外文翻译译文-预订在线与否决策规则的方法

预订在线与否决策规则的方法 11 介绍 随着信息技术的革新与进步，不仅改变了旅游产品和服务在实际空间上的分配额度，（Buhalis和Licata，2002;GursoyMcLeary，2003;Kim和Lee，2004）同时也对游客的个人行为产生了巨大影响。特别是，线上消费的客户受到以往经验的影响（Lehto, Kim &Morrison，2006）对服务质量（SultanMooraj，2001），价格（Mitra&Pla，2001），风险（Koufaris，2002）以及对线上的评论和建议（Sparks&Browning，2011）看法，使得对以往的购票模式不再那么热衷（OConnor&Frew，2004）。客户对其依赖程度的缺失，对这个行业来说必然是一个巨大的挑战，Kuttner（1998）和Hax（2005）认为，通过网络可以在各大企业与他们的消费之间建立一个强大关系网，对其实行有效的电子商务战略然而，对客户之前网上购票的原因探讨，将对我们的研究提供更有效的事实依据。 我们采用了有效的数据挖掘技术去探索在网络环境下，伊朗游客的购票行为以及不同因素对对其使用网上预订酒店服务的影响。该项技术，先前曾被使用分析客户的行为，其作为数据库知识发现的一个阶段，涉及到具体算法的应用模式提取。（Mitra等人，2001）。 数据挖掘技术可以为管理人员提供宝贵的信息，使他们对消费者行为有更深入的了解，并制定有效的客户保留策略。 本研究报告对以下两项研究产生了必然的影响：首先，线上旅行安排的显性分析首次作为新的数据挖掘工具；此外，本论文是研究伊朗游客线上预订行为的首例。尽管伊朗有惊人的旅游资源（Butler, OGorman&Prentice， 2011），但仍在努力电子旅游文学。 2显性分析基于粗糙集理论的分析方法粗糙集理论，首次由Pawlak（1982）提出，是一种数学计算工具，用于处理具有模糊性和不确定性的问题（Pawlak，1997）。粗糙集理论能够消除数据组之间的联系，统计出各类不相关的因素（Golmohammadi，Shams Ghareneh，Keramati，与Jahandideh，2011）。同时，它也能够通过简单的设置操作筛选出数据最集中的信息。（Hung，2009）。然而，经典粗糙集方法作为一般的数据挖掘技术在问题级别分类中受到限制，由于数据的无序排列或者有序排列数据被忽视。Greco，Matarazzo和Slowinski（1998）在显性支配原则下吸收有序数列的倾向数据到问题分类中，拓展了粗糙集理论。由此产生的DRS基本上取代了CRS显性支配关系去分析有序倾向的数据。虽然粗糙集理论已经被运用到旅游业研究中（Goh&Law，2003；Law&Au，2000），1原著作者：A.R. Golmohammadi 摘自 Booking on-line or not: A decision rule approach基于粗糙集理论的显性分析仍处于未发掘状态。目前，它仅仅被Liou和Tzeng（2010）运用到在航空业提供了一套规则来确定航空公司客户的态度和忠诚度。自从其结果证明了基于粗糙集理论方法的显性分析在预测客户行为方面的有效输出，该分析工具的运用将对影响客户行为的因素提供更有效的分析理解。Liou和Tzeng对粗糙集方法显性分析的基本方面，以及计数受限的情况做出了具体解释。诚然，粗糙集理论的主要优势是利用简明易懂的决策规则做出了决定者的倾向性模型。比如：先前设定X输出决定为Y。关于CRS和DRS的一个主要区别在于CRS规则在有效价值的平等关系“=”下在表达先前规则时受到限制，然而DRS规则能够表达更具倾向性的关系如“”和“”来体现与先前数据的联系。3方法和技巧为了研究的基于粗糙集理论的显性分析对挖掘网络环境下客户行为的实用性，我们专注于伊朗的在线酒店预订情况，并尝试做出客户对其使用行为的模型。研究在线客户行为的第一步是设定影响因素的标准，因为普遍认为，客户的线上消费行为相比于先下消费行为更为复杂，并且在这样的环境下一些潜在的风险因素会显得更为重要（Koufaris，2002）。通过对现存的文献的回顾，（例如，Au Yeung和Law(2003), Wong和Law(2005), Law和leung(2002), Law和chung（2003）以及对十位资深旅行社管理人员和五位大学教授的非正式采访，我们得出了15条影响游客在线决定的因素。基于这15条因素，我们设计了一份包含各个因素之间的有效联系性的初步问卷，并在德黑兰的伊玛目霍梅尼国际机场分发给105位自称有至少一次网上预订体验的乘客。根据该问卷调查的结果，五项最高评分标准包括：朋友的推荐，可接受的价格，可接受的服务，可接受的风险，以及过去使用的类似服务的经验，这些被用来参考并设计完成第二份问卷。