景福宮夜間觀光：遊客偏好與願付價格

1. 基本資訊

Jo, Y., Park, J., Jo, H., Kim, D.-K., & Kim, M. J. (2026). Tourist preferences and willingness-to-pay for nighttime tourism using a discrete choice experiment. International Journal of Tourism Research, 28, e70202. DOI：10.1002/jtr.70202。全文為 CC 授權開放文章。該刊為正式國際觀光研究期刊；最新 JCR／Scopus 分區本輪未另行查核，ranking 未明確確認。

2. 研究問題

研究聚焦韓國景福宮夜間觀光，回答三個問題：遊客最偏好哪些夜間觀光屬性？願意為各屬性多付多少？不同文化遺產經驗的遊客，其偏好與願付價格是否不同？作者認為既有夜間經濟研究偏宏觀，缺少能直接支援產品設計與定價的微觀選擇證據。

3. 理論基礎

研究的核心不是單一心理理論，而是隨機效用理論、消費者偏好與市場區隔。離散選擇實驗假定旅客在多個方案間選擇效用最高者，屬性係數與價格係數的替代率可轉換為邊際願付價格。文化遺產經驗則被視為造成偏好異質性的分群基礎：熟悉程度、過往夜遊、造訪次數與家庭情境，會改變旅客對表演、解說、紀念品、資訊服務及無障礙設施的價值判斷。

4. 研究架構

研究先以文獻回顧與兩階段深度訪談建立屬性，再用離散選擇實驗量化偏好。最終包含四個屬性：內容（基本夜景／專業解說／傳統表演）、紀念品（無／餐飲／限量傳統紀念品）、便利服務（基本／語音、聊天機器人或 AR 使用指引／無障礙設施）及價格（約 5.08、11.62、18.88 美元）。條件 logit 呈現平均偏好，mixed logit 捕捉隨機異質性，最後以文化遺產經驗變數做階層式與 K-means 分群。

5. 假設邏輯

本文採 RQ 而非正式假設。論證邏輯是：夜間觀光的內容、商品與服務會改變方案效用；價格提高則降低選擇機率。由於遊客的文化遺產經驗、年齡、收入、家庭與過往夜遊經歷不同，平均偏好不足以支援精準設計，因此需同時估計偏好異質性並將其轉換為可執行的客群策略。

6. 方法

作者先訪談 16 位政府、研究、實務與媒體專家，再訪談 10 位造訪過景福宮的民眾，據此確定屬性、層級與價格範圍。正式 DCE 由四屬性各三水準構成 81 種可能方案，透過正交設計縮減為九個選擇集合，每組含兩方案與「皆不選」。問卷分三版，每位受試者回答三組。樣本為居住韓國、20 歲以上且去過景福宮者，採性別與年齡分層抽樣；前測 54 人，正式回收 614 份，剔除 74 份後 N=540。分析使用 Stata 18，依序估計 conditional logit、mixed logit、Delta method WTP，再以多項文化遺產經驗指標進行三群集分析，判別命中率 94.4%。

7. 結果

價格對選擇為負向。Conditional logit 顯示限量傳統紀念品的 WTP 約 7.5 美元、餐飲 3.9、使用指引 3.0、無障礙 1.8、傳統表演 1.4；專業解說反而為 −2.0 美元。Mixed logit 更凸顯使用指引服務，WTP 約 5.9 美元；內容 2.5、餐飲 1.8、限量紀念品 1.7，而解說仍為負值 −1.8。三群分別為：年輕、經驗較少的「懷舊探索者」偏好傳統表演、餐飲與限量紀念品；較年長且經驗豐富的「遺產愛好者」偏好餐飲、限量紀念品與效率型資訊服務；常有家庭同行、收入較高的「遺產旅遊者」重視使用指引與無障礙。所有群體都不願為既有免費、可能被視為低價值的解說額外付費。

8. 理論貢獻

第一，將探索性序列混合方法用於夜間觀光 DCE 的屬性建構，降低研究者自行指定屬性的測量偏誤。第二，結合 conditional logit、mixed logit 與事後群集，使研究同時回答平均偏好、個體異質性與可辨識市場區隔。第三，將夜間觀光從一般都市夜經濟推進到文化遺產情境，顯示文化經驗不只提高參與，也可能降低對熟悉內容的邊際價值。

9. 實務意涵

景區不宜把夜遊只做成「燈光＋導覽」。遊客真正願意付費的是降低不確定性、節省搜尋時間的使用指引，以及具獨占性的限量商品。產品可分三套：初次／年輕旅客強調視覺表演與可收藏紀念品；遺產熟客提供更深、更快、更個人化的數位資訊；家庭客增加無障礙、兒童與長者支援。解說服務若原本免費，直接收費容易產生參考價格反彈，應先以 AR、AI 聊天導覽或專題路線提高差異化與可感知品質。

10. 研究限制

樣本只含韓國本國、且都曾造訪景福宮的成人，無法代表國際遊客或首次目的地決策。DCE 衡量的是陳述偏好，不是實際購票；屬性與價格由單一景點脈絡建立，外推至夜市、節慶或其他文化遺產需審慎。三群分析是事後分群，不如 latent class choice model 直接把類別隸屬與選擇模型聯合估計；群集數與虛擬變數切點也帶有人為決策。Conditional 與 mixed logit 的 WTP 差異很大，顯示估計高度依賴模型設定。此外，研究沒有直接測量動機、文化認同、知覺真實性、安全感與科技接受等心理機制。

11. 對我研究的啟發

這篇可直接作為我研究觀光服務設計與消費者願付價格的方法參考。可把 AI 旅遊助理設成 DCE 屬性，例如生成式行程建議、即時多語解說、擁擠預測、AR 故事與真人導遊轉接，估計旅客願意為哪一種 Human–GenAI 協作功能付費。認知風格可作類別隸屬或交互項：分析型旅客可能偏好結構化資訊與路線效率，直覺型旅客可能偏好沉浸敘事與視覺演出。若連結文化真實性，可測試「AI 解說深度×商業化程度×遺產經驗」對選擇與 WTP 的影響。方法上建議採 efficient design、latent class mixed logit，並用實際票價 A/B test 或 revealed preference 驗證陳述偏好。

12. 整體評價

值得收進方法與實務核心文獻，尤其適合作為 DCE 屬性發展、WTP 估計及市場區隔的 methods reference。文章的強項是先質性建構屬性、再量化效用與客群差異，對景區產品設計非常可操作。理論厚度不如以心理機制為主的觀光文章，群集法也不是最嚴謹的異質性處理；但若我的研究要從「旅客說喜歡什麼」進一步走向「願意為什麼付多少」，它很有價值。引用 WTP 數字時必須限定景福宮、本國遊客與 2024 年價格情境。