Cilt 12 Sayı 1 (2024): Business & Management Studies: An International Journal
Makaleler

Otellere için paylaşılan çevre ile alakalı yorumların metin madenciliği ile analizi: Antalya otelleri üzerine bir araştırma

PDF
  • Meryem Gürbüz,
  • Dilek Sürmeli,
  • Kamil Taşkın,
  • Halil İbrahim Cebeci
Meryem Gürbüz
Y.L. Öğr., Sakarya Üniversitesi, Sakarya, Türkiye
Dilek Sürmeli
Öğr. Gör., Sakarya Uygulamalı Bilimler Üniversitesi, Sakarya, Türkiye
Kamil Taşkın
Doç. Dr., Sakarya Üniversitesi, Sakarya, Türkiye
Halil İbrahim Cebeci
Doç. Dr., Sakarya Üniversitesi, Sakarya, Türkiye
DOI: https://doi.org/10.15295/bmij.v12i1.2369

Yayınlanmış 2024-03-25

Anahtar Kelimeler

  • Makine Öğrenmesi, Metin Madenciliği, Duygu Analizi, Yeşil Pazarlama, Turizm ve Konaklama
  • Machine Learning, Text Mining, Sentiment Analysis, Green Marketing, Tourism & Hospitality

Nasıl Atıf Yapılır

Gürbüz, M., Sürmeli, D., Taşkın, K., & Cebeci, H. İbrahim. (2024). Otellere için paylaşılan çevre ile alakalı yorumların metin madenciliği ile analizi: Antalya otelleri üzerine bir araştırma. Business & Management Studies: An International Journal, 12(1), 218–239. https://doi.org/10.15295/bmij.v12i1.2369

Telif Hakkı (c) 2024 Meryem Gürbüz- Dilek Sürmeli- Kamil Taşkın- Halil İbrahim Cebeci

Creative Commons License

Bu çalışma Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License ile lisanslanmıştır.

Özet

İnternetin yaygınlaşması ve sosyal medya kullanımının yoğun kullanımı ile tüketiciler, kullandıkları ürünler gibi otel, restoran gibi hizmet ürünleri hakkındaki deneyimlerini sosyal medya yoluyla veya web sitelerinin yorum kısımlarından paylaşabilmektedir. Son yıllarda internette giderek artan müşteri yorumlarının analizi araştırmacılar ve işletmeler için önemli bir kaynak haline dönüştüğü görülmektedir. Zamanla biriken platformlardaki alemdeki bu izler; veri kazıma yöntemleri ile toplanarak Metin Madenciliği, Makine Öğrenmesi ve Duygu analizi gibi yöntemlerle incelenmektedir. Farklı sektörlere uygulanabilen bu yöntemler ile elde edilen sonuçlar, müşteri memnuniyetini göz ardı etmeyen işletmeler için operasyonel, taktik ve stratejik düzeyde karar almalarına yardımcı olmaktadır. Bu kapsamda çalışmada Antalya’daki otellere ilişkin onaylanmış kullanıcıların internet ortamındaki Türkçe olarak yazdıkları yorumlar veri kazıma yöntemleri ile derlenerek, sınıflandırmakta ve duygu analizi ile incelenmiştir. Bu sayede müşteri yorumlarının analizi ile otel hizmetlerinin ve tesislerinin iyileştirilmesine ve dolayısıyla müşteri memnuniyetinin artırılmasına yönelik önemli bilgiler elde edilmesi amaçlanmıştır. Veri seti öncelikle makine öğrenmesi temelli sınıflandırma yaklaşımları ile çevre ile alakalı olup olmamasına bağlı olarak iki gruba ayrılmıştır. Sonrasında veri seti üzerinde duygu analizi yapılarak, elde edilen bulgular ile müşterilerin oteller ile ilgili çevresel algıları değerlendirilmiştir. Bu çalışma, müşteri geri bildirimlerini değerlendirerek işletme stratejilerinin geliştirilmesinde otel yöneticileri için örnek niteliğindedir. Aynı zamanda, metin madenciliği ve duygu analizi yöntemlerinin araştırmacılar tarafından nasıl kullanılabileceği konusunda değerli bilgiler sunmaktadır. Çalışma sonucunda Antalya otelleri hakkındaki 180.478 yorum analiz edilerek, müşterilerin çevreci unsurlara ilgisinin arttığı ve otel seçiminde önemli rol oynamaya başladı bulgusuna varılmıştır. Çevreci faaliyetleri ön plana çıkaran otellerin, daha yüksek müşteri memnuniyetine sahip olduğu, düşük puanlı otellerde çevreci yorumlar daha fazla ve genelde olumsuzken, yüksek puanlı otellerde daha dengeli olduğu gözlemlenmiştir. Çalışma ile otellerin müşteri memnuniyeti için çevreci faaliyetlere önem vermesi önerilmiştir.

