基于文本挖掘的用餐體驗對顧客滿意的影響

摘 要：

隨著信息技術的迅速發展，顧客體驗與網絡聯系更加緊密，用戶生成內容愈加成為關鍵的研究數據來源。對海底撈的9萬余條評論數據進行分析，首先，基于結構主題模型，挖掘顧客用餐體驗所包含的主題及其所屬維度;其次，綜合考慮關注程度和顧客滿意，探究用餐體驗主題的相對地位;最后，基于文本情感分析等方法，探究用餐體驗如何通過顧客情感影響顧客滿意。結果顯示，用餐體驗包含12個主題，歸為7個維度，分別是服務、價格、食材、口味、環境、服務儀式和其他;服務員、菜品和等位服務是優勢主題，價格和時間是劣勢主題;價格正向影響顧客情感，但負向影響顧客滿意;環境負向影響顧客情感，但正向影響顧客滿意。研究結論能夠為餐飲企業設計產品和服務提供針對性參考。

關鍵詞：

用戶生成內容;用餐體驗;顧客滿意;結構主題模型;美食消費

中圖分類號： TS 972.129.1-39 ""文獻標志碼： A ""文章編號：

2095-8730（2024）04-0029-09

隨著生活水平的提高，人們越來越注重體驗消費，體驗經濟正在悄悄地改變消費者的行為習慣［1］。消費者在餐廳用餐時，更加追求用餐過程中的互動參與和用餐帶來的精神愉悅［2-3］。對餐飲企業而言，僅僅依靠產品本身來滿足顧客已經愈加困難。因此，如何提升顧客體驗質量，獲得高水平的顧客滿意，成為餐飲企業不得不關注的問題。

現有研究主要利用問卷調查法探究餐飲企業的顧客滿意。但是，問卷數據或許會存在較大誤差，并可能受到先驗知識的影響［4］。隨著web 2.0時代來臨，越來越多消費者愿意在消費后通過網絡平臺發布文本評論、評分等信息，這使得用戶生成內容成為進行消費者行為研究的重要數據來源［5］。已有學者開始利用用戶生成內容探究餐飲行業的顧客滿意問題，發現了許多能夠影響顧客滿意的主題，例如服務、環境、價格［6-8］等。然而，目前研究主要關注某（幾）個用餐體驗主題對顧客滿意的影響或作用，鮮有研究在挖掘出用餐體驗主題后，系統探究這些主題的相對地位。因此，基于用戶生成內容獲取用餐體驗主題，嘗試印證和擴展用餐體驗主題及其所屬維度是本文的研究重點之一。探究這些主題的相對地位是本文的研究重點之二。顧客情感是影響顧客滿意的重要前因變量之一［9-10］，在實現顧客滿意方面扮演著關鍵角色［11］，因此，探究顧客情感在用餐體驗和顧客滿意間的中介作用是本文的研究重點之三。

綜上，基于海底撈9萬余條評論數據，通過結構主題模型、文本情感分析等方法，探究用餐體驗包含的主題及其相對地位，探索用餐體驗如何通過顧客情感影響顧客滿意。

1 理論背景

顧客滿意理論主要探討的是顧客對產品或服務的整體評價［12］，OLIVER［13］認為這種評價不僅反映了顧客對實際消費體驗的感知，更揭示了顧客期望與實際績效之間的差異。20世紀90年代，顧客滿意評價模型（CSI）使顧客滿意的探索視角不再局限于對產品或服務本身的評價，還綜合考慮了顧客對質量、價值、期望和滿意度的感知［13-14］。顧客滿意的核心問題是研究顧客滿意的影響因素或結果變量，顧客滿意是顧客持續回購意愿的關鍵影響因素［15］，良好的顧客滿意可以激發顧客的口碑傳播行為［16］，顧客滿意也會受到多種因素影響，如服務、環境、食物等［6-8，17］。

