20,00 €
Mehr erfahren.
- Herausgeber: UVK Verlag
- Kategorie: Lebensstil
- Sprache: Deutsch
- Veröffentlichungsjahr: 2022
Klarheit über die Besucher:innen in der Destination: Wie viele, woher, wohin? Zu viele Besucher:innen an einem Ort - das ist in Urlaubsorten keine Seltenheit. Die Folge ist eine Übernutzung der Destination, die oft mit Umweltschäden und einer sinkenden Tourismusakzeptanz in der Bevölkerung einhergeht. Die Besucherlenkung und das Besuchermanagement können Abhilfe schaffen. Beides setzt eine exakte Besuchermessung voraus. Nur sie zeigt u.a., woher Besucher:innen kommen und welche Punkte in der Destination sie aufsuchen. Dirk Schmücker und Julian Reif gehen erstmals in einer deutschsprachigen Publikation auf das Thema ein. Sie zeigen u.a. vorhandene Datenquellen auf, kategorisieren und bewerten diese. Zudem stellen sie Methoden und Ziele vor. Das Buch richtet sich an die Tourismuspraxis, konkret an Entscheider:innen und Destinationsmanager:innen sowie an die Tourismusforschung.
Das E-Book können Sie in Legimi-Apps oder einer beliebigen App lesen, die das folgende Format unterstützen:
Ähnliche
Dirk Schmücker / Julian Reif
Digitale Besuchermessung im Tourismus
Ziele, Methoden, Bewertungen
UVK Verlag · München
Einbandmotiv: © Orbon Alija · iStock
Autorenportrait Dirk Schmücker: © Frank Molter für Institut für Tourismus- und Bäderforschung in Nordeuropa (NIT)
Autorenportrait Julian Reif: © Deutsches Institut für Tourismusforschung
DOI: https://doi.org/10.24053/9783739882079
© UVK Verlag 2022— ein Unternehmen der Narr Francke Attempto Verlag GmbH + Co. KGDischingerweg 5 • D-72070 Tübingen
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetztes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen.
Alle Informationen in diesem Buch wurden mit großer Sorgfalt erstellt. Fehler können dennoch nicht völlig ausgeschlossen werden. Weder Verlag noch Autor:innen oder Herausgeber:innen übernehmen deshalb eine Gewährleistung für die Korrektheit des Inhaltes und haften nicht für fehlerhafte Angaben und deren Folgen. Diese Publikation enthält gegebenenfalls Links zu externen Inhalten Dritter, auf die weder Verlag noch Autor:innen oder Herausgeber:innen Einfluss haben. Für die Inhalte der verlinkten Seiten sind stets die jeweiligen Anbieter oder Betreibenden der Seiten verantwortlich.
Internet: www.narr.deeMail: [email protected]
ISBN 978-3-7398-3207-4 (Print)
ISBN 978-3-7398-0599-3 (ePub)
Inhalt
Vorwort: Besucher digital messen
Die Vermessung des Tourismus in Destinationen kann mit verschiedenen Methoden bewerkstelligt werden. Traditionell werden dazu Befragungen eingesetzt. Befragungsstudien haben neben vielen Vorteilen jedoch auch Nachteile: Die Kosten für die Datenerhebung sind relativ hoch (jedenfalls dann, wenn man eine Stichprobe erreichen will, die aussagekräftige Ergebnisse erlaubt) und die zeitliche und räumliche Auflösung ist in der Regel begrenzt.
Mit der Verbreitung digitaler Lösungen in den meisten Bereichen unseres täglichen Lebens haben sich neue Möglichkeiten ergeben. Digitale Datenquellen machen es möglich, mit geringen Kosten Besucherströme in Echtzeit mit sehr feiner zeitlicher und räumlicher Auflösung zu messen und gleichzeitig Daten für eine Modellierung und Vorhersage zu generieren. Dies gilt jedoch nicht für alle digitalen Datenquellen und auch nicht für jeden Anwendungsfall. Mit diesem Handbuch zur digitalen Besuchermessung im Tourismus möchten wir daher
einen Überblick von digitalen Sensorsystemen schaffen, diese kategorisieren und Bewertungsdimensionen vorstellen (Teil 1) und
die Sensor-Kategorien anhand dieser Dimensionen bewerten (Teil 2).