PDF

İndirmeler

İndirme verileri henüz mevcut değil.

Referanslar

  1. Adalı, E. (2012). Doğal Dil İşleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5(2).
  2. Akdeniz, F. N. U., & Cebeci, H. İ. (2021). Belediye hizmetlerin değerlendirilmesinde duygu analizi yaklaşımı: Sakarya ili örneği. Journal of Intelligent Systems: Theory and Applications, 4(2), 127-135.
  3. Amro, A., Al-Akhras, M., Hindi, K. E., Habib, M., & Shawar, B. A. (2021). Instance reduction for avoiding overfitting in decision trees. Journal of Intelligent Systems, 30(1), 438-459.
  4. Anuradha, P., & David, V. K. (2021). Feature selection and prediction of heart diseases using gradient boosting algorithms. Paper presented at the 2021 International Conference on Artificial Intelligence and Smart Systems (ICAIS).
  5. Apostolakis, A., Jaffry, S., & Kourgiantakis, M. (2020). Examination of individual preferences for green hotels in Crete. Sustainability, 12(20), 8294.
  6. Atıcı, B., Omurca, S. İ., & Ekinci, E. (2017). Product Aspect Detection in Customer Complaints By Using Latent Dirichlet Allocation. 2017 International Conference on Computer Science and Engineering (UBMK).
  7. Aytuğ, O., YALÇIN, A., & Erdem, A. (2020). Üniversite Bilgi Yönetim Sistemi Servis Destek Taleplerinin Konu Modelleme Tabanlı Analizi. Avrupa Bilim ve Teknoloji Dergisi, 389-397.
  8. Bakshi, I., & Gupta, A. (2023). Impact of Online Distribution Systems of Room Reservations on Hotel Revenue: A study of Selected Hotels of Delhi (NCR). Tuijin Jishu/Journal of Propulsion Technology, 44(4), 2023.
  9. Berezina, K., Bilgihan, A., Cobanoglu, C., & Okumus, F. (2016). Understanding satisfied and dissatisfied hotel customers: text mining of online hotel reviews. Journal of Hospitality Marketing & Management, 25(1), 1-24.
  10. Bucak, T. (2014). The effect of service quality on customer satisfaction: A research on hotel businesses. International Journal of Education and Research, 2(1), 1-12.
  11. Cetin, F. S., & Eryiğit, G. (2018). Türkçe Hedef Tabanlı Duygu Analizi İçin Alt Görevlerin İncelenmesi–Hedef Terim, Hedef Kategori ve Duygu Sınıfı Belirleme. Bilişim Teknolojileri Dergisi, 11(1), 43-56.
  12. Chalupa, S., & Petricek, M. (2024). Understanding customer's online booking intentions using hotel big data analysis. Journal of vacation marketing, 30(1), 110-122.
  13. Chang, Y.-C., Ku, C.-H., & Chen, C.-H. (2019). Social media analytics: Extracting and visualizing Hilton hotel ratings and reviews from TripAdvisor. International Journal of Information Management, 48, 263-279.
  14. Chung, K. C. (2020). Green marketing orientation: Achieving sustainable development in green hotel management. Journal of Hospitality Marketing & Management, 29(6), 722-738.
  15. Correia, E., Sousa, S., Viseu, C., & Larguinho, M. (2023). Analysing the influence of green marketing communication in consumers’ green purchase behaviour. International Journal of Environmental Research and Public Health, 20(2), 1356.
  16. Çelik, Ö., & Kaplan, G. (2020). Yeniden örnekleme teknikleri kullanarak sms verisi üzerinde metin sınıflandırma çalışması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi, 36(3), 433-442.
  17. Dumitrescu, E., Hué, S., Hurlin, C., & Tokpavi, S. (2022). Machine learning for credit scoring: Improving logistic regression with non-linear decision-tree effects. European Journal of Operational Research, 297(3), 1178-1192.
  18. Erdogan, N., & Tosun, C. (2009). Environmental performance of tourism accommodations in the protected areas: Case of Goreme Historical National Park. International journal of hospitality management, 28(3), 406-414.
