STEP 01. 개요
해당 프로젝트는 코로나 전후의 데이터를 수집 및 분석하고, 이를 시각화함으로써 유의미한 인사이트를 도출하는 것을 목적으로 한다.
STEP 02. 가정
1) 코로나 이후로 시민들의 소비심리가 위축되고, 해외여행 등에 대한 제한요소가 발생함에 따라 여행에 대한 빈도와 관심이 모두 떨어졌을 것이다.
STEP 03. 사전 정보 수집
컨슈머 인사이트(www.consumerinsight.co.kr/travel/report_view.aspx?idx=3102)에 따르면 코로나 이후 여행시장의 트랜드는 다음 과 같습니다.
위의 자료들을 통해 코로나 이후 생활의 중심부터 이동수단의 선택, 보건 및 숙박과 같은 부분에서 큰 변화가 발생하며 시민들의 라이프 스타일 전반을 전례없는 수준으로 급격하게 변화시키고 있다는 것을 확인할 수 있습니다.
STEP 04. 정형 데이터 수집 및 분석
이러한 코로나의 결과로 실제 시민들이 어떤 여행지를 관심에 두고 있고, 어느 여행지를 실제로 가는지 한국관광공사가 매주 500명을 대상으로 조사해 발표하는 데이터를 기준으로 정리하면 다음과 같습니다.
여행지 별로 인기 여행지와 비인기 여행지가 구분되기는 하지만, 코로나 전후로 관심도의 차이는 그리 크지 않은 것으로 보입니다. 가장 관심도가 크게 변한 곳은 경기/인천으로 유일하게 4포인트 하락했고, 그 다음이 전북으로 3포인트 하락한 수준입니다.
그렇다면 실제 여행지는 어떠할까요?
실제 여행자들의 통계를 보았을 때, 변동이 없거나 1포인트 정도의 변화만을 보인 다른 곳과는 달리 서울과 충남/대전에서 유의미한 차이를 보입니다. 서울 여행지수가 2포인트 상승하였으며, 충남/대전의 경우 2포인트 하락하였다. 이는 코로나 이후 서울 근교 여행자의 증가와 대중교통을 기피하는 현상이 맞물린 결과로 판단됩니다.
분기별로 11개 지역 2018년도부터 2020년까지의 각 지역별 실제 여행지수를 보면 다음과 같습니다.
위의 시각화 자료에서 봤을 때
1. 전년 대비 2분기 상승 지역 : 강원, 경기/인천, 경남/울산, 전북
2. 전년 대비 3분기 상승 지역 : 경남/울산, 경북/대구, 부산, 충북
3. 전년 대비 2분기 유사 지역 : 경북/대구, 부산, 충북
4. 전년 대비 3분기 유사 지역 : 제주
5. 전년 대비 2분기 하락 지역 : 서울, 전남/광주, 제주, 충남/대전
6. 전년 대비 3분기 하락 지역 : 강원, 경기/인천, 서울, 전남/광주, 전북, 충남/대전
다만 해당 데이터는 코로나 이후 여행객에 대한 지표로서, 소비심리 위축과 코로나 전파 등의 요인에 의한 여행 총량의 하락은 반영하고 있지 않습니다. 즉, 분명 여러 요인에 의해 여행 심리가 위축되었고 그에 따른 지역별 선호 변화 정도만 확인하는 목적으로 활용할 수 있습니다.
STEP 05. 비정형 데이터 크롤링 & 분석 BY POWER BI
여태까진 누군가가 수집해서 정제해놓은 정형 데이터를 이용해 시각화하고 분석해봄으로써 프로젝트의 대략적인 방향을 잡을 수 있었지만, 제대로 된 분석과 인사이트를 도출하기 위해선 추가적인 비정형 데이터 분석이 필요합니다.
분석을 위해 데이터를 크롤링할 곳은 크게 세 곳입니다.
1. 네이버 뉴스
2. 네이버 블로그
3. 네이버 카페
이곳들로부터 특정 키워드로 검색한 결과물들을 제목, 날짜, 세부내용을 받아와 입력한 키워드와 관련된 데이터를 가져와 분석해보도록 하겠습니다.
첫 번째는 네이버 뉴스입니다.
네이버 뉴스의 경우 특별한 코딩없이 Power BI를 사용해 빠르게 데이터를 모아 시각화해보겠습니다. 아래는 ‘국내여행’을 키워드로 검색한 네이버 뉴스 결과입니다.
