基于文本分析的机器人酒店用户感知偏好和差异研究

吕晓将 姚亚男 刘晓鑫

(天津师范大学管理学院 天津 300380)

随着信息技术的不断发展，人工智能、云计算和物联网等技术已经广泛应用到教育、医疗和旅游等众多领域。酒店业的相关研究人员目前正在各种不同的环境中测试和应用智能技术。顾客对酒店的在线评论能够反映顾客全面和真实的体验和看法，有效的在线评论可以影响潜在顾客对酒店的预订意愿。文本分析法能够对评论文本进行客观、系统、量化的分析和探索，对比研究能够通过探索不同事物的差异探索出事物的本质。

1 研究设计

1.1 样本选择

本文选择日本Henn-na酒店和中国Flyzoo酒店作为在线评论数据的采集对象。Henn-na是世界上第一家使用类人机器人为顾客服务的酒店，自从开业吸引了世界各地的游客，在线顾客数量多、评论内容丰富。Flyzoo是中国杭州一家采用全场景人脸识别技术的科技型酒店，通过手机软件或酒店大堂的自助入住机办理入住，顾客可以享受全场景人脸识别畅通无阻的极致体验。

1.2 研究方法

文本分析是一种对显性内容进行客观、定量描述的研究方法，可以在相对较短的时间内获取顾客完整和真实的心理感知。本文通过技术手段抽取顾客评论中的特征词并进行量化表达酒店评论文本的内容，具体包括数据爬取、数据预处理、词频分析、语义共现网络分析和情感分析五个步骤。

数据分析采用开源软件KH Coder对酒店在线评论进行处理，KH Coder是由日本学者Koichi Higuchi开发的文本数据挖掘软件，具有词频统计、词性分析、关键词检索和可视化分析(网状图、散点图、气泡图、折线图、树状图)等功能。

1.3 数据来源

本文根据网站开通时间和客户访问量选取国内外主要旅游网站的在线评论，评论数据取自携程旅行、去哪儿旅行、大众点评和飞猪四个国内常用的酒店平台，以及Booking和TripAdvisor两个使用率较高的国外酒店平台。考虑到评论时效性，时间范围锁定2018年12月18日—2021年4月18日。最终爬取有效评论数据共计3113条，如表1所示。

表1 在线评论来源汇总

2 数据分析

2.1 词频分析

词频分析通过统计网络文本中词汇出现的次数发现隐藏在文本中的核心信息。本文利用KH Coder提取整体评论中词频最高的50个关键词，并通过Hanabi(花火树图)平台将词频表生成词云图，如图1和图2所示：词云图中词汇字体越大，表示该词汇出现的频次越高，字体越小则表示出现的频次越低。

图1 Flyzoo酒店在线评论词云

图2 Henn-na酒店在线评论词云

图1显示：在Flyzoo酒店评论中，“房间”出现的频次最高，字体较大的词汇还有“机器人”“天猫精灵”，说明顾客对酒店房间的整体情况非常关注。“智能”“自助”“体验”“科技”“人脸识别”等使用频次较高，体现了顾客对智能、无人酒店的整体认知。

图2显示：“房间(room)”同样也是Henn-na酒店评论中出现频次最高的词汇，说明国内外顾客非常关注Henn-na机器人酒店房间的整体情况，同时也说明顾客对两个酒店的主要关注部分是相同的；“机器人(robot)”和“AI”出现的频次也很高，表明顾客对酒店智能机器人具有浓厚的兴趣。

2.2 语义共现网络分析

两个酒店的语义共现网络图均呈现出整体分散、局部集中的特点，Flyzoo和Henn-na评论语义共现网络图如图3、图4所示。

图3 Flyzoo酒店评论语义共现网络图

图4 Henn-na酒店评论语义共现网络图

从语义共现网络图的分析来看：两个酒店的评论都关注酒店环境、办理流程、位置设施、房间整体感知，以及智能体验这五个方面，顾客对两个酒店给予了较为积极的评价，但是两个酒店也存在差异：

(1)顾客群体不同。Flyzoo酒店的顾客群体主要来自国内，以商务和家庭居多，而Henn-na酒店的国外游客群体较多，同时在国外顾客群中也有较多的中国游客。

(2)对智能的主要关注内容不同。Flyzoo酒店的顾客对房间里天猫精灵的语音控制非常感兴趣，而Henn-na酒店的顾客对前台不同类型的机器人关注更多。

2.3 情感分析

情感分析通过对主观性文本、句子或短语的情感色彩进行归纳、推理，从而识别出评论的情感类型：积极、中性和消极三种情感倾向(李春萍，2017)。本文首先结合通用的知网情感词典(HowNet)和谭松波(2012)整理的酒店评论语料，构建基本情感极性词典(李胜宇等，2017)。其次，根据酒店在线评论的实际特点增加情感词，新增的情感词示例如表2所示。最后，基于构建好的情感词典，运用KH Coder软件中的交叉汇总分析功能对Flyzoo和Henn-na两个酒店的在线评论进行情感分析，分析结果如表3所示。

表2 部分人工新增情感词

表3 在线评论情感分析

从表3整体来看，顾客积极情感比例为76.71% ，消极比例为19.82%，中性比例为6.39%。顾客积极情感占比最高，说明顾客对两个机器人酒店整体的感知较好。具体来看，在积极情感中，Flyzoo占比为79.12%，显著高于Henn-na(71.59%)；两个酒店的消极情感占比也存在显著性差异，Flyzoo酒店消极情感占比为22.01%，Henn-na酒店消极情感占比为15.16%，两个酒店的消极情感都占有一定比重，需要引起重视；同时，两个酒店的中性情感占比都小于10%且存在显著性差异，表明与Henn-na酒店的国际顾客群相比，Flyzoo酒店的主要中国顾客群在情感表达时更委婉含蓄。

3 结语

本文针对主要旅游网站的顾客评论对机器人酒店的评价与感知进行初步探索，在研究深度和研究方法的应用方面存在不足和需要扩展之处。首先，在样本选择方面，现阶段具有智能、无人酒店体验的人数较少，因此不能全面地挖掘潜在顾客的体验反馈信息。其次，在获取评论时，只选择了中国和日本两个酒店，后续研究可以从多个国家收集样本进行全面的对比分析。最后，在线评论文本分析对机器人酒店的感知勾勒出一个基本的轮廓，但由于信息的碎片化，只能简略、局部的提供信息，无法深度揭示机器人特征、智能服务与顾客感知之间的复杂关系，未来需要结合扎根理论，以及现场观察、酒店管理人员、员工、顾客的访谈数据进一步探索。