مقاله در مورد رفتار مصرف کننده با ترجمه

ترجمه مقالات درباره رفتار مصرف کننده یا رفتار مشتری

 

تحقیق درباره مصرف کننده

 

سفارش ترجمه تخصصی مدیریت بازاریابی

 

 

 

3.2. نمونه و روش های نمونه گیری

این تحقیق بمنظور بررسی چگونگی استفاده پوسترهای اینستاگرام از فضای رنگی در اینستاگرام و تأثیر فضای رنگ بر رفتار سایر کاربران در GBA، ابتدا به دنبال شناسایی حساب های راهنمای سفر در اینستاگرام می رود. در اینجا، حساب های راهنمای سفر به حساب هایی رجوع می کنند که عمدتاً نظرات، عکس ها و دانش مکان GBA  را به اشتراک می گذارند. کلمات کلیدی از قبیل «هنگ کنگ»، «ماکائو» و «گوانگجو» در وب سایت اینستاگرام جستجو شدند و حساب راهنمای سفر عمومی برتر برای هر منطقه انتخاب شد. نتایج جستجوی اینستاگرام مبتنی بر علاقه، مناسبت و ارتباط یک حساب با یک کاربر مشخص می باشند؛ بنابراین، نویسندگان برای این مطالعه، یک حساب خصوصی در اینستاگرام ایجاد کردند تا روند جستجو را تسهیل کنند. حساب های متمرکز بر خوراک شناسی (به عنوان مثال، حساب های «خوراک شناس») یا حساب هایی که هدفشان به اشتراک گذاری عکس های مقصد نبود، از نمونه مطالعه حذف شدند. جدول 1 تعداد کل دنبال کنندگان و پست های حساب های راهنمای سفر منتخب را نشان می دهد. در مرحله بعد، برای استخراج کلیه داده ها از هر حساب منتخب در 3 سال گذشته ازOctoparse  (https://www.octopairse.com)، برنامه نرم‌افزاری وب اسکرپینگ استفاده شد. داده های استخراج شده شامل تصاویر، تعداد «لایک ها»، تعداد نظرات، تاریخ ارسال، مکان های حضور و URL ها بودند. هنگامی که چندین تصویر در یک پست گروه بندی شدند، فقط اولین عکس در نمونه مطالعه گنجانده شد، زیرا اولین تصویری که کاربران مشاهده می کنند تمایل بیشتری به عکس های بعدی پیدا می کنند. ویدیوها و پست های منتشر شده قبل از سال 2017 از مطالعه حذف شدند. داده ها در مارس 2019 جمع آوری و تدوین شد.

در مرحله بعد، همه تصاویر از طریق نرم افزارImage Color Summarizer ، ابزار منبع باز آنلاین مرکز علوم ژنوم مایکل اسمیت کانادا، تحت تائید رنگ-فضا قرار گرفتند. آمار تصویر با استفاده از پیکسل های موجود در تصویر محاسبه شد. تجزیه و تحلیل داده ها در این مطالعه براساس فضای رنگیLCH ، می باشد که مدلی طراحی شده بر اساس ادراک رنگ انسان می باشد (حسیه و همکاران، 2018). LCH به روشنایی (یعنی، روشنایی درک شده)، مشخصه رنگی (یعنی، پرمایه بودن رنگ/ اشباع رنگ) و نوع رنگ (یعنی، رنگ قابل درک) اشاره دارد. مقیاس روشنایی (L) و مشخصه رنگی (C) از 0 تا 100 می باشد؛ مقیاس نوع رنگ (H) از 0 تا ^°360 می باشد. درL  وC ، هرچه عدد بزرگتر باشد، تصویر روشن تر/پرمایه تر می باشد. مقادیر متوسط​​ L و C برای هر تصویر جمع آوری و یک درک کلی از روشنایی و رنگارنگی هر تصویر ایجاد شد. H شامل 12 گروه است: دامنه درجه 30-0 نشان دهنده نارنجی، 60-30 نارنجی-زرد، 90-60 زرد، 120-90 زرد-سبز، 150-120 سبز، 180-150 سبز-آبی، 210-180 آبی، 240-210 آبی- بنفش، 270-240 بنفش، 300-270 قرمز-بنفش، 330-300 قرمز و 360-330 (0) قرمز-نارنجی (شکل 2) می باشد. در بیشتر موارد، افراد هنگام مشاهده یک تصویر به طور همزمان رنگ های مختلف را درک می کنند؛ بنابراین یک شاخص واحد از نوع رنگ متوسط ​​کافی نیست و ممکن است تصور ترکیب رنگی یک تصویر را دچار اشتباه کند. بنابراین، رنگ های تصاویر منتخب با استفاده از خوشه‌بندی کی-میانگینو از طریق Image Color Summorizer در پنج گروه طبقه بندی شدند. این گروه ها هنگام مشاهده تصویر، پنج رنگ برتر را درک می کنند. با این حال، تعداد خوشه های رنگی در یک عکس به تنوع رنگ بستگی دارد: خوشه نوع رنگ تصویر مشابه با طرح رنگ است و می توان آن را در گروه نوع رنگ قرار داد، در حالی که تصویر رنگارنگ می تواند شامل پنج خوشه مختلف رنگ باشد.

