяц Кол-во дней Месяц Кол-во дней Месяц Кол-во дней
Рис. 4. Структура выборки с вопросами по смежным временным периодам (данные по вопросу о сезоне и продолжительности отпуска)
Введя в анкету вопрос о сезоне и продолжительности отпуска, уже в первый год сбора данных можно проводить анализ динамики продолжительности отпуска за три года, а через три года сбора данных длина ряда, доступного для анализа, составляет уже пять лет. Использование ретроспективы вопроса в три года требуется только на начальных этапах исследования, поскольку страдает точность данных. Опыт показал, что по отдельным вопросам ретроспектива в два года вполне оправдана и при многолетних исследованиях.
При таком подходе удается не только расширить временной период исследования, но и увеличить объем данных, охватывающих каждый отдельный период. Однако это приводит к усложнению структуры данных таблицы «объект-свойство» и потому требует специализированных средств обработки данных.
Четвертая задача. Анализ структурных переходов в процессе потребления туристского продукта.
Результаты решения предыдущей задачи будут аналогичны тем, которые можно получить и при стандартном подходе. При этом подходе сравнительный анализ структуры исследуемого признака в различные периоды времени может показать, произошли в ней изменения или нет. На основе сопоставления частотных рядов можно высказать те или иные гипотезы, объясняющие происшедшие изменения. В дальнейшем такие гипотезы требуют своего подтверждения в процессе исследования. Другими словами, стандартный подход к исследованию изменений какого-либо признака во времени не дает объяснения тому, как и почему происходит изменение его структуры.
Решение четвертой задачи позволяет оценить направления переходов в потреблении. Для оценки этих переходов были использованы специальные вопросы, например о структуре отпускного времяпрепровождения («Где?», «Как?», «Когда?»). Такие вопросы допускают множественный выбор ответа, кроме того, ответы указываются по двум смежным временным периодам (табл. 4).
Таблица 4
Пример формы вопроса по изменению структуры потребления
туристских услуг
Номер ответа КАК? 2009 г. 2010 г.
1 Дома
2 На даче
3 В санатории, доме отдыха
4 На турбазе
5 В турпоездке за рубежом
6 На берегу моря
7 Навещал родственников
Первичное представление собранных данных отвечает требованию максимального удобства для оператора, производящего их ввод в базу
данных, и в конечном итоге позволяет минимизировать затраты на эту работу.
Для компьютерного представления рассматриваемых данных необходимо зарезервировать на каждый вариант ответа и каждый год отдельный бинарный признак, принимающий два значения: 1 - «истина» или 0 -«ложь».
Таблица значений признаков, описывающая ответы на вопросы, при такой форме представления будет в основном состоять из нулей. Однако, если преобразовать данные из бинарной формы к форме составного вопроса, то можно добиться компактной формы, наглядности отображения информации и удобства применения рассмотренных выше средств обработки данных. Это преобразование является первым этапом обработки представленных данных.
На втором этапе обработки таких вопросов по двум составным признакам, относящимся к двум различным временным периодам, рассчитывается матрица структурных переходов М размерности кхк. Рассмотрим методику расчета элементов матрицы М.
В простейшем случае значения двух сравниваемых составных признаков включают только по одному ответу. Например, если признак, ассоциированный с первым временным периодом, принял значение /л.,, а признак, связанный со вторым временным этапом, - значение /1, то зафиксировать переход из состояния д. в состояние /1 можно прибавлением единицы к элементу ¡лу матрицы переходов М.
Если значение первого составного признака включает q¡ простых значений, а второго - ц2, то можно составить \'=с) 1хс)2 различных вариантов переходов. Для каждой пары простых значений (д., /1) индексы элементов определяют СВОЙ элемент Шу, но теперь к нему будем прибавлять не единицу, а некоторый весовой коэффициент:
1
<Р = ~- (4)
V
В результате просмотра и сравнения всех значений двух составных признаков, относящихся к двум временным периодам, можно рассчитать элементы матрицы М. Сумма всех элементов матрицы М будет равна количеству анкет N. Определим эту сумму по строкам:
к _____________
пг =2Л’ г = \,к. (5)
5=1
Очевидно, будет выполняться условие:
2Х=Л'' (б)
Г-1
Разделив построчно элементы матрицы М на величину пг (г = 1 ,к), получим матрицу переходов Р, измеряемую в относительных единицах. Элементы матрицы ^ рассчитываются по формуле:
, г = 1,к;я = 1,к.
(7)
Для каждой строки матрицы Р будет выполняться условие:
Е/«=1’ г = 1>к- (8)
5=1
Для того чтобы выделить только наиболее существенные переходы, введем некоторое пороговое значение 0 < с1 < 1 и рассчитаем элементы матрицы Р по формуле:
(I, если /„ ><Л — —
Р„ =\ г = 1,к;з = 1,к.
[О, если < с!
(9)
Структурные переходы, описываемые с помощью матрицы Р, удобно представить в виде ориентированного графа (рис. 5), вершины которого соответствуют номерам вариантов возможных ответов на исследуемый вопрос, стрелками соединены вершины графа, для которых элементы РГ8 = 1, г = 1 ,к; ,у = 1, к.
Граф на рис. 5 был построен по значениям конкретной матрицы (10), рассчитанной по ответам на вопрос, представленный в табл. 4:
=
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 1 0 0 0
0 0 0 1 1 0 0
0 1 0 0 1 0 0
0 1 0 0 0 1 0
0 1 0 1 0 0 1
(10)
В практической работе целесообразно сравнить графы для различных социально-демографических групп потребителей. Величина порогового значения подбирается экспериментально так, чтобы обеспечить наибольшую наглядность графов. Построение графов переходов особенно важно на предварительных этапах исследования поведения потребителей. Анализ графов позволяет сформулировать гипотезы, объясняющие происходящие изменения в структуре потребления туристских услуг.
Рассмотренные четыре задачи составляют основу разработанного методологического инструментария, используемого для оценки структуры потребительских циклов, выявляемых в процессе потребления туристских продуктов различного вида, и анализа структурных сдвигов в моделях потребления во времени. Однако возможности анализа структур данных с помощью новых инструментальных средств могут быть использованы не только для решения рассмотренных, но и в других задачах. Возможности решения новых задач анализа структуры предложения и спроса туристских услуг дополняют стандартные методы группировки данных, например по полу, возрасту, уровню дохода и т. д.
Литература
1. Мартышенко C.H., Егоров Е.А. Информационная технология повыше ния эффективности обработки качественной информации // Информационные технологии моделирования и управления. 2009. № 6 (58).
С. 753-760.
2. Мартышенко Н.С., Старков A.C. Методические основы оценки структуры туристско-рекреационного потенциала (на примере Приморско го края)//Вестник национальной академии туризма. 2009. №3 (11). С. 21-27.
3. Мартышенко Н.С. Исследование структуры потребления туристских продуктов в Приморском крае // Региональная экономика: теория и практика. 2010. № 26 (161). С. 60-68.
О Мартышенко Н.С., Романов М.Т., Золотова В.И., 2012 г.
