SciELO - Scientific Electronic Library Online

 
vol.20 número1La demanda turística real de la ciudad de Diamantina - MG, BrasilSatisfacción y valoración del consumidor en relación al turismo de compras en la ciudad de Rivera - Uruguay índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Estudios y perspectivas en turismo

versión On-line ISSN 1851-1732

Estud. perspect. tur. vol.20 no.1 Ciudad Autónoma de Buenos Aires ene./feb. 2011

 

DOCUMENTOS DE BASE

Aplicación del escalamiento multidimensional al marketing turístico

 

Sérgio Dominique Ferreira Lopes*, Eulogio Real Deus** y Antonio Rial Boubeta***

Universidad de Santiago de Compostela - España

* Doctor en Marketing por la Universidad de Santiago de Compostela. Profesor en el Instituto Politécnico do Cávado e do Ave. Escola Superior de Gestão. Portugal. E-mail: sdominique@ipca.pt
** Doctor en Psicología por la Universidad de de Santiago de Compostela, España donde se desempeña como profesor. E-mail: joseeulogio.real@usc.es
*** Doctor en Psicología por la Universidad de Santiago de Compostela. Profesor en la Unidad de Santiago de Compostela. España. E-mail: antonio.rial.boubeta@usc.es

 


Resumen: En las últimas décadas, el estudio de las preferencias de los consumidores fue abordado en base a diversas disciplinas. Desde la Psicología Social, la Psicología del Consumidor, pasando por la Economía y el Marketing, todas ellas intentaron explicar el comportamiento de los consumidores al elegir, y su fidelidad a determinada marca. En este sentido, encontrar las metodologías que permitan estudiar de forma fidedigna y detallada las preferencias de los consumidores se convierte en una tarea compleja. En este contexto, el presente estudio pretende ilustrar las ventajas y potencialidades que tiene el uso del Escalamiento Multidimensional (MDS) en el estudio de las preferencias en el sector turístico, actualmente preponderante en la economía de varios países. Partiendo de una matriz de datos jerárquica, relativa a la importancia de atributos al momento de elegir un producto turístico, se obtuvieron datos con gran coherencia en términos interpretativos. En consecuencia, los resultados obtenidos permitieron identificar diferentes segmentos de turistas, comprobando la importancia del uso de metodologías multivariadas en la gestión turística. Simultáneamente, es posible ilustrar que los resultados obtenidos en el presente estudio coinciden en buena medida con la aplicación del Análisis Conjunto a las respuestas dadas por los mismos sujetos.

PALABRAS CLAVE: Marketing turístico; Psicología del consumidor; Preferencias de los consumidores; Escalamiento multidimensional; Análisis Conjunto.

Abstract: Application of Multidimensional Scaling in the Context of Tourism Marketing. In recent decades, the study of consumer preferences was analyzed based on various disciplines. From Social Psychology and consumer preferences to economics and marketing, they all have tried to explain the consumer's choice behaviors and their loyalty to a particular brand. In this sense, finding the methodologies that allow researchers to study consumer preferences in similarity and in a detailed way becomes a complex task. In this context, the study illustrates the advantages and potential that the use of Multidimensional Scaling (MDS) has for the study of preferences in a sector like tourism currently a preponderant sector in the economy of many countries. Beginning with a matrix of hierarchical data referring to attributes' relative importance at the moment of choosing a tourism product, the authors obtained some consistent results in terms of interpretation. Consequently, the results allowed identifying different segments of tourists. The authors also show the importance of the application of multivariate methodologies in tourism management. Simultaneously, it is also possible to illustrate the similarity of the results obtained with another work in which the authors applied the Conjoint Analysis method to the same sample.

KEY WORDS: Tourism marketing; Consumer psychology; Multidimensional scaling; Consumer preferences; Multidimensional scaling; Conjoint Analysis.


