VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER 1

Transcript

1 VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER 1 PAOLO COCCORESE* ALFONSO PELLECCHIA** 1. Introduzione Qualunque intervento di politica economica finalizzato allo sviluppo locale assume come riferimento un territorio. Tale affermazione, all apparenza scontata, esprime un concetto fondamentale: non è possibile, né tanto meno auspicabile, formulare strategie e percorsi di sviluppo per una data area senza un analisi approfondita del territorio, delle sue caratteristiche, dei suoi punti di forza e di debolezza. In più, è determinante che all analisi segua la sintesi, intesa come momento di individuazione dello specifico contesto geografico cui destinare gli sforzi di programmazione. Negli anni recenti, questo principio è stato recepito anche dal legislatore, sia nazionale che locale, attraverso una serie di provvedimenti che assumono l individuazione del «contesto» come prerequisito fondamentale di qualunque azione o politica di intervento. In ambito turistico, l esempio più evidente è rappresentato dalla legge 29 marzo 2001, n. 135 («Riforma della legislazione nazionale del turismo»), che definisce esplicitamente i Sistemi Turistici Locali (STL) come «contesti turistici omogenei o integrati, comprendenti ambiti territoriali appartenenti anche a regioni diverse, caratterizzati dall offerta integrata di beni culturali, ambientali e di attrazioni turistiche, compresi i prodotti tipici dell agricoltura e dell artigianato locale, o * Dipartimento di Scienze Economiche e Statistiche e CELPE, Università di Salerno, Fisciano (SA). coccorese@unisa.it. ** ITAT (Istituto per il Turismo e l Analisi del Territorio), Vietri sul Mare (SA). alfonso.pellecchia@libero.it. 1 Questo lavoro riporta alcuni risultati conseguiti nell ambito di un progetto di ricerca su turismo e marketing territoriale, relativo alla provincia di Salerno. Per le proficue osservazioni di cui sono stati prodighi, desideriamo ringraziare Simona Caracciolo, Bruno Chiandotto, Valeria Della Monica, Rossella Labriola, Pasquale Loria, Ernesto Pappalardo, Vittorio Paravia, Michele Rosco, e inoltre i partecipanti al workshop «Turismo, cultura e ambiente: fattori inscindibili per costruire nuovi percorsi di sviluppo sostenibile» (Fondazione Antonio Genovesi, Vietri sul Mare, Salerno, 29 ottobre 2004), in cui questo studio è stato presentato e discusso. Siamo infine grati al Ministero dell Istruzione, dell Università e della Ricerca per il sostegno finanziario. Errori e responsabilità restano comunque ad esclusivo carico degli autori. 35

2 dalla presenza diffusa di imprese turistiche singole o associate» 2 (art. 5, comma 1). Questo lavoro intende fornire un quadro sintetico delle caratteristiche turistiche della provincia di Salerno, individuando, tramite il ricorso alla cluster analysis, sub-aree omogenee (ovvero aggregazioni di comuni) potenzialmente in grado di assurgere a STL 3, o comunque suscettibili di specifici e mirati interventi di politica territoriale e turistica. Pertanto, l analisi qui condotta può essere intesa sia come strumento complementare di programmazione a disposizione del decisore pubblico, sia come «mappa» di riferimento per quanti ambiscano a promuovere un STL 4. Più specificamente, l obiettivo viene perseguito adottando una procedura di clustering modificata al fine di tenere conto delle specifiche caratteristiche territoriali di un dato STL; in tal modo, risultano massimizzate le possibilità di sviluppo turistico dell area. In particolare, l algoritmo prescelto, ossia quello delle k-medie, viene impiegato in due stadi sequenziali, e prevede il ricorso ad un vincolo di contiguità spaziale nonché ad un vincolo di «non riallocazione» dei seed points. Tale algoritmo viene quindi applicato a un dataset di 20 variabili, le quali consentono di descrivere in modo dettagliato ed efficace le caratteristiche turistiche dei 158 comuni della provincia di Salerno, per molti dei quali, tra l altro, non sono disponibili i dati sui flussi turistici. L organizzazione del lavoro è la seguente. Nel paragrafo 2 viene proposta una breve rassegna della letteratura sul clustering di dati territoriali. Il paragrafo 3 è dedicato alla descrizione della metodologia utilizzata, la quale dovrà essere applicata alle variabili presentate nel successivo paragrafo 4. I risultati dell analisi vengono interpretati e discussi nel paragrafo 5, mentre il paragrafo 6 contiene alcune considerazioni conclusive. 2. Il clustering di dati territoriali: una breve rassegna della letteratura Uno dei problemi più importanti negli studi statistici applicati al territorio riguarda la regionalizzazione, ossia la suddivisione di un dato numero di unità, che costituiscono un certo territorio di riferimento, in gruppi omogenei, sulla base di determinate caratteristiche quantitative 5. Ciò 2 A livello regionale vanno poi ricordati la Legge n. 37/1987, che definisce le Aree Turisticamente Rilevanti, ed il Disegno di Legge di cui alla delibera del 13/12/2001, che parla di Ambiti Territoriali Turisticamente Rilevanti. Per un analisi critica di tali provvedimenti, si veda ITAT (2004). 3 Per altri studi sull individuazione dei STL, si vedano ACI-CENSIS (2001) e Landi (2003). 4 La legge 135/2001 affida la promozione dei STL agli enti locali e a soggetti privati (art. 5, comma 2), attribuendo poi alle Regioni il relativo riconoscimento (art. 5, comma 3). 5 Un diverso approccio, cosiddetto «funzionalista», basa l aggregazione sui flussi di risorse che si verificano tra le unità territoriali, le quali vengono quindi ad essere fra loro complementari nel determinare un «sistema territoriale» (Del Colle - Esposito, 2000). Dunque, tali 36

