硕士论文网第2020-08-28期，本期硕士论文写作指导老师为大家分享一篇
酒店管理文章《基于情感分析的酒店顾客满意度评价研究》，供大家在写论文时进行参考。
随着首个在线旅游数据生态共建倡议书的发布，在线评论数据更加真实、准确地表达顾客的客观感受，成为商家和消费者情报的重要来源。本章研究包括文本数据的采集及预处理、TF-IDF、Word2Vec、K-means、基于监督学习的特征分类算法、情感分析及多元线性回归，最后结合顾客满意度相关理论构建基于情感分析的酒店顾客满意度评估模型，得到酒店顾客满意度的各特征维度得分。
1 绪论
1.1 研究背景
自我国改革开放以来第三产业发展势头良好，在国内生产总值中所占比重不断攀升。2019 年我国市场配置要素愈加合理，GDP 总量中第三产业增加值占比 53.9%，与第二产业相比超出其 14.9%。在我国第三产业的带动下，我国旅游业市场有很大的发展空间，并朝着更好的方向发展。近几年，旅游业紧随国家发展脚步，更加注重景区的文化内涵，把中华传统文化与旅行有机地融合在一起，既让游客在旅行中得到满足感，也使国内旅游业总收入达到前所未有的新高度。根据图 1-1 可以看出，中国旅游市场整体保持稳步增长态势，用户旅游需求增长旺盛。与 2018 年旅游人数相比，截止到 2019年我国旅行人数达到 60.6 亿人次，增长了 9.6%。我国旅游业收入呈现连续上升趋势，在全年 GDP 统计中，2019 年旅游业贡献了约 6.52 万亿元的收益，较上年同期增长约9.2%。随着中国经济发展，国民收入的提高，人们对生活品质有了更高的要求，这也进一步推动了我国旅游业稳步向好发展，大众旅游的时代已经到来。酒店业作为旅游业的子行业与旅游业有着密不可分的关系。繁荣发展的旅游业市场和良好的社会经济发展环境，刺激着酒店业也在需求端呈现出日益庞大、稳固而多样化的发展趋势。官方发布的《2019 中国酒店连锁发展与投资报告》数据直观地反映出近年来我国酒店业规模的不断扩张与壮大。2018 年中国酒店客房数量为 324.58 万间，伴随着酒店业市场需求的激增与酒店业发展的日渐成熟，截止 2019 年酒店客房数量已达414.97 万间。由于消费者对酒店市场需求的不断变化，消费者不仅对酒店的基础设施有明确需求，而且对酒店的服务体验的要求也更加详细。由此可以看出，使消费者得到良好的住宿体验成为了酒店提升未来核心竞争力的关键。酒店业应将满足消费者的需求作为提升酒店服务的首要任务，为消费者提供个性化的服务和满足消费者需求的产品，注重消费者的体验感受。酒店需要通过改进不同的针对性影响因素以满足顾客的多样性需求，快速调整经营模式，才能在激烈的行业竞争中脱颖而出。备数字化转型理念，通过网络平台进行市场数据分析，进而把握市场动态了解消费者偏好，及时调整营销模式和管理决策，从而实现在颠覆性的市场中力争上游。然而对于这些庞杂的在线评论信息，传统的统计方法已经不再适用，因此采取信息处理技术手段就显得尤为重要。在众多的信息处理技术手段当中文本挖掘技术可以有效地处理这些复杂信息，企业可以利用文本挖掘涵盖的多种技术系统综合地处理大量的在线评论数据。利用情感分析技术和文本语义挖掘算法等对文本数据进行情感倾向性判断，从而分析文本评论中的数据价值，从文本数据中分析得到消费者的消费行为习惯和对产品的满意程度。研究这些消费者在线评论信息对企业的经营管理能起到实质性的帮助，酒店可以通过有针对性地完善服务和改善产品来提高自身竞争力。
1.2 研究目的与意义
