【浅析携程网在线评论对顾客酒店消费意愿的影响实证研究7900字（论文）】

携程网在线评论对顾客酒店消费意愿的影响实证分析—以维也纳酒店为例目录TOC\o"1-2"\h\u28424携程网在线评论对顾客酒店消费意愿的影响实证分析 187250引言 1176001问题描述 2116372研究方法 4134772.1评论信息可靠性的计算 42212.2评论信息的信度表示 5178702.3属性权重的确定 6198022.4多属性评论信息的合成 6312422.5顾客满意度的效用值计算及排序 758093算例分析 7211294结论 10摘要：酒店可以通过分析在线评论了解顾客的满意度，但不同的在线评论在反映顾客满意度方面的可靠性有所不同。如何在考虑在线评论可靠性的前提下更加合理地评价酒店的顾客满意度仍然是一个有待解决的问题。针对这一问题，本文提出了一种酒店顾客满意度评价方法。首先，在考虑不同评论的可靠性差异的情况下，将在线评论转化为基本可信度分配。其次，依据离差最大化方法和Dempster合成法则，对评论信息进行合成。最后，利用效用函数计算顾客满意度的效用值，并基于计算得到的效用值对顾客满意度进行分析。基于四家同类型酒店的在线评论，给出了该方法应用的算例分析。所提出的方法有望帮助酒店管理人员评价酒店的顾客满意度，并制定相应的提升策略以提高其行业竞争力。关键词：顾客满意度；在线评论；可靠性；证据理论；离差最大化0引言顾客满意度是酒店服务和管理的重要概念ADDINEN.CITE<EndNote><Cite><Author>Fornell</Author><Year>1992</Year><RecNum>3</RecNum><DisplayText><styleface="superscript">[1,2]</style></DisplayText><record><rec-number>3</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587283381">3</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Fornell,Claes</author></authors></contributors><titles><title>Anationalcustomersatisfactionbarometer:TheSwedishexperience</title><secondary-title>Journalofmarketing</secondary-title></titles><periodical><full-title>Journalofmarketing</full-title></periodical><pages>6-21</pages><volume>56</volume><number>1</number><dates><year>1992</year></dates><isbn>0022-2429</isbn><urls></urls><electronic-resource-num>10.2307/1252129</electronic-resource-num></record></Cite><Cite><Author>Tussyadiah</Author><Year>2016</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587281370">1</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Tussyadiah,IisP.</author></authors></contributors><titles><title>Factorsofsatisfactionandintentiontousepeer-to-peeraccommodation</title><secondary-title>InternationalJournalofHospitalityManagement</secondary-title></titles><periodical><full-title>InternationalJournalofHospitalityManagement</full-title></periodical><pages>70-80</pages><volume>55</volume><section>70</section><dates><year>2016</year></dates><isbn>02784319</isbn><urls></urls><electronic-resource-num>10.1016/j.ijhm.2016.03.005</electronic-resource-num></record></Cite></EndNote>[1,2]，直接关系到酒店的形象和绩效ADDINEN.CITE<EndNote><Cite><Author>Kim</Author><Year>2013</Year><RecNum>5</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587284569">5</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Kim,WooGon</author><author>Cho,Meehee</author><author>Brymer,RobertA.</author></authors></contributors><titles><title>Determinantsaffectingcomprehensiveproperty-levelhotelperformance:Themoderatingroleofhoteltype</title><secondary-title>InternationalJournalofHospitalityManagement</secondary-title></titles><periodical><full-title>InternationalJournalofHospitalityManagement</full-title></periodical><pages>404-412</pages><volume>34</volume><section>404</section><dates><year>2013</year></dates><isbn>02784319</isbn><urls></urls><electronic-resource-num>10.1016/j.ijhm.2012.12.002</electronic-resource-num></record></Cite></EndNote>[3]，是酒店经营取得长期成功的关键。