绿色饭店用户体验——基于在线评论的深度学习研究

史 达 王志敏

(1.东北财经大学旅游与酒店管理学院,辽宁大连 116025;2.东北财经大学国际商学院,辽宁大连 116025)

0 引 言

从全球角度看,绿色饭店业的发展态势良好,获得LEED认证(1)Leadership in Energy and Environmental Design,简称LEED,即能源与环境设计先锋,是一个绿色建筑评价认证体系,旨在设计中有效地减少对环境和住户的负面影响。的酒店和获得绿色环球认证(2)绿色环球认证是由世界旅游理事会成立,涵盖整个旅游行业可持续发展标准在内的体系。的酒店在全球各地都有较大增长。Verma等(2018)认为,酒店愿意实现绿色管理是由于绿色饭店能带来更持续、更良好的发展。拥有能源之星(3)能源之星是由美国能源部和美国环保署共同推行的一项政府计划,旨在更好地保护生存环境,节约能源。和LEED认证的酒店拥有更多的优势,不仅节能系统可以节省成本,绿色标签本身也给酒店带来了无形的宣传(Eichholtz et al.,2010)。绿色管理可为酒店带来高质量的品牌管理和值得信赖的营销传播,并丰富酒店服务内容,实现与竞争对手的差异化,增强客户吸引力和忠诚度(Hays,2014)。酒店要想通过绿色管理实现更多的经济效益,其根本还在于用户愿意选择绿色饭店。所以,提升消费者的绿色饭店服务体验,从而吸引更多的绿色消费群体至关重要。

现有绿色饭店的顾客体验研究多利用市场调查方法,通过非概率采样对消费者进行访谈调研。这种方法样本量小,访谈问题有限,访谈成本高,且调查数据不能随时更新,更不能与周边有竞争性的非绿色饭店进行比对分析。因此,绿色饭店管理者难以全面并及时了解消费者的真实感受,难以了解绿色饭店与非绿色饭店相比是否真正带给用户更佳的体验。

与传统的访谈调研相比,通过在线评论获取的用户反馈信息较为丰富,收集成本较低,可在相对较短的时间内挖掘顾客的真实感受和体验,并可提供比李克特量表更细腻的结果。因此,本文以在线评论数据为分析内容,比较绿色饭店与非绿色饭店的用户体验,并期望解决如下问题:(1) 消费者对绿色饭店感知到的特征是什么?这些感知特征包括哪些内容?(2) 与非绿色饭店相比,绿色饭店是否为消费者提供了更好的服务和体验?原因是什么?(3) 从消费者视角来看,饭店业的绿色管理进程应如何推进?

1 相关研究进展

1.1 消费者的绿色饭店体验研究

大多数与绿色饭店的消费者相关的研究,主要集中在消费者对绿色饭店选择意向(Han et al.,2009;谢婷,2016)及其影响因素(Wan et al.,2014;Suki,2017)两个方面,而针对绿色饭店体验的研究文献较少,且主要从定性角度对消费者满意度进行研究。例如:Robinot等(2010)认为,酒店环境的相关属性被消费者视为服务的一个组成部分。如果这些属性被认为是不利的,它们会对消费者的满意度产生负面影响。Millar等(2011)通过调查消费者对绿色饭店客房节能操作的看法,发现消费者并不想在服务质量或生活舒适度上做出妥协。Han等(2013)通过调查游客对酒店采用绿色实践的看法后发现,顾客认为住在绿色饭店会被认为是一个保护环境的人,但是顾客选择绿色饭店时存在对其溢价、舒适度和便利性的顾虑。Li等(2016)通过调查顾客对绿色饭店的满意度和忠诚度来判断客户体验,发现虽然大多数客户对环保理念有一定的认识,但他们仍然缺乏明确的环保理念,且对绿色饭店的表现不太满意,酒店经营者只能通过提醒顾客了解入住非绿色饭店和绿色饭店之间的区别来减少顾客投诉的频率。在较少的采用定量方法研究绿色饭店顾客体验的文献中,Millar等(2011)认为顾客选择酒店时通常关注酒店的不同属性(比如价格、位置、环保等),通过单独测量酒店每个属性的重要程度后发现,顾客之所以选择绿色饭店,在于其更看重环保属性。HyeRyeon等(2016)通过分析酒店评论的内容后发现,很多顾客对绿色实践会做出积极的回应,当绿色饭店的环保措施宣传不到位时会引起顾客的不适,但很少有酒店管理者对客人负面的评论进行反馈,向其说明酒店正在采取的绿色实践。该文献仅对绿色饭店的顾客进行研究,缺乏对非绿色饭店顾客的调查及其对比分析。

