Comparative Study on Restaurant Quality Demand between Before and After the Outbreak of COVID19 Using Big Data and Text Analysis

Abstract

Comparing and interpreting restaurant customers evolution of quality experience and satisfaction before and after the outbreak of COVID-19 is of critical importance in terms of preparing the resumption of customer demand in the long run. However, while a handful of studies have employed online reviews to understand customer experience in hospitality, there has not been a systematic application of big data analytic techniques to resolve quality issues in hospitality. This study aims to explore and demonstrate the utility of big data analytics to better understand the difference of relationship between restaurant guest quality experience and satisfaction before and after the COVID outbreak. Specifically, this study applies a text analytical approach to a large quantity of consumer reviews extracted from Tripadvisor.com to deconstruct restaurant quality experience and examine its association with satisfaction ratings. The findings reveal that the association between each quality experience factors and satisfaction is different, and disaster situation can change the pattern of association. In addition, this study reveals that big data analytics can prove variables that have been extensively studied in previous service quality management literature.

COVID-19 발병 전후의 레스토랑 고객 품질 경험 및 만족도 변화를 비교하고 해석하는 것은 향후 고객 수요의 재개를 준비하는 관점에서 매우 중요하다. 소수의 연구에서 환대 산업의 고객 경험을 이해하기 위해 온라인 리뷰를 사용했으나, 그동안 어떤 연구도 환대 산업의 품질 문제를 해결하기 위해 빅 데이터 분석 기술을 체계적으로 적용하지 않았다. 이 연구는 코로나 전후의 레스토랑 품질 경험과 만족도 간의 관계를 더 잘 이해하기 위해 빅 데이터 분석의 유용성을 탐구하고 입증하는 것을 목표로 한다. 특히, 이 연구는 Tripadvisor.com에서 추출한 대량의 소비자 리뷰에 텍스트 분석 접근 방식을 적용함으로써, 레스토랑 품질 경험을 해체 및 분석하고 만족도 평점 간의 연관성을 조사한다. 결과적으로, 각 품질 경험 요인과 만족도 간의 연관성이 다르며, 재난 상황으로 인해 연관성의 패턴이 달라질 수 있음을 시사한다. 또한, 이 연구는 빅 데이터 분석이 기존 서비스 품질 경영 문헌에서 광범위하게 연구해온 지표들을 증명할 수 있음을 보여준다.