良好的顾客满意度可以提高顾客忠诚度和顾客保留率ADDINEN.CITE<EndNote><Cite><Author>Shankar</Author><Year>2003</Year><RecNum>15</RecNum><DisplayText><styleface="superscript">[4]</style></DisplayText><record><rec-number>15</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587297150">15</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Shankar,Venkatesh</author><author>Smith,AmyK</author><author>Rangaswamy,Arvind</author></authors></contributors><titles><title>Customersatisfactionandloyaltyinonlineandofflineenvironments</title><secondary-title>InternationalJournalofResearchinMarketing</secondary-title></titles><periodical><full-title>InternationalJournalofResearchinMarketing</full-title></periodical><pages>153-175</pages><volume>20</volume><number>2</number><dates><year>2003</year></dates><isbn>0167-8116</isbn><urls></urls><electronic-resource-num>10.1016/S0167-8116(03)00016-8</electronic-resource-num></record></Cite></EndNote>[4]，而且有助于已入住顾客将酒店推荐给其他消费者，从而增加酒店的顾客数量提高酒店盈利能力以及绩效。因此，了解顾客的满意度情况对酒店管理人员来说具有重要意义。顾客满意度的研究可以借助期望失验理论ADDINEN.CITE<EndNote><Cite><Author>Oliver</Author><Year>1980</Year><RecNum>10</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>10</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587294567">10</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Oliver,RichardL</author></authors></contributors><titles><title>Acognitivemodeloftheantecedentsandconsequencesofsatisfactiondecisions</title><secondary-title>JournalofMarketingResearch</secondary-title></titles><periodical><full-title>JournalofMarketingResearch</full-title></periodical><pages>460-469</pages><volume>17</volume><number>4</number><dates><year>1980</year></dates><isbn>0022-2437</isbn><urls></urls><electronic-resource-num>10.2307/3150499</electronic-resource-num></record></Cite></EndNote>[5]，已有文献表明期望失验理论是顾客满意度研究的常用理论ADDINEN.CITEADDINEN.CITE.DATA[6,7]，具体是指顾客在购买某一产品或者服务前，会对该产品或服务产生预期，在购买或者体验后顾客将实际感受和预期进行比较。如果实际表现优于期望，则产生正面的失验；若等于期望，则无失验产生；若低于期望，则产生负面的失验。其中无失验和正面的失验导致顾客满意，而负面的失验导致顾客不满意。应用该理论研究顾客满意度时，可以运用某些方式直接获取顾客服务体验超出、满足或低于预期的程度以调查预期的失验和不失验。在已有研究中，获取期望失验程度的方式有问卷ADDINEN.CITEADDINEN.CITE.DATA[8,9]、访谈ADDINEN.CITE<EndNote><Cite><Author>Dominici</Author><Year>2010</Year><RecNum>20</RecNum><DisplayText><styleface="superscript">[10]</style></DisplayText><record><rec-number>20</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587297974">20</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Dominici,Gandolfo</author><author>Guzzo,Rosa</author></authors></contributors><titles><title>Customersatisfactioninthehotelindustry:acasestudyfromSicily</title><secondary-title>InternationalJournalofMarketingStudies</secondary-title></titles><periodical><full-title>InternationalJournalofMarketingStudies</full-title></periodical><pages>3-12</pages><volume>2</volume><number>2</number><dates><year>2010</year></dates><urls></urls><electronic-resource-num>10.5539/ijms.v2n2p3</electronic-resource-num></record></Cite></EndNote>[10]等，但通过这些方式从顾客处获取的信息可能因顾客不情愿配合或者调查过程中其他外界因素的干扰，而导致顾客所做出的评价不能真实反映其住宿后的满意情况。近年，互联网技术的发展改变了顾客的消费行为，顾客更倾向于在网上预订酒店，并在预订网站上针对住宿经历发表评论，这些评论信息反映了顾客的期望失验程度，而且会影响潜在顾客对酒店的预定决策。