Printer Friendly

Analisis con big data de las respuestas de los hoteles en TripAdvisor.

1. Introduccion

Las comunidades virtuales son un factor estrategico de mejora continua de las empresas turisticas y su necesario analisis se esta convirtiendo en un factor critico en la sociedad de la informacion, en la que hay grandes cantidades de datos textuales disponibles en Internet gracias al uso masivo de los medios sociales de comunicacion online (Pabel y Prideaux, 2016). Mas alla de factores como el precio, los comentarios online de los usuarios se han convertido en una fuente predominante de influencia a la hora de tomar una decision de compra (Pabel y Prideaux, 2016). Los sitios web de contenidos generados por los usuarios (como TripAdvisor) se han convertido en muchos casos en la principal fuente de informacion previa a la compra y dan forma a la reputacion digital del establecimiento--segun Hernandez, Fuentes y Morini (2012), el conjunto de opiniones, experiencias y evaluaciones de clientes sobre un producto, servicio o marca compartidos en sitios web--, motivo por el cual muchos estudios se han centrado en analizar la confiabilidad de las opiniones generadas por los usuarios (Amaral, Tiago y Tiago, 2014). Ademas, la mayoria de las investigaciones realizadas hasta el momento se han centrado mas en las motivaciones de los usuarios para publicar los comentarios y en el impacto de estos, que en las respuestas de las empresas a dichos comentarios (Revilla, Palacios y Cossio, 2015; Sparks y Bradley, 2017). Por ello, el objetivo central de esta investigacion es realizar un analisis de texto automatico con grandes cantidades de datos que permita describir como responden los hoteles de Madrid y Paris a los comentarios online generados por los usuarios en TripAdvisor, con el fin ultimo de generar conocimiento nuevo en la literatura que resulte util a estas empresas a la hora de mejorar su reputacion online. En concreto, este analisis se centrara en las capitales de los dos principales destinos europeos (Espana y Francia) con mayor recepcion de turistas en el ultimo ano (OMT, 2017), que son, ademas, las ciudades mas visitadas de turismo de interior en cada pais (Euromonitor Internacional, 2017).

De este modo, este trabajo contribuye a la literatura academica porque recoge la perspectiva del hotel (sus respuestas a comentarios online de usuarios) y utiliza big data de un gran numero de comentarios de TripAdvisor (comparando Madrid y Paris); y al mundo empresarial porque ayuda a los hoteles a mejorar su gestion de la reputacion online y de las quejas y opiniones de los usuarios en sus relaciones con la empresa.

La segunda seccion de este trabajo realiza una revision de la literatura, la tercera se centra en la metodologia, la cuarta revela los principales resultados de la investigacion y la quinta aborda las conclusiones y otras consideraciones finales.

2. La gestion de comentarios online

La respuesta de las empresas a los comentarios online generados por los usuarios se ha convertido en una nueva forma de gestion de las relaciones con los clientes.

Asi, la respuesta de la empresa a los comentarios positivos revela que esta escucha a sus clientes y los valora (Fernandes y Fernandes, 2017), mientras que la respuesta a comentarios negativos puede contribuir a aumentar la satisfaccion del cliente (Moliner-Velazquez, 2012; Xie, Zhang y Zhang, 2014). Sin embargo, a pesar de la facilidad para responder a los comentarios de los usuarios en sitios web como TripAdvisor, investigaciones previas (vease Levy, Duan y Boo, 2013; O'Connor, 2010; Sparks y Bradley, 2017) concluyen que son pocos los hoteles que gestionan activamente su reputacion online en estas plataformas. Asimismo, aquellas que administran el contenido generado por los usuarios fallan en responder de manera efectiva (Fernandes y Fernandes, 2017), lo que aumenta la relevancia y pertinencia de realizar investigaciones centradas en la respuesta a los comentarios.

Aunque en menor medida que los trabajos de investigacion sobre opiniones y comentarios de los clientes, en la literatura hay estudios (Bradley y Sparks, 2009; Levy et al., 2013) que analizan los tipos de respuestas que las empresas pueden dar a sus clientes. En el caso de los comentarios online generados por los usuarios, destaca sobre todo la investigacion de Sparks y Bradley (2017), quienes distinguen tres tipos de respuestas: las que se limitan a dar un acuse de recibo (agradeciendo los comentarios, asumiendo los errores o disculpandose de forma generica), las que ofrecen una explicacion (excusas, justificaciones o disculpas sinceras acompanadas de expresiones de remordimiento) y las que especifican las acciones que se han tomado al respecto (por ejemplo, investigar el asunto o remitirlo al organo pertinente dentro de la organizacion, reemplazar el producto, cambiar un proceso interno, modificar la capacitacion del personal, invitar a contactar directamente con la empresa u ofrecer una compensacion financiera o de otra indole).

