Le analisi descritte in questo capitolo portano a osservare il modo in cui il modello ci aiuta a comprendere i dati.
Per quanto riguarda l’applicazione del modello CUB senza covariate, al- cuni degli aspetti emersi ripercorrono quanto già studiato in letteratura e riportato nel Capitolo 2.
I luoghi compresi nel circuito principale risultano avere, nella valutazione, un grado di incertezza compreso tra 0,001 e 0,059: valori bassi, se confrontati con quelli dei luoghi secondari, che arrivano a superare 0,190. Può essere ricondotto, questo, ad una maggiore conoscenza del visitatore dei primi luoghi data dalla loro fama, o anche da una comunicazione maggiore di informazione fornita dalle prime attrazioni.
Per quanto riguarda il grado di liking, i valori sono, come era possibile ipotizzare, più alti tra i luoghi del circuito principale, dove sono compresi tra 0,833 e 0,927. I valori del liking tra le attrazioni secondarie coprono un intervallo compreso tra 0,827 e 0,899.
Dal confronto tra la valutazione media dei vari punti d’interesse e le com- ponenti di liking e incertezza emergono aspetti rilevanti. Il primo, e il più prevedibile, è che dove il grado di liking raggiunge il suo massimo valore (Pa- lazzo Ducale) anche la valutazione media è la più elevata. Vale anche l’op- posto: quando il grado di liking è minimo (Ca’ D’Oro) anche la valutazione è quella con il valore minore.
Un altro aspetto è quello che vede l’azione combinata delle componenti liking e incertezza. Prendendo a confronto due luoghi di interesse come Basilica di Santa Maria della Salute e Punta della Dogana, si può facilmente comprendere come l’aumento del grado di incertezza attenui l’influenza del liking sulla valutazione finale. Il primo luogo ha, infatti, una valutazione media di 4,54, di fronte ad un valore di liking pari a 0,886; il secondo luogo ha una valutazione media di 4,21, con un valore di liking pari a 0,899. Come premesso, il valore dell’incertezza diventa fondamentale, in quanto nel primo caso assume un valore di 0,001, nel secondo raggiunge lo 0,194.
risultano rilevanti.
Innanzitutto, è facile notare che, con campioni più ampi, le variabili ri- sultate significative nell’influenza sul grado di incertezza e sul grado di liking siano un numero maggiore. Per accorgersi di ciò è sufficiente confrontare la tabella 4.4 e la tabella 4.12, dove i luoghi appartenenti al circuito principale sono associati ad almeno due variabili significative per l’influenza sulle com- ponenti di liking e incertezza. Al contrario, non per tutti i luoghi secondari sono state riscontrate variabili significative. Una numerosità campionaria più ampia permette, senza dubbio, una migliore analisi.
Esemplare è il caso di Palazzo Ducale, cioè l’attrazione con il campione di numerosità maggiore tra quelle studiate (n=10011). In questo caso, oltre alle tre variabili tra quelle specificate in partenza, a risultare significative sono state altre due variabili latenti, individuate in seguito ad un’analisi delle componenti principali (ACP). Questo procedimento è stato applicato anche ad altre attrazioni, con un campione di numerosità minore rispetto a quello di Palazzo Ducale: le variabili trovate non sono risultate però significative.
Alcune delle variabili studiate si sono rivelate significative per numerose attrazioni e influenti nello stesso modo. Tra tutte, si osserva l’influenza della variabile che descrive il livello dell’utente sul liking: in tutti i casi in cui quella variabile è risultata significativa, all’aumento del livello dell’utente è stato notato corrispondere una diminuzione del grado di liking. Nell’influenza al grado di liking si notano altre due variabili ricorrenti. La prima è quella riferita alla provenienza dall’Italia, in particolare per le attrazioni relative al circuito principale. Nei casi in cui l’influenza di questa variabile è risultata significativa, per gli utenti provenienti dall’Italia è stato sempre registrato un grado di liking superiore rispetto agli altri. La seconda variabile ricorrente è quella relativa al genere: in tutti i casi in cui è risultato influire in modo significativo sul liking, si è osservato che alle rispondenti donne corrisponde un grado di liking più alto rispetto ai rispondenti uomini.