所以相比问卷、访谈等方式获取的数据，在线评论是顾客自发生成的，更能体现顾客对酒店满意度的真实感受，且更具有现实意义。此外，由于互联网的开放性，也使得这种数据获取方式的成本更低。目前，已有一些国内外学者借助酒店在线评论进行顾客满意度研究。其中一些学者通过分析在线文本评论来识别酒店服务的关键维度，然后进行顾客满意度分析。如ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Berezina</Author><Year>2016</Year><RecNum>34</RecNum><DisplayText>Berezina等(2016)<styleface="superscript">[11]</style></DisplayText><record><rec-number>34</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587300214">34</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Berezina,K.</author><author>Bilgihan,A.</author><author>Cobanoglu,C.</author><author>Okumus,F.</author></authors></contributors><titles><title>UnderstandingSatisfiedandDissatisfiedHotelCustomers:TextMiningofOnlineHotelReviews</title><secondary-title>JournalofHospitalityMarketing&Management</secondary-title></titles><periodical><full-title>JournalofHospitalityMarketing&Management</full-title></periodical><pages>1-24</pages><volume>25</volume><number>1</number><dates><year>2016</year></dates><isbn>1936-8623</isbn><accession-num>WOS:000374888100001</accession-num><urls><related-urls><url><GotoISI>://WOS:000374888100001</url></related-urls></urls><electronic-resource-num>10.1080/19368623.2015.983631</electronic-resource-num></record></Cite></EndNote>Berezina等(2016)[11]采用文本挖掘方法，分析满意和不满意顾客的在线评论。通过运用潜在狄利克雷分析方法(LDA)，ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Bi</Author><Year>2019</Year><RecNum>26</RecNum><DisplayText>Bi等(2019)<styleface="superscript">[12]</style></DisplayText><record><rec-number>26</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587298464">26</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Bi,J.W.</author><author>Liu,Yang</author><author>Fan,Z.P.</author><author>Zhang,Jin</author></authors></contributors><titles><title>Wisdomofcrowds:Conductingimportance-performanceanalysis(IPA)throughonlinereviews</title><secondary-title>TourismManagement</secondary-title></titles><periodical><full-title>TourismManagement</full-title></periodical><pages>460-478</pages><volume>70</volume><section>460</section><dates><year>2019</year></dates><isbn>02615177</isbn><urls></urls><electronic-resource-num>10.1016/j.tourman.2018.09.010</electronic-resource-num></record></Cite></EndNote>Bi等(2019)[12]从在线文本评论中提取顾客关注的服务属性进行IPA分析。ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Guo</Author><Year>2017</Year><RecNum>37</RecNum><DisplayText>Guo等(2017)<styleface="superscript">[13]</style></DisplayText><record><rec-number>37</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587300480">37</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Guo,Y.</author><author>Barnes,S.J.</author><author>Jia,Q.</author></authors></contributors><titles><title>Miningmeaningfromonlineratingsandreviews:Touristsatisfactionanalysisusinglatentdirichletallocation</title><secondary-title>TourismManagement</secondary-title></titles><periodical><full-title>TourismManagement</full-title></periodical><pages>467-483</pages><volume>59</volume><dates><year>2017</year><pub-dates><date>Apr</date></pub-dates></dates><isbn>0261-5177</isbn><accession-num>WOS:000390739400042</accession-num><urls><related-urls><url><GotoISI>://WOS:000390739400042</url></related-urls></urls><electronic-resource-num>10.1016/j.tourman.2016.09.009</electronic-resource-num></record></Cite></EndNote>Guo等(2017)[13]利用LDA分析Tripadvisor上的文本评论，以提取酒店顾客满意度的维度。ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>刘岩</Author><Year>2020</Year><RecNum>161</RecNum><DisplayText>刘岩等(2020)<styleface="superscript">[14]</style></DisplayText><record><rec-number>161</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1602834026">161</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>刘岩</author><author>张艳荣</author><author>赵志杰</author><author>闫晓彤</author><author>张佳琳</author></authors></contributors><auth-address>哈尔滨商业大学计算机与信息工程学院;哈尔滨商业大学黑龙江省电子商务与信息处理重点实验室;</auth-address><titles><title>基于情感分析的酒店顾客满意度评估</title><secondary-title>计算机应用与软件</secondary-title></titles><periodical><full-title>计算机应用与软件</full-title></periodical><pages>54-60+67</pages><volume>37</volume><number>02</number><keywords><keyword>酒店顾客满意度</keyword><keyword>TF-IDF</keyword><keyword>K-means</keyword><keyword>文本分类</keyword><keyword>情感分析</keyword></keywords><dates><year>2020</year></dates><isbn>1000-386X</isbn><call-num>31-1260/TP</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>刘岩等(2020)[14]借助TF-IDF算法和文本聚类方法从文本评论中获取酒店顾客满意度评价的指标体系，然后运用线性回归分析构造满意度评价模型。ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Xu</Author><Year>2017</Year><RecNum>21</RecNum><DisplayText>Xu等(2017)<styleface="superscript">[15]</style></DisplayText><record><rec-number>21</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587298021">21</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Xu,Xun</author><author>Wang,Xuequn</author><author>Li,Yibai</author><author>Haghighi,Mohammad</author></authors></contributors><titles><title>Businessintelligenceinonlinecustomertextualreviews:Understandingconsumerperceptionsandinfluentialfactors</title><secondary-title>InternationalJournalofInformationManagement</secondary-title></titles><periodical><full-title>InternationalJournalofInformationManagement</full-title></periodical><pages>673-683</pages><volume>37</volume><number>6</number><dates><year>2017</year></dates><isbn>0268-4012</isbn><urls></urls><electronic-resource-num>10.1016/j.ijinfomgt.2017.06.004</electronic-resource-num></record></Cite></EndNote>Xu等(2017)[15]利用潜在语义分析方法(LSA)分析顾客的在线文本评论，来调查顾客对酒店产品和服务属性的满意度和不满意度。但是，顾客在发表在线文本评论时只会针对所关注的属性进行评价，因此不同的评论所涉及的酒店属性可能不同，并且有些评论中提到的属性较少，致使借助属性提取方法和情感分析方法，从用户生成的评论中转化得到的结构化数据可能是稀少的ADDINEN.CITE<EndNote><Cite><Author>Bi</Author><Year>2020</Year><RecNum>36</RecNum><DisplayText><styleface="superscript">[16]</style></DisplayText><record><rec-number>36</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587300480">36</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Bi,JianWu</author><author>Liu,Yang</author><author>Fan,ZhiPing</author><author>Zhang,Jin</author></authors></contributors><titles><title>Exploringasymmetriceffectsofattributeperformanceoncustomersatisfactioninthehotelindustry</title><secondary-title>TourismManagement</secondary-title></titles><periodical><full-title>TourismManagement</full-title></periodical><volume>77</volume><section>104006</section><dates><year>2020</year><pub-dates><date>Apr</date></pub-dates></dates><isbn>02615177</isbn><accession-num>WOS:000502888400019</accession-num><urls><related-urls><url><GotoISI>://WOS:000502888400019</url></related-urls></urls><custom7>Unsp104006</custom7><electronic-resource-num>10.1016/j.tourman.2019.104006</electronic-resource-num></record></Cite></EndNote>[16]。在这种情况下，利用在线文本评论进行顾客满意度评价比较困难。事实上，旅游评价网站会事先设定若干个属性，让顾客针对不同的属性进行打分，即为在线评分。而且，ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Geetha</Author><Year>2017</Year><RecNum>30</RecNum><DisplayText>Geetha等(2017)<styleface="superscript">[17]</style></DisplayText><record><rec-number>30</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587298789">30</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Geetha,M.</author><author>Singha,Pratap</author><author>Sinha,Sumedha</author></authors></contributors><titles><title>Relationshipbetweencustomersentimentandonlinecustomerratingsforhotels-Anempiricalanalysis</title><secondary-title>TourismManagement</secondary-title></titles><periodical><full-title>TourismManagement</full-title></periodical><pages>43-54</pages><volume>61</volume><section>43</section><dates><year>2017</year></dates><isbn>02615177</isbn><urls></urls><electronic-resource-num>10.1016/j.tourman.2016.12.022</electronic-resource-num></record></Cite></EndNote>Geetha等(2017)[17]指出文本评论与评分在情感上是一致的。所以可以利用在线评分进行顾客满意度评价。已有一些学者利用在线评分进行酒店顾客满意度的相关研究，如ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Liu</Author><Year>2017</Year><RecNum>35</RecNum><DisplayText>Liu等(2017)<styleface="superscript">[18]</style></DisplayText><record><rec-number>35</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587300340">35</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Liu,Y.</author><author>Teichert,T.</author><author>Rossi,M.</author><author>Li,H.X.</author><author>Hu,F.</author></authors></contributors><titles><title>Bigdataforbiginsights:Investigatinglanguage-specificdriversofhotelsatisfactionwith412,784user-generatedreviews</title><secondary-title>TourismManagement</secondary-title></titles><periodical><full-title>TourismManagement</full-title></periodical><pages>554-563</pages><volume>59</volume><dates><year>2017</year><pub-dates><date>Apr</date></pub-dates></dates><isbn>0261-5177</isbn><accession-num>WOS:000390739400048</accession-num><urls><related-urls><url><GotoISI>://WOS:000390739400048</url></related-urls></urls><electronic-resource-num>10.1016/j.tourman.2016.08.012</electronic-resource-num></record></Cite></EndNote>Liu等(2017)[18]基于在线评分，研究使用不同评论语言的顾客对酒店的满意情况。