综上所述,尽管现有成果已经开始关注绿色饭店,但对消费者体验的研究仍十分有限。因此本文将从包含了消费者感知的文本内容入手,提炼出感知特征,并比较绿色饭店与非绿色饭店在这些感知特征之间的差异,从而探究绿色饭店是否带来了更好的顾客体验。

1.2 文本情感分析研究

随着互联网的发展,越来越多的消费者习惯在线分享住宿体验,表达在使用过程中产生的情绪或对一些事物的看法。通过对酒店在线评论进行文本分析和情感分析,可以了解用户在体验中的着重关注点及用户在体验中的情绪,感知用户的满意度(魏韡 等,2011)。

情感分析的一大核心是借助已有的情感词典和语义规则等来区分情感极性。早期英文文献主要考虑不同词语的词性关联等的影响,如Turney等(2003)分别采用点间互信息(Pointwise Mutual Information,PMI)和潜在语义分析(Latent Semantic Analysis,LSA)两种方法来衡量词汇与种子词之间的关联度,将已有的褒贬词汇继续进行扩展,再利用极性语义算法对文本进行分析,确定词汇的情感倾向。现有较多的研究者利用词语解释来实现更准确的情感判别,例如:Andreevskaia等(2007)提出通过对比WordNet中词的解释,得出该词与所属情感词集合内词语的关联强度,以判定该词是否属于该情感词集。Esuli(2008)从词语解释入手,对词语的情感倾向进行分类。

中文文献中的文本情感分析起步相对较晚。朱嫣岚等(2006)通过计算目标词汇与HowNet中标记赞扬词的相似度,得到目标词的倾向性。崔连超(2015)借鉴台湾大学情感词典(NTUSD)和HowNet词典提出的算法,使文本情感倾向的确定更为准确。唐浩浩等(2015)为提高文本情感分析应用于微博中的准确性,通过基于词亲和度的算法对微博语义倾向进行分类,并构建相应的微博情感词典。中文环境下,情感分析会受到一词多义及划分断句准确性的影响。因此,当人工智能出现之后,越来越多的研究者开始转向基于机器学习的情感分析方法。

基于机器学习的情感分析方法的核心思想是选取大量有意义的特征进行训练来实现分类,过程中需要不断地训练学习和测试。目前研究中较常用的方法有支持向量机(彭其伟,2007)、朴素贝叶斯(Waila et al.,2012)、最大熵(李荣陆 等,2005)、K最邻近分类(钟将 等,2012)等。其中,朴素贝叶斯分类器作为解决情感分析问题的关键方法之一,在保证选取特征性能好的条件下,具有准确性高、容易实现、处理速度快的优点。例如:Waila等(2012)通过朴素贝叶斯和支持向量机两种方法对电影评论的情感进行分析,结果表明,当特征选取较合适时,朴素贝叶斯方法的评价性能更高。Xiang等(2017)分析在不同平台上评论的情感极性对酒店评分的影响,利用朴素贝叶斯分类方法判别酒店评论的积极性和消极性,准确率和召回率达95%。通过机器学习方法获得的情感分类准确性较高,经过训练的计算机可以给出新未知样本被分到哪一类的概率,结果较为准确。因此,本文将采用朴素贝叶斯情感分类器方法对评论内容进行情感分析。

在情感分析时,需要在不影响分类器准确性的情况下减少维度,提高处理效率,因此要提取评论特征。早期研究中多应用Apriori关联规则算法和基于此改进的FP增长算法来提取。例如:Liu等(2004)利用Apriori关联规则挖掘网上销售产品的评论特征词,捕获评论者的主要观点。王永等(2013)利用FP增长算法提取手机评论特征。杜思奇等(2015)将用户评论经汉语组块处理后,通过Apriori提取频繁项集,得到较高的召回率和准确率。但是,使用Apriori关联规则算法会在频繁项集中产生较大的噪声,在评论数较多时性能不高。而TextRank算法是基于图的排序算法来实现关键词抽取,因其简洁有效的特性而得到广泛运用。此外,词频-逆文本频率(TF-IDF)方法简单易行,在特征选取中将单词词频与其在所有文本中出现的频率相结合(曹姗,2018)。因此,本文采用TF-IDF与TextRank两种方法同时提取特征项,将结果综合考虑后进行选择。