웹으로부터 바로 받아온 데이터인데요, 이를 정제하면 다음과 같습니다.
Power BI의 경우, 일반적인 방법으로는 보통 페이지 단위로밖에 정보를 모을 수밖에 없고 네이버 뉴스의 경우 한 페이지 당 10개의 게시물밖에 나오지 않습니다. 때문에 매개변수와 사용자함수를 사용해 분석이 가능할만한 데이터를 한 번에 모아보겠습니다.
왼쪽의 경우엔 ‘국내검색’을 키워드로 2000개의 데이터를 수집한 결과입니다. Power BI로 하는 데이터 크롤링의 특성상 한 번에 수천 개가 넘어가는 데이터를 모으고, 가공하려는 경우 오히려 이후에 생기는 작업지연과 오류 때문에 생각보다 많은 데이터를 모을 수는 없지만, 대신 수천 개 정도의 데이터라면 코드를 짜는 것보다 빠르게 모아서 바로 시각화를 해볼 수 있다는 장점을 가지고 있습니다. 본격적인 분석에 앞서 네이버 뉴스 데이터를 크롤링한 결과를 시각화해보겠습니다.
위의 워드 클라우드 시각화를 보면 검색한 키워드 및 그것과 직접적으로 연관돼 많이 반복되지만 특별한 인사이트를 도출하기는 어려운, 즉 불필요한 단어들이 반복되고 있어 제대로 된 데이터 시각화가 되고 있지 않음을 확인할 수 있습니다. 이를 해결하기 위해 불용어들을 제거해주겠습니다.
제외어 기능을 활용해 큰 의미없이 반복되는 불용어들을 간략히 제거해준 모습입니다.
직관적으로 보이는 차이는 2020년에는 아무래도 코로나와 관련된 키워드들이 많이 등장한다는 것입니다. 특정 지역 이름이 많이 나오는 2019년에 비해 ‘언택트’나 ‘여행 중개업체’, ‘정부 단체 이름’ 같은 것들이 많이 등장하고 있습니다.
STEP 06. 비정형 데이터 크롤링 & 분석 BY PYTHON 1
이번에는 정식으로 PYTHON 코드를 통해 데이터 크롤링을 실시해보겠습니다.
이처럼 직접 코드를 짜서 데이터를 가져올 경우, 코드를 짜는 시간이 필요하지만 보다 정확한 데이터를 타게팅해서 가져오면서 동시에 보다 많은 데이터를 가져올 수 있다는 것이 장점입니다.
첫 번째로 데이터를 가져올 곳은 네이버 블로그입니다. 작성한 코드를 통해 데이터를 가져와보도록 하겠습니다.
위처럼 코드를 짜서 만든 크롤러를 실행 파일로 만들어 동시에 여러 개의 크롤링 작업을 실시했습니다. 이렇게 실행파일로 만들고, 동시에 Chrome의 Headless Mode 기능을 사용할 경우 백그라운드에서는 크롤링 작업을 수행하면서 동시에 다른 작업을 수행하는 것도 가능합니다.
[국내관광], [야간관광], [여행추천], [해외관광]이라는 키워드로 2020년 2,500건의 데이터를 수집한 결과입니다. 이를 시각화해보겠습니다.
일정 빈도 수 이상의 데이터만을 출력되게 한 결과입니다. 하지만 아무래도 추가적인 데이터 정제작업이 필요해보입니다. 이번에는 Power BI가 아닌 R을 통해 보다 확실하고 깔끔하게 정리해보도록 하겠습니다.
데이터를 정제하기에 앞서 위의 시각화 과정에서 보인 불용어들을 간단하게 정리해 불용어 사전을 만들어주었습니다. 데이터를 정제하는 과정에서 해당 텍스트 파일을 불러와 반복문으로 돌릴 예정인데, 이때 큰 글자가 위에 오도록 정렬해 짧은 글자가 제거되는 과정에서 원하는 글자가 변형되어 제거되지 않는 경우를 방지하는 것이 좋습니다.
R을 통해서 KoNLP 라이브러리를 불러온 뒤, useNIADic 사전을 불러와 해당 사전의 기준으로 크롤링한 데이터들을 명사 기준으로 분류한 모습입니다. 이후 하나의 행에 여러 요소가 들어가있으므로, 이를 unlist 함수를 사용해 각각의 행으로 분할해주겠습니다(list 형태를 vector 형태로 바꿔주는 과정입니다).
