Innotour-Projekt 2024–2026

Gastfreundlichkeit im Schweizer Tourismus messbar machen

Das Projekt "Monitoring und Stärkung der Interaktionsqualität im Schweizer Tourismus: NLP-gestützte Messung und Darstellung der Gastfreundlichkeit" analysiert Online-Gästebewertungen mit NLP-Methoden, um die Qualität von Gast-Gastgeber-Interaktionen in touristischen Destinationen systematisch zu messen – und so Grundlagen zu schaffen, sie gezielt zu stärken. Die Ergebnisse werden aufbereitet und in Dashboards visualisiert, um DMOs ein einzigartiges Management-Tool zur Verfügung zu stellen. Gastfreundlichkeit.ch soll eine Anlaufstelle für alle Touristiker:innen sein, die in ihrer Destination die Gastfreundlichkeit als zentrales Qualitätsmerkmal stärken wollen.

Mehr zum Projekt Zum Dashboard

Projet Innotour 2024–2026

Rendre l'hospitalité du tourisme suisse mesurable

Le projet « Suivi et renforcement de la qualité des interactions dans le tourisme suisse : mesure et représentation de l’hospitalité à l’aide du TALN » analyse les avis en ligne des visiteurs à l’aide de méthodes de TALN afin de mesurer systématiquement la qualité des interactions entre visiteurs et hôtes dans les destinations touristiques – et ainsi jeter les bases pour les renforcer de manière ciblée. Les résultats sont traités et visualisés dans des tableaux de bord afin de fournir aux OGD un outil de gestion unique. Gastfreundlichkeit.ch se veut un point de contact pour tous les professionnels du tourisme qui souhaitent renforcer l’hospitalité comme critère de qualité central dans leur destination.

En savoir plus Accéder au tableau de bord

Getragen von Porté par Regional Tourism Alliance (RTA) Forschungsstelle für Tourismus, Universität Bern (FFT) Applied Machine Intelligence, Berner Fachhochschule (AMI-BFH) Gefördert durch Innotour Soutenu par Innotour

Warum dieses Projekt

Gastfreundlichkeit als strategischer Erfolgsfaktor

Gastfreundlichkeit messen

Tausende von Online-Bewertungen enthalten wertvolle Hinweise auf die Qualität der Gästeinteraktionen – das Projekt macht diese Informationen systematisch nutzbar und steuerbar.

Datenbasierte Entscheidungen

Destinationen erhalten konkrete, vergleichbare Kennzahlen zur Gastfreundlichkeit – als Grundlage für gezielte Massnahmen und strategische Entwicklung.

Gemeinsam besser werden

Die teilnehmenden Destinationen profitieren von branchenweiten Vergleichen, Best-Practice-Beispielen und praxisnahen Empfehlungen zur Stärkung der Gastfreundlichkeit.

Pourquoi ce projet

L'hospitalité comme facteur de succès stratégique

Mesurer la qualité visible

Des milliers d'avis en ligne fournissent des indications précieuses sur la qualité des interactions avec les clients ; ce projet permet d'exploiter et de gérer ces informations de manière systématique.

Décisions fondées sur les données

Les destinations reçoivent des indicateurs concrets et comparables en matière d'hospitalité, qui servent de base à la mise en place de mesures ciblées et au développement stratégique.

S'améliorer ensemble

Les destinations participantes bénéficient de comparaisons à l'échelle du secteur, d'exemples de bonnes pratiques et de recommandations concrètes visant à renforcer l'hospitalité.

Methodik

Wie funktioniert das Projekt?

In drei Schritten von den Gästebewertungen zu konkreten Handlungsempfehlungen.

1 — Datenerhebung

Online-Bewertungen analysieren

Touristisch relevante Google-Bewertungen werden systematisch und fortlaufend in der ganzen Destination gesammelt und für die Analyse aufbereitet.

2 — NLP-Analyse

Gastfreundlichkeit erkennen

Natural Language Processing (NLP) ermittelt, welche Aspekte der Interaktionsqualität in den Texten positiv oder negativ erwähnt werden.

3 — Dashboard & Handlung

Erkenntnisse nutzen

Destinationen sehen ihre Ergebnisse im Kibana-Dashboard und können darauf aufbauende Massnahmen zur Stärkung der Gastfreundlichkeit ableiten.

Mehr zur Methodik

Méthodologie

Comment fonctionne le projet ?

En trois étapes, des avis des voyageurs aux recommandations d'action concrètes.

1 — Collecte de données

Analyser les avis en ligne

Les avis Google pertinents pour le tourisme sont systématiquement et continuellement recueillis dans l'ensemble de la destination, puis traités en vue de leur analyse.