Die im vorliegenden Buch vorgenommenen Bewertungen der Datenquellen wurden als dreistufige Bewertung anstelle einer granularen Bewertung durchgeführt, da für viele relevante Bewertungsdimensionen noch keine quantifizierbaren Forschungsergebnisse vorliegen. Wir freuen uns, wenn Forscherinnen und Forscher sowie Praktikerinnen und Praktiker unseren Ansatz als Grundlage nutzen, neue Daten zu generieren, um die Datenquellen noch besser zu verstehen.
„Measuring tourism is a wicked enterprise […]. Despite the innumerable methods and resources put into this enterprise, we have realised that, today, there is a big gap between what we do and can do and we would achieve“ (Baggio, 2019, S. 267). In diesem Sinne soll dieses Buch dazu beitragen, die big gap etwas weiter zu schließen, die Messung des Tourismus weniger „vertrackt“ erscheinen zu lassen und Forschenden wie Praktikern eine Handreichung zu liefern, digitale Besuchermessung im Tourismus zielorientiert und mit den passenden Instrumenten zu realisieren.
Wir danken allen Kolleginnen und Kollegen des NIT und des Deutschen Instituts für Tourismusforschung, insbesondere Denise Engelhardt und Nele Höftmann, für den Austausch und die Unterstützung.
Kiel und Heide, Juni 2022
Dirk Schmücker, Julian Reif
1Einführung und Einordnung
1.1Besuchermessung als Grundlage für Besuchermanagement
Die Messung von Besucherfrequenzen und -strömen in touristischen Destinationen kann im Wesentlichen zwei Ziele verfolgen:
Bereitstellung von BasisinformationenBasisinformationen über die Destinationsnutzung
Vorbereitung eines (digitalen) BesuchermanagementBesuchermanagements
Die Notwendigkeit von BasisinformationenBasisinformationen über die Destinationsnutzung ergibt sich einerseits daraus, dass für die Destinationsentwicklung und -vermarktung regelmäßig öffentliche Mittel eingesetzt werden. Destinationen unterliegen daher einem legitimen RechtfertigungsdruckRechtfertigungsdruck: Politik und Öffentlichkeit möchten wissen, was die eingesetzten Mittel bewirken. Die große Popularität von Studien zum „Wirtschaftsfaktor Tourismus“ unterstreicht das. Gleichzeitig befinden sich Destinationen im WettbewerbWettbewerbDestinationen im Wettbewerb miteinander und mit anderen Konsumbereichen. Der Erhalt der Wettbewerbsfähigkeit von Destinationen ist deshalb eine Notwendigkeit, auch wenn „bis heute […] kein einheitliches Verständnis von räumlicher Wettbewerbsfähigkeit vor[liegt] und somit auch nicht über ihre komplexe Operationalisier- und Messbarkeit.“ (Herntrei, 2014, S. 1). Die aktuelle Datenlage über die tatsächliche Nutzung der Destination ist außerdem ausgesprochen dünn: Häufig liegen nur räumlich hoch aggregierte und zeitlich grob aufgelöste Daten aus amtlichen Statistiken, eigenen Übersichten der Destination oder empirische Erhebungen im Rahmen der Destinationsmarktforschung vor. Räumlich und zeitlich fein aufgelöste Daten fehlen in der Regel. Schon das Füllen dieser Basis-Lücken würde den Einsatz von entsprechenden digitalen Messinstrumenten rechtfertigen.
