Analysing online customer experience in hotel sector using dynamic topic modelling and net promoter score

Abstract

使用动态主题建模和净推荐值分析酒店行业的在线客户体验研究目的本研究旨在通过动态主题建模和净推荐值分析酒店业的在线客户体验。 提出了一种用于收集、预处理和分析在线评论的新模型, 以了解语料库中的隐藏信息并获得客户体验。研究设计/方法/途径收集了一个包含 259,470 条英文客户评论的语料库。 研究人员通过 Perplexity 和 Coherence Score 测量结果进行了实验, 并选择了最佳的 K 参数（主题数量）作为模型的输入参数。 最后, 团队使用 Latent Dirichlet allocation (LDA) 模型和具有 K 系数的 Dynamic Topic Model (DTM) 在语料库上进行实验, 以探索语料库中的潜在主题和主题随时间变化的趋势。研究发现主题模型的结果显示了隐藏的主题, 其中包含与客户相关的顶级高概率关键字以及主题随时间的变化趋势。 此外, 该研究还根据客户评分计算和分析净推荐值 (NPS), 并将其显示在概览仪表板上。研究局限性/意义实验中使用的数据只是所有用户评论的一部分; 因此, 它可能无法反映所有当前的客户体验。实践意义酒店业公司的管理和业务发展也可以受益于主题模型和 NPS 分析的实证结果, 这将支持决策制定, 帮助企业改进产品和服务, 提高现有客户满意度, 并吸引新客户 .研究原创性/价值本研究不同于以往的研究, 因为它试图填补以酒店业在线客户体验为重点的研究空白, 并使用文本分析和 NPS 来实现这一目标。