온라인 리뷰에서 중립 감성을 포함한 삼진 분류가 고객 만족도 예측에 미치는 영향 분석

Abstract

온라인 고객은 구매 결정을 내릴 때 다른 고객이 작성한 온라인 리뷰를 참조하는 경우가 많다. 딥러닝 기술의 발전을 통해 기계는 온라인 리뷰에서 나타나는 긍정, 부정, 중립 등의 감성을 학습할 수 있게 되었다. 하지만 기존의 온라인 리뷰를 분석하는 연구에서 긍정 또는 부정적인 감성에만 초점을 맞추고 중립적인 감성을 제외하는 연구가 대부분이었다. 중립적인 감성을 무시하면 제품 속성에 대한 부정확한 감정 추론으로 이어질 수 있다(Liu et al., 2017;Tang et al., 2014). 본 연구는 호텔 투숙객의 구매 결정을 위해 호텔 리뷰의 감성을 긍정/부정으로 이진 분류한 모델과 긍정/중립/부정으로 다중 분류한 모델을 비교/분석한다. 감성 분류를 위해 리뷰를 문장 단위로 나누고 20,000건의 문장을 추출하여 수동으로 감성을 레이블링 하여 전이 학습 모델인 BERT를 위한 학습 데이터로 사용한다. 또한 구매 결정에 있어서 고객마다 중요하게 생각할 수 있는 호텔의 속성이 다를 수 있기 때문에 호텔 속성을 Location, Cleanliness, Service, Value, Meal, Facility 6개의 차원으로 분류한다. 이후 고객 만족도를 대체할 수 있는 평점을 종속변수로, 리뷰의 각각의 감성 비율을 독립변수로 설정하여 회귀 분석을 진행한다. 분석 결과, 6가지 속성에 대한 감성 비율이 평점에 미치는 영향이 속성별로 다르게 나타난다. 중립 문장이 포함되었을 때, 중립 감성 문장의 비율은 리뷰 평점과 음의 상관관계를 갖는다. 또한 속성별 분석을 통한 결과 중립적인 감성이 별점에 미치는 영향은 속성별로 다르게 나타났다. 본 연구는 중립 감성의 중요성을 조명하여, 온라인 리뷰 분석에서 중립 문장이 분석에서 제외되었을 때, 고객 만족도에 미치는 영향이 왜곡될 수 있음을 확인한다.