سرانجام، همانطور که گزارش های راهنمای سفر در پست های مختلفی نشان می دهد، عکس های منتخب بواسطه گونه شناسی عکاسی طبقه بندی شدند (کوه زادی و قاسمی، 2019). دسته بندی ها متناسب با ماهیت تصاویر GBA جور شدند و شامل خوراک‌شناسی، جاذبه های میراثی، هنر و فرهنگ، حمل و نقل، محل اقامت، نمای شهر، جاذبه های طبیعی (کوه زادی و قاسمی، 2019)، نمایش ها و رویدادها (وونگ، 2016) و سایر موارد بودند. محتوای تصویر معیار اصلی طبقه بندی بود؛ به عنوان مثال، تصویری از یک غذا یا نوشیدنی به عنوان «خوراک‌شناسی» طبقه بندی شده است. «جاذبه های میراثی» به مکان های تاریخی اشاره دارد که به دلیل ارزش تاریخی و فرهنگی شان حفظ شده اند (به عنوان مثال، ویرانه های سنت پل در ماکائو، کلیسای جامع قلب مقدس در گوانگجو و صومعه پو لین در هنگ کنگ). مکان های مربوط به هنر مدرن (به عنوان مثال، گالری یا موزه) در «هنر و فرهنگ» طبقه بندی شدند. گروه «حمل و نقل» شامل تصاویری از اتوبوس، تراموا، یا قطار بود. برچسب «اسکان» در تصاویر محیط داخلی هتل ها از قبیل اتاق های مهمان استفاده شد. «نمای شهر» به نمای هوایی یک شهر یا تصاویر مربوط به نمایش معماری، جاده ها و/ یا افراد اشاره دارد. «جاذبه های طبیعی» مکان هایی هستند که دارای منابع طبیعی هستند. هر صحنه از یک رویداد در حال انجام در گروه «نمایش ها و رویدادها» طبقه بندی شد. در نهایت، تصاویری که در هیچ یک از گروه های فوق نمی گنجیدند (به عنوان مثال، یک عکس سلفی) با برچسب «سایر موارد» نامگذاری شدند. همه عکس ها توسط دو نفر از محققان به یک گروه اختصاص داده شدند. شباهت بین کدگذاری با استفاده از ضریب کاپای کوهن بررسی شد (مک هیو،2012، ص 282-276)؛ مقدار حاصل از 0.82 روایی و سازگاری بالای کدگذاری را نشان می دهد.

تجزیه و تحلیل رگرسیون چندگانه برای بررسی رابطه بین تعداد «لایک ها» و نظرات در مورد یک پست و فضای رنگی مربوط به آن انجام شد. همانطور که ون وورهیس و مورگان (2007) اظهار نمودند، برای آزمایش پیش بینی های فردی در تحلیل رگرسیون، باید حداقل اندازه نمونه به m+104 (که در آن تعداد متغیرهای مستقل را نشان می دهد) برسد؛ یعنی هر گروه باید حداقل شامل 118 تصویر باشد (104+14 پیش بینی کننده های منفرد). بنابراین، در این مطالعه، گونه شناسی های عکاسی که حداقل الزامات را برآورده نکردند، از تجزیه و تحلیل اصلی (به عنوان مثال، تصاویر مربوط به محل اسکان، حمل و نقل، نمایش ها و رویدادها) حذف شدند (جدول 2).

