Modern Management
Vol. 10  No. 04 ( 2020 ), Article ID: 37123 , 11 pages
10.12677/MM.2020.104071

Research on Hotel Image Perception Based on UGC

—A Case Study of a Tour Hotel (Hangzhou West Lake Guyu Road)

Yuying Chen, Beilei Hu, Yuanyuan Fan

School of Tourism and Urban-Rural Planning, Zhejiang Gongshang University, Hangzhou Zhejiang

Received: Jul. 28th, 2020; accepted: Aug. 12th, 2020; published: Aug. 19th, 2020

ABSTRACT

Based on social comments and pictures in Ctrip OTA, this study adopts the method of text word frequency statistics, supplemented by Python language to judge the emotional tendency of text and statistics of emotional words, and analyzes the cognitive image and emotional image of Atour Hotel (Hangzhou West Lake Guyu Road). The research shows that in terms of cognitive image, customers’ impression of themed boutique hotels is still dominated by location, facilities and services of the hotel, and the IP concept of the hotel does not leave a deep impression. In terms of emotional image, whether positive or negative, it is the overall experience and the hotel environment that can better attract the mood of the guests. When the immersive experience provided by the hotel to the guests is insufficient, the guests seldom have enough feedback on IP, and the effect of using IP to operate their own hotel brand community is not high. Based on the research results, this paper puts forward suggestions for the construction of IP hotel image.

Keywords:UGC (User-Generated Content), Cognitive Image, Emotional Image, Sentiment Analysis

基于UGC数据酒店形象感知研究

——以杭州西湖玉古路亚朵S吴酒店为例

陈钰莹,胡蓓蕾,樊媛媛

浙江工商大学旅游与城乡规划学院,浙江 杭州

收稿日期:2020年7月28日;录用日期:2020年8月12日;发布日期:2020年8月19日

摘 要

该研究以在携程OTA的社交评论和图片为素材,采用文本词频统计的方法,辅以Python语言对文本情感倾向进行判断和情感词的统计,对杭州西湖玉古路亚朵S吴酒店认知形象和情感形象进行分析。研究表明:在认知形象方面,顾客对于主题精品酒店的印象,仍然以酒店的区位、设施、服务为主,酒店的IP概念并没有留下深刻印象;在情感形象上,无论是积极亦或是消极情感上,都是整体体验和酒店环境更能牵引住客的情绪。当酒店提供给住客的沉浸式体验不足时,住客较少对IP有足够反馈,利用IP经营自身酒店品牌社群的成效不高。本文基于研究结果,为IP酒店形象的构建提出建议。

关键词 :UGC数据,认知形象,情感形象,情感分析

Copyright © 2020 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

随着互联网及社交媒体成为了目的地形象传播的主流平台,通过“由用户产生的内容(user-generated content, UGC) [1] ”所构建的品牌形象已成为影响潜在决策的重要因素。赵宇翔、范哲等 [2] [3] 研究表示,UGC研究主题具体表现为用户评论与口碑对旅游行业、酒店、产品销售、餐饮娱乐等的影响。

而为了解消费者的满意度和情感倾向,会常用到情感分析技术,其主要应用于产品评论、社会舆情等领域。刘逸等 [4] 基于大数据设置了情感分析的六类测评规则,最终得出一种与权威检测数据最为吻合的测评规则,叶强 [5] 等采用SVM算法进行评论情感分类,这些研究使得情感分析技术在旅游领域逐渐发展成熟。

酒店的竞争日益激烈,从卖房间,到卖服务,再到如今的卖文化体验。当前很多酒店都在酒店的文化体验上用功,形成自己酒店的企业品牌,但因为酒店具有企业的有形性,又有旅游业的无形性的特性,塑造酒店形象就更加困难复杂。

品牌形象是消费者对品牌的主观认知,来自于消费者对品牌的概念和图像的感知,及其关于品牌的联想和评价,是消费者对品牌的总体感知或全部印象。有关品牌形象与品牌联想之间关系的问题,国内在这方面的实证研究相对较多,并取得不少成就。范秀成和张辉(2012)以酒店企业为例,对服务品牌形象是否影响企业绩效及探究如何提升品牌形象进行检验 [6]。

因此本文根据品牌形象理论,利用网络文本分析技术研究酒店认知形象和情感形象,在单一使用网络文本的基础上,结合“有图评论”中图片和文本相结合形成的图片数据,加深对认知形象的研究深度,同时尝试引入基于词汇匹配技术的情感分析方法,加深情感形象的研究深度。