Una variabile che ha confermato le supposizioni di partenza è quella re- lativa all’età. Ad esempio, nel punto di interesse Campo Santa Margherita, all’aumento dell’età dei rispondenti corrisponde una diminuzione del grado di liking: come è noto, Campo Santa Margherita è un luogo di ritrovo per
giovani residenti e turisti, e ciò si riflette nei risultati dell’analisi.
Risulta interessante come luoghi di interesse appartenenti ad uno stesso ambito, come quello dei musei e delle mostre d’arte in questo caso, presentino caratteristiche in comune. Il caso è quello dell’attrazione Collezione Gugge- nheim e dell’attrazione Biennale. Il primo punto in comune è relativo alla variabile che influisce sull’incertezza: in entrambi i casi è la variabile che descrive il genere, e in entrambi i casi se i rispondenti sono uomini il grado di incertezza è maggiore. Altro punto in comune si trova guardando alle va- riabili che influiscono sulla componente di liking: in entrambe le attrazioni questa componente è influenzata dalla provenienza del rispondente. In par- ticolare, se la provenienza del rispondente è esterna all’Europa, il grado di liking è maggiore.
Conclusioni
L’analisi delle preferenze dei turisti risulta particolarmente importante per di- verse ragioni, che trovano il punto in comune nella natura stessa dell’attività turistica: un’esperienza, che vede tra le principali fonti di influenza le testi- monianze personali di chi ha già viaggiato negli stessi luoghi (Tripbarometer, 2018).
Queste testimonianze sono alla base dell’eWOM, il passaparola elettroni- co, che è stato dimostrato essere preso in considerazione dai futuri viaggiato- ri più dei canali turistici ufficiali, secondo solo alle informazioni ricevute da parenti ed amici tramite passaparola tradizionale (Fotis et al., 2012).
L’espressione delle preferenze relative ad attrazioni già visitate avviene online tramite piattaforme dove gli utenti possono condividere le proprie percezioni e preferenze. TripAdvisor è la piattaforma più nota in questo ambito, che ad oggi ha assunto le vesti di un vero e proprio social network dove è possibile lo scambio di informazioni, consigli e foto.
I dati ordinali diventano la base su cui fondare l’analisi delle preferenze: nella letteratura sono molte le metodologie adottate e che hanno vissuto negli anni un’evoluzione. Tra i più rilevanti si nominano la tecnica delle scale, la ricerca di variabili latenti, i GLM (Modelli Lineari Generalizzati).
Il metodo scelto in questa tesi per analizzare i dati, quello del modello CUB, permette di comprendere ciò che sta dietro ad una semplice valutazio- ne. Risulta utile, questo, sia agli utenti stessi che a chi si occupa dei luoghi di interesse. Differenziare la componente di incertezza da quella di liking porta ad avere una visione più chiara delle problematiche e dei punti di forza delle attrazioni. Per gli utenti, questo è un ulteriore elemento per valutare se desiderano o meno visitare una determinata attrazione; per chi si occupa
delle attrazioni, è uno strumento per capire l’atteggiamento dei visitatori e migliorare il servizio offerto.
Oltre ai risultati dell’applicazione del modello alle singole attrazioni, è stato possibile osservare caratteristiche comuni in attrazioni diverse e com- portamenti ripetuti per alcune variabili.
Si è osservato che i luoghi del circuito principale hanno, in media, un va- lore maggiore del grado di liking e un valore inferiore del grado di incertezza: un risultato che può essere ricondotto alla fama dei luoghi. Per diminuire la differenza relativa all’incertezza, a beneficio della valutazione finale, sarebbe utile rendere più informati i turisti anche relativamente ai punti di interesse meno visitati tra quelli qui proposti.
Un esempio dell’importanza di ridurre l’incertezza è il confronto tra i punti di interesse Basilica di Santa Maria della Salute e Punta della Dogana. Pur con un valore minore del grado di liking, Basilica di Santa Maria della Salute ha una valutazione media superiore: questo è collegato al grado di incertezza, molto basso in questa attrazione, 0,001, e prossimo a 0,2 nel caso di Punta della Dogana.
Con l’introduzione delle covariate, le variabili assumono importanza cen- trale. Nel caso di Palazzo Ducale, grazie anche all’elevata numerosità cam- pionaria, sono state individuate due variabili latenti che sono risultate signifi- cative per l’influenza sul grado di incertezza, in un caso, e sul grado di liking, nell’altro.