Segun la investigacion de Kwok y Xie (2016), los comentarios online con mas informacion se perciben como mas valiosos que aquellos con menos informacion. Por tanto, dado que la respuesta de la empresa agrega informacion adicional al comentario, es mas probable que los comentarios online generados por los usuarios con una respuesta de la empresa asociada sean percibidos como mas informativos, utiles y confiables que aquellos sin respuesta (Xie et al., 2014). Por ello, las empresas deben prestar atencion a los comentarios online, ya que son un buen indicador de la calidad del servicio ofrecido (Xiang et al., 2015). Las empresas pueden aumentar la percepcion de utilidad de los comentarios con respuestas estrategicas (Liu y Park, 2015)--pese a que los usuarios que publican un comentario sobre una empresa no esperen una respuesta-, si el negocio publica una respuesta es probable que esta influya, entre otros aspectos, sobre la percepcion de la marca o empresa que tienen otros usuarios e incluso sobre su voluntad de compra (Levy et al., 2013; Xie, Kwok y Wang, 2017).

En definitiva, responder a los comentarios online de los usuarios es una parte importante de la gestion de la reputacion online de un negocio (Sparks y Bradley, 2017) e investigadores como Kwok y Xie (2016) y Levy et al. (2013) animan a las empresas a hacerlo activamente proporcionando una respuesta inmediata y autentica. A pesar de ello, la mayoria de las investigaciones realizadas hasta el momento se han centrado mas en los comentarios online generados por los usuarios, especialmente, en la credibilidad de la opinion de los usuarios (Balague, Martin-Fuentes y Gomez, 2016; Kusumasondjaja, Shanka y Marchegiani, 2012) que en las respuestas de las empresas a dichos comentarios (Sparks y Bradley, 2017). Ademas, los trabajos que giran en torno a los comentarios generados por los usuarios existentes hasta el momento se centran principalmente en hoteles de un solo pais (Yang, Mao y Tang, 2018). Las investigaciones que comparan dos o mas paises son minoria y entre ellas es posible destacar la de Melian-Gonzalez, Bulchand-Gidumal y Gonzalez (2013), que analiza distintos paises europeos; la de Callarisa et al. (2012), que se centra en Francia y China, y la de Amaral et al. (2014), esta ultima centrada en restaurantes de las Azores y de Hawai. En el caso de las investigaciones centradas en las respuestas de los hoteles, la tendencia seguida hasta el momento tambien ha sido la de analizar empresas de un solo pais, principalmente Estados Unidos (Kwok y Xie, 2016; Levy et al., 2013; Xie et al., 2017). No obstante, dificilmente se encuentran trabajos comparativos entre paises, salvo el de Ho (2017), que analiza varios paises asiaticos.

3. Metodologia

Esta es una de las pocas investigaciones que utilizan big data para analizar las bases de datos de sitios web de comentarios online generados por los usuarios (Xiang et al., 2015). En este caso, el sitio web elegido es TripAdvisor, una de las paginas web de viajes con mas resenas y opiniones creadas por usuarios de todo el mundo (Amaral et al., 2014), que durante los ultimos anos ha sido el foco de atencion de diversas investigaciones (Amaral et al., 2014; Callarisa et al., 2012; Rubio, Jimenez y Mercado, 2017). Los datos de comScore (2017) revelan que TripAdvisor es la mayor web de viajes del mundo con mas de 500 millones de comentarios y opiniones sobre la mayor seleccion de lugares de viaje del mundo. En esta investigacion se siguieron las recomendaciones de Liu, Yan y Xiao (2011) para el uso de un algoritmo (crawler con Scrapy) y una libreria del lenguaje de programacion (Python), que permiten la busqueda y descarga automatizada de contenido especifico de las respuestas de los hoteles a los comentarios de los usuarios de ambas ciudades. En primer lugar, se extrajeron los datos de forma automatica para su digitalizacion mediante la tecnica web scrapping de los comentarios de los hoteles en las dos ciudades. Se agruparon los comentarios en dos bases de datos en funcion del idioma y la ciudad. En segundo lugar, se analizaron los datos mediante el software de Meaning Cloud que permite analizar texto en espanol y en frances, a traves de su plugin para Excel (1). Mediante este software se realizo un analisis de texto (text analytics) de forma automatica en base a un analisis de sentimiento (sentiment analysis) con las resenas y las respuestas de los hoteles en TripAdvisor. Se eligio esta metodologia debido a que es una de las tecnicas mas aplicadas y aceptadas para tratar grandes cantidades de datos en las ciencias sociales (Abdallaha, Carmana y Haffari, 2016; Arcila-Calderon, BarbosaCaro y Cabezuelo-Lorenzo, 2016). En concreto, esta tecnica permite la clasificacion automatizada de los comentarios en positivos, negativos o neutros (Abdallaha et al., 2016; Arcila-Calderon et al., 2016; Lopez, Sanchez-Alonso y Sicilia-Urban, 2015). En tercer lugar, los comentarios neutros fueron reclasificados de forma manual atendiendo a la frecuencia de palabras mencionadas en el comentario y la puntuacion otorgada en el comentario, siguiendo las recomendaciones de O'Connor (2010) y Dickinger y Mazanec (2015). Con esta finalidad, la informacion se introdujo en el programa NVivo para estudiar la frecuencia y coincidencia de palabras en los comentarios de los clientes y en las respuestas de los hoteles. En cuarto lugar, se analizo de forma descriptiva mediante la prueba [ji al cuadrado] la informacion por bloques con ayuda del programa IBM SPSS Statistics 19 (el primer bloque relacionado con los comentarios generados por los usuarios y el segundo bloque con las respuestas de los hoteles) (vease Figura 1).

