Livello: Intermedio
Shankang Qu, statistico, PepsiCo
Mumu Wang, scienziato senior/statistico, PepsiCo
Questo studio intende valutare le recensioni dei clienti e il comportamento di acquisto utilizzando l'analisi del sentiment con apprendimento supervisionato. I dati verbatim (ovvero i dati testuali) raccolti dal feedback e dai commenti dei consumatori sui prodotti per bevande vengono classificati in categorie quali reclamo, elogio e suggerimento. Attraverso i modelli di text mining creati con JMP Pro, abbiamo dimostrato la fattibilità di un'implementazione di algoritmi ibridi in cui i classificatori realizzati a mano vengono combinati con l'apprendimento empirico dai dati. Un sistema automatizzato collegherà gli algoritmi al feedback vocale registrato in arrivo con il verbatim cumulato e classificherà il documento in una delle tre categorie. Gli algoritmi si adattano in risposta a nuovi dati ed esperienze per migliorare la qualità della previsione nel tempo. I nostri addetti al servizio hanno codificato manualmente 7.507 documenti da parte dei consumatori tramite telefono, e-mail, social media, chat ed e-commerce. In questa presentazione, mostreremo come creare modelli di text mining utilizzando approcci quali le reti neurali. Nella matrice di confusione, abbiamo ottenuto un tasso di classificazione errata del 6% nella formazione e dell'11% nella convalida. Sono stati ottenuti tassi leggermente più elevati utilizzando modelli di bootstrap forest e logistici nominali. Confrontando i risultati della modellazione e la codifica originale sul verbatim, abbiamo anche trovato alcuni problemi di immissione dati. I modelli sono stati addestrati per catturare documenti che sono stati classificati erroneamente dagli esseri umani.