Di particolare rilevanza è il caso della variabile che descrive il livello dell’u- tente. In tutti i punti di interesse in cui è risultata significativa per l’influenza sul grado di liking, si è osservato che in corrispondenza di utenti più esper- ti il grado di liking è inferiore. Questo comporta valutazioni inferiori, ed è necessario prestare attenzione a questa componente se si desidera aumentare il gradimento anche per gli utenti più esperti, indagando maggiormente sul- le loro aspettative o sulle problematiche riscontrate. Questi utenti possono essere, infatti, uno stimolo e una fonte di miglioramento.
Il punto di interesse Campo Santa Margherita, più di tutti, ha confermato le aspettative su questo luogo. Si è infatti osservato che all’aumento dell’età dei rispondenti corrisponde una diminuzione del grado di liking: come è noto,
Campo Santa Margherita è un luogo di ritrovo per giovani residenti e turisti. Ultimo aspetto di particolare rilevanza riguarda i luoghi di interesse ap- partenenti ad uno stesso ambito che presentano caratteristiche in comune. In questo caso, l’ambito considerato è quello dei musei e delle mostre d’ar- te. Si è notato che la variabile che influenza il grado di incertezza in modo significativo è il genere: a rispondenti uomini corrisponde una maggiore in- certezza. Risulta necessario comprendere da cosa derivi questa situazione e capire quali strumenti possano essere usati per arginarla.
Ciò che non è possibile fare, con questi dati, è studiare più approfondi- tamente le singole attrazioni: una valutazione unica non tiene conto dei vari aspetti delle singole attrazioni e limita la comprensione della valutazione del- le stesse. Può risultare interessante, in futuro, prendere in considerazione dati provenienti da piattaforme che chiedono ai propri utenti di valutare le attrazioni secondo più aspetti e punti di vista.
Appendice - Caratteristiche del
campione
• Palazzo Ducale
Tabella 4.21: Caratteristiche del campione relativo a Palazzo Ducale (n=10011)
Variabile Media St. Dev. Min Max Valutazione 4,67 0,60 1 5 Livello 5,07 1,14 1 6 Anno iscrizione 2011 2,65 2002 2018 Num recensioni 167,71 300,65 2 9768 Num voti 86,85 305,41 1 14582 Città visitate 128,01 173,27 1 3286 Num fotografie 214,86 3221,15 0 173281 Variabile % Italia 14,3 Europa 62,1 America 26,6 Età 18 - 24 2,6 Età 25 - 34 17,0 Età 35 - 49 35,0 Età 50 - 64 35,3 Età 65+ 10,1 Uomini 52,9 Donne 47,1
• Campanile di San Marco
Tabella 4.22: Caratteristiche del campione relativo a Campanile di San Marco (n=3310)
Variabile Media St. Dev. Min Max Valutazione 4,61 0,66 1 5 Livello 5,23 1,05 1 6 Anno iscrizione 2011 2,55 2003 2018 Num recensioni 219,22 426,70 3 9960 Num voti 116,06 453,45 1 14954 Città visitate 134,22 185,87 1 2955 Num fotografie 287,93 1879,80 0 72326 Variabile % Italia 17,9 Europa 65,3 America 23,2 Età 18 - 24 3,9 Età 25 - 34 20,2 Età 35 - 49 36,0 Età 50 - 64 32,1 Età 65+ 7,8 Uomini 56,7 Donne 43,3
• Ponte dei Sospiri
Tabella 4.23: Caratteristiche del campione relativo a Ponte dei Sospiri (n=3093)
Variabile Media St. Dev. Min Max Valutazione 4,32 0,76 1 5 Livello 5,50 0,84 1 6 Anno iscrizione 2011 2,67 2002 2018 Num recensioni 295,00 481,08 4 10048 Num voti 156,06 570,55 1 15131 Città visitate 167,15 208,46 1 2965 Num fotografie 401,43 1994,36 0 73824 Variabile % Italia 18,4 Europa 62,1 America 26,4 Età 18 - 24 3,7 Età 25 - 34 15,7 Età 35 - 49 35,5 Età 50 - 64 34,6 Età 65+ 10,5 Uomini 60,1 Donne 39,9
• Guggenheim
