Earticle

초록

영어

This study examines how textual signals extracted from large-scale unstructured review data are aligned with hotel rating outcomes. Based on 110,907 hotel reviews collected from Yelp, we extracted eight service attributes using BERTopic and quantified sentence-level sentiment scores using the BERT-base Yelp Polarity model released by TextAttack, which was fine-tuned on the Yelp Review Polarity dataset. Attribute-level sentiment scores and mention frequencies were aggregated at the review level and analyzed using a LightGBM model combined with SHAP, an explainable AI technique. The results show that the proposed model achieves strong predictive performance, with sentiment variables playing a dominant role in predicting ratings. Model comparisons showed that predictive performance improved when mention frequency was included alongside sentiment scores and review length. The relative SHAP contribution of mention frequency also remained similar in the model that included review length. However, we interpret review sentiment not as a causal antecedent of satisfaction but as a concurrent textual signal that is strongly aligned with rating-based evaluations. SHAP dependence plots and partial-dependence-based sweep analyses further reveal nonlinear tipping points at which predicted ratings shift. These tipping points vary across service attributes and between sentiment intensity and mention frequency. These findings clarify how attribute-specific satisfaction and dissatisfaction signals embedded in review texts are reflected in rating prediction structures and provide practical guidelines for hotel service quality management.

한국어

본 연구는 대규모 비정형 텍스트 데이터로부터 호텔 서비스 평점과 정합적으로 연계되는 텍스트 신호 구조를 분석하고자 하였다. 이를 위해 Yelp 플랫폼에서 수집된 110,907건의 호텔 리뷰를 바탕으로BERTopic 기반 토픽 모델링을 통해 8개의 호텔 서비스 속성을 도출하고, TextAttack이 공개한BERT-base Yelp Polarity 모델을 활용해 문장 단위 긍정 확률 기반 감성 점수(0~1)를 산출하였다. 이후 각 리뷰 단위에서 속성별 감성 점수와 언급 빈도를 구성하고, LightGBM과 설명가능한 AI(XAI) 방법 중 하나인 SHAP를 결합하여 분석을 수행하였다. 분석 결과, 구축된 모델은 높은 예측 성능을 보였으며, 평점 예측에서 감성 변수의 지배적 기여를 확인하였다. 모형 비교 결과, 감성 점수와 리뷰 길이를고려한 모형에 언급 빈도를 함께 포함했을 때 예측 성능이 개선되었으며, 리뷰 길이를 포함한 모형에서도 언급 빈도의 상대적 SHAP 기여도는 유사하게 유지되었다. 다만, 본 연구는 감성 점수와 평점의 관계를 인과적 선행관계로 보지 않고, 고객 만족 또는 불만족이 평점과 텍스트에 동시에 표상되는 정합적(aligned) 신호 관계로 해석하였다. 특히, SHAP 의존성 플롯과 부분 의존성 분석을 통해 예측 평점이급격히 전환되는 비선형 임계점(Tipping Point)을 도출하였으며, 각 속성별 감성 점수와 언급 빈도가상이한 임계점을 갖는 것으로 나타났다. 이러한 결과는 온라인 리뷰 내 이중 표상 구조에서 속성별 불만·만족 신호가 평점 예측 구조에 어떻게 반영되는지 설명하며, 호텔 관리자에게 실무적 품질관리 가이드라인을 제공하는 데 의의가 있다.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적 배경
2.1 서비스 평가의 이중 표상: 평점과리뷰의 관계
2.2 비선형적 정보 통합과 비보상적 결정규칙
Ⅲ. 연구방법
3.1 데이터 수집 및 전처리
3.2 호텔 서비스 속성 추출 및 감성 계량화
3.3 분석 모델링 및 설명가능한 AI(SHAP)적용
Ⅳ. 연구결과
4.1 기술통계 결과
4.2 서비스 속성별 비대칭적 중요도
4.3 비선형적 지각 임계점(Tipping Point)규명
Ⅴ. 결론
5.1 연구 요약 및 시사점
5.2 연구의 한계점 및 향후 연구 방향
참고문헌
Abstract

키워드

저자

• 김향미 [ Hyangmi Kim | LG AI연구원, AI 컨설턴트 ] 제1저자
• 송태호 [ Tae Ho Song | 부산대학교 경영학과 교수 ] 공동 제1저자
• 김다연 [ Da Yeon Kim | 동국대학교 경영학과 강의초빙교수 ] 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