یک مدل داده محور برای رتبه بندی خطوط هوایی با استفاده از تصمیم گیری چندمعیاره و تحلیل احساسات (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: تحلیل بازخورد مشتری از طریق وبسایت های خطوط هوایی، به دلیل دقت زیاد و جامعیت آن در ارائه اطلاعات، بهتر از روش های مرسوم جمع آوری این بازخوردها از طریق پرسش نامه هاست. با بهره گیری از فناوری کلان داده، این وبسایت ها میلیون ها نظر مسافران را جمع آوری و تجزیه وتحلیل می کنند و اطلاعات دقیق تری از تجربه های مشتریان را ارائه می دهند. نظرهای آنلاین، به عنوان یک پلتفرم باز، امکان ارائه انتقادها و پیشنهادها به کارفرماها را فراهم می کنند و به دلیل حجم زیاد و انتشار گسترده، می توانند به عنوان منبع ارزشمندی برای تحلیل احساسات و نیازهای مشتریان استفاده شوند. بر این اساس، پژوهش حاضر یک چارچوب داده محور برای رتبه بندی خطوط هوایی پیشنهاد می کند که ترکیبی از روش های تصمیم گیری چند معیاره (MCDM) و تحلیل احساسات (SA) در سطح جنبه است. هدف اصلی این پژوهش، ارزیابی کیفیت خدمات خطوط هوایی و رتبه بندی آن ها با استفاده از نظرهای ثبت شده در وبسایت SKYTRAX از تجربه مسافران بر مبنای احساسات کاربران است که در نظرهای آن ها مستتر است. روش: چارچوب پیشنهادی شامل سه مرحله است. در مرحله ۱، پس از جمع آوری داده ها و پیش پردازش متن، ویژگی های خطوط هوایی با استفاده از الگوریتم تعداد صفت بالا (HAC) استخراج می شوند. در مرحله ۲، جهت گیری احساسات در هر خط هوایی شناسایی می شود تا نمره های عملکرد مربوط به هر خط هوایی محاسبه شود. در مرحله ۳، رتبه بندی خطوط هوایی با استفاده از روش تاپسیس، بر مبنای اعداد فازی شهودی و با توجه به نمره های حاصل از مرحله دوم انجام می شود. مجموعه های فازی شهودی (IFS) برای نمایش مؤثر نظرهای مشتری، از جمله عبارات مردد، در ماتریس تصمیم گیری استفاده می شوند. همچنین وزن معیارها با استفاده از روش آنتروپی تعیین می شود. در ادامه، برای نشان دادن جنبه کاربردیِ روش پیشنهادی، مدل ترکیبی در یک نمونه واقعی برای رتبه بندی خطوط هوایی منتخب خاورمیانه با استفاده از بررسی نظرهای آنلاین مشتریان (OCR) در وبسایت SKYTRAX آزمایش شده است. ۸۰۱۰ نظر که از ژانویه ۲۰۱۵ تا دسامبر ۲۰۲۱ در سایت SKYTRAX ثبت شده، جمع آوری شده است. یافته ها: نتایج حاصل از عملکرد 10 خط هوایی تجزیه وتحلیل شد و رتبه بندی بین آن ها صورت گرفت. نتایج نشان داد که خطوط هوایی کلاس اقتصادی با وزن 17/0 بیشترین اهمیت را دارد و از نظر مسافران، ویژگی هایی مانند خدمات مشتری، فضای پا، تأخیر در پرواز و بازرسی امنیتی با وزن 11/0 در مقایسه با سایر ویژگی ها، اهمیت یکسانی دارند. با توجه به نتایج، خط هوایی Middle East Airlines در بین ده خط هوایی (Saudi Arabian Airlines, Kuwait Airways, Oman Air, Iran Air, Egyptair, Royal Jordanian Airlines, Middle East Airlines, Pegasus Airlines, flydubai, Air Arabia) بهترین عملکرد را دارد؛ به این معنا که نزدیک ترین فاصله از راه حل ایدئال مثبت مجموعه فازی شهودی و دورترین فاصله از راه حل ایدئال منفی مجموعه فازی شهودی را دارد. در حالی که Pegasus Airlines نزدیک ترین فاصله به راه حل ایدئال منفی و دورترین فاصله از راه حل ایدئال مثبت را دارد و عملکرد آن در بین چهار خط هوایی کمترین است. نتیجه گیری: این پژوهش به مدیران خطوط هوایی کمک می کند تا به دنبال زمینه های بهبود باشند و بتوانند برای دستیابی به مزیت رقابتی بهتر در بازار، عملکردشان را با رقبای خود مقایسه کنند. از داده های این پژوهش می توان به منظور ایجاد یک سیستم توصیه برای مسافران استفاده کرد تا به آن ها کمک کند خطوط هوایی ای را انتخاب کنند که به بهترین وجه انتظارات، خواسته ها و هدف سفرشان را برآورده کند. این می تواند عواملی مانند بودجه، مقصد و نوع کلاس پرواز را در نظر بگیرد و به درک بهتر نیازهای مشتریان برای مدیران خطوط هوایی کمک کند.A Data-Driven Model for Ranking Airlines Using Multicriteria Decision-making and Sentiment Analysis
