Strategic Insights into Guest Preferences: Applying K-Means Clustering and Aspect Based Sentiment Analysis to Optimize Airbnb Operations in Singapore = 싱가포르 에어비앤비 운영 효율화를 위한 전략: K평균 군집화 및 Aspect-Based Sentiment Analysis 활용

다국어 초록 (Multilingual Abstract)

This thesis investigates the optimization of Airbnb operations in Singapore through a detailed analysis of guest preferences using K-means clustering and aspect-based sentiment analysis. The primary objectives of the study are to understand guest preferences, identify key aspects influencing guest satisfaction, and provide actionable insights for Airbnb hosts. By systematically analyzing guest reviews of Airbnb listings in Singapore, the study employs K-means clustering to categorize listings into distinct clusters based on similarities in their features, thus revealing the diverse needs and preferences of different guest segments.
The research identifies and evaluates specific aspects of Airbnb listings, such as accuracy, amenities, check-in process, comfort, communication, family-friendliness, host interaction, location, maintenance and condition, neighborhood, and value, which significantly impact guest satisfaction. By pinpointing the most influential aspects, hosts can allocate resources more effectively and address critical areas needing enhancement. The findings are translated into practical recommendations that hosts can implement to optimize their listings and improve guest satisfaction, guiding them in making informed decisions that enhance their operational strategies, leading to better guest reviews and increased bookings.
Key outcomes of this analysis include ensuring accuracy in listing descriptions to align with guest expectations, enhancing the check-in process with clear instructions and flexible options, improving communication through timely responses and proactive engagement, offering good value by competitively pricing listings and highlighting unique features, focusing on host interaction by being approachable and providing personalized touches, and investing in comfort and amenities to maintain and upgrade quality furnishings and essential amenities regularly.
Furthermore, hosts will gain a strategic framework to optimize their listings based on identified guest preferences and sentiment trends, which includes personalizing guest experiences, leveraging positive aspects highlighted by guests, and creating unique selling propositions. Insights from this study contribute to a broader understanding of guest preferences and behaviors within the Singaporean Airbnb market, providing data-driven evidence to support policy decisions regarding short-term rentals, offering benchmarks for other hosts to evaluate and improve their listings, and encouraging higher standards of service and quality across the Airbnb community.

국문 초록 (Abstract)

본 논문은 K-평균 군집화와 Aspect-Based Sentiment Analysis 를 사용하여 싱가포르의 에어비앤비 운영을 최적화하는 방법을 탐구한다. 연구의 주요 목적은 고객 선호도를 이해하고, 고객 만족도에 영향을 미치는 주요 측면을 식별하며, 에어비앤비 호스트에게 실질적인 인사이트를 제공하는 것이다. 싱가포르 에어비앤비 숙소를 대상으로 K-평균 군집화를 통해 유사한 특성을 가진 숙소를 군집화하고 고객 리뷰를 체계적으로 분석하여 다양한 고객 세그먼트에 있어 니즈와 선호도를 밝혀내었다.
본 연구에서는 정확성, 편의시설, 체크인 절차, 편안함, 소통, 가족 친화성, 호스트 상호작용, 위치, 유지보수 상태, 이웃 환경, 그리고 가치를 포함한 에어비앤비 숙소의 특징을 식별하고 평가하여 고객 만족도에 큰 영향을 미치는 요소를 파악한다. 가장 영향력있는 측면을 정확히 파악함으로써 호스트는 자원을 더 효과적으로 할당하고 개선이 필요한 핵심 영역의 문제를 해결할 수 있다. 이러한 발견은 호스트가 숙소를 최적화하고 고객 만족도를 높이기 위해 구현할 수 있는 실질적인 실행 아이템으로 정리되며, 운영 전략을 강화하여 개선된 고객 리뷰 및 예약 증가를 이끌어낼 수 있다.
호스트에 대한 이 연구의 주요 메세지는 고객 기대 수준에 맞게 숙소 설명을 정확히 하고 신속한 응답과 적극적인 소통을 통해 커뮤니케이션을 향상시킬 것, 명확한 설명과 유연한 선택사항으로 체크인 절차를 개선할 것, 경쟁력 있는 가격 책정과 차별화된 기능을 통해 가치를 제공할 것, 접근이 용이하고 개인화된 접촉을 제공하여 호스트와의 상호작용을 효율화할 것, 고품질의 가구와 필수 편의시설을 정기적으로 유지하고 업그레이드하여 편안함을 갖춘 숙소가 되도록 지속적으로 편의시설에 투자할 것 등이다.
호스트는 식별된 고객 선호도와 감성 트렌드에 따라 숙소를 최적화하기 위한 전략적 프레임워크를 얻을 수 있으며, 이는 개인화된 고객 경험과 고객의 강조 측점을 활용하고, 차별화된 판매 포인트를 창출하는 것을 포함한다. 본 연구의 인사이트를 요약하면, 싱가포르 에어비앤비 시장 내 고객 선호도와 행동에 대한 더 넓은 이해를 돕고, 단기 임대에 관한 정책 결정을 지원하는 데이터 기반의 근거를 제공하며, 다른 호스트가 자신의 숙소를 평가하고 개선할 수 있는 벤치마크를 제공하고, 에어비앤비 커뮤니티 전반에 걸쳐 서비스와 품질의 요구 수준을 파악하게 해준다.

목차 (Table of Contents)

• CHAPTER 1. INTRODUCTION 1
• 1.1 Objectives 2
• 1.2 Expected Outcomes 3
• 1.3 Research Questions 4
• CHAPTER 2. RELATED WORK 5
• 2.1 Electronic Word of Mouth: Online Customer Reviews 5
• 2.2 Sentiment Analysis: Aspect Based Sentiment Analysis 5
• CHAPTER 3. DATA AND METHODOLOGY 7
• 3.1 Description of Data: Listings and Reviews 7
• 3.2 Overview of the Analytical Approach 9
• CHAPTER 4. CLUSTERING OF Airbnb LISTINGS 10
• 4.1 Data Cleaning and Handling 10
• 4.2 Preprocessing Data for Clustering 13
• 4.3 Implementation of K-Means Clustering 16
• 4.4 Cluster Profiling 20
• 4.5 Benchmarking Hosts 21
• CHAPTER 5. CLUSTER BASED REVIEW ANALYSIS: TOPIC MODELING APPROACH FOR ABSA 25
• 5.1 Preparing the data for ABSA 27
• 5.2 LDA Topic Modeling at Cluster Level 28
• 5.3 Identification of Key Aspects for each Cluster 32
• 5.4 Aspect Specific Sentiment Analysis: Distributions and Heatmaps by Cluster 35
• 5.5 Cross-Cluster Sentiment Analysis: Comparative Heatmap of Mean Compound Scores 44
• CHAPTER 6. DISCUSSION 45
• 6.1 Cluster Profiling Insights 45
• 6.2 Insights from Aspect Specific Sentiment Analysis 46
• 6.3 Takeaways for Hosts (Potential Hosts) to improve their business 47
• 6.4 Practical Applications of This Analysis 49
• CHAPTER 7. CONCLUSION 51
• REFERENCES 54
• APPENDICES 56
• A. Description of Columns for Listing Dataset 56
• B. Description of Columns for Reviews Dataset 58