2. 研究设计

2.1. 研究方法

本文以入住杭州西湖玉古路亚S吴酒店(下文简称“吴酒店”)的住客为研究对象,使用Python编写的相关文本分词工具,通过统计词频、对名词词频和图片按照不同维度进行分类,进行对酒店认知形象的研究。使用基于情感词典的情感分析法对网络评论文本进行质性研究,同时对情感词进行积极和消极两个维度分类。具体地,主要通过构建待匹配的词汇库、设定情感值和情感倾向的计算方案以构建情感分析模型,并使用Python编程技术进行情感评价结果的计算。结合图片信息,对正面评论和负面评论进行情感形象上的研究分析。

2.2. 研究对象

吴酒店,位于玉古路,是亚朵和著名财经作家、吴晓波频道创始人吴晓波联手打造的中国一家社群酒店。亚朵创立IP酒店合作模式,通过合作打开IP,为消费者带来沉浸式的空间体验,通过IP文化和完整的消费体验吸引中产阶级用户。2018年,“亚朵指数”被《2018中国新商业城市研究报告》称为新商业城市的三大指数之一。酒店行业正在从经营房间到运营人群转化,用户购买的不仅仅是产品本身,更是对品牌的信任。截止2018年12月,亚朵的IP合作方有8家,门店则有 10 家(不包含快闪酒店),而“吴酒店”是亚朵探索IP酒店发展第一阶段。“吴酒店”的酒店影响力、IP酒店发展历史、发展现状、入住热度等基本情况均为本研究的开展提供了有利条件。

2.3. 研究过程

2.3.1. 文本抓取与图片提取

在数据来源上,综合比较各线上旅行商提供网络评论数据的样本量、文本结构、用户多样性,选取携程作为评论数据来源,评论生成的日期集中评论和图片的生成日期集中在2016年12月~2019年6月。使用网络爬虫工具,共攫取到的评论数量为 2060 条,其中206条为有图评论,共627张图片。经过筛选,忽略字数少于50字、没有意义的评论,且保证评论的可比性,最终保留评论551条,共48,202字,627张图片全部保留。

2.3.2. 情感分析测评步骤

对于情感分析的测量模型,学界尚未有统一的定论,刘逸等 [4] 基于大数据设置了情感分析的六类测评规则并经过单年度和多年度校验,最终得出一种与权威监测数据最为吻合的测评规则。本文的情感分析模型主要参考刘逸等 [4] [10] 的研究结论,具体测评方案如下:

1) 情感词库构建。以HowNet的中文情感词典为基础。由于单一的情感名词较少出现在吴酒店的评论中,所以根据赵春利《情感形容词与名词同现的原则》 [7]、潘震《情感致使构式的认知转喻特质》 [8] 研究,在情感词库中加入基于吴酒店评论文本可转喻为情感的名词、形容词和动词。人工提取到的、词典未包含的正面情感词118个、负面情感词128个。

程度级别词语以HowNet的为基础,已根据强烈程度被划分成五个倍数级别,否定词库和转折词库的构建考了刘逸等 [4]、邸鹏等 [9] 的研究,同时否定词库在中科院整理的词库基础上增加。否定词和转折词分别包含79个和28个,其中转折词被分为两类(见表1)。

Table 1. Adversarial lexicon

表1. 转折词词库

表格来源:参考刘逸等 [4]、邸鹏等 [9] 的研究。

2) 模型规则制定。以匹配到的情感词为基础,根据情感词前后的程度词、否定词、转折词的词性,乘以一定的系数,再将负面情感词乘以情感乘数后,计算每一条评论的情感得分。具体地,先赋予所有正面/负面情感词汇以1/−1的分值,作为情感得分的基础分;当情感词前后出现程度词时,按照其强烈程度,将情感得分乘以0.5/1.5/2/2.5/3 (分别对应欠/稍/较/很/极其);当情感词前出现一个否定词时,将情感得分乘以−1,当出现多重否定时,奇数个否定则情感得分乘以−1,偶数个否定则情感得分不变;当情感词前出现转折词时,第一类转折词乘以−0.5,第二类转折词乘以2。

3) 情感倾向判定。设定情感乘数为5,即如果一条评论的正面得分不小于负面得分绝对值的5倍,则判定其为正面评论;如果正面得分不大于负面得分绝对值的2倍,则判定为负面评论;其余则为中性评论。

2.3.3. 认知形象和情感形象分析方法

本研究针对UGC图片中目的地形象构成要素进行分析,其中根据“认知–情感”结构理论将分析的对象聚焦于图片所展现的酒店事物和相关图片评论。分析的路线如图1所示,另外图片的评论信息反映阅读者时的感受,基于赵春利 [7]、潘震 [8] 的研究,情感形容词、情感动词、情感名词在一定程度上可视为酒店形象的体现。本文所采用的方法最终得到的是基于网络UGC图片的酒店形象。

