Análisis de sentimientos de las opiniones textuales asociadas al complejo turístico Las Terrazas
Barra lateral del artículo
Contenido principal del artículo
Resumen
El análisis de sentimiento o minería de opinión, según la literatura, brinda a las empresas la oportunidad de obtener información relevante sobre las reacciones de los clientes en relación con su marca o producto. Esto les facilita la posibilidad de perfeccionar sus estrategias de marketing y de tomar decisiones de manera más eficiente. La relevancia del tema es fundamental para el turismo y para espacios como el complejo turístico Las Terrazas, pues facilita el monitoreo de la satisfacción del cliente y la realización de estudios de mercado. Actualmente, a pesar de su atractividad, este no cuenta con estudios que analicen de manera sistemática las percepciones de sus visitantes a través de las opiniones vertidas en TripAdvisor. En este escenario, surge la presente investigación con el objetivo de analizar el comportamiento de los sentimientos de las opiniones textuales asociadas al complejo turístico Las Terrazas. Para el desarrollo de la misma, se empleó una metodología estructurada en cinco fases, que incluyó las técnicas del web scraping, el árbol de problemas y la herramienta diagrama de Pareto. Además, se utilizaron softwares como R-Studio, Excel, Paint 3D y la extensión de Google Instant Data Scraper para raspar las opiniones automáticamente. Los resultados revelan una disminución tendencial en la cantidad de opiniones, siendo la mayoría negativas. Se identificó la insatisfacción general de los visitantes como problema central, lo que pone en riesgo la imagen del complejo debido a las opiniones desfavorables y, si no se toman acciones rápidas, podría empeorar la situación existente.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Arguedas, M., Beita, J., Rodríguez, F., Umaña, J., & Vaca, M. (2020). Crisis migratoria en Colombia y Costa Rica: Una visión desde el análisis de sentimientos. Revista humanidades, 10(2), e42238. https://doi.org/10.15517/h.v10i2.42238
Blasco Duatis, M., & Coenders, G. (2020). Análisis de sentimiento de la agenda de los partidos políticos españoles en Twitter durante la Moción de Censura de 2018. Un enfoque de datos composicionales. Revista Mediterránea de Comunicación, 11(2), 185-198. https://doi.org/10.14198/MEDCOM2020.11.2.22
Busón Buesa, C. (2020). La minería de opinión para el análisis del discurso de odio en las redes sociales. Un estudio de caso sobre Paulo Freire en YouTube durante el periodo 2007-2019. Commons. Revista de Comunicación y Ciudadanía Digital, 9(1), 119-159. https://revistas.uca.es/index.php/cayp/article/view/5482
Callarisa Fiol, L. J., Sánchez García, J., Moliner Tena, M. A., & Forgas Coll, S. (2012). La importancia de las comunidades virtuales para el análisis del valor de marca. El caso de Tripadvisor en Hong Kong y París. Papers de Turisme, (52), 89-115. http://www.turisme.gva.es/ojs/index.php/Papers/article/view/66
de Oliveira Santini, F., Ladeira, W. J., Pinto, D. C., Herter, M. M., Sampaio, C. H., & Babin, B. J. (2020). Customer engagement in social media: A framework and meta-analysis. Journal of the Academy of Marketing Science, 48(6), 1211-1228. https://doi.org/10.1007/s11747-020-00731-5
Espinola Gonzales, J., Cobo Ortega, Á., Rocha Blanco, R., & Baraibar Diez, E. (2024). Análisis de sentimientos y emociones sobre gastronomía peruana usando minería de texto con Python. Hatun Yachay Wasi, 3(1), 126-136. https://doi.org/10.57107/hyw.v3i1.63
Henríquez Miranda, C., & Guzmán, J. (2015). Extracción de información desde la web para identificar acciones de un modelo de dominio en planificación automática. Ingeniare. Revista Chilena de Ingeniería, 23(3), 439-448. https://doi.org/10.4067/S0718-33052015000300013
Herrera Flores, B., & Benavides Morales, C. (2022). Minería de opiniones en un modelo de educación remota de emergencia en el Ecuador. South Florida Journal of Development, 3(4), 4582-4598. https://doi.org/10.46932/sfjdv3n4-037
Hu, Y.-H., Chen, K., & Lee, P.-J. (2017). The effect of user-controllable filters on the prediction of online hotel reviews. Information & Management, 54(6), 728-744. https://doi.org/10.1016/j.im.2016.12.009
Kim, S. Y., Ganesan, K., Dickens, P., & Panda, S. (2021). Public Sentiment toward Solar Energy-Opinion Mining of Twitter Using a Transformer-Based Language Model. Sustainability, 13(5), 2673. https://doi.org/10.3390/su13052673
López Fierro, S., & Pacheco Villamar, R. (2021). Cuantificando opiniones expresadas en tweets durante las Elecciones Presidenciales Ecuatorianas del 2021 por medio del Análisis de Sentimiento. Ecuadorian Science Journal, 5(3), 209-219. https://doi.org/10.46480/esj.5.3.156
Mishra, J., Kumar, A., & Chandra Pathak, P. (2023). Twitter sentiment analysis. Interantional Journal of Scientific Research in Engineering and Management, 7(6). https://doi.org/10.55041/IJSREM24071
Moro, S., Rita, P., & Coelho, J. (2017). Stripping customers' feedback on hotels through data mining: The case of Las Vegas Strip. Tourism Management Perspectives, 23, 41-52. https://doi.org/10.1016/j.tmp.2017.04.003
Padilla Vargas, M. R., & Mullo Romero, E. del C. (2020). Las Tecnologías de la Información y la Comunicación a través de la educación superior. Su incorporación en las investigaciones turísticas. Universidad y Sociedad, 12(2), 281-286. https://rus.ucf.edu.cu/index.php/rus/article/view/1515
Ramírez Pérez, J. F., & Pérez Hernández, I. (2007). Desarrollo Sostenible Local a partir del manejo turístico de un área natural. Experiencia en "Las Terrazas", Cuba. Economía y Desarrollo, 141(1), 121-134. https://revistas.uh.cu/econdesarrollo/article/view/3849
Ruiz García, S., & Hernández García, Y. (2017). Impacto de las TIC en el sector turístico y su importancia. Universidad & Ciencia, 6(3), 66-76. https://revistas.unica.cu/index.php/uciencia/article/view/564
Sandoval Almazán, R., & Osorio González, R. (2021). Plataformas Online en la `Nueva Normalidad': El Caso Tripadvisor. Revista Rosa dos Ventos - Turismo e Hospitalidade, 13(4). https://doi.org/10.18226/21789061.v13i4p16
Saura, J. R., Reyes Menéndez, A., & Palos Sánchez, P. (2018). Un análisis de sentimiento en Twitter con machine learning: Identificando el sentimiento sobre las ofertas de #BlackFriday. Revista ESPACIOS, 39(42). https://es.revistaespacios.com/a18v39n42/18394216.html