第二份问卷由三部分组成：（1）受访者个人信息，（2）以上提及的五项标准，（3）最后一个问题，即询问受访者是否曾通过他/她访问的网站预订酒店房间，表1说明了变量，其相应的价值和他们的喜好。每位受访者要求表达这五项因素的个人意见，以及他/她的决定，即预订与否。该问卷被放置五所在伊朗著名的在线酒店预订网站的主页上。浏览这些网站的游客将被邀请填写问卷。三个月之后，总共回收432份问卷忽略缺失数据和异常值，有效问卷411份。我们使用JMAF软件（IDSS，2009年实验室）对问卷数据进行了分析；利用典型软件对基于粗糙集理论的显性原则进行分析。4数据分析和讨论对数据的分析发现了一组21最小范围涵盖规则“即本集不包含多余规则。为了检查生成的规则的有效性，我们采用了10倍交叉验证技术（Liou，2009 ），其中90 的数据，随机选择的90%的数据用于规则生成，即正确预测的百分比，然后用测试其余10的数据。此过程重复10次。该结果表明，较低的分类误差（4.4） ，证明了我们提出的DRS在模游客在线行为的稳定性。其中21规则，我们再删除有效度低于10的规则。规则的覆盖强度代表的数量涵盖了该规则下的受访者。这个过程减少到了14条有效影响因素。这表明，DRS，能够在这14规则下对大部分数据进行分类，表现出比普通粗糙集理论的绝对优势。这些规则和它们的优势是具体呈现在表2和少许呈现于表1。根据结果显示，216受访者受限于规则3。这表明，近53 的受访者不会在线预订（不考虑其他因素），如果他们认为该网站提供的信息存在的风险较高。这表明，“认知风险”是主导因素，这对游客的在线行为产生了最大的影响。第5条同样支持这种说法，因为它表明，如果存在较高的负面口碑，甚至中等水平的感知风险，这将促使游客放弃网站预订，即使该网站的信息质量和服务质量都很高。感知风险，对于女性游客来说显得更为重要。规则10显示当一个女性游客认为该网站提供的信息对她的感知风险较低，同时当她看到了关于该网站积极的口碑，那么她很可能会通过网络预订实际质量很差的酒店。第2条规则进一步支持了这个设想，它表明高收入对价格可能并不是很敏感的女性，一个负面口碑便足以使她放弃该酒店的预订。规则5和10突出表现了感知风险和口碑主导了伊朗游客的线上预订行为，而当这些变量相结合，消极或积极，他们会促使游客不使用一个高品质的网站或者使用一个低质量的网站。口碑在某种程度上来说也显得比价格更为重要。第6条指出，良好的过去经验与今后的正面口碑可以使一个具有中等或低收入的客户去接受一个并不具备太多竞争力的价格。然而，这不会降低感知价格，如第7条规则的重要性表明，对于一个中等或低收入的游客，低廉的价格与正面口碑的到来，会促使其使用低质量的网站。事实上，根据规则6和8表明，只有当他们认为一个非常高质量的或他们有良好的过去经验的情况下，才会接受中等甚至更高的价格。最后，规则1和13突出感知质量的重要性，尤其是男性游客，感知质量可以降低高风险的给其带来的不利影响以及低价带来的正面影响5数据挖掘和游客行为目前，我们已经使用了一个相对较新的数据挖掘技术来模拟游客行为的网络环境。具体来说，我们试图研究不同的因素对伊朗游客在他们打算出国旅游休闲时决定使用在线酒店预订网站服务的不同影响。我们选择伊朗作为研究的地理环境，主要是因为它是在充分地运用于旅游研究。这更是明确的电子旅游的研究，因为本文是研究伊朗游客在线决策和行为的首例。我们提出的DRS的应用程序的结果显示，我们的分类误差相对较小。此外，这种技术源于简单的if . Then的决策规则，遵循自然语言形成，使他们的意思很容易理解。这表明DRS模型可有效运用于电子旅游领域。首先识别客户并预测他们的行为，并制定有效的营销策略。综上所述，本研究揭示了关于游客的线上预订行为的一些有价值的信息：其中感知风险和口碑对伊朗游客的线上预订行为起着主导作用。这一发现可用来支撑现存的文献，例如，Lewis和Chambers（2000），他们主张许多酒店和旅游产品都被视为高风险采购，为此，参考群体评价的风险情绪是决策过程中的一个重要方面。我们的研究结果还表明，这两种因素的结合可确定游客是否决定使用特定的网上订房网站。此外，这些因素可以在一定程度上弥补感知价格和质量带来的影响。在线预订网站需要进一步获取客户的信赖，以此降低感知风险，这是影响消费者网上购买意向的一个重要的前提。可以创造公共论坛或评论网站，作为一个适当的降低风险策略。在这方面举例说，Chen（2008）认为，潜在的消费者会考虑网上消费者的评论，作为减少风险和不确定性的一种方法。这证实了Sparks和Brownings的（2011）观察到的网上口碑很可能会导致信誉的发展和信任。但是低价是吸引中等收入的游客的重要因素。最后，当它涉及到性别差异，我们的研究表明，虽然“认知风险”是一个关键因素，男游客似乎更倾向于采取当网站质量的认知。本研究我们探讨了在网络环境下游客的线上预订行为及其影响因素，未来的研究可以将 DRS 运用到游客的其他选择中，如航空公司或酒店选择。凭借其独特的DRS 方法，模拟客户的行