基于K-Means聚類的餐飲業(yè)消費(fèi)者滿意度評(píng)價(jià)——以廣東省1433家餐廳為例

李濤濤，袁麗哲，鐘三艷，陳建國

基于K-Means聚類的餐飲業(yè)消費(fèi)者滿意度評(píng)價(jià)——以廣東省1433家餐廳為例

李濤濤1，袁麗哲2，鐘三艷1，陳建國1

（1. 萍鄉(xiāng)學(xué)院 機(jī)械電子工程學(xué)院，江西 萍鄉(xiāng) 337055；2. 電子科技大學(xué)中山學(xué)院經(jīng)貿(mào)學(xué)院，廣東 中山 528402）

隨著人民生活水平的不斷提高，對(duì)餐飲消費(fèi)的期望值也越來越高，如何更好地滿足餐飲消費(fèi)者的需求是關(guān)系餐飲行業(yè)可持續(xù)發(fā)展的重要問題。文章基于K-Means聚類分析方法對(duì)廣東現(xiàn)有餐飲業(yè)消費(fèi)者滿意度情況開展評(píng)價(jià)，利用廣東省19市1433家餐飲樣本的調(diào)研數(shù)據(jù)，在數(shù)據(jù)描述性統(tǒng)計(jì)的基礎(chǔ)上，構(gòu)建了餐廳消費(fèi)者滿意度TES分析模型；采用K-Means聚類算法，綜合分析了消費(fèi)者對(duì)餐廳口味、環(huán)境和服務(wù)質(zhì)量三方面的評(píng)價(jià)情況；依據(jù)聚類產(chǎn)生的四種餐廳群體，將餐廳劃分為四個(gè)滿意度等級(jí)。評(píng)價(jià)結(jié)果表明，消費(fèi)者對(duì)廣東餐飲業(yè)的滿意度一般，消費(fèi)者“不滿意”餐廳占比最大（35.3%），“滿意”和“非常滿意”餐廳共占比卻僅為52.0%。研究為餐飲業(yè)消費(fèi)者滿意的綜合、準(zhǔn)確評(píng)價(jià)提供了新方法，可為餐廳的后續(xù)改進(jìn)和發(fā)展提供科學(xué)依據(jù)。

餐飲業(yè)；消費(fèi)者滿意度；定量分析；K-Means聚類分析

近年來我國經(jīng)濟(jì)水平飛速發(fā)展，群眾消費(fèi)需求旺盛，餐飲業(yè)的發(fā)展成就令人矚目。中國餐飲行業(yè)伴隨經(jīng)濟(jì)發(fā)展，不僅成為人民生活水平和消費(fèi)能力提升的見證，也逐步成為關(guān)系國民經(jīng)濟(jì)增長和日常生活需要的重要產(chǎn)業(yè)[1]。改革開放40多年來，我國的餐飲業(yè)實(shí)現(xiàn)了高速發(fā)展，餐飲業(yè)收入快速突破萬億（2006年）、兩萬億（2011年）和三萬億（2015年）[2]。近幾年餐飲業(yè)的增長率比其他行業(yè)高出十多個(gè)百分點(diǎn)，行業(yè)發(fā)展前景備受關(guān)注和看好[3]。可以說我國正迎來一個(gè)餐飲業(yè)大發(fā)展的黃金期，但同時(shí)也是一個(gè)高度競爭期。復(fù)雜多變的市場競爭要求餐飲企業(yè)必須時(shí)刻保持清醒認(rèn)識(shí)，不斷從營銷方法、飲食口味、用餐環(huán)境和服務(wù)質(zhì)量等方面進(jìn)行完善，進(jìn)而持續(xù)保持競爭力。近年來，新冠肺炎疫情對(duì)餐飲業(yè)造成了嚴(yán)重的沖擊，為保障消費(fèi)安全餐飲企業(yè)必須把好食材、環(huán)境和經(jīng)營安全三道關(guān)，全面提升消費(fèi)體驗(yàn)，提高消費(fèi)者滿意度。