隨著信息技術的飛速發展，用戶生成內容成為顧客滿意研究的重要數據來源。用戶生成內容不僅具有實時性、真實性和廣泛性的特點，還包含了豐富的情感信息和語義信息。通過對用戶生成內容進行主題分析和情感分析，可以深入了解顧客對產品或服務的態度、需求和期望，從而更準確地把握市場動態和顧客需求，為提升顧客滿意提供有力支持。因此，越來越多的學者開始基于用戶生成內容深入研究顧客滿意，并且在諸多領域取得顯著成果，如酒店［18］、共享汽車［19］、餐廳［6-8］等服務性行業。

在餐飲行業，基于用戶生成內容研究顧客滿意，學者們主要探究用餐體驗的主題和顧客滿意的關系。例如，WEN等［8］揭示了服務員的努力（efforts of staff）對食物過敏者的滿意度有最積極影響，而交流（communications）是影響顧客滿意最消極的主題;JIA［20］對比中美游客在餐廳的動機與滿意度，發現中國游客更不愿意給餐廳打低分，更容易被食物吸引，美國游客更愿意尋找樂趣，對擁擠感到更少的不適;XU［6］對按需服務平臺的研究發現，食物（Food）、與食物相關的服務（food-related service）、價值（value）和平臺支持（platform support）等主題對顧客滿意有顯著影響;SHIN等［21］對紅酒行業的研究表明，紅酒相關（wine-related）、總體經歷（overall experience）和員工服務（staff service）對顧客滿意有更大的推進作用，屬于雙因素理論中的激勵因素。

梳理文獻發現，現有研究主要從某一視角探索用餐體驗主題和顧客滿意的關系，少有文獻在梳理主題后繼續深入探究主題之間的相對關系。為了更全面地理解顧客需求，本研究在識別用餐體驗主題的基礎上，綜合考慮顧客滿意和顧客的關注程度，嘗試更清晰地把握不同主題在顧客心中的相對地位。此外，過往研究往往只關注到用餐體驗對顧客滿意的直接影響，而鮮有探究用餐體驗對顧客滿意影響的內在機理。顧客情感作為顧客滿意的重要前因變量之一［9-10］，在實現顧客滿意方面扮演著關鍵角色。因此，本研究引入顧客情感作為中介變量，探究用餐體驗如何通過顧客情感影響顧客滿意。

2 研究框架

2.1 研究對象

本研究數據來自大眾點評網中海底撈消費者發表的在線評論。大眾點評網以獲取、匯總及展示用戶評論信息為主要核心功能，擁有牢固的平臺基礎、更真實的內容和更完整的信息，能夠保證結果的可利用性和準確性［22］。海底撈餐廳是中國火鍋餐飲行業的知名品牌，截至2023年12月31日，中國內地共有1 351家海底撈餐廳，整個大中華區的海底撈餐廳共計服務顧客超過3.97億人次，連續五年上榜“全球餐飲品牌價值25強”①。

2.2 樣本選擇

本研究選取了6家海底撈店，其中，3家店來自北京，3家店來自上海。評論發表的時間跨度為2009年7月至2022年4月。利用Python編寫的網絡爬蟲程序，從大眾點評網中收集海底撈在線評論數據126 729條。去除重復數據和異常數據（如全是符號的評論），保留90 089條有效評論數據，包含評論文本、總評分、發表時間等，其中，總評分是范圍為1到5、間隔為0.5的離散變量。

2.3 數據預處理

首先，基于Python去除評論文本中數字、標點符號等非中文字符;其次，將文本內容中繁體字轉為簡體字;再次，使用基于Python的Jieba包對文本內容進行分詞和去除停用詞，停用詞詞典包括哈工大停用詞、四川大學機器智能實驗室停用詞、百度停用詞;最后利用結構主題模型對評論文本進行分析。

2.4 結構主題模型

結構主題模型（structural topic models， STM）［23］借鑒了機器學習領域對文本分析的前沿成果，允許研究者評估文檔級元數據的模型以便更好地分析主題與元數據的關系，并且可以包含有關評論的信息，如性別、政治派別、醫療分配等，因此該模型具有更好的推斷和定性解釋能力［24］。目前國內使用主題模型的方法主要是基于貝葉斯生成式主題模型LDA（latent dirichlet allocation），該模型假定每個主題都是詞的分布，每個文檔都是全語料庫主題的混合［25］，STM的突出改進在于引入了文檔級結構信息來影響主題流行度（即每個文檔的主題比例）和主題內容（即主題詞分布），從而更便于研究協變量如何影響文本內容［26］，以及了解不同主題在文檔級數據中的占比。近年來，結構主題模型被廣泛運用在各方面，如酒店與短租平臺［27］、社會事件［28］等。