Para el analisis descriptivo comparativo de la informacion, se agruparon las variables en tres bloques en funcion de si estaban: (1) relacionadas con el hotel (nombre del hotel, categoria o numero de estrellas, ciudad, valoracion global dentro de TripAdvisor, numero total de comentarios y tasa de respuesta a estos); (2) con los comentarios que este recibe de los usuarios (valencia, contenido, numero de palabras y puntuacion que otorga al hotel), o (3) con las respuestas que este da a los usuarios (contenido, inclusion de agradecimiento, inclusion de disculpa, personalizacion y numero de palabras).

3.1. Descripcion de la muestra

Se han analizado todos los hoteles en TripAdvisor de las capitales de los dos principales destinos europeos con mayor recepcion de turistas en el ultimo ano (OMT, 2017), de manera que se recogio informacion de 32.347 comentarios de 1.101 hoteles de Madrid y Paris de febrero a marzo de 2017. De la muestra de hoteles, el 36,3% son de Madrid y el 63,7% restante de Paris. En cuanto a su categoria para ambas ciudades, una amplia mayoria de los hoteles tienen 4 o 3 estrellas (85,7%).

4. Resultados

4.1. Comentarios de los clientes

Dado que el foco de atencion de esta investigacion son las respuestas de los hoteles, en este apartado solo se explicara brevemente cual es la valencia y el contenido de los comentarios analizados. En el primer caso, de los 32.347 comentarios analizados en esta investigacion el 96% son positivos. Desde un punto de vista general, el 49% de los comentarios recibidos por los hoteles tiene una puntuacion de 5 o 4, lo que parece indicar que la mayoria de las personas que escriben un comentario lo hacen tras una experiencia satisfactoria.

Desde un punto de vista general, las tematicas mas abordadas en los comentarios son las habitaciones del hotel (74%), su ubicacion (60,4%) y el personal (56%), pero no la relacion calidad-precio (29,6%) ni la limpieza (13,4%). Para profundizar un poco mas en este aspecto, analizamos las asociaciones existentes entre la tematica del comentario y la ciudad donde esta ubicado el hotel (Tabla 1), concluyendo que, de acuerdo con las pruebas chi-cuadrado, existe una relacion significativa entre ambas variables.

Al analizar las tematicas de los comentarios segun la ciudad a la que pertenece el hotel (Grafico 1), se aprecian algunas diferencias interesantes. En los hoteles de Madrid las habitaciones son lo mas comentado (62,4%), pero con un porcentaje menor que en los de Paris (80,6%). Algo similar ocurre con la limpieza, que es lo menos comentado, a pesar de que esta presente en el 25,8% de los comentarios sobre hoteles madrilenos, dato que contrasta con el 6,3% de los parisinos. Otra de las diferencias es que el personal es el segundo tema mas comentado en Madrid (58,5%), seguido por la ubicacion (58%); mientras en Paris parece que se da mas importancia a la ubicacion (61,7%) que al personal (55,9%).

Como se aprecia en la Tabla 2, nuestra investigacion tambien indica que, de acuerdo con las pruebas chi-cuadrado, existe una relacion significativa entre la puntuacion del comentario y su contenido, de manera que el 92,9% de los comentarios que hablan sobre el personal del hotel tienen una puntuacion de 4 o de 5. Lo mismo ocurre con los que hablan sobre la ubicacion del hotel (91,6%), sobre las habitaciones (90,6%), sobre la relacion calidad-precio (90%) y sobre la limpieza (86,8%).

Asimismo, las pruebas chi-cuadrado visibles en la Tabla 2 tambien confirman que existe una relacion significativa entre la valencia del comentario y su contenido. En esta linea, nuestros resultados confirman, tal y como se aprecia en el Grafico 2, que el 5,44% de los comentarios que hablan sobre la limpieza del hotel son negativos, porcentaje que baja al 4,07% en los que hablan sobre la relacion calidad-precio, al 4% en los que hablan sobre las habitaciones, al 3,19% en los que hablan sobre la ubicacion del hotel y al 3,02% en los que hablan sobre el personal.

4.2. Respuestas del hotel

Lo primero que analizamos en este apartado es la tasa de respuesta de los hoteles. En este sentido, es posible afirmar que el 41,5% de los hoteles estudiados responde a los comentarios online generados por los usuarios entre el 80% y el 100% de las ocasiones, aunque solo un 14,9% lo hace siempre.

El segundo paso es averiguar como son los hoteles que responden a este tipo de comentarios. Tal y como se aprecia en la Tabla 3, nuestros resultados muestran que, de acuerdo con las pruebas chi-cuadrado, existe una relacion significativa entre la tasa de respuesta del hotel y algunas de sus caracteristicas, como la ciudad en la que se encuentra, su categoria y su valoracion total dentro de TripAdvisor.

Si analizamos la relacion significativa entre la ciudad en la que se encuentra el hotel y su tasa de respuesta vemos que el 44,5% de los hoteles parisinos (frente al 36,6% de los madrilenos) responde a mas del 80% de los comentarios que recibe (Grafico 3).

Siguiendo con las otras dos relaciones significativas encontradas anteriormente, en el Grafico 4 vemos que cuanto mayor es el numero de estrellas del hotel (categoria), mayor es su tasa de respuesta (excepto en el caso de los hoteles de 1 estrella).

