1
گروه جغرافیای انسانی و برنامه‌ریزی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
2
گروه گردشگری و هتلداری، دانشگاه نورث همپتون، لندن، انگلستان
10.22059/jut.2025.378415.1221
چکیده
این پژوهش، با هدف تحلیل و ارزیابی نظرات برخط کاربران درباره اقامتگاه‌های شهر تهران، از تکنیک‌های پیشرفته وب کاوی (Web Scraping) استفاده کرده است. ازاین‌رو در این مقاله، به بررسی یک روش جامع خودکار وب کاوی برای جمع‌آوری و تجزیه‌وتحلیل نظرات کاربران در یکی از سایت‌های آنلاین اقامتگاه در شهر تهران ارائه‌شده است. این روش هوشمند شامل مراحلی مانند انتخاب وب‌سایت، بررسی ابزارها، استخراج داده‌ها، پیش‌پردازش و تجزیه‌وتحلیل نظرات است. با استفاده از این روش، صاحبان اقامتگاه‌ها، مدیران و بازاریابان می‌توانند بینشی عمیق درباره ترجیحات مشتریان، سطح رضایت و نیازهای بهبود را به دست آورند. هم‌چنین گردشگران و کاربران برای انتخاب اقامتگاه خود می‌توانند اطلاعات ارزشمندی از تجربیات سایرین کسب نمایند. بر اساس نتایج تحقیق، روش هوشمند وب کاوی، امکان تحلیل داده‌های بزرگ و ارزشمند را فراهم می‌کند و می‌تواند به تصمیم‌گیری‌های استراتژِیک در حوزه خدمات گردشگری کمک کند. یافته‌ها با استفاده از آمار توصیفی و آزمون‌های تحلیلی شامل آزمون‌های t و ANOVA، برای ارزیابی میانگین تفاوت در نظرات کاربران در دسته‌های مختلف هتل ارائه‌شده‌اند. این مطالعه نشان می‌دهد که میانگین امتیازات امکانات هتل، قیمت اتاق، کیفیت اتاق، موقعیت هتل و پروتکل‌های بهداشتی عموماً بالاتر از میانگین مورد انتظار است که نشان‌دهنده درک کلی مثبت از هتل‌های تهران است.
حق وردی زاده، ابوالفضل؛ زارعی، قاسم؛ عسگرنژاد نوری، باقر و رحیمی کلور، حسین. (1402). الگوی توسعه گردشگری هوشمند شهری مبتنی بر اکوسیستم بازاریابی مطالعه موردی: شهر تبریز. مجله گردشگری شهری،10(3)، 127-146. DOI: 10.22059/jut.2023.365511.1157
میمندی، فاطمه؛ کیوان نیا، سامان و شیرمحمدی، علی، (1402). بررسی چالش‌های هوشمند سازی اقامتگاه‌های بوم گردی. مجله گردشگری شهری، 10(4)، 17-35. DOI: 10.22059/jut.2024.352721.1102
Adhinugroho, Y., Putra, A. P., Luqman, M., Ermawan, G. Y., Mariyah, S., & Pramana, S. (2020). Development of online travel Web scraping for tourism statistics in Indonesia. DOI: 10.47989/irpaper885
Ahmad, W., & Sun, J. (2018). Modeling consumer distrust of online hotel reviews. International Journal of Hospitality Management, 71, 77-90. DOI: 10.1016/j.ijhm.2017.12.005
Alaei, A. R., Becken, S., & Stantic, B. (2019). Sentiment analysis in tourism: capitalizing on big data. Journal of travel research, 58(2), 175-191. DOI: 10.1177/004728751774775
Ali, T., Omar, B., & Soulaimane, K. (2022). Analyzing tourism reviews using an LDA topic-based sentiment analysis approach. MethodsX, 9, 101894. DOI: 10.1016/j.mex.2022.101894
Aluri, A., Price, B. S., & McIntyre, N. H. (2019). Using machine learning to cocreate value through dynamic customer engagement in a brand loyalty program. Journal of Hospitality & Tourism Research, 43(1), 78-100. DOI: 10.1177/1096348017753521
Barbera, G., Araujo, L., & Fernandes, S. (2023). The Value of Web Data Scraping: An Application to TripAdvisor. Big Data and Cognitive Computing, 7(3), 121. DOI: 10.3390/bdcc7030121
Beck, J., Danilenko, M., Sperber, L., Wiersma, B., & Egger, R. (2017). Connecting big data and service quality evaluation–developing a service quality map of the Austrian hospitality industry through the application of big data. The Gaze: Journal of Tourism and Hospitality, 8, 40-54. DOI: 10.3126/gaze.v8i0.17831
Berezina, K., Bilgihan, A., Cobanoglu, C., & Okumus, F. (2016). Understanding satisfied and dissatisfied hotel customers: text mining of online hotel reviews. Journal of Hospitality Marketing & Management, 25(1), 1-24. DOI: 10.1080/19368623.2015.983631
Choong, W. J. (2019). An automated web scraping tool for Malaysia tourism (Doctoral dissertation, UTAR).
