Uwarunkowania lojalności klientów biur podróży

Abstract

W artykule przedstawiono wyniki badań własnych, które pozwoliły na zidentyfikowanie kluczowych czynników warunkujących wystąpienie lojalności behawioralnej klientów biur podróży oraz opracowanie profilu lojalnego nabywcy usług biur podróży. Analizie poddano rzeczywiste dane historyczne, pochodzące z systemu księgowo-rezerwacyjnego jednej z ogólnopolskich sieci franczyzowych konsolidującej 60 biur agencyjnych, dotyczące 15 248 rezerwacji dokonanych w latach 2013–2017 przez nabywców imprez turystycznych. W badaniu zależności zastosowano nieparametryczną metodę sztucznych sieci neuronowych, a najważniejszymi determinantami lojalności behawioralnej okazały się zmienne: czas trwania imprezy turystycznej, liczba dzieci poniżej 14. roku życia ujętych w rezerwacji oraz cena i miejsce docelowe imprezy turystycznej.

Full text

Zeszyty
Naukowe
Uniwersytet Ekonomiczny w Kr akowie
ISSN 1898-6447
e-ISSN 2545-3238
Zesz. Nauk. UEK, 2018; 4 (976): 73–83
https://doi.org/10.15678/ZNUEK.2018.0976.0405
4 (976 )
Izabela Michalska-Dudek
Uwarunkowania lojalności
klientów biur podróży
Streszczenie
W artykule przedstawiono wyniki badań własnych, które pozwoliły na zidentyfikowa-
nie kluczowych czynników warunkujących wystąpienie lojalności behawioralnej klientów
biur podróży oraz opracowanie profilu lojalnego nabywcy usług biur podróży. Analizie
poddano rzeczywiste dane historyczne, pochodzące z systemu księgowo-rezerwacyjnego
jednej z ogólnopolskich sieci franczyzowych konsolidującej 60 biur agencyjnych, doty-
czące 15 248 rezerwacji dokonanych w latach 2013–2017 przez nabywców imprez tury-
stycznych. W badaniu zależności zastosowano nieparametryczną metodę sztucznych sieci
neuronowych, a najważniejszymi determinantami lojalności behawioralnej okazały się
zmienne: czas trwania imprezy turystycznej, liczba dzieci poniżej 14. roku życia ujętych
w rezerwacji oraz cena i miejsce docelowe imprezy turystycznej.
Słowa kluczowe: lojalność behawioralna, biuro podróży, nieparametryczne metody ana-
lizy danych, metoda sztucznych sieci neuronowych.
Klasyfikacja JEL: D12, M31.
1. Wprowadzenie
Problematyka lojalności nabywców ma zasadnicze znaczenie z perspektywy
współtworzenia podstawowych kategorii ekonomicznych przedsiębiorstwa. Lojal-
ność klientów wpływa na rezultaty finansowe przedsiębiorstw – wiąże się ona ze
Izabela Michalska-Dudek, Uniwersytet Ekonomiczny we Wrocławiu, Wydział Ekonomii, Zarzą-
dzania i Turystyki w Jeleniej Górze, Katedra Marketingu i Zarządzania Gospodarką Turystyczną,
ul. Nowowiejska 3, 58-500 Jelenia Góra, e-mail: Izabela.Michalska-Dudek@ue.wroc.pl

Izabela Michalska-Dudek74
wzrostem obrotów (Hill i Alexander 2003) oraz obniżeniem kosztów (Reichheld
i Sasser 1990), przyczyniając się ostatecznie do wzrostu zysków przedsiębiorstwa.
W kontekście działań zmierzających do budowania i wzmacniania lojalności
klientów przedsiębiorstw turystycznych kluczowa staje się identyfikacja czyn-
ników wpływających na zachowania lojalnościowe klientów przedsiębiorstw
turystycznych. Celem niniejszego artykułu jest identyfikacja uwarunkowań lojal-
ności behawioralnej klientów biur podróży na przykładzie ogólnopolskiej sieci
agencyjnych biur podróży.
2. Przegląd literatury
Lojalność klientów przedsiębiorstw turystycznych można zdefiniować jako
głęboko utrwalone przekonanie nabywców do dokonywania powtórnych zakupów
usług turystycznych albo stałe preferowanie określonych kategorii ofert turystycz-
nych, których skutkiem są powtórne zakupy konkretnej marki lub pozycji z oferty
przedsiębiorstwa turystycznego (lojalność behawioralna) oraz propagowanie
pozytywnych opinii o określonym przedsiębiorstwie (lojalność afektywna), co
odbywa się mimo wysiłków marketingowych konkurencji, mogących teoretycznie
spowodować zmianę zachowania nabywcy (Michalska-Dudek 2017, Oliver 1999).