 

 

 

4. نتایج

4.1. آمار توصیفی

به طور کلی، یافته های مطالعه نشان داد که روشنایی تصاویر به طور متوسط ​​45.86 (SD =15.11) و مشخصه رنگی 15.3 (SD =8.53) بود. با توجه به نوع رنگ، رنگ زرد غالباً در تصاویر منتخب، با مقدار میانگین 18.11 ظاهر شد (SD =24.89). پس از آن رنگ  بنفش (AI = 16.45; SD =24.84)، زرد نارنجی(M =14.49; SD =20.56) و قرمز بنفش(M = 13.28; SD = 22.28) رایج ترین رنگ ها بودند. نتایج با گونه شناسی عکاسی تفاوت داشت. جدول 3 میانگین فضای رنگ را بر اساس ویژگی های مختلف نشان می دهد. تصاویر مربوط به خوراک شناسی، هنر و فرهنگ و جاذبه های طبیعی بالاترین میزان روشنایی را نشان دادند؛ تصاویر مربوط به خوراک شناسی، جاذبه های طبیعی و نمایش ها و رویدادها بیشترین اشباع را داشتند. بطور جالب توجهی، رنگ زرد/ نارنجی-زرد متداول ترین رنگ ها در تصاویر مربوط به جهانگردی بودند، تصاویر نشان دهنده حمل و نقل و نمای شهر مستثنی می باشند. رنگ بنفش بیشتر در تصاویر حمل و نقل، محل اسکان، نمای شهر و جاذبه های طبیعی ظاهر شد؛ برای جزئیات بیشتر به جدول 3 مراجعه کنید.

4.2. تجزیه و تحلیل اصلی

بمنظور بررسی اثرات روشنایی، مشخصه رنگی و نوع رنگ در محبوبیت پست، تجزیه و تحلیل رگرسیون خطی و چندگانه انجام شد (لابریک مین، 2012؛ رینولدز-مک لنی، مکرین، نوردفا، 2017). ابتدا برای بررسی میزان روشنایی و مشخصه رنگی پیش بینی شده برای تعداد «لایک ها» و نظرات تصائیر، از تحلیل رگرسیون خطی ساده استفاده شد. به طور کلی، صرف نظر از گونه شناسی عکاسی، روشنایی و مشخصه رنگی به ترتیب تعداد نظرات مربوط به عکس های مربوط به جهانگردی را به طور معناداری پیش بینی شد [L: F(1, 2944) =13.309, p≤.000; C: F(l, 2944) =34.365, p≤ .000]. با این وجود، در پیش بینی تعداد «لایک ها» بر اساس روشنایی و مشخصه رنگی، تفاوت معنی داری مشاهده نشد [L: F(1, 2944) = 0.841, p =.359; C: F(I, 2944) = 3.751, p =.053).

روشنایی به طور معناداری تعداد «لایک ها» را در تصاویر مربوط به خوراک شناسی پیش بینی کرد  [F(I, 274) = 5.219, p =.023]. با این حال، هیچ تفاوت معناداری در تصاویر مربوط به جاذبه های میراث [F(1, 178) = 3.485, p = .064]، هنر و فرهنگ [F(1, 144)  = 2.000, p =.159]، نماهای شهر [F(1, 1609) = 0.986, p =.321] یا جاذبه های طبیعی [F(1, 145) = 0.040, p =.842] وجود نداشت. به طور مشابهی، روشنایی بطور معناداری تعداد نظرات مربوط به تصاویر خوراک شناسی [F(1, 274) = 5.930, p =.0163]  و جاذبه های میراثی را پیش بینی کرد [F(1, 178) = 5.017, p =.026]. در تصاویر مربوط به هنر و فرهنگ [F(1, 144) = 0.614, p =.435] ، نماهای شهر [F(1, 1609) =  0.041, p =.8393] ، یا جاذبه های طبیعی[F(1, 145) =  1.616, p =.2063] تفاوت معناداری ظاهر نشد. مشابه روشنایی، مشخصه رنگی بطور معناداری تعداد «لایک ها» را در تصاویر مربوط به خوراک شناسی پیش بینی کرد [F(l, 274) = 13.075, p ≤ .0003]. بعلاوه، هیچ تفاوت معناداری برای تصاویر مربوط به جاذبه های میراثی [F(1, 178) = 0.565, p =.4533] ، هنر و فرهنگ[F(1, 144) =0.049, p=. 825]، نماهای شهر[F (1, 1609) = 1.229, p =. 268]یا جاذبه های طبیعی [F(1, 145) = 0.620, p=.432] مشخص نشد. همچنین مشخصه رنگی تعداد نظرات مربوط به تصاویر خوراک شناسی را بطور معناداری پیش بینی کرد[F(1, 274) = 20.729, p .000] . تفاوت معنی داری برای تصاویر جاذبه های میراثی [F(1, 178) = 0.459, p =. 499]، هنر و فرهنگ  [F(1, 144) =1.131, p =.289]، نماهای شهر [F(1, 1609) = 3.192, p=.0743]، یا جاذبه های طبیعی[F(, 145) = 0.072, p =.789] مشاهده نشد.

