Direkt zum Inhalt

Analyse touristischer Bewegungsmuster (Instagram)

Big Data Analyse für die Bodenseeregion am Beispiel der Social Media Plattform Instagram.

ProjektTeam

Zehui Wang1, Luca Koroll1, Wolfram Höpken1 und Matthias Fuchs
Forschungsgruppe Data Science, Institut für Digitalen Wandel (IDW)
Department of Economics, Geography, Law and Tourism (EJT), Mid-Sweden University

Einführung

Die Analyse von Bewegungsmustern zwischen Points of Interest (POI) spielt eine entscheidende Rolle für das Management von Reisezielen sowie für das Gaststätten- und Hotelgewerbe
in der Region. Aufgrund der Entwicklung von Internet-Technologien bieten Social-Media-Plattformen eine große Menge an nutzergenerierten Inhalten, die für die Tourismusbranche ausgewertet
werden können. In dieser Studie wurden hochgeladene Bilder und ihre geografischen Informationen von Instagram in der Bodenseeregion gesammelt und durch Cluster- und
Assoziationanalyse beliebte Attraktionen und Bewegungsmuster der Touristen identifiziert.

Methodik

Datenextraktion und -aufbereitung

Datenprozess

Clusteranalyse

  • Geographische Gruppierung der Posts zu Points of Interests (POIs)
  • Verfahren: Density Based Spatial Clustering of Applications with Noise (DBSCAN)
  • Verarbeitungsprozess:
       1.  Entfernen von Ausreißern
       2. Filtern populärer Cluster

Clusteranalyse

Assoziationsanalyse

  • Assoziationsregeln: Antezedent --> Konsequent
    z.B. Lochau --> Bregenz bedeutet
    Wenn ein Besucher Lochau besucht, besucht er auch Lindau.
  • Verfahren: FG-Growth-Algorithmus

Ergebnis

Regionale Assoziationsregeln: Bidirektionale Bewegungsmuster innerhalb der Bodenseeregion

Assoziationsregel-regional

 

Tabelle1

 

Lokale Assoziationsregeln: Bewegungsmuster innerhalb Friedrichshafen

Assoziationsregeln-lokal

Tabelle2

Zusammenfassung

  • Big Data aus sozialen Medien enthält wertvolles Wissen für die lokale Tourismusbranche und sollte daher in Zukunft stärker berücksichtigt werden.
  • Wegen des großen Potenzials der Daten von Instagram ist es möglich, mehr Feedback-basiertes Wissen zu entdecken und individualisierte Reisetipps zu geben.

Literatur

Wang, Z., Koroll, L., Höpken, W. and Fuchs. M. (2022). „Analysis of Instagram Users’ Movement Pattern by Cluster Analysis and Association Rule Mining” In Information and Communication Technologies in Tourism 2022, accepted. Springer, Cham.