体育旅游市场细分研究进展

王立冬，李 旺，周子琳，郭 野

1 引言

体育旅游是当今国际上发展最快的旅游市场［1］［2］，旅游和体育已经成为度假者寻找新的体育体验的共同主题。根据联合国世界旅游组织的数据，目前全球体育旅游产业的年均增长超过15%，2014年体育旅游根据市场规模达到1800亿美元，占旅游市场的15%，到2020年有望突破4000亿美元［3］。国家旅游局的公开数据则显示中国体育旅游的市场更是远高于全球体育旅游市场的平均增速，高达30%－40%［4］。这一引人注目的统计数据肯定了体育旅游作为旅游业一个关键组成部分的重要性，并解释了为何对这个利润丰厚的行业的学术调查在过去几年里增长如此之快。

体育旅游是一种异质性现象［5］，个体需求在这一现象中不尽相同，为争取利润最大化，市场细分逐渐引起学者和管理人员的兴致。市场细分将一个（可能具有异构特征、偏好和行为）大市场划分为更小的、更同质的群体，管理者可以认真利用市场细分获得的旅游细分知识，制定有效的营销策略［6］。一旦确定并选择最适合的细分市场作为目标市场，市场营销活动就会进行调整以吸引该细分市场的成员，产品也会被定制，以最大可能地满足这一特定群体的需求。这一理想细分市场的确定需要大量的分析工作。营销者必须在地理因素、社会人口信息、心理和行为等多种变量中选择最合适的市场细分标准［7］。

体育旅游市场背后的巨大利益以及异质性，促使更多的学者开始研究体育旅游市场细分，在过去的十年里，对体育旅游的学术研究呈指数增长，而此方面研究尚未见诸国内文献。本研究通过对文献检索，对近年来体育旅游领域市场细分进行系统综述，借此来说明体育旅游领域市场细分研究进展，对已发表关于体育旅游市场细分文献进行概述，对市场细分标准、细分方法等探讨，梳理该领域存在的主要问题。

2 文献检索

体育旅游是一种由活动、人与地点交互产生独特的社会、经济、文化现象。Gibson［8］将体育旅游分为3种类型：参与型体育旅游，参与者旅行并参加体育；赛事型体育旅游，参与者旅行并去观看体育比赛；观光型体育旅游，参与者参观体育相关的观光胜地。Weed［9］指出参与型体育旅游研究主要涉及运动项目包括高尔夫、户外／探险、冬季／滑雪、水上运动自行车项目等。因此，研究以sport／sports tourism、event sport tourism、outdoor／adventure tourism、golf tourism、ski／winter tourism、fishing tourism、water sport tourism以及market segmentation、typology等关键词通过Google学术、Web of Science、Scopus、Taylor＆Francis、ScienceDirect数据库实施文献检索，剔除无关论文，最后通过已有文献细读进行 “ 滚雪球 ” 式检索，获取更多文献。最终研究共得到体育旅游市场细分文献26篇（表1）。其中参与型体育旅游25篇，赛事型体育旅游1篇。

表1 文献基本信息

3 结果与分析

3.1 文献基本信息

时间维度来讲，最早关于体育旅游的文献出现于1966年Don Anthony对体育旅游的概述，直到1990年后关于体育旅游的文章才逐渐增加。本研究中，不难看出在21世纪前仅有2篇是关于体育旅游市场细分的文献，其中最早一篇是1986年Allans S.Mills等人基于游客消费支出对德克萨斯滑雪爱好者的细分研究，另外一篇则是Gibson等人对参与型体育旅游的研究。在世纪初（2000－2009）的十年间，有关体育旅游市场细分文献共计8篇，体育旅游类型主要涉及滑雪、户外探险、高尔夫、冲浪等运动。而后随着体育旅游市场背后的巨大的经济效益和市场异质性凸现，2010－2018年间文献发表量已达到16篇，体育旅游类型出现了自行车、水上等体育旅游类型，整体来看，体育旅游市场细分文献发表数量呈现上升趋势。