De forma similar, en el Grafico 5 vemos que mientras el 89% de los hoteles con una valoracion total de 5 puntos responde a los comentarios de los clientes en mas del 80% de las ocasiones, la cifra baja a medida que disminuye la puntuacion (excepto en el caso de los hoteles con una puntuacion total de 2,5).

En tercer lugar, analizamos como son las respuestas de los hoteles. Concretamente, hay 30.995 respuestas a comentarios positivos y 1.353 respuestas a comentarios negativos. Teniendo en cuenta la alta tasa de satisfaccion de los comentarios generados por los usuarios, no es de extranar que el 90% de las respuestas de los hoteles incluyan un agradecimiento y solo el 5,4% una disculpa, aunque es interesante el hecho de que el 79,3% de las respuestas de disculpa incluyen tambien un agradecimiento. De acuerdo con nuestros resultados, las pruebas chi-cuadrado confirman que existe una relacion significativa entre la valencia del comentario y las respuestas de agradecimiento y disculpa (Tabla 4), de manera que los hoteles suelen agradecer casi siempre los comentarios positivos (90,3%), pero el 75,6% de sus respuestas no incluye una disculpa cuando el comentario es negativo. Siguiendo con el analisis de las caracteristicas de la respuesta de los hoteles, las pruebas chi-cuadrado tambien confirman que existe una relacion significativa entre la valencia del comentario recibido y la personalizacion de la respuesta por parte de los hoteles. En esta linea, los hoteles personalizan sus respuestas a comentarios positivos el 40,27% de las veces y a comentarios negativos el 37,43% de las ocasiones.

Teniendo en cuenta lo anterior, analizamos la relacion existente entre las caracteristicas de la respuesta (si incluye un agradecimiento o una disculpa y si esta personalizado) y la ciudad en la que se encuentra el hotel (Tabla 4), concluyendo que, de acuerdo con las pruebas chi-cuadrado, existen relaciones significativas entre dichas variables. Analizando el tipo de respuesta por ciudad (Grafico 6) se aprecia que son los hoteles de Madrid los que mas agradecen los comentarios de los usuarios (91,4%), los que mas personalizan sus mensajes (65,5%) y tambien los que mas se disculpan (6%), a pesar de que el porcentaje de comentarios positivos de Madrid (95,3%) es ligeramente inferior al de Paris (96,1%).

Desde el punto de vista de su longitud, las respuestas analizadas en nuestra investigacion tienen entre 1 y 60 palabras, siendo el valor medio de palabras de 37,76 (S=12,591). Analizando el numero de palabras de las respuestas por ciudad se aprecia que la mitad de los hoteles (el 51% de los hoteles de Madrid y el 50,1% de los de Paris) apuesta por una longitud de entre 40 y 60 palabras, aunque la mayoria (30,3% en el primer caso y 29,8% en el segundo) se decanta por respuestas de entre 40 y 49 palabras.

De acuerdo con nuestros resultados, las pruebas chi-cuadrado confirman que existe una relacion significativa entre el numero de palabras de la respuesta y la tasa de respuesta del hotel (Tabla 5), siendo los hoteles con menor tasa de respuesta los que dan respuestas mas cortas.

Por ultimo, en cuanto a la tematica de las respuestas, el 34,6% habla sobre la relacion calidad-precio, a pesar de que solo un 29,6% de los comentarios aborda este tema. El resto de temas abordados estan relacionados con el personal del hotel (20,4%), las habitaciones (18,4%) y la ubicacion del hotel (16%), pero no sobre la limpieza (0,9%), que es el menos frecuente. Tal y como se aprecia en la Tabla 6, las pruebas chi-cuadrado confirman la existencia de una relacion significativa entre la tematica de la respuesta del hotel y la ciudad en la que este se encuentra.

En linea con lo anterior, tal y como se aprecia en el Grafico 7, los hoteles que mas hablan en sus respuestas sobre su relacion entre calidad/precio (89,50%), sobre sus habitaciones (76,64%) y sobre su ubicacion (60,97%) son los parisinos; mientras que los que mas hablan sobre su limpieza (65,05%) y sobre su personal (50,21%) son los madrilenos.

5. Discusion

Aunque los hoteles que responden a los comentarios online generados por los usuarios todavia son una minoria, la conciencia sobre dar respuesta a los comentarios va aumentando paulatinamente, hecho que ya revelaban Sparks y Bradley (2017) hace unos anos tras comparar sus resultados con los de investigaciones previas (Levy et al., 2013; O'Connor, 2010). Ahora bien, ?en que ciudad los hoteles tienen mas conciencia sobre la importancia de gestionar los comentarios online de sus usuarios? De acuerdo con nuestra investigacion comparativa entre ciudades, son, principalmente, los hoteles de Paris. Ademas, podemos afirmar que, en linea con la investigacion de Levy et al. (2013), los hoteles con mejores calificaciones tienen una tasa de respuesta mas alta que el resto. Del mismo modo, cuanto mayor es el numero de estrellas del hotel, mayor es su tasa de respuesta, excepto en el caso de los hoteles de 1 estrella. Se trata de un resultado llamativo, ya que Xie et al. (2017) afirman que los hoteles de lujo son los que mas se benefician de los efectos positivos de las respuestas, por lo que sorprende que los hoteles de 1 estrella tengan una tasa de respuesta superior a los de 2 y 3 estrellas. En cualquier caso, es algo positivo, ya que indica que los hoteles de baja categoria se esfuerzan por mejorar su reputacion online y, de todos modos, recomendamos a todos los hoteles que se preocupen de gestionar tambien las relaciones online con sus clientes.