 

INTRODUCCIÓN

Actualmente, dada la enorme diversificación de la oferta, así como la saturación y la creciente globalización de los mercados; unida a la necesidad de orientar los productos y servicios a consumidores cada vez más exigentes y difíciles de satisfacer; las organizaciones necesitan recorrer metodologías avanzadas para conocer en profundidad y rigurosamente, los mercados en los cuales operan. La gran competitividad, conjuntamente con la crisis económica que sufre el mundo actualmente, le dio un especial protagonismo a la investigación y a la estrategia global de marketing; que condicionan más que nunca la supervivencia de las empresas. Por consiguiente, conocer con precisión y de forma continua, las motivaciones, preferencias y valores emergentes de los consumidores, constituye una importante plataforma en la orientación de políticas de marketing específicas, permitiendo la optimización del costo-beneficio a mediano plazo.

En este contexto, el turismo se constituye como uno de los más vigorosos propulsores de la economía mundial y una de las principales fuentes de ingresos para muchos países, contribuyendo decididamente a su crecimiento económico (Buhalis, 2000; Brida, Pereyra, Such & Zapata, 2008). De acuerdo con la Organización Mundial del Turismo (OMT, 2009) los ingresos debido al turismo a nivel mundial ascendieron a los 625.000 millones de euros en 2007; resultando en un aumento del 5.6% respecto de 2006. En el caso concreto de España, el sector turístico contribuyó con 106.374 millones de euros al PBI nacional (INE, 2009). Simultáneamente, generó más de dos millones de puestos de trabajo (IET, 2009).

Desde hace varias décadas los investigadores del ámbito de la Economía, la Sociología, la Psicología y el Marketing intentan proporcionar modelos que permitan explicar y predecir el comportamiento relativo a la elección de un destino turístico; enfatizando diferentes variables y procesos, y sobre todo la imagen de los destinos turísticos (Goodrich, 1978; Pearce, 1982; Cohen, 1984; Moutinho, 1984, 1987; Ashworth & Goodall, 1988; Bigné & Zorio, 1989; Coltman, 1989; Gartner, 1989; Calantone & Mazanec, 1991; Fakeye & Crompton, 1991; Heath & Wall, 1992; Echtner & Richie, 1993; Kotler, Haider & Rein, 1993; Mazanec, 1994; Milman & Pizan, 1995; Muller, 1995; Seaton & Benett, 1996; Baloglu & McCleary, 1999; Tapachai & Waryszak; 2000; Pike, 2002).

Teniendo en cuenta la importancia del sector turístico en países como España y Portugal, más que desarrollar modelos teóricos, el gran objetivo de los investigadores es desarrollar metodologías adaptadas a los nuevos contextos económicos, que sean capaces de proporcionar información relevante sobre el mercado. Consecuentemente, dichas metodologías deberán permitir formular e implementar diferentes estrategias de gestión empresarial (Valls, 1992; Bordas & Rubio, 1993; Picón & Varela, 2000; Bigné & Sánchez, 2001; Bigné, Sánchez & Sánchez, 2001; Gallarza, Gil & Calderón, 2002; Varela, Picón & Braña, 2004; Varela, García, Manzano & Rial, 2006; Rodríguez & Molina, 2007; Rial, García & Varela, 2008; Merinero & Pulido, 2009).

En este sentido, diversos trabajos constataron que el estudio de las preferencias de los turistas constituye una plataforma con gran potencial para la gestión de los recursos turísticos de un país o región, posibilitando una fidelidad progresiva de los visitantes y favoreciendo la competitividad de los destinos a través de la innovación (Picón, Braña & Varela, 2002; García & Alburquerque, 2003; Bigné, 2004; Ferreira, Rial & Varela, 2009; González & Mendieta, 2009).

METODOLOGÍAS APLICADAS AL ANÁLISIS DE LAS PREFERENCIAS

Históricamente, para el estudio de las preferencias se han utilizado dos tipos de estrategias diferenciadas: a) un primer tipo, que se podría denominar de estrategias clásicas, que se basa en la presentación de una lista de atributos predefinidos por el investigador, que deben ser evaluados por los sujetos a través de preguntas en formato de escalas de Likert; y b) un segundo tipo, las estrategias alternativas, que se basan en el uso de diferentes técnicas multivariadas, tales como el Análisis Conjunto (Carrol & Green, 1995; Ferreira, Rial & Varela, 2009; Rial, Ferreira & Varela, 2010) y el Escalamiento Multidimensional - MDS - (Carroll 1972, 1980; Green & Rao, 1972; James, 1972; ). El uso de esta segunda tipología estratégica presenta varias ventajas, tales como: 1) implica la realización de tareas relativamente fáciles e intuitivas por parte de los sujetos; 2) es más realista dado que obliga a estos sujetos a emitir una respuesta dominante, revelando su verdadera estructura de valores o preferencias; 3) permite evitar respuestas estereotipadas; 4) otorga especial protagonismo al consumidor en detrimento del propio investigador, considerando que la preferencia es idiosincrática de cada sujeto, por lo que la respuesta obtenida es independiente de las hipótesis de partida de los investigadores.

