Promouvoir une destination touristique via l’engagement des internautes

Author:

Lacan Camille,Botti Laurent

Abstract

• Objectifs de la recherche Cette recherche étudie les déterminants de l’engagement des internautes envers une destination touristique sur les réseaux sociaux. • Méthodologie Une étude quantitative est conduite sur un échantillon de 27 destinations touristiques. Un modèle de topic modeling (LDA) identifie les attractions mises en avant dans le contenu du message puis une régression évalue l’influence relative de chaque déterminant sur l’engagement. • Résultats Les résultats montrent qu’une destination se caractérise par une typologie de quatre types d’attractions (attractions culturelles, patrimoniales, gastronomiques et naturelles) et que l’engagement de l’internaute s’accroît en mettant en avant les attractions naturelles. De plus, les résultats montrent que l’informativité du message a un effet négatif sur l’engagement des internautes tandis que la valence, l’association à un visuel et les effets d’imitation l’augmentent. • Implications managériales/sociétales Ces résultats aident à déterminer le type d’attraction qui génère le plus d’engagement et suggèrent de privilégier un message positif, visuel et court (< 50 mots). La prise en compte des effets d’imitations peut également donner lieu à des stratégies de relance par les organismes de gestion de destination. • Originalité Cette recherche montre que l’engagement de l’internaute est déterminé non seulement par les caractéristiques du message mais aussi par la visibilité de l’engagement des autres internautes selon des effets d’imitation.

Publisher

CAIRN

Subject

Marketing,Strategy and Management,General Materials Science,Media Technology

Reference35 articles.

1. The future of social media in marketing;Appel Gil;Journal of the Academy of Marketing Science,2020

2. The Role of Emotions in Marketing;Bagozzi R. P.;Journal of the Academy of Marketing Science,1999

3. et al. Review of General Psychology Baumeister, R.F., Bratslavsky, E., Finkenauer, C. (2001), Bad is stronger than good. , 5(4): 323.

4. Journal of Machine Learning research Blei, D. M., Ng, A. Y. et Jordan, M. I. (2003), Latent dirichlet allocation. , 3(Jan): 993-1022.

5. Tourism Management Botti, L., Peypoch, N. et Solonandrasana, B. (2008), Time and tourism attraction. , 29(3): 594-596.

Cited by 1 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3