<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه علامه طباطبایی</PublisherName>
				<JournalTitle>فصلنامه مطالعات مدیریت گردشگری</JournalTitle>
				<Issn>2322-3294</Issn>
				<Volume></Volume>
				<Issue>مقالات آماده انتشار</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>12</Month>
					<Day>17</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Data-Driven Customer Satisfaction Analysis in the Hospitality Industry: Leveraging Machine Learning to Identify Key Drivers</ArticleTitle>
<VernacularTitle>تحلیل داده‌محور رضایت مشتری در صنعت هتلداری: بهره‌گیری از یادگیری ماشین برای شناسایی محرک‌های کلیدی</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">20091</ELocationID>
			
<ELocationID EIdType="doi">10.22054/tms.2025.88434.3114</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حامد</FirstName>
					<LastName>فلاح تفتی</LastName>
<Affiliation>گروه مدیریت - دانشکده علوم انسانی - دانشگاه علم و هنر - یزد - ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>09</Month>
					<Day>28</Day>
				</PubDate>
			</History>
		<Abstract>This research analyzes customer satisfaction in the hospitality industry using online reviews from TripAdvisor. Its goal is to uncover hidden patterns in customer feedback and provide evidence-based solutions to improve the guest experience. The study collected textual and numerical data using a web scraping technique. Then, it used a random forest regression model to identify the importance of various features. An analysis of 2,411 reviews showed that room quality and staff service are the most significant factors influencing customer satisfaction. The research also revealed that factors such as location and price have a notable impact. This study provides a comprehensive framework for understanding the drivers of customer satisfaction and emphasizes the need to focus on room quality and staff service to optimize the guest experience. This data-driven approach helps hotel managers effectively allocate resources and strengthen their competitive advantage.</Abstract>
			<OtherAbstract Language="FA">این پژوهش به تحلیل رضایت مشتری در صنعت هتلداری با استفاده از نظرات آنلاین تریپ‌ادوایزر می‌پردازد. هدف آن، کشف الگوهای پنهان در بازخوردهای مشتریان و ارائه راهکارهای مبتنی بر شواهد برای بهبود تجربه مهمانان است. این مطالعه با استفاده از تکنیک وب‌اسکرپینگ، داده‌های متنی و عددی را جمع‌آوری کرد. سپس با استفاده از مدل رگرسیون جنگل تصادفی، اهمیت ویژگی‌های مختلف را شناسایی نمود. تحلیل داده‌های ۲۴۱۱ نظر نشان داد که کیفیت اتاق و خدمات کارکنان مهم‌ترین عوامل تأثیرگذار بر رضایت مشتریان هستند. نتایج پژوهش همچنین نشان داد که عواملی مانند موقعیت مکانی و قیمت نیز تأثیر قابل‌توجهی دارند. این مطالعه یک چارچوب جامع برای درک محرک‌های رضایت مشتری ارائه می‌دهد و بر ضرورت تمرکز بر کیفیت اتاق و خدمات کارکنان برای بهینه‌سازی تجربه مهمان تأکید می‌کند. این رویکرد داده‌محور، به مدیران هتل‌ها کمک می‌کند تا منابع خود را به طور مؤثر تخصیص داده و مزیت رقابتی خود را تقویت کنند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">رضایت مشتری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">یادگیری ماشین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نظرات آنلاین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">جنگل تصادفی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">صنعت هتلداری</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tms.atu.ac.ir/article_20091_7985ae19aa4791cfff990fea5f435296.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