Además, el uso de un enfoque multivariado en el estudio de las preferencias permite obtener cuantificaciones simultáneamente, para los sujetos y los atributos en un espacio común, de tal modo que dichas cuantificaciones pueden ser utilizadas en nuevos análisis. En última instancia, esta posibilidad permite identificar subgrupos homogéneos como el Análisis Cluster (Varela, Picón & Braña, 2004; Ferreira, Rial & Varela, 2009; Ferreira, Rial & Varela, 2010) o identificar criterios subyacentes como la Regresión Múltiple o el Análisis de la Variancia (Real, 2001).

A pesar de las ventajas que el MDS y el Análisis Conjunto comparten, la forma de recolectar los datos difiere en ambos casos. Mientras en el MDS la recolección de datos se ejecuta en base al orden de preferencias de los diferentes atributos considerados; en el Análisis Conjunto se parte de las preferencias mostradas frente a los estímulos, generados a partir de la combinación de atributos y niveles, ambos seleccionados por el investigador (Picón & Varela, 2000; Varela, Picón & Braña, 2004; Ferreira, Rial & Varela, 2009; Ferreira, Rial, Picón & Varela, 2009; Rial, Ferreira & Varela, 2010).

En este sentido, el principal objetivo del presente trabajo es ilustrar las ventajas asociadas al Escalamiento Multidimensional (MDS, INSCAL) en el contexto del análisis de la estructura de las preferencias de los consumidores-turistas. Un segundo objetivo es comparar los resultados obtenidos en este trabajo a través del MDS, con los resultados obtenidos en el mismo estudio, pero recurriendo a la metodología del Análisis Conjunto. Es decir, que los autores pretendieron saber en qué medida la aplicación de dos metodologías en las respuestas obtenidas por una misma muestra conducen a resultados consistentes en términos interpretativos. En este sentido, el trabajo de Ferreira, Rial y Varela (2009) será el elemento comparativo, dado que la muestra y el momento de la recolección de los datos es exactamente el mismo que en el presente estudio.

Método

Participantes

La muestra estuvo constituida por 300 jóvenes, 96 hombres y 204 mujeres, con edades comprendidas entre 18 y 35 años (Media=23.53; Desvío Patrón=4.59), de los cuales el 55% eran estudiantes y el 45% eran trabajadores. Los sujetos que constituían el espacio de la muestra residían en la ciudad de Porto y área metropolitana. Los participantes fueron invitados a formar parte del estudio voluntariamente, manifestándoles la importancia de la tarea a realizar y la necesidad de que la misma sea realizada con la máxima seriedad y sinceridad. La desproporción entre el número de hombres y mujeres se debe al hecho de que la muestra estaba constituida por alumnos de una Universidad de la región de Porto.

Selección de Atributos

En el momento de seleccionar los atributos utilizados en el presente trabajo, los autores consideraron dos elementos: a) por un lado, la bibliografía ya existente sobre esta temática (Goodrich, 1978; Muller, 1995; Baloglu & McCleary, 1999; Picón & Varela, 2000; Gallarza, Gil & Calderón, 2002; Varela, Picón & Braña, 2004; Rodríguez & Molina, 2007) ; y b) por otro lado, la realización previa de un estudio piloto con una muestra de 100 jóvenes. Finalmente, se seleccionaron 6 atributos: Clima, Tipo de Destino, Tamaño de la Oferta Cultural, Tamaño de la Oferta de Ocio, Precio y Tiempo de Permanencia en el destino turístico.

