การวิเคราะห์ความคิดเห็นของผู้เข้าพักโรงแรมด้วยเทคนิคการวิเคราะห์หัวข้อแฝง: กรณีศึกษาจังหวัดสุรินทร์
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ได้นำเสนอการวิเคราะห์ความคิดเห็นของผู้เข้าพักโรงแรมในจังหวัดสุรินทร์ด้วยเทคนิค
การวิเคราะห์หัวข้อแฝงมีวัตถุประสงค์เพื่อ 1) วิเคราะห์หัวข้อแฝงของความคิดเห็นของผู้เข้าพักโรงแรม และ
2) ศึกษาความสัมพันธ์ระหว่างประเด็นที่พบกับระดับความคิดเห็นของผู้เข้าพักผ่านมุมมองของผู้ใช้บริการ
มีขั้นตอนดำเนินการวิจัยตามกระบวนการวิทยาศาสตร์ข้อมูลแบ่งเป็น 5 ขั้นตอน ได้แก่ (1) การรวบรวมข้อมูล
(2) การเตรียมข้อมูลก่อนประมวลผล (3) การสร้างชุดข้อมูลกลุ่มระดับความคิดเห็น (4) การสร้างแบบจำลองหัวข้อแฝง และ (5) การศึกษาหาความสัมพันธ์ระหว่างหัวข้อแฝงกับระดับความคิดเห็น
การวิจัยครั้งนี้ใช้ข้อมูลความคิดเห็นจากผู้ใช้บริการโรงแรมจังหวัดสุรินทร์จำนวน 15 แห่งโดยการรวบรวมจาก Google Map จำนวน 2,042 ความคิดเห็น ผลการวิจัย พบว่า 1) ความคิดเห็นทั้งหมดสามารถจำแนกหัวข้อแฝงเป็น 7 หัวข้อ มีความเหมาะสมที่สุด โดยมีค่าคะแนนความสอดคล้องเท่ากับ 0.449 หัวข้อความคิดเห็น ได้แก่ (1) การพักผ่อนและสิ่งแวดล้อม (1) คุณภาพบริการและความสะอาด (3) ประสบการณ์หรูหรา
(4) เสน่ห์ของการตกแต่งโรงแรม 5) ความเงียบสงบและเหมาะสมของโรงแรม (6) ลักษณะของโรงแรมและสถานที่จัดงาน และ (7) ความคุ้มค่าและใช้งานได้จริง 2) ผลการวิเคราะห์ความสัมพันธ์ระหว่างหัวข้อแฝงกับระดับความคิดเห็นพบว่า ผู้เข้าพักส่วนใหญ่มีความรู้สึกเชิงบวกถึงร้อยละ 23.60 โดยเฉพาะในด้านคุณภาพบริการและความสะอาด และส่วนใหญ่มีความรู้สึกเชิงลบร้อยละ 30.89 ในด้านเสน่ห์ของการตกแต่งโรงแรม
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของ PBRU Science Journal
เอกสารอ้างอิง
กระทรวงการท่องเที่ยวและกีฬา. สถานการณ์การท่องเที่ยวในประเทศ รายจังหวัด ปี 2566 [อินเทอร์เน็ต]. 2566 [เข้าถึงเมื่อ 12 ก.ค. 2567], เข้าถึงได้จาก: https://www.mots.go.th/news/category/705
Sultana S, Rahman MM, Rahman MA, Islam MM, Sultana S, Rahman MM, et al. A Latent Dirichlet Allocation Technique for Opinion Mining of Online Reviews of Global Chain Hotels. 2022 International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT). 2022.
Valdez D, Pickett AC, Goodson P. Topic modeling: latent semantic analysis for the social sciences. Soc Sci Q. 2018;99:1665-79
Parasuraman A, Zeithaml V, Berry L. SERVQUAL: a multiple-item scale for measuring consumer perceptions of service quality. J Retailing 1988;64:12-40.
ลิขิตา เฉลิมพลโยธิน. ปัจจัยที่มีอิทธิพลต่อคุณภาพบริการของโรงแรมในอำเภอหัวหิน. วารสารวิทยาลัยโลจิสติกส์และซัพพลายเชน. 2566;9:106-21.
Chauhan U, Shah A. Topic modeling using latent dirichlet allocation: a survey. ACM Comput Surv 2021;54:1-35.
Alghamdi R, Alfalqi K. A survey of topic modeling in text mining. Int J Adv Comput Sci Appl 2015;6:147-53.
Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et al. Scikit-learn: machine learning in Python. J Mach Learn Res 2011. [cited 2024 Jul 20]. Available from: https://scikit-learn.org/0.16/about.html#citing-scikit-learn
สำนักอนามัยสิ่งแวดล้อม กรมอนามัย กระทรวงสาธารณสุข. รายชื่อโรงแรมที่เป็นมิตรกับสุขภาพและสิ่งแวดล้อม [อินเทอร์เน็ต]. 2567 [เข้าถึงเมื่อ 12 ก.ค. 2567]. เข้าถึงได้จาก: https://ghh.anamai.moph.go.th/
Google Maps Platform. Google place API [Internet]. 2024 [cited 2024 Jul 20]. Available from: https://developers.google.com/
maps-/documentation/places/web-service/details#PlaceReview
Kumar K. Evaluation of topic modeling: topic coherence [Internet]. 2018 [cited 2024 Jul 25]. Available from: https://datascienceplus.com-/evaluation-of-topic-modeling-topic-coherence.
Zeithaml VA, Bitner MJ, Gremler DD. Services marketing: integrating customer focus across the firm. 5th ed. Singapore: McGraw-Hill and Irwin; 2009.
Nunkoo R, Teeroovengadum V, Ringle CM, Sunnassee V. Service quality and customer satisfaction: the moderating effects of hotel star rating. Int J Hosp Manag 2020;91:102414.