餐飲消費(fèi)者滿意度是用來衡量顧客在餐廳消費(fèi)完之后對(duì)餐廳各方面服務(wù)的評(píng)價(jià)。為了量化評(píng)價(jià)餐飲消費(fèi)者滿意度情況，為餐飲業(yè)發(fā)展提供客觀、科學(xué)的依據(jù)，大量學(xué)者將理論模型（方法）與實(shí)證結(jié)合起來，開展餐飲業(yè)消費(fèi)者滿意度研究。劉蓉等[4]基于改進(jìn)的ACSI模型對(duì)京滬高鐵上的餐飲滿意度進(jìn)行研究，從產(chǎn)品、定價(jià)、營銷、服務(wù)和保障五個(gè)方面，提出了高鐵餐飲服務(wù)質(zhì)量提升的對(duì)策舉措。袁良良等[5]針對(duì)餐飲業(yè)中服務(wù)等待時(shí)間過長嚴(yán)重影響消費(fèi)者滿意度的問題，通過優(yōu)化服務(wù)流程，縮短關(guān)鍵服務(wù)路線，提出了基于流程優(yōu)化的消費(fèi)者滿意度提升策略。嚴(yán)夢嬌等[6]運(yùn)用IPA法對(duì)餐飲老字號(hào)揚(yáng)州富春茶社的22個(gè)顧客滿意度指標(biāo)進(jìn)行了分析，從重要性和滿意度兩方面總結(jié)了顧客對(duì)富春茶社就餐環(huán)境、美食購物活動(dòng)、菜肴特色和美食講解的評(píng)價(jià)情況。牛蘭蘭等[7]選取21個(gè)餐飲滿意度因子，基于IPA分析法對(duì)濟(jì)南芙蓉美食街的游客滿意度進(jìn)行了實(shí)證研究，提出了從突出地方特色、加強(qiáng)食品安全管理、挖掘濟(jì)南泉水文化和提升服務(wù)質(zhì)量四方面提高游客餐飲滿意度。張艷等[8]采用模糊層次分析法對(duì)西安某街區(qū)的顧客滿意度進(jìn)行實(shí)證研究，并通過建立顧客滿意度評(píng)價(jià)體系，提出了餐飲街區(qū)提升顧客滿意度的對(duì)策建議。

滿意度評(píng)價(jià)能讓餐飲企業(yè)定時(shí)監(jiān)控餐飲水平，及時(shí)了解顧客需求變化，從而根據(jù)市場需求調(diào)整市場戰(zhàn)略，因此科學(xué)的消費(fèi)者滿意度評(píng)價(jià)方法是保障餐飲企業(yè)發(fā)展的重要法寶。本文基于廣東省的19個(gè)市1433家餐飲樣本的調(diào)研數(shù)據(jù)，選取其中的飲食口味、用餐環(huán)境和服務(wù)質(zhì)量作為滿意度評(píng)價(jià)指標(biāo)，結(jié)合定量分析中的K-Means聚類算法，對(duì)廣東現(xiàn)有餐飲業(yè)消費(fèi)者滿意度情況開展評(píng)價(jià)，進(jìn)而提出提升餐廳滿意度的改進(jìn)策略。

1 廣東省19市餐飲業(yè)數(shù)據(jù)描述性統(tǒng)計(jì)

1.1 數(shù)據(jù)說明

文中研究的原始數(shù)據(jù)為餐飲業(yè)管理部門對(duì)廣東各地餐飲店的實(shí)地調(diào)研統(tǒng)計(jì)結(jié)果。數(shù)據(jù)主要統(tǒng)計(jì)了廣東省潮州、東莞、中山等19個(gè)市的餐廳詳細(xì)信息，具體包括餐廳ID、餐廳名稱、所屬地區(qū)、地址、平均價(jià)格、菜品屬類、口味評(píng)分、環(huán)境評(píng)分、服務(wù)評(píng)分和吸引力值等信息。數(shù)據(jù)保存在csv格式文件中，文件名“restaurant_data.csv”。對(duì)數(shù)據(jù)進(jìn)行基本整理和分析，將數(shù)據(jù)按照餐廳基本信息和客戶評(píng)價(jià)信息進(jìn)行歸類，結(jié)果如下表1所示。