2 研究设计

2.1 酒店选择过程

中国饭店协会于2007年发布了《绿色饭店国家标准》(GB/T 21084-2007)(4)中国国家标准化管理委员会.绿色饭店国家标准(GB/T 21084-2007)[EB/OL].http://ltfzs.mofcom.gov.cn/article/ae/200904/20090406144458.shtml.。本文选择大连市绿色饭店和非绿色饭店作为样本。大连是著名的旅游城市,酒店业态丰富。2014年后大连市绿色饭店共6家,其中5家金叶级绿色饭店和1家银叶级绿色饭店(5)绿色饭店资格认证流程是先由企业自愿申报,然后由酒店业协会对其进行评定。绿色饭店认证的有效期为4年,因此每两年进行一次审查,每4年进行一次复评。酒店的绿色化程度由银杏叶标识,从一叶到五叶,叶数越多说明酒店的绿色化程度越高。。大连市金叶级绿色饭店数量占全省饭店的35.7%,因此具有很强的代表性。由于国家标准规定绿色饭店评定等级的有效期为4年,因此本文研究的绿色饭店为2014年后评定的5家金叶级绿色饭店,包括大连康莱德酒店、大连富力希尔顿酒店、大连良运大酒店、大连船舶丽湾大酒店和大连新海天国际酒店。

妇幼保健档案管理工作中相关从业人员存在普遍性的档案管理意识缺乏,在档案管理方面没有足够的重视度,认为档案管理工作可有可无,实际档案管理工作过于散漫,很大程度上影响到妇幼保健档案的有效管理和利用,另外,档案管理的价值尚未得到发挥,很难实现对档案信息的有效利用。

非绿色饭店由于数量较多,为避免主观因素的影响,本文选取非绿色饭店的规则如下:一是与绿色饭店地理位置接近;二是与对照的绿色饭店星级相同或均价相近;三是有较充足的酒店评论数量(超过400条)。考虑到所选取的5家绿色饭店中有4家密集于大连市中山区人民路附近,选取非绿色饭店时区分具体位置的意义不大,因此本文并未进行一对一配对,而是根据上述规则集中选取了中山区人民路附近的非绿色饭店,分别为大连海景酒店、大连友谊宾馆、大连新文园大酒店、大连心悦大酒店。大连新海天国际酒店位于非中心的金普新区,综合考虑地理位置等因素,最终选择大连维多利亚国际酒店与之对应。

2.2 评论信息收集方法

本文利用爬虫程序,从携程网(6)由于没有预定过酒店的会员不能进行评论,且用户在短期内的记忆较为准确,所以携程网评论的可靠性比较高。采集获得顾客对上述10家酒店的评论信息共计12 480条,其中绿色饭店7 858条,非绿色饭店4 622条。本文使用chrome driver获取Json数据并解析,得到包括评论用户的昵称、评论时间、评论内容等信息。本文将上述信息以酒店为单位存储为文本格式。

2.3 直观评价:酒店评分是否有效?

酒店评分是评估酒店好坏的一个直观指标。一般情况下,当消费者对酒店服务和表现持正面积极情绪时给出的评分较高,反之则评分较低。携程会员在对酒店进行评价时,可以从房间卫生、酒店服务、周边环境和设施设备4个方面进行打分,分值为1～5分,携程系统自动计算综合得分(见表1)。

表1 酒店评分详情

总体来看,绿色饭店的分数略高于非绿色饭店,原因可能是绿色饭店带给顾客更舒适的体验。但也存在一些特殊情况,如大连船舶丽湾大酒店的评分甚至未达到非绿色饭店的均分。此外,各酒店间均分差异不大,顾客给出的评分均较高,可能是由于顾客对这些酒店的满意度较高,也可能与人们的评价习惯有关。由于评分数据左偏,不适合用t检验来判断绿色饭店和非绿色饭店之间评分是否有显著差异,且顾客在给出酒店评分时会包含多方面的考量。可见,常用的酒店评分方式很难作为评价依据。因此下文将不以评分为依据,而是从评论内容入手,探究绿色饭店是否给顾客带来更良好的体验。