گرچه روشنایی و مشخصه رنگی به تنهایی تأثیر معناداری بر تعداد «لایک ها» و نظرات تصاویر مربوط به جهانگردی ندارد، اما با در نظر گرفتن کل فضای رنگی LCH ، نتایج اختلاف پیدا کردند. ابتدا برای پیش بینی تعداد «لایک ها» بر اساس فضای رنگ، چندین تحلیل رگرسیون خطی چندگانه محاسبه شدند. یک معادله رگرسیون معناداری برای تصاویر مربوط به هنر و فرهنگ شناسایی شد [F(13, 131) = 2.065, p =.0203]. سپس، پیش بینی های فردی با جزئیات بیشتر مورد بررسی قرار گرفت و نشان داد که آبی (t =3.031, p =003)  و آبی-بنفش (t = -2.189, p =.030) پیش بینی کننده های معناداری برای مدل بودند. علاوه بر این، یک معادله رگرسیون معنادار برای تصاویر مربوط به نمای شهر پیدا شد [F(13, 1586) = 2.444, p =.003]؛ نارنجی-زرد پیش بینی کننده معناداری در مدل بود (t= 3.074, p =. 002). هیچ معادله رگرسیون معناداری برای تصاویر مربوط به خوراک شناسی مشخص نشد [F(13, 260) = 1.387, p =.165]، اگرچه مشخصه رنگی پیش بینی کننده معناداری در مدل محسوب می شود (t = 3.010, p =.003). علی رغم فقدان مدل معنادار برای تصاویر مربوط به جاذبه های میراثی  [F(13, 165) =1.367, p =.180] ، سبز آبی (t=2.131, p =. 035)و آبی بنفش  (t=2.865, p =. 005)هر یک پیش بینی کننده معناداری بودند. معادلات رگرسیون برای تصاویر مربوط به جاذبه های طبیعی معنی دار نبودند [F(13, 133) = 1.082, p =.380]و هیچ یک از پیش بینی کننده ها بطور معناداری به مدل کمک نکردند.

