تحلیل اطلاعات پروفایل کاربران وب‌سایت تریپ ادوایزر بر اساس روش‌های داده‌کاوی

امروزه صنعت گردشگری یکی از پایه‌های هر اقتصاد پایداری است، به‌گونه‌ای که حدود 10 درصد از اقتصاد جهان را به خود اختصاص داده است. هدف از این پژوهش مطالعه و تحلیل اطلاعات پروفایل کاربران یکی از مطرح‌ترین وب‌سایت‌های تجارت اجتماعی گردشگری به نام تریپ ادوایزر، با بهره‌گیری از تکنیک‌های داده‌کاوی است. بدین منظور پایگاه داده وب‌سایت تریپ ادوایزر موردبررسی قرارگرفته و اطلاعات پروفایل کاربرانی که حداقل در مورد یکی از هتل‌های ایران اظهار نظرکرده بودند استخراج شد. پس‌ازآن کلیه شاخص‌های پروفایل کاربران توسط تکنیک انتخاب شاخص موردبررسی قرار گرفت و شاخص‌هایی که بیشترین تاثیر را بر روی خوشه‌بندی داشتند مشخص شدند. در ادامه با محاسبه شاخص دیویس-بولدین تعداد خوشه بهینه، سه به دست آمد و کاربران به سه خوشه تقسیم گردیدند. هر خوشه دارای مشخصات منحصربه‌فردی بود که به نام‌های پیشروان، سفر دوستان اشرافی و کاربران کم سفر نام‌گذاری گردیدند. سپس بر اساس ویژگی‌های هر یک از این سه خوشه و اطلاعات پروفایل کاربران آن‌ها با استفاده از قوانین انجمنی اقدام به شناخت بیشتر هر خوشه شد. درنهایت متناسب با ویژگی‌های تحلیل‌شده، راهکارهایی برای افزایش مشارکت این کاربران در وب‌سایت و برنامه‌های تبلیغاتی هدفمند برای هرکدام از این خوشه‌ی کاربران ارائه گردید.

Tripadvisor Users’ Profile Analysis: A Data Mining Approach

Nowadays, the tourism industry is one of the cornerstones of any sustainable economy, in a manner that it assigns about 10 percent of the global economy. The purpose of this article is to study and analyze the profile information of users of one of the most popular social tourism websites called Tripdvisor, by utilizing data mining techniques. For this purpose, the database of the tripadvisor website was considered and the profile information of the users who at least had commented on one of the Iranian hotels was extracted. After that all the information of user profiles were evaluated by feature selection technique and the information that had the most impact on the clustering were identified. In the following, by calculating the Davies–Bouldin index, the optimal number of clusters was obtained and it was three, and the users were divided into three clusters. Each cluster had unique characteristics that were named pioneers, aristocratic friends travel, and lowtravel users. Then, based on the characteristics of each of these three clusters and their users’ profile information by using association rules, each cluster was attempted to be further identified. Finally, proportional with the analyzed features, some solutions and approaches were provided to increase the participation of these users in the website and targeted promoting programs for each of these users’ cluster.