Пресс-релизы
290

Сбер: больше половины всего турпотока в ДФО приходится на три региона

СберАналитика составила среднестатистические портреты гостей субъектов Дальневосточного федерального округа и проанализировала обезличенные ретроспективные данные о турпотоках в регионах и тратах отдыхающих. Больше всего туристов в первом полугодии 2023 года посетили Хабаровский, Приморский и Забайкальский края, Амурскую область и Республику Бурятия. При этом 57,7% от всего турпотока в ДФО пришлось на три региона: Хабаровский край, Приморье и Амурскую область. Об этом на VIII Восточном экономическом форуме сообщила руководитель пресс-службы Сбербанка Полина Тризонова.

Исследование показало, что женщины едут на Дальний Восток чуть чаще мужчин — 52% и 48% соответственно. Слабому и сильному полу были одинаковы интересны Приморский и Хабаровский края, Бурятию предпочли женщины, а Амурскую область — мужчины.

Путешествовать по регионам ДФО предпочитают более молодые люди, чем в среднем по стране. Если средний возраст туристов в России составляет 42 года, то на Дальнем Востоке это 39 лет. Молодёжь и люди среднего возраста отдают предпочтение Приморью, туристы от 55 лет и старше чаще выбирают Хабаровский край.

Выбор места отдыха в ДФО зависит от дохода туриста. В Забайкальский край и Бурятию в основном едут отдыхающие с доходом до 90 тыс. рублей, в Амурскую область и Якутию — от 90 тыс. и выше. Выбор Приморского и Хабаровского краёв от дохода путешественника не зависит: сюда приезжают туристы с широким диапазоном доходов.

Предпочтения туристов по размещению не изменились. Большинство выбирают отели, на втором месте — хостелы, на третьем — загородные отели и турбазы.

Исследования СберАналитики строятся на агрегированной обезличенной информации о потребностях и предпочтениях 106 млн покупателей и 6 млн юрлиц, а также данных из более 70 внутренних и внешних источников, что позволяет детально анализировать различные рынки с учётом их отраслевой и региональной специфики. Применение собственных запатентованных алгоритмов обработки информации (NN 2766156, 2766548, 2767465, 2770568, 2771000, 2795902) и моделей машинного обучения обеспечивает высокую точность и широкое покрытие сервиса.

Автор:

Подписывайтесь

Получайте свежие новости в мессенджерах и соцсетях