来源:作者绘制。

Figure 1. The process of Hotel image analysis

图1. 酒店形象分析的路线

1) 认知形象分析过程。对相关文本进行处理和分析。对文本评论中的名词词频进行统计,并将高频出现的名词作为最重要内容,整理后命名为“文本高频名词”,基于“文本高频名词”人工对评论图片进行分类,整理数据命名为“图片高频名词”,即住客对吴酒店认知形象的体现。内容与图片组成方式是图像分类的主要依据,根据名词的词性,对文本高频词划分为7个维度,并分别统计文本高频名词在各维度间的数量及分布情况。用计算机对图片进行维度匹配并进行分析。

2) 情感形象分析过程。基于Hownet词典和自建的感情词典,对文本评论出现的积极性和消极性评价性形容词等进行分类统计,高频词情感意象反映住客对吴酒店的情感感知。另外根据酒店入住评论的维度,将情感词按照“体验”、“设施/产品”、“服务”、“环境”四个维度分类,结合评价图片对应的文本情感倾向,对酒店做出情感形象分析。

3. 结果分析

3.1. 认知形象分析结果

3.1.1. 认知高频词

本文对图片内容进行分析和统计,共得到201个高频名词,总频次4090次。表2为前50的高频名词信息汇总。

Table 2. Ctrip OTA comment picture information in the noun high frequency word statistics (top 50 items)

表2. 携程OTA的评论图片信息中名词高频词统计(前50项)

表格来源:作者绘制。

在所有高频词中过滤了诸如“亚朵”、“酒店”等多次重复出现的词汇,剩余的高频词多以名词出现,评论图片内容的描述更倾向于酒店内部场所描述有关。如表2所示,住客评论相对集中的酒店内部场所包括:房间、前台、大堂、停车场、餐厅、书吧、卫生间、健身房等。从统计结果看,客房所占比例较大,且与拍照热点地点保持一致。另外,酒店服务、内部设施及酒店周边景点、建筑等排名也较为靠前。

3.1.2. 认知维度

通过将图片元数据中的名词进行分类及合并,总计得到7个图片维度内容:人物、地点、交通、活动、场所、风格、设施/产品。进一步,通过人工按维度分类,得到的结果及各维度所占比例如表3所示。

Table 3. The dimensions are divided according to the content of the picture

表3. 根据图片内容进行维度划分所得各维度图片比例

表格来源:作者绘制。

其中,场所类(28.04%)占比最高,词频为912次,图2是包含“场所”的评论图片举例,主要为酒店的各个区域、场所,包括:房间、前台、大堂、停车场、餐厅、书吧、健身房等,表明住客高度关注酒店内部场所。地点类(21.40%)占比第二,词频为696次,图3是包含“地点”的评论图片举例,主要包括西湖、杭州、浙大、黄龙体育中心、灵隐寺、植物园等,主要为酒店周边景点及场馆,主要体现住客选择酒店时是对酒店地理区位的重视。设施/产品类(16.24%)占比第三,词频为528次,主要包括枕头、矿泉水、空调、床品、拖鞋等,表明住客对酒店内部设施或所提供的产品更感兴趣。服务员、早餐等也取景较多。

来源:携程网,杭州西湖玉古路亚朵S吴酒店的有图评论,作者整理

Figure 2. Photo containing “interior place” in the comment

图2. 包含“场所”的评论图片举例

来源:携程网,杭州西湖玉古路亚朵S吴酒店的有图评论,作者整理

Figure 3. Photo containing “surrounding venue” in the comment

图3. 包含“地点”的评论图片举例

3.2. 情感形象分析结果

3.2.1. 情感高频词

基于“知网Hownet”情感词典,使用Python中自然语言分析工具“NLTK”等,对情感形象要素进行分类。根据情感形象要素的归类方式,对图片评论中的情感形容词进行了分类及词频比例统计,得到分析结果如表4表5所示。

Table 4. Positive emotion words rank in the top 50 statistics

表4. 积极情感词排名前50统计

表格来源:作者绘制。

Table 5. Negative emotion words rank in the top 50 statistics

表5. 消极情感词排名前50统计

表格来源:作者绘制。

由结果可以看出,住客对吴酒店的情感内容主要集中在体验和环境两个维度,其次是设施/产品和服务两个维度。分析共得到情感高频词287个,其中积极情感词出现频率最高,共2446次,消极情感词仅389次。并且情感词中主要以两字词为主,体现了网络评论的简短、直接、态度鲜明等语言特点。