2 — Analyse NLP

Identifier l'hospitalité

Le traitement du langage naturel (NLP) identifie les aspects de la qualité de l'interaction qui sont mentionnés de manière positive ou négative dans les textes.

3 — Tableau de bord & action

Mettre les résultats à profit

Les destinations peuvent consulter leurs résultats sur le tableau de bord Kibana et en tirer des mesures visant à renforcer l'accueil.

En savoir plus sur la méthode

Materialien & Werkzeuge

Ressourcen für Destinationen

Alle Materialien

Leitfaden - PDF

Gastfreundlichkeits-ABC

Praktische Empfehlungen und Massnahmen für DMOs zur Stärkung der Interaktionsqualität in touristischen Betrieben.

Öffnen (PDF)

Handbuch - PDF

Dashboard-Benutzerhandbuch

Folgt in Kürze...

Infoblatt – PDF

Finanzierungsmöglichkeiten für Gastfreundlichkeits-Massnahmen

Folgt in Kürze...

Leitfäden - PDF

Weitere Leitfäden

Folgen in Kürze...

Matériaux & outils

Ressources pour les destinations

Tous les matériaux

Guide - PDF

Guide de l'hospitalité pour les destinations

Recommandations pratiques et mesures destinées aux DMO pour améliorer la qualité des interactions au sein des établissements touristiques.

Ouvrir le PDF

Manuel - PDF

Manuel d'utilisation du tableau de bord

À venir prochainement...

Fiche info – PDF

Possibilités de financement des mesures d'hospitalité

À venir prochainement...

Description – PDF

Autres guides

À venir prochainement...

Kibana-Dashboard

Ihre Destinationsdaten auf einen Blick

Teilnehmende Destinationen können ihre individuellen Auswertungen direkt im Kibana-Dashboard einsehen. Der Zugang ist passwortgeschützt und wird durch das Projektteam eingerichtet.

Zum Dashboard

Tableau de bord Kibana

Les données de votre destination en un coup d'œil

Les destinations participantes peuvent consulter leurs rapports individuels directement dans le tableau de bord Kibana. L'accès est protégé par un mot de passe et est configuré par l'équipe du projet.

Accéder au tableau de bord

Aktuelles

Erkenntnisse & News

Alle Beiträge

Juli 2026

Launch Webseite

Informationen zur neuen Webseite.

Weiterlesen →

April 2026

Daten stärken die Wettbewerbsfähigkeit von Destinationen

Artikel publiziert im htr hotelrevue.

Weiterlesen →

April 2026

Gastfreundlichkeit als Wettbewerbsvorteil

Tourismus-Impuls der Forschungsstelle für Tourismus, Universität Bern.

Weiterlesen →

Actualités

Résultats & actualités

Tous les articles

Juillet 2026

Lancement du site web

Informations sur le nouveau site web.

Lire la suite →

Avril 2026

Les données renforcent la compétitivité des destinations

Article publié dans htr hotelrevue (Document disponible uniquement en allemand).

Lire la suite →

Avril 2026

L'hospitalité, un atout concurrentiel

Initiative en faveur du tourisme lancée par le Centre de recherche sur le tourisme de l'Université de Berne (Document disponible uniquement en allemand).

Lire la suite →

Projektpartner

Wer steckt hinter dem Projekt?

Regional Tourism Alliance (RTA)

Trägerorganisation und Brücke zwischen Wissenschaft und Praxis in der Schweizer Tourismusindustrie.

Universität Bern – FFT

Die Forschungsstelle für Tourismus der Universität Bern (FFT) verantwortet die wissenschaftliche Fundierung und Methodik des Projekts.

Berner Fachhochschule – AMI

Das Applied Machine Intelligence Lab (AMI) der BFH entwickelt die NLP-Analysemodelle und technische Infrastruktur des Projekts.

Beteiligte Destinationen

2024–26

Projektlaufzeit

Förderprogramm

Alle Partner

Partenaires du projet

Qui se cache derrière ce projet ?

Regional Tourism Alliance (RTA)

Organisme de référence et pont entre la science et la pratique dans le secteur touristique suisse.

Université de Berne – FFT

Le Centre de recherche sur le tourisme de l'Université de Berne (FFT) est responsable de la base scientifique et de la méthodologie du projet.

Haute École Spécialisée Bernoise – AMI

Le laboratoire Applied Machine Intelligence (AMI) de la BFH développe les modèles d'analyse NLP et l'infrastructure technique du projet.

Organisations partenaires

2024–26

Durée du projet

Programme de soutien

Tous les partenaires