基于评论语义挖掘与K-Means聚类的古村落文旅电商体验优化与品牌塑造研究
Research on Experience Optimization and Brand Building of Ancient Village Cultural Tourism E-Commerce Based on Comment Semantic Mining and K-Means Clustering
DOI: 10.12677/ecl.2025.14124534, PDF,   
作者: 左秉聪:山东建筑大学管理工程学院,山东 济南;陈金菲:山东建筑大学商学院,山东 济南
关键词: 古村落旅游网络评论语义分析K-Means聚类用户画像Ancient Village Tourism Online Reviews Semantic Analysis K-Means Clustering User Profile
摘要: 古村落作为重要的文化遗产,其文旅产业的高质量发展对乡村振兴至关重要。随着文旅电商成为游客消费的主要渠道,在线评论成为优化体验与塑造品牌的关键数据源。本研究以联合国“世界最佳旅游乡村”名录中的中国古村落为案例,采集“携程网”的9334条游客评论作为数据基础。通过情感分析、LDA主题模型挖掘评论的整体情感倾向与核心关注主题,并创新性地结合K-Means聚类算法,构建融合情感得分与主题分布的特征向量对用户进行分群。研究成功识别出六个特征鲜明的游客群体:“环境批判者”、“自然风光爱好者”、“乡村生活向往者”、“历史人文探索者”、“服务体验关注者”和“独特价值探寻者”。基于此立体化用户洞察,本研究从“产品–服务–营销–品牌”四个维度,系统提出了针对古村落文旅电商的体验优化与品牌差异化塑造策略。研究验证了文本挖掘与聚类分析在旅游用户细分中的有效性,为古村落实现精准化运营和可持续发展提供了理论与实践指导。
Abstract: Ancient villages, as significant cultural heritage sites, see their high-quality cultural tourism development playing a vital role in rural revitalization. With online travel platforms becoming primary channels for tourist consumption, online reviews have emerged as a key data source for optimizing experiences and shaping brands. This study focuses on Chinese ancient villages listed in the UNWTO’s “Best Tourism Villages” initiative, collecting 9334 tourist reviews from platforms like Ctrip. By employing sentiment analysis and LDA topic modeling to uncover overall sentiment tendencies and core discussion themes within the reviews, this research innovatively integrates the K-Means clustering algorithm. It constructs feature vectors combining sentiment scores and topic distributions for user segmentation. The study successfully identified six distinct tourist clusters: “Environmental Critics”, “Nature Enthusiasts”, “Rural Life Seekers”, “History & Culture Explorers”, “Service Experience Focusers”, and “Unique Value Seekers”. Based on this multi-dimensional user insight, the study systematically proposes strategies for experience optimization and brand differentiation for ancient village cultural tourism e-commerce across four dimensions: product, service, marketing, and branding. This research validates the effectiveness of text mining and clustering analysis in tourist segmentation and provides theoretical and practical guidance for the precise operation and sustainable development of ancient villages.
文章引用:左秉聪, 陈金菲. 基于评论语义挖掘与K-Means聚类的古村落文旅电商体验优化与品牌塑造研究[J]. 电子商务评论, 2025, 14(12): 5637-5651. https://doi.org/10.12677/ecl.2025.14124534

参考文献

[1] 冯骥才. 传统村落的困境与出路——兼谈传统村落是另一类文化遗产[J]. 民间文化论坛, 2013(1): 7-12.
[2] 保继刚, 孙九霞. 雨崩村社区旅游: 社区参与方式及其增权意义[J]. 旅游论坛, 2008(4): 58-65.
[3] 王小明. 传统村落价值认定与整体性保护的实践和思考[J]. 西南民族大学学报(人文社会科学版), 2013, 34(2): 156-160.
[4] 程璠. 谁是最好的旅行机票APP? [J]. 今日工程机械, 2014(6): 120, 122.
[5] 潘秋玲, 曹三强. 中外旅游景区门票价格的比较研究——兼论门票价格的定价依据[J]. 地域研究与开发, 2008(1): 64-69.
[6] 程贵孙. 旅游电子商务平台兼并对双边定价策略的影响[J]. 旅游学刊, 2017, 32(3): 20-28.
[7] 刘逸, 保继刚, 朱毅玲. 基于大数据的旅游目的地情感评价方法探究[J]. 地理研究, 2017, 36(6): 1091-1105.
[8] 赵杨, 李齐齐, 陈雨涵, 等. 基于在线评论情感分析的海淘APP用户满意度研究[J]. 数据分析与知识发现, 2018, 2(11): 19-27.
[9] 廖倩倩, 程叶青, 费雪艳, 等. 基于游客感知的滨海旅游吸引力研究——以三亚市为例[J]. 旅游科学, 2024, 38(12): 93-110.
[10] 周琰, 李永强. 城市旅游产品中市民价值、游客价值共创探讨[J]. 西藏发展论坛, 2024(5): 81-87.
[11] 林开淼, 郭伟锋, 郜俊利. 基于网络文本的影视主题公园游客旅游体验质量研究[J]. 西昌学院学报(自然科学版), 2019, 33(4): 31-36.
[12] 关鹏, 王曰芬. 科技情报分析中LDA主题模型最优主题数确定方法研究[J]. 现代图书情报技术, 2016(9): 42-50.
[13] 王婷, 杨文忠. 文本情感分析方法研究综述[J]. 计算机工程与应用, 2021, 57(12): 11-24.
[14] 杨俊闯, 赵超. K-Means聚类算法研究综述[J]. 计算机工程与应用, 2019, 55(23): 7-14, 63.
[15] 张瑜, 周丽永. 基于K-Means聚类算法的西安市游客消费体验评价[J]. 现代商业, 2023(8): 73-78.
[16] 石凤贵. 基于Jieba中文分词的中文文本语料预处理模块实现[J]. 电脑知识与技术, 2020, 16(14): 248-251, 257.
[17] 赵志升, 靳晓松, 温童童, 等. 基于Python-Snownlp的新闻评论数据分析[J]. 科技传播, 2018, 10(18): 104-105.
[18] 李艳, 牛志文. 旅游景区品牌形象塑造研究[J]. 北京第二外国语学院学报, 2001(5): 58-66.
[19] 李静. 基于大数据精准营销的网络营销策略研究[J]. 商业经济研究, 2017(11): 46-47.