نوع مقاله : مقاله پژوهشی

نویسنده

• حامد فلاح تفتی

گروه مدیریت - دانشکده علوم انسانی - دانشگاه علم و هنر - یزد - ایران

چکیده

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.

کلیدواژه‌ها

• رضایت مشتری
• یادگیری ماشین
• نظرات آنلاین
• جنگل تصادفی
• صنعت هتلداری

موضوعات

• عرضه و تقاضا در گردشگری

عنوان مقاله [English]

Data-Driven Customer Satisfaction Analysis in the Hospitality Industry: Leveraging Machine Learning to Identify Key Drivers

نویسنده [English]

• Hamed Fallah Tafti

Management Department, Humanity Faculty, Science and Arts university, Yazd, Iran

چکیده [English]

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.

کلیدواژه‌ها [English]

• Customer satisfaction
• machine learning
• online reviews
• random forest
• hospitality industry