作者：孙茂华Maria
随着互联网的发展，越来越多的消费者逐渐开始在购买、使用产品或服务后，在社交媒体上分享和发表自己的意见。这些观点、意见所包含的信息量，比用传统的调研问卷、访谈获得的信息，传播速度更快、覆盖范围更广、信息准确度更高。
如果企业能系统性地从社交媒体上获得消费者反馈，能帮助企业管理者及时调整战略战术、改进产品，并在客户需求迅速变化的商业环境下，获得领先优势。 这些社交媒体中的用户之声，不仅能帮管理者系统地了解当前企业的产品服务水平，还能反映出竞争对手、标杆企业、甚至是替代品的产品和服务水平。有了这些数据和信息，企业管理者可以针对竞争对手做相应的战略调整，确立核心竞争力、弥补短板、获取领先市场地位。也就是说，关注社交媒体，能帮助企业了解客户、了解竞争对手、发现商机、实现个性化销售。
01 结构性与非结构性社交媒体数据
常见的社交媒体数据有两种表现形态，包括结构性社交媒体数据和和非结构性社交媒体数据。
结构性社交媒体指的是在特定的点评平台或电子商务平台的点评板块（如：大众点评、携程、淘宝）针对某产品、服务进行打分和文字点评，由于其具有结构性和针对性的特征，点评对后续的客户购买有非同寻常的指导意义。
结构性的点评平台一般都会有虚假点评审查机制，点评信息的可信度比较高。
对在线旅游代理平台（OTA）携程网评论数据的分析结果显示，20%的客户会在结束酒店入住后对酒店做出点评，而80%的客户在预订酒店前会查看该酒店点评。
点评的高度参考性，使它变成了平台规则的一部分，也就是说，在星级相同的情况下，酒店的点评分能正向预测销量，一条差评可能会导致酒店损失一百张订单。
因此，很多酒店业主都将点评作为管理酒店、营销酒店的有效工具。
相比而言，非结构性社交媒体就没有那么真实、可靠、聚焦了。
在这些客户可自由发挥的社交媒体，如：Facebook、新浪微博、小红书上，用户的评论内容所涉及的范围往往更广泛，包括了很多非商品、服务的信息，没有明确的客户打分。企业很难从这些数据中找到有效的，和商品类目关联的信息。
同时，由于缺乏严格的信息审核机制， 这些评论的真实性也很难被保证，难以成为企业优化自身产品和服务的依据。
因此，本研究将会以结构性社交媒体为研究对象，选取具有代表性的酒店点评数据为切入点，研究用自然语言分析和结构化建模，建立酒店点评的文字信息多个维度的应用价值。
02 传统酒店点评应用 VS 本文酒店点评应用研究
酒店点评一般由四个部分组成：点评总分、分类子点评分、点评内容和照片。
研究文献显示，点评总分是对客户影响最重要的因素，它和客户预订量呈正相关（来自携程分析数据）。平台类型、过往评价等，都会显著地影响点评分数的变化，研究表明，客户倾向于在不同的平台（预订平台、酒店官网或OTA）上给酒店打不同的分 ，同时，酒店的过往点评总分会在新客户的心理上形成了一个认知锚，影响他们之后给出的点评分数。
然而，想要从点评中获得能助力营销的指导性建议，仅分析点评总分是远远不够的，点评内容即客户之声比点评总分包含了更多有价值的信息。
有酒店管理者已经意识到了点评内容的重要性，所以开始有些酒店运营部门开始使用人力，阅读、归纳和总结点评中的信息。
当然，这些人工的归纳是无法得到规模性的研究结果的，不仅是因为酒店运营人员缺乏结构化思维的抽象能力，也因为手动分析无法覆盖较大的数据量，得到的结果也相对片面。
爬虫和自然语言技术的发展给规模化的点评分析提供了途径，用自然语言和情绪分析点评数据的研究表明，在线评论情绪对产品销售是有一定的促进作用，虽然评分不会直接地影响销售量，但它可以通过用户的情感间接地影响销售结果，因为情绪对销售有直接的重大影响。
同时，不同类型的评论对销售量的影响力也不同，其中最有用和最新的两种评论因为被用户获取的频率最高，对销售量产生的影响最大。
传统酒店点评的应用主要环绕客户在平台上的预订行为。
客户在选酒店的时候会查看点评分和点评详情作为决策辅助工具；酒店预订平台将酒店点评分纳入其流量分配规则，引导客户预订优质酒店，同时促使酒店给其客户提供更好的服务；酒店管理人员为了得到更多的订单，努力获得更多的好评并减少差评。
本文将利用自然语言分析技术和文本挖掘技术，对酒店点评数据进行不同维度的解构和分析，挖掘出更多的应用，发挥出其更大的价值。
· 结构化社交媒体数据可以作为分析酒店竞争力的核心指标。
· 依据结构化社交媒体数据打造卖点的酒店，销量显著高于依据传统经验打造卖点的酒店。
· 结构化社交媒体数据结合客户ID，可以深入绘制客户大五画像，提高营销效率和服务满意度。
· 从结构化社交媒体数据分析酒店物料用品对酒店客户体验的影响，可以作为酒店选择物料用品的依据。
03 研究一：作为分析酒店竞争力的核心指标
结构化社交媒体数据可以作为分析酒店竞争力的核心指标。
每个酒店都希望自己能和竞争酒店相比增加竞争优势而降低劣势。
通过NPS pro算法，可以对目标酒店客户体验重点的核心竞争力进行挖掘和分析，酒店可以借此作为运营管理和竞争的量化数据参考。
建立酒店客户体验模型：项目进行前，根据访谈和扎根研究，确认客户对酒店的三层关键体验点。
关键词打标： 通过大量的点评数据，对酒店关键字-关键体验点进行匹配标注，达到90%的准确率。比如对于提及餐饮的类别，匹配“早餐“、“午饭 ”等关键词，对于提及设施的类别，匹配“装修”“设备”，“家具”关键词。
体验模型机器训练：用人工打标的训练集训练AI点评分析模型，经过模型的修改和优化，最终建立自动化的点评分析引擎。
项目酒店选取：选取目标酒店并将该地区同等级同类型的酒店列为竞品酒店，或由酒店经营者自定义目标酒店。
数据：通过爬虫获取项目酒店点评多个点评网站上的全量数据。
NPS Pro计算：使用Nps Pro方法，计算出每个体验点NPS Pro得分。
25-07-02