2.5 文本情感分析

本研究基于TextBlob的Python類庫中的SnowNLP包進行中文文本情感分析。大部分自然語言處理庫主要面向英文文本，而SnowNLP包能便捷地處理中文文本。本研究對SnowNLP包進行了定制優化。停用詞庫已替換為綜合停用詞，評論數據經去除非中文字符處理后，又用Python的Jieba包進行了分詞處理，分詞結果用于替換SnowNLP原有的自定義詞典。

檢驗準確度。首先，從樣本中抽取1 000條評論作為測試樣本進行情感分析，情感分析結果為介于0到1之間的數值，其值越接近1表示評論越可能是積極的，反之越可能是消極的，定義情感值高于0.6為積極評論，反之則為消極評論。其次，對每條評論的情感進行人工標注（積極或消極）;最后，將情感分析的分類結果與人工標注進行比對，以檢驗準確性。結果顯示，準確率達到了83.8％。

為了更清晰地呈現本研究的思路和框架，論文將沿以下步驟展開：（1）數據收集，從大眾點評網收集海底撈評論數據，并進行數據初篩（剔除重復或異常的評論數據）;（2）數據預處理，對評論數據進行數據清洗（去除非中文字符、繁體轉簡體等），然后進行分詞，最后去除停用詞（副詞、介詞等）;（3）主題模型分析，進行結構主題模型的構建，從評論數據提取主題并劃分維度，考慮顧客滿意和關注程度探究主題的相對地位;（4）模型提出及驗證，提出用餐體驗對顧客滿意的影響模型并驗證，具體研究思路和框架如圖1所示。

3 用餐體驗主題研究

3.1 主題數確定

本研究通過Held-out likelihood、Lower bound、Residuals、Semantic coherence四個指標確定主題數。高Held-out likelihood表示強預測能力;高Lower bound指示良好數據擬合;Residuals需優選更多主題以拒絕零假設;高Semantic coherence反映主題一致性高［29］。

圖2展示了確定主題數的4個指標，5到30個主題數的情況被展現出來。在考慮主題數時，應當盡可能考慮指標Residuals的值較小且其他指標值較高的主題數，同時將主題數量控制在合適范圍內。當前無標準方法確定最佳主題數，需結合人工分析。最終認為當主題數量設置為12時，模型會提供更好的主題細節，有助于后續研究。

3.2 主題標簽與占比

主題提取后，獲取了主題占比（不同主題在評論中的比例），并通過每個主題的高頻詞（Highest Prob）、差異詞（FREX）以及該主題占比較高的文本評論，參考現有研究獲取的主題，為各主題貼上標簽。例如，Topic 2因涉及“服務”“孩子”“小孩”“小朋友”等特征詞，被標為“嬰幼兒服務”，代表餐廳提供的兒童友好服務;Topic 4因涉及“服務”“太長”“等位”等特征詞，被標為“等位服務”，代表顧客排隊時享受的服務。最終，用餐體驗12個主題的標簽分別為：企業評價、嬰幼兒服務、服務員、等位服務、安全擔憂、時間、表演、菜品、設施、價格、位置、食材（表1）。

12個用餐體驗主題被歸為7個維度。服務員、等位服務和嬰幼兒服務均與服務有關，歸為服務維度。服務員是指顧客對餐廳服務者的感知，等位服務是顧客在餐廳排隊時接受的服務，嬰幼兒服務是餐廳提供的兒童友好服務;時間、位置和設施與餐廳容量