Lojalność nabywców względem przedsiębiorstw turystycznych uzależniona
jest od wielu czynników, które składają się zarówno na uwarunkowania zachowań
turystycznych, jak i na endogeniczne i egzogeniczne determinanty lojalności
nabywców. Z jednej strony wpływają na nią cechy samego nabywcy, z drugiej
− cechy branży turystycznej i specyficzne warunki rynkowe, w których funkcjo-
nują podmioty działające na rynku turystycznym (szerzej w: Michalska-Dudek
2017, s. 59-65). Analiza zaprezentowanych w literaturze przedmiotu modelowych
ujęć kształtowania lojalności klientów, a także przegląd prowadzonych badań
empirycznych pozwoliły stwierdzić, że lojalność konsumentów wobec obszaru
recepcji turystycznej (m.in.: Yoon i Uysal 2005; Hernández-Lobato i in. 2006,
Albayrak i Caber 2008, Mechinda, Serirat i Gulid 2009, Seweryn 2012, Prayag
i Ryan 2012, Lai i Vinh 2013, Haque i Khan 2013, Zong i in. 2014) i szeroko rozu-
mianych usług noclegowych (Pritchard i Howard 1997, Back 2001, Bowen i Chen
2001, Kim i Han 2008, Correia Loureiro i Kastenholz 2011, Eid 2013, Movafegh
i Movafegh 2013, Jani i Han 2014) często jest przedmiotem badań naukowych,
natomiast badania lojalności klientów podmiotów zajmujących się organizacją
i pośrednictwem na rynku turystycznym to zagadnienie najrzadziej analizowane.
Potwierdza to potrzebę prowadzenia badań oraz podejmowania prób eksplikacji
lojalności klientów biur podróży w Polsce.

Uwarunkowania lojalności klientów biur podróży 75
3. Metodologiczne aspekty badań
Sukces rynkowy przedsiębiorstw turystycznych zależy od zasobu wiedzy
o klientach, która jest gromadzona i wykorzystywana w celu lepszego poznania
i za spokojenia potrzeb klientów. Źródłem wiedzy są dane o klientach, zawieranych
przez nich transakcjach i zachowaniach ujawnionych podczas interakcji z przedsię-
biorstwem. Możliwości poszerzania wiedzy szukać należy w nieparametrycznych
metodach analizy danych1, które mogą być stosowane zarówno do eksploracji
danych (data mining), jak i do konstruowania prognoz. Ważną cechą nieparame-
trycznych metod jest ich adaptacyjny charakter. Metody te polegają na doborze
zmiennych do modelu przez optymalizację pewnego kryte rium, zaś metody
klasyczne wykorzystują z góry zadany zbiór predykto rów. Estymuje się wówczas
zarówno postać modelu, jak i wartości jego parametrów (Gatnar 2001, s. 17).
Poszukiwanie determinant lojalności behawioralnej nabywców usług biur
podróży wymagało zbudowania modelu, który uwzględniając rzeczywiste dane
z przeszłości dotyczące cech, aktywności i historii zakupowej klientów, zakładał
podział klientów na grupy o różnym poziomie zagrożenia rezygnacją z jednej
strony i różnymi szansami na dalsze zakupy imprez turystycznych z drugiej strony.
Zgodnie z podziałem metod wielowymiarowej analizy danych (Hair i in. 2010,
s. 13) w przeprowadzonym badaniu zależności, w którym analizie poddano jedną
zmienną zależną mierzoną na skali nominalnej − behawioralną lojalność klientów
analizowanego biura podróży, wykorzystano metodę sieci neuronowych2.
Wzrost zainteresowania sieciami neuronowymi wynika z faktu, że należą
one do metod analizy danych o dużych możliwościach aplikacyjnych (por. Lula,
Paliwoda-Pękosz i Tadeusiewicz 2007, s. 78 i nast.). Okazały się one także narzę-
dziem przydatnym do rozwiązywania wielu problemów badawczych w sytuacjach,
w których potrzebne są metody modelowania umożliwiające odwzorowywanie
złożonych − wielowymiarowych i nieliniowych – zależności. Szczególną właści-
wością sieci neuronowych jest to, że stanowią one odwzo rowanie działania ludz-
kiego umysłu, implementując uproszczony matematyczny opis układu nerwowego.
