在線評論數據挖掘旅游訂購意愿分析
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了在線評論數據挖掘旅游訂購意愿分析范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：自1999年攜程成立，中國第一批OTA平臺形成，將傳統的旅游行業與互聯網有機的結合起來。隨著時間的推移，在線旅游平臺已步入穩步完善階段，為旅游愛好者提供了比價和信息收集的平臺，同時也增加了旅游行業的競爭壓力，如何在同質化的旅游平臺中脫穎而出，提升平臺的服務質量是其發展的關鍵問題。本文基于消費者視角，通過從在線旅行社攜程中挖掘消費者旅游后的在線評論，提取有關旅游的相關詞進行語義相關性處理，通過網絡可視化可以清晰反映出消費者對在線旅游團購服務的關注點，為在線旅游產業鏈中的企業提供切實可行的有益建議。
關鍵詞：在線旅游評論，語義挖掘，語義關聯
1.背景
隨著互聯網的發展，推動著傳統企業與互聯網的快速融合，旅游和互聯網的結合使旅游行業逐步成為中國經濟的一大支柱性產業。隨著互聯網發展的進一步提升，游客的聲音將通過互聯網傳播的更快更遠，通過挖掘游客旅游后對景點的用戶體驗能夠了解消費者對待在線旅游景點需求的態度，進一步提升旅游相關企業的服務質量，改善旅游行業的口碑，提升旅游愛好者在線訂購意愿度。
1.1研究進展
自1999年起，攜程等OTA平臺初建，旅游也越來越受到消費者的青睞，旅游行業逐步發展壯大起來，旅游服務的同質化、消費者對旅游服務的不滿成為在線旅游行業需要解決的問題，學術界對在線旅游的研究由來以及，本文以中國知網（CNKI）數據為例，鍵入“在線旅游服務”檢索到9225條記錄，選取1999年及以后的相關文獻，由以下圖表可知，在線旅游認為學者們研究的重點。
1.2在線評論
在線評論是由購買者的使用產品或服務后的體驗、評價和意見[2]。在線評論可以快速幫助消費者了解商品信息，然而過多的在線評論可能導致消費者信息過載，難以處理影響消費者對有用信息的判斷[1]。眾多研究表明在線旅游評論對旅游行業有顯著影響，影響消費者對旅游目的地的形象感知、旅游決策行為和在線旅游的銷量[3]。消費者可以通過閱讀其他消費者旅游后所發表的評論減少風險的不確定性，制定切實可行的旅游計劃[4]，大數據時代可以對海量在線旅游進行分析，對于預測消費者行為及服務的升級有著至關重要的作用[5]。
2、研究方法
2.1研究設計
提高在線旅游消費者的意愿度是從根源上了解在線旅游消費者的需求，根據存在的矛盾點對癥下藥。本文從消費者旅游體驗出發，通過挖掘在線旅游訂購消費者購后景點體驗即消費者旅游后的在線評論，利用網絡爬蟲從攜程網站中挖掘多個景點消費者旅游后的在線評論，對數據進行預處理（剔除少于10個字，信息含量低的語句），利用ROSTCM6.0對挖掘到的信息進行分詞，形成獨立的單詞，統計詞頻，最后對生成的根據生成的共線矩陣利用Gephi0.9.2形成網絡可視化分析圖。
2.2數據收集
為了保證數據的非單一性和可靠性，保證所選取的數據具有一定的代表性，選取南京、廈門、北京等多個景點作為研究對象，避免數據的重復性或地點的單一所造成的數據的非客觀性，選擇攜程這一集旅游、酒店訂購、機票、簽證、門票和郵輪旅游等多元化產品為一身的在線平臺，使用Phthon編程語言提取其個景點的在線評論，較具有代表性。根據消費者對搜索引擎的翻頁數的使用習慣，消費者使用搜索引擎時大多只關注前5頁，以及攜程數據更新的及時性，本文選取2019年1月-2019年8月的評論數據，共提取攜程景點評論19875條，剔除其中數字過少或無意義的景點評論，剩余16784條攜程景點在線評論，共998017個字符，每條評論平均長度為59.462個字符。
2.3數據處理
從攜程收集的旅游景點的在線評論需進行數據的預處理，首先，剔除單條評論數字少于10個字和單詞語句重復提交的評論，由于評論數字過少時或重復，評論所能代表的有價值的旅游相關信息較少，故進行篩選剔除；其次，對剩余的在線評論進行整合，利用ROSTCM6.0進行所選內容的分詞處理，形成1000個詞頻大于1的獨立的單詞，將同義、重復詞語進行標記、剔除、整合，保證語義的非重復，對高頻詞語（即詞頻大于30的詞）共詞矩陣中的高頻非相關性詞語進行二次剔除，最終剩余119個高頻詞語用于后期的可視化分析；最后，對整合后的詞語使用Gephi0.9.2繪制攜程景點評論的網絡分析圖，以便直觀的觀察各詞語社區分布以及相關性與重要程度。
3、數據分析
3.1主題詞分析
