Verbetering van de kwaliteit van cruiseservice: een quality function deployment-benadering met online beoordelingen door grote taalmodellen

Waarom cruiserecensies belangrijk zijn voor uw vakantie

Als u een cruise plant, kijkt u misschien online recensies na om te zien of het eten goed is, de hutten schoon zijn en het personeel vriendelijk is. Dit artikel laat zien hoe die verspreide opmerkingen kunnen worden omgezet in een krachtig stappenplan om cruisereizen te verbeteren. Door passagiersrecensies te combineren met geavanceerde taalgebaseerde kunstmatige intelligentie en slimme beslissingsinstrumenten, bouwen de onderzoekers een systeem dat rederijen helpt te zien wat reizigers echt belangrijk vinden en hoe ze problemen kunnen oplossen.

Van passagiersstemmen naar heldere prioriteiten

Moderne cruiseschippen genereren duizenden online recensies vol lof, klachten en subtiele aanwijzingen over wat gasten waarderen. Traditionele methoden kijken naar eenvoudige woordtellingen of basisstatistieken, die vaak context en verborgen zorgen missen. In deze studie voeren de auteurs recensies van een groot cruiseschip, de Norwegian Breakaway, in een krachtig taalmodel dat lijkt op de AI achter geavanceerde chatbots. Zorgvuldig ontworpen instructies, bekend als prompt-engineering, sturen de AI om de hoofdthema’s eruit te halen—zoals dineren, hutcomfort, gedrag van het personeel, entertainment, in- en ontschepen en algemene netheid—en om te beoordelen of opmerkingen over elk thema positief, negatief of neutraal zijn.

Wensen rangschikken in must-haves en aangename verrassingen

Niet alle wensen van gasten zijn gelijk. Sommige basiszaken, zoals fatsoenlijk eten en beleefd personeel, moeten aanwezig zijn anders worden reizigers ontevreden, terwijl andere aspecten prettige extra’s zijn die gasten verrassen als ze er zijn maar niet worden verwacht. Om dit vast te leggen gebruiken de onderzoekers een bekend klanttevredenheidsinstrument, het Kano-model. Ze meten hoe vaak elke behoefte genoemd wordt (aandacht) en hoe tevreden mensen ermee zijn (tevredenheid). Behoeften die veel aandacht krijgen en sterk samenhangen met tevredenheid worden als essentieel beschouwd; die met hoge tevredenheid maar weinig aandacht zijn aangename verrassingen; en die veel aandacht trekken maar lage tevredenheid hebben zijn gebieden waar de prestaties achterblijven. Een klein aantal items dat mensen zelden noemen en dat weinig verband houdt met hun gevoelens, wordt gezien als weinig impactvol en uit verdere analyse verwijderd.

Een balans tussen data en deskundig oordeel

De volgende stap is beslissen welke onderdelen van de service van het schip eerst verbeterd moeten worden. Hier vermengt de studie data uit recensies met gestructureerde input van afdelingen aan boord zoals food & beverage, hutten, entertainment, klantenservice en operatie. Vanuit de door AI geëxtraheerde behoeften definiëren experts concrete servicekenmerken—bijvoorbeeld hoe dineren is georganiseerd, hoe hutten worden schoongemaakt, hoe personeel op problemen reageert en hoe wachtrijen bij in-/uitschepen worden afgehandeld. Elke afdeling beoordeelt in hoeverre elk servicekenmerk elke klantbehoefte ondersteunt. De Kano-categorieën bepalen vervolgens hoeveel gewicht wordt toegekend aan aandacht versus tevredenheid bij het berekenen van de uiteindelijke belangrijkheid van elke behoefte, zodat must-haves, prestatiefactoren en aangename extra’s verschillend worden behandeld in plaats van samengevoegd.

Tot overeenstemming komen via sociale netwerken

Aangezien afdelingen van nature het schip door verschillende brillen zien, kunnen hun beoordelingen conflicteren. Hun meningen eenvoudig middelen kan ernstige meningsverschillen verbergen. De studie introduceert een consensusproces dat afdelingen behandelt als leden van een sociaal netwerk, elk met verschillende niveaus van vertrouwen in elkaar. Een wiskundige maatstaf volgt hoe sterk twee afdelingen het eens zijn, en een andere weerspiegelt hoeveel vertrouwen ze in elkaar hebben. Paren met lage overeenstemming maar betekenisvol vertrouwen worden stap voor stap aangemoedigd hun beoordelingen naar elkaar toe aan te passen, met limieten aan hoe ver ze in één ronde mogen schuiven. Dit heen en weer verhogen van overeenstemming verhoogt geleidelijk het algemene niveau van overeenstemming totdat de groep een gedeelde kijk heeft op welke servicekenmerken het belangrijkst zijn.

Wat het meest telt voor een betere cruise

Toegepast op honderden recente recensies van de Norwegian Breakaway vindt de methode dat drie gebieden—dineren, personeel en klantenservice, en entertainment aan boord—basisverwachtingen zijn die betrouwbaar goed moeten zijn. Netheid en onderhoud komen naar voren als een prestatiefactor: gasten merken het vaak op, maar de huidige tevredenheid blijft achter, dus verbeteringen daar kunnen snel resultaat opleveren. Elementen zoals soepel in- en ontschepen, scheepsindeling en hutcomfort worden geïdentificeerd als aangename verrassingen die de tevredenheid sterk kunnen verhogen wanneer ze bijzonder goed zijn uitgevoerd. Wanneer de deskundige beoordelingen door het consensusproces worden verzoend, worden klantenservice en interactie met het personeel de hoogste prioriteiten, gevolgd door de soepelheid van reiskundige procedures, en daarna beheer van hutten en netheid. In eenvoudige bewoordingen concludeert de studie dat rederijen om cruises daadwerkelijk te verbeteren, eerst moeten investeren in hoe personeel gasten behandelt en hoe efficiënt gasten door elke fase van de reis gaan, terwijl ze de basis op het gebied van eten, netheid en entertainment stevig in stand houden.

Bronvermelding: Gai, T., Wu, J., Xing, Y. et al. Cruise service quality improvement: a quality function deployment approach with online reviews by large language models. Humanit Soc Sci Commun 13, 619 (2026). https://doi.org/10.1057/s41599-026-06941-6

Trefwoorden: kwaliteit van cruiseservice, online beoordelingen, klanttevredenheid, grote taalmodellen, quality function deployment