Ứng dụng phương pháp máy học trong đo lường sự hài lòng của khách hàng dựa trên các bình luận trực tuyến

Phụng Thái Kim; Tế Nguyễn An

doi:10.24311/jabes/2023.34.5.1

Các tác giả

Thái Kim Phụng Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả
Nguyễn An Tế Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả

DOI:

https://doi.org/10.24311/jabes/2023.34.5.1

Từ khóa:

Phương pháp máy học, Đo lường sự hài lòng, Khai thác ý kiến

Tóm tắt

Nghiên cứu này đề xuất ứng dụng phương pháp máy học để đo lường sự hài lòng của khách hàng dựa trên các bình luận trực tuyến. Dữ liệu nghiên cứu là các bình luận của khách du lịch trên trang Agoda.com về các khách sạn tại Việt Nam. Nghiên cứu tiến hành huấn luyện bằng các mô hình máy học: Neural Network (NN), Decision Tree (DT), Naïve Bayes (NB), Support Vector Machines (SVM), Logistic Regression (LR), và Random Forest (RF) để tìm ra mô hình phân loại tốt nhất, sau đó ứng dụng mô hình này để dự báo sự hài lòng của khách hàng trên toàn bộ tập dữ liệu. Tiếp đến, nghiên cứu sử dụng phương pháp tổng hợp và xếp hạng mức độ hài lòng của khách hàng. Kết quả của nghiên cứu có giá trị tham khảo cho việc đánh giá sự hài lòng của khách hàng ở các lĩnh vực khác.

Tài liệu tham khảo

Almuqren, L., & Cristea, A. I. (2022). Predicting STC customers’ satisfaction using Twitter. IEEE Transactions on Computational Social Systems, 10(1), 204–210.

Bashir, S., Afzal, W., & Baig, A. R. (2016). Opinion-based entity ranking using learning to rank. Applied Soft Computing, 38, 151–163.

Becser, N., & Zoltay-Paprika, Z. (2003). A Decision Support Model for Improving Service Quality, SQI-DSS: A New Approach (Working Paper). Budapest University of Economics and Public Administration, Department of Business Economics.

Binali, H., Potdar, V., & Wu, C. (2009). A state of the art opinion mining and its application domains. In Industrial Technology, 2009. ICIT 2009. IEEE International Conference on. IEEE.

Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3, 993–1022.

Dellarocas, C. (2003). The digitization of word of mouth: Promise and challenges of online feedback mechanisms. Management Science, 49(10), 1407–1424.

Dhokrat, A., Khillare, S., & Mahender, C. N. (2015). Review on techniques and tools used for opinion mining. International Journal of Computer Applications Technology and Research, 4(6),

419–424.

Farhadloo, M., Patterson, R. A., & Rolland, E. (2016). Modeling customer satisfaction from unstructured data using a Bayesian approach. Decision Support Systems, 90, 1–11.

Hussain, Y. (2019). Predicting customer satisfaction with product reviews: A comparitive study of some machine learning approaches (Master's thesis). Faculty of Information Technology and Communication Sciences, Tampere University.

Jung, Y., & Suh, Y. (2019). Mining the voice of employees: A text mining approach to identifying and analyzing job satisfaction factors from online employee reviews. Decision Support Systems, 123, 113074.

Lee, J., Park, D.-H., & Han, I. (2011). The different effects of online consumer reviews on consumers’ purchase intentions depending on trust in online shopping malls: An advertising perspective. Internet Research, 21(2), 187–206.

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093–1113.

Mudambi, S. M., & Schuff, D. (2010). What makes a helpful review? A study of customer reviews on Amazon.com. MIS Quarterly, 34(1), 185–200.

Oh, S., Ji, H., Kim, J., Park, E., & del Pobil, A. P. (2022). Deep learning model based on expectation-confirmation theory to predict customer satisfaction in hospitality service. Information Technology & Tourism, 24(1), 109–126.

Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135.

Phung, T. K., Te, N. A., & Ha, T. T. T. (2021). A machine learning approach for opinion mining online customer reviews. In 2021 21st ACIS International Winter Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD-Winter), (pp. 243–246).

Piccoli, G., & Pigni, F. (2013). Harvesting external data: The potential of digital data streams. MIS Quarterly Executive, 12(1), 143–154.

Sezgen, E., Mason, K. J., & Mayer, R. (2019). Voice of airline passenger: A text mining approach to understand customer satisfaction. Journal of Air Transport Management, 77, 65–74.

Shawe-Taylor, J., & Sun, S. (2011). A review of optimization methodologies in support vector machines. Neurocomputing, 74(17), 3609–3618.

Stylios, G., Christodoulakis, D., Besharat, J., Vonitsanou, M., Kotrotsos, I., Koumpouri, A., & Stamou, S. (2010). Public opinion mining for governmental decisions. Electronic Journal of e-Government, 8(2), 203–214.

Sun, S., Luo, C., & Chen, J. (2017). A review of natural language processing techniques for opinion mining systems. Information Fusion, 36, 10–25.

Thu, H. N. T. (2020). Measuring guest satisfaction from online reviews: Evidence in Vietnam. Cogent Social Sciences, 6(1), 1801117.

Ting, P. J. L., Chen, S. L., Chen, H., & Fang, W. C. (2017). Using big data and text analytics to understand how customer experiences posted on yelp.com impact the hospitality industry. Contemporary Management Research, 13(2). doi: 10.7903/cmr.17730

Wang, Y. (2016). More important than ever: Measuring tourist satisfaction. Griffith Institute for Tourism Research Report Series Report No. 10. Griffith University

Wanner, F., Rohrdantz, C., Mansmann, F., Oelke, D., & Keim, D. A. (2009). Visual sentiment analysis of RSS news feeds featuring the us presidential election in 2008. Retrieved from https://kops.uni-konstanz.de/server/api/core/bitstreams/29e30b9f-8714-45d5-9f7e-46eb9811381f/content

Yadav, S. K. (2015). Sentiment analysis and classification: A survey. International Journal of Advance Research in Computer Science and Management Studies, 3(3), 113–121.

Yussupova, N., Kovács, G., Boyko, M., & Bogdanova, D. (2016). Models and methods for quality management based on artificial intelligence applications. Acta Polytechnica Hungarica, 13(3), 45–60.

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.