3 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER consente di individuare aree costituite da unità suscettibili di politiche comuni di intervento. Trattandosi di individuare gruppi omogenei, la tecnica statistica generalmente utilizzata allo scopo è la cluster analysis, opportunamente modificata al fine di assicurare che i gruppi individuati siano costituiti da unità territorialmente connesse. Il concetto di connessione può essere formalizzato attraverso la teoria dei grafi. Un grafo è connesso se fra ciascuna coppia di vertici (nodes) esiste almeno un percorso (path) (Diestel, 1997, p. 9). Considerando le unità territoriali come vertici, e unendo ciascuna coppia di unità se esse sono connesse con un arco (edge), è possibile dunque descrivere la regione oggetto di studio attraverso un grafo. La regione sarà connessa se lo è il corrispondente grafo di contiguità 6. Al fine di ottenere gruppi spazialmente connessi, gli approcci possibili sono sostanzialmente due. Il primo consiste nel tener conto delle variabili selezionate nonché della prossimità geografica tra le unità, quest ultima inserita esplicitamente nella funzione di distanza, eventualmente attraverso un parametro che può essere fissato dal ricercatore (Webster - Burrough, 1972; Perruchet, 1983). Tuttavia, ciò non garantisce che i gruppi individuati siano spazialmente connessi 7. Inoltre, i risultati dipendono dal metodo utilizzato per individuare le coordinate sulla cui base calcolare la prossimità geografica delle unità (Horn, 1995). Il secondo approccio prevede l inserimento del vincolo di contiguità direttamente nella procedura di clustering. Ciò, oltre a garantire la formazione di gruppi spazialmente connessi, presenta un ulteriore vantaggio. È noto che vi è autocorrelazione spaziale positiva quando un fenomeno tende ad assumere valori simili in unità territoriali contigue. Ciò dipende dal fatto che in un area geografica molte variabili (ad esempio, quelle socio-economiche) non sono distribuite in maniera indipendente ma tendono a concentrarsi in alcune zone, per cui si manifesta una spontanea formazione di cluster all interno del territorio di riferimento. Nella misura in cui esiste un fenomeno spazialmente autocorrelato che interessi le unità territoriali, ma non esplicitamente considerato o misurato dalle variabili oggetto di analisi, di esso si è in grado di tener conto attraverso il vincolo di contiguità (Monestiez, 1977; Legendre, 1987). Le relazioni di contiguità tra le unità territoriali possono essere descritte attraverso una matrice C, il cui generico elemento c ij è pari a 1 se le unità, diversamente dall approccio basato sul clustering, possono appartenere allo stesso gruppo pur presentando considerevoli differenze strutturali. Per una rassegna delle tecniche di individuazione delle aree funzionali, si veda Martini (1993). 6 Ovviamente, tale definizione può essere applicata anche ad una sub-regione del contesto territoriale di riferimento. 7 La connessione spaziale può comunque rappresentare un obiettivo tendenziale, a seconda del valore assegnato al parametro (Zani, 1993, p. 103). 37

4 unità i e j sono contigue, e 0 altrimenti 8. In questo secondo ambito sono stati utilizzati sia algoritmi gerarchici (Webster - Burrough, 1972; Fischer, 1980; Margules et al., 1985) sia algoritmi non gerarchici 9 (Mills, 1968; Openshaw, 1977; Lapointe - Legendre, 1994; Costanzo, 2001). In entrambi i casi, le regole di aggregazione possono essere modificate al fine di tener conto del vincolo di contiguità. Tuttavia, l introduzione del vincolo all interno degli algoritmi gerarchici può comportare il problema delle inversioni, ovvero l aggregazione di una data unità ad un gruppo in una fase successiva rispetto a quanto sarebbe successo se il vincolo non fosse stato imposto esogenamente (Murtagh, 1985). È stato comunque dimostrato che da tale inconveniente è esente il metodo del legame completo (Ferligoj - Batagelj, 1982). Esiste un ulteriore possibilità riconducibile al secondo approccio, ovvero affrontare i problemi di clustering utilizzando direttamente la teoria dei grafi (Hubert, 1974; Matula, 1977; Soffritti, 1997). Sotto questo aspetto, il clustering con vincolo di contiguità consiste nel rimuovere alcuni archi da un grafo connesso, in modo da ottenere un certo numero di sottografi a loro volta connessi (Gordon, 1996). Esempi in tal senso si ritrovano in Hansen et al. (1993), Maravalle - Simeone (1995) e Mehrotra et al. (1998). 3. La metodologia statistica: un algoritmo delle k-medie a due stadi con vincolo di contiguità e vincolo di non riallocazione L obiettivo di individuare aree omogenee sotto il profilo turistico è stato perseguito attraverso l applicazione, ai 158 comuni della provincia di Salerno, di una versione vincolata dell algoritmo delle k-medie. Essa prevede i seguenti passi: a) individuazione della partizione iniziale, ossia suddivisione delle n unità in g gruppi tali che ciascuna unità appartiene ad uno ed un solo gruppo; b) calcolo, per ciascuna unità, della distanza dai centroidi 10 di ciascun gruppo ed eventuale riallocazione della stessa al gruppo per il quale tale distanza è minima. Nel caso di riallocazione, si ricalcolano i centroidi del gruppo di origine e di quello di destinazione; 8 Tale matrice, detta appunto «matrice di contiguità», descrive il grafo di contiguità associato alla regione oggetto di studio. 9 Gli algoritmi gerarchici consistono nell aggregare progressivamente le unità statistiche fino a giungere ad una partizione nella quale tutte le unità appartengono allo stesso gruppo. Quelli non gerarchici, invece, consentono la suddivisione delle unità statistiche in un numero di gruppi prefissato, in modo da ottimizzare una data funzione obiettivo attraverso successive riallocazioni. Per ulteriori dettagli, si rinvia a Zani (2000), pp. 198 e segg. 10 Il centroide di un gruppo è il vettore p-dimensionale i cui elementi sono costituiti dalla media dei corrispondenti elementi dei vettori associati alle unità appartenenti al gruppo. 38