  19. Ertaş, M., CAN, B. K., Yeşilyurt, H., & Koçak, N. (2018). Konaklama İşletmelerinin Yeşil Yıldız Uygulamaları Kapsamında Çevreye Duyarlılığının Değerlendirilmesi. Seyahat ve Otel İşletmeciliği Dergisi, 15(1), 102-119.
  20. Ferrara, E., & Yang, Z. (2015). Quantifying the effect of sentiment on information diffusion in social media. PeerJ Computer Science, 1, e26.
  21. Ferreira, A. J., & Figueiredo, M. A. (2012). Boosting algorithms: A review of methods, theory, and applications. Ensemble machine learning: Methods and applications, 35-85.
  22. Foster, C., & Green, K. (2000). Greening The Innovation Process. Business strategy and the environment, 9(5), 287-303.
  23. Gössling, S. (2002). Global environmental consequences of tourism. Global environmental change, 12(4), 283-302.
  24. Hennig-Thurau, T., Gwinner, K. P., Walsh, G., & Gremler, D. D. (2004). Electronic Word-Of-Mouth Via Consumer-Opinion Platforms: What Motivates Consumers To Articulate Themselves On The Internet? Journal of interactive marketing, 18(1), 38-52. Retrieved from https://doi.org/10.1002/dir.10073
  25. Hossain, M. S., Kannan, S. N., & Raman Nair, S. K. K. (2021). Factors influencing sustainable competitive advantage in the hospitality industry. Journal of Quality Assurance in Hospitality & Tourism, 22(6), 679-710.
  26. Hu, N., Zhang, T., Gao, B., & Bose, I. (2019). What do hotel customers complain about? Text analysis using structural topic model. Tourism management, 72, 417-426.
  27. Iswanto, H., Seniwati, E., Astuti, Y., & Maulina, D. (2021). Comparison of Algorithms on Machine Learning For Spam Email Classification. IJISTECH (International Journal of Information System and Technology), 5(4), 446-455.
  28. Jaiswal, J. K., & Samikannu, R. (2017). Application of random forest algorithm on feature subset selection and classification and regression. 2017 world congress on computing and communication technologies (WCCCT).
  29. Jelica, M., Dragica, T., Lukrecija, D., Ivana, M., & Srdjan, M. (2015). Impacts of green marketing strategies on benefits of hotels: the case from Serbia.
  30. Karabıçak, M., & Armağan, R. (2004). Çevre Sorunlarının Ortaya Çıkış Süreci, Çevre Yönetiminin Temelleri ve Ekonomik Etkileri. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(2).
  31. Kavzoglu, T., & Teke, A. (2022). Predictive Performances of ensemble machine learning algorithms in landslide susceptibility mapping using random forest, extreme gradient boosting (XGBoost) and natural gradient boosting (NGBoost). Arabian Journal for Science and Engineering, 47(6), 7367-7385.
  32. Kietzmann, J. H., Hermkens, K., McCarthy, I. P., & Silvestre, B. S. (2011). Social media? Get serious! Understanding the functional building blocks of social media. Business horizons, 54(3), 241-251.
  33. Kılıç, S. N. (2016). Alman Turistlerin Çevre Bilinci ve Çevre Dostu Otel (Yeşil Otel) Algısının Davranışsal Niyetleri Üzerindeki Etkisi. Journal of International Social Research, 9(43).
  34. Koru, G. K., & Uluyol, Ç. (2024). Detection of Turkish Fake News from Tweets with BERT Models. IEEE Access.
  35. Krotov, V., Johnson, L., & Silva, L. (2020). Tutorial: Legality and ethics of web scraping.
  36. Lee, J.-S., Hsu, L.-T., Han, H., & Kim, Y. (2010). Understanding how consumers view green hotels: how a hotel's green image can influence behavioural intentions. Journal of Sustainable Tourism, 18(7), 901-914.
