การสร้างตัวแบบนักท่องเที่ยวภายในประเทศโดยใช้เทคนิคการจัดกลุ่มและกฎความสัมพันธ์ กรณีศึกษา: จังหวัดพระนครศรีอยุธยาDevelopment of Domestic Tourists Model Using Clustering and Association Rule Techniques Case Study: Phra Nakhon Si Ayutthaya Province

Abstract

การทำความเข้าใจความต้องการของนักท่องเที่ยวเป็นเรื่องยุ่งยาก เนื่องจากปริมาณนักท่องเที่ยวมีมากเกินกว่าจะนำเสนอผลิตภัณฑ์ที่ตรงต่อความต้องการของนักท่องเที่ยวแต่ละกลุ่มได้ งานวิจัยนี้นำเสนอตัวแบบนักท่องเที่ยวภายในประเทศด้วยเทคนิคการเรียนรู้ของเครื่อง โดยใช้นักท่องเที่ยวในจังหวัดพระนครศรีอยุธยาเป็นกรณีศึกษางานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาพฤติกรรมการท่องเที่ยวของนักท่องเที่ยวภายในประเทศที่มาท่องเที่ยวในจังหวัดพระนครศรีอยุธยา และสร้างตัวแบบ (Model) กลุ่มนักท่องเที่ยว (Tourist Cluster) ด้วยขั้นตอนวิธีการจัดกลุ่มข้อมูลร่วมกับขั้นตอนวิธีการหากฎความสัมพันธ์ (Association Rule) โดยใช้กลุ่มตัวอย่างนักท่องเที่ยวจำนวน 704 ตัวอย่างนำมาผ่านกระบวนการทำความสะอาด (Data Cleaning) และจัดกลุ่มด้วยวิธีการจัดกลุ่มแบบสองขั้นตอน (Two Step Clustering) จากนั้นนำข้อมูลแต่ละกลุ่มไปหากฎความสัมพันธ์ ผลการวิเคราะห์ชี้ให้เห็นว่าสามารถจัดกลุ่มนักท่องเที่ยวได้ 4 กลุ่มที่แตกต่างกัน ได้แก่ กลุ่มผู้สูงอายุที่มาเที่ยวกับหน่วยงาน (ร้อยละ 15.63) กลุ่มผู้สูงอายุที่มาเที่ยวกับครอบครัว (ร้อยละ 37.78) กลุ่มวัยทำงาน (ร้อยละ 23.58) และกลุ่มรักการท่องเที่ยว (ร้อยละ 23.01) แต่ละกลุ่มจะมีกฎที่แสดงถึงความสัมพันธ์ที่เกิดขึ้นร่วมกันระหว่างข้อมูลภายในกลุ่มจำนวน 8, 5, 3 และ 6 กฎตามลำดับ ซึ่งแต่ละกฎมีค่าความเชื่อมั่นไม่ต่ำกว่า 0.8 กลุ่มนักท่องเที่ยวและกฎที่ได้มานั้น สามารถนำมาออกแบบผลิตภัณฑ์หรือบริการให้ตรงต่อความต้องการของนักท่องเที่ยวแต่ละกลุ่มได้

The understanding of tourist needs is very complicated due to the extremely high number of tourists. Accordingly, providers cannot tailor their products or services to better match customers' needs and demands in each segment. This research proposes the model of domestic tourism in Phra Nakhon Si Ayutthaya province, Thailand by using machine learning techniques. The principle aims of this research are to study the behaviors of related domestic tourists and to develop a clustering model using the combination of clustering and association rule techniques. A data set was collected from 704 travelers who visited Phra Nakhon Si Ayutthaya. It was cleaned and prepared for clustering by the TwoStep cluster analysis. Then, the relevant association rules were discovered on each of these clusters. The experimental results revealed that the dataset could be divided into 4 different clusters, including senior tourists coming with a company trip (15.63%); elderly tourists traveling with family (37.78%), employee tourists (23.58%) and those who do enjoy traveling (23.01%). Each cluster showed as many as 8, 5, 3 and 6 association rules among their attributes with more than 80% confident. With insight into tourist travel behaviors, those involved can get engaged in strategic planning of products and services that are tailored to meet the specific needs of each cluster.