Procedimiento

Más allá de que existan varios modelos, para el presente análisis de los datos se recurrió al algoritmo Modelo III de la jerarquía de Carroll (1980), también conocido como modelo unfolding. Concretamente, se les pidió a los sujetos que ordenen los 6 atributos seleccionados, desde el más importante al menos importante en el momento de viajar a un destino turístico. De este modo, se operó sobre una matriz de datos rectangular de 300 x 16 (sujetos x atributos). Seguidamente, se aplicó un Análisis Cluster en dos etapas a las coordenadas obtenidas a través del MDS, primeramente a través de un método jerárquico Ward; y luego a través del método k-medias, que es el método más robusto del programa estadístico SPSS (Punj e Stewart, 1983).

PRESENTACIÓN DE LOS RESULTADOS

Primeramente, se destaca la existencia de un buen ajuste del modelo (Stress = 0.078; RSQ = 0.994). Seguidamente (Figura 1), se presenta la solución bidimensional obtenida.

Figura 1: Mapa del posicionamiento obtenido a través del Escalamiento Multidimensional (MDS) 
Fuente: Elaboración propia

A través de esta representación gráfica, se puede observar de qué forma se estructuran las preferencias de los sujetos presentemente inquiridos. Para profundizar los resultados obtenidos, se decidió incorporar otro análisis multivariado con reconocidas capacidades en el campo de la segmentación de mercado, el Análisis Cluster. La aplicación de esta metodología se puede realizar tanto en un proceso de segmentación a priori como en un proceso a posteriori (Green, Carroll & Carmone, 1977; Wind, 1978). En el presente trabajo será utilizada en una segmentación post hoc (a posteriori), basada en las preferencias manifestadas.

Identificación de los clusters obtenidos

Ejecutando el Algoritmo Cluster sobre las coordenadas obtenidas a través del MDS, se identificaron 4 grupos diferenciados de sujetos en lo que concierne a la importancia que otorgan a cada uno de los atributos considerados al momento de elegir un destino turístico.

Observando la Tabla 1, se puede afirmar que los clusters 1 y 2 son los más distantes; mientras que los clusters 1 y 4 son los más próximos, compartiendo algunas preferencias. En la Tabla 2 se constata que la dimensión 1 es la que más distingue los clusters obtenidos, con una prueba f asociada de 407.544. La dimensión 2 distingue también los clusters pero en menor medida, con una prueba f asociada de 210.334. En la Figura 2 se ilustra la distribución de los clusters a través del mismo mapa de posicionamiento obtenido por el MDS, pero se destaca la pertenencia de cada cluster a un espacio geométrico específico.

Tabla 1: Distancias entre los centros de los clusters después de la aplicación del método de k-medias

Fuente: Elaboración propia

Tabla 2: Variabilidad de las pruebas F relativamente a las dimensiones obtenidas (a través del método de k-medias
Fuente: Elaboración propia

Figura 2: Clusters identificados en el mapa del posicionamiento obtenido a través del MDS

Fuente: Elaboración propia

Caracterización de los clusters obtenidos

A continuación, se realiza una comparación de los clusters obtenidos en el presente trabajo, con los clusters obtenidos en el trabajo de Ferreira, Rial y Varela (2009).

Cluster 1 (Night and Sun Lovers, 21.8% de la muestra):

Este primer cluster está constituido por sujetos que dan primacía al Clima y a la Oferta de Ocio y Diversión Nocturna existente en los destinos turísticos. De forma semejante, uno de los clusters obtenidos en el trabajo de Ferreira, Rial y Varela (2009), se caracteriza también por atribuir primacía al Clima y a la Oferta de Ocio y Diversión Nocturna (Gráfico 1).

Gráfico 1: Cluster relativo a la primacía de la Oferta de Ocio y Diversión Nocturna y del Clima

Fuente: Ferreira, Rial & Varela (2009)

En este contexto, es viable observar cierta consistencia en los resultados obtenidos a través del Escalamiento Multidimensional y el Análisis Conjunto.

Cluster 2 (Culture Seekers, 13% de la muestra):

En el segundo cluster, los sujetos otorgan gran importancia a la Oferta cultural, lo que coincide con uno de los clusters obtenidos en el estudio citado anteriormente (Gráfico 2).