  37. Li, J., Xu, L., Tang, L., Wang, S., & Li, L. (2018). Big data in tourism research: A literature review. Tourism management, 68, 301-323.
  38. Liu, B. (2020). Sentiment Analysis: Mining Opinions, Sentiments, and Emotions: Cambridge University Press.
  39. Liu, B. (2022). Sentiment Analysis and Opinion Mining: Springer Nature.
  40. Lütfi, A., & Dilek, S. E. (2013). Konaklama İşletmelerinde Yeşil Pazarlama Uygulamalari: Ibis Otel Örneği. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(1), 203-219.
  41. Lv, H., Shi, S., & Gursoy, D. (2022). A look back and a leap forward: a review and synthesis of big data and artificial intelligence literature in hospitality and tourism. Journal of Hospitality Marketing & Management, 31(2), 145-175.
  42. Machaıra, A., Lampropoulos, T., & Zentelıs, P. (2012). Green Hotelling. A Feasibility Study in the Hellenic Island of Skyros‟, FIG Working Week, 6-10.
  43. Manjari, K. U., Rousha, S., Sumanth, D., & Devi, J. S. (2020). Extractive Text Summarization from Web pages using Selenium and TF-IDF algorithm. Paper presented at the 2020 4th international conference on trends in electronics and informatics (ICOEI)(48184).
  44. Mariani, M., Baggio, R., Fuchs, M., & Höepken, W. (2018). Business intelligence and big data in hospitality and tourism: a systematic literature review. International Journal of Contemporary Hospitality Management, 30(12), 3514-3554.
  45. Mariani, M., & Borghi, M. (2020). Environmental discourse in hotel online reviews: a big data analysis. Journal of Sustainable Tourism, 29(5), 829-848.
  46. Mehraliyev, F., Chan, I. C. C., & Kirilenko, A. P. (2022). Sentiment analysis in hospitality and tourism: a thematic and methodological review. International Journal of Contemporary Hospitality Management, 34(1), 46-77.
  47. Merli, R., Preziosi, M., Acampora, A., & Ali, F. (2019). Why should hotels go green? Insights from guests experience in green hotels. International journal of hospitality management, 81, 169-179.
  48. Millar, M., & Baloglu, S. (2011). Hotel Guests’ Preferences for Green Guest Room Attributes. Cornell Hospitality Quarterly, 52(3), 302-311.
  49. Peattie, K. (2001). Towards Sustainability: The Third Age of Green Marketing. The marketing review, 2(2), 129-146.
  50. Peattie, K., Charter, M. . (1992). Green Marketing, The Marketing Book.
  51. Poria, S., Hussain, A., & Cambria, E. (2018). Multimodal Sentiment Analysis: Springer.
  52. Pozzi, F. A., Fersini, E., Messina, E., & Liu, B. (2017). Challenges of Sentiment Analysis in Social Networks: an Overview. Sentiment analysis in social networks, 1-11.
  53. Prakash, A. (2002). Green Marketing, Public Policy and Managerial Strategies. Business strategy and the environment, 11(5), 285-297.
  54. Pujari, D., Wright, G., & Peattie, K. (2003). Green and competitive: Influences on environmental new product development performance. Journal of business Research, 56(8), 657-671.
  55. Pulido-Fernández, J. I., Cárdenas-García, P. J., & Espinosa-Pulido, J. A. (2019). Does environmental sustainability contribute to tourism growth? An analysis at the country level. Journal of cleaner production, 213, 309-319.
  56. Qaiser, S., & Ali, R. (2018). Text mining: use of TF-IDF to examine the relevance of words to documents. International Journal of Computer Applications, 181(1), 25-29.
  57. Ramraj, S., Uzir, N., Sunil, R., & Banerjee, S. (2016). Experimenting XGBoost algorithm for prediction and classification of different datasets. International Journal of Control Theory and Applications, 9(40), 651-662.
