서비스 품질 관리를 위해 비즈니스에서 이중 서비스 실패(예: 서비스 실패의 추세와 연속 서비스 실패)의 모니터링을 강조한다. 경영자 관점에서 이중 서비스 실패 모니터링을 수행하기 위해 부정적인 온라인 리뷰를 분석한 선행연구는 드물다. 방대한 양의 부정적인 온라인 리뷰는 낮은 비용으로 쉽게 수집할 수 있기 때문에 이중 서비스 실패 모니터링에 유용한 자료원이다. 본 연구는 부정적인 온라인 리뷰로부터 서비스 실패의 추세와 연속 서비스 실패를 모니터링하기 위한 데이터 기반 접근법을 제안한다. 제안된 접근법에서는 먼저 Latent Dirichlet allocation을 사용하여 새로 수집된 부정 리뷰를 서비스 실패로 분류하는 분류기를 개발한다. 이어서 통제도표(control chart)로는 이전에 달성하지 못했던 새로운 유형의 서비스 실패를 식별하기 위해 임계값을 제공한다. 마지막으로 연속 서비스 실패의 확률은 연관 규칙 마이닝(association rule mining)으로 산출한다. 제안한 접근법의 타당성을 검증하기 위해 Uber에 대한 사례 연구를 수행한다. 결과는 제안한 접근법이 이중 서비스 실패 모니터링을 수행할 수 있음을 보여준다. 본 연구는 서비스 실패의 역동적 관리를 위한 마케팅 인텔리전스를 향상시키고 서비스 실패에 대한 신속한 대응을 가능하게 할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.