Modelos Machine Learning de turismo sostenible

Abstract

En este TFG se analiza el comportamiento del turista rural en España utilizando técnicas de machine learning y minería de datos sobre una muestra de más de 140.000 turistas residentes según el marco temporal seleccionado (INE, s.f.). Los resultados han permitido identificar, por un lado, las características que mejor definen al turista rural, y por otro, los factores que predicen un mayor gasto medio diario entre estos. Se ha observado que variables como alto gasto total, el motivo del viaje (turismo de naturaleza), el tipo de transporte (vehículo particular), el uso de plataformas digitales para reservar alojamiento, la realización de actividades como el senderismo, la adquisición de paquetes turísticos y un nivel de estudios superior se asocian de manera significativa con el perfil de turista rural. Además, entre los turistas rurales, aquellos que están casados, viajan en grupos reducidos, y participan en actividades gastronómicas y deportivas presentan un mayor nivel de gasto. Estos hallazgos permiten mejorar la segmentación del mercado y ofrecen una base sólida para el diseño de estrategias personalizadas que fomenten un turismo rural más rentable y sostenible.

This Final Degree Project analyzes the behavior of rural tourists in Spain using machine learning techniques and data mining on a sample of more than 140,000 domestic travelers from the sample selected (INE, s.f.). The results have made it possible to identify, on the one hand, the characteristics that best define the rural tourist, and on the other, the factors that predict higher average daily spending within this group. Variables such as higher total expenditure, travel motivation (nature tourism), mode of transport (private vehicle), use of digital platforms to book accommodation, participation in activities such as hiking, the acquisition of tour packages, and a higher level of education are significantly associated with the rural tourist profile. Furthermore, among rural tourists, those who are married, travel in small groups, and engage in gastronomic and sports-related activities tend to show higher spending levels. These findings enhance market segmentation and provide a solid foundation for the development of personalized strategies aimed at promoting a more profitable and sustainable rural tourism model.