Los destinos turísticos se ven cada vez más afectados por la información relacionada con los viajes que se comparte a través de las redes sociales. Basándose en teorías de proceso dual sobre cómo los individuos procesan la información, este estudio examina el papel de las rutas de procesamiento de información central y periférica en la formación de las percepciones de los consumidores sobre la utilidad de las reseñas en línea de destinos maduros. Llevamos a cabo un proceso de dos pasos para abordar la utilidad percibida del contenido generado por el usuario, un análisis de sentimiento utilizando técnicas avanzadas de aprendizaje automático (aprendizaje profundo) y un análisis de regresión. La base de datos constaba de 2023 comentarios publicados en TripAdvisor sobre dos atracciones culturales icónicas de Venecia, la Plaza de San Marcos (una atracción abierta y gratuita) y el Palacio Ducal (que cobra una tarifa de entrada). Usando técnicas de aprendizaje profundo, con regresión logística, primero identificamos qué factores influyeron en si una revisión recibió un voto de "útil". En segundo lugar, seleccionamos aquellas reseñas que recibieron al menos un voto útil para identificar, a través de una regresión lineal, los determinantes significativos del comportamiento de voto de los usuarios de TripAdvisor. Los resultados mostraron que la experiencia del revisor influye tanto en las atracciones gratuitas como en las de pago, aunque el impacto de las señales centrales (polaridad del sentimiento, subjetividad, contenido pictórico) difiere para ambas atracciones. Nuestro estudio sugiere que se debe mirar más allá de las calificaciones individuales y enfocarse en el análisis de sentimientos de las reseñas en línea, que se basan en la naturaleza de la atracción (gratis o de pago).Tourist destinations are increasingly affected by travel-related information shared through social media. Drawing on dual-process theories on how individuals process information, this study examines the role of central and peripheral information processing routes in the formation of consumers' perceptions of the helpfulness of online reviews of mature destinations. We carried out a two-step process to address the perceived helpfulness of user-generated content, a sentiment analysis using advanced machine-learning techniques (deep learning), and a regression analysis. The database was 2023 comments posted on TripAdvisor about two iconic Venetian cultural attractions, St. Mark's Square (an open, free attraction) and the Doge's Palace (which charges an entry fee). Using deep-learning techniques, with logistic regression, we first identified which factors influenced whether a review received a “helpful” vote. Second, we selected those reviews which received at least one helpful vote to identify, through linear regression, the significant determinants of TripAdvisor users' voting behaviour. The results showed that reviewer expertise is influential in both free and paid-for attractions, although the impact of central cues (sentiment polarity, subjectivity, pictorial content) differs for both attractions. Our study suggests that managers should look beyond individual ratings and focus on the sentiment analysis of online reviews, which are shown to be based on the nature of the attraction (free vs. paid-for).