Tabella 4.24: Caratteristiche del campione relativo a Guggenheim (n=3354)
Variabile Media St. Dev. Min Max Valutazione 4,40 0,80 1 5 Livello 5,06 1,13 1 6 Anno iscrizione 2010 2,71 2002 2018 Num recensioni 167,21 333,51 3 6515 Num voti 87,98 332,80 1 13250 Città visitate 136,46 183,12 1 3288 Num fotografie 395,11 6828,63 0 173281 Variabile % Italia 19,8 Europa 68,0 America 22,3 Età 18 - 24 2,2 Età 25 - 34 10,2 Età 35 - 49 29,8 Età 50 - 64 41,8 Età 65+ 16,0 Uomini 52,4 Donne 47,6
• Basilica di Santa Maria della Salute
Tabella 4.25: Caratteristiche del campione relativo a Basilica di Santa Maria della Salute (n=1325)
Variabile Media St. Dev. Min Max Valutazione 4,54 0,64 2 5 Livello 5,41 0,97 1 6 Anno iscrizione 2011 2,61 2003 2017 Num recensioni 315,45 575,02 4 9978 Num voti 178,10 704,07 1 15033 Città visitate 166,85 236,56 1 3289 Num fotografie 658,03 5498,02 0 173281 Variabile % Italia 17,7 Europa 62,1 America 27,8 Età 18 - 24 2,1 Età 25 - 34 15,1 Età 35 - 49 34,1 Età 50 - 64 36,2 Età 65+ 12,5 Uomini 54,8 Donne 45,2
• Punta della dogana
Tabella 4.26: Caratteristiche del campione relativo a Punta della dogana (n=347)
Variabile Media St. Dev. Min Max Valutazione 4,27 1,06 1 5 Livello 5,55 0,85 2 6 Anno iscrizione 2011 2,45 2004 2018 Num recensioni 397,59 777,73 5 9920 Num voti 230,02 1001,30 1 14939 Città visitate 211,93 304,58 3 2950 Num fotografie 1185,87 9660,86 0 173281 Variabile % Italia 26,8 Europa 76,4 America 15,3 Età 18 - 24 3,8 Età 25 - 34 9,0 Età 35 - 49 33,8 Età 50 - 64 36,9 Età 65+ 16,5 Uomini 68,6 Donne 31,4 • Arsenale
Tabella 4.27: Caratteristiche del campione relativo a Arsenale (n=457)
Variabile Media St. Dev. Min Max Valutazione 4,28 0,74 1 5 Livello 5,51 0,85 2 6 Anno iscrizione 2011 2,58 2002 2018 Num recensioni 378,48 737,22 5 10046 Num voti 230,25 1013,82 1 15123 Città visitate 193,42 305,06 2 3289 Num fotografie 781,93 4339,81 0 72326 Variabile % Italia 28,0 Europa 79,0 America 10,3 Età 18 - 24 1,6 Età 25 - 34 14,8 Età 35 - 49 30,4 Età 50 - 64 35,7 Età 65+ 17,5 Uomini 66,1 Donne 33,9
• Biennale
Tabella 4.28: Caratteristiche del campione relativo a Biennale (n=454)
Variabile Media St. Dev. Min Max Valutazione 4,22 0,98 1 5 Livello 5,27 1,05 1 6 Anno iscrizione 2011 2,61 2003 2017 Num recensioni 225,03 378,93 4 4715 Num voti 116,76 349,91 1 6338 Città visitate 154,68 194,83 2 1424 Num fotografie 533,67 8145,16 0 173281 Variabile % Italia 36,1 Europa 79,3 America 13,0 Età 18 - 24 1,5 Età 25 - 34 9,9 Età 35 - 49 26,7 Età 50 - 64 45,8 Età 65+ 16,1 Uomini 54,6 Donne 45,4
• Campo Santa Margherita
Tabella 4.29: Caratteristiche del campione relativo a Campo Santa Margherita (n=205)
Variabile Media St. Dev. Min Max Valutazione 4,33 0,62 3 5 Livello 5,36 1,00 2 6 Anno iscrizione 2011 2,90 2004 2017 Num recensioni 269,83 340,75 6 2173 Num voti 152,57 1 19 1038 Città visitate 165,00 182,33 3 1009 Num fotografie 132,30 331,40 0 1986 Variabile % Italia 22,0 Europa 70,2 America 19,0 Età 18 - 24 2,9 Età 25 - 34 14,2 Età 35 - 49 31,2 Età 50 - 64 35,1 Età 65+ 16,6 Uomini 54,6 Donne 45,4
• Campo del Ghetto
Tabella 4.30: Caratteristiche del campione relativo a Campo del Ghetto (n=549)
Variabile Media St. Dev. Min Max Valutazione 4,28 0,72 1 5 Livello 5,45 0,97 2 6 Anno iscrizione 2011 2,79 2002 2018 Num recensioni 310,81 572,11 6 10039 Num voti 168,86 723,33 1 15123 Città visitate 202,61 297,08 1 3289 Num fotografie 370,39 1971,04 0 38714 Variabile % Italia 23,1 Europa 67,2 America 23,1 Età 18 - 24 2,1 Età 25 - 34 11,3 Età 35 - 49 25,1 Età 50 - 64 42,6 Età 65+ 18,9 Uomini 54,9 Donne 45,1