利用PROMETHEE-II方法，ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>李铭洋</Author><Year>2018</Year><RecNum>160</RecNum><DisplayText>李铭洋等(2018)<styleface="superscript">[19]</style></DisplayText><record><rec-number>160</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1602831661">160</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>李铭洋</author><author>赵晓杰</author></authors></contributors><auth-address>辽宁大学商学院;</auth-address><titles><title>基于顾客在线评价信息的服务质量评价方法</title><secondary-title>辽宁大学学报(哲学社会科学版)</secondary-title></titles><periodical><full-title>辽宁大学学报(哲学社会科学版)</full-title></periodical><pages>84-94</pages><volume>46</volume><number>05</number><keywords><keyword>在线评价信息</keyword><keyword>服务质量评价</keyword><keyword>随机占优准则</keyword><keyword>PROMETHEE-Ⅱ</keyword><keyword>熵权</keyword></keywords><dates><year>2018</year></dates><isbn>1002-3291</isbn><call-num>21-1076/C</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>李铭洋等(2018)[19]提出了一种基于在线评分分析酒店服务质量的方法。ADDINEN.CITE<EndNote><CiteAuthorYear="1"><Author>Ahani</Author><Year>2019</Year><RecNum>27</RecNum><DisplayText>Ahani等(2019)<styleface="superscript">[20]</style></DisplayText><record><rec-number>27</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587298519">27</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Ahani,Ali</author><author>Nilashi,Mehrbakhsh</author><author>Yadegaridehkordi,Elaheh</author><author>Sanzogni,Louis</author><author>Tarik,A.Rashid</author><author>Knox,Kathy</author><author>Samad,Sarminah</author><author>Ibrahim,Othman</author></authors></contributors><titles><title>Revealingcustomers’satisfactionandpreferencesthroughonlinereviewanalysis:ThecaseofCanaryIslandshotels</title><secondary-title>JournalofRetailingandConsumerServices</secondary-title></titles><periodical><full-title>JournalofRetailingandConsumerServices</full-title></periodical><pages>331-343</pages><volume>51</volume><section>331</section><dates><year>2019</year></dates><isbn>09696989</isbn><urls></urls><electronic-resource-num>10.1016/j.jretconser.2019.06.014</electronic-resource-num></record></Cite></EndNote>Ahani等(2019)[20]以加那利群岛的酒店为例，运用多准则决策方法来确定顾客的满意度和偏好。需要指出的是，已有研究没有考虑在线评论的可靠性。旅游评价网站中的评论信息来自于不同的评论者。由于评论者所具有的知识、经验和偏好不同，导致在线评论的可靠性也存在差异。而这种可靠性的不同，导致在线评论的信息质量以及为当前评价问题提供正确、有用信息的能力也会不同。在评价酒店顾客满意度的过程中，如果忽视在线评论可靠性的差异，将具有不同可靠性的评论信息一视同仁，往往会产生不符合常理的结果。所以为了更加准确地评价酒店的顾客满意度，需要对在线评论的可靠性进行度量。为此，本文提出了一种考虑在线评论可靠性的酒店顾客满意度评价方法。在该方法中，首先，计算在线评论的可靠性，并依据可靠性对在线评论进行处理以获得基本可信度分配。其次，利用D-S证据理论在信息融合方面的优势，将不同属性的评论信息进行融合从总体上评价酒店的顾客满意度。最后，利用效用函数计算各评价属性对应的满意度效用值和各酒店的总体效用值，进而确定同类型酒店针对不同评价属性和总体顾客满意度的评价结果。研究结果有望对顾客满意度研究做出有意义的贡献，并且帮助酒店从业者更加准确地评价酒店的顾客满意度。文章余下内容安排如下：第二节简要描述考虑在线评论可靠性的酒店顾客满意度评价问题。第三节介绍了一种考虑在线评论可靠性的酒店顾客满意度评价方法。在第四节中，以四家同类型酒店的顾客满意度评价为例，进行该方法的算例分析。最后，在第五节进行总结并指明未来的研究方向。1问题描述顾客在旅游评价网站中预定酒店，并在住宿体验后在网站上发布在线评论，这些评论信息在一定程度上反映着顾客对酒店住宿经历的满意情况。通常旅游评价网站中的评论信息包括评论者等级、在线评分、评论时间、评论有用数等。例如，图1和图2中分别给出去哪儿网和携程网的酒店在线评论界面。从图1和图2可知，不同评论信息在评论时间、评论者等级和评论有用数三个方面存在差异。首先，对于评论时间，因为酒店在经营过程中可能对服务、设施等方面进行改进，所以评论时间越临近越能体现酒店当前的顾客满意情况，则该条评论的可靠性越高。其次，对于评论者等级，如果等级越高，说明评论者的评论经验越多，即住宿经历越多，那么他做出的评论越客观可靠。另外，每条评论都有有用数投票，这代表着网站中其他评论者对该条评论的认可程度，有用数越大，认可程度越高，则该条评论在满意度评价过程中的可靠性越高。本文所要解决的问题是依据以上信息衡量在线评论的可靠性，并且基于可靠性对酒店的顾客满意度做出较为客观准确的评价，同时确定酒店在各属性上的顾客满意度改善顺序。图1去哪儿网酒店在线评论界面图2携程网酒店在线评论界面为便于下文表述，用下列符号表示问题中所涉及到的集合与变量：：同类型酒店的集合，其中表示第个酒店，；：酒店评价属性的集合，其中表示第个酒店属性，；：评价属性集合的权重集合，其中表示酒店属性的权重，，满足，且；：顾客满意度评价的等级集合，其中表示第个评价等级，，越大所对应的评价等级越高。