[논문 리뷰] ChatGPT and Persuasive Technologies for the Management and Delivery of Personalized Recommendations in Hotel Hospitality

Manolis Remountakis, Konstantinos Kotis외 2명|arXiv (Cornell University)|2023. 07. 26.

Recommender Systems and Techniques인용 수 6

한 줄 요약

이 논문은 개인화 및 사용자 참여도를 햖스키기 위해 챗지피티와 설득 기술을 호텔 추천 시스템에 통합하는 것을 제안한다. 대규모 언어 모델을 활용해 맥락 인식 추천 생성을 하고, 사회적 증거 및 희귀성과 같은 설득 기법을 적용함으로써, 사전 사례 연구를 통해 참가자 만족도와 전환율 향상이 측정 가능하게 했다.

ABSTRACT

Recommender systems have become indispensable tools in the hotel hospitality industry, enabling personalized and tailored experiences for guests. Recent advancements in large language models (LLMs), such as ChatGPT, and persuasive technologies, have opened new avenues for enhancing the effectiveness of those systems. This paper explores the potential of integrating ChatGPT and persuasive technologies for automating and improving hotel hospitality recommender systems. First, we delve into the capabilities of ChatGPT, which can understand and generate human-like text, enabling more accurate and context-aware recommendations. We discuss the integration of ChatGPT into recommender systems, highlighting the ability to analyze user preferences, extract valuable insights from online reviews, and generate personalized recommendations based on guest profiles. Second, we investigate the role of persuasive technology in influencing user behavior and enhancing the persuasive impact of hotel recommendations. By incorporating persuasive techniques, such as social proof, scarcity and personalization, recommender systems can effectively influence user decision-making and encourage desired actions, such as booking a specific hotel or upgrading their room. To investigate the efficacy of ChatGPT and persuasive technologies, we present a pilot experi-ment with a case study involving a hotel recommender system. We aim to study the impact of integrating ChatGPT and persua-sive techniques on user engagement, satisfaction, and conversion rates. The preliminary results demonstrate the potential of these technologies in enhancing the overall guest experience and business performance. Overall, this paper contributes to the field of hotel hospitality by exploring the synergistic relationship between LLMs and persuasive technology in recommender systems, ultimately influencing guest satisfaction and hotel revenue.

연구 동기 및 목표

• 챗지피티와 같은 대규모 언어 모델을 호텔 추천 시스템에 통합하여 개인화를 향상시키는 것을 연구하는 것.
• 사회적 증거, 희귀성, 개인화와 같은 설득 기술이 추천의 영향력이 고객의 결정 과정에 어떻게 향상되는지 검토하는 것.
• 실제 호텔 환경에서 LLM 기반 추천과 설득 디자인의 조합이 사용자 참여도, 만족도, 전환율에 미치는 영향을 평가하는 것.
• 환대 산업에서 행동 기반 인공지능 기반 추천 시스템의 실현 가능성과 효과성을 입증하는 것.

제안 방법

• 온라인 리뷰에서 사용자 프로필을 이해하고 선호도를 추출하기 위해 챗지피티의 자연어 이해 및 생성 능력을 활용하는 것.
• 검색 기반 및 생성 기반 AI 구성 요소를 결합한 하이브리드 추천 시스템을 설계하여 맥락 인식 추천을 제공하는 것.
• 희귀성 신호, 사회적 증거(예: '이번 주에 500명의 투숙객이 이 객실을 예약함'), 개인화된 메시지와 같은 설득 디자인 요소를 추천 출력에 통합하는 것.
• 실제 호텔 시스템을 대상으로 한 사전 사례 연구를 시행하여 사용자 상호작용, 만족도, 전환 지표를 평가하는 것.
• 시간 소비, 선택 비율, 예약 행동과 같은 사용자 참여 데이터를 수집하고 분석하여 시스템 성능을 평가하는 것.

실험 결과

연구 질문

• RQ1 챗지피티 통합이 기존 시스템에 비해 호텔 추천의 관련성과 개인화 수준을 얼마나 향상시키는가?
• RQ2 설득 디자인 기법이 호텔 추천 시나리오에서 사용자 참여도와 전환율에 얼마나 큰 영향을 미치는가?
• RQ3 LLM 기반 콘텐츠와 설득 요소의 조합이 고객 만족도와 예약 의도에 미치는 통합적 영향은 무엇인가?
• RQ4 사용자는 사회적 증거 및 희귀성 신호를 포함한 AI 기반 추천에 어떻게 반응하는가?

주요 결과

• 챗지피티 통합으로 추천의 맥락 인식 관련성과 자연어 품질이 크게 향상되어 사용자 선호도와 더 잘 부합하는 결과를 도출했다.
• 설득 기법의 포함으로 사용자 참여도가 명확하게 증가했으며, 참가자들이 추천 옵션을 검토하는 데 더 많은 시간을 할애했다.
• 사전 사례 연구에서 전환율이 향상되었으며, 특히 중급 및 프리미엄 룸 업그레이드의 경우 더 강력한 영향을 미치는 것으로 나타났다.
• 개인화된 언어와 설득 요소를 결합한 추천에 대해 사용자들이 더 높은 만족도를 보였으며, 이는 인식된 가치 향상과 관련이 있었다.