پیش بینی رفتار مصرف کننده در انتخاب هتل با استفاده از شبکه عصبی (مورد مطالعه: گردشگران شهرستان شیراز)

آمارها نشان می دهد که صنعت گردشگری به سرعت در حال گسترش بوده و امروزه یکی از سه صنعت برتر جهان محسوب می شود. از طرفی صنعت هتل داری یکی از ارکان اصلی صنعت گردشگری می باشد و با توجه به وجود رقابت روزافزون، فصلی بودن تقاضا، نیاز به افزایش نرخ اشغال اتاق ها، جابه جایی زیاد مشتریان و بالا بودن هزینه جذب مشتریان جدید در صنعت هتل داری، شناسایی عوامل موثر در انتخاب هتل همواره یکی از دغدغه های اصلی در این صنعت محسوب می شود. بر این اساس، پژوهش حاضر با هدف شناسایی عوامل موثر بر انتخاب هتل و پیش بینی رفتار مصرف کننده در شهرستان شیراز انجام گرفته است. در این راستا ابتدا متغیر-های موثر در انتخاب هتل شناسایی شده و سپس بهترین مدل شبکه عصبی مصنوعی برای پیش بینی رفتار مصرف کننده در انتخاب هتل ارائه گردیده است. این مدل شبکه های پرسپترون چند لایه (mlp) شامل 2 لایه ی مخفی و الگوریتم یادگیری پس انتشار خطا (ebp) با تابع محرک تانژانت هایپرپولیک در لایه ی مخفی و لایه ی خروجی است. کارایی این مدل 76 درصد پاسخ صحیح با ضریب تعیین 58/0 می باشد. همچنین با استفاده از تحلیل حساسیت، عامل های تضمین و کیفیت ظواهر خدمات به عنوان مهم ترین عامل های موثر در رفتار مصرف کننده شناسایی شده اند.