هوش کسب و کار در بررسی آنلاین متون مشتری: درک ادراکات مصرف کننده و عوامل تاثیرگذار

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
11
نشریه :
الزویر
تعداد رفرنس ها :
90
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Customer satisfaction Customer dissatisfaction Online textual reviews Text mining Regression
کلمات کلیدی :
رضایت مشتری ، نارضایتی مشتری ، بررسی مصاحبه های آنلاین ، استخراج متن ، رگرسیون
عنوان فارسی :

هوش کسب و کار در بررسی آنلاین متون مشتری: درک ادراکات مصرف کننده و عوامل تاثیرگذار

عنوان انگلیسی :

Business intelligence in online customer textual reviews: Understanding consumer perceptions and influential factors

ژورنال :
International Journal of Information Management
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0268401217301378
آدرس DOI :
https://doi.org/10.1016/j.ijinfomgt.2017.06.004
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 10

نشریه : الزویر

تعداد رفرنس ها : 90

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Customer satisfaction Customer dissatisfaction Online textual reviews Text mining Regression

کلمات کلیدی : رضایت مشتری ، نارضایتی مشتری ، بررسی مصاحبه های آنلاین ، استخراج متن ، رگرسیون

عنوان فارسی : هوش کسب و کار در بررسی آنلاین متون مشتری: درک ادراکات مصرف کننده و عوامل تاثیرگذار

عنوان انگلیسی : Business intelligence in online customer textual reviews: Understanding consumer perceptions and influential factors

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0268401217301378



چکیده انگلیسی
With the rapid development of information technology, customers not only shop online—they also post reviews on social media. This user-generated content (UGC) can be useful to understand customers’ shopping experiences and influence future customers’ purchase intentions. Therefore, business intelligence and analytics are increasingly being advocated as a way to analyze customers’ UGC in social media and support firms’ marketing activities. However, because of its open structure, UGC such as customer reviews can be difficult to analyze, and firms find it challenging to harness UGC. To fill this gap, this study aims to examine customer satisfaction and dissatisfaction toward attributes of hotel products and services based on online customer textual reviews. Using a text mining approach, latent semantic analysis (LSA), we identify the key attributes driving customer satisfaction and dissatisfaction toward hotel products and service attributes. Additionally, using a regression approach, we examine the effects of travel purposes, hotel types, star level, and editor recommendations on customers’ perceptions of attributes of hotel products and services. This study bridges customer online textual reviews with customers’ perceptions to help business managers better understand customers’ needs through UGC.

چکیده فارسی
با توسعه سریع فناوری اطلاعات، مشتریان نه تنها آنلاین را خریداری می کنند، بلکه در رسانه های اجتماعی نیز بررسی می کنند. این کاربر محتوای ایجاد شده (UGC) می تواند مفید باشد تا تجارب خرید مشتریان را درک کند و نیت خرید مشتریان آینده را تحت تاثیر قرار دهد. بنابراین، هوش تجاری و تجزیه و تحلیل کسب و کار به طور فزاینده ای به عنوان راه برای تجزیه و تحلیل UGC مشتریان در رسانه های اجتماعی و حمایت از فعالیت های بازاریابی شرکت حمایت می شود. با این حال، به دلیل ساختار باز آن، UGC مانند بررسی مشتریان می تواند تجزیه و تحلیل دشوار باشد، و برای شرکت ها استفاده از UGC چالش برانگیز می باشند. پر کردن این شکاف، این مطالعه با هدف بررسی رضایت مشتری و نارضایتی نسبت به صفات محصولات و خدمات هتل بر اساس بررسی متون آنلاین مشتری انجام می شود. با استفاده از رویکرد معانی متن، تجزیه و تحلیل معنایی نهفته (LSA)، ویژگی های کلیدی را که رضایت مشتری را رضایت بخش و نارضایتی نسبت به ویژگی های هتل و خدمات هتل می بریم شناسایی می کنیم. علاوه بر این، با استفاده از رویکرد رگرسیون، اثرات اهداف سفر، انواع هتل ها، ستاره ها و توصیه های سردبیری را در درک مشتریان از ویژگی های محصولات و خدمات هتل بررسی می کنیم. این مطالعه مشتری های آنلاین بررسی متنی را با درک مشتریان به منظور کمک به مدیران کسب و کار به منظور درک نیازهای مشتری از طریق UGC می کند.

موضوعات مقاله