Improving guest satisfaction by identifying hotel service micro-elements failures through Deep Learning of online reviews

Resumen

Este estudio examina en profundidad los elementos de microservicios a menudo pasados por alto dentro del amplio espectro de servicios hoteleros, con el objetivo de mejorar la hospitalidad y garantizar una mayor satisfacción de los huéspedes. Para lograrlo, se desarrolló un marco metodológico que integra (a) el análisis de sentimiento de texto VADER, (b) un procedimiento robusto de regresión logística para identificar los componentes específicos del servicio hotelero que causan frustración a los huéspedes, y (c) el análisis de redes semánticas para generar información matizada sobre los huéspedes, contextualizada dentro del ámbito de los microelementos de servicio hotelero de bajo rendimiento.
Los resultados de la investigación destacan cincuenta microelementos de servicio específicos que desencadenan sentimientos negativos y una disminución subsecuente en la satisfacción de los huéspedes. Además, este estudio se enfoca en los diez microelementos de servicio de menor rendimiento, utilizando el análisis de redes semánticas para descubrir las causas principales de las frustraciones comunes de los huéspedes con sus experiencias hoteleras. Algunos fallos en el servicio, aunque se identifican en las reseñas de hoteles, son relevantes también en el ámbito más amplio de la gestión de destinos.
Los hallazgos de este estudio sugieren un recurso valioso para los gerentes en la detección y corrección de microelementos de servicio hotelero que funcionan de manera inadecuada, fundamentales para elevar la satisfacción de los huéspedes en sus respectivas propiedades hoteleras. Además, los resultados incentivan a los gerentes de hoteles y destinos a implementar estrategias personalizadas destinadas a mejorar la satisfacción de los huéspedes en todos los hoteles y destinos.