Publicação
Sentiment analysis baseada em aspetos: caso de estudo Jamie’s Italian
| Resumo: | Com o desenvolvimento da tecnologia, o comportamento dos consumidores também se desenvolveu e mudou. Umas das alterações do comportamento dos consumidores, foi a utilização das novas tecnologias para partilhar as suas experiências, o chamado e-Word-of-Mouth, o que levou à criação de plataformas online onde o principal objetivo é permitir aos utilizadores dar a sua opinião sobre diversos produtos ou serviços, como hotéis, livros, restaurantes, entre outros, e consultar a opiniões de outros utilizadores. O surgimento destas plataformas online, alterou a dinâmica de diversos setores de negócios: o mercado de restauração não foi exceção. Existem diversos estudos sobre a utilização deste tipo de plataformas na ótica do cliente, porém também poderão consistir em ótimas ferramentas de trabalho para melhorar a performance dos restaurantes. Deste modo, o objetivo principal deste trabalho é compreender como as diferentes categorias, relacionadas com a temática da restauração, têm impacto na rating de uma review, tendo como caso de estudo dois restaurantes do chef Jamie Oliver. Começou-se por realizar a revisão literária, onde foram apresentados os conceitos que serviram como base para a investigação. O segundo passo desta investigação, consistiu na aplicação de um modelo que permitiu identificar as categorias e o sentimento associado às mesmas, usando métodos de Text Mining. Este tipo de métodos tornou possível entender quais as categorias que mais influenciam o rating. Através deste estudo foi possível compreender como a utilização ferramentas de Text Mining contribuem para análise da performance de um restaurante e apoiar na tomada de decisão Os resultados demonstram que as categorias mencionadas são ‘food’ e ‘service’ enquanto as menos mencionadas são ‘atmosphere’ e ‘location’. Verificou-se que todas as categorias têm impacto no rating final, porém a categoria com maior impacto é ‘food’. |
|---|---|
| Autores principais: | Figueira, Joana Isabel Medeiros |
| Assunto: | Online review Text mining Restaurante -- Restaurant Análise de sentimentos -- Sentiment analysis Jamie Oliver |
| Ano: | 2023 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | ISCTE |
| Idioma: | português |
| Origem: | Repositório ISCTE |
| Resumo: | Com o desenvolvimento da tecnologia, o comportamento dos consumidores também se desenvolveu e mudou. Umas das alterações do comportamento dos consumidores, foi a utilização das novas tecnologias para partilhar as suas experiências, o chamado e-Word-of-Mouth, o que levou à criação de plataformas online onde o principal objetivo é permitir aos utilizadores dar a sua opinião sobre diversos produtos ou serviços, como hotéis, livros, restaurantes, entre outros, e consultar a opiniões de outros utilizadores. O surgimento destas plataformas online, alterou a dinâmica de diversos setores de negócios: o mercado de restauração não foi exceção. Existem diversos estudos sobre a utilização deste tipo de plataformas na ótica do cliente, porém também poderão consistir em ótimas ferramentas de trabalho para melhorar a performance dos restaurantes. Deste modo, o objetivo principal deste trabalho é compreender como as diferentes categorias, relacionadas com a temática da restauração, têm impacto na rating de uma review, tendo como caso de estudo dois restaurantes do chef Jamie Oliver. Começou-se por realizar a revisão literária, onde foram apresentados os conceitos que serviram como base para a investigação. O segundo passo desta investigação, consistiu na aplicação de um modelo que permitiu identificar as categorias e o sentimento associado às mesmas, usando métodos de Text Mining. Este tipo de métodos tornou possível entender quais as categorias que mais influenciam o rating. Através deste estudo foi possível compreender como a utilização ferramentas de Text Mining contribuem para análise da performance de um restaurante e apoiar na tomada de decisão Os resultados demonstram que as categorias mencionadas são ‘food’ e ‘service’ enquanto as menos mencionadas são ‘atmosphere’ e ‘location’. Verificou-se que todas as categorias têm impacto no rating final, porém a categoria com maior impacto é ‘food’. |
|---|