Europäische Destinationen, die als strategische Wettbewerbseinheit nach dem Community-Modell (Flagestad & Hope, 2001) geführt und gemanagt werden, sehen sich aufgrund dieser Wettbewerbsintensität und veränderten Anforderungen, u. a. durch die Corona-Pandemie, neuen Aufgaben und einem erhöhten Innovationsdruck ausgeliefert. Lag vor wenigen Jahren der Fokus noch wesentlich auf der Vermarktung von Reisezielen, sehen sich Destinationen heute in einem Netzwerk von AkteurenNetzwerk von Akteuren eingebunden, bei dem es neben der Destinationsentwicklung zukünftig auch vermehrt um Fragestellungen der Lebensraumgestaltung (place makingplace making) geht (Hartman et al., 2020).
In der letzten Zeit hat sich zusätzlich zum Bedarf an Basisinformationen ein weiterer Informationsbedarf entwickelt, der von der seit Anfang 2020 andauernden Corona-Pandemie befeuert wurde: Die drohende oder tatsächliche Übernutzung von Teilräumen in Destinationen und die damit verbundene Überlegung, ob und wie durch LenkungsLenkungsmaßnahmen- und ManagementmaßnahmenManagementmaßnahmen solche Übernutzungen vermindert oder vermieden werden können (Arnberger, 2013; Clivaz et al., 2013b; Ji et al., 2022; Sarx & Holfeld, 2022; Schmücker et al., 2022; Shackley, 1998). Eine neue Aufgabe, denen sich Destinationen im Rahmen der Stärkung der Widerstandsfähigkeit des Reiseziels (ResilienzResilienz) stellen müssen, ist die Entwicklung eines innovativen Besuchermanagementsystems auf Basis smarter Technologien (Fontanari & Traskevich, 2022). Dass digitale Besuchermessung einen Beitrag für eine nachhaltige Tourismusentwicklung leisten kann, verdeutlicht Abbildung 1. Durch die Kenntnis und das Management der Besucherströme in und zu Destinationen kann auf allen Nachhaltigkeitsebenen eine positive Entwicklung befördert werden. Die DMO begleitet diesen Weg im Rahmen ihrer Funktionen als Smart DMO (Gretzel, 2022).
Nachhaltigkeitsfunktionen von digitaler Besuchermessung und digitalem Besuchermanagement
(Digitales) Besuchermanagement ist essenziell auf zeitlich und räumlich fein aufgelöste Daten mit geringer Latenz, also mit einer möglichst zeitnahen zur Verfügungstellung der Daten, angewiesen. Abbildung 2 zeigt den prototypischen Aufbau eines solchen Systems: Es besteht aus der BesuchermessungBesuchermessung (Fokus des vorliegenden Buchs), der DatenspeicherungDatenspeicherung und dem DatenaustauschDatenaustausch sowie der BereitstellungBereitstellung der Informationen an definierten, meist digitalen Touchpoints. Diese Bausteine müssen mindestens vorhanden sein, um eine Minimallösung zu erreichen. Der RecommenderRecommender-Prognosen-Baustein verbessert das System noch einmal, indem mithilfe von Modellierungen PrognosenPrognosen berechnet werden können, so dass Nutzende nicht erst dann erreicht werden, wenn es schon zu spät ist, weil sie bereits erfolglos einen Parkplatz oder einen Strandkorb in der Destination suchen. Diese Art der Nachfrageprognose ist in der Tourismusforschung relativ neu. Traditionell beschäftigt sich tourism demand forecasting mit ökonometrischen Modellen zum internationalen Tourismus, aber nicht mit dem kleinräumlichen Nutzungsverhalten in einer Destination (Song et al., 2019).
Ein zweiter Aspekt des Recommenders berührt die Bereitstellung von AlternativenAlternativen, so dass die Nutzenden nicht nur eine Besuchs- bzw. Nicht-Besuchsempfehlung bekommen, sondern gezielt Alternativen angeboten werden.
