การวิเคราะห์รูปแบบพฤติกรรมนักท่องเที่ยวด้วยเทคนิคกฎความสัมพันธ์: กรณีศึกษาตลาดกลางคืนเชียงราย
DOI:
https://doi.org/10.53848/jlsco.v12i2.298370คำสำคัญ:
กฎความสัมพันธ์, รูปแบบพฤติกรรมนักท่องเที่ยว, FP-Growth, การวางแผนพื้นที่ตลาดกลางคืนบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสำรวจรูปแบบการเข้าร่วมกิจกรรมของนักท่องเที่ยวและวิเคราะห์ความสัมพันธ์ระหว่างกิจกรรมต่างๆ ณ ตลาดกลางคืนเชียงราย เพื่อสนับสนุนการจัดการการท่องเที่ยวในเมืองอย่างมีประสิทธิภาพ การวิจัยใช้รูปแบบการวิจัยเชิงปริมาณแบบพรรณนา โดยเก็บรวบรวมข้อมูลจากนักท่องเที่ยวจำนวน 405 คน ที่มาเยือนตลาดกลางคืนเชียงรายด้วยแบบสอบถามที่มีโครงสร้าง ครอบคลุมข้อมูลลักษณะทางประชากรศาสตร์ พฤติกรรมการเดินทาง และการเข้าร่วมกิจกรรม วิเคราะห์ข้อมูลเบื้องต้นด้วยสถิติเชิงพรรณนา ได้แก่ การแจกแจงความถี่และค่าร้อยละ เพื่ออธิบายลักษณะของนักท่องเที่ยวและการเข้าร่วมกิจกรรมโดยรวม นอกจากนี้ ยังวิเคราะห์รูปแบบความสัมพันธ์ระหว่างกิจกรรมด้วยเทคนิคการค้นหากฎ โดยใช้อัลกอริทึม FP-Growth ผ่านโปรแกรม RapidMiner โดยกำหนดค่าเกณฑ์สนับสนุนขั้นต่ำเท่ากับ 0.60 และค่าเกณฑ์ความเชื่อมั่นขั้นต่ำเท่ากับ 0.95 ผลการวิจัยพบว่ากิจกรรมของนักท่องเที่ยวมีความเชื่อมโยงกันสูง ก่อให้เกิดประสบการณ์แบบบูรณาการ นักท่องเที่ยวที่เข้าร่วมกิจกรรมชมทัศนียภาพและเรียนรู้ทางวัฒนธรรมมีแนวโน้มสูงที่จะเข้าร่วมกิจกรรมการรับประทานอาหาร นอกจากนี้ การรับประทานอาหารปรากฏเป็นกิจกรรมศูนย์กลางในรูปแบบกิจกรรมส่วนใหญ่ของตลาด โดยรูปแบบที่พบบ่อยที่สุดคือการรับประทานอาหารร่วมกับการชมการแสดงดนตรีพื้นเมือง ซึ่งนำไปสู่การชมทัศนียภาพภายในบริเวณตลาดกลางคืน ข้อเสนอแนะเชิงประยุกต์ชี้ว่าการพัฒนาพื้นที่ตลาดกลางคืนควรจัดผังพื้นที่โดยยึดกิจกรรมการรับประทานอาหารเป็นแกนหลัก พร้อมบูรณาการกิจกรรมทางวัฒนธรรมและการแสดงในพื้นที่สัญจรหลัก เพื่อยกระดับประสบการณ์ของนักท่องเที่ยวและสนับสนุนการจัดการการท่องเที่ยวในเมืองอย่างยั่งยืน ทั้งนี้ งานวิจัยนี้ยังเป็นการนำเสนอหลักฐานเชิงประจักษ์ใหม่เกี่ยวกับรูปแบบพฤติกรรมในระดับกิจกรรมในบริบทการท่องเที่ยวแบบไม่เป็นทางการ ซึ่งการวิเคราะห์เชิงข้อมูลในลักษณะดังกล่าวยังมีการศึกษาอย่างจำกัด
เอกสารอ้างอิง
Agrawal, R., & Srikant, R. (2022). Mining sequential patterns. Proceedings of the Eleventh International Conference on Data Engineering, 3–14. https://doi.org/10.1109/ICDE.1995.380415
Arreeras, T., Arimura, M., Asada, T., & Arreeras, S. (2019). Association Rule Mining Tourist-Attractive Destinations for the Sustainable Development of a Large Tourism Area in Hokkaido Using Wi-Fi Tracking Data. Sustainability, 11(14), 3967. https://doi.org/10.3390/su11143967
Bentalha, B. (2023). Sustainable Supply Chain Management in Tourism (pp. 53–66). https://doi.org/10.4018/979-8-3693-2065-5.ch004
Carmona, M. (2019). Principles for public space design, planning to do better. URBAN DESIGN International, 24(1), 47–59. https://doi.org/10.1057/s41289-018-0070-3
Huang, R., Xie, C., Lai, F., Li, X., Wu, G., & Phau, I. (2023). Analysis of the Characteristics and Causes of Night Tourism Accidents in China Based on SNA and QAP Methods. International Journal of Environmental Research and Public Health, 20(3), 2584. https://doi.org/10.3390/ijerph20032584
Jeong, S. K., & Ban, Y. U. (2020). Spatial Configurations for The Revitalization of a Traditional Market: The Case of Yukgeori Market in Cheongju, South Korea. Sustainability, 12(7), 2937. https://doi.org/10.3390/su12072937
Kumar, S., & Toshniwal, D. (2016). A data mining approach to characterize road accident locations. Journal of Modern Transportation, 24(1), 62–72. https://doi.org/10.1007/s40534-016-0095-5
Li, R., Wang, X., & Wang, Y. (2021). Night Market Cultural Transformation and Upgrading. Journal of Service Science and Management, 14(04), 412–428. https://doi.org/10.4236/jssm.2021.144026
Li, W. (2004). Environmental management indicators for ecotourism in China’s nature reserves: A case study in Tianmushan Nature Reserve. Tourism Management, 25(5), 559–564. https://doi.org/10.1016/j.tourman.2003.06.001
Liang, C.-C., Yu, A. P.-I., & Le, T. H. (2021). Customers focus and impulse buying at night markets. Journal of Retailing and Consumer Services, 60, 102434. https://doi.org/10.1016/j.jretconser.2020.102434