例如，时,其中为最差，为最好；：酒店在线评论数量的集合，其中表示第个酒店的在线评论总数量，；：网站所设置的评论者最高等级数；：酒店的第条评论信息对应的评论者等级，，；：酒店的第条评论信息的发布时间距离评价时点的天数，，；：酒店评论信息的最早发布时间距离评价时点的天数，即；：酒店的第条评论信息的有用数，，；：酒店评论信息的最大有用数，即；：酒店的第条评论信息的可靠性，，；2研究方法为解决上述问题，下文基于D-S证据理论给出了一种考虑在线评论可靠性的酒店顾客满意度评价方法。该方法的实现流程如图3所示。首先，从旅游评价网站收集相关酒店的在线评论，并利用评论者等级、评论时间和评论有用数计算评论信息的可靠性；其次，基于评论信息的可靠性以及在线评分，获取顾客满意度评价的基本可信度分配；再次，基于离差最大化方法计算各属性的权重，并在考虑属性权重的情况下，根据Dempster合成法则进行多属性的信息合成；最后，将酒店在不同评价属性上的基本可信度分配和总体可信度分配转化成易于比较的效用值，根据计算得到的效用值，对各酒店进行顾客满意度排序，便于酒店制定相应的顾客满意度改善方案。图3酒店顾客满意度评价流程图2.1评论信息可靠性的计算首先，借助爬虫工具从旅游评价网站中获取酒店评论信息，并对其中的评论者等级，评论时间和评论有用数进行无量纲处理，计算过程如下：评论者等级(1)评论时间(2)评论有用数(3)然后，基于处理后的数据计算评论信息的可靠性。假设评论者等级、评论时间和评论有用数三者的重要程度相同，则评论信息的可靠性为：(4)2.2评论信息的信度表示在依据D-S证据理论进行证据合成之前，需要将收集的酒店在线评论表示成信度形式。为了便于理解，首先对D-S证据理论的基本概念进行简要介绍。定义1（识别框架）ADDINEN.CITE<EndNote><Cite><Author>Shafer</Author><Year>1976</Year><RecNum>41</RecNum><DisplayText><styleface="superscript">[21]</style></DisplayText><record><rec-number>41</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587342729">41</key></foreign-keys><ref-typename="Book">6</ref-type><contributors><authors><author>Shafer,Glenn</author></authors></contributors><titles><title>Amathematicaltheoryofevidence</title></titles><volume>42</volume><dates><year>1976</year></dates><publisher>Princetonuniversitypress</publisher><isbn>069110042X</isbn><urls></urls></record></Cite></EndNote>[21]：针对一个判决问题，人们所能认识到的可能结果用集合表示，那么人们所关心的任一命题都对应于的一个子集。被称为识别框架，是一组有限的相互排斥且详尽的命题。例如，在评价酒店的顾客满意度时，顾客满意度评价的等级集合为识别框架。定义2（基本可信度分配）ADDINEN.CITE<EndNote><Cite><Author>Yang</Author><Year>2006</Year><RecNum>40</RecNum><DisplayText><styleface="superscript">[22]</style></DisplayText><record><rec-number>40</rec-number><foreign-keys><keyapp="EN"db-id="0v59r50zrvv2w0epx2q5s5zixraptrwtdxvw"timestamp="1587341723">40</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Yang,JianBo</author><author>Wang,YingMing</author><author>Xu,DongLing</author><author>Chin,KwaiSang</author></authors></contributors><titles><title>TheevidentialreasoningapproachforMADAunderbothprobabilisticandfuzzyuncertainties</title><secondary-title>EuropeanJournalofOperationalResearch</secondary-title></titles><periodical><full-title>EuropeanJournalofOperationalResearch</full-title></periodical><pages>309-343</pages><volume>171</volume><number>1</number><dates><year>2006</year></dates><isbn>0377-2217</isbn><urls></urls><electronic-resource-num>10.1016/j.ejor.2004.09.017</electronic-resource-num></record></Cite></EndNote>[22]：设为识别框架，是的幂集。如果集函数满足：其中，为空集，则称函数为基本可信度分配，称为命题的基本可信数，表示对命题的信度。顾客针对酒店入住经历发表在线评论时，会为每个属性给出评分。设酒店的第条在线评论中，顾客评价属性为等级，则顾客给出的在线评论可表示为：(5)例如，酒店的第条在线评论中，顾客针对属性给出的评价等级为，则该条评论信息可表示为；，。于是，基本可信度分配为：(6)2.3属性权重的确定本研究旨在基于顾客所给出的在线评论对酒店的顾客满意度做出较为客观准确的评价，所以在属性确定方法的选取上要考虑客观性。此外，在确定属性权重时，需要考虑各属性在不同评价对象上的差异性。若某项属性的属性值在不同对象之间差异较大，说明针对该属性顾客的意见出现较大分歧，对顾客满意度评价的贡献越大，则应被赋予的权重越大。相反，若差异较小，说明针对该属性顾客的意见趋于一致，对顾客满意度评价的贡献越小，则应被赋予的权重越小。鉴于此，本文采用离差最大化方法来确定评价属性的权重ADDINEN.CITEADDINEN.CITE.DATA[23,24]。设表示等级的效用值，表示属性集合的非归一化权重集合，其中表示属性的非归一化属性，，满足。