表1 餐廳數(shù)據(jù)特征說明

1.2 數(shù)據(jù)計(jì)量方法

對(duì)上述原始數(shù)據(jù)開展數(shù)據(jù)總體情況的計(jì)量分析，選擇數(shù)據(jù)的計(jì)量方法包括：最大值、最小值、均值、方差和標(biāo)準(zhǔn)差，具體計(jì)算公式如下：

上式中，2、依次為均值、方差和標(biāo)準(zhǔn)差，1、2……n依次為變量的個(gè)取值。

依據(jù)上式依次計(jì)算平均消費(fèi)（avgprice）、口味評(píng)分（tastescore）、環(huán)境評(píng)分（environmentscore）、服務(wù)評(píng)分（servicescore）和吸引力值（shoppower）五個(gè)指標(biāo)參數(shù)的整體情況。采用python中的max、min、mean、var、std函數(shù)完成計(jì)算，結(jié)果見下表2。

表2 餐廳五大指標(biāo)的計(jì)量分析結(jié)果

分別描述性統(tǒng)計(jì)分析了不同地區(qū)的餐廳上述五個(gè)評(píng)價(jià)指標(biāo)參數(shù)的最大值、最小值、均值和標(biāo)準(zhǔn)差情況，結(jié)果如下圖1(a)、(b)、(c)所示。

從圖1中可以看出各個(gè)城市餐廳的基本情況如下：

（1）在平均消費(fèi)方面，各個(gè)城市餐廳平均消費(fèi)最高值區(qū)別較大，最高的三個(gè)城市依次為佛山（952）、汕頭（795）和珠海（689）；平均消費(fèi)最低值相差不大，各餐廳平均消費(fèi)均值差別較大的城市同樣為佛山、汕頭和珠海，最低的城市為揭陽，僅為31.8。

（2）在口味評(píng)價(jià)方面，口味評(píng)分整體較好的前三大城市依次為珠海（8.82）、佛山（8.79）和汕頭（8.66），口味評(píng)分差異最大的前三個(gè)城市依次為潮州（0.68）、汕尾（0.52）、肇慶（0.49），其他城市口味評(píng)價(jià)最佳與最差差別較小，差別最小的為汕頭（0.20）。

見到下級(jí)的臉——是包公臉。面部僵硬，眼睛向上，嘴角歪曲。他挺胸疊肚,雙手交握抄在背后,兩只眼微瞇著,嘴角下拉,滿臉傲氣,仿佛不可一世。臉一變，嘴就變，嘴一變，吐出的文字自然生硬，冰冷。你哪兒痛，它就揀哪兒挑。你沒問題，他也要雞蛋挑骨頭。如果你在某個(gè)場合向他打招呼，他聽而不聞；你走到他跟前，他視而不見；你上前與他握手，他傲然屹立于原地，很不情愿地伸出兩根手指與你草草一拉；你點(diǎn)頭鞠躬致意，他昂然挺胸還禮。

（3）在餐廳環(huán)境評(píng)價(jià)方面，餐廳環(huán)境評(píng)價(jià)整體較好的前三大城市依次為珠海（8.86）、佛山（8.80）和江門（8.67），環(huán)境評(píng)價(jià)差別最大的前三座城市依次為潮州（0.69）、汕尾（0.52）、肇慶（0.48），其他城市環(huán)境評(píng)價(jià)整體差別不大，差別最小的為珠海（0.21）。

（4）在餐廳的服務(wù)評(píng)價(jià)方面，餐廳服務(wù)評(píng)價(jià)整體較好的前三大城市依次為珠海（8.86）、佛山（8.76）和江門（8.67），服務(wù)評(píng)價(jià)差別最大的前三座城市依次為潮州（0.70）、汕尾（0.52）、肇慶（0.50），其他城市服務(wù)評(píng)價(jià)整體差別不大，差別最小的為汕頭（0.20）。