1 Zasadnicza różnica między metodami parametrycznymi a nieparametryczny mi polega na
roli, jaką odgrywają w nich dane. O ile dla tych pierwszych dane są podstawą weryfikacji przyję-
tych wcześniej założeń, o tyle w przypadku tych dru gich dane są systematycznie przeszukiwane
w celu dokonania selekcji właściwych zmiennych oraz znalezienia informacji o postaci modelu.
Metody nieparametryczne pozwalają przezwyciężyć ograniczenia klasycznych metod staty-
stycznych i zbudować model bez znajomości postaci rozkładów cech oraz związków między nimi
(Gatnar 2001, s. 8 i nast.).
2 Ponieważ zaproponowana metoda ma charakter nieparametryczny, nie musiała być znana
klasa funkcji opisujących wpływ predyktorów na zmienną wyjściową (y). Nie było również
konieczne wcześniejsze dokonywanie specyfikacji predyktorów, jakie należy uwzględnić w modelu,
a do boru zmiennych dokonuje się jednocześnie z budową modelu (por. Gatnar 2001, s. 29).

Izabela Michalska-Dudek76
Głównym zadaniem neuronów jest przetwarzanie informa cji podanych na wejściu
sieci w wartości wyjściowe. Sztuczne komórki nerwowe, wykorzystując wagi przy-
pisane każdej informacji wejściowej, agregują dane wej ściowe, a następnie wyzna-
czają wartości wyjściowe (Lula, Paliwoda-Pę kosz i Tadeusiewicz 2007, s. 78–80).
Analiza rzeczywistych danych historycznych uwzględnia jących cechy, aktyw-
ność i historię zakupową klientów biur podróży pozwoliła na przeprowadze nie
pogłębionej segmentacji, której efektem było również stworzenie charakterystyki
lojalnego klienta biur podróży. Cechy lojalnego klienta biur podróży zostały
omówione na podstawie rzeczywistych zachowań nabywców usług turystycznych
na rynku, nie zaś badań ankie towych opierających się jedynie na deklaracjach
konsumentów dotyczących procesu podejmowania decyzji o zakupie.
Badanie lojalności behawioralnej klientów biur podróży przeprowadzono,
analizując rzeczywiste dane historyczne dotyczące przedsiębiorstwa turystycznego
− Travel Shops Sp. z o.o.3, pochodzące z systemu księgowo-rezerwacyjnego. Dane
te dotyczyły 15 248 rezerwacji imprez turystycznych dokonanych przez klientów
w latach 2013–2017 w ponad 60 agencyjnych biurach sieci franczyzowej na terenie
całej Polski. Szczegółowym analizom współzależności występowania określonych
zjawisk poddano 14 000 rezerwacji, dla których możliwa była weryfikacja doko-
nania powtórnych zakupów usług turystycznych przez nabywcę.
4. Analiza wyników badań
Do podstawowego pomiaru lojalności behawioralnej nabywców usług bada-
nego podmiotu zastosowano wskaźniki: utrzymania klientów (retention rate)
oraz utraty klientów4. Na podstawie danych histo rycznych obliczono statystyczny
wskaźnik utraty klientów, który wyniósł 68,83% (Wskaźniki marketingowe…
2004, s. 75 i nast.), oraz wskaźnik utrzymania klientów (retention rate), utrzy-
mujący się na poziomie 31,17% (Wskaźniki marketingowe… 2004, s. 60 i nast.).
3 Travel Shops Sp. z o. o. z siedzibą w Łodzi to działająca na rynku od 2007 r. franczyzowa
sieć agencyjnych biur podróży, konsolidująca ponad 60 biur agencyjnych w całej Polsce, prowa-
dząca sprzedaż imprez turystycznych wielu organizatorów turystycznych. Zrzeszone w sieci biura
agencyjne działają w ramach trzech modeli współpracy, jako: office partner, realizujący sprze-
daż imprez turystycznych w lokalu usługowym; sprzedaż ta jest wsparta sprzedażą internetową,
net partner, zajmujący się internetową sprzedażą imprez turystycznych (przez zindywidualizowany
por tal) bez lokalu usługowego, oraz mobile partner, sprzedający imprezy turystyczne bezpośrednio
u klienta i/lub na spotkaniach.
4 Pierwszy wskaźnik informuje, jaki procent klientów analizowanego przedsiębiorstwa
turystycz nego zrezygnował z jego usług, natomiast drugi wskaźnik określa, jaka część klientów,
którzy dokonali zakupu usług firmy turystycznej w poprzednim okresie, ponowiła swój zakup. Oba
wskaźniki ukazują procesy utraty i utrzymania klientów w dłuższym okresie, służąc jednocześnie
do pomiaru skuteczności działań marketingowych (Wskaźniki marketingowe… 2004, s. 60 i nast.).

Uwarunkowania lojalności klientów biur podróży 77
Wartości obu wskaźników sygnalizują konieczność mo dyfikacji realizowanej
przez analizowane przedsiębiorstwo strategii marketingowej oraz intensyfikacji
działań mających na celu wzmocnienie lojalności klientów.
Na uwagę zasługuje struktura grupy lojalnych klientów badanego podmiotu.
W analizowanym okresie 2013–2017 odnotowano 4363 przejawy lojalności beha-
wioralnej, wyrażonej powtórnym zakupem imprez turystycznych w sieci biur
podróży, z czego 76,19% stanowiły zachowania lojalnościowe wobec 11 najważ-
niejszych touroperatorów działających na polskim rynku. Ponad 40% odnotowa-
nych przypadków wystąpienia lojalności behawioralnej klientów sieci dotyczyło
czwórki największych organizatorów turystyki, a mianowicie takich biur podróży,
jak: Itaka (20,81%), TUI Poland (8,27%), Grecos Holiday (6,35%) oraz Necker-
mann Polska (5,75%), zaś 13% przypadków klientów dokonujących ponownych
zakupów dotyczyło zakupu imprez turystycznych i pakietów ubezpieczeń tury-
stycznych (Signal Iduna Polska oraz Allianz). Świadczyć to może o fakcie, że
nabywcy usług turystycznych – kierując się w swoich decyzjach zakupowych
kryterium własnego bezpieczeństwa oraz pewności realizacji usług – wybierali
dużych i wiarygodnych organizatorów podróży, a następnie powracali do nich.
W celu szczegółowej analizy zależności zastosowano nieparametryczną
metodę analizy danych i na podstawie danych pochodzących z systemu księgo-
wo-rezerwacyjnego badanej sieci biur podróży skonstruowano model oparty na
sztucznych sieciach neuronowych5, przewidujący wystąpienie lojalności behawio-
ralnej nabywców usług turystycznych.
Analizie poddano dane opisane poniższymi zmiennymi warstwy wejściowej:
1) rezerwacje:
– cena imprezy turystycznej – zmienna mierzona na skali ilora zowej (x1),
– sposób zakupu – zmienna mierzona na skali nominalnej (x2),
– forma płatności – zmienna mierzona na skali nominalnej (x3),
–liczba nabytych usług turystycznych – liczba osób objętych rezerwacją –
zmienna mierzona na skali ilorazowej (x4),
–liczba dzieci poniżej 14. roku życia ujętych w rezerwacji – zmienna mierzona
na skali ilorazowej (x5),
–czas między datą rezerwacji a datą rozpoczęcia imprezy turystycznej – zmienna
mierzona na skali ilorazowej (x6);
5 W analizowanym przykładzie nie były znane zależności pozwalające na obliczenie danych
wyjściowych na podstawie danych pochodzących z systemu księgowo-rezerwacyjnego sieci biur
podróży, dlatego uznano za celowe zastosowanie sieci neuronowych. Przy budowie modelu neuro-
nowego wykorzystano wyłącznie eksplorowane dane, a sieć neuronowa podlegała uczeniu w trybie
z nauczycielem, służącym do modelowania nieznanej zależności (między zbiorem danych wejścio-
wych a zbiorem zmiennych wyjściowych) i pozwalającym na wydobycie wiedzy zawartej implicite
w eksplorowanych danych.

Izabela Michalska-Dudek78
2) imprezy turystyczne:
–organizator imprezy turystycznej – zmienna mierzona na skali nominalnej (x7),
–miejsce zakupu − agent sprze dający imprezę turystyczną – zmienna mierzona
na skali nominalnej (x8),
–czas trwania imprezy turystycznej – zmienna mierzona na skali ilorazowej (x9),
–miejsce docelowe imprezy turystycznej − zmienna mierzona na skali nomi-
nalnej (x10);
3) charakterystyka klienta, w tym:
–miejsce zamieszkania klienta – zmienna mierzona na skali nominalnej (kod
pocztowy − x11),
– wiek klienta – zmienna mierzona na skali ilorazowej (x12),
– płeć klienta – zmienna binarna (x13).