及餐廳內外環境有關，歸為環境維度。設施包括餐廳的基礎設施（如廁所等）和消耗品（如洗手液等）等方面，位置是餐廳的地理位置及周邊環境，時間是顧客對時間消耗的感知，這種感知通常是餐廳容量有限導致顧客需要預約、排隊等而產生的;食材代表食物的質量與品質，歸為食材維度;菜品是顧客對不同菜品的口味評價，歸為口味維度;價格是顧客感知到的金錢花費，歸為價格維度;企業評價和安全擔憂歸為其他維度，作為控制變量。

3.3 主題相對地位分析

為識別用餐體驗主題的相對地位，參考IPA的思路，綜合考慮顧客對主題的關注程度（橫軸）和顧客滿意（縱軸）。顧客滿意用總評分測量，其值越高，代表顧客越滿意;關注程度用主題占比測量，主題占比是范圍為0到1的連續變量，其值越高，代表顧客對該主題越關注。基于兩項指標的平均值劃分4個象限：優勢區、保持區、潛力區、劣勢區，12個主題均被歸入這4個區域（圖3）。

優勢區意味著顧客關注程度和滿意度均較高，其重要性僅次于劣勢區，包含服務員、等位服務和菜品等主題，是餐飲企業應保持并持續投入資源以強化優勢的關鍵。然而，行業同質化或將削弱這種優勢，企業需持續創新以維持其領先優勢。

保持區意味著顧客關注程度較低，但滿意度較高，包含嬰幼兒服務、企業文化、位置和食材等主題。餐飲企業在這些方面應保持原有質量，通過宣傳、創新等手段提升顧客對該領域主題的關注度，促進其向優勢區轉化。

潛力區意味著顧客關注程度和滿意度均較低，包含表演、設施和安全擔憂等主題。潛力區反映了顧客的潛在需求，當企業資源有限時，企業可選擇性忽略，企業資源豐富時，應重點改善，向保持區轉化，以形成競爭優勢。

劣勢區意味著顧客關注程度較高，但滿意度較低。劣勢區的主題餐飲企業亟須關注和完善，包含時間和價格等主題。對于劣勢區主題，企業需要集中精力進行改進，例如，縮短排隊時間和優化價格策略等，以向優勢區轉化。

4 用餐體驗與顧客滿意的關系研究

4.1 研究假設

4.1.1 用餐體驗和顧客滿意

當餐廳在某個（些）方面表現優異時，如服務員的周到服務和專業素養、舒適的環境、較好的口感、新鮮的食物、令人驚喜的服務儀式等，將對顧客滿意產生積極的推動作用［30］。在價格方面，顧客往往對“貴”更加關注［7］，因此顧客對價格關注程度越高，越不利于顧客滿意［23］。基于以上分析，提出以下假設：

H1a：服務正向影響顧客滿意

H1b：環境正向影響顧客滿意

H1c：口味正向影響顧客滿意

H1d：食材正向影響顧客滿意

H1e：服務儀式正向影響顧客滿意

H1f：價格負向影響顧客滿意

4.1.2 顧客情感的中介作用

顧客情感代表消費者的情緒，包括消極情感（如失望、生氣等）和積極情感（如高興、興奮等）［31］。顧客在餐廳用餐時會感知到用餐體驗的許多方面，包括服務、環境、口味、食材、服務儀式、價格等，顧客對這些方面的感知能激發情感反應［32］，從而影響人們的行為和態度［33］。顧客的積極情感能正向影響其評價，如給予商家更積極的評價［34］，而消極情感會反向影響其評價，并且導致顧客對自己的消費體驗作出附有偏見和負面的評價［35］，以表達顧客的不滿。基于以上分析，提出以下假設：

H2a：服務通過顧客情感影響顧客滿意

H2b：環境通過顧客情感影響顧客滿意

H2c：口味通過顧客情感影響顧客滿意

H2d：食材通過顧客情感影響顧客滿意

H2e：服務儀式通過顧客情感影響顧客滿意

H2f：價格通過顧客情感影響顧客滿意

4.2 測量

服務、環境、口味、食材、服務儀式和價格的測量為各維度主題占比的平均值，是范圍為0到1的連續變量，其值越高，代表顧客越關注;顧客滿意的測量為每條評論的總評分，其值越高，代表顧客越滿意;通過對評論數據進行情感分析，獲得情感值，作為顧客情感的測量指標，情感值是范圍為0到1的連續變量，其值越接近1表示該評論越積極，反之越消極。

