Using big data analysis to measure service quality of Airbnb

Abstract

The dataset of 619,300 Airbnb reviews in China was used to extract 24 service-related themes and then divide them into five service quality dimensions. The SERVQUAL Questionnaire was cross validated in this study by comparing the findings of service quality characteristics and topic modeling, showing that the SERVQUAL questionnaire can cover general Airbnb service quality dimensions. This study also investigated the use of sentiment analysis scores as a target variable for measuring user experience. The collected data was applied to machine learning algorithms KNN, logistic regression, decision trees, and random forests, and the performance of the output machine learning models was comparatively evaluated to explore the best machine learning algorithms. The results showed that the relative importance of the predictor variables were empathy, assurance, responsiveness, and reliability in that order. The performance of each machine learning algorithm was similar, with Random Forest performing the best in each of the three categories. On empathy dimensions such as location, surroundings, communication with hosts, etc. were found to be the most important in Airbnb users' accommodation experience.|본 연구는 중국 619,300개의 에어비엔비 리뷰에서 서비스 품질 속성을 추출하고, 24개의 서비스 관련 주제를 데이터베이스에서 추출했습니다. 본 연구에서는 그 서비스 품질의 속성과 토픽 모델링을 비교한 결과를 통해 널리 사용되는 서비스 품질 설문지를 검증하였는데, 이는 서비스 품질 설문지가 일반적인 에어비엔비 서비스 품질의 속성을 포함할 수 있음을 보여준다. 감정분석 점수로 사용자 경험을 측정하여 토픽 모델링으로 얻은 데이터를 활용해 머신러닝 알고리즘의 성능을 비교·분석해 최적의 머신러닝 알고리즘을 모색하는 연구도 있다. 수집한 데이터를 KNN, 로직 회귀, 의사결정 트리, 랜덤 포레스트 4가지 머신러닝 알고리즘을 적용해 모델의 성능을 비교 평가했다. 그 결과 예측 변수의 상대적 중요도는 공감성, 유형성, 확신성, 대응성, 신뢰성 순서로 나타났다. 각 머신러닝 알고리즘의 성능은 비슷하지만, 그중에 랜덤 포레스트의 성능은 가장 좋은 것으로 나다났다. 공감성 중에서 위치 주변 환경, 집주인과의 소통 등 에어비앤비 이용자 숙박 체험에서 중요한 역할 발견했다.