Objaśnienia:
yi – obserwacje zmiennej wyjściowej: behawioralna lojalność nabywców usług turystycz-
nych;
Xi – obserwacje poszczególnych zmiennych wejściowych od x1 do x13, gdzie: x1
– cena imprezy
turystycznej,
x2 – sposób zakupu, x3 – for ma płatności, x4 – liczba nabytych usług turystycznych, x5
– liczba
dzieci poniżej 14. roku życia ujętych w rezerwacji,
x6
– czas pomiędzy dat rezerwacji a datą rozpoczęcia
imprezy turystycznej,
x7 – organizator imprezy turystycznej, x8 – miejsce zakupu, x9
– czas trwania
imprezy turystycznej,
x10 – miejsce docelowe wyjazdu, x11 – miejsce zamieszkania klienta, x12
– wiek
klienta,
x13 – płeć klienta; wi – wagi zmiennych wejściowych, i = 1, …, 13.
yi = ϕ (( x1, …, x13 ) i, (w1, …, w13 ))
Zmienne
warstwy
wejściowej
x1
x2
…
x13
Zmienna
warstwy
wyjściowej
yi
Wagi
zmiennych
warstwy
wejściowej
w1
w2
…
w13
Rys. 1. Struktura modelu behawioralnej lojalności klientów badanego podmiotu opartego
na sieci neuronowej typu MLP
Źródło: opracowanie własne.
Zmienną warstwy wyjściowej była behawioralna lojalność nabywców usług
turystycznych (yi ). Strukturę zaproponowanego modelu behawioralnej lojalności
klientów badanego podmiotu opartego na sieci neuronowej typu MLP przed-
stawia rys. 1.

Uwarunkowania lojalności klientów biur podróży 79
Opierając się na przedstawionych rzeczywistych przypadkach dotyczących doko-
nanych przez klientów biura podróży re zerwacji imprez turystycznych, zapropono-
wana sieć odkrywa ogólne prawidłowości kierujące przebiegiem zjawiska lojalności
behawioralnej nabywców (zmienna warstwy wyjściowej y1). Tak nauczona sieć ma
również zdolność predykcji, którzy spośród dotychczasowych klientów dokonają
ponownego zakupu6.
Do przeprowadzenia obliczeń w badaniu wykorzystano pakiet nnet środo-
wiska R, wykorzystujący funkcję aktywacji softmax oraz algorytm uczenia
wstecznej propagacji błędów (back propagation). Empiryczna weryfikacja teore-
tycznego modelu opartego na sztucznych sieciach neuronowych pozwoliła na
identyfikację czynników determinujących lojalność behawioralną nabywców usług
turystycznych badanego podmiotu.
0,31117
0,8407
–0,03956
0,51754
–0,95664
1,91414
–0,15307
–0,28303
1,21968
0,5276
–0,81643
0,82427
35,9701
–1,48213
1,29482
–57,23052
–476,51986
–0,1368
–0,49431
–1,651 31
1,08806
0,6673
0,10787
–0,60428
5,31004
–0,800 88
1,28154
20,53439
–2,17229
0,67924
–7,69194
–1,15719
0,68664
–11,45775
–0,617
–0,3078
4,27363
–1,83404
3,12171
0,30334
–1,18585
0,33198
loyal
–0,4115
1,17172
–0,51705
1
0,66043
1
0,1717 20 00 63
x2 – sposób zak upu
0,8340402496
x3 – forma płatności
0,61700 440 20
x4 – liczba nabytych usług turystycznych
0,1571919392
x13 – płeć klienta
2,1722917736
x9 – czas trwania imprezy turystycznej
0,8 00881930 2
x8 – miejsce zakupu
0,1078652037
x7 – organizator imprezy turystycznej
1,6 5131438 20
x5 – liczba dzieci poniżej 14. roku życia
ujętych w rezerwacji
1,4821292990
x1 – cena imprezy turystycznej
0,816427 292 5
x6 – czas pomiędzy datą rezerwacji
a datą rozpoczęcia imprezy turystycznej
0,283 0303232
x11 – miejsce zamieszkania klienta
0,9566405537
x10 – miejsce docelowe imprezy turystycznej
0,8406983442
x12 – wiek klienta
Rys. 2. Wyniki procesu uczenia się sieci z wykorzystaniem schematu z nauczycielem
Źródło: opracowanie własne na podstawie przeprowadzonych badań i obliczeń z wykorzystaniem
pa kietu nnet środowiska R.