Desde un punto de vista comparativo entre ciudades, aunque los hoteles de Paris son los que tienen una mayor tasa de respuesta, son los de Madrid quienes mas agradecen los comentarios de los usuarios, quienes mas se disculpan (a pesar de que su porcentaje de comentarios positivos es inferior al de Paris) y quienes mas personalizan sus mensajes refiriendose al usuario por su nombre. En este sentido, nuestros resultados coinciden con los de Sparks y Bradley (2017), quienes afirman que la forma mas utilizada por las empresas para dar acuse de recibo al usuario tras leer su comentario es agradecerle el mismo y que son pocas las empresas que se disculpan. No obstante, dado que la gran mayoria de los comentarios son positivos, analizamos la relacion entre la valencia del comentario y el tipo de respuesta concluyendo que un 75,6% no se disculpa ante un comentario negativo. Ante este resultado, recomendamos a los hoteles que definan una adecuada estrategia de CRM (Customer Relationship Management) en base a los comentarios online y que haya una persona en la empresa que desempene el papel de community manager que gestione la reputacion online del hotel. Ademas, deben tener muy presente que los comentarios negativos se consideran mas creibles que los positivos por parte de los usuarios (Kusumasondjaja et al., 2012), por lo que es a estos a los que deben prestar mas atencion. Dado que el impacto de su respuesta depende de su honestidad (sinceridad percibida por el usuario), su minuciosidad (cobertura de todas las cuestiones planteadas) y su suficiencia (cantidad de informacion suficiente) (Sparks y Fredline, 2007), recomendamos que se disculpen sinceramente ante un comentario negativo y que, tal y como sugieren Sparks y Bradley (2017), expliquen al usuario que acciones concretas van a tomar al respecto. Ademas, seria conveniente agradecer al usuario cualquier tipo de comentario (verbalmente o mediante alguna compensacion) para demostrarle que la empresa escucha a sus clientes y los valora sus opiniones, ya que como sugieren investigaciones previas (Xiang et al., 2015), una respuesta por parte de la empresa es un indicador de la calidad del servicio ofrecido que deben utilizar de forma estrategica para mejorar (Sparks y Bradley, 2017).

En linea con Melian-Gonzalez et al. (2013), nuestros resultados muestran que los comentarios positivos son mas comunes que los negativos, lo que parece indicar que, independientemente de la ciudad en la que se encuentre el hotel, la mayoria de las personas que escriben un comentario lo hacen tras una experiencia satisfactoria. Desde un punto de vista general, las tematicas mas comentadas son las habitaciones, la ubicacion y el personal del hotel. No obstante, existen algunas diferencias por ciudad, ya que, aunque las habitaciones son el tema mas comentado, su importancia es mayor en Paris. Del mismo modo, aunque la limpieza es el tema menos comentado, su importancia es mayor en Madrid. Teniendo en cuenta esto, recomendamos a los hoteles de ambas ciudades que adapten sus respuestas a las inquietudes de sus usuarios, ya que gestionando de forma adecuada sus expectativas mejoraran su satisfaccion o la reforzaran generando una mayor probabilidad de lealtad y prescripcion o recomendacion a otros usuarios.

6. Conclusiones y otras consideraciones finales

En lo referente a las principales contribuciones de esta investigacion, hay que senalar, en primer lugar, que se trata de un estudio sobre las respuestas de los hoteles a los comentarios generados por los usuarios, algo poco analizado en la literatura (Levy et al., 2013) en comparacion con las investigaciones existentes sobre los propios comentarios. En segundo lugar, hay que mencionar que se trata de un estudio comparativo utilizando big data, lo cual es practicamente inedito en las investigaciones sobre las respuestas de los hoteles. De hecho, solo hemos encontrado un trabajo de este tipo (Ho, 2017) y esta centrado en varios paises asiaticos, lo que hace que nuestra investigacion sobre hoteles de Madrid y Paris, dos capitales europeas, sea novedosa. En tercer lugar, hay que resaltar el uso de big data, una tecnica poco empleada hasta el momento para analizar bases de datos de sitios web de comentarios online generados por los usuarios (Xiang et al., 2015), pero que nos ha resultado especialmente util para analizar toda la poblacion de hoteles de Madrid y Paris existente en TripAdvisor.

En el futuro se podra mejorar este trabajo mediante el diseno de un modelo causal que explique los factores que inciden en mayor medida en la generacion de reputacion online y en el que se contemple la influencia de factores como la edad del usuario que introduce comentarios o respuestas en redes como TripAdvisor (SanMartin, Prodanova y Jimenez, 2015).

Referencias

Abdallaha, Z. S., Carmana, M., Haffari, G., 2016, "Multi-domain evaluation framework for named entity recognition tools". Computer Speech & Language, 43, 34-55. Doi: https://doi.org/10.1016/jxsl.2016.10.003

Amaral, F., Tiago, T., Tiago, F., 2014, "User-generated content: tourists' profiles on TripAdvisor". International Journal on Strategic Innovative Marketing, 1(3), 137-147. Doi: https://doi.org/10.15556/IJSIM.01.03.002

Arcila-Calderon, C., Barbosa-Caro, E., Cabezuelo-Lorenzo, F., 2016, "Tecnicas big data: analisis de textos a gran escala para la investigacion cientifica y periodistica". El profesional de la informacion (EPI), 25(4), 623-631.