5 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER c) iterazione della fase b) fino al raggiungimento della convergenza, cioè fino a quando non si verifica alcuna altra riallocazione 11. Ciò consente di suddividere le unità statistiche in gruppi non sovrapposti, minimizzando la devianza interna ai gruppi stessi, e quindi massimizzando la loro omogeneità 12. Quanto al tipo di distanza, la scelta è ricaduta su quella euclidea, che, oltre ad essere la più utilizzata, è anche facilmente interpretabile: infatti, essa non è altro che l estensione nello spazio p-dimensionale della distanza tra due punti del piano cartesiano 13. L applicazione di un qualunque algoritmo standard di classificazione a dati territoriali, comunque, non necessariamente genera aggregazioni contigue dal punto di vista spaziale. Allo stesso tempo, è chiaro che, ai fini della presente analisi, affinché i gruppi individuati abbiano significato e possano formare oggetto di interventi di programmazione territoriale, essi debbano essere costituiti da unità elementari confinanti. Analogamente, se si accetta la definizione di STL quale contesto in grado di offrire al turista una serie di risorse integrate e distribuite sul territorio, la contiguità spaziale diventa un requisito imprescindibile. Sono questi i motivi per i quali si è scelto di introdurre il vincolo di contiguità spaziale dei comuni. A tale proposito, in questo lavoro due comuni sono considerati contigui se condividono una porzione di confine. L introduzione del vincolo di contiguità spaziale richiede una serie di controlli nel corso della procedura di aggregazione. Più precisamente, nella fase di individuazione della partizione iniziale una data unità viene assegnata al gruppo di un dato seed point solo se l unità stessa è contigua ad almeno una delle unità già assegnate al gruppo 14. Nella fase di riallocazione, invece, una data unità viene spostata solo se tale spostamento non comporta la disconnessione del gruppo di origine e, nel contempo, l unità stessa è contigua ad almeno una delle unità appartenenti al gruppo di destinazione. Uno dei difetti dell algoritmo delle k-medie consiste nel fatto che i risultati possono dipendere dall ordine di aggregazione delle unità, in 11 Cfr. Anderberg (1973), p Formalmente, la devianza interna all i-esimo gruppo è definita come: dove n i è il numero delle unità appartenenti all i-esimo gruppo, x jv è il valore della v-esima variabile rilevata sulla j-esima unità statistica, e x* iv è la media della v-esima variabile nell i-esimo gruppo. Il metodo delle k-medie consente di minimizzare la somma delle g devianze W i. 13 Tale scelta, fra l altro, garantisce la convergenza dell algoritmo delle k-medie. 14 Ovviamente, è possibile che, ad una data iterazione, tale condizione non sia valida per alcuno dei gruppi già formati. Di conseguenza è necessario ripetere la fase di assegnazione fin quando tutte le unità risultano aggregate ad uno dei g gruppi in formazione. 39

6 quanto nella fase b) i centroidi vengono ricalcolati ad ogni riallocazione. Nella versione non vincolata, il problema può essere superato ricalcolando i centroidi ad ogni iterazione, anziché ad ogni riallocazione 15. Tuttavia, esso persiste quando si fa uso del vincolo di contiguità, in particolare nelle prime due fasi dell algoritmo. La procedura descritta è stata applicata in due fasi distinte e sequenziali. Nel primo stadio, sono stati considerati i soli comuni a vocazione turistica, al fine di individuare contesti geografici in grado di assurgere a «distretto turistico» (o STL), in quanto caratterizzati da una dotazione minima di risorse artistiche, naturalistiche, di accoglienza e divertimento, ed infrastrutturali, che fossero in grado di garantire al turista un soggiorno gradevole. Ai fini della selezione di tali comuni, si è fatto ricorso ai valori di un indice di attrattività potenziale, appositamente elaborato e calcolato per l intera provincia di Salerno 16. Sono stati, quindi, considerati come «comuni a vocazione turistica» quelli il cui indice di attrattività fosse superiore al valore mediano 17. Ciò permette di evitare la soggettività insita nel fissare arbitrariamente un valore di soglia al di sopra del quale una data unità possa dirsi a vocazione turistica. Peraltro, la mediana, a differenza della media, è un indice robusto e quindi non è influenzato dai valori eccezionali. L utilizzo di questo criterio discriminante ha condotto all individuazione dei 79 comuni 18 (vedi la Figura 1). Poiché l algoritmo di classificazione prevede il vincolo di contiguità, è necessario che anche nel primo stadio le unità cui applicarlo costituiscano un area territorialmente connessa. A tal fine, ai 79 comuni a vocazione turistica sono stati aggiunti quelli di Torre Orsaia e Bellosguardo (indicati in nero nella Figura 1), in quanto caratterizzati, fra quelli in grado di assicurare la connessione iniziale dei comuni selezionati, dal valore dell indice di attrattività più elevato. Come già sottolineato, l applicazione dell algoritmo delle k-medie richiede la scelta del numero di gruppi e di un corrispondente numero di seed points, sulla base dei quali individuare la partizione iniziale. Al fine di rendere maggiormente probabile l individuazione di una soluzione di ottimo assoluto, le unità scelte dovrebbero risultare ben distribuite nello spazio euclideo a p dimensioni 19. Tuttavia, nelle applicazioni 15 In proposito si veda Zani (2000), p Tale indice è un originale indicatore sintetico dell attrattività turistica di un luogo, calcolato come media ponderata delle 20 variabili utilizzate in questo studio. Per maggiori dettagli si rinvia a ITAT (2004), cap. 2, e a Coccorese - Pellecchia (2005). 17 L ordinamento è stato effettuato sulla base dei valori del suddetto indice di attrattività potenziale, nella versione in cui a tutte le variabili è attribuito lo stesso peso. 18 Utilizzando la media aritmetica, in luogo della mediana, i comuni selezionati (ovvero quelli caratterizzati da un valore dell indice superiore alla media) sarebbero stati Cfr. Zani (2000), p

7 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER Fig. 1 Mappa dei comuni a vocazione turistica pratiche la scelta avviene sulla base di criteri meno sofisticati, tra cui quello di considerare le prime o le ultime g unità della lista, oppure quello casuale 20. Il fatto che il criterio di scelta dei seed points non sia un fattore essenziale ai fini della corretta applicazione dell algoritmo lascia spazio alla possibilità di conformarlo agli obiettivi dell analisi. Sotto questo aspetto, una prima considerazione deriva dall uso di dati territoriali e, soprattutto, dall imposizione del vincolo di contiguità. Infatti, la scelta di comuni non sufficientemente spaziati da un punto di vista geografico potrebbe comportare l individuazione di aree costituite da una o poche unità, soprattutto se essi si collocano in punti estremi della regione oggetto di studio. Una seconda considerazione si fonda sul fatto che l obiettivo di questa analisi è individuare i STL. Pertanto, è sembrato opportuno «costruire» ciascun distretto intorno ad un comune che, per la sua elevata attrattività turistica, possa fungere da catalizzatore per l intera area cui afferisce. 20 Per una rassegna dei metodi di scelta dei seed points e della partizione iniziale, si veda Anderberg (1973), pp. 157 e segg. 41