（5）在餐廳的吸引力方面，餐廳吸引力整體最強(qiáng)的前三大城市依次為佛山（46.56）、珠海（46.53）和汕頭（45.32），吸引力差別最大的前三座城市依次為潮州（4.90）、肇慶（3.5917）、汕尾（3.5915），其他城市環(huán)境評(píng)價(jià)整體差別不大，差別最小的為汕頭（1.23）。

由以上分析得出結(jié)論：（1）城市餐廳平均消費(fèi)高低與當(dāng)?shù)亟?jīng)濟(jì)水平息息相關(guān)，平均消費(fèi)最高的三大城市在2019年的廣東省GDP排行榜中位居19個(gè)城市的第1、9、4名，而平均消費(fèi)最低的揭陽排在第13名（數(shù)據(jù)源自中商產(chǎn)業(yè)研究院[9]）。（2）餐廳的口味、環(huán)境、服務(wù)和吸引力四方面相輔相成，評(píng)價(jià)較好的為珠海、佛山、江門和汕頭，評(píng)價(jià)差異較大的為潮州、肇慶、汕尾。（3）口味、環(huán)境和服務(wù)評(píng)價(jià)高的城市對(duì)應(yīng)的平均消費(fèi)較高，但19個(gè)城市中性價(jià)比最高的城市為江門。江門的平均消費(fèi)均值（43.16）雖然排13名，但餐廳的環(huán)境評(píng)價(jià)（8.67）和服務(wù)評(píng)價(jià)（8.67）都排在第3名。（4）口味、環(huán)境、服務(wù)和吸引力方面表現(xiàn)最穩(wěn)定是汕頭，其消費(fèi)者的評(píng)價(jià)有3項(xiàng)差別最小，大家認(rèn)可程度基本相似，口味和吸引力的評(píng)價(jià)均排名第3。

2 餐廳消費(fèi)者滿意度分析

2.1 餐廳滿意度分析方法選擇

餐廳滿意度情況分析是對(duì)餐廳消費(fèi)者青睞程度的重要評(píng)價(jià)，分析結(jié)果很大程度反映出餐廳當(dāng)前的經(jīng)營狀況，可為餐廳的未來發(fā)展和改進(jìn)提供極為重要的參考依據(jù)。餐廳滿意度集中體現(xiàn)在消費(fèi)者對(duì)餐廳飲食口味的評(píng)價(jià)、用餐環(huán)境的評(píng)價(jià)和餐廳服務(wù)質(zhì)量的評(píng)價(jià)三方面。口味評(píng)價(jià)直接反映了餐廳所經(jīng)營飲食是否滿足消費(fèi)者口味需求，這除了跟餐飲自身的飲食風(fēng)格定位有關(guān)外，還與當(dāng)?shù)刂髁飨M(fèi)者的飲食習(xí)慣有關(guān)，能直接反映餐飲店風(fēng)格定位與當(dāng)?shù)仫嬍沉?xí)慣的契合程度。環(huán)境評(píng)價(jià)是餐飲店自身的硬性競爭條件，與餐廳裝修風(fēng)格、地理位置、大環(huán)境主流風(fēng)格和消費(fèi)者群體特點(diǎn)等因素相關(guān)。餐廳服務(wù)則是餐飲店自身的軟性競爭條件，與服務(wù)員的基本素質(zhì)有著極為重要的關(guān)系。

為了評(píng)價(jià)餐廳的消費(fèi)者滿意度情況，可以綜合消費(fèi)者在上述三方面的不同評(píng)價(jià)結(jié)果，將餐廳進(jìn)行分群處理，選擇聚類分析方法中的K-Means算法，最終得到餐廳在口味、環(huán)境和服務(wù)三方面的表現(xiàn)情況，為餐廳的后續(xù)改進(jìn)和發(fā)展提供參照依據(jù)。

2.2 餐廳滿意度分析方法特點(diǎn)

