基于文本分析的機器人酒店用戶感知偏好和差異研究

呂曉將 姚亞男 劉曉鑫

(天津師范大學管理學院 天津 300380)

隨著信息技術的不斷發展，人工智能、云計算和物聯網等技術已經廣泛應用到教育、醫療和旅游等眾多領域。酒店業的相關研究人員目前正在各種不同的環境中測試和應用智能技術。顧客對酒店的在線評論能夠反映顧客全面和真實的體驗和看法，有效的在線評論可以影響潛在顧客對酒店的預訂意愿。文本分析法能夠對評論文本進行客觀、系統、量化的分析和探索，對比研究能夠通過探索不同事物的差異探索出事物的本質。

1 研究設計

1.1 樣本選擇

本文選擇日本Henn-na酒店和中國Flyzoo酒店作為在線評論數據的采集對象。Henn-na是世界上第一家使用類人機器人為顧客服務的酒店，自從開業吸引了世界各地的游客，在線顧客數量多、評論內容豐富。Flyzoo是中國杭州一家采用全場景人臉識別技術的科技型酒店，通過手機軟件或酒店大堂的自助入住機辦理入住，顧客可以享受全場景人臉識別暢通無阻的極致體驗。

1.2 研究方法

文本分析是一種對顯性內容進行客觀、定量描述的研究方法，可以在相對較短的時間內獲取顧客完整和真實的心理感知。本文通過技術手段抽取顧客評論中的特征詞并進行量化表達酒店評論文本的內容，具體包括數據爬取、數據預處理、詞頻分析、語義共現網絡分析和情感分析五個步驟。

數據分析采用開源軟件KH Coder對酒店在線評論進行處理，KH Coder是由日本學者Koichi Higuchi開發的文本數據挖掘軟件，具有詞頻統計、詞性分析、關鍵詞檢索和可視化分析(網狀圖、散點圖、氣泡圖、折線圖、樹狀圖)等功能。

1.3 數據來源

本文根據網站開通時間和客戶訪問量選取國內外主要旅游網站的在線評論，評論數據取自攜程旅行、去哪兒旅行、大眾點評和飛豬四個國內常用的酒店平臺，以及Booking和TripAdvisor兩個使用率較高的國外酒店平臺。考慮到評論時效性，時間范圍鎖定2018年12月18日—2021年4月18日。最終爬取有效評論數據共計3113條，如表1所示。

表1 在線評論來源匯總

2 數據分析

2.1 詞頻分析

詞頻分析通過統計網絡文本中詞匯出現的次數發現隱藏在文本中的核心信息。本文利用KH Coder提取整體評論中詞頻最高的50個關鍵詞，并通過Hanabi(花火樹圖)平臺將詞頻表生成詞云圖，如圖1和圖2所示：詞云圖中詞匯字體越大，表示該詞匯出現的頻次越高，字體越小則表示出現的頻次越低。

圖1 Flyzoo酒店在線評論詞云

圖2 Henn-na酒店在線評論詞云

圖1顯示：在Flyzoo酒店評論中，“房間”出現的頻次最高，字體較大的詞匯還有“機器人”“天貓精靈”，說明顧客對酒店房間的整體情況非常關注?！爸悄堋薄白灾薄绑w驗”“科技”“人臉識別”等使用頻次較高，體現了顧客對智能、無人酒店的整體認知。

圖2顯示：“房間(room)”同樣也是Henn-na酒店評論中出現頻次最高的詞匯，說明國內外顧客非常關注Henn-na機器人酒店房間的整體情況，同時也說明顧客對兩個酒店的主要關注部分是相同的；“機器人(robot)”和“AI”出現的頻次也很高，表明顧客對酒店智能機器人具有濃厚的興趣。

2.2 語義共現網絡分析

兩個酒店的語義共現網絡圖均呈現出整體分散、局部集中的特點，Flyzoo和Henn-na評論語義共現網絡圖如圖3、圖4所示。

圖3 Flyzoo酒店評論語義共現網絡圖

圖4 Henn-na酒店評論語義共現網絡圖

從語義共現網絡圖的分析來看：兩個酒店的評論都關注酒店環境、辦理流程、位置設施、房間整體感知，以及智能體驗這五個方面，顧客對兩個酒店給予了較為積極的評價，但是兩個酒店也存在差異：

(1)顧客群體不同。Flyzoo酒店的顧客群體主要來自國內，以商務和家庭居多，而Henn-na酒店的國外游客群體較多，同時在國外顧客群中也有較多的中國游客。

(2)對智能的主要關注內容不同。Flyzoo酒店的顧客對房間里天貓精靈的語音控制非常感興趣，而Henn-na酒店的顧客對前臺不同類型的機器人關注更多。

2.3 情感分析

情感分析通過對主觀性文本、句子或短語的情感色彩進行歸納、推理，從而識別出評論的情感類型：積極、中性和消極三種情感傾向(李春萍，2017)。本文首先結合通用的知網情感詞典(HowNet)和譚松波(2012)整理的酒店評論語料，構建基本情感極性詞典(李勝宇等，2017)。其次，根據酒店在線評論的實際特點增加情感詞，新增的情感詞示例如表2所示。最后，基于構建好的情感詞典，運用KH Coder軟件中的交叉匯總分析功能對Flyzoo和Henn-na兩個酒店的在線評論進行情感分析，分析結果如表3所示。

表2 部分人工新增情感詞

表3 在線評論情感分析

從表3整體來看，顧客積極情感比例為76.71% ，消極比例為19.82%，中性比例為6.39%。顧客積極情感占比最高，說明顧客對兩個機器人酒店整體的感知較好。具體來看，在積極情感中，Flyzoo占比為79.12%，顯著高于Henn-na(71.59%)；兩個酒店的消極情感占比也存在顯著性差異，Flyzoo酒店消極情感占比為22.01%，Henn-na酒店消極情感占比為15.16%，兩個酒店的消極情感都占有一定比重，需要引起重視；同時，兩個酒店的中性情感占比都小于10%且存在顯著性差異，表明與Henn-na酒店的國際顧客群相比，Flyzoo酒店的主要中國顧客群在情感表達時更委婉含蓄。

3 結語

本文針對主要旅游網站的顧客評論對機器人酒店的評價與感知進行初步探索，在研究深度和研究方法的應用方面存在不足和需要擴展之處。首先，在樣本選擇方面，現階段具有智能、無人酒店體驗的人數較少，因此不能全面地挖掘潛在顧客的體驗反饋信息。其次，在獲取評論時，只選擇了中國和日本兩個酒店，后續研究可以從多個國家收集樣本進行全面的對比分析。最后，在線評論文本分析對機器人酒店的感知勾勒出一個基本的輪廓，但由于信息的碎片化，只能簡略、局部的提供信息，無法深度揭示機器人特征、智能服務與顧客感知之間的復雜關系，未來需要結合扎根理論，以及現場觀察、酒店管理人員、員工、顧客的訪談數據進一步探索。