具体计算步骤如下：1）对总体识别框架的每个评价等级进行赋值，即设置每个评价等级的效用值：(7)2）对于酒店，评价属性的期望效用可定义为：(8)3）对于属性，酒店与其他酒店的加权离差可定义为：(9)4）对于属性，所有酒店与其他酒店的加权总离差定义为：(10)5）基于离差最大化思想，在所有属性的离差最大时确定属性权重，则最优化模型为：(11)6）对求解得到的进行归一化处理，得到属性权重：(12)2.4多属性评论信息的合成本节将利用Dempster合成法则融合同一酒店的多属性评论信息从而获得顾客对酒店满意度的总体评价。Dempster合成法则是D-S证据理论的核心，可以对基于不同证据的信度函数进行合成。在顾客满意度评价问题中，酒店的评价属性集合为证据集。通过融合同一酒店不同评价属性的基本可信度分配得到顾客满意度评价的总体可信度分配。设表示酒店被评价为等级的总体可信度分配。具体的合成过程如下：(13)其中，(14)2.5顾客满意度的效用值计算及排序通过上述计算可以得到各酒店在不同属性上的基本可信度分配。例如，针对属性，酒店被评价为等级的信度，被评价为等级的信度，被评价为等级的信度。这种信度形式的描述不能充分显示不同评价属性或者不同酒店之间的差异，所以需要引入相当于信度的数值，则用效用值定义这些值。首先，利用式(7)计算每个评价等级的效用值，则对于同一酒店，各评价属性的效用值计算过程如下：(15)其中，表示不属于任何一个等级的信度。同理，为了更好地比较不同酒店的顾客满意度，需要将各酒店的顾客满意度评价的总体可信度分配转化为效用值，则各酒店的顾客满意度效用值计算过程如下：(16)其中，表示不属于任何一个等级的总信度。最后，通过比较公式(15)和(16)计算得到的效用值进行顾客满意度评价。例如，若，则对于酒店，属性的顾客满意度优于属性的顾客满意度，如果想要提升该酒店的顾客满意度可以先从属性进行改善。同理，若，则表示酒店的总体顾客满意度优于酒店的总体顾客满意度。综上，基于证据理论的酒店顾客满意度评价方法具体步骤如下：步骤1依据式(1)-(4)，计算在线评论的可靠性；步骤2依据式(5)-(6)，将酒店的在线评论表示成信度形式；步骤3依据式(7)-(12)，计算各评价属性的权重；步骤4依据式(13)和(14)，运用Dempster合成法则对同一酒店的各评价属性进行合成；步骤5依据式(15)和(16)，计算酒店各评价属性的满意度效用值以及各酒店的满意度效用值，通过比较计算得到的效用值进行顾客满意度评价。3算例分析为了验证上述方法的可行性，本节选取JL酒店、HI酒店、GL酒店和CB酒店为目标酒店进行顾客满意度评价。这四个酒店地处北京同一商圈，属于高端商务酒店。相关数据从携程网()上收集。携程网是中国最大的旅游评价网站之一，有大量体现顾客真实酒店体验的在线评论，我们可以利用这些信息对酒店的顾客满意度情况进行评估。首先，利用爬虫工具集搜客(）从携程网上抓取JL酒店、HI酒店、GL酒店和CB酒店的在线评论。选取服务、设施、卫生和环境()作为顾客满意度评价属性。携程网的在线评分采用5分制，从1分(非常不满意)到5分(非常满意)，所以识别框架为。依据式(1)-(3)分别将评论信息中的评论者等级、评论时间和评价有用数进行标准化处理。然后，依据式(4)计算在线评论的可靠性。例如，图4中的在线评论是GL酒店在携程网上第14条评论信息，该条信息发布于2020年4月26日，评论者等级为LEVEL1，评论有用数为2。通过分析携程网上GL酒店的所有评论信息，得出最高等级为LEVEL3，最大有用数为38，即，。最早评论时间为2017年10月10日，设评价时点为2020年10月10日，故，。依据式(1)-(3)计算得到，，。依据式(4)得到该条评论信息的可靠性。图4携程网在线评论示例依据式(5)和(6)计算在线评论的基本可信度分配，计算结果如表1所示。表1各酒店在不同属性上的基本可信数依据式(7)计算不同评价等级的效用值分别为，，，，。依据式(8)计算得到各酒店属性的期望效用，如表2所示。表2各酒店在不同属性上的期望效用值0.94470.94590.96300.96090.95220.93800.95670.95080.93620.95540.96450.95240.94040.93880.96060.9639依据式(9)-(12)，计算属性权重：，，，。然后，根据式(13)和(14)，将四个属性上的信息进行合成，计算结果如表3所示。表3总体可信度分配及满意度排序ranking0.965410.962840.965320.96353依据式(15)，计算各酒店不同评价属性的效用值，并绘制成图5。由图5所示，从整体上看四家酒店在环境和卫生两方面的满意度情况普遍较好，其中在卫生方面各酒店的表现差异不大。而对于服务和设施，各酒店的满意度情况普遍较差。四家酒店中HI酒店在服务属性方面效用值最大，其顾客满意度最好，但是在设施、卫生和环境三个方面的效用值最小，其顾客满意度情况最差。因此，相对于其他酒店，HI酒店需要针对这三个方面进行改善。此外，GL酒店在设施和卫生方面满意度最好，但是服务和环境方面表现较差，尤其是服务方面，GL酒店是四家酒店中满意度情况最差的，所以如果GL酒店希望提升其顾客满意度以提高在该商圈的竞争力可以从服务方面着手。图5酒店满意度效用雷达图依据式(16)，计算各酒店的满意度效用，并进行顾客满意度排序。计算结果如表3所示，即顾客满意度：。因此，四家酒店中JL酒店的总体顾客满意度最好，而HI酒店的最差。4结论本文基于D-S证据理论提出了一种考虑在线评论可靠性的酒店顾客满意度评价方法。该方法从旅游评价网站收集酒店评论信息中的在线评分、评论者等级、评论时间和评论有用数。依据评论者等级、评论时间和有用数计算评论信息的可靠性，基于计算得到的可靠性和在线评分，获取酒店顾客满意度评价的基本可信数。然后，借助离差最大化方法计算各属性权重，并进行多属性的信度合成。最后，计算不同属性的效用值和各酒店的总效用值，利用这些效用值分析酒店的顾客满意度。与已有研究相比，首先，本文考虑了不同评论信息在可靠性方面的差异，并利用不同评论信息在评论时间、评论有用数和评论等级三个方面的差异来衡量可靠性。评论时间越临近，评论内容越符合酒店当前的实际情况，则该条评论在顾客满意度评价问题中的可靠性越高。另外，评论信息获得的有用数越多，其他顾客对该条评论的认可度越高，则该条评论信息的质量越高。而评论者通过编写大量评论和高质量评论获得较高等级，则等级越高的评论者做出的酒店评价越可靠。所以在评价酒店的顾客满意度时，需要考虑这三个方面的信息来衡量在线评论的可靠性。其次，本文借助D-S证据理论在信息融合方面的优势，将不同属性的信息进行融合以获取更加完整的信息进行顾客满意度评价。基于以上分析，本文具有以下管理意义：首先，本文提出的方法能够帮助酒店管理人员评价酒店的总体顾客满意度和各属性的顾客满意度情况。此外，由于互联网的开放性，酒店管理人员可以获取竞争酒店的在线评论，从而利用本方法分析竞争酒店的满意度情况。通过与竞争酒店的比较，酒店管理人员可以识别酒店在不同属性上的优势和劣势，以便在进行有限资源分配决策时做到有的放矢。通过这种方式酒店可以提高顾客满意度，进而提高在同行业中的竞争力。本研