Einflussfaktoren auf die Kundenzufriedenheit

Projektteam

Iris Carl, Daria Daniker

Forschungsgruppe Internet of Things (IoT), Institut für Digitalen Wandel (IDW), Amadeus Airport IT
 

Einführung

• Kundenfeedback in Form von Online-Bewertungen (UGC) umfassend und in Echtzeit verfügbar
• Automatische Analyse von Online-Bewertungen (UGC) bietet großes Potential für die Produktoptimierung und Steigerung der Kundenzufriedenheit
   

Zielsetzung 

• Ermittlung wichtiger positiver und negativer Einflussfaktoren auf die Kundenzufriedenheit auf Basis von UGC
• Einordnung der Einflussfaktoren in Basis-/Leistungs-/Begeisterungsfaktoren gemäß des Kano-Modells
   

Methodik

Datenextraktion & Aufbereitung

• Extraktion von Produktbewertungen mittels Web Crawling für Hotels der Bodenseeregion
• Text-Preprocessing: Tokenization, Entfernen von Stopp-Wörtern, Reduktion auf den Wortstamm, Erzeugung eines Word-Vektors (Bag of Words)

Sentiment & Topic Detection

• Wortlisten-basierte Sentiment-Analyse
• Supervised Topic Detection mittels Support Vector Machines (SVM)
• Unsupervised Topic Detection mittels Topic Modelling via Latent Dirichlet Allocation (LDA)

Einflussfaktoren auf die Kundenzufriedenheit

• Ermittlung positiver und negativer Einflussfaktoren auf die Gesamtzufriedenheit des Kunden mittels linearer Regressio

Einordnung der Faktoren in Kano-Modell

• Kategorisierung der Faktoren in Basis-, Leistungs- und Begeisterungsfaktoren

Ergebnisse

Einfluss vordefinierter Faktoren (Supervised Topic Detection)

 

Einfluss identifizierter Faktoren (Unsupervised Topic Detection mittels LDA)

 

Zusammenfassung

• Einflussfaktoren unterscheiden sich deutlich bzgl. positivem und negativem Einfluss auf die Kundenzufriedenheit
• Unsupervised Topic Detection (LDA) liefert differenziertere Einflussfaktoren als vordefinierte Topics

 

Literatur

1. Fleig, J. 2018. „Kano-Modell als Grundlage der Kundenzufriedenheit“, In: b-wise, https://www.business-wissen.de/hb/kano-modell-als-grundlage-der-kundenz….
2. Höpken, W., Fuchs, M., Menner, Th. and Lexhagen, M. 2017b. “Sensing the Online Social Sphere - the Sentiment Analytical Approach”, Xiang, Z. and Fesenmaier, D.R. (Ed.s.), Analytics in Smart Tourism Design – Concepts and Methods, Springer, Cham: 129-146.
3. Jannach, D., Zanker, M. and Fuchs, M. 2014. „Leveraging multi-criteria customer feedback for satisfaction analysis and improved recommendations“, Inf Technol Tourism 14: 119–149, https://doi.org/10.1007/s40558-014-0010-z.