在如今互联网经济快速发展的背景下，网络平台的发展对很多行业的经营模式以及消费者的行为模式都产生了深远的影响，这其中旅游住宿产业也受到了第三方平台用户的参与。酒店住宿评论很大程度上反映了消费者实际需求或希望已被满足的程度，可能包含对硬件或服务性能，以及酒店硬件设施或服务本身的评价，同时这些数据也是其他顾客获取入住酒店信息的主要参考意见来源。由于消费者很难通过酒店提供的有限信息准确获得无形产品质量等重要信息，所以越来越多的消费者在入住前依赖于浏览在线评论来弥补自己获知信息的不足，并以此获取间接消费经验，这样可以降低消费者感知的不确定性。 浏览在线评论是消费者做出决策的必要流程，而科学有效的在线评论数据可以很好地反映消费者旅行和购买产品的需求。因此本文以 2019 年冰雪嘉年华期间携程网上哈尔滨市松花江畔区域酒店的在线评论数据为样本，运用情感分析技术结合文本挖掘、机器学习算法对酒店在线评论文本信息内容进行科学性地分析处理。通过提取酒店顾客满意度影响因素以及计算情感得分，构建基于情感分析的酒店顾客满意度评估模型。旨在全面探知消费者特征关注偏好和特征情感对酒店顾客满意度的影响。进一步对酒店企业提升自身的服务水平提出有针对性的应对方案，优化运营管理和创新经营模式。尽其所能地满足消费者在旅游出行过程中的需求，从而提升顾客体验，改善顾客满意度和依赖性，保持强劲的市场竞争力；对于消费者而言，旨在通过这种科学的满意度评价方式，使其更客观地了解酒店的产品及服务，从而做出更加合理的决策，增强客户黏性，从而提高顾客忠诚度。
2 酒店顾客满意度评估相关理论基础
通过第一章对酒店行业发展趋势以及国内外学者目前对酒店顾客满意度研究现状的整理和分析，本章在前文论述基础上梳理了在进行酒店顾客满意度评估时所借鉴的相关理论，包括顾客满意度理论、客户细分理论、需求层次理论及 STP 营销理论。
2.1 顾客满意度理论
二十世纪七十年代学者开始对顾客满意进行研究。1965 年 Cardozo 首次提出了顾客满意的概念。顾客满意的研究涉及大量社会学以及心理学方面的理论，是指顾客体验完某种产品或服务，将产生的感知与期望比较后形成的整体感觉状态。宏观上，顾客满意的评价指标用顾客满意度指数(CSD)进行衡量。顾客满意有主动性、相对性、层次性和阶段性四方面特征。在传统领域的顾客满意研究中，Oliver 提出“期望不一致理论”，即当产品表现超出消费者的实际期望时，消费者就会感到满意，反之就会不满意，后续学者的研究丰富了这一理论，提出服务质量本身也会对顾客满意产生影响。顾客满意是顾客根据以往消费经验在购买行为发生前对产品所形成的期望与消费过程中所感知到的被满足的程度。满意度是用数字衡量对产品或者服务性能，以及产品或者服务本身主观感受的一种心理状态。对顾客满意程度进行衡量的指标即为顾客满意度，只有完全了解不同顾客群体对应的满意度影响因素，才有可能实现百分之百的顾客满意。无论是在传统线下市场还是电商市场，顾客满意都是商家企业所追求的目标。较高的顾客满意度随之而来的是对企业忠诚度的提高，尤其对于酒店这种产品和服务相结合的产业，以满意度为衡量指标对顾客进行分析，有助于精准提高酒店顾客对入住酒店的满意度评分，对提升酒店品质具有重要的现实意义。众多学者在顾客满意度相关理论的研究过程中，为了更加清晰准确地描述不同因素在顾客满意形成过程中的相互作用关系，逐步构建出了相应的顾客满意度指数模型。最早建立起的顾客满意度测评模型是瑞典顾客满意指数模式(Sweden Customer Satisfaction Barometer，SCSB)，SCSB 模式通过量化分析来研究顾客满意与顾客忠诚之间的非线性关系。Fornell 学者在 SCSB 模型中的综合产品消费预期、产品质量感知绩效、产品的实际价值以及价格等多种因素的基础上，设计了美国顾客满意度指数(American Customer Satisfaction Index，ACSI)。此模型运用质量的定制化、可靠性及总体评价这三个标识变量来衡量感知质量，其中，感知质量、顾客预期和感知价值为原因变量，顾客满意为目标变量，顾客抱怨以及顾客忠诚为结果变量，如图 2-1 所示。