  58. Shin, J., Joung, J., & Lim, C. (2024). Determining directions of service quality management using online review mining with interpretable machine learning. International journal of hospitality management, 118, 103684.
  59. Sinap, V. (2023). Makine Öğrenmesi Teknikleri ile Counter-Strike: Global Offensive Raunt Sonuçlarının Tahminlenmesi. Journal of Intelligent Systems: Theory and Applications, 6(2), 119-129.
  60. Sipahi, E. B. (2010). Küresel Çevre Sorunlarına Kolektif Çözüm Arayışları ve Yönetişim. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(24), 331-344.
  61. Szabo, S., & Webster, J. (2021). Perceived greenwashing: the effects of green marketing on environmental and product perceptions. Journal of Business Ethics, 171, 719-739.
  62. Taecharungroj, V., & Mathayomchan, B. (2019). Analysing TripAdvisor reviews of tourist attractions in Phuket, Thailand. Tourism management, 75, 550-568.
  63. Taner, E., & İbrahim, A. (2024). Yeşil Yıldızlı Otellerin Yeşil Maliyetlerinin Ürün Yaşam Seyri Maliyetleme Açısından Değerlendirilmesi. Alanya Akademik Bakış, 8(1), 130-144.
  64. T.C. Kültür ve Turizm Bakanlığı. (2020). Turizm İstatistikleri-Genel Değerlendirme. Ankara.
  65. T.C. Kültür ve Turizm Bakanlığı. (2023). Turizm İstatistikleri-Genel Değerlendirme. Ankara.
  66. Thong, J. Y., Venkatesh, V., Xu, X., Hong, S.-J., & Tam, K. Y. (2011). Consumer acceptance of personal information and communication technology services. IEEE transactions on engineering management, 58(4), 613-625.
  67. Tosun, C. (2001). Challenges Of Sustainable Tourism Development İn The Developing World: The Case Of Turkey. Tourism Management, 22(3), 289-303.
  68. Tunçalp, O., & İrge, N. T. (2018). Turizm Pazarlamasında Çevrimiçi Sitelerindeki Müşteri Yorumları ve Puanlama Sisteminin Otel Satış Fiyat Tercihlerine Etkisi. Uluslararası Global Turizm Araştırmaları Dergisi, 2(1), 42-57.
  69. UNWTO. (2020). Travel & Tourism World Tourism Barometer, JanuaryImpact Report. Retrieved from
  70. Uskaner Hepsağ, P., Özel, S. A., Dalcı, K., & Yazıcı, A. (2023). Using BERT models for breast cancer diagnosis from Turkish radiology reports. Language Resources and Evaluation, 1-32.
  71. Wankhade, M., Rao, A. C. S., & Kulkarni, C. (2022). A survey on sentiment analysis methods, applications, and challenges. Artificial Intelligence Review, 55(7), 5731-5780.
  72. WTTC. (2020). Travel & Tourism Economic Impact Report Retrieved
  73. WTTC. (2023). Travel & Tourism Economic Impact Report Retrieved
  74. Xiang, Z., Magnini, V. P., & Fesenmaier, D. R. (2015). Information technology and consumer behaviour in travel and tourism: Insights from travel planning using the internet. Journal of retailing and consumer services, 22, 244-249.
  75. Xu, H., Liu, B., Shu, L., & Yu, P. S. (2019). BERT post-training for review reading comprehension and aspect-based sentiment analysis. arXiv preprint arXiv:1904.02232.
  76. Xu, X., & Li, Y. (2016). The antecedents of customer satisfaction and dissatisfaction toward various types of hotels: A text mining approach. International journal of hospitality management, 55, 57-69.
  77. Yorgancı, B. (2020). E-Wom’un (Ağızdan Ağıza İletişim) Tüketicilerin Satın Alma Niyetlerine Etkisi: Yiyecek İçecek İşletmeleri Örneği. Journal of Tourism Research Institute, 1(2), 123-131.
  78. Zhao, Y., Xu, X., & Wang, M. (2019). Predicting overall customer satisfaction: Big data evidence from hotel online textual reviews. International journal of hospitality management, 76, 111-121.