4.3 顧客情感的中介效應分析

利用R語言代碼檢驗自變量對因變量的影響。當“其他”維度存在時，存在共線性現象，因此被剔除。每個維度的VIF值均低于3，不必擔心共線性威脅（表2）。

用餐體驗的5個維度均對顧客滿意產生顯著影響，除價格對顧客滿意是負向影響外，其余變量對顧客滿意均為正向影響，假設H1a、H1b、H1c、H1d、H1e、H1f成立。接下來，基于R語言mediation包，檢驗顧客情感在用餐體驗與顧客滿意間的中介效應（表3）。

除路徑五以外，其余5條路徑的間接效應95％置信區間均不包括0且顯著、總效應95％置信區間均不包括0且顯著，這表明“顧客情感”在“服務”“價格”“口味”“食材”“環境”和“顧客滿意”之間起部分中介作用，即服務、價格、口味、食材和環境均通過顧客情感影響顧客滿意，假設H2a、H2b、H2c、H2d、H2f、H2a成立，假設H2e沒有得到驗證。

服務、口味、食材均通過顧客情感正向影響顧客滿意。顧客在用餐過程中對這些方面的積極體驗會轉化為積極的情感，進而提升他們對餐廳的整體滿意度。餐廳在上述方面需要保持高質量以提升顧客滿意度。

價格通過顧客情感對顧客滿意的影響均為正，但價格對顧客滿意的直接效應卻為負，表明盡管顧客對價格有正面感知（可能是認為價格合理或物有所值），但價格本身仍然是一個可能導致顧客不滿意的因素。例如，價格與顧客的心理預期存在差距，或者顧客認為相比其他因素（如優質的服務、美味的菜品等），餐廳的定價過高，即使顧客認為價格本身相對合理，這種價格與心理預期或價值認知的不匹配仍可能導致他們不滿意。因此，餐廳在定價時需要綜合考慮顧客的感知和期望，以確保價格不會對顧客滿意產生負面影響。

在環境通過顧客情感影響顧客滿意的過程中，環境正向影響顧客情感，而顧客情感負向影響顧客滿意。這表明盡管顧客對餐廳環境存在消極情感，但這種不滿并沒有完全轉化為對餐廳整體的不滿意。這是因為顧客在用餐過程中還關注其他方面的體驗（如口味、服務等），這些方面的積極體驗能夠部分抵消由環境帶來的不滿。然而，這也提示餐廳需要關注環境對顧客情感的影響，并采取措施提升餐廳環境的舒適度，以進一步提升顧客滿意。

檢驗沒有支持服務儀式通過顧客情感影響顧客滿意。這可能是服務儀式在用餐體驗中不是一個主要的影響因素，或者顧客對服務儀式的感知過低。餐廳可以進一步探索服務儀式在提升顧客體驗中的作用，但不必過分強調或依賴服務儀式來提升顧客滿意。

綜上分析，餐廳管理者需要關注顧客在用餐過程中的情感變化，采取措施增強顧客的積極情感，以進一步提高顧客滿意。同時，餐廳也需要綜合考慮用餐體驗不同方面對顧客情感的影響，以制定更加全面而有效的管理策略。

5 結論與討論

5.1 結論

本研究結論具體如下：

第一，挖掘用餐體驗的主題和維度，確定了各主題的相對地位。基于結構主題模型，獲得了用餐體驗的12個主題，分別為嬰幼兒服務、服務員、等位服務、時間、設施、位置、食材、菜品、價格、表演、企業評價、安全擔憂。其中，顧客對等位服務的關注程度最高，而對服務儀式的關注程度最低;時間和價格是最重要的主題，企業亟須改進;服務員、等位服務、菜品是次等重要的主題，企業需保持這些優勢;12個主題劃分為7個維度，分別為服務、價格、環境、食材、口味、服務儀式和其他。