由上述2.1分析可知，聚類分析是餐廳滿意度評(píng)價(jià)有效定量分析方法。聚類的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類，是將數(shù)據(jù)分到不同的類或者簇的一個(gè)過程，所以同一個(gè)簇中的對(duì)象有很大的相似性，而不同簇間的對(duì)象有很大的相異性。聚類分析方法[10]的特點(diǎn)表現(xiàn)為：

（1）聚類分析主要應(yīng)用于探索性的研究，其分析的結(jié)果可以提供多個(gè)可能的解，選擇最終的解，需要研究者的主觀判斷和后續(xù)的分析；

（2）不管數(shù)據(jù)是否真正存在不同的類別，利用聚類分析都能得到分成若干類別的解；

（3）聚類分析的解完全依賴于研究者所選擇的聚類變量，增加或刪除一些變量對(duì)最終的解都可能產(chǎn)生實(shí)質(zhì)性的影響；

（4）異常值和特殊的變量對(duì)聚類有較大影響，當(dāng)分類變量的測量尺度不一致時(shí)，需要事先做標(biāo)準(zhǔn)化處理。

文中開展餐廳滿意度分析研究選用的是K-Means聚類算法[11]，其優(yōu)點(diǎn)在于原理簡單，容易實(shí)現(xiàn)，計(jì)算復(fù)雜程度小；缺點(diǎn)為過分依賴初始值的選擇，一旦初始值選取不好，可能無法獲得有效的聚類結(jié)果，另外需要預(yù)先給定K值，對(duì)離群點(diǎn)非常敏感，容易使質(zhì)心偏移。

2.3 餐廳滿意度分析TES模型構(gòu)建

參考客戶關(guān)系管理分析模型中的RFM（Recency-Frequency-Monetary）模型[12]，為實(shí)現(xiàn)消費(fèi)者對(duì)餐廳滿意度的聚類分析，此處構(gòu)建餐廳滿意度TES模型，即“Taste-Environment-Service”模型。TES模型包含三個(gè)特征，T特征（taste score）表示口味評(píng)價(jià)，E特征（environment score）表示環(huán)境評(píng)價(jià)，S特征（service score）表示服務(wù)評(píng)價(jià)，使用三維坐標(biāo)系進(jìn)行展示，x軸表示T特征，y軸表示E特征，z軸表示S特征。由于用戶打分為10分制，且由表2可知，T、E、S三大特征的最低評(píng)分為6.4，為此給每個(gè)軸劃分為4個(gè)等級(jí)，等同于消費(fèi)者滿意度劃分為64種級(jí)別。TES模型特征的取值范圍見下表3所示。

表3 TES模型特征的取值范圍

2.4 餐廳滿意度分析及其結(jié)果

采用聚類的K-Means算法開展分析，首先對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，將少量的、對(duì)分析影響不大的缺失值和異常值進(jìn)行丟棄處理，如數(shù)據(jù)中的“shopname”、“shoptags”列以及三大特征中存在可能的空缺或者為零的數(shù)據(jù)。隨后，從數(shù)據(jù)中選出分析所需要的特征數(shù)據(jù)，即“tastescore”、“environmentscore”、“servicescore”列的數(shù)據(jù)。接著，對(duì)數(shù)據(jù)進(jìn)行聚類分群，將滿意度分成4個(gè)類群，滿意度的聚類結(jié)果見下表4。

表4 滿意度聚類結(jié)果

針對(duì)聚類結(jié)果進(jìn)行特征分析，結(jié)果如圖2所示。從圖中可以看出，滿意度群4在T、E、S特征上均為最大（8.87、8.91、8.91），滿意度群1次之，取值最小為滿意度群2（7.16、7.13、7.12）；滿意度群2聚類個(gè)數(shù)最多，占35.3%，滿意度群3聚類個(gè)數(shù)最少，占12.7%，大部分聚類個(gè)數(shù)在滿意度群1、2，占52.0%。