Dogucu, M., & Çetinkaya-Rundel, M. (2021). Web scraping in the statistics and data science curriculum: Challenges and opportunities. Journal of Statistics and Data Science Education, 29(sup1), S112-S122. DOI: 10.1080/10691898.2020.1787116
DOI: 10.1080/13683500.2015.1127336
Fazzolari, M., & Petrocchi, M. (2018). A study on online travel reviews through intelligent data analysis. Information Technology & Tourism, 20(1), 37-58. DOI: 10.1007/s40558-018-0121-z
Gheorghe, M., Mihai, F. C., & Dârdală, M. (2018). Modern techniques of web scraping for data scientists. International Journal of User-System Interaction, 11(1), 63-75.
Haghverdizadeh, A., Zarei, G., Asgarnezhad Nouri, B., & Rahimi Kolour, H. (2023). Urban Smart Tourism Development Model Based on Marketing Ecosystem the Case Study of Tabriz City. Journal of urban tourism, 10(3), 127-146. DOI: 10.22059/jut.2023.365511.1157 [In Persian]
Han, S., & Anderson, C. K. (2021). Web scraping for hospitality research: Overview, opportunities, and implications. Cornell Hospitality Quarterly, 62(1), 89-104. DOI: 10.1177/193896552097358
Kamarazaman, N., Ali, N., & Arshad, H. (2024). Leveraging Web Scraping To Gather Tourism Information Data. Journal of Event, Tourism and Hospitality Studies, 4, 16-29. DOI: 10.32890/jeth2024.4.2
Khder, M. A. (2021). Web scraping or web crawling: State of art, techniques, approaches and application. International Journal of Advances in Soft Computing & Its Applications, 13(3). DOI: 10.32890/jeth2024.4.2
Liu, Y., Teichert, T., Rossi, M., Li, H., & Hu, F. (2017). Big data for big insights: Investigating language-specific drivers of hotel satisfaction with 412,784 user-generated reviews. Tourism Management, 59, 554-563. DOI: 10.1016/j.tourman.2016.08.012
Luo, N., Kwan, C., Sun, Y., & Zhang, F. (2020, October). Analyzing and Filtering Food Items In Restaurant Reviews: Sentiment Analysis and Web Scraping. In Computer Science & Information Technology (CS & IT) Computer Science Conference DOI: 10.5121/csit.2020.101208
Meymandi, F., Keyvannia, S., & Shirmohammadi, A. (2024). Examining the Challenges of Smartening Eco-lodges. Journal of urban tourism, 10(4), 17-35. DOI: 10.22059/jut.2024.352721.1102 [In Persian]
Moro, S., Batista, F., Rita, P., Oliveira, C., & Ribeiro, R. (2019a). Are the states united? An analysis of US hotels’ offers through TripAdvisor’s eyes. Journal of Hospitality & Tourism Research, 43(7), 1112-1129. DOI: 10.1177/109634801985479
Moro, S., Ramos, P., Esmerado, J., & Jalali, S. M. J. (2019b). Can we trace back hotel online reviews’ characteristics using gamification features? International Journal of Information Management, 44, 88-95. DOI: 10.1016/j.ijinfomgt.2018.09.015
Nwakanma, C. I., Ogbonna, A. C., Etus, C., Nwifor, E. U., Onyebuchi, J. E., & Ugwueke, E. C. Predictive analytics of customer sentiments towards Nigerian hospitality industry: Case study approach. In Proc. 3rd International Conference on Intelligent Computing and Emerging Technologies (ICET 2019) (pp. 60-68).