第二，用餐體驗部分維度通過顧客情感影響顧客滿意。本文構建并檢驗了用餐體驗對顧客滿意影響的模型，結果表明，服務、環境、口味、食材和服務儀式均正向影響顧客滿意，價格負向影響顧客滿意;服務、價格、食材、口味、環境均通過顧客情感影響顧客滿意，而服務儀式通過顧客情感影響顧客滿意沒有得到驗證。此外，發現價格正向影響顧客情感，但負向影響顧客滿意;環境負向影響顧客情感，但正向影響顧客滿意。

5.2 理論貢獻

本文利用用戶生成內容，深入研究顧客用餐體驗與顧客滿意，在理論上有如下兩點貢獻：

第一，利用大數據文本分析方法捕捉到了更為全面、客觀和可靠的用餐體驗主題和維度。現有研究主要通過問卷調查、焦點小組訪談等方法獲取用餐體驗主題或維度，但獲取方式較為主觀，獲得的主題或維度是零散的。本文通過大數據分析方法有效地避免了小樣本或便利抽樣的偏差，且研究過程不受研究者的干擾，有效排除了社會期望偏差的影響。因此，得出的用餐體驗主題與維度更加客觀和全面，有效印證和擴展了用餐體驗內容。

第二，檢驗了用餐體驗和顧客滿意的關系，并剖析了用餐體驗影響顧客滿意的內在機理。構建并驗證了用餐體驗通過顧客情感影響顧客滿意的理論模型。研究結果表明，服務、環境、價格、食材和口味均通過顧客情感影響顧客滿意，這與現有研究結論相互印證，為現有研究結論提供了新證據;服務儀式通過顧客情感影響顧客滿意沒有得到驗證，價格和環境通過顧客情感影響顧客滿意的過程較為復雜，為進一步研究用餐體驗和顧客滿意提供了新方向。

5.3 管理啟示

第一，餐飲企業應加強對等位服務的重視。在12個主題中，等位服務的關注程度最高，這表明顧客對等位服務最為關注，因此，餐飲管理者應創新等位過程中的服務提供，提供差異化的等位服務，進而提升顧客滿意。第二，餐飲企業應該重視顧客情感。餐廳管理者需要關注顧客在用餐過程中的情感變化，并采取措施增強顧客的積極情感，以進一步提升顧客滿意。同時，餐廳也需要綜合考慮用餐體驗對顧客情感的影響，以制定更加全面和有效的管理策略。第三，餐飲企業亟須采取措施，優化價格方案和降低顧客的時間消耗感知（如排隊時間等），將劣勢轉化為優勢;同時，應當發揚其長處，進一步提高菜品質量和服務員素養。

5.4 局限性與未來研究展望

首先，研究結果可能不適用于所有消費者，尤其是那些不使用在線平臺或互聯網的人，如老人和小孩，未來的研究對象中可以納入這些不涉足互聯網的群體，以獲得更全面的數據;其次，本文采用評論文本的高頻詞、差異詞以及評論內容對主題進行標簽化，未來可以考慮采用其他定性或定量研究技術，以探索更能夠準確反映顧客觀點的代表性標簽;最后，本文的分析僅涉及顧客的在線評論內容和總評分。未來研究可以擴展到分析來自餐飲企業的其他信息來源，如訂單信息和內部評論等，以獲取更多有效數據。

注釋：

①數據來源：https：//www.haidilao.com/about/brand。

參考文獻：

［1］ 李震.誰創造了體驗：體驗創造的三種模式及其運行機制研究［J］.南開管理評論，2019，22（5）：178-191.

［2］ 孫永波，李霞，王振山.基于服務藍圖的中式快餐顧客就餐滿意體驗研究［J］.商業經濟研究，2017（7）：78-80.

［3］ 余鳳龍，徐留倩，陳悅.旅游者地方飲食文化認同的構建機制：以長沙文和友為例［J］.美食研究，2024，41（1）：18-26.

［4］ ROBERTS M E，STEWART B M，AIROLDI E M. A model of text for experimentation in the social sciences［J］.Journal of the American Statistical Association，2016，111（515）：988-1003.