8 Tabella 1 Graduatoria dei primi 20 comuni della provincia di Salerno secondo l indice di attrattività turistica potenziale (pesi uguali per ognuna delle variabili di base) Comune Valore dell indice di attrattività Positano Amalfi Ascea Centola Maiori Capaccio Ravello Castellabate Salerno Camerota Minori Praiano Conca dei Marini Pollica Contursi Terme Scala Cetara Santa Marina Atena Lucana Sapri Fonte: ITAT (2004) Quanto sopra ha condotto all individuazione dei seguenti cinque comuni 21 : Amalfi, Ascea, Capaccio, Contursi Terme, Salerno. Essi si collocano nelle prime venti posizioni della graduatoria dell indice di attrattività 22 (riportate per comodità nella Tabella 1). Al fine di assicurare che tali unità rimanessero collocate in gruppi diversi, è stato ulteriormente imposto che esse non fossero riallocate nel corso delle fasi b) e c) dell algoritmo (vincolo di non riallocazione dei seed points). Nel secondo stadio, i rimanenti comuni sono stati aggregati ai distretti già individuati, riapplicando l algoritmo di classificazione e 21 Ovviamente i criteri di scelta dei seed points e del loro numero (e quindi dei gruppi) possono essere diversi da quelli qui utilizzati. Ciò rappresenta un elemento di flessibilità del metodo, in quanto consente di accogliere nell analisi informazioni di carattere qualitativo, derivanti da una lettura a priori delle caratteristiche del territorio. 22 Una precisazione merita la scelta di Amalfi. Sulla base dell indice di attrattività sarebbe 42

9 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER quindi imponendo che le unità appartenenti a tali aree non fossero riallocate, giungendo ad una partizione dell intera provincia di Salerno. Più precisamente, nella fase di costruzione della partizione iniziale tali comuni sono stati assegnati al distretto il cui centroide fosse più vicino. Sono stati poi spostati, se necessario, nella fase di riallocazione. Dunque, l adozione di tale versione vincolata dell algoritmo delle k- medie ha consentito di suddividere la provincia in aree omogenee, ciascuna delle quali contiene al proprio interno un gruppo di comuni a maggiore vocazione turistica (individuato nel primo stadio), ovvero un nucleo «forte» di comuni ad elevata attrattività turistica. Ciò implicitamente significa concedere ai comuni a più bassa attrattività, aggregati nel secondo stadio, la possibilità di giovarsi di una sorta di «effetto contagio», cioè di quel processo di diffusione dello sviluppo che solitamente caratterizza i fenomeni, compreso il turismo, nei quali la componente territoriale gioca un ruolo fondamentale. 4. Le variabili L algoritmo descritto nel paragrafo precedente è stato sviluppato in Microsoft Visual Basic , ed applicato alle medesime variabili utilizzate ai fini del calcolo dell indice di attrattività turistica per la provincia di Salerno, in quanto ritenute idonee ad inquadrare in modo adeguato gli attributi (potenziali ed attuali) che generalmente connotano l offerta turistica di una data area 24. Più precisamente, la classificazione è stata effettuata sulla base dei loro valori normalizzati, i quali, attraverso un punteggio da 0 a 1000, quantificano la presenza di una data risorsa o caratteristica 25. L elenco delle 20 variabili è dunque il seguente: Distanza dal mare; Aree protette; Monumenti, musei e siti archeologici; Stazioni termali; Feste, sagre e prodotti caratteristici; Cinema e teatri; Locali da ballo; Strutture sportive; Rivendite di alimentari; Supermercati, grandi magazzini e centri commerciali; Stazioni di servizio e distribuzione carburante; Bar e caffè; Strutture agrituristiche; Campeggi, ostelli e villaggi turistici; Alberghi e simili; Ristoranti ed affini; Distanza dal casello autostradale; Ospedali e pronto soccorso; Sportelli bancari; Addetti com- stato opportuno scegliere Positano. Tuttavia, tale comune si situa sull estremo occidentale della provincia, e ciò avrebbe comportato la formazione di un distretto costituito da soli sei comuni, con conseguente frazionamento della Costiera Amalfitana. Inoltre, la risultante partizione presentava una minore omogeneità interna. 23 Per maggiori dettagli sull implementazione della procedura di classificazione, si veda l Appendice A. 24 Tra le variabili è stata volutamente trascurata quella relativa alle presenze turistiche. Tale scelta è essenzialmente riconducibile a due motivi: a) l obiettivo dell analisi è considerare le potenzialità dell area in esame, senza introdurre alcun fattore che riconduca alla situazione attuale; b) i dati disponibili sulle presenze turistiche riguardano soltanto 79 dei 158 comuni della provincia di Salerno. 25 Le modalità di normalizzazione delle variabili sono descritte nell Appendice B. 43