Gráfico 2: Cluster relativo a la primacía de la Oferta Cultural

Fuente: Ferreira, Rial & Varela (2009)

Cluster 3 (Price-duration Seekers, 40.1% de la muestra):

Este tercer cluster se refiere a los sujetos que atribuyen mayor importancia al Precio del producto turístico, así como a la Duración de la estadía. La caracterización de este cluster coincide también con uno de los clusters del trabajo citado (Gráfico 3).

Gráfico 3: Cluster relativo a la primacía del Precio y de la Duración de la estadía

Fuente: Ferreira, Rial & Varela (2009)

Curiosamente, se verifica que los atributos con mayor importancia que siguen al Precio y a la Duración de la estadía son el Clima y el Tipo de Destino en el trabajo de Ferreira, Rial & Varela (2009), resultados que coinciden con la solución obtenida en el presente estudio y que se puede visualizar a través de la Figura 1.

Cluster 4 (Culture and Sun Seekers, 25.1% de la muestra):

Finalmente, este último cluster revela que los sujetos que se encuentran en él atribuyen gran importancia a la Oferta Cultural, pero también al Clima inherente a los destinos turísticos que disponen de una elevada Oferta Cultural (Gráfico 4). En este sentido, los resultados siguen, en cierta medida, un patrón consistente, como el cluster homónimo del trabajo de Ferreira, Rial y Varela (2009). Cabe destacar que el cluster del trabajo citado más semejante con este cuarto cluster es el cluster 2. Este fenómeno existe dado que, en el trabajo citado, la aplicación del Algoritmo Cluster fue llevada a cabo con las utilidades obtenidas a través de la aplicación del Algoritmo Conjoint. Esto significa que las variables utilizadas en el trabajo citado son más específicas dado que se consideraron los niveles de atributo. De este modo, se explica la existencia de un quinto cluster en ese trabajo, mientras que en el presente estudio la solución final indica la existencia de cuatro clusters importantes.

Gráfico 4: Cluster relativo a la primacía de la Oferta Cultural y del Clima

Fuente: Ferreira, Rial & Varela (2009)

CONCLUSIONES

El Escalamiento Multidimensional (Multidimensional Scaling) y el Análisis Conjunto son dos herramientas muy útiles en el momento de segmentar el mercado, concretamente, en el sector turístico. En el caso específico del Escalamiento Multidimensional, su uso en el contexto turístico aún no es muy frecuente; siendo más frecuentemente utilizada la segmentación a priori basada en variables socio-demográficas o en el Análisis Conjunto.

En este contexto, conocer de qué forma se configura la estructura de las preferencias de los turistas permite conocer perfiles preferenciales diferenciados, frecuentemente de forma independiente de las variables clásicas (socio-demográficas, estilos de vida, etc.) ; y, en consecuencia, permite segmentar el mercado en base a las diferentes preferencias y necesidades de los turistas. En última instancia, dicha estrategia permite a los profesionales responsables por la gestión de destinos turísticos planificar e implementar estrategias como la creación de productos turísticos, precios, distribución, comunicación, etc.; de forma diferenciada para cada cluster obtenido en el proceso de segmentación post hoc.

En este ámbito, los resultados obtenidos en el presente trabajo permiten identificar de forma diferenciada cuatro tipos de turistas españoles, cada uno de los cuales posee preferencias y necesidades específicas. Concretamente, existe un grupo destacado clásicamente designado como "Sun and beach seekers", formado por turistas que presentan mayor preferencia por los destinos turísticos de Sol y Playa. Existe otro grupo de sujetos que dan primacía a la Oferta Cultural existente en el destino turístico, e incluso un tercer grupo que atribuye mayor importancia al Precio y la Duración de la estadía, que aparentemente son sujetos que disfrutan de pasar muchos día de vacaciones a un Precio accesible. Por último, está el grupo de sujetos que concilia la voluntad de viajar hacia un destino turístico que tenga una elevada Oferta Cultural y, simultáneamente, que ofrezca Clima con Sol.

