Niveau : Intermédiaire
Shankang Qu, statisticien, PepsiCo
Mumu Wang, scientifique principal/statisticien, PepsiCo
Cette étude vise à évaluer les avis clients et le comportement d'achat à l'aide d'une analyse des sentiments par apprentissage supervisé. Les verbatim (données textuelles) recueillis à partir des commentaires et avis des consommateurs sur les boissons sont classés en catégories telles que les plaintes, les éloges et les suggestions. Grâce aux modèles d'exploration de texte créés avec JMP Pro, nous avons démontré la faisabilité d'une mise en œuvre d'algorithme hybride combinant des classificateurs créés manuellement et un apprentissage empirique à partir des données. Un système automatisé reliera les algorithmes aux commentaires vocaux entrants et au verbatim cumulé, puis classera le document dans l'une des trois catégories. Les algorithmes s'adaptent aux nouvelles données et expériences afin d'améliorer la qualité des prédictions au fil du temps. Nos conseillers ont codé manuellement 7 507 documents de consommateurs par téléphone, e-mail, réseaux sociaux, chat et e-commerce. Dans cette présentation, nous montrerons comment construire des modèles d'exploration de texte à l'aide d'approches telles que les réseaux de neurones. Dans la matrice de confusion, nous avons obtenu un taux d'erreur de classification de 6 % à l'apprentissage et de 11 % à la validation. Des taux légèrement supérieurs ont été obtenus en utilisant des modèles de forêt bootstrap et de logistique nominale. En comparant les résultats de la modélisation et le codage original du verbatim, nous avons également constaté des problèmes de saisie de données. Les modèles ont été entraînés à capturer des documents mal classés par des humains.