10 Tabella 2 Statistiche descrittive delle variabili utilizzate (valori normalizzati) Variabile Media Mediana Deviazione Minimo Massimo standard Distanza dal mare Aree protette Monumenti, musei e siti archeologici Stazioni termali Feste, sagre e prodotti caratteristici Cinema e teatri Locali da ballo Strutture sportive Rivendite di alimentari Supermercati, grandi magazzini e centri commerciali Stazioni di servizio e distribuzione carburante Bar e caffè Strutture agrituristiche Campeggi, ostelli e villaggi turistici Alberghi e simili Ristoranti ed affini Distanza dal casello autostradale Ospedali e pronto soccorso Sportelli bancari Addetti commercio e servizi Fonte: Elaborazioni su dati ITAT mercio e servizi 26. Nella Tabella 2 sono riportate le relative statistiche descrittive. 5. I risultati L applicazione della metodologia ai soli comuni a vocazione turistica (primo stadio) ha portato all individuazione di cinque distretti turistici, la cui composizione è sintetizzata nella Tabella 3 e rappresentata nella Figura 2. Ciascuno di essi si caratterizza per gli aspetti di seguito descritti Prima di procedere all applicazione dell algoritmo, è stata calcolata la matrice di correlazione di tali variabili, al fine di verificare l eventuale ridondanza di qualcuna di esse. Il massimo valore dell indice di correlazione è risultato pari a 0.67, per cui si è deciso di conservare tutte le variabili. Si è deciso, inoltre, di conservare le variabili normalizzate anziché procedere alla loro standardizzazione, in quanto esse presentavano comunque lo stesso campo di variazione (0-1000). Tra l altro, le partizioni risultanti sotto le due ipotesi (normalizzazione vs. standardizzazione) differiscono in modo trascurabile. 27 Gli attributi e le valutazioni di ogni distretto discendono dalla considerazione dei valori 44

11 Tabella 3 Composizione dei distretti turistici (primo stadio dell algoritmo) Area Comuni Amalfi Amalfi, Atrani, Conca dei Marini, Furore, Maiori, Minori, Positano, Praiano, Ravello, Scala Ascea Ascea, Camerota, Casal Velino, Caselle in Pittari, Castellabate, Castelnuovo Cilento, Centola, Ceraso, Ispani, Montecorice, Omignano, Pisciotta, Pollica, Roccagloriosa, San Giovanni a Piro, San Mauro Cilento, Santa Marina, Sapri, Torre Orsaia, Vallo della Lucania, Vibonati Capaccio Agropoli, Albanella, Aquara, Bellosguardo, Capaccio, Eboli, Felitto, Olevano sul Tusciano, Roccadaspide, Roscigno, Rutino, Sant Angelo a Fasanella, Serre, Torchiara, Trentinara Contursi Atena Lucana, Auletta, Buccino, Buonabitacolo, Campagna, Contursi Terme, Montesano sulla Marcellana, Oliveto Citra, Padula, Polla, Sala Consilina, Sant Arsenio, Sicignano degli Alburni, Teggiano Salerno Baronissi, Battipaglia, Bellizzi, Cava de Tirreni, Cetara, Corbara, Fisciano, Giffoni Valle Piana, Mercato San Severino, Nocera Inferiore, Nocera Superiore, Pagani, Pontecagnano Faiano, Salerno, San Cipriano Picentino, San Mango Piemonte, San Marzano sul Sarno, Sant Egidio del Monte Albino, Sarno, Tramonti, Vietri sul Mare Fig. 2 Distretti turistici (primo stadio dell algoritmo)

12 Distretto di Amalfi (10 comuni: Amalfi, Atrani, Conca dei Marini, Furore, Maiori, Minori, Positano, Praiano, Ravello, Scala). È il distretto con il livello di attrattività più elevato. Presenta, infatti, i valori massimi per molte variabili, fra le quali, in particolare, Feste, sagre e prodotti caratteristici, Locali da ballo e Strutture sportive. Si configura quindi come distretto del folklore e del divertimento. Ottima è anche la sua collocazione sotto il profilo delle strutture di accoglienza: le voci Alberghi e simili e Ristoranti ed affini conseguono il punteggio più elevato. Coincide in gran parte con il territorio della Costa d Amalfi e presenta flussi turistici importanti, grazie anche alla sua notorietà a livello internazionale. Si tratta, quindi, di un distretto maturo sotto il medi di ogni rispettiva variabile (valori riportati nella Tabella 4), affiancata dalla valutazione di quelle caratteristiche qualitative (storiche, territoriali ecc.) che non possono essere espressamente misurate dalle variabili stesse. Tabella 4 Valori medi delle variabili per distretto turistico (primo stadio dell algoritmo) Variabile Distretti AMALFI ASCEA CAPACCIO CONTURSI SALERNO Distanza dal mare Aree protette Monumenti, musei e siti archeologici Stazioni termali Feste, sagre e prodotti caratteristici Cinema e teatri Locali da ballo Strutture sportive Rivendite di alimentari Supermercati, grandi magazzini e centri commerciali Stazioni di servizio e distribuzione carburante Bar e caffè Strutture agrituristiche Campeggi, ostelli e villaggi turistici Alberghi e simili Ristoranti ed affini Distanza dal casello autostradale Ospedali e pronto soccorso Sportelli bancari Addetti commercio e servizi Numero comuni Valore indice di attrattività (pesi uguali) Popolazione residente (unità) Estensione territoriale (kmq)

13 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER profilo turistico, che pertanto richiederebbe un azione di rivitalizzazione dell offerta fondata sulla valorizzazione dei prodotti dell artigianato e dell agricoltura locale (ceramica artistica, carta d Amalfi, vini e distillati di agrumi, ecc.) e sulla promozione e organizzazione di eventi culturali in grado di destagionalizzare i flussi. Il principale target di riferimento dovrebbe essere il segmento della domanda straniera ad elevata capacità di spesa. Distretto di Ascea (21 comuni: Ascea, Camerota, Casal Velino, Caselle in Pittari, Castellabate, Castelnuovo Cilento, Centola, Ceraso, Ispani, Montecorice, Omignano, Pisciotta, Pollica, Roccagloriosa, San Giovanni a Piro, San Mauro Cilento, Santa Marina, Sapri, Torre Orsaia, Vallo della Lucania, Vibonati). Questo distretto comprende la gran parte della costiera cilentana, e si posiziona egregiamente per quanto riguarda le strutture commerciali e di accoglienza. Presenta, infatti, i valori massimi per Supermercati, grandi magazzini e centri commerciali, Stazioni di servizio e distribuzione carburante, Strutture agrituristiche e Campeggi, ostelli e villaggi turistici, mentre si piazza al secondo posto quanto a Rivendite di alimentari, Bar e caffè, Alberghi e simili e Ristoranti ed affini. Per queste sue caratteristiche, si candida ad essere il distretto balneare della provincia di Salerno, in grado di accogliere flussi di turisti interessati ad una vacanza di sole e mare. Tuttavia, presenta delle carenze sotto il profilo infrastrutturale, soprattutto per l elevata distanza dalla rete autostradale. Insieme al distretto di Amalfi, costituisce l area salernitana con la più elevata presenza di turisti, cosa tra l altro testimoniata anche dall elevato livello dell indice di attrattività. Si tratta, tuttavia, di un turismo di «prossimità» dovuto alla scarsa notorietà; pertanto, una strategia utile al rilancio di tale distretto potrebbe essere la messa a punto di una forte azione di comunicazione sui circuiti nazionali ed internazionali. Distretto di Capaccio (15 comuni: Agropoli, Albanella, Aquara, Bellosguardo, Capaccio, Eboli, Felitto, Olevano sul Tusciano, Roccadaspide, Roscigno, Rutino, Sant Angelo a Fasanella, Serre, Torchiara, Trentinara). Quello di Capaccio si connota come distretto integrato. Infatti, tranne alcune eccezioni (quali Cinema e teatri, Rivendite di alimentari, Ristoranti ed affini e Addetti commercio e servizi, per i quali si classifica all ultimo posto), consegue buoni risultati per tutte le tipologie di risorse turistiche considerate, potendo quindi puntare sia su un turismo balneare (con riferimento ai comuni costieri) sia su un turismo agreste (per quanto riguarda i comuni dell entroterra). Al suo interno, poi, l importante polo artistico-culturale di Paestum non rappresenta un caso isolato: infatti, il valore della variabile Mo- 47

