浅析高星级酒店个性化服务对策研究.docVIP

浅析高星级酒店个性化服务对策研究.doc

  1. 1、本文档共82页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
浅析高星级酒店个性化服务对策研究

浅析高星级酒店个性化服务对策研究 1、相关定义 1.1、概念模型 根据本文在上一章节中,对于酒店员工满意度以及向顾客所提供的个 性化服务关系的理论分析,并考虑到酒店员工满意度对于个性化服务的影 响机制较为复杂,下面将选取员工忠诚度、工作效率和顾客满意度作为中 间变量来进行研究,探讨酒店员工满意度对个性化服务的影响,并以此来 建立酒店员工满意度和个性化服务之间关系的概念模型。如图 4.1 所示: H1a H2a 员工忠诚度H2c 员工满意度H1c 顾客满意度H4c个性化服务H1b H1d H3c 工作效率H2b 图 4.1 概念模型 1.2、星级酒店的概念 在 1988 年公布实施了《中华人民共和国旅游涉外饭店星级标准》,按照饭店的 建筑设备、饭店规模、服务质量、管理水平,将旅游饭店的等级共分五等,即一星、 二星、三星、四星、五星。随着我国饭店业发展的过程,《旅游饭店星级的划分与 评定》首次提出了在原有设定的五个星级基础上,在五星级饭店中,增加和包含一 个新的等级——白金五星级。即一星级、二星级、三星级、四星级、五星级(含白 金五星级)。最低为一星级,最高为白金五星级。星级越高,表示旅游饭店的档次 越高[19]。 1.3、星级酒店客房光环境设计的相关概念 1)色温:色温是用来区别光线本身的颜色变化的指标,以凯尔文(Kelvin,缩写为 K)为单位。在实验中,以绝对零度为起点加热铁块,其所到达的温度即为此时的 K 值, 如果某种光线与铁块在一定温度发出的光色相同,我们就把这个温度称为这种光线的色 温。一般情况下,色温较低时颜色偏红,色温较高时颜色偏蓝。酒店客房常采用 3000K 华南理工大学硕士学位论文 96 左右的光源提供照明环境,产生偏暖的色调,营造温馨、亲切的室内光环境(图 6-4) 。 2)照度与亮度:照度指物体被照亮 的程度,采用单位面积所接受的光通量 来表示,表示单位为勒克斯。1 勒克斯等 于 1 流明的光通量均匀分布于 1 平方米 面积上的光照度。亮度是表示人对发光 体或被照射物体表面的发光或反射光强 度实际感受的物理量,亮度的符号是 L, 单位为尼特(nits)。 3)光源的显色性:光源对物体的显 色能力称为显色性,一般用 CIE 的显色 指数来评价。它是对包括人的肤色在内的10几个重要色样,用待评价光源和标准光源(全 阴天空光)进行色彩显示的差异性评价。一般来说,一个光源的 Ra 值越高,表明它显色 性就越好。 1.4、星级度假酒店的概念 主要接待以度假旅游为主的客人,它的地域环境较强,各个地域有明显的风格特 点,作业经营季节性较强,多数度假酒店都是修建在有海洋、山丘,秀丽宜人的风景 区或度假区内。度假区周边一般还会有完善的娱乐康体设施。 1.5、个性化推荐系统的概念和定义 现在,推荐系统的引用广泛,在 1997 年 Varian 与 Resnick 曾说:”推荐系统使 用电子商务网站工具,为用户提供关于商品的信息与数据,这样就可以作为用户 购买商品的参考,销售工作者帮助消费者购买商品的模拟过程”。可以将推荐要素 分三部分:推荐方法、用户以及候选对象。可用图 1 表示一般的推荐系统模型流 程,推荐系统可以接收来自用户的喜好信息,用户也可以不向系统提供喜好信息, 这就需要推荐系统收集这些信息。推荐系统的策略有很多,可以在收集整理数据 信息之后,计算对象数据以及个性化信息,也可以利用数据库内的推荐实例为用 户推荐,推荐结果可以被反馈给用户。除此之外,从形式上定义推荐系统:如果 C 表示:全部用户(user)集合,S 表示:能够进行推荐的用户对象(object)集 合。一般情况下,两个集合的规模相对较大,比如上千万的客户信息等。如果根 据效用函数 u()能够运算出对象 s 在用户 c 处的推荐度,比如产品的可得性与 提供商的可靠性等,也就是 u:C*S?R 关系,R 表示:某个范围内,全序的非负实 数,推荐的关键是如何获取最大推荐度 R,也就是获取对象 s * ,具体可用式(1) 表示: c C,s argmaxu(c,s) ses(1) 在采样与度量对象或用户时,需要利用的特征与属性存在区别,它们由对象 用户的实际情况决定。对于推荐算法来说,关键是如何计算效用度 u,不需要遍 历全部 C*S 空间,它需要具体分布在某个流形子空间(manifold)中。如果是一 个数据集,那么需要先进性 u 的外推(extrapolation),换句话来说,必须保证 对象存在用户做出的评分(rating),如果对象未评定(unrated),那么需要先进 行对象的标注,然后经过外推,最终能够使用。对于不同的推荐算法,它们的评 分预测(rating propagation)与外推策略存在一定的区别,效用函数也存在区别。

文档评论(0)

zqianqxf02 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档