6 Dla danych archiwalnych zmienna przyjmowała wartości: 0 − jeśli klient nie dokonał ponow-
nego zakupu, lub 1 − jeżeli go dokonał. Dla nowych klientów była to zmienna z przedziału 0, 1
rozumiana jako prawdopodobieństwo dokonania ponownego zakupu po pierwszym zakupie.

Izabela Michalska-Dudek80
Obiekty z systemu księgowo-rezerwacyjnego (15 248 rezerwacji) podzielono
arbitralnie na zbiór uczący i zbiór testowy. Zbiór danych wykorzystany w przepro-
wadzonym badaniu do uczenia sieci, zwany zbiorem uczącym, zawierał dane na
temat 14 000 rezerwacji7.
W zbiorze tym odnotowano 4363 przypadków doko nania przez klientów
ponownej rezerwacji i zakupu imprez turystycznych (wystąpienia lojalności beha-
wioralnej).
Analiza ostatecznych wag przypisanych przez sieć neuronową poszczególnym
zmiennym warstwy wejściowej (rys. 2) pozwala na sformułowanie wniosków
dotyczących czynników determinujących wystąpienie lojalności behawioralnej
nabywców usług turystycznych w analizowanym przedsiębiorstwie turystycznym.
5. Wnioski
Najważniejszymi determinantami lojalności behawioralnej klientów okazały
się zmienne: czas trwania imprezy turystycznej (x9), liczba dzieci poniżej 14. roku
życia ujętych w rezerwacji (x5) oraz cena (x1) i miejsce docelowe (x10) imprezy
turystycznej (rys. 3).
Za istotne uwarunkowania wystąpienia lojalności behawioralnej uznać należy
również wiek klienta (x12) oraz czas pomiędzy datą rezerwacji a datą rozpoczęcia
imprezy turystycznej (x6).
Wyniki przeprowadzonych analiz pozwalają na scharakteryzowanie lojalnego
nabywcy usług turystycznych. Lojalni klienci analizowanej sieci biur podróży
to osoby w średnim wieku (średnia wieku: 46 lat), bardzo często podróżujące
z rodziną, w szczególności z dziećmi w wieku poniżej 14. roku życia, kupujące
więcej usług turystycznych (dokonujące rezerwacji imprez turystycznych doty-
czących kilku osób), wyjeżdżające na dłużej (ich wyjazdy to najczęściej imprezy
10-, 14-dniowe bądź dłuższe), a także planujące swoje wakacje i rezerwujące
imprezy turystyczne z dużym wyprzedzeniem czasowym (średnio już 72 dni
przed terminem rozpoczęcia imprezy turystycznej, a najczęściej ok. 100 dni przed
wyjazdem). Lojalni klienci średnio za imprezę turystyczną płacili 4652 zł/osobę,
chętnie korzystali z ofert typu first minute, a najrzadziej ze wszystkich nabywców
oczekiwali na okazje cenowe i wyprzedażowe oferty promocyjne last minute,
co potwierdza, że ich lojalność wpływa na wyniki finansowe przedsiębiorstwa
– przyczynia się do wzrostu obrotów (przychodów) z dokonywanych zakupów,
a w konsekwencji do generowania zysków organizacji. Co więcej, ponad połowa
7 Ze względu na brak możliwości potwierdzenia wystąpienia analizowanej prawidłowości
(wystąpienia lojalności behawioralnej) w zbio rze uczącym oraz zbiorze testowym celowo pomi-
nięte zostały dane dotyczące 1248 rezerwacji z ostatnich miesięcy.

Uwarunkowania lojalności klientów biur podróży 81
lojalnych klientów to nabywcy imprez turystycznych do najbardziej popularnych
destynacji turystycznych: Grecji (14,05%), Hiszpanii (13,45%), Turcji i Bułgarii
(po 7,68%), Egiptu (4,42%) Włoch (4,29%) oraz Tunezji (2,68%). Lojalni klienci
wybierają funkcjonujących od lat na rynku, wiarygodnych organizatorów imprez
turystycznych o silnej pozycji konkurencyjnej, takich jak: Itaka (20,81%), TUI
Poland (8,27%), Grecos Holiday (6,35%) oraz Neckermann Polska (5,75%).