De este modo, fue posible ilustrar la facilidad de la recolección de datos inherente a la aplicación del modelo unfolding relativo al Escalamiento Multidimensional, a través de una tarea simple de ordenamiento de preferencias (atributos). Simultáneamente, los autores pretenden alertar a los responsables de la gestión de destinos turísticos que la aplicación de técnicas multivariadas como el Escalamiento Multidimensional permite: 1) identificar las principales dimensiones o criterios que estructuran las preferencias de los consumidores; 2) obtener un mapa de posicionamiento en el cual se pueden identificar grupos/clusters de consumidores/turistas con distintas preferencias, que en última instancia, permite segmentar el mercado a posteriori (segmentación post hoc) a través de la aplicación del Análisis Cluster sobre las coordenadas obtenidas con el Escalamiento Multidimensional; 3) identificar segmentos de turistas con perfiles y demandas particulares.

Por otro lado, el presente trabajo permitió demostrar que los resultados obtenidos coinciden en su esencia con los presentados en el trabajo de Ferreira, Rial y Varela (2009), mediante la aplicación del Análisis Conjunto a las respuestas dadas por los mismos sujetos. En ambos trabajos, se recalca la importancia que posee el Clima, el tamaño de la Oferta Cultural y de la Diversión Nocturna, así como el Precio, cuando los consumidores-turistas viajan a un destino turístico. Este resultado posee importantes implicaciones para la gestión de muchos destinos, ya que otorga a la Oferta Cultural un peso importante, constatando la existencia de segmentos de turistas especialmente sensibles a este tipo de elementos, además del reconocido peso del Clima al momento de elegir un destino turístico hacia donde viajar.

En suma, más allá de que el presente estudio y el trabajo de Ferreira, Rial y Varela (2009) se basan en una muestra con limitaciones en cuanto a la representatividad, este artículo pretende realzar la creciente importancia del uso de técnicas multivariadas en el contexto del Marketing y de la Gestión de destinos turísticos; con la intención de conocer las necesidades reales y potenciales de los consumidores, y de segmentar el mercado en base a las preferencias de los turistas (no sólo en base a criterios socio-demográficos).

Finalmente, cabe destacar que la muestra resulta una de las principales limitaciones del estudio por el hecho de estar formada sólo por jóvenes del Norte de Portugal, lo cual no da representatividad a todos los jóvenes portugueses. Como ya se mencionó, el principal objetivo no es extrapolar los resultados a la población en general, sino ilustrar las ventajas y potencialidades inherentes al uso de metodologías multivariadas; tales como el Escalamiento Multidimensional y el Análisis Cluster.

REFERENCIAS BIBLIOGRÁFICAS

1. Ashworth, G. & Goodall, B. (1988) "Tourist images: marketing considerations". In Marketing in the Tourism Industry. The Promotion of Destination Regions. Goodall, B. & Ashworth, G. (eds.), Routledge, London, 213-238        [ Links ]

2. Baloglu, S. & Mccleary, K. W. (1999) "A model of destination image formation, Annals of Tourism Research 26: 886-897        [ Links ]

3. Bigné, E. & Zorío, M. (1989) "Marketing turístico: el proceso de toma de decisiones vacacionales". Revista de Economía y Empresa, 23: 91-112        [ Links ]

4. Bigné, E & Sánchez, I. (2001) "Evaluación de la imagen de destinos turísticos: Una aplicación  metodológica en la Comunidad Valenciana", Revista Europea de Dirección y Economía de la Empresa 10: 189-200        [ Links ]

5. Bigné, J. E., Sánchez, M. I. & Sánchez, J. (2001) "Tourism image, Evaluation variables and after purchase behavior: Inter-relationship, Tourism Management 22: 607-616         [ Links ]

6. Bigné, J. E. (2004) "Nuevas orientaciones del marketing turístico: De la imagen de destinos a la fidelización de los turistas". Papeles de Economía Española 102: 221-235        [ Links ]

7. Bordas, E. & Rubio, M. L. (1993) "La imagen turística de España: un modelo de gestión a largo plazo". Información Comercial Española 722 (octubre): 107-118        [ Links ]

8. Brida, J.G., Pereyra, J.S., Such, M.J. & Zapata, S. (2008) "La contribución del turismo al crecimiento económico". Cuadernos de Turismo 22: 35-46        [ Links ]

9. Buhalis, D. (2000) "Marketing the competitive destination of the future". Tourism Management, 21: 97-116        [ Links ]