期刊来源方面讲，体育旅游市场细分期刊来源广泛，共16类期刊先后发表26篇文献，表明涉猎体育旅游细分期刊种类较多，其中88%期刊属于旅游和管理类，仅有2类期刊《Journal of Sport and Tourism》、《Sport Marketing Quarterly》属于体育旅游类期刊。16类期刊中有4类期刊发表体育旅游细分类文献超过2篇，以《Journal of Sport and Tourism》和《Journal of Travel＆Tourism Marketing》发表最多，分别为4篇。

表2 作者相关研究背景

所纳入文献中，共包含了25位不同的第一作者。仅Sara Dolnicar发表两篇文献，就作者数量而言，一方面同文献数量相比这一数字令人鼓舞；另一方面也表明多数作者刚开始涉猎这一领域研究。对各作者研究背景、文献发表及所属单位进行调查发现（表2），其中有4位作者具有体育旅游方面研究背景，如Heather Gibson对体育旅游界定、存在问题等多方面进行了研究。13位作者具有旅游方面研究背景，如Sara Dolnicar发表多篇旅游细分类研究成果。3位作者从事体育相关研究，而其他5位作者则无体育或旅游方面研究背景。体育旅游作为一个交叉学科，在细分研究领域主要贡献者多来自旅游领域研究者，这在一定程度上解释了为何多数文献来源于旅游类期刊。

体育旅游涉及最多的3个运动项目中（图一），冬季／滑雪类项目研究最多，为8篇（占文献总数30%），其次是高尔夫类7篇（26%）和户外／探险项目6篇（22%），这几类项目在国外拥有巨大的市场，旅游人口基数大，经济效益丰厚，因此受到多数学者的研究倾向。

图一 体育旅游市场细分运动项目分类

3.2 体育旅游归属问题

基于Mike Weed、Gipson及Hinch等国外学者成果进行的体育旅游市场细分文献检索，从实际内容来看部分学者并未将研究主题纳入体育旅游范畴中，对当前体育旅游项目的模糊定位，势必会影响体育旅游这一知识体系的整体发展。

早期Weed［9］指出许多讨论户外和探险运动旅游的文章的作者，很少将这项工作归为体育旅游领域，他们更倾向于将这类旅游归为探险旅游中，而冬季／滑雪项目作者则经常归为体育旅游领域。本研究中也显示同样结果，例如户外／探险领域，Tschapka，M.K.在开篇引言中指出对度假者来说，探险旅游在过去的几十年里，变得越来越重要［10］。Sung，H.H指出探险旅游是由传统户外和野外休闲活动的广泛发展而来［11］。在冬季／滑雪领域Alexandris［12］将业余滑雪爱好者定义为参与型体育旅游范畴，这可能与作者的体育研究背景相关。同样Miragaia的体育研究背景也使其将滑雪纳入体育旅游领域［13］。而Henna Konu［14］（旅游研究背景）并未明确提及滑雪爱好者是否归属与体育旅游，仅提出滑雪属于冬季旅游项目。

对高尔夫市场细分研究表明，高尔夫旅游归属体育旅游或旅游似乎并不影响作者的研究。如Kim，S.S.［15］并未明确提及高尔夫是否属于体育旅游或者旅游领域，但认同高尔夫旅游市场是最大的体育相关旅游产业之一。JoséM.［16］也认同上述观点，但同时也指出高尔夫旅游是体育旅游的一部分。Antónia Correia［17］通篇都是关于旅游相关探讨，并未提及高尔夫的体育属性。而Lyu，S.O.将高尔夫游客研究纳入体育旅游中，指出研究的最终目的是帮助体育旅游管理人员实施不同的实践与政策建议，以促进高尔夫活动参与者的利益实现［18］。

两篇水上／冲浪项目中，研究作者都将其归为体育旅游范畴。虽然Sara Dolnicar主要研究领域属于旅游，但其在文献中明确指出冲浪旅游者是体育旅游中一个普遍且不断增长的现象［19］。而Hallmann［20］等人指出 “ 体育旅游市场是一个多元化的市场，体育旅游的动机是多方面的，这同样适用于水上运动旅游领域，研究人员尚未对其进行深入分析。 ”

