Joint Sentiment 토픽모델링 기반 국내 여행 불만족 요인 연구

Q: 이 논문에서 정의한 불만족이란 무엇인가?

불만족은 고객이 제품이나 서비스를 구매 및 사용하는 과정에서 발생하는 비호의적인 감정의 경험이며, 고객의 기대를 충족하지 못하고 느끼는 인지적 상태를 말한다. 이는 고객이 지각하는 기대와 성과 간의 부정적 불일치로 나타난다.

Q: 국내 여행 불만족 요인에는 어떤 것들이 있는가?

연구 결과, 국내 여행 전반의 불만족 요인은 물가, 교통, 바가지요금, 위생, 상업화로 나타났다. 특히 제주도는 교통, 외국인 관광객, 물가, 특색 없는 명소가, 전주는 먹거리 중심, 바가지요금, 상업화가 주요 불만족 요인으로 도출되었다.

최윤진; 이소현; 윤상혁; 김희웅

doi:10.17287/kbr.2020.24.2.121

추천

검색

질문

자료유형: 학술저널

저자정보: 최윤진 (연세대학교) 이소현 (연세대학교) 윤상혁 (연세대학교) 김희웅 (연세대학교)

저널정보: 한국경영학회 Korea Business Review Korea Business Review 제24권 제2호

발행연도: 2020.5

수록면: 121 - 141 (21page)

DOI: 10.17287/kbr.2020.24.2.121

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

최근 개인의 삶의 질, 일과 삶의 균형을 중요하게 생각하게 되면서 여행 활동이 증가하고 있다. 이에 따라 국내여행 산업도 성장하고 있으나 동시에 여행지에 따른 불만족에 대한 개선은 과제로 남아있다. 본 연구는 국내 여행에 대한 실제 여행자들의 주요 여행지별 불만족 요인을 도출하고 이에 대한 개선방안을 제시하는 것을 목적으로 한다. 소비자의 만족과 불만족의 개념을 설명하는 기대 불일치 이론을 기반으로 텍스트마이닝 기법과 Joint Sentiment 토픽모델링을 활용하여 실제 여행자들이 사용하는 여행 애플리케이션에서 국내 주요 여행지별 불만족 사항을 도출 및 분석하고, 이를 기반으로 여행지별 불만족 사항의 해결 및 개선방안을 제시하였다.
연구 결과, 첫째, 국내 요인 전반에 대한 불만족 요인은 ‘물가, 교통, 바가지요금, 위생, 상업화’에 대한 토픽이었다. 둘째, 주요 여행지별 토픽으로 ‘제주도’는 ‘교통, 외국인 관광객, 물가, 특색 없는 명소’, ‘전주’는 ‘먹거리 중심, 바가지요금, 상업화’, ‘부산’은 ‘호객행위, 위생, 바가지요금, 교통’, ‘경주’는 ‘주차, 바가지요금, 관광객, 교통’이 각각 도출되었다.
텍스트마이닝 기법의 토픽모델링에 감성 차원을 더한 Joint Sentiment 토픽모델링을 사용하여 국내 주요 여행지별 불만족 요인을 도출하였고 토픽과 키워드 간의 관계를 네트워크 다이어그램으로 시각화하여 직관적인 이해와 차별적인 개선방안을 도출한 것에 학술적 의의가 있다. 실무적으로는 여행지별 불만족 사항에 대한 구체적인 개선방안을 제안함으로써 국내 여행의 활성화를 통한 관광 산업의 수익 및 경쟁력 향상에 이바지할 수 있다.

In recent years, travel has increased due to the interest in the quality of life and work-life balance of individuals. As a result, the domestic travel industry is growing, but at the same time, improving domestic travel dissatisfaction remains a challenge. The purpose of this study is to derive the factors of dissatisfaction of major domestic tourists for domestic travel and to suggest ways to improve them. Based on the expectancy disconfirmation theory to explain the concept of consumer satisfaction and dissatisfaction by collecting the dissatisfaction of actual travelers, we analyzed using text mining technique and joint sentiment topic modeling. This study draws out and analyzes dissatisfaction points of major domestic travel destinations and suggests ways to resolve and improve dissatisfaction factors by travel destinations.
First, dissatisfaction with the overall domestic travel factors was the topic of ‘price, transportation, rip off, sanitation, commercialization’. Second, the topics by major destinations are as follows. ‘Jeju Island’: ‘traffic, foreign tourists, prices, uncharacteristic spots’, ‘Jeon Ju’: ‘parking, rip off, food-oriented spots, commercialization’. ‘Busan’: ‘tout, sanitation, rip off, transportation’, ‘Gyeon Ju’: ‘parking, rip off, tourist, transportation’. Text Mining Technique Using Joint Sentiment Topic Modelling, which adds emotional dimension to topical modelling, we derived dissatisfaction factors, by major travel destinations in Korea and visualized the relationship between topics and keywords in a network diagram to enable intuitive understanding and differentiated improvement plans. This is the significance of this study. In practice, this study proposes a concrete improvement plan for the dissatisfaction point of each destination. This can contribute to improving the profits and competitiveness of the tourism industry by activating domestic travel.

#국내 여행 #텍스트마이닝 #Joint Sentiment 토픽모델링 #기대 불일치 #온라인 고객 리뷰 #Korea Travel #Text Mining #Joint Sentiment Topic Model #Expectancy-Disconfirmation Theory #Online Customer Review

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-324-000685146

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)