Förbättring av kryssningstjänsters kvalitet: en quality function deployment‑metod med onlineomdömen av stora språkmodeller

Varför kryssningsomdömen spelar roll för din semester

När du planerar en kryssning brukar du kolla onlineomdömen för att se om maten är bra, om rummen är rena och om personalen är trevlig. Den här artikeln visar hur de utspridda kommentarerna kan omvandlas till en kraftfull färdplan för att förbättra kryssningsupplevelserna. Genom att kombinera passageraromdömen med avancerad språkbaserad artificiell intelligens och smarta beslutsverktyg bygger forskarna ett system som hjälper rederier att se vad som verkligen betyder något för resenärerna och hur man åtgärdar det som inte fungerar.

Att förvandla passagerarröster till tydliga prioriteringar

Moderna kryssningsfartyg genererar tusentals onlineomdömen fyllda av lovord, klagomål och subtila antydningar om vad gästerna värdesätter. Traditionella metoder tittar på enkla ordantal eller grundläggande statistik, vilket ofta missar kontext och dolda bekymmer. I denna studie matar författarna in omdömen för ett stort kryssningsfartyg, Norwegian Breakaway, i en kraftfull språkmodell liknande den AI som driver avancerade chattbotar. Omsorgsfullt utformade instruktioner, kända som prompt‑engineering, styr AI:n att lyfta fram de huvudteman som passagerarna talar om — såsom måltider, hyttkomfort, personalens beteende, underhållning, ombordstigning och avstigning samt allmän renlighet — och att bedöma om kommentarerna om varje tema är positiva, negativa eller neutrala.

Att sortera behov i måste‑ha och trevliga överraskningar

Inte alla gästönskemål är lika viktiga. Vissa grundläggande saker, som acceptabel mat och artig personal, måste fungera annars blir resenärerna missnöjda, medan andra är trevliga extrafunktioner som förtjusar gäster när de finns men inte förväntas. För att fånga detta använder forskarna ett välkänt verktyg för kundnöjdhet kallat Kano‑modellen. De mäter hur ofta ett behov nämns (uppmärksamhet) och hur nöjda människor är med det (tillfredsställelse). Behov som får mycket uppmärksamhet och är tätt kopplade till tillfredsställelse behandlas som väsentliga; de med hög tillfredsställelse men låg uppmärksamhet är trevliga överraskningar; och de som väcker uppmärksamhet men har låg tillfredsställelse är områden där prestationen dalar. Ett litet antal punkter som sällan nämns och inte är starkt kopplade till gästernas känslor betraktas som låg‑påverkan och tas bort från vidare analys.

Att balansera data och expertbedömning

Nästa steg är att bestämma vilka delar av fartygets service som bör förbättras först. Här blandar studien data från omdömen med strukturerad input från fartygsavdelningar såsom mat och dryck, hytter, underhållning, kundservice och drift. Utifrån AI‑extraherade behov definierar experterna konkreta servicefunktioner — till exempel hur servering organiseras, hur hytter städas, hur personal svarar på problem och hur köer vid ombordstigning hanteras. Varje avdelning bedömer hur starkt varje servicefunktion stödjer varje kundbehov. Kano‑kategorierna formar sedan hur mycket vikt som ges åt uppmärksamhet respektive tillfredsställelse när slutgiltig vikt för varje behov beräknas, vilket säkerställer att måste‑ha‑krav, prestationsfaktorer och förtjusande extras behandlas olika istället för att slås ihop.

Att nå enighet genom sociala nätverk

Eftersom avdelningarna naturligt ser fartyget genom olika linser kan deras bedömningar krocka. Att bara ta ett medelvärde av deras åsikter kan dölja allvarliga meningsskiljaktigheter. Studien introducerar en konsensusprocess som behandlar avdelningarna som medlemmar i ett socialt nätverk, där var och en har olika grad av förtroende för de andra. En matematisk måttstock följer hur nära två avdelningar är i sin överensstämmelse, och ett annat speglar hur mycket de litar på varandra. Par med låg överensstämmelse men betydande förtroende uppmuntras, steg för steg, att justera sina bedömningar mot varandra, med begränsningar för hur mycket de får ändra i en runda. Denna fram‑och‑tillbaka‑process höjer gradvis den övergripande nivån av enighet tills gruppen når en gemensam syn på vilka servicefunktioner som är viktigast.

Vad som betyder mest för en bättre kryssning

Tillämpat på hundratals färska omdömen om Norwegian Breakaway visar metoden att tre områden — måltider, personal och kundservice samt underhållning ombord — är grundläggande förväntningar som måste vara pålitligt bra. Renlighet och underhåll framträder som en prestationsfaktor: gästerna märker det mycket, men nuvarande tillfredsställelse ligger efter, så förbättringar där kan ge snabba vinster. Element som smidiga ombordstignings‑ och avstigningsprocesser, fartygslayout och hyttkomfort identifieras som trevliga överraskningar som starkt kan höja nöjdheten när de utförs särskilt väl. När expertbedömningarna försonas genom konsensusprocessen blir högst prioriterade åtgärder kundvård och personalinteraktion, följt av smidigheten i reseprocedurerna, och därefter hytt‑ och renlighetshantering. I klarspråk drar studien slutsatsen att för att göra kryssningar märkbart bättre bör rederier först satsa på hur personalen behandlar gästerna och hur effektivt gästerna tar sig igenom varje steg av resan, samtidigt som de upprätthåller solida grundnivåer i mat, renlighet och underhållning.

Citering: 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

Nyckelord: kryssningstjänstkvalitet, onlineomdömen, kundnöjdhet, stora språkmodeller, quality function deployment