عنوان پایان‌نامه
مقایسه برآوردتابع قیمت اتاق هتل های تهران به روش هدانیک وشبکه
- رشته تحصیلی
- مدیریت جهانگردی - بازاریابی جهانگردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75957;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75957
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۴
- دانشجو
- فاطمه حمصیان اتفاق
- استاد راهنما
- محسن نظری
- چکیده
- در این مقاله، با استفاده از دو مدل رگرسیونی هدانیک و شبکه عصبی پرسپترون دو لایه، تابع لذت باورانه ی قیمت اتاق های دو تخته ی استاندارد در هتل های 3، 4 و 5 ستاره ی شهر تهران برآورد و مقایسه شده است. برای این امر داده های تحقیق از سایت های رزرواسیون آنلاین (ایران هتل و هتلیار) و در برخی موارد از طریق تماس با هتل ها گردآوری شده. نتایج پژوهش نشان می دهد که شبکه عصبی با دقت بالاتری تابع قیمت را تخمین می زند. از طرف دیگر 5 متغیر تعداد ستاره، رضایت مشتریان قبلی، متراژ اتاق، وجود دستگاه چای/ قهوه ساز در اتاق و تعداد رستوران های هتل به ترتیب دارای بیشترین تأثیر بر قیمت هتل ها می باشند. بنابراین مدیران هتل ها در بازار رقابتی برای جلب رضایت مشتریان خود باید عوامل مذکور را مورد توجه قرار دهند و حتی الامکان در هتل تعبیه نمایند.
- Abstract
- In this paper, the function of hotel rooms prices is estimated by Hedonic regression model and two layers Perceptron Neural Network to compare with each other. The statistical universe includes standard double rooms of 3, 4 and 5 stars hotels in Tehran. The features of hotels and needed data are collected via online reservation websites (iranhotel & hotelyar) and phone calls. The results of research show that the function which is estimated by ANN is more precise than Hedonic model. Moreover, according to Hedonic regression the most effective features of hotel rooms in their prices are star, satisfaction, room size, tea/ coffee maker and number of restaurants. As a result the mentioned features should be noticed by hotel managers to satisfy their customers in a competitive market. This paper is of value to hotel managers, advertisers and pricing researchers.