이렇게 명사 기준으로 분류된 것들을 다시 정제해주겠습니다.
사전에 만들어둔 예외사전의 내용을 txt0에 불러왔습니다. 안의 내용이 제대로 들어왔는지 확인하고(만약 글자가 깨져서 이상하게 보인다면 encoding을 변경하면 됩니다), 이를 기준으로 간단한 반복문을 사용해 예외사전에 있는 내용을 제거해주겠습니다.
30행 코드에서는 숫자를 제거하고,
31행 코드에서는 특수문자를,
32행 코드에서는 빈칸을,
33행 코드에서는 지금까지의 제거해주는 과정에서 생긴 빈 행을 없애주었습니다.
33행은 정확히 말하자면 빈행이 없는 행만을 다시 가져온 것입니다.
36행 코드에서는 지금까지의 정제 과정에서 혹여나 남게된 한 글자짜리 데이터를 모두 제거했습니다.
그렇게해서 남은 글자를 보니(38행 코드), 총 8만 개 정도가 남았네요.
이를 40행 코드에서 테이블 형식으로 wordcount 라는 변수에 저장한 뒤, 이를 42행에서 많이 반복된 순서대로 정렬시켰습니다. 이렇게 보니 '코스'라거나 '가능', '사람'과 같이 여전히 정제해야할 단어들이 남아있어 다시 한 번 정제해보겠습니다.
이렇게 정제해보니 2020년에는 가장 많이 언급된 여행 관련 키워드는 제주였고, 그 다음이 카페, 가족, 강원도 순이었습니다. 다음에는 네이버 카페를 대상으로 3개년도 데이터를 크롤링해와 매년도의 트랜드를 파악하고 이를 비교분석해보겠습니다.
STEP 07. 비정형 데이터 크롤링 & 분석 BY PYTHON 2
이전까지는 키워드를 선정해 네이버 뉴스와 블로그 전체에서 검색해보았는데요, 이번에는 믿을만한 표본 카페를 몇 선정해 그곳에서 데이터 크롤링을 진행하고 이후 전체 카페를 대상으로 연도별, 월별 데이터를 수집해 분석해보겠습니다.
네이버 카페에 가보시면 주제별로, 그리고 그 주제 안에서 맴버 별 랭킹을 기준으로 정렬시킬 수 있습니다. 이렇게 정렬한 카페들 중에서 상위 카페들을 대상으로 하나의 키워드로 같은 기간 크롤링을 실시하였습니다.
특정 카페 안에서 데이터 크롤링을 실시할 경우 네이버 로그인부터 카페 안에서의 작업을 하는 과정에 이르기까지 다음과 같이 한 번씩 프레임 전환이 이루어져야 합니다.
위의 코드는 로그인 이후 가입한 카페를 확인하고 들어갈 수 있는 창을 누를 수 있도록 작은 프레임으로 전환 후 입력받은 카페로 들어가 작업하는 코드입니다. 카페를 눌러 새로운 tab이 생기면 해당 탭으로 작업 화면을 옮기고, 다시 카페 안에서 café_main이라는 프레임으로 전환하는 것이 목적입니다.
이러한 프레임이 따로 존재할 경우 프레임 전환 없이 데이터 수집을 진행하면 아무 데이터도 가져올 수 없기 때문에 사전에 마우스 오른쪽 버튼을 눌러 프레임이 존재하는지, 화면의 소스창에서 service에 들어가 frame이 존재하는지 여부와 존재한다면 이름은 무엇인지 등을 확인하는 과정이 필요합니다.
위에서 언급한 주제별 상위 카페 중에서 특정 지역 커뮤니티와 해외 여행 관련 카페를 제외하고 게시물 수를 긁어온 결과물입니다. 2017년이 제일 많고, 그 외엔 비슷한 수준을 유지하다가 2020년에 들어 절반 이하로 감소했음을 확인할 수 있습니다.
코로나 여파로 인해 여행 자체에 대한 관심이 줄어든 결과로 보입니다.
위의 그래프들은 전체적인 트랜드를 파악하기 위해 각기 '국내여행'과 '여행지추천'으로 네이버 전체 카페 게시물 검색에서 검색한 결과입니다.
여행지를 추천하는 게시물 자체는 대폭 줄어든 반면, 국내여행에 대한 게시물 자체의 수는 크게 늘어났습니다. 이는 샘플 카페에서 추출한 내용과는 다소 상반되는 내용인데요, 세부 데이터를 분석한 결과 전국적인 카페에서의 게시물이 아닌 지역구 단위로 집중된 커뮤니티를 중심으로 게시물의 증가가 눈에 띄게 발생했다는 점을 확인할 수 있었습니다.
