텍스트 마이닝을 이용한 관광지 이미지 구성요인 및 측정에 관한 연구

A Study of Destination Image and Measurement Using Text Mining

본 연구는 관광객들이 직접적으로 인식하는 관광지 이미지를 밝히기 위해 관광정보를 제공하는 주요 매체인 온라인 여행커뮤니티의 리뷰데이터를 분석하여 유의미한 정보를 추출하는데 그 목적이 있다. 이를 위해 글로벌 여행커뮤니티인 트립어드바이저닷컴(Tripadvisor.com)으로부터 서울의 관광지를 방문하고 작성한 외국인 관광객들의 온라인 리뷰데이터를 수집, 분석하였다. 특히, 수집된 질적 데이터인 온라인 리뷰를 텍스트 마이닝 기법과 TF-IDF 가중치 산출법을 이용하여 분석 가능한 양적 데이터의 형태로 변환하여 관광지 이미지 구성요인을 도출하였으며, 관광지 유형에 따른 관광지 이미지를 측정하였다. 연구결과, 관광지의 인지적 이미지에 해당하는 8개의 요인과 정서적 이미지에 해당하는 8개의 요인이 도출되었으며, 도출된 관광지 이미지는 관광지 유형에 따라 유의한 차이가 있는 것으로 나타났다. 본 연구는 질적 데이터인 온라인 리뷰데이터를 추출하고 가공하여 정량적 분석을 체계화 시키는데 의의가 있으며 이를 바탕으로 인터넷과 모바일을 통해 기하급수적으로 증가하고 있는 빅 데이터를 관광분야에 적용하기 위한 이론적 기반을 제공한 점에서 시사점을 가진다.

The purpose of this study is to examine the components of tourist destination image and its measurement through travelers’ on-line review data using a well-known travel site, and to withdraw implications for constructing a competitive destination image according to different types of tourist destinations. In order to extract lively and realistic information from travelers about destination image, this study collected travelers’ reviews on a travel community website, and analyzed them using the text miming approach. This is an appropriate analytic method for examining qualitative data from SNS and Big Data in the operating environment of Web 2.0. A web crawling method was used to collect the appropriate samples and to analyze travelers’ opinion data from the selected travel community website, Tripadvisor.com. The collected data of qualitative information from travelers’ online reviews was converted into a quantitative form that was available for statistical analysis using text mining and TF-IDF(Term Frequency-Inverse Document Frequency). The result showed that identifying the travelers’s perceived image of tourist destinations using reviews from online travel community would be a useful approach to provide meaningful implications for understanding tourist destinations’ image and developing competitive marketing strategies for the destinations. Another contribution of this study is to organize the quantitative analysis by extracting and processing the data from an online review that is basically qualitative data. Finally, this study provides the theoretical basis to apply Big Data in the tourism field, which increases exponentially on the internet and mobile environment through the advancement of travelers’ information technologies.