Oses Fernández, N., Kepa Gerrikagoitia, J., & Alzua-Sorzabal, A. (2018). Sampling method for monitoring the alternative accommodation market. Current Issues in Tourism, 21(7), 721-734.
Pang, C. C. (2023). Hotel recommendation system with machine learning (Doctoral dissertation, UTAR).
Phillips, P., Barnes, S., Zigan, K., & Schegg, R. (2017). Understanding the impact of online reviews on hotel performance: an empirical analysis. Journal of travel research, 56(2), 235-249. DOI: 10.1177/0047287516636
Pokhrel, S., Somasiri, N., Jeyavadhanam, R., & Ganesan, S. (2023). Web Data Scraping Technology Using Term Frequency Inverse Document Frequency to Enhance the Big Data Quality on Sentiment Analysis. International Journal of Electrical and Computer Engineering, 17(11), 300-307.
Radojevic, T., Stanisic, N., & Stanic, N. (2015). Ensuring positive feedback: Factors that influence customer satisfaction in the contemporary hospitality industry. Tourism management, 51, 13-21. DOI: 10.1016/j.tourman.2015.04.002
Rajan, A., & Shyam, A. V. (2015). Sentiment Analysis on Customer Reviews in Tourism-A Text Mining Approach.
Renganathan, V., & Upadhya, A. (2021). Dubai restaurants: A sentiment analysis of tourist reviews. Academica Turistica-Tourism and Innovation Journal, 14(2). DOI: 10.26493/2335-4194.14.165-174
Sahu, S., Divya, K., Rastogi, N., Yadav, P. K., & Perwej, Y. (2022). Sentimental Analysis on Web Scraping Using Machine Learning Method. Journal of Information and Computational Science (JOICS), ISSN, 1548-7741. DOI: 10.12733/JICS.2022/V12I08.535569.67004
Sequeira, S., Joy, J., Dsouza, D., & Kaul, P. (2020, June). Dynamic review modelling and recommendation of tourism data. In Proceedings of the International Conference on Recent Advances in Computational Techniques (IC-RACT).
Sharma, K., & Borkar, G. M. Comparative Analysis of Dynamic Web Scraping Strategies: Evaluating Techniques for Enhanced Data Acquisition, In: Ashish Kumar Tripathi and Vivek Shrivastava (eds), Advancements in Communication and Systems, SCRS, India, 2024, pp. 241-252. DOI: 10.56155/978-81-955020-7-3-22
Stringam, B., Gerdes, J. H., & Anderson, C. K. (2023). Legal and ethical issues of collecting and using online hospitality data. Cornell Hospitality Quarterly, 64(1), 54-62. DOI: 10.1177/19389655211040434
Wong, E., Rasoolimanesh, S. M., & Pahlevan Sharif, S. (2020). Using online travel agent platforms to determine factors influencing hotel guest satisfaction. Journal of Hospitality and Tourism Technology, 11(3), 425-445. DOI: 10.1108/JHTT-07-2019-0099
Yildirim, Y., Ulucan, A., & Atici, K. B. (2023). Classifying Scuba Diving Sites through Diver Reviews with a Web Scraping Based UTADIS Application. Croatian Operational Research Review, 14(2), 137-148. DOI: 10.17535/crorr.2023.0012
Yuan, S. (2023). Design and Visualization of Python Web Scraping Based on Third-Party Libraries and Selenium Tools. Academic Journal of Computing & Information Science, 6(9), 25-31. DOI: 10.25236/AJCIS.2023.060904
)