سپس، چندین تحلیل رگرسیون خطی چندگانه برای پیش بینی تعداد نظرات بر اساس فضای رنگ انجام شدند. نتایج، معادله رگرسیون معناداری را برای تصاویر مربوط به خوراک شناسی نشان دادند [F(13,260) =  2.034, p =.0193] . بر اساس بررسی پیش بینی های فردی، مشخصه رنگی (t= 3.540, p ≤ 000)مشخص شد که پیش بینی معناداری در مدل محسوب می شود. علاوه بر این، یک معادله رگرسیون معنادار برای تصاویر مربوط به جاذبه های میراثی شناسایی شد [F(13, 165) = 2.104, p =.0163]که در آن بنفش آبی t = 4.290, p ≤ 000) بطور معناداری به مدل کمک کرد. یک معادله رگرسیون معنادار نیز برای تصاویر مربوط به هنر و فرهنگ یافت شد [F(13, 131) =  2.061, p =.021]؛ در این حالت، زرد-سبز (t= 2.024, p =. 045) و آبی  (t = 3.053, p =. 003)هر یک پیش بینی کننده های معناداری در مدل بودند. درنهایت، معادله رگرسیون معناداری برای تصاویر مربوط به نمای شهر به دست آمد [F(13, 1586) =  2.223, p =. 007]. از نظر پیش بینی کننده های فردی، نارنجی-زرد  (t =1.986, p=.047) و قرمز (t =2.265, p=.024) بطور معناداری به مدل کمک کرد. برعکس، هیچ معادله رگرسیون معناداری برای تصاویر مربوط به جاذبه های طبیعی مشاهده نشد [F(13, 133) = 1.037, p= .420] و هیچ یک از پیش بینی کننده ها بطور معناداری به مدل کمک نکردند. آخر از حیث ترتیب، نه از حیث اهمیت اینکه بدون در نظر گرفتن گونه شناسی عکاسی، یک معادله رگرسیون معنادار برای تعداد «لایک ها» روی تصاویر مشخص شد [F(13, 2913) =  2.355, p =.004]. سه پیش بینی کننده فردی بطور معناداری به مدل کمک کردند: نارنجی (t=  2.351, p =.019)، نارنجی – زرد  (t= 2.686, p =. 007) و آبی  (t =2.325, p =.020).  یک معادله رگرسیون معنادار نیز برای تعداد نظرات تصاویر مشخص شد [F(13,  2913)  =  5.425, p = .000]. پیش بینی کننده های فردی مجدد مورد بررسی قرار گرفت و نشان دادند که روشنایی (t=2.689,  p= .007)، مشخصه رنگی (t =  4.579, p =. 000)و بنفش قرمز (t = -2.508 p = .012) پیش بینی کننده های معناداری در مدل محسوب می شوند.

5. بحث و نتیجه گیری

5.1. بحث کلی

نتایج نشان می دهد که اکثر تصاویر نمونه مورد مطالعه از سطح روشنایی بالایی برخوردار نیستند (یعنی، کمتر از 50٪). در مقابل، تصاویر مربوط به خوراک شناسی، هنر و فرهنگ و جاذبه های طبیعی دارای روشنایی بیش از 50٪ هستند؛ این الگو ممکن است به این دلیل آشکار شده باشد که اکثر این تصاویر در نور روز گرفته شده اند، که به طور کلی روشنایی شدیدی را ایجاد می کند (هوچکینان و شوارتز، 2012). علاوه بر این، مطابق با مطالعات قبلی، احساسات افراد می تواند به طور ناخودآگاه در روشنایی تصاویری که ارسال می کنند، منعکس شود (گورن و همکاران، 1997؛ والدز و محرابیان،1994)؛ یعنی تجربیات افراد در زمینه خوراک شناسی، هنر و فرهنگ و جاذبه های طبیعی ذاتاً آرامش بخش است (کشتنهولد و لیما، 2012). با توجه مشخصه رنگی، اغلب عکس های مربوط به جهانگردی در نمونه، به استثنای تصاویر به نمایش درآمده از نمایش ها و رویدادها، خوراک شناسی و جاذبه های طبیعی، اشباع کم را به نمایش می گذارند. درجه بالای اشباع با رنگ های شدید و پررنگ در ارتباط است. در عکسبرداری از صحنه های طبیعی، بعنوان مثال از بازاریابی گردشگری کشاورزی، کشاورزان و گردشگران، گرایش به سمت گرفتن تصاویری حاوی رنگ های پررنگ می باشد (به عنوان مثال، حیوانات مزرعه یا چشم انداز مزرعه). بنابراین بازاریابان گردشگری کشاورزی می توانند چنین مقاصدی را بر این اساس تبلیغ کنند (جوینر، کلاین، اولکیور و کاریکو، 2018). مشخصه رنگی تصاویر مربوط به نمایش ها و رویدادها، خوراک شناسی و جاذبه های طبیعی نیز ممکن است به دلیل آگاهی از اولویت های بازار برای تصاویر با رنگ های پررنگ، پرمایه تر از سایر انواع تصاویر باشد. با توجه به اینکه مجموعه تصاویر تحت تأثیر نمای شهر قرار داشتند و اغلب در شب گرفته شده بودند، سطوح کلی روشنایی و مشخصه رنگی در نمونه ما کمتر بود.

