南開科技大學圖書館 |

Language: 繁體中文

說明(常見問題)

南開科技大學

圖書館首頁

編目中圖書申請

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

以RFM為基礎的旅宿業網路訂房及評價平台之價值分析

宋滿金

以RFM為基礎的旅宿業網路訂房及評價平台之價值分析

紀錄類型:	書目-語言資料,印刷品 : 單行本
作者:	宋滿金,
其他作者:	許勝程,
出版地:	[南投縣]
出版者:	南開科技大學休閒事業管理研究所;
出版年:	民108[2019]
面頁冊數:	60葉 : 圖,表 ; 31公分+1張光碟
標題:	旅宿業
標題:	lodging industry
電子資源:	https://hdl.handle.net/11296/783yww
電子資源:	https://hdl.handle.net/11296/7yeb3m
附註:	指導教授: 許勝程
附註:	參考書目: 葉59-60
摘要註:	本研究主要以旅宿業網路訂房平台及評價平台為分析對象，了解不同網路訂房平台及評價平台的績效，以及藉由RFM對於不同網路訂房平台及評價平台進行分群，作為旅館控房及評價推廣之參考。本研究以台灣中南部某縣市評價最高之連鎖星級旅館的網路訂房平台的訂房資料及網路評價平台資料為基礎，分析2018年一整年1-12月之網路訂房資料及網路評價資料。根據分析結果得知，網路訂房平台之訂單比率已超過整體住宿的三成。不同背景變項之下，網路訂房績效及網路評價績效有顯著差異。網路訂房平台整體表現最佳的為Booking.com、其次是Expedia&Hotels.com及Agoda。網路評價平台整體表現較佳的有Booking.com、TripAdvisor、Facebook及Google。

以RFM為基礎的旅宿業網路訂房及評價平台之價值分析
宋, 滿金

以RFM為基礎的旅宿業網路訂房及評價平台之價值分析 / 宋滿金 - [南投縣] : 南開科技大學休閒事業管理研究所, 民108[2019]. - 60葉 ; 圖,表 ; 31公分.
指導教授: 許勝程參考書目: 葉59-60.
旅宿業lodging industry

許, 勝程

以RFM為基礎的旅宿業網路訂房及評價平台之價值分析
LDR:02630pam0 2200301 450 001 1000097556
005 20230724143433.0
009 00153688
010 0 $b 精裝
099 $a 107nkut0675016
100 $a 20190912y2019 k y0chia0101 e
101 0 $a chi
102 $a tw
105 $a ak am 000yy
200 1 $a 以RFM為基礎的旅宿業網路訂房及評價平台之價值分析 $f 宋滿金
210 $a [南投縣] $c 南開科技大學休閒事業管理研究所 $d 民108[2019]
215 0 $a 60葉 $c 圖,表 $d 31公分 $e 1張光碟
300 $a 指導教授: 許勝程
300 $a 參考書目: 葉59-60
328 $a 碩士論文--南開科技大學休閒事業管理研究所
330 $a 本研究主要以旅宿業網路訂房平台及評價平台為分析對象，了解不同網路訂房平台及評價平台的績效，以及藉由RFM對於不同網路訂房平台及評價平台進行分群，作為旅館控房及評價推廣之參考。本研究以台灣中南部某縣市評價最高之連鎖星級旅館的網路訂房平台的訂房資料及網路評價平台資料為基礎，分析2018年一整年1-12月之網路訂房資料及網路評價資料。根據分析結果得知，網路訂房平台之訂單比率已超過整體住宿的三成。不同背景變項之下，網路訂房績效及網路評價績效有顯著差異。網路訂房平台整體表現最佳的為Booking.com、其次是Expedia&Hotels.com及Agoda。網路評價平台整體表現較佳的有Booking.com、TripAdvisor、Facebook及Google。 $u This study used the RFM to investigate and analyze the performance of lodging booking websites and evaluation platforms, and cluster them into groups by using RFM as the reference for room control and promotion. This study analyze the information of year 2018 of the highest rating hotel in south-central. According to the analysis, more than one third of the customers came from lodging booking websites. The results showed that there was significant difference in different background variables regarding the performance of the booking website and evaluation platform. According to the result, Booking.com has the best performance in both booking website and evaluation platform.
510 1 $a RFM-based value analysis on lodging booking website and evaluation platform. $z eng
610 0 $a 旅宿業 $a 網路訂房平台 $a 網路評價平台 $a 價值分析 $a RFM
610 1 $a lodging industry $a lodging booking website $a evaluation platform $a value analysis $a RFM
681 $a 000 $b 3038
700 1 $a 宋 $b 滿金 $3 1000122025
702 1 $a 許 $b 勝程 $3 124497
801 0 $a tw $b 國圖 $c 20130805 $g CCR
801 1 $a tw $b 國圖 $c 20130805 $g CCR
856 $u https://hdl.handle.net/11296/783yww
856 $u https://hdl.handle.net/11296/7yeb3m