民宿类型酒店网络评价分析系统研究

《民宿类型酒店网络评价分析系统研究》论文发表期刊：《现代商业》；发表周期：2021年25期

《民宿类型酒店网络评价分析系统研究》论文作者信息：1.李多，沈阳城市学院讲师，博士，研究方向：信息科学大数据与社交网络、HCI人机交互与数据可视化。 2.李畅，沈阳城市学院本科在读。 3.白丽岩，沈阳城市学院本科在读。 4.杨程程，沈阳城市学院本科在读。 5.修继翔，沈阳城市学院本科在读。

　　摘要：改革开放以来，我国酒店行业进入了高速发展阶段。随着近些年来人们出行的增多，出行目的的不同，各式特色酒店也相继出现。传统高星级酒店不断提升服务质量，提升住宿品质，与之相应的就是标准化管理，统一化设计的引入，对员工、客人及相关服务人员的培训等等，都带动了整体酒店行业的发展和提高[1]。在星级酒店提升品质的同时，住宿价格的上涨成为随之而来的副作用，直接或间接地打击了人们选择酒店的意愿。随着Airbnb这一新兴互联网概念的普及，民宿成为酒店住宿行业的新力量。作为互联网为根基的产品，产品的顾客满意度变得尤为重要，一家单体民宿酒店是否可以高速地被认可、被推广很大程度上都与这家民宿酒店的口碑密切相关。本文以国内民宿的网络评价为研究对象，通过对网络评价进行文本分析，探寻网络舆情对民宿发展的影响。

　　关键词：民宿酒店;网络评价;网络舆情

　　一、文献综述

　　当我们提及民宿，就不得不提及共享经济。宋逸群、王玉海(2016)的论文中把共享经济又称为分享经济或协同消费，最早是1978年美国伊利诺伊大学香槟分校教授MarcusFelson和JoeL.Spaeth提出的，他们认为“协同消费是一种满足日常需求并与他人建立关系的日常活动”[2]。现代民宿的概念作为共享经济中的一种，以B2C或者C2C的方式进行，在2018年时大陆地区民宿类共享经济的交易额就达到约165亿元，住房人数约7945万人次，20岁～36岁的年轻人居多，占到总用户人数的七成。民宿类的特点是价格经济、风格各异、交通便利、选择宽泛[3]。虽然共享经济、民宿在实践经营方面已经取得了不小的成就，由于此类事物出现的时间较短，对共享类经济模式的研究还有局限和不足，例如如何提高共享经济的利用效率，如何提高民宿的入住率都是现在存在的问题，例如Airbnb在价格上比星级酒店有优势，但是入住率却显著地域星级酒店。在民宿当中，消费者不能直接观察民宿业者的真实信息，大多数消费者只能通过在线平台的用户评价来间接判断房源优劣[4]。

　　当消费者特别关注用户评价的时候，整个网络媒体对于单体民宿店家的舆情评价就显得非常重要了。舆情的好与坏、多与少都会与民宿酒店的经营密切相关。刘颖洁(2020)对于民宿中购买意愿影响因素的研究中提到，影响购买意愿最大的驱动力是信任感知，好感度、正面信息都会提升信任感，换个角度分析即，正面信息或积极评价对提升消费者订购民宿有积极作用[5]。目前，民宿行业出现了竞争激励，产品同质化严重的问题，并且法律法规还不够健全，信用体系不完善，导致很多负面评价滋生，批评声音在网络上不断高涨[6]。文本情感分析包括主观性的文本分析，即两级(正面positive赞赏与负面Negative批判)，有一些学者认为还应该加入中性(Neutral)，但本文中主要关注两级词汇[7]。本研究将对网络评价的文本信息进行情感分析，从文本中出现的高频词汇中分析正面情感与负面情感高频词组，组成词典给民宿业者在网络评价活动中提供参考和帮助。

　　二、研究方法

　　本研究使用新浪微热点舆情监测平台，对全网关于酒店行业进行舆情监测。数据监测时间为2020年5月1日～2020年10月31日为期6个月。总共收录有关酒店民宿舆情信息98202条，其中敏感信息4894条。信息平台包括微信、微博、客户端、新闻、网站、论坛、报刊、博客、视频、外媒、及政务。

　　三、研究过程

　　通过对数据的去重、清洗，提取核心敏感文本数据，通过ROSTCM6软件进行文本内容分析。提出每个月份中敏感词汇词频前50名，再根据高词频敏感词汇构建网络关系图。

　　通过微热点舆情监测平台的观察，2020年5月1日起至2020年10月31日止，总共监测数据详情见表1，敏感词汇相关数据是从总体关于酒店监测数据中提取。

　　民宿舆情监测数据的各月分布基本稳定，在15000条左右，且客户端信息数量约占各月的1/3，微信、微博的数据量次之，如图1所示。

　　相比各月民宿舆情的数据量，敏感信息的数量则起落程度非常大，波动剧烈。2020年5月的敏感信息量最少为115条，而2020年7月的敏感信息量则最高为1578条。2020年10月份为1118条，其他时间段都有所回落，在500条左右徘徊。其中，敏感数据的发文方式为微信居多，如图2所示。

　　从新浪微热点舆情监控平台提取敏感舆情信息内容，经过对内容的去重和清洗，将文本内容通过ROSTCM6.0软件进行高频词分析。得到表2关于各月份前50名高频词汇及其对应的出现频率。经过两名心理学专业学生分析打分，对于敏感负面词汇的Cohen'sKappa值为.92。在表2中，用粗体标注出监测负面敏感词汇。

　　通过ROSTCM6.0软件对这些负面敏感词汇进行网络社群关系分析，绘制网络关系图，可以得到如图3的民宿舆情敏感词汇关系图。其中红色的词汇为最为敏感的一类法律相关词组;深色所代表的是与酒店相关的特殊问题敏感词汇;浅色代表的是行业核心词汇。

　　四、探讨分析

　　通过新浪微热点舆情监控平台对于酒店行业半年的信息监控可以发现，酒店行业的舆情信息量还是比较稳定的，其中包括了很多商户的营销文章和广告推荐。当选取系统中提取的敏感信息时，根据图 2 得到的结论看，每个月份是不平均不稳定的。

　　当社会舆论中有关于酒店行业的负面相关报道的时候，整体民宿类舆情的关注度和热点也随之被带往负面倾向，主要的问题集中在与法律相关的方面。通过表 2 中的敏感关键词也可以判断出。“依法”“犯罪”“关停”“责令”“涉嫌”等等都是关于法律层面的敏感词汇。一些特定事件的发生也会导致民宿负面情绪的增长，例如试衣间发现针孔摄像机的案件，会对整个民宿行业带来信任危机，虽然是个别店家的事件，其效果和副作用往往会波及面很广，且燃烧度不会立刻降温。如果是平常的法律问题，此类事件的时效性大多维持一周作用，很少会持续数月。

　　但个别事件会持续相当长的时间，从敏感词汇中试衣间针孔摄像机最初出现在 2020 年 7 月，到 2020 年 10 月时，网络中仍然迷茫着对于摄像头问题的讨论。也就是说这种个别案件的杀伤力更强。更应该提醒民宿业者的高度关注，提早做好防范准备和正面信息宣导。

　　通过其他敏感词汇也会发现“卫生”“投诉”“维权”“服务”也都是出现非常高的词汇，他们虽然不都是负面敏感词汇，也侧面体现了网络群体对民宿类酒店的关注点。当民宿业者注意到这些关注点的时候，可以通过提升相关关注内容的品质，打出宣传广告，迅速地将本体民宿酒店向外推广，体现了挑战即机遇的理念。

　　五、研究结论

　　通过对网络舆情关注内容的文本及情感分析，有助于民宿业者掌握最重要的消费者关注角度，提升民宿酒店的服务品质，改善民宿酒店宣传困境。并提醒相关研究者，共享经济模式下，舆情信息的正负面会直接导致经营效果的成败。要注重对用户评价系统，网络舆情系统的研究。未来可以通过机器学习和文本挖掘已经多媒体下的数据挖掘辅助民宿产业或其他共享经济产业面对负面信息的应对措施和防范手段。保障经营活动正常有序进行，网络营销推广效率大力提升。

　　参考文献：

　　[1]来逢波.酒店文化与酒店竞争力互动创新模式的构建研究[J].商场现代化，2005(27)：359-360.

　　[2]宋逸群，王玉海.共享经济的缘起、界定与影响[J].教学与研究，2016(09)：29-36.

　　[3]刘子锋，尤杰舜，陈怡晴，苏贝克，刘飞翔.民宿类共享经济的现状、问题与对策[J].台湾农业探索，2020(01)：49-53.

　　[4]徐峰，张新，梁乙凯，王高山，陈云.信任构建机制对共享民宿预订量的影响——基于Airbnb的实证研究[J/OL].旅游学刊，2020-11-25[2021-04-02].

　　[5]刘颖洁.中美在线民宿短租购买意愿影响因素比较[J].经济地理，2020，40(01)：234-240.

　　[6]王子捷.我国在线短租行业的现状问题及对策——以Airbnb在中国本土化的发展现状为例[J].产业与科技论坛，2020，19(15)：16-17.

　　[7]杨立公，朱俭，汤世平.文本情感分析综述[J].计算机应用，2013，33(06)：1574-1578+1607.