［5］ BISWAS B，SENGUPTA P，CHATTERJEE D.Examining the determinants of the count of customer reviews in peer-to-peer home-sharing platforms using clustering and count regression techniques［J］.Decision Support Systems，2020，135：113324.

［6］ XU X.What are customers commenting on，and how is their satisfaction affected？Examining online reviews in the on-demand food service context［J］.Decision Support Systems，2021，142：113467.

［7］ 吳麗云，陳方英.基于網絡評論內容分析的餐飲消費者行為研究［J］.人文地理，2015，30（5）：147-152.

［8］ WEN H，PARK E，TAO C W，et al. Exploring user-generated content related to dining experiences of consumers with food allergies［J］.International Journal of Hospitality Management，2020，85：102357.

［9］ 王瀟，王世通，王迎軍.服務體驗對顧客消費情感與滿意度的影響研究［J］.商業研究，2014（6）：113-124.

［10］ 宋婷婷，吳雨菲，王瑋，等.養育倦怠與工作滿意度的主客體互倚模型分析：情感耗竭的中介作用［J］.中國臨床心理學雜志，2022，30（6）：1438-1441，1509.

［11］ 周彬，陳園園，虞虎，等.傳統古村落研學旅行游客滿意度影響因素研究：以西遞、宏村為例［J］.地理科學進展，2022，41（5）：854-866.

［12］ FERNANDES D，ORDABAYEVA N，HAN K，et al.How political identity shapes customer satisfaction［J］.Journal of Marketing，2022，86（6）：116-134.

［13］ OLIVER R L.Effect of expectation and disconfirmation on postexposure product evaluations：an alternative interpretation［J］.Journal of Applied Psychology，1977，62（4）：480-486.

［14］ FORNELL C，JOHNSON M D，ANDERSON E W，et al.The American customer satisfaction index：nature，purpose，and findings［J］.Journal of Marketing，1996，60（4）：7-18.

［15］ DJELASSI S，DIALLO M F，ZIELKE S. How self-service technology experience evaluation affects waiting time and customer satisfaction？A moderated mediation model［J］.Decision Support Systems，2018，111：38-47.

［16］ 封梨梨.基于體驗視角的餐飲消費行為意向探討［J］.商業經濟研究，2020（12）：55-59.

［17］ 駱艷紅，閆強，周思敏，等.基于情感的用餐體驗對消費者電子口碑發布意愿及平臺選擇的影響［J］.管理評論，2021，33（4）：136-146.

［18］ NILASHI M，ALI ABUMALLOH R，ALGHAMDI A，et al.What is the impact of service quality on customers’ satisfaction during COVID-19 outbreak？New findings from online reviews analysis［J］.Telematics and Informatics，2021，64：101693.

［19］ YANG H J，XIA L T.Leading the sharing economy：an exploration on how perceived value affecting customers’ satisfaction and willingness to pay by using DiDi［J］.Journal of Global Scholars of Marketing Science，2022，32（1）：54-76.

［20］ JIA S S.Motivation and satisfaction of Chinese and U.S. tourists in restaurants：a cross-cultural text mining of online reviews［J］.Tourism Management，2020，78：104071.

［21］ SHIN S，NICOLAU J L.Identifying attributes of wineries that increase visitor satisfaction and dissatisfaction：applying an aspect extraction approach to online reviews［J］.Tourism Management，2022，91：104528.

［22］ 戴艷清，高亮，孫英姿.基于S-O-R理論的新型公共閱讀空間用戶流失行為分析：來自大眾點評網用戶評論［J］.圖書館理論與實踐，2023（4）：55-62.

［23］ ROBERTS M E，STEWART B M，TINGLEY D，et al.Structural topic models for open-ended survey responses［J］.American Journal of Political Science，2014，58（4）：1064-1082.

［24］ SALVATORE C，BIFFIGNANDI S，BIANCHI A.Corporate social responsibility activities through twitter：from topic model analysis to indexes measuring communication characteristics［J］.Social Indicators Research，2022，164（3）：1217-1248.