Oh, H., Fiore, A. M., & Jeoung, M. (2007). Measuring Experience Economy Concepts: Tourism Applications. Journal of Travel Research, 46(2), 119–132. https://doi.org/10.1177/0047287507304039
Park, S., Xu, Y., Jiang, L., Chen, Z., & Huang, S. (2020). Spatial structures of tourism destinations: A trajectory data mining approach leveraging mobile big data. Annals of Tourism Research, 84, 102973. https://doi.org/10.1016/j.annals.2020.102973
Pine, B. J., & Gilmore, J. H. (2013). The experience economy: past, present and future. In Handbook on the Experience Economy. Edward Elgar Publishing. https://doi.org/10.4337/9781781004227.00007
Rueda-López, R., Castaño-Prieto, L., Álvarez-Robles, C., & Aguilar-Rivero, M. (2026). Relationships between tourists’ motivations, satisfaction, perceived value and loyalty in a second-tier city: the case of León (Spain). Cities, 170, 106650. https://doi.org/10.1016/j.cities.2025.106650
Sowan, B., Zhang, L., Matar, N., Zraqou, J., Omar, F., & Alnatsheh, A. (2025). A novel lift adjustment methodology for improving association rule interpretation. Decision Analytics Journal, 15, 100582. https://doi.org/10.1016/j.dajour.2025.100582
Syah, R. D., Madenda, S., Suhatril, R. J., & Harmanto, S. (2023). Digital Image Encryption using Composition of RaMSH-1 Map Transposition and Logistic Map Keystream Substitution. International Journal of Advanced Computer Science and Applications, 14(3). https://doi.org/10.14569/IJACSA.2023.0140365
Tank, D. M. (2014). Improved Apriori Algorithm for Mining Association Rules. International Journal of Information Technology and Computer Science, 6(7), 15–23. https://doi.org/10.5815/ijitcs.2014.07.03
Testa, M. R., & Sipe, L. (2012). Service-leadership competencies for hospitality and tourism management. International Journal of Hospitality Management, 31(3), 648–658. https://doi.org/10.1016/j.ijhm.2011.08.009
Thailand: tourist arrivals 2025| Statista. (n.d.). Https://Www.Statista.Com/Statistics/994693/Thailand-Number-International-Tourist-Arrivals/.
UN Tourism. (2025). World Tourism Barometer. UNWTO World Tourism Barometer.
Wang, J., Jiang, X., He, Y., Guan, B., & Deng, C. (2025). Exploration of association rule mining between lost-linking features and modes of loan customers using the FP-growth algorithm for risk warning strategies. PLOS One, 20(9), e0332623. https://doi.org/10.1371/journal.pone.0332623
WICAKSONO, D., JAMBAK, M. I., & SAPUTRA, D. M. (2020). The Comparison of Apriori Algorithm with Preprocessing and FP-Growth Algorithm for Finding Frequent Data Pattern in Association Rule. Proceedings of the Sriwijaya International Conference on Information Technology and Its Applications (SICONIAN 2019). https://doi.org/10.2991/aisr.k.200424.047
Yaman, S., Fagerholm, F., Munezero, M., Männistö, T., & Mikkonen, T. (2020). Patterns of user involvement in experiment-driven software development. Information and Software Technology, 120, 106244. https://doi.org/10.1016/j.infsof.2019.106244
Yin, C., Wang, X., Shao, C., & Ma, J. (2022). Exploring the Relationship between Built Environment and Commuting Mode Choice: Longitudinal Evidence from China. International Journal of Environmental Research and Public Health, 19(21), 14149. https://doi.org/10.3390/ijerph192114149
Yu, T., Rita, P., Moro, S., & Oliveira, C. (2022). Insights from sentiment analysis to leverage local tourism business in restaurants. International Journal of Culture, Tourism and Hospitality Research, 16(1), 321–336. https://doi.org/10.1108/IJCTHR-02-2021-0037
Zhang, P. (2024). Innovative Development Mode of Tourism and Culture Industry in the Era of Smart Tourism. Applied Mathematics and Nonlinear Sciences, 9(1). https://doi.org/10.2478/amns-2024-2141
Zhu, J., & Zhu, Z. (2023). The space-time evolution and driving mechanism of coordinated development of modern logistics industry and tourism industry. Journal of Cleaner Production, 423, 138620. https://doi.org/10.1016/j.jclepro.2023.138620