Girish Prayag［21］对意大利举办的世界杯青年手球观众进行细分，并将这一群体归属为赛事型体育旅游。Ritchie，Brent W.［22］对澳大利亚自行车俱乐部成员进行研究，并指出自行车旅游是一个旅游小众市场，有潜力为区域甚至更广泛的社区提供一系列的经济、社会和环境效益。最后1篇则是Gibson［23］基于参与型体育旅游爱好者进行的市场细分，文中涉及的体育项目不止一种，并未对游客参与的体育项目进行过多描述。

上述同一体育旅游项目的不同作者以及不同体育旅游项目的不同作者，对于体育旅游描述各执一词，正如Mike Weed［5］对体育旅游研究评价所言，体育旅游发展缺乏集成，有太多的关于体育旅游的研究，但缺乏一个知识体系将这些研究串联起来，我们有必要对体育旅游现象建立一个清晰的概念理解，即应将体育旅游现象建立在体育与旅游的关系之上，而不仅仅是体育与旅游的总和，不能将体育旅游简单理解为旅游市场利基或体育管理的一个子集。

3.3 细分样本量

当前细分市场研究的样本量没有能够指导数据分析人员关于样本量是否充足的相关准则，而样本量不足可能对市场细分解决方案的有效性产生严重的负面影响。变量数量与样本量之间的关系需要进一步研究。虽然这种关系没有定律或统计检验，在细分分析中，每个变量表示空间中的一个维度。多维空间中需要数据点，变量数的增加带来了计算难度。即在一个20维空间中，即使数据类型是二进制，理论上的样本量则为1049，很明显，在这种条件下当样本量低于这个数值时，任何分析都很难找到可靠地的细分集群。

26篇研究中样本量从80到2961，中位数为373，平均样本量为565。有7篇研究并未给出具体变量数量，19篇已知变量数的研究中，变量数从1－37，平均变量为18。根据文献中已知样本量和变量个数，进行相关分析（图二），结果显示没有相关性（R＝0.004），这表明当前对体育旅游市场细分研究结果可能是不稳定的。Formann（1984）［24］指出样本量应是变量数的2k，其中k代表变量的大小。Dolnicar（2014）对人工数据集进行研究，得出样本量应是变量数的70倍［25］。所以根据Formann和Dolnicar研究，许多研究的样本量都与变量不匹配，仅Sara Dolnicar的两篇研究满足其中样本量为变量数70倍的条件，其他研究则无法满足上述任何一个条件。例如Seehyung［26］关于高尔夫游客对餐饮服务态度研究中，细分变量数为11，研究对象（样本量）数量仅为286；Alexandris［12］对冬季体育游客的细分研究中，变量数达到35，依照上述研究，冬季游客的样本量至少应为2450，而实际研究的样本量仅为268。样本量与变量数量的不匹配，势必会对细分集群的有效性产生影响。

图二 样本量与变量相关分析

3.4 细分标准

细分研究中最关键的决策之一就是选择最合适的细分标准［27］，体育旅游市场细分标准包括动机，消费支出、满意度、出游频率、目的地属性偏好、消费行为、餐饮服务态度、参与度、忠诚度、休闲利益等。尽管市场细分方法复杂多样，进行这种研究的关键困难之一是，变量的选择涉及重大的主观判断，在确定细分标准时，研究人员就须确定哪些因素（变量）要纳入研究范围内，并选择适当的方法评估这些变量对受访者的重要程度。通常，这种问卷内容所要求的回复，并不是那些对游客最突出的因素，而是与研究人员最相关的因素有关。如基于动机的细分标准，Albayrak，T.［28］通过改编1983年的休闲体验量表（LMS）对游客动机进行细分研究，而Alexandris，K.［12］通过改编1996年的休闲体验偏好量表（REP）进行研究（表3）。再如3篇基于消费支出的细分标准中，ALLAN S.MILLS［29］根据游客的总消费分为低消费者（＜$600）和高消费者（＞$600美元），并调查了游客的人口统计学特征。与前者基于游客总消费进行细分不同，后两篇则对游客的日均消费进行了研究。Dixon，A.W.［30］则根据日均消费将游客细分为低等消费（$69.21）、中等消费（$219.25）和高等消费（$759.03）3个群体，此外作者还就游客人口统计学特征、消费模式、旅行特征和旅行偏好方面进行了研究；Lima，Joana［31］同样根据游客的日均消费细分为低消费者（27.79）、中等消费者（59.7）、住宿和活动导向者115.33及食品与购物导向者（118.55）4个细分群体，而作者研究了游客的人口统计学特征、目的地偏好、旅行行为方面的统计差异。