圖2 餐廳滿意度特征分析圖

通過比較各類特征在群之間的大小，對(duì)某一個(gè)群進(jìn)行評(píng)價(jià)分析，如滿意度群4在T、E、S特征上最大，因此T、E、S特征在滿意度群4為優(yōu)勢特征；相反的滿意度群2在T、E、S特征上最小，則T、E、S特征在滿意度群2為劣勢特征?；谏鲜鎏卣髅枋?，將滿意度群體類別分為非常滿意、滿意、比較滿意、不滿意四個(gè)等級(jí)。具體不同滿意度等級(jí)群體的T、E、S特征值范圍如下表5所示。

表5 滿意度等級(jí)描述

利用python sklearn中的cluster模塊提供的K-Means函數(shù)構(gòu)建K-Means聚類模型，cluster分類簇設(shè)置為4，n_jobs依據(jù)電腦CPU數(shù)量配置為4，random_state配置為123，具體函數(shù)實(shí)現(xiàn)如下：

kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123) #構(gòu)建模型

聚類分析結(jié)果如下圖3所示，圖中很好展現(xiàn)了四類分群的分布情況。從圖3聚類分析結(jié)果來看，滿意度群2的T、E、S特征普遍較低，同時(shí)廣東省餐飲業(yè)屬于滿意度群2類別的數(shù)量是最多的，消費(fèi)者對(duì)這類餐飲業(yè)是不滿意的。因此大部分餐廳都需要更加重視在口味，環(huán)境和服務(wù)上的改進(jìn)，從而提高消費(fèi)者滿意度；其次，滿意群度4的T、E、S特征都是最高的，反映出廣東也有一部分餐廳的綜合競爭力達(dá)到較高水平，消費(fèi)者非常滿意；最后是滿意度群3和滿意度群1，分別在T、E、S特征上有進(jìn)步空間，努力爭取達(dá)到滿意度群4的指標(biāo)要求。

圖3 K-Means算法聚類分析結(jié)果

3 結(jié)論

為了對(duì)廣東省餐飲業(yè)消費(fèi)者滿意度情況進(jìn)行分析評(píng)價(jià)，本文在對(duì)前期19個(gè)市1433家餐飲店調(diào)研數(shù)據(jù)描述性統(tǒng)計(jì)的基礎(chǔ)上，通過構(gòu)建餐廳消費(fèi)者滿意度TES分析模型，采用K-Means聚類分析算法綜合分析了消費(fèi)者在飲食口味、用餐環(huán)境和服務(wù)質(zhì)量三方面的評(píng)價(jià)情況，依據(jù)聚類產(chǎn)生的四種餐廳群體，將餐廳劃分為“非常滿意”“滿意”“比較滿意”“不滿意”四個(gè)滿意度等級(jí)，依次占比為24.2%、27.6%、12.7%、35.3%。其中，消費(fèi)者“不滿意”餐廳占比最大，“滿意”和“非常滿意”餐廳共占比卻僅為一半。由此可見，消費(fèi)者對(duì)廣東餐飲業(yè)滿意度一般，相當(dāng)一部分餐廳需要從飲食口味、用餐環(huán)境和服務(wù)質(zhì)量等方面進(jìn)行完善。本文基于聚類分析的思想開展消費(fèi)者滿意度評(píng)價(jià)方法研究，僅僅考慮了滿意度評(píng)價(jià)的三大主要因素，后續(xù)在更加全面、復(fù)雜的評(píng)價(jià)中可加入更多影響因子，以實(shí)現(xiàn)更為準(zhǔn)確、科學(xué)的評(píng)價(jià)。

[1] 曹曉昌, 張鳳, 成升魁, 等. 我國餐飲業(yè)可持續(xù)發(fā)展研究：政策與食物浪費(fèi)（英文）[J]. 資源與生態(tài)學(xué)報(bào):（英文版）, 2021, 12（5）: 628–635.

[2] 于干千, 趙京橋. 新時(shí)代中國餐飲業(yè)的特征與趨勢[J]. 商業(yè)經(jīng)濟(jì)研究, 2019（3）: 167–171.

[3] 程慧芳. 淺析我國餐飲業(yè)服務(wù)營銷現(xiàn)狀及發(fā)展策略[J]. 現(xiàn)代經(jīng)濟(jì)信息, 2015（4）: 352.