즉, 이러한 표본 카페와 전체 카페 게시물의 연도별 차이를 통해 다음과 같은 인사이트를 도출할 수 있습니다.
Insight 1. 과거보다 더 좁은 거리, 더 작은 커뮤니티를 지향하게 되는 경향이 존재한다.
STEP 08. Data Mining & Analysis 1
지금까지 데이터를 수집하고 시각화하는 것을 반복하며 보다 정확한 키워드와 표본 등을 선출하는 작업을 마쳤습니다. 이를 통해 알게 된 것은 코로나 이후 사람들은 여행에 대해 기피하는 경향이 발생함과 동시에 해외여행으로 억눌린 여행 욕구를 국내여행을 통해 해결하려는 노력이 보인다는 것. 그리고 그 결과로 발생하는 여행의 권역이 과거보다 더 좁아졌다는 것을 알 수 있었는데요.
지금부터는 '국내여행'이라는 키워드로 2018, 2019, 2020 세 개 연도의 2월에서 9월 동안 수집한 데이터를 통해 국내여행에 대한 인식과 트랜드 변화를 살펴보고, 같은 기간 '여행 후기'라는 키워드로 검색한 결과를 통해 실제 사람들은 어느 곳을 방문해서 후기를 남기는지를 통해 GIS를 통해 지도에 시각화를 해보는 작업을 해보겠습니다.
아래는 네이버 카페 전체 게시물을 대상으로 중복되는 내용과 상거래글 등을 제외하고 크롤링한 데이터입니다.
domestic은 국내여행을, review는 여행후기를 연도별로 2월부터 9월까지를 크롤링한 값입니다. 해당 작업에서는 월당 최대 천 개까지의 크롤링을 수행하였고, 이후 엑셀 내부의 중복성 검사를 통해 중복으로 올라온 게시물들을 제거해주었습니다.
먼저 '국내여행' 키워드 크롤링 결과를 분석해보겠습니다.
2018년 2월부터 9월까지 '국내여행'으로 크롤링한 결과입니다.
상단에는 월별 게시물 수와 그 우측에는 가장 많이 반복된 단어, 하단에는 좌측에 지역 관련 키워드와 여행 테마 키워드를 워드 클라우드를 통해 시각화하였습니다.
2019년 데이터입니다.
여전히 7월이 제일 많지만 오히려 6월보다 8월이 게시물 수가 더 많은 점이 눈에 뜨이는데, 이는 역대급 더위를 자랑했던 2018년의 경우 빠른 휴가와 더 많은 이들이 피서 일정을 알아본 결과로 생각됩니다. 반면 2019년의 경우 여름이 그리 덥지 않았고, 9월 초에 추석 연휴가 있어 6월보다는 8월에 좀 더 집중된 모습입니다.
이를 시각화하면 다음과 같습니다.
지역 키워드 검색애서는 선호도의 순위 변동은 미미했지만, 새로이 등장하는 지역명이 생기기 시작했습니다. 또한 여행 테마 키워드에서는 캠핑과 주말이라는 키워드가 대두되었고 동시에 유튜브와 관련된 키워드가 생겨나기 시작하는 걸 관측할 수 있었습니다.
2020년 데이터입니다.
부산, 해외, 제주에 집중되어 있던 지역 키워드가 강릉, 강원도, 여수, 경주, 지역 카페로 분산된 것을 확인할 수 있습니다. 또한 테마 관련된 키워드에서는 아기, 가족과 같은 키워드가 대폭 줄어들며 가족 단위의 여행이 기피되고 있으나, 직장인들의 스트레스 등으로 인한 '휴가' 키워드는 늘어나는 것으로 볼 수 있습니다.
2019년 데이터와 비교하면 위와 같습니다.
여행 자체에 대한 기피 현상이 존재하는만큼 대부분의 여행 테마 키워드 출현 빈도가 대폭 줄어든 모습입니다. 또한 휴가와 함께 'ㅜㅜ'나 'ㅠㅠ'와 같은 테마가 함께 비교적 높은 빈도수로 등장하고, 장소 키워드의 경우 '해외'가 처음으로 1위가 아닌 2위로 낮아졌습니다. 1위 자리를 차지한 것은 '여름'입니다. 이러한 데이터와 연관지어 생각해볼 수 있는 것은 좌측의 자료입니다.