• Scala Contarini del Bovolo
Tabella 4.31: Caratteristiche del campione relativo a Scala Contarini del Bovolo (n=520)
Variabile Media St. Dev. Min Max Valutazione 4,35 0,74 1 5 Livello 5,34 0,98 1 6 Anno iscrizione 2011 2,70 2004 2018 Num recensioni 287,25 634,23 4 10039 Num voti 174,74 845,88 1 15123 Città visitate 176,67 270,21 1 3289 Num fotografie 417,24 2247,30 0 38714 Variabile % Italia 32,9 Europa 77,5 America 12,2 Età 18 - 24 2,1 Età 25 - 34 12,7 Età 35 - 49 28,8 Età 50 - 64 43,3 Età 65+ 13,1 Uomini 54,2 Donne 45,8
• Ca’ d’Oro
Tabella 4.32: Caratteristiche del campione relativo a Ca’ d’Oro (n=288)
Variabile Media St. Dev. Min Max Valutazione 4,21 0,90 1 5 Livello 5,57 0,90 2 6 Anno iscrizione 2011 2,53 2004 2017 Num recensioni 509,19 945,07 4 10069 Num voti 361,11 1266,35 1 15145 Città visitate 244,38 378,91 1 3289 Num fotografie 928,50 3995,36 0 39464 Variabile % Italia 21,2 Europa 66,0 America 13,1 Età 18 - 24 1,7 Età 25 - 34 13,2 Età 35 - 49 33,1 Età 50 - 64 35,9 Età 65+ 16,1 Uomini 61,5 Donne 38,5
Elenco delle tabelle
2.1 Notazione standard per il modello CUB, Piccolo (2006) . . . . 34 4.1 Stima dei risultati del modello CUB (0,0) applicato ai luoghi
del circuito principale . . . 56 4.2 Stima dei risultati del modello CUB (0,0) applicato ai luoghi
secondari . . . 59 4.3 Risultati dell’applicazione del modello CUB con covariate nei
luoghi del circuito principale . . . 60 4.4 Variabili che influenzano il grado di incertezza e il liking nei
luoghi del circuito principale . . . 62 4.5 Coefficienti delle variabili significative nel modello CUB con
covariate nei luoghi del circuito principale . . . 63 4.6 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Palazzo Ducale . . . 64 4.7 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Campanile San Marco . . . 68 4.8 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Ponte dei Sospiri . . . 69 4.9 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Collezione Peggy Guggenheim . . . 71 4.10 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Basilica della Salute . . . 73 4.11 Risultati dell’applicazione del modello CUB con covariate nei
4.12 Variabili che influenzano il grado di incertezza e il liking nei luoghi secondari . . . 75 4.13 Coefficienti delle variabili significative nel modello CUB con
covariate nei luoghi secondari . . . 76 4.14 Valori medi di incertezza e il liking per le variabili considerate
significative relative ad Arsenale . . . 77 4.15 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Biennale . . . 78 4.16 Quartili relativi alla variabile "Città Visitate" dell’attrazione
Biennale . . . 78 4.17 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Campo Santa Margherita . . . 80 4.18 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Ghetto . . . 81 4.19 Valori medi di incertezza e il liking per le variabili considerate
significative relative a Ca’ D’Oro . . . 82 4.20 Quartili relativi alla variabile "Città Visitate" dell’attrazione
Ca’ D’Oro . . . 82 4.21 Caratteristiche del campione relativo a Palazzo Ducale (n=10011) 91 4.22 Caratteristiche del campione relativo a Campanile di San Mar-
co (n=3310) . . . 92 4.23 Caratteristiche del campione relativo a Ponte dei Sospiri (n=3093) 92 4.24 Caratteristiche del campione relativo a Guggenheim (n=3354) 93 4.25 Caratteristiche del campione relativo a Basilica di Santa Maria
della Salute (n=1325) . . . 93 4.26 Caratteristiche del campione relativo a Punta della dogana
