Earticle

초록

영어

Understanding attribute-level evaluations of hotels, including rooms, service, and location, is essential for managing customer satisfaction in the hotel industry. This is especially important given that the attributes consumers value most can vary across hotel classes. However, prior research on review analysis has largely remained at the level of sentiment classification or keyword extraction, with limited ability to quantify attribute satisfaction as continuous ratings. This study uses zero-shot inference from large language models (LLMs) to predict attribute ratings from online review text and examines how consumer evaluations differ across hotel classes. We first confirm an asymmetric structure in which the relative importance of service strengthens as hotel class increases, providing the basis for class- and attribute-specific analysis. Next, using 3,111 Google reviews from 167 three- to five-star hotels in Seoul, we compare two prompt strategies—direct instruction and rationale-based reasoning—and find that the direct-instruction prompt outperforms in most models. Adopting it as the basis for subsequent analyses, we compare seven LLMs with a baseline KoBERT model. All LLMs outperformed the fine-tuned KoBERT baseline in nearly all comparisons, and GPT-5 mini, which has built-in reasoning, achieved the best overall performance. This study offers a methodological framework for transforming unstructured review data into attribute-level quantitative indicators without preprocessing or fine-tuning, along with practical guidelines for class-specific marketing strategies.

한국어

호텔산업에서 고객 만족을 체계적으로 관리하기 위해서는 객실, 서비스, 위치 등 개별 속성(Attribute) 수준의 평가를 파악하는 것이 필수적이다. 특히 호텔 성급에 따라 소비자가 중시하는 속성이 달라질 수있다는 점에서 속성별 분석의 중요성은 더욱 크다. 그러나 기존의 리뷰 분석은 감성 분류나 키워드 추출에 머물러 속성별 만족도를 연속형 평점으로 정량화하는 데 한계가 있었다. 본 연구는 대규모 언어모형(LLM)의 제로샷(Zero-Shot) 추론을 활용하여 온라인 리뷰 텍스트에서 호텔 속성별 평점을 추출하고, 이를 통해 성급별 소비자 평가의 이질적 구조를 분석한다. 먼저 회귀분석을 통해 성급이 높을수록 서비스 속성의 상대적 중요도가 강화되는 비대칭 구조를 확인하여 성급별·속성별 분석의 기반을 마련하였다. 다음으로 서울 소재 3–5성급 호텔 167곳의 3,111개 구글 리뷰를 대상으로, 단순 지시형과 근거 기반추론형의 두 가지 프롬프트 전략을 비교한 결과 다수의 모델에서 단순 지시형이 더 우수한 성능을 보였다. 이에 단순 지시형 프롬프트를 기준으로 7개 LLM과 베이스라인 모형(KoBERT)의 예측 성능을 비교한 결과, 모든 LLM이 파인튜닝한 KoBERT를 대부분 상회하였으며 추론 기능이 내재된 GPT-5 mini가최우수 성능을 보였다. 이를 통해 본 연구는 전처리나 파인튜닝 없이 비정형 리뷰 데이터를 속성별 정량지표로 변환할 수 있는 방법론적 틀을 제시하고, 성급별 맞춤형 마케팅 전략 수립을 위한 실무적 가이드라인을 제공한다.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적 배경 및 선행연구
2.1 호텔 속성(Attribute)과 고객만족
2.2 속성별 만족도 정량화 연구
2.3 대규모 언어모형과 본 연구의 접근
Ⅲ. 데이터 및 성급별 속성 구조 분석
3.1 데이터 수집 및 전처리
3.2 분석 속성의 선정
3.3 성급별 속성(Attribute) 중요도 사전분석
Ⅳ. LLM 예측모형 설계
4.1 LLM 모델 선정
4.2 프롬프트 설계
4.3 베이스라인: KoBERT
4.4 평가지표
Ⅴ. 예측결과 및 분석
5.1 프롬프트 전략 간 비교
5.2 모델 간 예측 성능 비교
Ⅵ. 논의
6.1 제로샷 LLM의 실무적 도입의 용이성
6.2 프롬프트 전략과 모델 특성
6.3 속성별·성급별 예측 난이도의 원인분석
Ⅶ. 결론
7.1 시사점
7.2 한계 및 향후 연구 방향
참고문헌
부록(Appendix)
Abstract

키워드

저자

• 송영광 [ Song Youngkwang | 성균관대 경영학과 박사과정 ] 제1저자
• 김효원 [ Kim Hyowon | 성균관대 경영학과 조교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  마케팅관리연구 [Journal of Marketing Management Research]

• 간기

  계간

• pISSN

  1229-7798

• 수록기간

  1995~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 325 DDC 330