Solche Besuchermanagement- und Recommendersysteme sind in der Theorie schon gut entwickelt (Erbil & Wörndl, 2022; Gabrani et al., 2017; Massimo & Ricci, 2020; Sharma et al., 2021), aber die praktische Implementierung und auch die Evaluierung stößt noch an Grenzen (Wells et al., 2022) bis hin zur Ernüchterung (García Hernández et al., 2019). Gleichwohl ist klar: Digitale BesuchermessungBesuchermessung, digitale ist die unerlässliche Basis des BesuchermanagementBesuchermanagements (Clivaz et al., 2013a).
Besuchermessung als Bestandteil von (digitalem) Besuchermanagement | Quelle: In Anlehnung an Schmücker et al. (2022)
1.2Gegenstand dieses Buches
In diesem Handbuch werden digitale Datenquellen für die touristische Besuchermessung diskutiert. Dabei beschränken wir uns erstens auf digitale Datenquellen. Das sind Daten aus digitalen Geräten, die reiseverhaltensrelevante Aspekte aufzeichnen bzw. übermitteln. Viele dieser Geräte sind zusätzlich digital vernetzt.
Des Weiteren stehen digitale Daten, die während der Reise anfallen, im Fokus. Einzige Ausnahme sind die Webzugriffe und Suchmaschinendaten (vgl. Kapitel 2.4.3), die wenigstens zum Teil bereits vor der Reise generiert werden. In einem Customer-JourneyCustomer Journey-Modell wäre dies die Inspirations- und Informationsphase (Schmücker et al., 2019, S. 40).
Der Fokus liegt außerdem auf „externen DatenquellenDatenquellen, externe“ (Böhler et al., 2022, S. 66). Interne Datenquellen, die in den relevanten Organisationen, insbesondere in den Destination Management Organisations (DMO), vorliegen (bspw. aus dem Rechnungswesen oder einem Buchungssystem), werden hier, mit wenigen Ausnahmen, nicht betrachtet. Dazu gehören auch meist statische Daten, die von den DMO im Rahmen ihrer strategischen Ausrichtung vermehrt öffentlich als Open Data zur Verfügung gestellt werden.
Auch die klassischen Instrumente der BefragungsforschungBefragungsforschung werden in diesem Buch nicht betrachtet. Gleichwohl ist es in der Praxis häufig eine gute Idee, technische Messungen und Befragungen zu kombinieren. Dabei ist sicherzustellen, dass die Befragungen mit validen Stichproben arbeiten, um eine gute Generalisierung zu erreichen (Jacob et al., 2013, S. 65 ff.).
Viele aggregierte StatistikenStatistiken, etwa aus dem Katalog der amtlichen Statistik, liegen heute in digitaler Form vor. Hauptaugenmerk ist jedoch eine kritische Diskussion der digitalen Datengenerierung, so dass diese Daten ebenfalls nicht berücksichtigt werden.
In den letzten Jahren sind vermehrt Studien zur Messung von Körperzuständen erschienen. Dieses sogenannte BiosensingBiosensing wird hier ebenfalls nicht oder nur am Rande behandelt, denn mit diesen Verfahren werden nicht primär Besuchermengen und -bewegungen quantifiziert, sondern der körperliche Zustand dieser Besucher und Besucherinnen gemessen. Trotzdem können Biosensing-Studien sehr wertvolle Hinweise zum Erleben in der Destination geben und lassen sich sehr gut mit anderen Verfahren, insbesondere mit GNSS-Tracking, kombinieren. Aktuelle tourismusrelevante Studien mit solchen Verfahren sind etwa die Arbeiten von Bastiaansen et al. (2022, 2020), Scuttari (2021), Birenboim et al. (2019), Paül i Agustí et al. (2019), Shoval et al. (2018) oder Reif & Schmücker (2021b).
Song et al. (2010) unterscheiden die Objekte, die gemessen werden können, nach People (Menschen), Money (Geld), Time (Zeit) und Space (Raum). Diesem konzeptionellen Gedanken folgt die Konzentration auf die Messung von Menschen und deren Bewegung in Zeit und Raum. Die finanzielle Dimension hingegen wird nur in wenigen Fällen ergänzend betrachtet. Diese Konzentration auf die raum-zeitliche Bewegung von Menschen ist eine wesentliche Grundlage für die Bewertung der verschiedenen Datenquellen.
