偏好学习投资分配模型

满意度最大化配置

用来自酒店的在线评论数据学习的偏好参数，建立非对称重要性-绩效分析模型，为产品属性改进提供可解释的投资分配策略。

Xingli, Wu · Huchang, Liao

Journal of Retailing and Consumer Services 2025

参数信息

属性分类数

8

技术优势

兼顾准确与可解释

采用偏好学习模型，避免了传统机器学习方法的黑箱问题，管理者能理解每个属性如何影响满意度，从而信任并采纳模型建议。

应用场景

• 产品改进投资决策：用评论数据指导预算分配，优先改进对满意度影响最大的属性。
• 在线评论驱动的资源配置：从海量评论中自动提取属性表现与重要性，实时调整资源投向。
• 酒店服务质量优化：识别影响酒店住客满意度的关键服务属性，优化服务质量投资。