دانلود ترجمه مقاله ارتباط بین تمایلات مشتری و رتبه بندی مشتریان آنلاین در هتل ها
عنوان فارسی |
ارتباط بین تمایلات مشتری و رتبه بندی مشتریان آنلاین در هتل ها: یک تحلیل تجربی |
عنوان انگلیسی |
Relationship between customer sentiment and online customer ratings for hotels - An empirical analysis |
کلمات کلیدی : |
  دسته بندی هتل ها؛ رتبه بندی مشتریان؛ احساسات مشتری؛ تحلیل احساسات |
درسهای مرتبط | مدیریت جهانگردی و گردشگری |
تعداد صفحات مقاله انگلیسی : 12 | نشریه : ELSEVIER |
سال انتشار : 2017 | تعداد رفرنس مقاله : 74 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت : ندارد | وضعیت ترجمه مقاله : انجام نشده است. |
1. مقدمه 2. مدل مفهومی و توسعه فرضیات 3. روش تحقیق 4. یافته ها و بحث و بررسی 5. مفاهیم مدیریتی 6. تحقیقات آتی و محدودیت ها
تحقیقات آتی و محدودیت ها: با این که پژوهش ما دارای سهم و مشارکت ارزشمندی بوده است، با این حال با یک سری محدودیت ها نیز مواجه می باشد. این مطالعه به شکل موفقیت آمیزی نتیجه گرفته که تاثیری مثبت قطبیت احساسات مشتریان با رتبه بندی آنها برای هتل ها وجود دارد. با این حال، در عین حال، این تاثیر کاملا مسئول رتبه بندی های مشتریان نمی باشد. فاکتورهای دیگری مانند بیان عنوان و نیز طول بررسی ها نیز می توانند توضیحات احتمالی بیشتر برای ارزیابی این گزینه ها باشند. دوما، ما از عبارات مثبت و منفی برای بیان الگوریتم های بیزی مطلق در تحلیل احساسات استفاده کرده ایم. این لیست جامع نبوده و این الگوریتم را می توان در زمینه های بهتر دیگر و با تمرکز بر صنعت هتل مورد استفاده قرار داد. سوما، اگرچه الگوریتم بیزی مطلق مورد تست و مطالعه قرار گرفته شده است، با این حال محدودیت های خاص خود را نیز دارد. همانطوری که هر کلمه را مستقل از کلمات دیگر مورد بررسی قرار می دهد، ممکن است عبارات پنهان در این کلمات را از دست دهد. بنابراین گاهی اوقات به دنبال کلمه ای خاص گشتن، کافی نمی باشد و باید گزینه های دگیر نیز در این زمینه مورد بررسی و تحلیل قرار گیرند. موضوع اصلی در این زمینه باید مورد توجه قرار گیرد. الگوریتم های دیگری مانند برچسب POS می تواند برای یافتن احساسات مشتریان مورد استفاده قرار گیرد. همچنین، پلتفرم های دیگری مانند NTLK در پایتون نیز گزینه های مناسبی برای آنالیزها به شما می روند و می توان مورد استفاده قرار داد. نهایتا، ما تنها از یک وب سایت برای بررسی های مان استفاده کرده ایم. این موضوع را می توان بسط داده و بیشتر مورد بررسی قرار داد. بنابراین تحقیقات آتی را می توان با جمع آوری شواهد و بررسی های بیشتر از وب سایت ها مختلف برای مجموعه مشابهی از هتل ها انجام داد.
Future research and limitations: While our research has valuable contributions, it also has some limitations. The present study successfully concludes that there exists a positive effect of customer sentiment polarity on customer ratings for hotels across categories. But, at the same time, this influence is not totally responsible for customer ratings. Other factors like title sentiment and review length could be possible explanations as well. Future research could address this. Secondly, we have used a lexicon of positive and negative words to run the Naïve Bayes algorithm for sentiment analysis. The lexicon is not an exhaustive list and the algorithm can be trained further with better contexts focusing on the hotel industry. Thirdly, although the Naïve Bayes algorithm is tried and tested, it has its limitations. As it treats each word independently of the other, it may miss out on a hidden sentiment that is being expressed by the word. So, sometimes, looking at words alone is not enough. The underlying topic needs to be looked at as well. Other algorithms like POS Tagging can be used for finding out customer sentiment. Also, other platforms like NTLK in Python can be used for analysis. Finally, we have considered reviews from only one website. This might be prone to bias. So, future studies can be conducted by collecting reviews from different websites for the same set of hotels.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.