Balague, C., Martin-Fuentes, E., Gomez, M. J., 2016, "Fiabilidad de las criticas hoteleras autenticadas y no autenticadas: El Caso de TripAdvisor y Booking.com". Cuadernos de Turismo, 38, 63-82. Doi: http://dx.doi.org/10.6018/turismo.38. 271351

Bucur, C., 2015, "Using Opinion Mining Techniques in Tourism". Procedia Economics and Finance, 23, 1666-1673. Doi: https://doi.org/10.1016/S22125671(15)00471-2

Callarisa, L. J., Sanchez, J., Moliner, M. A., Forgas, S., 2012, "La importancia de las comunidades virtuales para el analisis del valor de marca. El caso de TripAdvisor en Hong Kong y Paris". Papers de Turisme, 52, 89-115.

ComScore, 2017, "ComScore Media Metrix para los sitios web de TripAdvisor de todo el mundo". Retrieved from: https://www.comscore.com/Products/AudienceAnalytics/Media-Metrix

Dickinger, A., Mazanec, J. A., 2015, "Significant word items in hotel guest reviews: A feature extraction approach". Tourism Recreation Research, 40(3), 353-363. Doi: https://doi.org/10.1080/02508281.2015.1079964

Euromonitor International, 2017, Top 100 Cities Destination Ranking. Retrieved from: http://observatorituristic.aralleida.com/ftp/documents/Estadistiques/ M%C3%A9s%20estudis%20d%C2%B4altres%20organismes/0002.-%20 2017%20Top%20100%20Cities%20Destinations%20Final%20Report%20 Euromonitor.pdf

Fernandes, T.; Fernandes, F., 2017, "Social Media and Tourism: The Case of E-Complaints on TripAdvisor". In "Marketing at the Confluence between Entertainment and Analytics" (pp. 825-829). Springer, Cham.

Hernandez, E., Fuentes, M., Morini S., 2012, "Una aproximacion a la reputacion en linea de los establecimientos hoteleros espanoles". Papers de Turisme, 52, 63-88.

Ho, V., 2017, "Achieving service recovery through responding to negative online reviews". Discourse & Communication, 11(1), 31-50. Doi: https://doi. org/10.1177/1750481316683292

Kusumasondjaja, S., Shanka, T., Marchegiani, C., 2012, "Credibility of online reviews and initial trust: The roles of reviewer's identity and review valence". Journal of Vacation Marketing, 18(3), 185-195. Doi: https://doi.org/10.1177/ 1356766712449365

Kwok, L., Xie, K., 2016, "Factors contributing to online review helpfulness: Do manager responses play a role?". International Journal of Contemporary Hospitality Management, 28(10), 2156-2177. Doi: https://doi.org/10.1108/IJCHM03-2015-0107

Levy, S. E., Duan, W., Boo, S., 2013, "An analysis of one-star online reviews and responses in the Washington, D.C. lodging market". Cornell Hospitality Quarterly, 54(1), 49-63. Doi: https://doi.org/10.1177/1938965512464513

Liu, W., Yan, H., Xiao, J., 2011, "Automatically extracting user reviews from forum sites". Computers & Mathematics with Applications, 62(7), 2779-2792. Doi: https://doi.org/10.1016/jxamwa.2011.07.044

Liu, Z., Park, S., 2015, "What makes a useful online review? Implication for travel product websites". Tourism Management, 47, 140-151. Doi: https://doi. org/10.1016/j.tourman.2014.09.020

Lopez, R. R., Sanchez-Alonso, S., Sicilia-Urban, M. A., 2015, "Evaluating hotels rating prediction based on sentiment analysis services". Aslib Journal of Information Management, 67(4), 392-407. Doi: https://doi.org/10.1108/AJIM-01-2015-0004

Melian-Gonzalez, S., Bulchand-Gidumal, J., Gonzalez, B., 2013, "Online Customer Reviews of Hotels: As Participation Increases, Better Evaluation Is Obtained". Cornell Hospitality Quarterly, 54(3), 274-283. Doi: https://doi. org/10.1177/1938965513481498

Moliner-Velazquez, B., 2012, "El boca-oido de clientes insatisfechos: Un enfoque de segmentacion en servicios de restaurantes". Universia Business Review, 33, 30-47.

O'Connor, P., 2010, "Managing a hotel's image on TripAdvisor". Journal of Hospitality Marketing & Management, 19(7), 754-772.