10. Calantone, R. J. & Mazanec, J. A. (1991) "Marketing, management and tourism". Annals of Tourism Research, 18: 101-119        [ Links ]

11. Carroll, J. D. (1972) "Individual differences and multidimensional scaling". En R. N. Shepard, A. K. Romney, & S. Nerlove (Eds.), Multidimensional Scaling: Theory and Applications in the Social Sciences. Volume I: Theory. Seminaar Press, Nueva York, pp. 105-155        [ Links ]

12. Carroll, J. D. (1980) "Models and methods for multidimensional analysis of preferential choice (or other dominance) data. En: E. D. Lantermann, y H. Feger (Eds.), Similarity and Choice. Hans Huber, Viena, 234-289        [ Links ]

13. Carrol, D. J. & Green, P. E. (1995) "Psychometric methods in marketing research: Part I, Conjoint Analysis. Journal of Marketing Research 32: 385-391        [ Links ]

14. Cohen, E. (1984) "The sociology of tourism: approaches, issues and findings". Annual Review of Sociology 10: 373-392        [ Links ]

15. Coltman, M. M. (1989) "Tourism marketing". Van Nostrand Reinhold, New York        [ Links ]

16. Echtner, C. M. & Ritchie, J. R. B. (1993) "The measurement of destination image: An empirical assessment". Journal of Travel Research 31: 3-13        [ Links ]

17. Fakeye, P. C. & Crompton, J.L. (1991) "Images differences between prospective, firsttime, and repeat visitors to the Lower Rio Grande Valley". Journal of Travel Research 30:10-16        [ Links ]

18. Ferreira, S. D., Rial, A. & Varela, J. (2009) "Post hoc tourist segmentation with Conjoint and Cluster Analysis. Pasos. Revista de Turismo y Patrimonio Cultural 7: 491-501        [ Links ]

19. Ferreira, S.D., Rial, A., Picón, E. & Varela, J. (2009) "Efecto del orden de presentación de los atributos sobre los resultados del Análisis Conjunto". Metodología de Encuestas, 11, 103-119        [ Links ]

20. Ferreira, S. D., Rial, A. & Varela, J. (2010) "Segmentação post hoc do mercado turístico espanhol: Uma aplicação da Análise Cluster em duas fases". Estudios y Perspectivas en Turismo, 19 (5): 599-606        [ Links ]

21. Gallarza, M., Gil, I. & Calderón, H. (2002) "Destination image. Towards a conceptual framework". Annals of Tourism Research 29: 56-78        [ Links ]

22. García, A. & Alburquerque, F. J. (2003) "El turismo cultural y el de sol y playa: ¿sustitutivos o complementarios? Cuadernos de Turismo 11: 97-105        [ Links ]

23. Gartner, W. (1989) "Tourism image: Attribute measurement of state tourism products using multidimensional scaling technique". Journal of Travel Research 28(2): 16-20        [ Links ]

24. González, R.C. & Mendieta, M.D. (2009) "Reflexiones sobre la conceptualización de la competitividad de destinos turísticos", Cuadernos de Turismo 23: 111-128        [ Links ]

25. Goodrich, J. (1978) "The relationship between preferences for and perceptions of vacation destinations - Application of a Choice Model", Journal of Travel Research 17: 8-13        [ Links ]

26. Green, P. E. & Rao, V. (1972) "Applied Multidimensional Scaling". Dryden Press, Hinsdale        [ Links ]

27. Green, P. E., Carroll, J. D. & Carmone, F. J. (1977) "Design considerations in attitude measurement, em Y. Wind e M. G. Greenberg (eds.), Moving a head with attitude research, American Marketing Association, Chicago, Illinois, pp. 9-18        [ Links ]

28. Heath, E. & Wall, G. (1992) "Marketing tourism destinations. A strategic planning approach". John Wiley & Sons, Toronto        [ Links ]

29. James, S. (1972) "Applied Multivariate. Analysis". Holt, Rinehart and Winston, New York        [ Links ]

30. IET (2009) Instituto de Estudios Turísticos. Documento de los Indicadores Turísticos.         [ Links ]

31. INE (2009) Instituto Nacional de Estatística. Dados referentes à actividade turística de 2009.         [ Links ]

32. Kotler, O., Haider, D.H. & Rein, Y. (1993) "Marketing places: attracting investment, industry and tourism to cities, states and nations". The Free Press, New York        [ Links ]