این یافته ها علاوه بر تأیید روش های معمول در اینستاگرام، لزوم درک این نکته را نشان می دهند که درجات مختلف روشنایی و اشباع چگونه می تواند ناخودآگاه بر رفتارهای «لایک کردن» و نظر کاربران تأثیر بگذارد. بنابراین، تأثیرات روشنایی و مشخصه رنگی به دلیل عدم ارتباط بین روشنایی و اشباع به طور جداگانه مورد آزمایش قرار گرفتند (شکل 1). تعداد نظرات در مورد عکس ها، متناسب با میزان روشنایی و مشخصه رنگی افزایش یافته است، در حالی که در رفتار «لایک کردن» کاربران تفاوت معنادار وجود ندارد. طبق مطالعات انجام شده، روشنایی و اشباع عوامل تعیین کننده مهمی برای تصویر هستند که احساسات بینندگان را تحریک می کنند (گائو و همکاران، 2007). به این ترتیب، ممکن است احساسات ذاتی ناخودآگاه منجر به تعامل بیشتر مصرف کننده شود (مکارم و جای، 2016). مدل محبوبیت پست (ثابت و همکاران، 2014؛ سوانی و همکاران، 2017) نشان می دهد که مصرف کنندگان با «لایک کردن» نسبت به پست ها ابراز علاقه می کنند، در حالی که نظرات بیشتر نشان دهنده تعامل مصرف کننده می باشد.

هنگام در نظر گرفتن تصاویر منتخب براساس ویژگی های فضای رنگ، نتایج نشان داد که درجه اشباع و روشنایی هرکدام می توانند به طور مثبت تعداد «لایک ها» و نظرات مربوط به تصاویر مربوط به خوراک شناسی را پیش بینی کنند. این الگو از استدلال پنگ و جموت سوم مبنی بر اینکه ویژگی های بصری خوراک شناسی می تواند بر محبوبیت عکس های خوراک شناسی تأثیر بگذارد، پشتیبانی می کند، اما یافته های آنها مبنی بر اینکه روشنایی با محبوبیت تصاویر خوراک شناسی ارتباط ندارد، را رد می کند. در یادداشت دیگری، مشخص شد که تصاویر روشن تر از جاذبه های میراثی موجب جذب نظرات بیشتری شد. منحصر به فرد بودن ارتباط بین احتمال گرفتن «لایک» یا نظر از یک تصویر و میزان روشنایی و مشخصه رنگی می تواند ناشی از اولویت های طبیعی افراد در مورد خوراک شناسی باشد. در یک مطالعه کیفی در مورد استخراج عکس در مقایسه تصاویر مربوط با غذا، فرهنگ، طبیعت و خرید (اندرسون، گتز، وویچیچ، رابینسون، کاویچی، 2015)، غذا به عنوان جذاب ترین موضوع شناخته شد. بر اساس اولویت های ناخودآگاه، عکس های خوراک شناسی بسیار اشباع شده از محبوبیت بیشتری برخوردار هستند و می توانند احساساتی مانند هیجان را برانگیزند (بخشی و گیلبرت، 2015). نتایج مربوط به تصاویر میراثی را می توان از نظر دو جنبه توضیح داد. نخست، پیرامونجاذبه های میراثی، از جمله طرح رنگ، بطور مثبتی با اهداف بازدید گردشگران و نگرش آنها نسبت به این جاذبه ها ارتباط دارد (بن، جوزف- متئوز، دای، هایز و کیو، 2007). این الگو نشان می دهد که رنگ یک عامل اساسی در تعیین احتمال جذاب بودن جاذبه های میراثی برای بازدیدکنندگان و تمایل مسلم آنها به برقراری تعامل با چنین جاذبه هایی می باشد. این یافته ها با مطالعه قبلی که در آن مصرف کنندگان ساختمان های میراثی با رنگ روشن را ترجیح دادند، مطابقت دارد (ویلسون و مک اینتوش،2010). علاوه بر این، رنگ های پررنگ جاذبه های میراث می تواند در ایجاد احساس دلتنگی برای برخی از بازدیدکنندگان نقش داشته باشد (ویلسون مک اینتوش، 2010)، و ممکن است این مشتریان را ترغیب کند تا هنگام دیدن عکس های مربوطه در اینستاگرام، تجربه یا احساسات نوستالژیک خود را به اشتراک بگذارند.