OMT, Organizacion-Mundial-de-Turismo, 2017, "Barometro del turismo mundial. Principales destinos". Retrieved from: http://mkt.unwto.org/es/barometer

Pabel, A.; Prideaux, B., 2016, "Social media use in pre-trip planning by tourists visiting a small regional leisure destination". Journal of Vacation Marketing, 22(4), 335-348. Doi: https://doi.org/10.1177/1356766715618998

Revilla, A., Palacios, B., Cossio, F. J., 2015, "Impacto de la importancia percibida sobre la responsabilidad corporativa del hotel sobre el comportamiento de quejas del turista". Esic Market Economics and Business Journal, 46(2), 325-350. Doi: https://doi.org/10.7200/esicm.151.0462.2e

Rubio, A., Jimenez, I. C., Mercado, C., 2017, "Reputacion corporativa online en la hoteleria: el caso TripAdvisor". Esic Market Economics and Business Journal, 48(3), 595-608. Doi: https://doi.org/10.7200/esicm.158.0483.4e

San-Martin, S., Prodanova, J., Jimenez, N., 2015, "The impact of age in the generation of satisfaction and WOM in mobile shopping". Journal of Retailing and Consumer Services, 23, 1-8. Doi: https://doi.org/10.1016Zj.jretconser.2014.11.001

Sparks, B. A., Bradley, G. L., 2017, "A 'Triple A' Typology of Responding To Negative Consumer-Generated Online Reviews". Journal of Hospitality & Tourism Research, 41(6), 719-745. Doi: https://doi.org/10.1177/1096348014538052

Sparks, B., Fredline, L., 2007, "Providing an explanation for service failure: Context, content and customer responses". Journal of Hospitality & Tourism Research, 31(2), 241-260. Doi: https://doi.org/10.1177/1096348006297292

Xiang, Z., Schwartz, Z., Gerdes, J. H., Uysal, M., 2015, "What can big data and text analytics tell us about hotel guest experience and satisfaction?". International Journal of Hospitality Management, 44, 120-130. Doi: https://doi.Org/10.1016/j. ijhm.2014.10.013

Xie, K., Kwok, K., Wang, W., 2017, "Monetizing Managerial Responses on TripAdvisor: Performance Implications Across Hotel Classes". Cornell Hospitality Quarterly, 58(3), 240-252. Doi: https://doi.org/10.1177/1938965516686109

Xie, K., Zhang, Z., Zhang, Z., 2014, "The Business Value of Online Consumer Reviews and Management Response to Hotel Performance". International Journal of Hospitality Management, 43, 1-12. Doi: https://doi.org/10.1016/)'. ijhm.2014.07.007

Yang, Y., Mao, Z., Tang, J., 2018, "Understanding Guest Satisfaction with Urban Hotel Location". Journal of Travel Research, 57(2), 243-259. Doi: https://doi. org/10.1177/0047287517691153

Anexo
Tabla 7. Codificacion de las variables de la investigacion

Variables                                       Codificacion

Variables relacionadas con los
hoteles

Nombre del hotel                                     --
Categoria (no. estrellas)                            1-5
Ciudad                                         Madrid / Paris
Valoracion global dentro de                          1-5
  TripAdvisor
Numero total de comentarios           Rango (0-499; 500-999; 1000-1499;
  recibidos                           1500-1999; 2000-2499; 2500-2999;
                                                 3000-3499)

Tasa de respuesta a los comentarios     Rango (0-20%, 20,01-40%; 40,
  recibidos                            01-60%; 60,01-80%; 80,01-100%)

Variables relacionadas con los comentarios de los usuarios

Valencia                                     Positiva / Negativa

Contenido (el comentario habla
  sobre ...)
Habitaciones del hotel                             Si/ No
Limpieza del hotel                                 Si/ No
Ubicacion del hotel                                Si/ No
Personal del hotel                                 Si/ No
Relacion calidad/precio del hotel                  Si/ No
Numero de palabras                    Rango (1-9; 10-19; 20-29; 30-39;
                                            40-49; 50-59, 60-69)
Puntuacion que otorga al hotel                       1-5

Variables relacionadas con las respuestas de los hoteles a
los comentarios recibidos

Contenido (la respuesta habla
  sobre.)
Habitaciones del hotel                             Si/ No
Limpieza del hotel                                 Si/ No
Ubicacion del hotel                                Si/ No
Personal del hotel                                 Si/ No
Relacion calidad/precio del hotel                  Si/ No
Incluye agradecimiento                             Si/ No
Incluye disculpa                                   Si/ No
Esta personalizado (responde al                    Si/ No
  comentario llamando al usuario
  por su nombre)

Numero de palabras                    Rango (1-9; 10-19; 20-29; 30-39;
                                                40-49; 50-59)


Nombre: Sonia San-Martin Gutierrez

Cargo: Catedratica de Universidad

Universidad: Universidad de Burgos

Direccion: C/ Parralillos, s/n, 09001 Burgos, Espana

Telefono: 947258950

Correo electronico: sanmargu@ubu.es

Nombre: Nadia Jimenez Torres

Cargo: Ayudante Doctor

Universidad: Universidad de Burgos

Direccion: C/ Parralillos, s/n, 09001 Burgos, Espana

Telefono: 947258950

Correo electronico: nhjimenez@ubu.es

Nombre: Nuria Puente Dominguez

Cargo: Doctora. Coordinadora del Master en Marketing Digital

Universidad: Universidad Isabel I

Direccion: C/ Fernan Gonzalez, 76, 09003 Burgos, Espana

Telefono: 947671731

Correo electronico: nuria.puente.dominguez@ui1.es

Sonia San-Martin Gutierrez*

Nadia Jimenez Torres

Universidad de Burgos

Nuria Puente Dominguez

Universidad Isabel I

* Autor de correspondencia. e-mail: sanmargu@ubu.es

DOI: 10.7200/esicm.160.0492.3e

(1) Disponible online: https://www.meaningcloud.com/es/

Leyenda: Figura 1. Proceso de analisis de datos masivos
Tabla 1. Relaciones entre la tematica del comentario y
la ciudad del hotel