2.4 评论预处理

首先剔除评论中字数较短的语句。有些评论过短,如“好”“不错”“太好了”等,很难提取出有效的特征项。杨鼎等(2010)通过比较不同长度评论的有效性后发现,4字以下的语句中难以获取有效信息,因此本文将删去少于4个字的语句,提高评论处理效率。

接着对评论做去重处理。研究重复评论对结果无意义,甚至会降低分析效率,因此在有多条评论完全一样的情况下,本文仅保留其中一条。

最后对文本进行去词处理,主要包括出现频率较高但对实际分析几乎不起作用的停用词和一些特殊名词。停用词包括“的”“了”等介词、副词、连词和语气助词。特殊名词为根据本文研究定义的一些特定词汇,包括“大连”“康莱德”“希尔顿”等。经过上述处理,本文目前所应用的文本特征向量维度降低,为后面的情感分析做好了铺垫。

经过预处理后的酒店评论文本虽然已经降低了特征向量维度,但依旧包含着众多向量,以及对分类无重要意义的向量。本文获取了上万条用户评论信息,若不减少特征项个数将会对分类速率产生严重影响。选取特征项即优化系统特征指标,以达到降维效果。一般来说,特征项应具有以下3种特性:一是特征项可以从文本中分离;二是该特征项可以表达当前文本的主题,同时也可区分其他不同类别的文本;三是特征项个数不宜过多,否则失去了选取的意义。根据前文综述,本文采用TextRank算法与TF-IDF算法(7)两个算法均通过Python编程软件实现。相结合的方式选择特征项。

(1) TextRank算法

TextRank算法的核心思想来源于PageRank思想,通过判别词语间的共现关系来获知每个词的重要性,如果一个词语在很多不同的词语后面出现,那么这个词语比较重要,说明其TextRank值较高。若一个词语的TextRank值较高,那么这个词语之后的词语的TextRank值也较高(张雯,2015)。在本文中,TextRank值较高的词语即为要选取的特征项。本文随机选择300条评论构成训练集,利用TextRank算法保留评论中值较高的名词作为特征项。

(2) TF-IDF算法

TF-IDF算法通过赋予词语不同的权重来实现特征项的筛选,其思想为:某个特征项在其他评论中出现次数很少但在同一篇评论中出现较为频繁,说明该特征项有一定的类别区分能力(张雯,2015)。词x的TF-IDF值为TF(x)*IDF(x)。本文选取TF-IDF值较高的名词作为特征项。

最后,本文基于TextRank算法和TF-IDF算法得到的最终特征项为:房间、服务、设施、早餐、卫生。

2.5 情感分析

情感分类实质上是将文本分成正向情绪的文本和负向情绪的文本两类。这个过程是先将整个文本中的句子和词进行划分,根据中文分词将整个句子划分成有感情倾向的词,并对这些词的感情进行判定并赋予一个数字,再将所有带有感情倾向的词组合起来判断整个句子的情感分数,以此判断文本的情感分数,最后通过这个分数来判定文本倾向。本文通过朴素贝叶斯分类器来分析评论的情感倾向。朴素贝叶斯算法构建过程如下:

设x={a1,a2,…,am}为一个将要进行分类的文本,其中a为文本中划分出来的特征项,m为特征项数量。假定酒店顾客的情感分类包括正面倾向和负面倾向两类,表示为C={y1,y2},计算P(y1|x),P(y2|x)。如果P(yk|x)=max{P(y1|x),P(y2|x)},则x∈yk。其中,P(yk|x)表示在文本x出现的条件下yk出现的概率,即选择该样本表达的正负面情绪概率中较大的倾向。

对标注好的评论按照正负面倾向进行训练后,需要对其性能进行评估。刘丹(2017)在进行情感分类时设定,当评论的正面情感概率P≥0.5时为正面评论。本文用该设定进行判别,将分类器判别的结果与人工标注情感(8)手动识别训练集样本情感倾向,并将其分为正面评论和负面评论。正面评价标记为“1”,负面评价标记为“0”。本文标注样本较为严格,未明确表现出正面情感的描述均未标定为“1”。作比较。在性能评估时,需判断分类器判别结果的准确率。对于在线评论这类不平衡样本,本文采用机器学习常用的性能评估指标查准率(Precision)、召回率(Recall)和AUC值进行检验(杨鼎 等,2010)。