表3 关键问题汇总

研究人员来自不同的学术背景中，基于不同的判断所选择的细分标准和变量，虽然部分作者对量表进行改编，使之适用于目的地背景，但这种改编并没有考虑体育旅游中的体育项目特殊性。此外26篇文献中仅Sara Dolnicar在研究中呈现了完整的问卷内容与问卷形式，而其他研究只是简单描述。这使得我们无法获取问卷的具体内容。正因为研究中不同的问卷内容、问卷形式，使得体育旅游市场细分由于缺乏标准化，以及无法将已验证过的量表转换到其他研究背景中，导致这种认识一直困扰着体育旅游方法论和测量方法，最终致使我们对体育游客仅进行短浅的了解，而不是将它视为一种动态的现象。

3.5 细分方法

细分市场可以通过许多不同的方式得到。整体而言，所有的细分方法都基本可以分为先验（常识）细分［32］［33］和后验（事后分析，数据驱动）细分［31－34］。两个细分名称本身反映了这两种方法的性质。在第一种细分方法下，管理人员在进行分析之前（先验地）就知道细分标准，该标准将预先生成潜在有用的分组，这些可能包括年龄、性别、居住地等。Dolnicar［32］又称之为常识细分。本研究中，仅有2篇属于先验分析（表3）。Allan S.Mills［29］指出德克萨斯州的滑雪者通常花费大量的钱来从事户外娱乐活动，基于得克萨斯州滑雪游客消费支出，将游客分为低消费群体和高消费群体。先验信息的获取来源于1983年德克萨斯州家庭收入和种族的样本。Tsiotsou，R.［35］根据游客出游频率，借助判别分析法将游客分为周度游客、月度游客和年度游客，由于年度游客仅有七例，研究最终只对前两类游客进行了详细研究。

图三 体育旅游市场细分方法

第二种细分方法，管理人员依赖于对数据的分析（数据驱动）来洞察市场结构，并在分析后决定哪个细分群体或分组最合适，现阶段更多的是两种方法的结合使用。本研究中多数文献就是采取后验和先验相结合的方式，其中先验方法主要用于后验细分中各群体的特征。存在有各种各样的技术能够达到细分的目的［36］，但大多数进行后验细分的研究都使用了聚类分析技术［37］。本研究有19篇（73%）文献采取聚类分析，剩余5篇文献分别采取EUH、潜类别分析、因子分析、交叉表和其他分析。在这19篇聚类分析中，8篇采取一步聚类方式，最常见的算法是Ward层次分析和K－means划分（非层次）分析，另外11篇是采取两步聚类的方式进行，两步聚类的基本观点在于确定集群的数量，首先通过（一般为Ward）层次聚类判断可能存在的集群数量，其次通过非层次聚类（一般为K－means）去确定最佳的集群数量。这一组合性的两步聚类方法，用于帮助研究人员确定了最佳的集群数量。

3.6 数据预处理

细分研究中在对数据进行细分之前，有14篇（53%）文献进行了数据预处理，其中1篇采取标准化方法，13篇文献采用因子－聚类的细分方法（表4）。Sung，H.H.为了避免因度量的差异而造成计算距离的误释，在聚类分析前对数据进行了标准化处理，以确保变量是可比较尺度上的度量［11］。多数作者采用因子分析进行数据预处理的典型原因是减少变量的数量。通过因子分析探究研究变量的潜在维度，剔除小于1的特征值，最后因子分析处理后的变量进行聚类分析。聚类前常用的因子分析是一个有争议的标准，因为有强有力的证据支持 “ 串联 ” 聚类是一种过时的、统计上不能支持的做法（Arabie和Hubert 1994），原因有三：首先，数据被转换，细分群体的识别是基于转换后的空间而非原始信息主体，因而产生不同的结果。其次，典型的解释方差在50%到67%之间，在细分确定或构建之前，从受访者收集到的高达1／2的信息被丢弃。最后，被剔除后变量，意味着可能会丢弃用于识别某一细分群体的最重要信息，从而无法实现这一群体细分［38］。