                                        Ciudad

                                [ji al cuadrado]    p

               Habitaciones         33639,25       0,00
Tematica del   Limpieza             34821,46       0,00
comentario     Ubicacion            32389,81       0,00
               Personal             32370,84       0,00
               Calidad/Precio       32365,52       0,00

Tabla 2. Relacion entre la tematica y la puntuacion y
la valencia del comentario

                                   Puntuacion del
                                     comentario

                                [ji al cuadrado]    P

               Habitaciones          155,82        0,00
Tematica del   Limpieza              138,61        0,00
comentario     Ubicacion             274,63        0,00
               Personal              511,48        0,00
               Calidad/Precio        39,43         0,00

               Valencia del
               comentario

               [ji al cuadrado]    P

                   32356,06       0,00
Tematica del       32368,73       0,00
comentario         32470,75       0,00
                   32491,11       0,00
                   32349,43       0,00

Tabla 3. Relacion entre las caracteristicas del hotel y
su tasa de respuesta

                                  Tasa de respuesta

                               [ji al cuadrado]    P

Caracteristicas   Ciudad           509,534        0,00
del hotel         Categoria        2575,932       0,00
                  Valoracion       4216,214       0,00

Tabla 4. Relacion entre las caracteristicas de la respuesta,
la valencia del comentario y la ciudad del hotel

                                            Valencia
                                         del comentario

                                    [ji al cuadrado]    P

Caracteristicas   Agradecimiento        32446,90       0,00
de la respuesta   Disculpa              33335,67       0,00
                  Personalizacion       32353,36       0,00

                                             Ciudad

                                    [ji al cuadrado]    P

Caracteristicas   Agradecimiento        32392,27       0,00
de la respuesta   Disculpa              32361,11       0,00
                  Personalizacion       32591,73       0,00

Tabla 5. Relacion entre la longitud de las respuestas
y la tasa de respuesta del hotel

                       Tasa de respuesta

                     [ji al cuadrado]    p

Numero de palabras        853,53        0,00
de la respuesta

Tabla 6. Relacion entre la tematica de la respuesta
y la ciudad del hotel

                                            Ciudad

                                   [ji al cuadrado]     P

                  Habitaciones         529,658        0,000
Tematica          Limpieza             104,341        0,000
de la respuesta   Ubicacion             20,165        0,000
                  Personal             693,506        0,000
                  Calidad/Precio       4912,455       0,000

Grafico 1. Tematicas abordadas en los comentarios segun ciudad

                 Madrid   Paris

Habitaciones      62,4%   80,6%
Limpieza          25,8%   6,3%
Ubicacion         58,0%   61,7%
Personal          58,5%   55,9%
Calidad/Precio    30,9%   28,8%

Nota: Tabla derivade de grafico de barra.

Grafico 2. Tematicas abordadas en los comentarios segun ciudad

                 Positivo   Negativo

Habitaciones       96,0%     4,0%
Limpieza           94,6%     5,4%
Ubicacion          96,8%     3,2%
Personal           97,0%     3,0%
Calidad/Precio     95,9%     4,1%

Nota: Tabla derivade de grafico de barra.

Grafico 3. Tasa de respuesta de los hoteles segun ciudad

           Madrid   Paris

0-20%      1,5%     3,1%
20-40%     9,2%     9,9%
40-60%     19,8%    20,0%
60-80%     32,9%    22,5%
80-100%    36,6%    44,5%

Nota: Tabla derivade de grafico de barra.

Grafico 4. Clasificacion de hoteles con una tasa
de respuesta superior al 80% segun su categoria

5 estrellas    62,0%
4 estrellas    47,05
3 estrellas    33,8%
2 estrellas    11,9%
1 estrellas    34,8%

Nota: Tabla derivade de grafico de barra.

Grafico 5. Clasificacion de hoteles con una tasa de
respuesta superior al 80% segun su valoracion
total en TripAdvisor

5     89,0%
4,5   58,05
4     36,05
3,5   15,0%
3     14,0%
2,5   43,7%
2     7,4%

Nota: Tabla derivade de grafico de barra.

Grafico 6. Tipo de respuesta por ciudad

                      Madrid   Paris

Agradecimiento         91,4%    89,1%
Disculpa                6,0%     5,1%
Trato personalizado    65,5%    56,6%

Nota: Tabla derivade de grafico de barra.

Grafico 7. Tipo de respuesta por ciudad

                  Madrid    Paris

Habitaciones       23,4%    76,6%
Limpieza           65,1%    35,0%
Ubicacion          39,0%    61,0%
Personal           50,2%    49,8%
Calidad/Precio     10,5%    89,5%

Nota: Tabla derivade de grafico de barra.
COPYRIGHT 2018 ESIC Editorial
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2018 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Publication:ESIC Market
Date:May 1, 2018
Words:6697
Previous Article:Dropshipping en el comercio electronico: el caso espanol.
Next Article:Atractivo visual percibido en paginas web mediante eye-tracking : caso de estudio en mujeres en los hoteles NH y Barcelo.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters