Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático

El comercio electrónico ha experimentado una aceleración sin precedentes en el último tiempo. Por su parte, las empresas han intentado adaptarse para satisfacer la creciente demanda de consumo brindando, en su mayoría, atención al cliente bajo una modalidad de "autoservicio". De hecho,...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Di Buccio, Sofía
Otros Autores: Diuk, Carlos
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Data Analysis
Predicción tecnológica
Comercio electrónico
Consumer behavior
Comportamiento del Consumidor
Análisis de datos
Aprendizaje automático
Twitter
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11890
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11890
record_format dspace
spelling I57-R163-20.500.13098-118902023-06-23T07:36:42Z Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático Di Buccio, Sofía Diuk, Carlos Villamonte, Carlos Data Analysis Predicción tecnológica Comercio electrónico Consumer behavior Comportamiento del Consumidor Análisis de datos Aprendizaje automático Twitter El comercio electrónico ha experimentado una aceleración sin precedentes en el último tiempo. Por su parte, las empresas han intentado adaptarse para satisfacer la creciente demanda de consumo brindando, en su mayoría, atención al cliente bajo una modalidad de "autoservicio". De hecho, varias de ellas han utilizado redes sociales como medio de soporte en pos de construir una imagen de disponibilidad e inmediatez. No obstante, los agentes acaban recibiendo los problemas más complejos, dejando en evidencia la falta de capacitación y herramientas provistos para la tarea. A lo largo de este trabajo, se diseña un tablero de negocio para dar visibilidad del estado de situación respecto a la atención brindada así como, también, para poder responder ante distintos casos de atención al cliente de forma data-driven en un marco de recursos limitados. Se hace foco, particularmente, en Mercado Libre ya que cuenta con un volumen considerable de transacciones y brinda soporte vía Twitter. Recolectando datos de esta fuente, se explora y modela la probabilidad de requerir atención al cliente, la satisfacción del usuario, las palabras clave del texto, los tópicos y la ubicación del tweet. Para ello, se aplican técnicas de aprendizaje supervisado como no supervisado, se emplean ensambles y se utilizan expresiones regulares. Online commerce has recently experienced an unprecedented acceleration. For their part, companies have tried to adapt to meet the growing consumer demand by providing, for the most part, customer service under a "self-service" modality. In fact, several of them have used social networks as a means of support in order to build an image of availability and immediacy. However, the agents end up receiving the most complex problems, revealing the lack of training and tools provided for the task. Throughout this work, a business dashboard is designed to give visibility of the status of the service provided, as well as to be able to respond to different customer cases in a data-driven manner within a limited resources framework. The focus is particularly on Mercado Libre since it has a considerable volume of transactions and provides support via Twitter. Collecting data from this source, it is explored and modeled the probability of requiring customer service, user satisfaction, the keywords of the text, the topics and the location of the tweet. For this, supervised and unsupervised learning techniques are applied, ensembles are designed and regular expressions are used. 2023-06-22T13:49:59Z 2023-06-22T13:49:59Z 2022 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11890 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 67 p. application/pdf application/pdf Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Data Analysis
Predicción tecnológica
Comercio electrónico
Consumer behavior
Comportamiento del Consumidor
Análisis de datos
Aprendizaje automático
Twitter
spellingShingle Data Analysis
Predicción tecnológica
Comercio electrónico
Consumer behavior
Comportamiento del Consumidor
Análisis de datos
Aprendizaje automático
Twitter
Di Buccio, Sofía
Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
topic_facet Data Analysis
Predicción tecnológica
Comercio electrónico
Consumer behavior
Comportamiento del Consumidor
Análisis de datos
Aprendizaje automático
Twitter
description El comercio electrónico ha experimentado una aceleración sin precedentes en el último tiempo. Por su parte, las empresas han intentado adaptarse para satisfacer la creciente demanda de consumo brindando, en su mayoría, atención al cliente bajo una modalidad de "autoservicio". De hecho, varias de ellas han utilizado redes sociales como medio de soporte en pos de construir una imagen de disponibilidad e inmediatez. No obstante, los agentes acaban recibiendo los problemas más complejos, dejando en evidencia la falta de capacitación y herramientas provistos para la tarea. A lo largo de este trabajo, se diseña un tablero de negocio para dar visibilidad del estado de situación respecto a la atención brindada así como, también, para poder responder ante distintos casos de atención al cliente de forma data-driven en un marco de recursos limitados. Se hace foco, particularmente, en Mercado Libre ya que cuenta con un volumen considerable de transacciones y brinda soporte vía Twitter. Recolectando datos de esta fuente, se explora y modela la probabilidad de requerir atención al cliente, la satisfacción del usuario, las palabras clave del texto, los tópicos y la ubicación del tweet. Para ello, se aplican técnicas de aprendizaje supervisado como no supervisado, se emplean ensambles y se utilizan expresiones regulares.
author2 Diuk, Carlos
author_facet Diuk, Carlos
Di Buccio, Sofía
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Di Buccio, Sofía
author_sort Di Buccio, Sofía
title Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
title_short Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
title_full Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
title_fullStr Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
title_full_unstemmed Mejora en la atención al cliente usando datos de Twitter y técnicas de aprendizaje automático
title_sort mejora en la atención al cliente usando datos de twitter y técnicas de aprendizaje automático
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11890
work_keys_str_mv AT dibucciosofia mejoraenlaatencionalclienteusandodatosdetwitterytecnicasdeaprendizajeautomatico
_version_ 1769989227829788672

Ejemplares similares