表4 细分集群信息

Lyu，S.O.［18］基于休闲利益对高尔夫赛事观众进行细分时，通过因子分析剔除两个变量；Albayrak，T.［28］对急速漂流游客进行动机划分，因子分析结果剔除3个变量。但作者并未讨论剔除后的变量所带来的影响，且因子分析的同质性假设与细分的异质性假设相矛盾。相较于因子分析，聚类分析更大程度的保存了原始信息，因此可以产生更精确或更详细的细分［39］。Dolnicar（2008）通过仿真实验证明，采取因子－聚类和单独聚类的方法会产生不同的细分群体［27］。通过已知群体细分数量的人工数据集对比聚类和因子－聚类的差别，结果表明，采用因子－聚类细分的效果要明显低于直接对原始数据的聚类细分。因此，建议研究人员进行市场细分时，应采取更可靠的聚类细分对原始数据进行细分。

3.7 细分集群数量确定

集群数量的确定是细分市场中的一个重要问题，因为选择的集群数量对结果的影响最大。从集群数量的频率分布来看（表4），集群数量的总体分布为2－7个（图2），62%的集群数量集中在3－4个。当前，集群数量确定仍没有一个权威普适的解决方法。本研究中有8篇（31%）文献未提及集群选择的方法，在其他18篇（69%）文献中，有11篇是采取两步聚类的方法确定集群数量，借助层次分析生成的种子点，非层次分析可以更准确地对个体进行聚类［40］。3篇采取探索性方法，即作者依据实践需要或主观判断等探索性方法对不同数量的群体进行一一验证，例如Konu，H.［14］首选确定2－7个细分群体的可能性，然后通过K－means算法验证其中最佳的细分群体解，最终确定6个细分群体的解决方案。其他4篇研究中，Sara Dolnicar［41］采用袋装聚类分别对游客的旅行动机和度假活动进行了聚类，最终通过树状图确定了5个细分集群；Antónia Correia［17］首先通过主成分分析判断集群的数量，然后采用聚类分析中最常见的K－means算法进行集群划分；Hungenberg，E.［42］在选择集群数量时指出，根据研究背景和目的，最佳集群的选择是出于实际的考虑，或者哪种解决方案最有功能，最后通过Ward层次分析得到了3个集群；Tsiotsou，R.［35］使用判别分析对滑雪游客进行细分并以此确定集群的数量。

图四 细分群体数量

3.8 信效度

为证明细分群体间的差异性，需要对细分后的群体进行信效度检验，一般这种检验是通过对细分标准外的变量进行统计学检验进行的，例如游客在社会人口统计学、地理学、行为学等方面的信息，通过对已知细分群体进行更详细的信息开发，可以更进一步了解各群体间的区别。文献中常用的信效度检验方法主要包括方差分析、判别分析、交叉表等方法。

4 结论

体育旅游市场细分目前还未形成一个权威普适的细分标准，来自不同学科背景（旅游、体育旅游、体育、市场管理等）的研究人员，基于多种细分标准对特定的体育旅游环境进行了细分，这种细分主要顺承旅游市场细分研究。这其中基于动机的细分研究为最多，以冬季／滑雪类体育旅游市场细分研究最多。最为普遍的细分方法是聚类分析法，其中以K－means和Ward’s分析算法采用最多。样本量和变量之间存在一定的缺陷，即样本量不足或变量过多，考虑到因子分析过程中信息的丢失，不建议采用因子－聚类的细分方法，更为可取方法是对原始数据进行直接聚类分析。细分集群的确定需要引起研究人员的重视，要结合实践需要、游客信息等采取正确方法进行确定。

细分标准的选择需要基于市场目标和现实考虑，研究人员的主观判断要更具合理性，明确什么样的数据条件需要什么样的处理，才能得出对管理有用的细分市场。在选择细分标准的（变量）问题时要同时兼顾体育及旅游的特性，并根据可获取样本量大小，适当选择变量的大小。为使研究更具重复性，需要研究人员将问卷内容详细化，而不只是简单的描述。