以“房间”为例。选取300条包含“房间”特征的评论作为分类数据集。由于验证数据一般应少于原样本的三分之一,因此本文将采用四折交叉验证,将数据集分为4份,轮流将其中3份作为训练集,1份作为测试集,分别对训练集进行上述情感分类过程,并基于对测试集的检测来评估分类效果的好坏,再求出4次结果的均值作为对分类器最终评估结果的估计。部分结果示例如表2所示。

表2 对“房间”人工标注结果示例

注:表中的“1”代表该条评论的情感为正面;“0”代表该条评论的情感为负面。

采用交叉验证的方法对分类器效果进行评估,得到“房间”“服务”“设施”“早餐”的分类效果如表3所示。“卫生”特征由于句子数较少,仅采用人工标注的方式判别,未采用交叉验证方法。

表3 分类器性能比较

在运用朴素贝叶斯分类器分析评论的情感倾向后,通过将每个酒店带有正面情感的评论数与其总评论数相比,得到每个酒店的正面情感比率。由于样本数较少,针对每一特征的10个正面情感比率数据相互独立且不满足正态分布,因此采用Mann-Whitney秩和检验比较绿色饭店与非绿色饭店的正面情感比率之间的差异是否显著(吴喜之 等,2013)。在每一特征下,首先将两种类型酒店的正面情感比率数据混合并由小到大进行排序,最小的数据秩次编为1,最大的数据编为10。接着分别将同一类型下酒店的序号相加得到秩和,把秩和较小的数值用T表示,并在秩和检验表中根据样本数和T值找到对应的p值。若p值小于临界值0.05(9)统计学中常用的临界值是0.05。,说明该特征下绿色饭店与非绿色饭店的正面情感比率存在显著差异,否则说明不存在显著差异。

3 结果分析

3.1 “房间”特征分析

从“房间”特征来看,10家酒店的正面情感比率均较高。但绿色饭店中大连船舶丽湾大酒店、大连康莱德酒店和大连富力希尔顿酒店的正面情感比率较低,其中康莱德酒店和希尔顿酒店可能是由于房间价格较高,顾客对酒店房间抱有更多的期望,对其表现更加挑剔。非绿色饭店中,大连海景酒店由于房间内可以看海景的优势获得了很多的好评。其余酒店在“房间”特征上的正面情感比率均高于80%,标准差仅为3.60%。在秩和检验中,p值为0.35,大于临界值0.05,说明在“房间”特征下,绿色饭店与非绿色饭店的正面情感比率未表现出显著差异,其原因可能是各酒店都注重对其房间的整体布置,且绿色饭店的评选实行申请制,一些注重环保和节能的酒店并未参评。从“房间”评论句子中出现频率较高的词汇来看,顾客更加关注房间的“打扫”“装修”“入住”和“升级”,使用感更加注重房间的“干净”“卫生”“宽敞”和“舒适”。

3.2 “服务”特征分析

从“服务”特征来看,除大连心悦大酒店外,其余酒店的正面情感比率均较高。在秩和检验中,p值为0.92,远大于临界值0.05,说明在“服务”特征下,绿色饭店与非绿色饭店的正面情感比率未表现出显著差异。其原因可能是《绿色饭店国家标准》中并未过多强调“服务”这一特征,且“服务”作为酒店的软实力受到各酒店的关注。从“服务”评论句子中出现频率较高的词汇来看,顾客更加关注服务的“态度”“人员”和“前台”,希望得到“周到”“热情”“礼貌”和“贴心”的服务。

表4 酒店“房间”特征详情

表5 酒店“服务”特征详情

3.3 “设施”特征分析

从“设施”特征来看,各酒店的正面情感比率差异较大,极差达62.37%。在秩和检验中,p值为0.02,小于临界值0.05,说明在“设施”特征下,绿色饭店与非绿色饭店的正面情感比率有显著差异,且绿色饭店在“设施”特征上的正面情感比率高于非绿色饭店。其原因可能是《绿色饭店国家标准》中对环境设计、建筑设计、流程设计等做出严格要求,与非绿色饭店相比,绿色饭店需要更加关注“设施”这一特征才能被认证。从“设施”评论句子中出现频率较高的词汇来看,顾客更加关注设施是否“齐全”,是否“干净”和是否不“陈旧”,希望得到“配套”和“完善”的设施。