14 numenti, musei e siti archeologici per tale distretto è in linea con quello degli altri quattro. Quanto sopra attesta le elevate potenzialità di sviluppo di tale distretto, sicuramente in grado di soddisfare le esigenze di diversi segmenti della domanda turistica. Tuttavia, la presenza dell area archeologica di Paestum potrebbe costituire un fattore determinante nel focalizzare le strategie promozionali dell area verso un turismo di taglio più specificamente culturale. Distretto di Contursi Terme (14 comuni: Atena Lucana, Auletta, Buccino, Buonabitacolo, Campagna, Contursi Terme, Montesano sulla Marcellana, Oliveto Citra, Padula, Polla, Sala Consilina, Sant Arsenio, Sicignano degli Alburni, Teggiano). È il distretto artistico, naturalistico e del benessere, potendo vantare i più alti livelli di dotazione per quanto riguarda Aree Protette, Monumenti, musei e siti archeologici e Stazioni termali. Si caratterizza, inoltre, per una buona dotazione infrastrutturale, connessa soprattutto alla prossimità dei comuni che lo costituiscono all autostrada Salerno-Reggio Calabria. Nel suo territorio sono presenti le due uniche località termali della provincia (Contursi Terme e Montesano sulla Marcellana), mentre il primato nella aree protette deriva in particolare dalla presenza del Parco Nazionale del Cilento e Vallo di Diano. I punti di debolezza riguardano la capacità di accoglienza e, soprattutto, la scarsità di eventi, folklore, e strutture di divertimento e sportive. Si tratta di un distretto che consentirebbe di progettare un turismo «alternativo» basato sulla fruizione delle risorse ambientali e storico-artistiche e su forme di ricettività diffusa (ostelli, bed & breakfast, paesi-albergo). Distretto di Salerno (21 comuni: Baronissi, Battipaglia, Bellizzi, Cava de Tirreni, Cetara, Corbara, Fisciano, Giffoni Valle Piana, Mercato San Severino, Nocera Inferiore, Nocera Superiore, Pagani, Pontecagnano Faiano, Salerno, San Cipriano Picentino, San Mango Piemonte, San Marzano sul Sarno, Sant Egidio del Monte Albino, Sarno, Tramonti, Vietri sul Mare). Questo distretto, che potrebbe essere definito come un area metropolitana, si contraddistingue per l ottima dotazione in termini di Monumenti, musei e siti archeologici, Cinema e teatri e Locali da ballo, nonché per la più bassa distanza dalla rete autostradale. Presenta, invece, carenze per quanto riguarda le strutture commerciali e di accoglienza. Le caratteristiche evidenziate, unitamente alla presenza della città capoluogo, fanno intravedere un elevato potenziale in termini di turismo di tipo congressuale, culturale e degli eventi, tuttavia subordinato al necessario ampliamento della capacità ricettiva. 48

15 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER Tabella 5 Composizione delle aree di programmazione (secondo stadio dell algoritmo) Area Comuni Amalfi Amalfi, Atrani, Conca dei Marini, Furore, Maiori, Minori, Positano, Praiano, Ravello, Scala Ascea Ascea, Camerota, Casal Velino, Caselle in Pittari, Castellabate, Castelnuovo Cilento, Centola, Ceraso, Cuccaro Vetere, Ispani, Montecorice, Omignano, Pisciotta, Pollica, Roccagloriosa, San Giovanni a Piro, San Mauro Cilento, San Mauro la Bruca, Santa Marina, Sapri, Torraca, Torre Orsaia, Vallo della Lucania, Vibonati Capaccio Acerno, Agropoli, Albanella, Alfano, Altavilla Silentina, Aquara, Bellosguardo, Campora, Cannalonga, Capaccio, Castel San Lorenzo, Castelcivita, Celle di Bulgheria, Cicerale, Controne, Eboli, Felitto, Futani, Gioi, Giungano, Laureana Cilento, Laurino, Laurito, Lustra, Magliano Vetere, Moio della Civitella, Montano Antilia, Monteforte Cilento, Novi Velia, Ogliastro Cilento, Olevano sul Tusciano, Orria, Ottati, Perdifumo, Perito, Prignano Cilento, Roccadaspide, Rofrano, Roscigno, Rutino, Salento, Sant Angelo a Fasanella, Serramezzana, Serre, Sessa Cilento, Stella Cilento, Stio, Torchiara, Trentinara, Valle dell Angelo Contursi Atena Lucana, Auletta, Buccino, Buonabitacolo, Caggiano, Campagna, Casalbuono, Casaletto Spartano, Castelnuovo di Conza, Colliano, Contursi Terme, Corleto Monforte, Laviano, Monte San Giacomo, Montesano sulla Marcellana, Morigerati, Oliveto Citra, Padula, Palomonte, Pertosa, Petina, Piaggine, Polla, Postiglione, Ricigliano, Romagnano al Monte, Sacco, Sala Consilina, Salvitelle, San Gregorio Magno, San Pietro al Tanagro, San Rufo, Sant Arsenio, Santomenna, Sanza, Sassano, Sicignano degli Alburni, Teggiano, Tortorella, Valva Salerno Angri, Baronissi, Battipaglia, Bellizzi, Bracigliano, Calvanico, Castel San Giorgio, Castiglione del Genovesi, Cava de Tirreni, Cetara, Corbara, Fisciano, Giffoni Sei Casali, Giffoni Valle Piana, Mercato San Severino, Montecorvino Pugliano, Montecorvino Rovella, Nocera Inferiore, Nocera Superiore, Pagani, Pellezzano, Pontecagnano Faiano, Roccapiemonte, Salerno, San Cipriano Picentino, San Mango Piemonte, San Marzano sul Sarno, San Valentino Torio, Sant Egidio del Monte Albino, Sarno, Scafati, Siano, Tramonti, Vietri sul Mare Nel secondo stadio della procedura, i rimanenti comuni sono stati aggregati ai distretti già individuati secondo la procedura descritta nel paragrafo 3. Come si può notare dalla Tabella 5 e dalla Figura 3, soltanto tre comuni vengono aggiunti al distretto di Ascea, mentre rimane immutata la 49

16 Fig. 3 Aree di programmazione (secondo stadio dell algoritmo) composizione del distretto di Amalfi 28. La gran parte dei comuni «non turistici», quindi, risulta aggregata ai distretti di Capaccio, Contursi Terme e Salerno 29, con conseguente riduzione dei rispettivi livelli di attrattività media (si veda in proposito la Tabella 6). Da un analisi della composizione e dei valori medi delle variabili dei cinque distretti al termine del secondo stadio dell analisi, emerge innanzi tutto una notevole riduzione dell indice relativo alla dotazione di risorse culturali per il distretto di Capaccio, tale da portarlo all ultimo posto, fra le aree considerate, per quanto riguarda i Monumenti, musei e siti archeologici. Peggiora anche la sua situazione relativamente alle variabili infrastrutturali, e cioè Distanza dal casello autostradale, Ospedali e Pronto Soccorso, e Sportelli bancari. Per la seconda di tali variabili, tuttavia, esso conserva ancora il primato. In definitiva, l area mantiene la sua vocazione di distretto integrato, sebbene risultino ridotte le sue potenzialità in termini di turismo culturale (essenzialmente le- 28 Quest ultimo risultato era peraltro scontato, dato che tutti i comuni confinanti con tale distretto erano già stati aggregati al distretto di Salerno (si veda la Figura 2). 29 La Tabella 5 riporta la lista completa dei comuni appartenenti alle cinque aree appena individuate, delle quali la Tabella 6 espone i nuovi valori medi per ciascuna delle 20 variabili oggetto dell analisi. 50

17 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER Tabella 6 Valori medi delle variabili per area di programmazione (secondo stadio dell algoritmo) Variabile Aree AMALFI ASCEA CAPACCIO CONTURSI SALERNO Distanza dal mare Aree protette Monumenti, musei e siti archeologici Stazioni termali Feste, sagre e prodotti caratteristici Cinema e teatri Locali da ballo Strutture sportive Rivendite di alimentari Supermercati, grandi magazzini e centri commerciali Stazioni di servizio e distribuzione carburante Bar e caffè Strutture agrituristiche Campeggi, ostelli e villaggi turistici Alberghi e simili Ristoranti ed affini Distanza dal casello autostradale Ospedali e pronto soccorso Sportelli bancari Addetti commercio e servizi Numero comuni Valore indice di attrattività (pesi uguali) Popolazione residente (unità) Estensione territoriale (kmq) gate al polo di Paestum) e si evidenzi la necessità di investimenti in infrastrutture. Anche il distretto di Contursi Terme manifesta una considerevole riduzione del valore della variabile Monumenti, musei e siti archeologici; tuttavia, tenuto conto degli elevati valori di partenza, esso si colloca ancora in una buona posizione in termini di risorse culturali. Peggiorano, inoltre, i valori relativi alle strutture commerciali (Supermercati, grandi magazzini e centri commerciali e Distribuzione carburante e stazioni di servizio), nonché agli Sportelli bancari, senza però che quest ultima circostanza pregiudichi la sua ottima collocazione in termini di infrastrutture. Nel complesso, quindi, si registra un peggioramento dei punti di debolezza dell area, ferma restando la sua vocazione, così come delineata nel primo stadio della procedura. Le considerazioni finali spettano al distretto di Salerno, per il quale 51

18 va evidenziata una netta riduzione degli indici connessi a Monumenti, musei e siti archeologici, Cinema e teatri e Locali da ballo, ovvero quelle variabili che contribuivano a definirne la vocazione. Permane, invece, il suo primato per quanto riguarda la Distanza dalla rete autostradale. Ne deriva che, a seguito della aggregazione degli altri comuni, esso, più che come distretto turistico con una precisa vocazione, viene a configurarsi come area dei servizi e dei collegamenti, all interno della quale potrebbero svilupparsi progetti che facilitino il raggiungimento delle altre aree turistiche della provincia (portualità turistica, aeroporto). 6. Conclusioni Le statistiche ufficiali attestano il ruolo ormai cruciale del turismo nell ambito della formazione del reddito dell economia mondiale: questa sua importanza è destinata ad aumentare ulteriormente nel futuro. Esso, perciò, può costituire una grande opportunità di crescita per quei territori che presentano ancora forti differenziali di sviluppo rispetto alle aree economicamente più avanzate. Per questo motivo, negli ultimi decenni si è assistito ad un intensificarsi della concorrenza tra destinazioni turistiche, e quindi all esigenza di enti e agenzie di sviluppo di dotarsi di strumenti manageriali del tutto simili a quelli utilizzati negli altri settori economici. Si è affermata, perciò, una nuova disciplina, nota come destination management, che mira ad estendere al turismo il paradigma concettuale, i metodi e gli strumenti degli studi aziendali in tema di marketing. Questi ultimi suggeriscono che per un impresa la formulazione di un piano di marketing strategico consiste essenzialmente nel segmentare il mercato in gruppi omogenei di consumatori, quindi scegliere i segmenti cui rivolgere i propri prodotti, e infine posizionare tali prodotti rispetto a quelli dei concorrenti, il tutto al fine di ottenere un vantaggio competitivo durevole che le consenta di esercitare un certo potere monopolistico nei confronti di una data nicchia di mercato. Tuttavia, l applicazione di questo approccio al turismo non è immediata, giacché un «prodotto-destinazione», a differenza degli altri beni, non è riproducibile in quanto frutto di elementi ambientali, storici e culturali unici. È chiaro, quindi, che la promozione turistica di un territorio non può prescindere dalle risorse effettivamente disponibili. In caso contrario, si correrebbe il rischio di puntare su un turismo indifferenziato, o peggio di rivolgersi aprioristicamente a certi segmenti di domanda senza disporre delle risorse necessarie. In questo lavoro è stata proposta ed applicata una metodologia di individuazione di contesti turistici omogenei sotto il profilo dell offerta turistica, fondata su una versione modificata dell algoritmo di classificazione delle k-medie. In particolare, si è fatto uso di un vincolo di contiguità spaziale, nonché di un vincolo di non riallocazione dei seed points. La metodologia è stata quindi applicata ai 158 comuni della pro- 52

19 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER vincia di Salerno in due stadi successivi: dapprima sono stati individuati contesti ad elevata attrattività turistica, e perciò suscettibili di assurgere a «distretti turistici» (o STL); successivamente, si è giunti ad una partizione dell intera provincia in aree più grandi, ciascuna contenente uno di tali distretti, al fine di favorire eventuali fenomeni di diffusione territoriale dello sviluppo turistico. Ognuno dei distretti (e delle aree) individuati è stato poi caratterizzato sulla base dei valori medi delle variabili relative ad ogni gruppo, giungendo così a definire i punti di forza e debolezza nonché la vocazione turistica di ciascun contesto, basi di partenza fondamentali per impostare una efficace politica turistica. L algoritmo è stato applicato fissando a priori il numero di seed points, e quindi di distretti turistici da individuare. Uno sviluppo interessante potrebbe consistere nell applicare l algoritmo per un numero variabile di gruppi, individuando quello ottimo sulla base dell andamento di un indice di bontà della partizione. In definitiva, l analisi qui condotta costituisce un utile strumento ai fini della corretta definizione di una strategia di marketing, in quanto consente di individuare aree turisticamente omogenee, e dunque i segmenti target cui realisticamente rivolgere la propria offerta. Da un punto di vista logico, questo studio rappresenta quindi la necessaria premessa alla individuazione delle caratteristiche socio-demografiche, comportamentali e motivazionali dei segmenti di domanda turistica, e al posizionamento del singolo distretto rispetto a destinazioni concorrenti. Di conseguenza, l utilità di tali risultati ai fini della programmazione dello sviluppo turistico richiederebbe, per ciascun contesto, l ulteriore conoscenza delle caratteristiche e delle attese dei turisti 30, al fine di calibrare le strategie di intervento e di promozione sulla base non solo della vocazione dell area ma anche del profilo della domanda. 30 In questa direzione si indirizzano le analisi contenute in ITAT (2004) e in Coccorese - Pellecchia (2006). 53

20 APPENDICE A DESCRIZIONE DELL ALGORITMO DI CLASSIFICAZIONE Il codice che segue riproduce la procedura utilizzata nel lavoro al fine di tener conto dei vincoli di contiguità spaziale e di non riallocazione dei seed points. A tale proposito, i simboli utilizzati sono: n = numero unità territoriali dell area oggetto di studio; N 1 = insieme ordinato (secondo valori decrescenti dell indice di attrattività) delle n 1 unità territoriali del primo stadio (comuni a vocazione turistica); N 2 = insieme ordinato (secondo valori decrescenti dell indice di attrattività) delle n 2 = n n 1 unità territoriali del secondo stadio (comuni non turistici); g = numero gruppi; G = insieme dei seed points (G N 1 ) 1. Primo stadio 1a. Partizione iniziale scelta di g seed points allocazioni = 0 DO FOR i = 1 TO n IF l unità i N 1 AND l unità i G THEN calcolo delle distanze dell unità i da ciascun seed point ordinamento dei gruppi in modo decrescente sulla base delle distanze FOR j = 1 TO g IF l unità i è contigua ad almeno una delle unità del gruppo j THEN assegna l unità i al j-esimo gruppo della lista allocazioni = allocazioni+1 EXIT FOR END IF NEXT j END IF NEXT i LOOP UNTIL allocazioni = n 1 g 54

21 P. COCCORESE - A. PELLECCHIA, VERSO I SISTEMI TURISTICI LOCALI: UN ANALISI CLUSTER 1b. Refinement Calcolo dei g centroidi DO riallocazioni = 0 FOR i = 1 TO n IF l unità i N 1 AND l unità i G THEN calcolo delle distanze dell unità i da ciascun centroide ordinamento dei gruppi in modo decrescente sulla base delle distanze IF il gruppo di appartenenza dell unità i non coincide col primo gruppo della lista (gruppo del centroide più vicino) THEN FOR j = 1 TO g IF lo spostamento dell unità i non comporta la disconnessione del relativo gruppo AND l unità i è contigua ad almeno una delle unità del j-esimo gruppo della lista THEN sposta l unità dal gruppo cui appartiene al j-esimo gruppo della lista ricalcola i centroidi di entrambi i gruppi riallocazioni = riallocazioni+1 EXIT FOR END IF NEXT j END IF END IF NEXT i LOOP UNTIL riassegnati = 0 2. Secondo stadio 2a. Partizione iniziale Calcolo dei g centroidi allocazioni = 0 DO FOR i = 1 TO n IF l unità i N 2 THEN calcolo delle distanze dell unità i da ciascun centroide ordinamento dei gruppi in modo decrescente sulla base delle distanze FOR j = 1 TO g IF l unità i è contigua ad almeno una delle unità del j-esimo gruppo 55