earticle

영어

Focusing on social big data, this study examined uncomfortable experience caused by COVID-19 (i.e., travel cancellation and refund/penalty issues) to predict traveler emotions and complaint behavior, and to establish better service recovery strategies. In detail, this study attempted to predict the emotional responses of travelers by categorizing unstructured text data related to uncomfortable experiences and revealing rules of association between words. The detailed influence of the text-based factors on traveler emotional status was also confirmed. Research results showed that corona (COVID-19), travel, countermeasure, cancellation, hotel, airline, mask, time, refund, and inspection are the top 10 key words with high frequency of appearance. Corona prevention, reservations and services, interactions, processes/procedures, and rewards were keyword factors derived based on the structure among the central keywords. In addition, regarding the influence of the main text-based factors on the positive emotions of travelers, four of the factors were found to be significant while the reservation and service factor was not.

한국어

본 연구는 소셜 빅데이터를 중심으로 코로나19로 인한 여행자들의 불편(i.e., 여행 취소 및 환 불/위약금 문제) 경험을 살펴봄으로써, 여행자 감정 및 불평행동을 예측하고 보다 나은 서비스 회복 전략 구축을 위한 정보를 제공하고자 진행되었다. 세부적으로는 비정형 텍스트 데이터를 활용하여 불편 경험을 범주화하고 단어들 사이의 연관 규칙을 밝히고 여행자들의 감정 반응을 예측하고자 하였으며, 여행자 감정에 대한 불편 요인들의 세부 영향력까지 추가적으로 살펴보았 다. 빅데이터 분석을 위한 텍스트 자료는 관련 키워드(코로나 바이러스, 여행 취소, 환불, 위약 금, 일정 변경 등)를 사용하여 네이버 블로그(https://section.blog.naver.com/)에서 수집되었는데, 총 1,765개의 블로그에서 정제 과정을 거친 63개의 핵심 단어가 최종분석에 사용되었다. 연구결 과를 살펴보면, 코로나(코로나19), 여행, 대책, 취소, 호텔, 항공, 마스크, 시간, 환불, 검사가 출현 빈도가 높은 상위 10개의 핵심 단어로 나타났으며, 코로나 예방, 예약 및 서비스, 상호작용, 과 정/절차, 그리고 보상이 핵심 키워드들 간의 관계나 구조를 토대로 도출된 키워드 요인이었다. 또한 여행자의 긍정적 감정에 대한 주요 텍스트 요인들의 영향력으로는 예약 및 서비스 요인을 제외한 나머지 4개 요인이 모두 유의한 것으로 조사되었다.