[4] 劉蓉. 高鐵餐飲價(jià)格顧客滿意度調(diào)查研究[J]. 現(xiàn)代商業(yè), 2021（16）: 40–42.

[5] 袁良良, 周梅華. 基于流程優(yōu)化的餐飲業(yè)消費(fèi)者滿意度提升研究[J]. 江蘇商論, 2010（2）: 21–22.

[6] 嚴(yán)夢嬌, 張旗. 餐飲老字號(hào)顧客滿意度的IPA分析——以揚(yáng)州富春茶社為例[J]. 美食研究, 2017, 34（1）: 45–50.

[7] 牛蘭蘭, 張偉. 基于IPA分析法的美食街游客餐飲滿意度研究——以濟(jì)南芙蓉街為例[J]. 美食研究, 2016, 33（3）: 53–58.

[8] 張艷, 王喜慶. 基于模糊層次分析法的餐飲街區(qū)顧客滿意度評(píng)價(jià)研究[J]. 美食研究, 2018, 35（1）: 57–59.

[9] 2019年廣東省21地市GDP排行榜[EB/OL]. （2020-01-29）[2021-11-10]. https://top.askci.com.

[10] 伍育紅. 淺議聚類分析方法[J]. 計(jì)算機(jī)科學(xué), 2012, 39(S1): 325–327.

[11] 夏名首, 劉玉林. 基于K-Means聚類的電商店鋪經(jīng)營策略分析[J]. 商業(yè)經(jīng)濟(jì)研究, 2017（5）: 52–54.

[12] 徐文瑞. 基于RFM模型的顧客消費(fèi)行為與顧客價(jià)值預(yù)測研究[J]. 商業(yè)經(jīng)濟(jì)研究, 2017（19）:44–46.

Consumer Satisfaction Evaluation of Catering Industry Based on K-Means Clustering Analysis—— A Case Study of 1433 Restaurants in Guangdong Province

LI Tao-tao1, YUAN Li-zhe2, ZHONG San-yan1, CHEN Jian-guo1

（1. School of Mechanical and Electronic Engineering, Pingxiang University, Pingxiang, Jiangxi 337055, China; 2. School of Economics and Commerce, Zhongshan Institute, University of Electronic Science and Technology of China, Zhongshan, Guangdong 528402, China）

With the improvement of people’s living standards and income levels, the requirements and expectations for catering consumption are higher and higher. How to satisfy the requirement of catering consumers is an important issue, which is related to the sustainable development of catering industry. In the paper, the consumer satisfaction of the existing catering industry in Guangdong province base on K-Means clustering analysis is evaluated. Using the sample data of 1433 restaurants in 19 cities of Guangdong province, data descriptive statistics are firstly carried out. Then, the TES (taste score, environment score, service score) model applied to analyze consumer satisfaction of catering industry is constructed. Combined with K-Means clustering analysis algorithm, the evaluation results of catering industry in taste of food, dining environment and service quality are comprehensively analyzed further. Finally, according to the four restaurant groups generated by cluster analysis, the restaurants are divided into four levels. The results show that consumers are not very satisfied with the catering industry in Guangdong province. The number of restaurants classified as “dissatisfaction” account for the largest proportion (35.3%), while the “satisfaction” and “very satisfaction” account for only 52%. The research provides a new method for the comprehensive and accurate evaluation of consumer satisfaction in catering industry, and further provides scientific reference for the subsequent improvement and development of restaurants.

catering industry; consumer satisfaction; quantitative analysis; K-Means clustering analysis

F719.3

A

2095-9249（2021）06-0013-05

2021-12-06

江西省自然科學(xué)基金資助項(xiàng)目(20212BAB214047)；江西省教育廳科學(xué)技術(shù)研究項(xiàng)目（202710）

李濤濤（1988—），男，萍鄉(xiāng)人，副教授，博士，研究方向：數(shù)據(jù)分析與挖掘。

〔責(zé)任編校：吳侃民〕