［25］ BLEI D M.Probabilistic topic models［J］.Communications of the ACM，2012，55（4）：77-84.

［26］ HU N，ZHANG T，GAO B J，et al.What do hotel customers complain about？Text analysis using structural topic model［J］.Tourism Management，2019，72：417-426.

［27］ GAO B J，ZHU M Y，LIU S，et al.Different voices between airbnb and hotel customers：an integrated analysis of online reviews using structural topic model［J］.Journal of Hospitality and Tourism Management，2022，51：119-131.

［28］ PFAFFENDORF J，DAVIS A P，KINNEY A B.Masculinity，ritual，and racialized status threat：examining mass shooter manifestos using structural topic models［J］.Sociological Inquiry，2021，91（2）：287-312.

［29］ ROBERTS M E，STEWART B M，TINGLEY D. Stm： an r package for structural topic models［J］.Journal of Statistical Software，2019，91（2）：1-40.

［30］ 舒麗芳，衛海英，毛立靜.儀式令生活更美好：服務儀式對品牌福祉的作用機制研究［J］.南開管理評論，2021，24（6）：94-107.

［31］ GEETHA M，SINGHA P，SINHA S.Relationship between customer sentiment and online customer ratings for hotels： an empirical analysis［J］.Tourism Management，2017，61：43-54.

［32］ YI X L，LIN V S，JIN W M，et al.The authenticity of heritage sites，tourists’ quest for existential authenticity，and destination loyalty［J］.Journal of Travel Research，2017，56（8）：1032-1048.

［33］ 王楨，陳樂妮，李旭培.變革型領導與工作投入：基于情感視角的調節中介模型［J］.管理評論，2015，27（9）：120-129，212.

［34］ ZHAO X W，WANG D Q，ZHAO Z Y，et al.A neural topic model with word vectors and entity vectors for short texts［J］.Information Processing ＆ Management，2021，58（2）：102455.

［35］ MCCOLL-KENNEDY J R，SPARKS B A.Application of fairness theory to service failures and service recovery［J］.Journal of Service Research，2003，5（3）：251-266.

Analyzing the impact of dining experience on customer satisfaction based on text mining： a case study of Haidilao

WEI Sheng， MEI Kangjie， WANG Changcheng

（School of Management， Harbin University of Commerce， Harbin， Heilongjiang 150028， China）

Abstract：

With the rapid development of information technology， customer experience is increasingly intertwined with the Internet， and user-generated content becomes critical research data. More than 90，000 reviews of Haidilao were analyzed. Firstly， the structural topic model was used to uncover the topics embedded in the customer dining experience and their respective dimensions. Secondly， the relative importance of these topics was explored by considering the degree of attention and customer satisfaction. Finally， textual sentiment analysis was employed to investigate how the dining experience affects customer satisfaction through customer emotions. The results show that the dining experience comprises 12 topics categorized into 7 dimensions： service， price， ingredients， taste， environment， service ceremony， and others. Waiter， dishes， and waiting service are advantageous topics， while price and time are disadvantageous topics. Price positively affects customer emotion， but negatively impacts customer satisfaction. The environment negatively affects customer emotion， but positively influences customer satisfaction. These findings provide targeted references for restaurant companies in designing products and services.

Key words：

user-generated content; dining experience; customer satisfaction; structural topic model; food consumption

（責任編輯：王芙蓉）

收稿日期：2024-04-17 *通信作者

基金項目：2022年度國家社會科學基金項目（22BJY157）；黑龍江省博士后科研啟動資金項目（LBH-Q21103）；2023年度黑龍江省省屬高等學校基本科研業務費項目（2023-KYYWF-1000）；黑龍江省哲學社會科學研究規劃項目（20JYE275）；黑龍江省哲學社會科學研究規劃項目（23SHD138）

作者簡介：

魏 勝，男，哈爾濱商業大學管理學院教授，博士，博導，主要從事食品消費者行為研究，E-mail：weisheng@hrbcu.edu.cn；

梅抗杰，男，哈爾濱商業大學管理學院碩士研究生，主要從事大數據營銷研究，E-mail：15211044232@163.com。