با توجه به نوع رنگ، تصاویر فعلی مربوط به گردشگری در نمونه اغلب شامل رنگ زرد (^°90-^°60 نوع رنگ)، بنفش (^°270-^°240 نوع رنگ)، نارنجی-زرد (^°60-^°30 نوع رنگ) و بنفش-قرمز (^°300-^°270 نوع رنگ) هستند. در میان این چهار رنگ، دو جفت مشابه هستند (یعنی، در کنار یکدیگر بر روی چرخه رنگ ها قرار می گیرند): زرد و نارنجی-زرد و بنفش و بنفش-قرمز. یک جفت، زرد و بنفش، از رنگ های مکمل تشکیل شده است (یعنی، روی چرخ رنگ در مقابل یکدیگر قرار گرفته اند). این طرح های رنگی مشابه، اغلب در مناظر طبیعی اتفاق می افتد و بر مفهوم هماهنگی و صلح دلالت دارد (کیم و سالک، 2017). طرح بنفش زرد، فعال و پویا در نظر گرفته شده است (کیم و سالک، 2017) و شدت آن زمانی بیشتر انتقال می یابد که به تنهایی یا با رنگ های نزدیک به سایه رنگ های روی چرخه استفاده شود (کیم و کیم، 2016). چهار رنگ پرکاربرد مشخص شده در این مطالعه، کاربرد مشترک رنگ های مشابه در ایجاد تعادل و رنگ های متضاد در ایجاد کنتراست در دکوراسیون مربوط به عکاسی و گردشگری را منعکس می کند. علاوه بر این، این رنگ ها به دو صورت گرم (زرد، نارنجی-زرد و بنفش-قرمز) یا سرد (بنفش) طبقه بندی می شوند. در نمونه مورد مطالعه، رنگ های گرم از قبیل زرد و زرد-نارنجی، در بیشترین عکس های خوراک شناسی نقش دارند؛ قرمز-بنفش بیشتر در عکس های نمای شهر دیده می شود. این الگوها با تحقیق در مورد احساسات برانگیخته شده توسط رنگ های گرم و سرد تشدید می یابند. رنگ های گرم (به عنوان مثال، زرد، نارنجی-زرد و بنفش-قرمز) علاوه بر جذابیت و اشرافیت(سیر و همکاران،1991)، با تابش آفتاب، بشاشیت و خوشبختی نیز در ارتباطند (جاکوبز و همکاران،1991). برعکس، رنگ های سرد (به عنوان مثال، بنفش) تمایل دارند که با اقلام یا اشیایی در ارتباط باشندکه پیشتاز یا ارزان قیمت هستند(جاکوبز و همکاران، 1991)؛ همچنین این رنگ ها با آرامش و مطبوعیتگره خورده اند (هسیلا و همکاران، 2018). علاوه بر این، این یافته ها از این ایده پشتیبانی می کنند که طراحی هتل در محیط فرهنگی متفاوت است. به طور خاص، در حالی که ممکن است تصاویر مربوط به محل اسکان، به احتمال زیاد دارای رنگ سبز یا آبی-سبز باشد تا احساس خنکی (جاکوبز و همکاران، 1991)، سردی (لابرک و همکاران، 2013)، بهداشت و تمیز بودن را نشان دهد (سینگ، 2006)، با اینحال احتمالاً طراحی داخلی و خارجی هتل ها درGBA  بمنظور تطبیق با اولویت های مشتریان متفاوت از طراحی در زمینه غربی می باشد. علی الخصوص، بیشتر مهمانان هتل درGBA  اهل مراکز چین، تایوان، ماکائو و هنگ کنگ هستند (DSEC ، 2019). در کل، میهمانان چینی رنگ های گرم را ترجیح می دهند (بلوک و کرامر، 2009)، زیرا این سایه ها نشان دهنده شانس، خوشبختی و گرانی هستند (اسلام، 2006؛ جاکوبز و همکاران، 1991).