Hotel Segmentation and Strategic Implications Using LLM-Based Aspect Sentimental Analysis

본 연구는 '시설 중심'의 전통적 호텔 분류 체계의 한계를 극복하고 고객 경험 기반의 전략적 프레임워크를 제시하고자 온라인 리뷰 감성 데이터를 활용하여 호텔을 유형화하는 것을 목적으로 한다. 기존 분석 방법론이 포착하기 어려웠던 리뷰의 다차원적 뉘앙스를 정교하게 해석하고자 하였다. 이를 위해 대규모 언어 모델(LLM) 기반 프롬프트 엔지니어링을 핵심적으로 적용하여 비정형 리뷰로부터 '서비스', '시설', '위치' 등 10가지 세부 측면별 감성 점수를 정량적으로 평가하였다. 또한, 계절과 고객 유형별로 TF-IDF 분석을 수행하여 핵심 키워드를 도출하고, 정량화된 감성 점수를 기반으로 군집 분석을 수행하여 대상 호텔을 세분화하였다. 분석 결과, 전체 호텔의 평균 감성 점수는 2.38점으로 긍정적 경험이 우세했으며, 온라인 평점과의 상관계수는 0.781로 강한 양의 관계를 보였다. 군집 분석 결과, 호텔은 '프리미엄 경험 집중형', '가치 및 접근성 중심형' 등 유사한 감성 프로파일을 가진 세 가지 주요 유형으로 성공적으로 분류되었다. 예를 들어 가족은 '청결'과 '안전', 연인은 '프라이버시', '세심한 서비스', 그리고 출장은 '업무 효율성'이 핵심키워드로 선정되어 고객 유형별로 핵심 니즈가 명확히 다름을 입증하였다.