表6 酒店“设施”特征详情

3.4 “早餐”特征分析

从“早餐”特征来看,10家酒店评论的正面情感比率均较低。在秩和检验中,p值为0.04,小于临界值0.05,说明在“早餐”特征下,绿色饭店与非绿色饭店的正面情感比率有显著差异,且绿色饭店在“早餐”特征上的正面情感比率高于非绿色饭店。其原因可能是获得绿色饭店认证的酒店基本满足《绿色饭店国家标准》对酒店餐饮的相关要求,倡导绿色餐饮,保障食品安全,提供营养平衡食谱,因此在“早餐”特征中相对更能得到顾客的认可。非绿色酒店“早餐”特征正面情感比率相对较低的主要原因为早餐菜品“不丰富”,“种类”不够多,性价比不能达到顾客的预期,还有一些顾客订的房间不含早餐,引起负面情感。

表7 酒店“早餐”特征详情

3.5 “卫生”特征分析

从“卫生”特征来看,“卫生”在语句中既可作为形容词也可作为名词。在秩和检验中,p值为0.25,大于临界值0.05,说明在“卫生”特征下,绿色饭店与非绿色饭店的正面情感比率未表现出显著差异。其原因可能是绿色饭店在实行环保措施的过程中并未对顾客做出解释,如未向顾客说明未使用一次性拖鞋的原因,造成顾客对酒店卫生状况的误会,因而导致绿色饭店的正面情感比率并未显著高于非绿色饭店。

表8 酒店“卫生”特征详情

3.6 酒店综合评价

由于顾客对某一特征的评论数量一定程度上反映了顾客对这一特征的在意程度,因而本文以特征评论数作为权重,利用特征评论的正面情感比率计算酒店的综合好评率,具体算法为:

其中i表示酒店,i=1,2,…,10;j表示特征,j=1,2,…,6。Ai为第i家酒店的综合好评率,nj为所有酒店评论中包含特征j的句子数,N为所有酒店评论中含有特征的句子数,aij为第i家酒店在第j个特征上的正面情感比率。将结果按照从小到大的顺序进行排序,在秩和检验中,p值为0.03,小于临界值0.05,说明绿色饭店的综合好评率与非绿色饭店之间有显著差异,且绿色饭店的综合好评率高于非绿色饭店。其原因可能是《绿色饭店国家标准》相对严苛,获得绿色饭店认证的酒店更能获得顾客的认可。但是也有一些非绿色饭店的综合好评率高于绿色饭店的情况,其原因可能是绿色饭店的评选实行申请制,这些酒店注重环保但未参与评选。大连船舶丽湾大酒店的综合好评率较低,其原因可能是绿色饭店评选的周期较长,在获评后该酒店未能继续保持满足绿色饭店的评选标准。

表9 酒店综合得分

结合酒店平均得分来看,10家酒店中绿色饭店的综合好评率和平均得分普遍高于非绿色饭店,但两个指标的具体排序存在差异。因此,顾客在选择绿色饭店时仅参考酒店评分可能有误。

4 研究结论与营销启示

4.1 结论与讨论

消费者对饭店的感知特征主要包括房间、服务、设施、早餐和卫生。从特征词维度来看,10家酒店中各特征正面评论比率较高的酒店为绿色饭店的占比不明显突出。在“设施”“早餐”特征中,绿色饭店与非绿色饭店的正面情感比率存在显著差异,绿色饭店的正面情感比率优于非绿色饭店;而在“房间”“服务”“卫生”特征中,绿色饭店与非绿色饭店的正面情感比率未表现出显著差异。从酒店综合表现来看,绿色饭店的综合好评率与非绿色饭店间有显著差异,且绿色饭店的综合好评率高于非绿色饭店,但也有非绿色饭店表现不错。

造成消费者对绿色饭店和非绿色饭店感知存在差异,但差异并不显著的原因有两方面:

第一,消费者自身对“绿色”的感知不足。李祝平(2009)针对具体的绿色环保措施对全国饭店顾客进行调查后发现,消费者并不了解绿色饭店,虽然愿意采取绿色环保措施,但对饭店方面的绿色措施了解很少。本文在筛选特征的过程中也发现,顾客评论几乎未提及“节能”“环保”等词语,一定程度上说明当前顾客对绿色领域的理念和举动还不是很敏感。当筛选包含“一次性”“拖鞋”等词语的评论时,发现一部分酒店已尝试绿色措施,但顾客对这些举措不认可,担心在外不使用一次性消耗品会引起卫生和安全问题。本文在调研中也发现,酒店向顾客关于绿色消费的宣传不到位,酒店也未向顾客说明自己的绿色认证和采取的绿色行为,并未对消耗品的重复使用说明原因及其意义,未使酒店消耗品的清理流程清晰化、透明化,使顾客放心。所以消费者并未明确感到所选酒店为绿色饭店,他们选择酒店的考虑并未包括该酒店是否被评为绿色饭店。由此可见,保持绿色不应该只是一个口号,而应成为一种习惯。

第二,绿色饭店评选实行的是申请制。我国绿色饭店标准的主要起草者是中国饭店协会,企业自愿向中国饭店协会及其委派机构报名,再由全国绿色评定机构对材料进行书面审核后,委派审核组进行现场评审并确定等级。因此,有些已经采取绿色措施或者达到绿色标准的酒店可能并没有申请该项评选。本文在调研中也发现,一些注重环保和节能的酒店,并非十分看重该评选,没有强烈的参评意愿。由于酒店的绿色责任意识不断提高,绿色行为已经较为普及,所以消费者在绿色饭店的体验并不显著高于非绿色饭店体验。

4.2 营销建议

每个企业都应该有一个政策声明,至少应对可持续发展的概念和用实际行动来保护环境的口号做出说明。不论是否获得绿色饭店的认证,酒店都应当结合绿色开展营销。各绿色饭店应考虑定期或不定期开展以绿色饭店为主题的公益性宣传活动,在酒店网站或者客流量较多的地方设置绿色饭店认证等,向公众或顾客明示绿色饭店身份,普及绿色的消费意识;加强与公众或顾客的互动,引导和鼓励顾客参与到绿色饭店的具体实施环节中,对有绿色消费行为的顾客给予奖励,比如连住数天而不更换床单的顾客可享用免费早餐或咖啡等活动,从而与顾客一起共建绿色饭店。此外,酒店也需要在网站、社交媒体或广告宣传资料上明确告知潜在消费者,绿色行为的实施并不会影响服务质量,而且绿色饭店收取的价格是合理的,并未将绿色行为产生的成本转嫁给顾客,从而减少顾客对酒店采取绿色实践的误会。

而对于没有绿色认证的酒店,绿色行为和宣传也应当成为常态。比如在实施绿色措施时写明提示卡,如提倡自带洗漱用品,减少一次性消耗品等。但需要注意的是,一些寻求酒店高质服务的客户,尤其是VIP客户,希望能享受到新洗涤的床单,充足的毛巾供应,丰富的食品和饮料供应等。因此无论采取什么措施来实施绿色行为,都需要以客户同意和自愿为前提。

4.3 进一步研究

本文在酒店特征选取时采用TextRank算法和TF-IDF算法,虽然从用户最关心的角度分析情感可以抓取用户的多数意见,但对于绿色标准相关的特征词筛选还有所欠缺,没有捕捉到酒店客人在评论中提及的与绿色饭店环保措施直接相关的特质。今后可以在继续对国家标准研读的基础上找出符合绿色理念的细节特征,针对这些词语所在语句做出更深层次上的研究。此外,大多数消费者的评价本质上是凭主观经验判断的,会受个人性格和阅历的影响,对同一特征的表现差异可能会很大。例如,酒店隔天未更换床单对于一些消费者来说是消极体验,但也有消费者对此不在意或认为是积极体验。样本数越大,样本越丰富的情况下判别会更加准确。最后,一段评论中可能包含着多个特征评价且带有不同情感。例如:“酒店周边环境很不错 服务态度也很好 就是酒店的洗漱用品太一般了 很减分的地方”,前3个短句中,顾客对酒店周边环境、服务态度和洗漱用品做出了评价,且对于环境和态度做出了积极评价,为正面情感,对洗漱用品表达负面情感;但单从第4个短句中仅可以判断顾客存在不满意的地方,无法瞄准具体特征,造成该语料的浪费。后续研究应考虑结合前后句特征词。