主題詞對于分析語句含義具有重要性意義[6]，可以有效快速的分辨出攜程這一旅游的在線評論的社區分布，通過在線評論分詞后的詞頻統計和共線矩陣的相關性分析可知，攜程的在線旅游關鍵詞主要可以分為四大類，可概括為導游能力、酒店環境、景點環境以及行程安排，每一模塊的高頻詞匯又體現出消費者對此類旅游活動的關注點為何，詞頻越高關注度越大，通過提升這一方面的服務質量，可以迅速提升在線旅游消費者的好感度，提升攜程在線評論的好評率，從長遠看能夠為企業樹立良好的企業形象與口碑。如下圖3-1所示，高頻詞匯分類中景點環境的詞頻占比為27.03%，為四類高頻詞匯中比重最高的一大模塊，消費者對去哪里玩和旅游目的地的選擇有一定的自我選擇性。通過高頻詞景點（1915）、歷史（1027）、人文（125）、美麗（214）、漂亮（555）、景色（612）、推薦（596）、文化（984）、故事（334）這些高頻詞匯可知消費者不僅追求旅游過程中個人精神的追求，同時注重中華名族的文化傳承。導游能力的詞頻占比到了23.08%說明在線旅游訂購者較為看重在旅游過程中導游發揮的相關作用，愉快（356）、周到（105）、感謝（175）、耐心（194）、關懷（1700）、方便（1178）、值得（1013）、幽默（716）、責任（553）、經驗（302）、講解（376）、文化（984）、服務（453）、專業（253）、耐心（194）、推薦（596）此類形容詞可知旅游消費者關注旅游過程中與導游的互動活動，旅游是消費者離開忙碌生活回歸自然美景和人際交往的手段之一，導游的個人人格魅力也決定著消費者對旅游的總體感受，提升消費者對旅游中的價值感受。最后，行程安排和酒店安排的高頻詞匯的占比分別為13.46%和7.69%，從親子游（1157）、時間（1261）、排隊（425）、天氣（446）、體驗（476）、開心（484）等詞匯及詞頻可知，旅游消費者有意愿選擇主題型旅游項目，對旅游行程的時間安排較為看重，旅游需要滿足消費者基本訴求即愉悅心情；對酒店體驗而言，酒店的性價比，安全衛生是消費者關注的重點所在。
3.2語義關聯網絡結構圖
通過對ROSTCM6.0形成的共詞矩陣進行整合并調整為csv文件格式導入Gephi0.9.2中，刪除不相關的獨立節點，形成如下圖3-2所示的無向網絡圖。首先，從圖中可知，根據節點的顏色可將圖中節點劃分為四個社區，分別為導游社區、酒店社區、景點社區和行程社區，這一結論顯示基本與表3-1高頻詞匯分類的結果相一致；其次，通過可視化圖可知，每個社區分布為相互關聯的節點集中構成，如圖中導游與講解、愉快、責任、詳情此類高頻詞匯都有密切相關性，說明在線旅游訂購者對導游的個人幽默感和責任心都有一定的要求，節點的大小表示消費者對此類活動的情感認同感，節點所占面積越大說明消費者對此類活動的個人感知程度越強，在旅游購后體驗中占比越重，節點之間的連線（即兩節點的邊）的粗細各不相同，邊的寬度越大證明兩節點的相關性越強；最后，從攜程在線評論可視化圖可知，每個節點詞匯之間非簡單的一對一的關系，而是相互交錯互相影響的，旅游產業鏈中的企業通過對其中一個節點服務質量的提升，可能對其他節點產生不同程度的改變，這種改變的規律無法簡單概括，但相關服務的提升必然會導致這一社區總體占比的提升，在線旅游消費者對這一社區的認同感會得到相應的提升。
4、結論與建議
4.1結論
本文通過攜程平臺挖掘旅游消費者的在線評論，運用ROSTCM6.0對相關評論進行分詞，形成詞語間得得共詞矩陣，最后利用Gephi0.9.2生成攜程在線評論的可視化分析圖。從圖中我們可以精準的識別出在線旅游消費者關注的熱門話題，主要可以分為四大主社區，其中導游主社區與講解子社區聯系緊密，說明消費者考察導游是主要從導游個人的信息掌握程度方面進行定位，其次是其社會責任感與幽默程度；行程的社區中與其緊密聯系的子社區為規劃，說明在線旅游訂購消費者對整個旅游行程規劃是否合理清晰較為看重，同時對擁堵排隊等現象較為排斥；酒店社區中酒店的性價比是消費者的潛在關注點，酒店的位置、標準和房型反而與酒店的關聯度不高說明此類點評的針對性不強，如何提高高質量的相關評論的是酒店管理的重點；最后景點的相關節點較松散聯系度不足，但主要為關鍵詞多為對景色的描述和對文化的追求，體現出消費者對精神境界的追求。
4.2建議
根據以上的研究結果，本文提出以下幾點建議，以期改善和提升攜程在旅游愛好者心目中的形象感知。（1）重視和改善人文旅游資源和產品的開發。通過以上研究分析可知，消費者對人文景點的感觸較多，但聯系不足，攜程可挖掘當地的文化底蘊和歷史內涵，提升消費者對旅游的認同感。（2）增加主題信息的相關宣傳。從在線評論扽分詞結果可以看出，現如今的旅游多為家庭旅游和多人旅游為主，親子游、老人團成為時下熱門，增加消費者的體驗性項目不僅可以吸引在線旅游訂購者的注意同時增加消費者的好感度。（3）提升旅游管理行業的自身修養。旅游管理行業應通過提升自身的素質來贏得消費者的好感度，如定期對導游進行行業培訓以提高導游行業的服務質量；酒店行業要增加服務提供的質量，高質量的服務同時也能降低消費者對價格的敏感度。
參考文獻：
[1]孫茜甜.在線評論內容特征及其效價的感知有用性研究[D].山東大學,2018.
作者：胡偉利 單位：上海工程技術大學