Abbildung 3 zeigt zusammenfassend, womit sich dieses Buch im Kern beschäftigt: Mit Menschen und ihrer touristischen Bewegung in Raum und Zeit vor Ort in der Destination (und auf dem Weg dorthin).
Customer-Journey-Phasen und Messobjekte in diesem Buch | Quelle: Autoren, in Anlehnung an Schmücker et al. (2019) und Song et al. (2010)
1.3Konzeptioneller Rahmen
Seit einigen Jahren zeigt sich in Forschung und Praxis eine Hinwendung zur Nutzung von digitalen Messmethoden zur Bestimmung des aktionsräumlichen Verhaltens von Touristinnen und Touristen (Reif, 2021). Chronologisch betrachtet werden analoge Messverfahren zunehmend durch digitale Systeme ergänzt und inzwischen weitgehend abgelöst. Dabei spielt vor allem Big DataBig Data eine zunehmend wichtige Rolle. Abbildung 4 zeigt wesentliche Messsysteme in den letzten Jahrzehnten und verdeutlicht diesen „digital turn“ der Besuchermessung im Tourismus.
Chronologische Einordnung von Tracking-Methoden im Tourismus | Quelle: Reif (2021, S. 2)
Der konzeptionelle Rahmen des Buches berücksichtigt eine Reihe von Forschungsarbeiten, die im Folgenden kurz skizziert werden. Wegbereitend zur Kategorisierung waren die Studien „Movement patterns of tourists within a destination“ von McKercher & Lau (2008) und „Tracking tourists in the digital age“ von Shoval & Isaacson (2007).
Eine frühe Einteilung der Datenquellen unternahmen McKercher & Lau (2009, S. 445), indem sie „point-based monitoring instruments“ (feste Zählstationen) und „continuous monitoring systems“ (tragbare Tracking-Systeme wie zum Beispiel GPS-Empfänger) unterschieden. Shoval & Isaacson (2010) beschränkten sich auf „land-based“ und „satellite-based tracking technologies“. Landgestützte Systeme sind solche, die auf Basis terrestrischer Empfänger eine Lokalisierung und Navigation möglich machen. Dazu gehören Mobilfunknetze, aber auch die Nutzung von RFID-Tags und Bluetooth-Empfängern. Satellitenbasierte Systeme werden heute unter dem Sammelbegriff Global Navigation Satellite Systems (GNSS) zusammengefasst, von denen das Global Positioning System (GPS) derzeit (noch) überwiegt (siehe Box „Charakteristika von GNSS-basierten Verfahren“).
Versichele et al. (2012, S. 209) prägten den Begriff „non-participatory, unannounced and simultaneous“, um neuere Erhebungsformen (in dem Fall Tracking per Bluetooth) von den traditionellen, stichprobenbasierten Formen abzugrenzen. Eine weitere bedeutsame Forschungsarbeit legten Shoval & Ahas (2016) vor, in der sie zwei Phasen des digitalen Trackings im Tourismus vorschlugen. Sie unterscheiden in eine erste Phase (das hochauflösende GPS-Tracking, in der Regel mit GPS-Geräten, die an ausgewählte Probanden ausgehändigt werden) und die gering auflösenden Datenquellen der passiven Mobilfunkdaten, Twitter etc.. Die zweite Phase bezeichnen sie als „smartphone revolution“, bei der alle Sensoren in einem einzigen leistungsfähigen Endgerät integriert sind. Shoval & Ahas schlagen die folgenden zehn Kategorien vor: GPS, Mobile Positioning, Running race timing equipment, Land based system, Mobile phone tracking, Near-Field Communication, Bluetooth tracking, Geographically Referenced Photos, Geo-located Twitter und Destination cards.
