ANALYZING ONLINE HOTEL REVIEWS WITH SENTIMENT ANALYSIS: THE CASE OF KONYA FIVE-STAR HOTELS

Öz

Online reviews have become a very important source of information for tourists when making accommodation decisions. In this paper, sentiment analysis, a text mining technique, is used to analyze a dataset of hotel reviews collected from TripAdvisor, a globally known online platform. Sentiment analysis is one of the methods to reveal insights into the aspects of hotels that affect guest experiences. In the study, 1,449 comments made by guests staying in five-star hotels in Konya were analyzed. As a result of the analysis, comments were grouped in the context of positive, negative and neutral emotions and the percentage values of emotions were obtained with heat maps. In addition, word cloud and word frequencies and findings on which words are predominant in emotion types are also included. According to the findings, it is seen that the hotels have a high level of satisfaction, while the negative comments are generally related to staff competence, delays in check-in procedures and room service problems. Our findings provide valuable information for hotel management to increase service quality and improve customer satisfaction.

Anahtar Kelimeler

• hotel reviews
• sentiment analysis
• text mining
• online reviews

Online Otel Yorumlarının Duygu Analizi ile İncelenmesi: Konya Beş Yıldızlı Oteller Örneği

Öz

Çevrimiçi yorumlar, konaklama konusunda karar verirken turistler için çok önemli bir bilgi kaynağı haline gelmiştir. Bu makalede, dünya çapında bilenen ve çevrimiçi bir platform olan TripAdvisor’dan toplanan otel değerlendirmelerinden oluşan bir veri kümesini analiz etmek için metin madenciliği tekniklerinden biri olan duygu analizi kullanılmıştır. Duygu analizi, otellerin misafir deneyimlerini etkileyen yönlerine ilişkin içgörüleri ortaya çıkarmaya yarayan yöntemlerden biridir. Araştırmada Konya’da bulunan beş yıldızlı otellerde konaklayan misafirlerin yaptıkları 1.449 yorum analiz edilmiştir. Analiz sonucunda yorumlar pozitif, negatif ve nötr duygular bağlamında gruplandırılmış ve ısı haritaları ile duyguların yüzde değerleri elde edilmiştir. Ayrıca kelime bulutu ve kelime frekansları ile duygu türlerinde hangi kelimelerin ağırlıkta olduğuna dair bulgulara da yer verilmiştir. Elde edilen bulgulara göre söz konusu otellerin yüksek memnuniyet düzeyine sahip olduğu, olumsuz yorumlarda genel olarak personel yetkinliği, check-in işlemlerinde yaşanan gecikmeler ve oda servisi ile ilgili aksaklıklar bulunduğu görülmüştür. Bulgularımız, otel yönetiminin hizmet kalitesini artırması ve müşteri memnuniyetini iyileştirmesi için değerli bilgiler sağlamaktadır.

Anahtar Kelimeler

• otel yorumları
• duygu analizi
• metin madenciliği
• online yorum

Kaynakça

1. Ağca, Y., & Gündüz, C. (2023). Türkiye'deki Otel Konuk Yorumları ve Puanlarının Metin Madenciliği ile Analizi. Yonetim ve Ekonomi, 30(2), 397-411
2. Arya, V., Mishra, A. K. M., & González Briones, A. (2022). Analysis of sentiments on the onset of COVID-19 using machine learning techniques. ADCAIJ: Advances in Distributed Computing and Artificial Intelligence Journal, 11(1), 45-63
3. Berezina, K., Bilgihan, A., Çobanoğlu, C., Okumuş, F. (2015, February 27). Understanding Satisfied and Dissatisfied Hotel Customers: Text Mining of Online Hotel Reviews. Taylor & Francis, 25(1), 1-24. https://doi.org/10.1080/19368623.2015.983631
4. Choyan, K.Z.H. (2021) Güney Çı̇n Denı̇zı̇ Polı̇tı̇kaları Üzerı̇ne Twı̇tter Verı̇lerı̇yle Duygu Analı̇zı̇, Yüksek Lisans Tezi, Konya Teknı̇k Ünı̇versı̇tesı̇ Lı̇sansüstü Eğı̇tı̇m Enstı̇tüsü
5. Demsar J, Curk T, Erjavec A, Gorup C, Hocevar T, Milutinovic M, Mozina M, Polajnar M, Toplak M, Staric A, Stajdohar M, Umek L, Zagar L, Zbontar J, Zitnik M, Zupan B (2013) Orange: Data Mining Toolbox in Python, Journal of Machine Learning Research 14(Aug): 2349−2353.
6. extensionbox.com, https://tripadvisorreviewscraper.extensionsbox.com, Erişim Tarihi: 29.04.2024
7. Hu, Y., Chen, Y. ve Chou, H. (2017, March 1). Opinion mining from online hotel reviews – A text summarization approach. Elsevier BV, 53(2), 436-449. https://doi.org/10.1016/j.ipm.2016.12.002
8. Huang, S Y. ve Yi, S. (2021, January 1). Exploring creative tourist experience: a text-mining approach based on TripAdvisor reviews of a cooking workshop in Lisbon, Portugal, Revista Turismo & Desenvolvimento 135-148. https://dialnet.unirioja.es/servlet/articulo?codigo=8063054

9. Kim, K., Park, O J., Yun, S., & Yun, H. (2017, October 1). What makes tourists feel negatively about tourism destinations? Application of hybrid text mining methodology to smart destination management. Elsevier BV, 123, 362-369. https://doi.org/10.1016/j.techfore.2017.01.001
10. Liu, B. (2012). Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language Technologies, 5(1), 1-167
11. O’Connor, P. (2010). Managing a hotel’s image on TripAdvisor. Journal of Hospitality Marketing & Management, 19(7), 754–772
12. Özen, İ. A. (2021). Yerel restoranların değerlendirilmesinde fikir madenciliği: Gaziantep örneği. Journal of Tourism and Gastronomy Studies, 9 (1), 377-391
13. Özen, İ. A. (2022). Lüks turizm kapsamında butik otellerin değerlendirilmesi: Kapadokya örneği. Türk Turizm Araştırmaları Dergisi, 6(1), 24-39
14. Pandey (2018), Simplifying Sentiment Analysis using VADER in Python (on Social Media Text), https://medium.com/analytics-vidhya/simplifying-social-media-sentiment-analysis-using-vader-in-python-f9e6ec6fc52f, Erişim Tarihi: 30.04.2024
15. Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends® in Information Retrieval, 2(1–2), 1-135
16. Sezgin, M., & Karagöz, B. S. (2023). Turistik Destinasyon Tanıtımında Sosyal Medyanın Rolü: Göbeklitepe Örneği. Alanya Akademik Bakış, 7(3), 1161-1176.
17. Wikipedia. https://en.wikipedia.org/wiki/Orange_(software), Erişim Tarihi: 01.05.2024