(n=347) . . . 94 4.27 Caratteristiche del campione relativo a Arsenale (n=457) . . . 94 4.28 Caratteristiche del campione relativo a Biennale (n=454) . . . 95 4.29 Caratteristiche del campione relativo a Campo Santa Marghe-
rita (n=205) . . . 95 4.30 Caratteristiche del campione relativo a Campo del Ghetto
4.31 Caratteristiche del campione relativo a Scala Contarini del Bovolo (n=520) . . . 96 4.32 Caratteristiche del campione relativo a Ca’ d’Oro (n=288) . . 97
Elenco delle figure
1.1 Numero degli arrivi turistici internazionali espresso in milioni nel periodo compreso tra il 1996 e il 2018, Statista (2019) . . . 6 1.2 Numero degli alloggi presenti su Airbnb nel periodo compreso
tra il 2015 e il 2019, Inside Airbnb (2019) . . . 7 1.3 Fasi del processo turistico, Sciarelli et al. (2019) . . . 9 1.4 Fonte di maggiore influenza durante la ricerca di una destina-
zione di viaggio, Tripbarometer (2018) . . . 13 1.5 Fonte di maggiore influenza durante la ricerca di attrazioni da
visitare, Tripbarometer (2018) . . . 14 1.6 Cluster relativi agli individui in analisi, Amaral et al. (2014) . 18 2.1 Funzione di probabilità della variabile casuale MUB, con m=12
e ⇡=1 4 (linea continua), 1 2 (linea tratteggiata), 3 4 (linea pun- teggiata) . . . 27 2.2 Risultati dell’analisi CUB sulle valutazione degli utenti relativi
a cinque aspetti della struttura in esame, Low (2017) . . . 28 3.1 Mappa delle attrazioni considerate nel circuito principale . . . 45 3.2 Livello medio degli utenti che compongono i campioni relativi
alle attrazioni nel circuito principale . . . 46 3.3 Percentuale di utenti provenienti dall’Italia nei campioni rela-
tivi alle attrazioni nel circuito principale . . . 46 3.4 Composizione per fasce d’età dei campioni relativi alle attra-
zioni nel circuito principale . . . 47 3.5 Percentuale di uomini e donne nei campioni relativi alle attra-
3.6 Mappa delle attrazioni considerate nel circuito secondario . . . 48 3.7 Livello medio degli utenti che compongono i campioni relativi
alle attrazioni secondarie . . . 49 3.8 Percentuale di utenti provenienti dall’Italia nei campioni rela-
tivi alle attrazioni secondarie . . . 50 3.9 Composizione per fasce d’età dei campioni relativi alle attra-
zioni secondarie . . . 50 3.10 Percentuale di uomini e donne nei campioni relativi alle attra-
zioni secondarie . . . 51 4.1 Distribuzioni attese dal modello CUB (punti vuoti) e osservate
(punti pieni) per i luoghi del circuito principale . . . 55 4.2 Parametri stimati dal modello CUB per i luoghi del circuito
principale . . . 56 4.3 Distribuzioni attese dal modello CUB (punti vuoti) e osservate
(punti pieni) per i luoghi secondari . . . 58 4.4 Parametri stimati dal modello CUB per i luoghi secondari . . 59 4.5 Risultato dell’analisi dell’ACP relativa all’attrazione Palazzo
Ducale . . . 65 4.6 Valutazione media (asse verticale di sinistra) e grado di incer-
tezza (asse verticale di destra) relativi ai valori della variabile "Utilizzo della piattaforma" nell’attrazione Palazzo Ducale . . 66 4.7 Grado di liking (asse verticale di sinistra) e valutazione media
(asse verticale di destra) relativi ai valori della variabile "Età" nell’attrazione Palazzo Ducale . . . 67 4.8 Valutazione media (asse verticale di sinistra) e grado di incer-
tezza (asse verticale di destra) relativi ai valori della variabile "Provenienza" nell’attrazione Campanile di San Marco . . . . 68 4.9 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabile "Livello" nell’attrazione Ponte dei Sospiri . . . 70