3.2.2. 情感分析结果

基于本文的情感分析模型,最终得出:在551条酒店住客评论中,有正面评论465条,中性评论32条,负面评论52条,另有2条评论没有感情词。表6为住客评论文本情感倾向统计。

Table 6. The emotional tendency of guest review texts

表6. 住客评论文本情感倾向统计

表格来源:作者绘制。

综合评论图片中的情感高频词及文本情感倾向,住客对酒店总体持积极态度,且在体验和环境两个维度上,体现出较为明显的情感倾向。

图4是包含“小清新”的评论图片举例,从图中可以看出多以装饰物为主,无处不在的小饰品和设计感的产品,形成酒店小清新的风格。表明在住客对酒店的环境风格和氛围的感知中,装饰物之间的协调对住客大脑信息加工产生影响。图5是包含“体验差”的评论图片举例,包括、脏床单、脏花洒、碎玻璃、不合理设计门把等,表明住客在入住酒店的体验差主要由设施问题和清扫服务造成,细微之处对提升住客体验感起关键性作用。

来源:携程网,杭州西湖玉古路亚朵S吴酒店的有图评论,作者整理

Figure 4. Photo containing “fresh breeze” in the comment

图4. 包含“小清新”的评论图片举例

来源:携程网,杭州西湖玉古路亚朵S吴酒店的有图评论,作者整理

Figure 5. Photo containing “poor experience” in the comment

图5. 包含“体验差”的评论图片举例

4. 结论与建议

4.1. 结论

本文通过对网络评论文本和图片进行质性研究,在酒店形象上主要归纳出四点结论。

1) 酒店IP仍未成为构成酒店认知形象的重要因素。

住客对于主题精品酒店的印象,仍然以酒店的区位、设施、服务为主,酒店的IP概念或名称并没有给住客留下深刻印象。就本文对吴酒店的研究来看,顾客拍照地点的高频区域是客房、餐厅、书吧。而在拍照物件上,房间的茶具无疑是出现频率最高的,其次是酒店的装饰物。文本内容中,词频排名前10的名词以酒店设施、服务、周边环境为主。住客的关注点更多的集中在酒店的房间、设施、地理位置,如床品、装修设计风格、与景点或场馆的距离等方面。

2) 住客对酒店情感形象的整体评价以正面为主。

住客对吴酒店的总体评价比较积极,满意度较高。住客对吴酒店的积极情感多数集中在酒店内部环境设施方面,产生出“温馨”、“贴心”、“舒服”的情感形容词,与亚朵品牌提倡的“提供优质的酒店服务和生活方式”契合。而住客的消极情感主要归类于酒店体验中,部分与环境相关,大部分住客认为酒店的服务、环境的整洁卫生程度存在不足之处,对此产生“脏”、“难闻”、“味道大”等消极情感形容词。

3) 酒店IP文化营造未能强化住客对IP的联想。

当酒店的IP文化氛围或主题氛围营造欠缺,提供给住客的沉浸式体验不足时,住客往往不能对IP或主题有足够的反馈。顾客对酒店内关于茶和书的关注度是存在的,但是住客大多没有联想到酒店的IP及其产品,如:“巴九灵茶”、“吴晓波的书”、“吴晓波频道”等。亚朵酒店针对“场所”元素,在2019年策划过一个“亚朵奇妙夜”的IP跨界活动,联合了9大国内知名IP,打造了9间风格迥异的主题房。而亚朵S吴酒店与之相比,酒店内部的装修设计以及房间内的陈设、装饰等明显没有营造出具有足够吸引力的IP文化氛围,顾客的消费体验就会远远低于预期。

4) 酒店有利用IP做噱头营销的嫌疑。

酒店利用IP吸引媒体注意的成效远大于利用IP经营自身酒店品牌社群的成效。与IP的合作为亚朵带来了超高的品牌曝光,更加立体丰富的用户画像,形成自身酒店品牌的社群效益。但住客给IP方带来的效益却较小,住客再次入住原因不是亚朵与IP融合营造的文化氛围,而是亚朵服务。IP与酒店的融合文化未能将住客转化为对酒店品牌具有高黏性、高忠诚度的粉丝群体。

4.2. 建议

基于UGC图片吴酒店形象感知研究,本文认为酒店做好保证酒店服务和强化酒店IP概念工作,主要建议有以下三点。

1) 服务创新立足于卫生和设施质量上。

重视酒店卫生情况和设施状况,然后再是服务创新,才能维持消费者粘性,减少消费者的一次性消费,展现酒店正面的情感形象。不可否认酒店是利用IP来吸引消费者,但消费者更注重入住体验。IP酒店的经营理念是“经营人群”,但仍需重视“经营房间”,保证房间的质量,加强对卫生环境的监管。其次,服务创新,吴酒店首先是亚朵旗下的酒店,更应保持秉承亚朵品牌的“人文、温暖、有趣”的产品哲学观,提供人性化服务,为住客提供温暖、舒适的服务,然后再是IP酒店,营造IP文化氛围。

2) IP酒店的文化氛围营造要直接、突出。

不是所有的住客都对IP有深刻的印象或对IP熟悉,住客无法通过出现频率较低的IP物品联想到对应的IP。IP是IP酒店的核心要素,是它区别于大多数主题酒店的重要特征,因此IP酒店在运营、建设的过程中应加入更多有关IP的设计元素,突出酒店IP亮点,来吸引消费者的注意,加深其记忆。对吴酒店来说,可将吴晓波频道IP产品,吴晓波的书、巴九灵茶、吴酒和匠人精神这些元素与酒店本身更好的融合,例如在酒店内举办展览、沙龙、书友会;在酒店内开辟茶室来宣传推销巴九灵茶;在酒店内住客拍照高频区域,添加相关的创意海报、小型展柜等。记忆的规律是识记、保持、再认、回忆和遗忘,最好的记忆是恰到好处的重复,通过重复IP元素,使住客形成记忆,给客人带来明确的酒店认知形象,住客才会主动传播酒店里的IP,带动更多流量和销量,实现1 + 1 > 2的合作。

3) IP选择与酒店定位匹配。

酒店要谨慎选择IP,使IP内容在酒店有可发展的空间。同一IP的酒店复制难度高,第一家有关“匠人精神”的吴酒店建立于西安,杭州西湖玉古路亚朵S吴酒店复制了其IP内容,成为亚朵第一个IP的第二家酒店,但与西安吴酒店相比该酒店的IP意义不够明确,难以突出酒店特色。吴酒店的定位是商务酒店,但在206条有图评论中,仅有45条是商务入住客人的评论,其他多位亲子、朋友或情侣等共同入住。或许是“吴晓波”这一IP更对应商务人士,所以多数住客对吴酒店的IP反馈不多。由此可见,酒店选择IP时应根据酒店自身定位选择相匹配的IP,以保证酒店的个性与特色,又或是发掘IP外延内容,使IP内容有外向延伸的空间,与酒店定位匹配。

文章引用

陈钰莹,胡蓓蕾,樊媛媛. 基于UGC数据酒店形象感知研究——以杭州西湖玉古路亚朵S吴酒店为例
Research on Hotel Image Perception Based on UGC—A Case Study of a Tour Hotel (Hangzhou West Lake Guyu Road)[J]. 现代管理, 2020, 10(04): 585-595. https://doi.org/10.12677/MM.2020.104071

参考文献

  1. 1. Wunschvincent, S. and Vickery, G. (2007) Participative Web and User-Created Content: Web 2.0, Wikis and Social Networking. Sourceoecdence & Information Technology, 2007, i-128(129).

  2. 2. 范哲, 朱庆华, 赵宇翔. Web 2.0环境下UGC研究述评[J]. 图书情报工作, 2009(22): 60-63.

  3. 3. 赵宇翔, 范哲, 朱庆华. 用户生成内容(UGC)概念解析及研究进展[J]. 中国图书馆情报, 2012(5): 68-81.

  4. 4. 刘逸, 保继刚, 朱毅玲. 基于大数据的旅游目的地情感评价方法探究[J]. 地理研究, 2017, 36(6): 1091-1105.

  5. 5. Ye, Q., Zhang, Z. and Law, R. (2009) Sentiment Clas-sification of Online Reviews to Travel Destinations by Supervised Machine Learning Approaches. Expert Systems with Applications, 36, 6527-6535. https://doi.org/10.1016/j.eswa.2008.07.035

  6. 6. 范秀成, 张辉. 服务品牌形象提升策略研究——基于酒店业的实证研究[J]. 当代财经, 2012(3): 63-71.

  7. 7. 赵春利. 情感形容词与名词同现的原则[J]. 中国语文, 2007(2): 125-132.

  8. 8. 潘震. 情感致使构式的认知转喻特质[J]. 外语教学, 2014(2): 8-11.

  9. 9. 邸鹏, 李爱萍, 段利国. 基于转折句式的文本情感倾向性分析[J]. 计算机工程与设计, 2014(12): 4289-4295.

  10. 10. 刘逸, 保继刚, 陈凯琪. 中国赴澳大利亚游客的情感特征研究——基于大数据的文本分析[J]. 旅游学刊, 2017, 32(5): 46-58.

期刊菜单