Behawioralna lojalność nabywców imprez turystycznych
ogólnopolskiej sieci agencyjnych biur podróży (y)
Cena imprezy turystycznej (x1)
(średnio 4652 zł/osobę)
Czas trwania imprezy
turystycznej (x9 )
(> 9 dni)
Liczba dzieci poniżej 14. roku życia
ujętych w rezerwacji (x5 )
(wyjazdy z dziećmi)
Miejsce docelowe imprezy
turystycznej (x10 ) (Grecja, Hiszpania,
Turcja, Bułgaria, Egipt, Włochy, Tunezja)
Rys. 3. Determinanty behawioralnej lojalności nabywców imprez turystycznych
ogólnopolskiej sieci agencyjnych biur podróży
Źródło: opracowanie własne na podstawie przeprowadzonych badań i obliczeń z wykorzystaniem
pakietu nnet środowiska R.
Ponieważ skuteczne budowanie lojalności nabywców usług biur podróży jest
możliwe jedynie pod warunkiem znajomości przez menedżerów uwarunkowań
postępowania nabywców, wyniki przeprowadzonych badań mogą być wykorzy-
stane do identyfikacji grupy kluczowej dla badanego przedsiębiorstwa – lojalnych
klientów – oraz dostrzeżenia wyróżniających ją cech. Działania mające na celu
wzmocnienie lojalności powinny być adresowane do klientów dokonujących
ponownych zakupów – klientów familijnych, w średnim wieku, wyjeżdżających
na dwa tygodnie bądź dłużej, w towarzystwie rodziny, bardzo często z dziećmi
poniżej 14. roku życia, planujących i rezerwujących swój urlop z dużym wyprze-
dzeniem, wybierających pewnych organizatorów imprez turystycznych i popularne
destynacje turystyczne.
Implementacja działań zorientowanych na budowanie relacji powinna prze-
jawiać się w bez pośrednim kontakcie z kluczowymi klientami, interaktywnej
komunikacji z nimi, wczesnym rozpoznawaniu potrzeb analizowanej grupy,

Izabela Michalska-Dudek82
a także w two rzeniu zindywidualizowanych ofert. Identyfikacja, a następnie
skuteczne zaspokojenie potrzeb tego szczególnego segmentu konsumentów –
poprzez uzyskanie gwarancji ponownych zakupów, a także minimalizacji ryzyka
przyszłych działań marketingowych – pomogą umocnić pozycję konkurencyjną
badanego podmiotu. Takie podejście pozwoli dowartościować klientów dokonu-
jących ponownych zakupów, co może skutkować jeszcze większą ich lojalnością.
Literatura
Albayrak T., Caber M. (2008), Tourists’ Satisfaction and Its Interaction with Loyalty
towards to a Desti nation, Salamanca University, Salamanca.
Back K. (2001), The Effects of Image Congruence on Customer Satisfaction and Brand
Loyalty in the Lodging Industry, The Pennsylvania State University, Pennsylvania.
Bowen J.T., Chen S. (2001), The Relationship between Customer Loyalty and Customer
Satisfaction, „International Journal of Contemporary Hospitality Management”,
vol. 13, nr 5, https://doi.org/10.1108/09596110110395893.
Correia Loureiro S.M., Kastenholz E. (2011), Corporate Reputation, Satisfaction, Delight,
and Loyalty towards Rural Lodging Units in Portugal, „International Journal of Hos-
pitality Management”, vol. 30, nr 3, https://doi.org/10.1016/j.ijhm.2010.10.007.
Eid R. (2013), Integrating Muslim Customer Perceived Value, Satisfaction, Loyalty and
Retention in the Tourism Industry: An Empirical Study, „International Journal of
Tourism Research”, vol. 17, nr 3, https://doi.org/10.1002/jtr.1982.
Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo
Naukowe PWN, Warszawa.
Hair J.F., Black W.C. Jr., Babin B.J., Anderson R.E. (2010), Multivariate Data Analysis,
wyd. 7, Pearson Prentice Hall, Upper Saddle River.
Haque A., Khan A.H. (2013), Factors Influencing of Tourist Loyalty: A Study on Tourist
Destinations in Malaysia, Proceedings of Third Asia-Pacific Business Research Con-
ference 25–26 February 2013, Kuala Lumpur, Malaysia.
Hernández-Lobato L., Solis-Radilla M.M., Moliner-Tena M.A., Sánchez-García J. (2006),
Tourism Destination Image, Satisfaction and Loyalty: A Study in Ixtapa-Zihuatanejo,
Mexico, „Tourism Geographies: An International Journal of Tourism Space, Place and
Environment”, vol. 8, nr 4, https://doi.org/10.1080/14616680600922039.
