کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6948381 | 1451037 | 2018 | 38 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Disentangling consumer recommendations: Explaining and predicting airline recommendations based on online reviews
ترجمه فارسی عنوان
رد کردن توصیه های مصرف کننده: توضیح و پیش بینی توصیه های شرکت های هواپیمایی بر اساس بررسی های آنلاین
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
توصیه های مصرف کنندگان محصولات و خدمات شاخص های عملکردی مهم برای سازمان ها برای به دست آوردن بازخورد در پیشنهادات خود هستند. علاوه بر این، آنها برای مشتریان بالقوه برای یادگیری از تجارب قبلی مورد توجه هستند. در این مطالعه، ما بر روی محتوای تولید شده توسط کاربر، به ویژه بررسی آنلاین، تمرکز می کنیم تا بررسی کنیم که چه جنبه های خدماتی توسط مصرف کنندگان ارزیابی می شود و چگونه این عوامل توضیح دهندۀ توصیه مصرف کننده است. علاوه بر این، ما بررسی می کنیم که چگونه توصیه ها را می توان به طور خودکار بر اساس چنین پاسخ های مبتنی بر کاربر پیش بینی کرد. ما تصمیم تصمیم گیری را با تجزیه و تحلیل های توضیحی و پیش بینی کننده با تمرکز بر نمونه ای از بررسی های هواپیمایی کنار می گذاریم. ما جنبه های خدمات هسته ای و پیشرفته را که در بررسی آنلاین بیان شده است شناسایی می کنیم. پس از آن ما نشان می دهد که شاخص های حساس به جنبه های سرویس، تصمیم گیری برای توصیه یک شرکت هواپیمایی را رانندگی می کنند و این عوامل را می توان در یک مدل پیش بینی با استفاده از تکنیک های داده کاوی به کار برد. ما همچنین می بینیم که مدل کسب و کار یک شرکت هواپیمایی که در حال بررسی است، چه کم هزینه و یا یک سرویس کامل، نیز قابل توجه است. نتایج ما برای متخصصین بسیار مناسب است تا بتوانند به طور سریع و با بازدهی از نظرات مشتریان، همراه با توانایی درک عمیق تر از خدمات از جنبه های مختلف عمل کنند. همچنین، مسافران بالقوه می توانند از این رویکرد بهره مند شوند، بدست آوردن دید کلی درباره کیفیت خدمات.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
سیستم های اطلاعاتی
چکیده انگلیسی
Consumer recommendations of products and services are important performance indicators for organizations to gain feedback on their offerings. Furthermore, they are important for prospective customers to learn from prior consumer experiences. In this study, we focus on user-generated content, in particular online reviews, to investigate which service aspects are evaluated by consumers and how these factors explain a consumer's recommendation. Further, we investigate how recommendations can be predicted automatically based on such user-driven responses. We disentangle the recommendation decision by performing explanatory and predictive analyses focusing on a sample of airline reviews. We identify core and augmented service aspects expressed in the online review. We then show that service aspect-specific sentiment indicators drive the decision to recommend an airline and that these factors can be incorporated in a predictive model using data mining techniques. We also find that the business model of an airline being reviewed, whether low cost or full service, is also an applicable consideration. Our results are highly relevant for practitioners to analyze and act on consumer feedback in a prompt manner, along with the ability of gaining a deeper understanding of the service from multiple aspects. Also, potential travelers can benefit from this approach by getting an aggregated view on service quality.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 107, March 2018, Pages 52-63
Journal: Decision Support Systems - Volume 107, March 2018, Pages 52-63
نویسندگان
Michael Siering, Amit V. Deokar, Christian Janze,