2.2 客户细分理论
互联网的发展促使消费者购买产品和服务的途径发生改变，信息不对称现象部分改善，企业管理形式也由以市场为导向转变为以客户为中心。企业生命周期理论的直接核心资源是客户，企业竞争的本质是对客户的争夺和保留，对客户进行有效了解和发掘，保持优质客户是企业在行业中立足的根基。为满足客户异质化需求，制定相应的差异化管理策略对企业来说是当务之急，也是重中之重，客户细分理论也由此成为企业管理的重要工具。营销大师菲利普·科特勒提出，客户细分是根据客户的属性特征对客户集合进行划分。企业对客户的兴趣、需求、购买行为以及购买习惯进行广泛收集整理后，依据某方面或多属性的差异，将差异较小的客户划分到一个细分客户群。与满足消费者需求为首，服务于市场营销的市场细分理论相比较，客户细分理论贯穿于企业为客户创造价值和以客户为中心的全过程企业管理。客户细分不再单独聚焦消费者的一次购买或购买本身，而是考虑如何促成长期购买的客户关系，促使消费者重复购买企业其他产品。同时，客户购买也不限定于产品本身，而是囊括消费者与企业接触的品牌定位、产品设计生产、市场营销、物流、产品服务使用感受以及售后等整个过程。客户细分是差异化消费者服务的基础，是改进产品提升服务的重要手段。随着客户细分理论的应用，改进分化出不同的分析维度和细分方法，主要包括地理细分、人口细分、行为细分和心理细分等。地理细分是指依据地理位置准则，考虑国家、洲、省、市、区以及相同媒体覆盖地段等信息将客户细分为不同的子群落，对分析市场占有、计划评估市场、划分销售区域、评估消费者反馈及精准投放资源等具有重要的现实意义；人口细分是将消费者的性别、种族、年龄、教育程度、婚姻状况以及职业收入等作为判定准则对客户进行细分。起初的人口细分未考虑消费者的购买力，后续增加了 Dual 变量用于识别拥有大量可支配收入和时间的人群。人口细分的优点是操作简单和易于实现，但在反映客户需求和客户关系上有一定的缺陷；行为细分是以历史数据为基础，根据客户对产品服务的认知、态度、反应、使用频率、忠诚度以及接受度对消费者进行划分并对未来行为进行预测。其中，主要以 RFM 分析和客户价值矩阵分析两种方法对顾客行为进行细分，行为细分的缺点是无法评价潜在客户；心理细分也叫“生活方式”细分，是以生活方式为背景，对消费者的个性特征进行研究，通过消费者的观点、兴趣以及行动来识别并细分客户。心理细分主要分为基于客户价值的客户细分以及基于客户生命周期的客户细分两种，心理细分对高介入度的产品起着非常重要的作用。酒店是典型的需要进行客户细分的行业，客户细分理论在此行业具有较强的实用性。酒店业的客户群体组成较为复杂多样，不同的客户群体对酒店规模、地理位置以及服务标准等需求差异较大、非标准化程度较高，因此需要对客户群体进行细分来匹配最合适的酒店服务类型。因此，本文从该理论视角出发，基于主流酒店预订平台对客户的细分程度，从客户体验中挖掘增长机会，研究不同出游类型的酒店顾客满意度。
3 基于情感分析的酒店顾客满意度评估模型的构建与分析
3.1 网络文本数据获取及预处理
3.2 酒店顾客满意度影响因素体系分析
3.3 酒店顾客满意度情感得分体系分析
3.4 基于情感分析的酒店顾客满意度评估模型构建
3.5 酒店整体顾客满意度实证结果分析