Neben den traditionellen (Selbst-) Beobachtungs-Methoden (observation, interviews, questionnaire surveys and self-administrated diaries, spatial maps) unterscheiden Kellner & Egger (2016, S. 84 ff.) die Methoden video-based tracking, timing systems, mobile phones und GPS technology.
Baggio & Scaglione (2018) differenzieren in ihrem Artikel unter der Überschrift „From traditional data to big data in visitor flows“ zwischen traditionellen Methoden wie Tagebüchern und Befragungen („small data“), volunteered geographical information, destination guest cards, GPS track data und passive mobile positioning data.
In der aktuell umfassendsten Zusammenstellung von Tracking-Methoden im Tourismus beschreibt Anne Hardy (2020) in ihrem Buch „Tracking Tourists“ sieben Kategorien: Surveys, GPS, Social Media, VGI, Tower, Bluetooth and Wifi, Bespoke Apps, and Internet. Li et al. (2018) unterteilen die möglichen Datenquellen in UGC (user generated content, weiter unterteilt in textliche und bildliche Daten), gerätebasierte Daten (davice data, unterteilt in GPS; mobile roaming, bluetooth, RFID, Wifi und Wetterdaten) und Transaktionsdaten (Suchanfragen im Web und sonstige Datenquellen).
Heikinheimo (2020) benennt in seiner Dissertation verschiedene Datenquellen (Geotagged Social media data, Sports tracking data, Mobile phone data, public participatory GIS), ohne aber zu einer Kategorisierung zu kommen.
Allein auf Big Data bezogen identifizierten Reif & Schmücker (2020) sechs Kategorien, die sich auch in dem Modell dieses Buches wiederfinden (Mobile Communication, Sensors and Wearable Devices, Cameras/Lasers/Satellites, Business Process generated Data, Wesbites, Social Media). In einer bibliographischen Meta-Analyse unterscheiden Padrón-Ávila & Hernández-Martín (2021) 31 digitale und nicht-digitale Tracking-Technologien, die sie in sechs Kategorien einteilen: Survey, Web Analysis, Geolocation, Advertising, Sales, and Specific Spots. Aus geographischer Perspektive unterscheidet Reif (2021) Datenquellen nach ihrer räumlichen Abdeckung in eine Makro-, Meso- und Mikro-Ebene. Insbesondere für die Zwecke des digitalen Besuchermanagements unterscheidet Schmücker (2021) in lokale und globale Datenquellen sowie Transaktionsdaten und Online-Daten. Das in diesem Buch verwendete konzeptionelle Modell für digitale Datenquellen und ihre Bewertungen wurde erstmals in Schmücker & Reif (2022) veröffentlicht.
Digitale DatenquellenDatenquellen, digitale (vier Kategorien) für die Besuchermessung lassen sich in vier Kategorien einteilen, die wiederum aus mehreren Unterkategorien bestehen.
Die Kategorien A und B-2 sind trackingfähige Datenquellentrackingfähige Datenquellen (Abbildung 5). TrackingTracking bedeutet hier die Aufzeichnung der Datenspuren einzelner Nutzer und Nutzerinnen mit Hilfe von Signalketten: Die Position einer Person oder eines Endgerätes wird sukzessive aufgezeichnet, so dass sich ein „Track“ aus mehreren Signalen an mehreren Punkten ergibt (multispot). In vielen Fällen werden dazu die Daten aus Globalen Navigations-Satellitensystemen (GNSS)Global Navigation Satellite System (GNSS) verwendet.
In den beiden anderen Kategorien B-1 und C finden sich nicht-trackingfähige DatenquellenDatenquellen, nicht trackingfähig (Abbildung 5). Das sind Datenquellen, in denen nicht die Bewegungsspur einer Person oder eines Endgerätes betrachtet wird, sondern die Zählung von Bewegungen an einem einzelnen Punkt (singlespotSinglespot) oder auch die aggregierten Daten für einen größeren Raum.