Hill N., Alexander J. (2003), Pomiar satysfakcji i lojalności klientów, Oficyna Ekono-
miczna, Kraków.
Jani D., Han H. (2013), Personality, Satisfaction, Image, Ambience, and Loyalty: Testing
Their Relationships in the Hotel Industry, „International Journal of Hospitality Man-
agement”, vol. 37, https://doi.org/10.1016/j.ijhm.2013.10.007.
Kim W., Han H. (2008), Determinants of Restaurant Customers’ Loyalty Intentions:
A Mediating Effect of Relationship Quality, „Journal of Quality Assurance in Hospi-
tality & Tourism”, vol. 9, nr 3, https://doi.org/10.1080/15280080802412727.
Lai W.H., Vinh N.Q. (2013), Online Promotion and Its Influence on Destination Aware-
ness and Loyalty in the Tourism Industry, „Advances in Management & Applied
Economics”, vol. 3, nr 3.

Uwarunkowania lojalności klientów biur podróży 83
Lula P., Paliwoda-Pękosz G., Tadeusiewicz R. (2007), Metody sztucznej inteligencji i ich
zastosowania w ekonomii i zarządzaniu, Wydawnictwo Akademii Ekonomicznej
w Krakowie, Kraków.
Mechinda P., Serirat S., Gulid N. (2009), An Examination of Tourists’ Attitudinal and
Behavioral Loyalty: Comparison between Domestic and International Tourists, „Jour-
nal of Vacation Marketing”, vol. 15, nr 2, https://doi.org/10.1177/1356766708100820.
Michalska-Dudek I. (2017), Kształtowanie lojalności klientów biur podróży, Wydawnic-
two Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
Movafegh A., Movafegh A. (2013), The Impact of Service Quality on Tourist Loyalty in
Malaysian Tourism Industry, „International Journal of Innovative Ideas”, vol. 13, nr 1.
Oliver R.L. (1999), Whence Consumer Loyalty? „Journal of Marketing”, vol. 63, nr 4,
https://doi.org/10.2307/1252099.
Pong L.T., Yee P.T. (2001), An Integrated Model of Service Loyalty, Academy of Business
& Administrative Sciences International Conferences, Brussels.
Prayag G., Ryan C. (2012), Antecedents of Tourists’ Loyalty to Mauritius: The Role and
Influence of Destination Image, Place Attachment, Personal Involvement, and Satisfac-
tion, „Journal of Travel Research”, vol. 51, nr 3, https://doi.org/10.1177/0047287511410321.
Pritchard M.P., Howard D.R. (1997), The Loyal Traveler: Examining a Typology of Ser-
vice Patronage, „Journal of Travel Research”, vol. 35, nr 4, https://doi.org/10.1177/
004728759703500401.
Reichheld F.F., Sasser Jr. W.E. (1990), Zero Defections. Quality Comes to Service, „Harvard
Business Review”, nr 9–10.
Seweryn R. (2012), Kreowanie wartości dla klienta przez obszar recepcji turystycznej,
Zeszyty Naukowe. Seria specjalna: Monografie, nr 220, Wydawnictwo Uniwersytetu
Ekonomicznego w Krakowie, Kraków.
Wskaźniki marketingowe (2004), red. R. Kozielski, Oficyna Ekonomiczna, Kraków.
Yoon Y., Uysal M. (2005), An Examination of the Effects of Motivation and Satisfaction
on Destination Loyalty: A Structural Model, „Tourism Management”, vol. 26, nr 1,
https://doi.org/10.1016/j.tourman.2003.08.016.
Zong H., Fu X., Cai L.A., Lu L. (2014), Destination Image and Tourist Loyalty: A Meta-
-analysis, „Tourism Management”, vol. 40.
The Determinants of Travel Agency Client Loyalty
(Abstract)
The article presents the results of the author’s research identifying the key determi-
nants of loyalty among travel agency clients. It also develops a profile of a loyal customer
of travel agency services. The analysis covers real historical data, taken from the account-
ing and booking system of one nationwide franchise of networks in Poland consolidating
60 agency offices and referring to 15,248 reservations made in the years 2013–2017 by
clients who purchased tourist services. A non-parametric method of artificial neural
networks was applied, while the most important determinants of behavioural loyalty were
the following variables: the duration of the tour, the number of children under the age of
14 included in the booking, the price and the destination of the tourist event.
Keywords: behavioural loyalty, travel agency, non-parametric methods of data analysis,
MLP multilayer neural network.