Objective
Analyzing customer feedback from airline websites is more effective than traditional questionnaire-based methods, as these websites provide highly accurate and comprehensive information. Using big data technology, these websites collect and analyze millions of passenger reviews, offering more accurate information about customer experiences. Online reviews, as an open platform, provide the opportunity for employers to receive criticisms and suggestions, and due to their high volume and widespread dissemination, they can serve as a valuable source for analyzing customer sentiments and needs. Therefore, this study aims to propose a data-driven framework for ranking airlines, combining Multi-Criteria Decision Making (MCDM) methods with Sentiment Analysis (SA) at the aspect level. The main objective of this research is to evaluate the quality of airline services and rank them based on the reviews recorded on the SKYTRAX website from the users' sentiments hidden in their reviews.
Methods
The proposed framework consists of three stages: Stage (1): After collecting the data and preprocessing the text, airline features were extracted using the High Attribute Clustering (HAC) algorithm. Stage (2): Sentiment orientation in each airline was identified to calculate the performance scores for each airline. Stage (3): Airlines were ranked using the TOPSIS method based on intuitive fuzzy numbers, considering the scores obtained in the second stage. Intuitive Fuzzy Sets (IFS) were used to represent effective customer opinions, including hesitant phrases in the decision matrix. Also, the criteria weights were determined through the entropy method.
Results
The performance of 10 airlines was analyzed, and ranked accordingly. The results show that for economy class airlines, with a weight of 0.17, features such as customer service, legroom, flight delays, and security inspection, each with a weight of 0.11, are equally important to passengers as other features. According to the results, Middle East Airlines demonstrates the highest performance among the ten airlines (Saudi Arabian Airlines, Kuwait Airways, Oman Air, Iran Air, Egyptair, Royal Jordanian Airlines, Middle East Airlines, Pegasus Airlines, flydubai, and Air Arabia) i.e. it has the closest distance to the positive ideal solution of the fuzzy intuitive set and the farthest distance from the negative ideal solution of the fuzzy intuitive set. While Pegasus Airlines has the closest distance to the negative ideal solution and the farthest distance from the positive ideal solution, its performance is the lowest among the four airlines.
Conclusion
This research greatly assists Middle Eastern airlines in seeking areas for improvement and in comparing their performance with their competitors to achieve a better competitive advantage in the market. The data from this research can be used to create a recommendation system for travelers helping them choose airlines that best align with their expectations, preferences, and travel goals. This can take into account factors such as budget, destination, and flight class, which can help airline managers better understand and meet customer needs.
تبلیغات