3.6 酒店顾客满意度评估模型验证分析
3.7 本章小结
4 不同出游类型的酒店顾客满意度实证分析
4.1 不同出游类型顾客评论数据处理
4.2 不同出游类型酒店顾客满意度影响因素筛选
4.3 不同出游类型的酒店顾客满意度实证结果分析
4.4 本章小结
5 酒店顾客满意度提升策略
5.1 酒店整体顾客满意度提升策略
5.2 不同出游类型顾客满意度提升策略
5.3 本章小结
结论
.如今，我国旅游产业发展迅速，极大地促进了酒店业的发展。酒店行业作为我国第三产业中的一个极具影响力的产业，对改善人民生活质量和促进国家经济发展起着不可替代的作用，同时也是目前我国最具潜力的行业之一。酒店在线评论反映了顾客对入住酒店的真实感受，如何分析顾客评论并从中挖掘顾客对酒店的需求是现如今酒店竞争情报研究领域的热点问题，对酒店经营领域具有重要的商业价值。本文根据酒店顾客评论的真实性和客观性，采用文本挖掘技术结合情感分析技术对提取的酒店顾客满意度影响因素进行量化打分，构建基于情感分析的酒店顾客满意度评估模型，并将其应用在哈尔滨中央大街步行街/松花江畔区域的酒店顾客满意度评估中，主要研究结论如下：(1) 基于顾客满意度理论，将 TF-IDF、Word2Vec、K-means 算法以及情感分析技术引入到酒店顾客满意度的评估中，能够客观得出顾客满意度评分，酒店商家及个人都可以根据本文构建的满意度模型对想要了解的酒店进行综合性和细致化评估，从而有效分析出顾客的满意度和不同维度的情感倾向，帮助商家有针对性地改进服务改善设施，提升酒店竞争力，帮助消费者更客观地了解酒店的产品及服务，做出合理决策。(2) 基于客户细分理论与需求层次理论，将 Lasso 算法引入到不同出游类型顾客的满意度评估中，能够确定顾客需求偏好，弥补酒店经营者和酒店住户之间信息交流的延迟性，消费者可以以此分析该酒店各项服务标准是否满足自己的需求。酒店经营人员能够及时准确地了解顾客特征偏好程度，帮助其准确地调整酒店经营模式及设备设施建设。(3) 基于 STP 营销理论，针对酒店整体顾客满意度提升，提出要提高服务水平、制定合理价格体系、优化消费者入住体验等策略；针对不同出游类型的酒店顾客满意度提升，提出要提供专属的设施环境、提供个性化的定制服务、加强社群营销等策略。虽然本文基于情感分析技术构建了酒店顾客满意度评估模型，弥补了大多数学者进行酒店顾客满意度研究时未能反馈消费者真实体验的不足，但仍有如下问题需要继续探讨和研究： (1) 本文主要是立足于城市特色，利用酒店预订系统中最具代表性的局部区域顾客评价数据进行建模，但可能导致应用该研究模型分析出的顾客特征偏好有一定的局限性，因此在后续研究中可以将本文构建的模型应用到不同地域的酒店用户评价数据中，根据不同地域酒店特点确定酒店顾客满意度影响因素，从而为不同需求顾客提供合理的住宿条件，合理分配酒店流动资源。(2) 由于不同出游类型的顾客会根据自己的需求选择不同档次的酒店，而不同档次酒店的服务指标和服务质量存在差异性，有文献表明入住不同档次酒店消费者最为关注的特征不尽相同，因此在今后研究中可以考虑将顾客出游类型与顾客选择的不同档次酒店进行综合分析研究，探究不同出游类型顾客对于不同档次酒店的满意度影响因素是否存在差异。
该论文为收费论文，请扫描二维码添加客服人员购买全文。
以上论文内容是由
硕士论文网为您提供的关于《基于情感分析的酒店顾客满意度评价研究》的内容，如需查看更多硕士毕业论文范文，查找硕士论文、博士论文、研究生论文参考资料，欢迎访问硕士论文网酒店管理栏目。
首页
毕业论文
硕士论文
博士论文
学位论文
在职硕士
职称论文
研究生论文
留学生论文