earticle

영어

This study used variables classified by travel itinerary, including demographic variables of tourists, to find out the factors affecting the daily spending per person of foreign tourists who visited Korea for leisure, entertainment, and rest. For this purpose, the survey data of 9,345 people who visited Korea for leisure, entertainment, and rest were used as the 2019 foreign tourist survey data. As for the analysis method, major variables of expenditure factors were derived and compared using artificial intelligence techniques CART, QUEST, and MLP. For the variables used in the analysis, a total of 18 independent variables that can be divided into before, during, and after the trip were used based on the personal characteristics of foreign tourists. As a result of the analysis, the method with the highest average predictive power among the three AI techniques was CART at 69.6%, followed by MLP at 69.5% and QUEST at 68.5%. Variables derived from two or more of the three methods were travel type, continental classification, necessary information, and shopping items. These results suggest a new perspective of 'time point' when establishing a tourism policy considering the tourism balance by using variables that are differentiated according to the itinerary, unlike the previous studies on the expenditure factors of inbound tourists.

한국어

본 연구는 한국을 여가, 위락, 휴식을 목적으로 방문한 외래관광객의 1인 하루 지출액에 영향을 미치는 요인을 찾기 위해서 관광객의 인구통 계학적 변수를 포함해 여정별로 구분된 변수를 이용하였다. 이를 위해 2019년 외래관광객 조사 자료를 중 여가, 위락, 휴식으로 한국을 방문한 9,345명의 설문 응답자료를 이용하였고 분석방법은 인공지능기법인 CART, QUEST 그리고 MLP를 이용해 지출요인 주요변수들을 도출하고 이 를 비교하였다. 분석에 사용한 변수는 외래관광객의 개인특성 정보로부터 여행의 여정의 단계별로 여행 전, 중 그리고 후로 구분될 수 있는 총 18 개의 독립변수가 사용되었다. 분석결과 인공지능기법 세 방법 중 평균 예측력이 가장 높은 방법은 CART로 69.6%였고 다음은 MLP 69.5% 그리 고 QUEST는 68.5%로 나타났다. 세 방법 중 두 개 이상의 방법으로부터 도출된 변수는 여행형태, 대륙구분, 필요정보 그리고 쇼핑품목으로 나타 났고 이러한 변수는 한국 여행의 여정별 구분에서 한국 방문 사후 평가에 해당되는 여행 후 변수들은 포함되지 않은 것들이었다. 이와 같은 결과 는 기존 외래관광객 지출요인 연구들과 다르게 여정에 따라 구분되는 변수를 이용함으로써 관광수지를 고려한 관광정책을 수립할 때 ’시점‘이라 는 새로운 관점을 제시하였다.