한국공항공사에서 발표한 자료에 의하면 2020년 1월부터 9월까지의 국제 여객 운송인원은 다른 해의 10% 수준에 그치고 있습니다.
비록 2020년 통계가 9월까지밖에 포함되지 않았다는 것을 감안해도 무척이나 낮은 수치입니다.
이러한 점을 종합적으로 고려해보았을 때 다음과 같은 추론이 가능하게 됩니다.
추론 1. 사람들은 코로나로 인해 스트레스 받고 있다.
추론 2. 피치못하게 해외여행을 하지 못하게 되어 근거리 여행 및 국내여행에 대한 관심이 높아지고 있으나, 장거리 여행 및 해외여행에 대한 욕구가 해소된 것은 아니다.
근거 2-1. 비록 해외여행이라는 여행 장소 키워드가 1위 자리를 내주긴 했지만, 대부분의 글이 기존처럼 해외여행에 대한 후기가 아닌 관심과 욕구를 표현하는 글이라는 점을 고려한다면 실제 여행 대비 관심도는 여전히 꽤나 높은 수준으로 유지되고 있음을 확인 가능하다.
위의 추론들을 통해 다음의 또 한 가지 인사이트를 도출해낼 수 있습니다.
Insight 2. 현재의 근거리 여행 및 국내여행만으로는 충족되지 않는 ‘무언가’가 있다.
하지만 ‘무언가’라는 말은 너무 모호하므로 이를 보다 구체화시켜보도록 하겠습니다.
다음은 한국문화관광연구원이 2019년 11월에 발행한 '국민의 해외여행 동향 분석' 보고서 자료입니다.
매년도 해외여행은 평균 10% 대의 높은 상승율을 보이고 있었으며, 전체인구 중 해외여행 경험 인구는 1/4 수준에 20대와 30대가 절반을 넘는 비중을 차지하는 경향을 보이고 있습니다.
심지어 해외여행을 처음으로 경험하는 나이대도 점점 낮아져 10대와 20대의 비중이 점차 늘어나는 현상이 관측되고 있습니다.
또한 좌측의 연령별 여행 경험 분석을 참고했을 때, 이색적인 음식과 광경, 문화 생활이 해외여행을 가는 주이유가 되는 것을 관측할 수 있습니다.
이러한 것들은 해외여행이 극히 제한되는 현재 상황에서 기존의 국내여행만으로는 해결되지 않는 부분이기에 현실적으로 코로나가 완전히 해결되기 전에는 이러한 부분을 지역적으로 받아들여 개선하는 방식으로 해결방향이 잡혀야 할 것으로 여겨집니다.
또한 추가적으로 코로나가 해소된 이후 잠재되어 있던 해외여행에 대한 욕구가 폭발하듯 현실화되었을 때의 상황도 대비해야 할 것으로 예상됩니다.
정리하면 다음과 같습니다.
Insight 2. 현재의 근거리 여행 및 국내여행만으로는 충족되지 않는 ‘무언가’가 있다.
ㄴ 보완. 그 ‘무언가’는 이색적인 환경에서 오는 다양함과 새로운 것, 고유한 것이다.
STEP 9. Data Mining & Analysis 2
이번에는 단순히 국내여행 트랜드 및 그와 직접적으로 관련된 것에서 벗어나 사람들의 심리와 행동도 반영할 수 있는 키워드인 [여행후기]를 키워드로 크롤링한 데이터를 가지고 분석해보겠습니다.
똑같이 2018~2020년 2월부터 9월까지의 삼 개년도 8개월치 데이터를 기준으로 한 값이며, 매달 천 개씩의 데이터 수집을 수행하였습니다.
2020년에 제일 먼저 눈에 띄는 차이는 처음으로 '다낭'이 아닌 '제주' 키워드가 압도적 1위로 올라선 것입니다. 이는 해외여행에 대한 불만이나 욕구를 비교적 이색적인 국내 여행지인 제주도로 충족시킨 결과로 보입니다. 본래라면 해외여행, 대표적으로 위에 보이는 '다낭'과 같은 곳에 관심을 두었을 사람들이 '제주'로 관심을 돌린 것이죠.
이러한 경향을 PYDECK 모듈로 시각화하면 아래와 같습니다.