33. Mazanec, J.A. (1994) "Consumer behaviour in tourism". In Tourism Marketing and Management Handbook. Witt, S. & Moutinho, L. (eds.),  Prentice-Hall, London, pp. 63 -68        [ Links ]

34. Merinero, R. & Pulido, J.A. (2009) Desarrollo turístico y dinámica relacional: metodología de análisis para la gestión activa de destinos turísticos, Cuadernos de Turismo, 23, 173-194        [ Links ]

35. Milman, A.M & Pizam, A. (1995) "The role of awareness and familiarity with a destination: the Central Florida case", Journal of Travel Research 33: 21-27         [ Links ]

36. Moutinho, L. (1984) "Vacation tourist decision process". Quarterly Review of Marketing 9: 8-17         [ Links ]

37. Moutinho, L. (1987) "Consumer behaviour in tourism". European Journal of Marketing 21: 5-43        [ Links ]

38. Muller, T. E. (1995) "How personal values govern the post-visit attitudes of international tourists". Journal of Hospitality and Leisure Marketing 3: 3-24        [ Links ]

39. OMT (2009) "Tourism 2020 Vision forecasts". World Tourism Organization, Madrid        [ Links ]

40. Pearce, P.L. (1982) "The Social Psychology of tourist behavior. Pergamon. Oxford        [ Links ]

41. Picón, E. & Varela, J. (2000) "Segmentando mercados con análisis conjunto. Una aplicación al sector turístico". Psicothema 12: 453-458        [ Links ]

42. Picón, E., Braña, T. & Varela, J. (2002) "¿Quién prefiere un destino como Galicia antes de otro de sol y playa? Predicción de la elección de un destino turístico mediante análisis conjunto". Metodología de las Ciencias del Comportamiento Vol. Especial: 445-448        [ Links ]

43. Pike, S. (2002) "Destination image analysis. A Review of 142 Papers from 1973 to 2000". Tourist Management, 23, 541-549        [ Links ]

44. Punj, G. & Stewart, D. (1983) "Cluster analysis in Marketing research: Review and suggestions for application", Journal of Marketing Research 20: 134-148        [ Links ]

45. Real, E. (2001) "Escalamiento Multidimensional". Hespérides, Madrid        [ Links ]

46. Rial, A., García, A. & Varela, J. (2008) "Una aplicación metodológica para el estudio de la Imagen de Marca de un destino turístico, Pasos. Revista de Turismo y Patrimonio Cultural 6: 1-10        [ Links ]

47. Rial, A., Ferreira, S. D. & Varela, J. (2010, en prensa) "Análise Conjunta. Uma aplicação ao estudo das preferências dos consumidores". Revista Portuguesa de Marketing, 26        [ Links ]

48. Rodríguez, P. & Molina, O. (2007) "La segmentación de la demanda turística española", Metodología de Encuestas 9: 57-92        [ Links ]

49. Seaton, A. V. & Benett, M. M. (1996) "Marketing tourism products. Concepts, issues, cases. international". Thomson Business Press, London        [ Links ]

50. Tapachai, N. & Waryszak, R. (2000) "An examination of the role of beneficial image in tourist destination selection". Journal of Travel Research 39: 37-44        [ Links ]

51. Valls, J.F. (1992) "La imagen de marca de los países". McGraw-Hill, Madrid        [ Links ]

52. Varela, J., Picón, E. & Braña, T. (2004) "Segmentation of the Spanish domestic tourism market". Psicothema 16: 76-83        [ Links ]

53. Varela, J., García, A., Manzano, V. & Rial, A. (2006) "Development of an index to assess the brand image of tourist destinations". Anales de Psicología 22: 155-160         [ Links ]

54. Wind, Y. (1978) "Issues and advances in segmentation research". Journal of Marketing Research, 15, 317-337        [ Links ]

Recibido el 29 de junio de 2010
Correcciones recibidas el 24 de julio de 2010
Aceptado el 02 de agosto de 2010
Arbitrado anónimamente
Traducido del portugués

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons