제목 그대로 호텔 Guest Cycle 내의 서비스 실패 유형을 이해하는 데 자연어 처리 측면의 분석기법을 사용하는 논문이다. 예전에는 WOM(Word of Mouth)의 구전 전달 방식으로 인해 주변 사람들에게만 말이 전달되었지만, 인터넷이 발전되어 가면서 e-WOM 형태로 변형되어졌다. 사람들은 해당 호텔을 이용하고 난 후 리뷰를 작성하는 것으로 본인이 좋았던 점, 불만족스러운 점을 작성하고 이를 분석해서 조금 더 이용객에 만족감을 제공해줄 수 있을 것이다.
Guest Cylce은 총 4 스테이지로 구분해 어떤 스테이지에서 호텔 투숙객이 불만을 느끼는지 체크해 해당 스테이지를 개선함으로써 보다 소비자들에게 만족감을 줄 수 있고, 해당 논문에서는 Guest Cycle만 고려하는 것이 아니라 문화까지 접목시켜 서로 다른 문화권을 가진 투숙객 간에도 불만족을 느끼는 스테이지의 차이가 있을 것이라는 아이디어에서 출발했다.
사람들은 호텔을 이용할 때 상대적으로 좋은 평을 작성한 리뷰를 참고하기보단 리뷰가 부정적으로 작성된 부분에 조금더 민감한 반응을 보인다. 그렇기 때문에 논문에서는 평점이 1-2인 리뷰를 부정적인 리뷰라고 구분 짓고 TripAdvior에서 해당 리뷰만 크롤링해 사용했다. 아시아인과 아시아인이 아닌 사람의 리뷰를 수집했고, 총 390,236개의 단어로 구성되어 있다.
리뷰를 크롤링하고 형태소 분석은 Stemming(어간추출)을 사용하고 Stopword도 처리해주었다. n-Gram 기반 모델과 TF-IDF를 활용해 동시 출현(Co-Occurrence) Association 을 통해 단어 간 유사도를 측정했다.
부정적인 리뷰 중 Occupancy 단계가 80%를 차지하는데, 호텔 투숙객은 호텔 시설의 대부분을 Occupancy 단계에서 사용하고 서비스 역시 Occupancy 단계에서 많이 제공을 받기 때문에 더 많은 불만을 느끼는 것으로 확인되고, 아시아인과 비 아시아인 모두 Front-Office에 대해 불만족을 느끼는 경우가 30%를 넘기는 것으로 보아, Front-line 직원의 교육을 통해서 투숙객의 만족도를 어느정도 높일 수 있을 것이다.
Housekeeping(객실 상태)는 아시아인보다 비아시아인이 조금 더 민감하게 느끼고, Enginerring(수압, 공기질) 등의 경우에는 아시아인이 더 민감하게 반응하는 것을 볼 수 있다. 보안에 대해서는 아시아인의 경우에는 거의 반응을 하지않고, 비아시아인의 경우 상대적으로 엄청 민감하게 반응한다.
그렇게 복잡한 모델을 사용하지 않고 분석을 시행했지만 인력으로 직접 파악한 것보다 시간, 인력의 소모가 덜하고 어느정도의 성능을 보여준다.