선의 굵기가 언급된 빈도수입니다. 위에서 보이는 바와 같이 본래 압도적인 후기량을 자랑하던 베트남을 아시아 여행지 언급 빈도가 대폭 줄어들고, 국내여행지 언급 빈도가 상승하는 것을 확인할 수 있습니다.
하지만 동시에 아시아 지역을 제외한 다른 해외 여행지에 대한 후기는 여행후기 언급은 오히려 더 많아지는 현상을 보이기도 하는데요, 세부 내용을 확인해보니 실질적인 여행 후 남기는 후기가 아닌 국내 특정 지역 여행 과정에서 ‘그곳이 해외 장소의 어느 곳과 닮았더라~’와 같은 비유성 언급들이 대부분이었습니다.
즉, 다시 한번 해외여행에 대한 관심과 욕구가 쌓이고 축적되고 있는 결과로 보여집니다.
국내 여행지만을 히트맵으로 간략히 보면 다음과 같습니다.
2020년, 코로나 이후 국내여행에서 가장 대두되는 점은 두 가지로 보입니다.
하나는 제주도 여행후기가 폭증하고 있다는 것입니다. 여행 후기 숫자가 대폭 증가함은 물론, 다른 곳에 비해 높은 집중도를 보이고 있습니다.
다른 하나는 이전까지만 해도 여수, 경주와 같은 주요 광역시 인근 도시에서 보이던 여행후기가 대도시로 집중되어 있다는 것입니다. 결과적으로 대도시의 여행후기 수는 눈에 보일 정도로 증가했지만, 대형버스나 지하철, 기차 등의 대중교통을 기피한 결과 이처럼 대도시를 중심으로 여행후기가 형성된 것으로 보입니다.
이와 관련해서 코로나 전후의 시민들의 소비 패턴이 어떤 식으로 변화했는지 파악하기 위해 한국은행 경제통계 시스템에서 오른쪽과 같이 개개인의 분야별 신용카드 소비데이터를 API를 이용해 수집한 후 시각화해보았습니다.
위의 데이터에 의하면 2020년 들어 국산자동차신품이 코로나 이후 오히려 소비액이 20% 이상 상승하는 모습을 보이고 있으며, 자동차 부품 및 정비 분야에서는 별다른 증가 추세는 없지만 코로나 전과 유사한 소비 수준을 유지하는 모습을 보여주고 있습니다.
반면 이외의 대중교통과 여행사 및 차량 렌트, 항공사, 그 외의 기타운송수단은 수준의 차이는 있지만 코로나 이후 하락하는 모습을 보여주고 있습니다.
이를 통해 사람들이 코로나 이후 대중교통과 같이 타인과 접촉할 가능성이 높은 교통수단 대신 개인 차량을 이용했다는 것을 볼 수 있으며, 이러한 결과로서 위의 히트맵 등에서 보인 것과 같이 대도시와 그 근교까지는 여행 후기 수가 증가했지만 자동차로 가기 힘든 기존의 대형버스 및 기차로 인한 접근성이 높게 평가되던 지역으로는 접근성이 하락한 것으로 추측할 수 있습니다.
STEP 10. 정리 및 결론
코로나 전후로 많은 변화가 발생하고 있습니다. 그 중에서 코로나 전후의 여행 트랜드 변화에 대해 분석해보았는데요, 요약해보자면 다음과 같습니다.
1. 코로나 이후 사람들은 이색적인 환경 등을 목적으로 행하던 해외여행에 제한 사항이 발생했다.
2. 이러한 욕구는 코로나 여파로 제주도와 대도시 인근의 여행지로 국내여행이 집중되는 현상을 발생시켰다.
3. 하지만 이 과정에서 대중교통이나 여행사, 항공사를 이용하기 보다는 개인 차량을 이용한 근교 위주의 여행이 대부분이었다.
4. 또한 이러한 여행으로도 해외여행에 대한 필요성은 크게 줄어들지 않아 여전히 해외여행에 대한 관심도는 높은 수준으로 유지되고 있다.
이러한 분석 결과 이후 해결방향은 크게 두 가지로 도출됩니다.
[ 코로나가 해소되기 전 ]
1. 제주도뿐 아니라 각 지역별로 특색을 살려 한국에서도 이색적이라 할만한 관광경험을 할만한 곳을 만들어야 한다.
2. 우선적으로 현재의 제한된 접근성(자차를 주로 이용하는)을 반영해 대도시 인근의 소도시 및 위성도시의 관광 활성화를 위해 힘써야 한다.
[ 코로나가 해소된 후]