4.10 Valutazione media (asse verticale di sinistra) e grado di li- king (asse verticale di destra) relativi ai valori della variabile "Genere" nell’attrazione Ponte dei Sospiri . . . 70 4.11 Grado di incertezza (asse verticale di destra) e valutazione
media (asse verticale di sinistra) relativi ai valori della variabile "Genere" nell’attrazione Collezione Peggy Guggenheim . . . . 72 4.12 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabile "Provenienza" nell’attrazione Collezione Peggy Guggenheim . 72 4.13 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabi- le "Provenienza" nell’attrazione Basilica di Santa Maria della Salute . . . 74 4.14 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabile "Provenienza" nell’attrazione Arsenale . . . 77 4.15 Valutazione media (asse verticale di sinistra) e grado di incer-
tezza (asse verticale di destra) relativi ai valori della variabile "Numero di città visitate" nell’attrazione Biennale . . . 79 4.16 Valutazione media (asse verticale di sinistra) e grado di incer-
tezza (asse verticale di destra) relativi ai valori della variabile "Genere" nell’attrazione Biennale . . . 79 4.17 Valutazione media (asse verticale di sinistra) e grado di liking
(asse verticale di destra) relativi ai valori della variabile "Età" nell’attrazione Campo Santa Margherita . . . 80 4.18 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabile "Genere" nell’attrazione Campo del Ghetto . . . 81 4.19 Valutazione media (asse verticale di sinistra) e grado di li-
king (asse verticale di destra) relativi ai valori della variabile "Numero di città visitate" nell’attrazione Ca’ D’Oro . . . 83
4.20 Valutazione media (asse verticale di sinistra) e grado di li- king (asse verticale di destra) relativi ai valori della variabile "Genere" nell’attrazione Ca’ D’Oro . . . 83
Bibliografia
[1] Abubakar, A.M. (2016). Does eWOM influence destination tru- st and travel intention: a medical tourism perspective, Economic Research-Ekonomska Istraživanja, 29(1), 598-611
[2] Amaral, F., Tiago, T. & Tiago, F. (2014). User-generated content: tourists’ profiles on TripAdvisor. International Journal of Strategic Innovative Marketing,1(3), 137-147.
[3] Agresti, A. (2010). Analysis of ordinal categorical data (Vol. 656). John Wiley & Sons.
[4] Akaike, H. (1974). A new look at the statistical model identification. IEEE transactions on automatic control, 19(6), 716–723.
[5] Baloglu, S. & McCleary, K. W. (1999). US international pleasure trave- lers’ images of four Mediterranean destinations: A comparison of visitors and nonvisitors. Journal of Travel Research, 38(2), 144–152.
[6] Baumgartner, H., Steenback, J-B. (2001). Response styles in marketing research: a cross-national investigation. Journal of Marketing Research, 38, 143–156.
[7] Bollen, K. A. (2002). Latent Variables in Psychology and the Social Sciences. Annual Review of Psychology, 53(1), 605–634.
[8] Bogardus, E. S. (1926). Social Distance in the City. Proceedings and Publications of the American Sociological Society, 20, 40–46.
[9] Comscore (2017). Worldwide Travel Path to Purchase 2017. [online] Available at: https://mk0tainsights9mcv7wv.kinstacdn.com/wp- content/uploads/2018/03/comScore-worldwide-Path-to-Purchase-
2017.pdf
[10] Corona, A. (2019). Venice. Inside Airbnb - Ad- ding data to the debate, Available via Internet, URL http://insideairbnb.com/venice/report_en.html