Nivel: Intermedio
Shankang Qu, estadístico de PepsiCo
Mumu Wang, científico sénior y estadístico de PepsiCo
Este estudio se propone evaluar las opiniones y el comportamiento de compra de los clientes mediante el análisis de sentimiento con aprendizaje supervisado. Los datos textuales recopilados a partir de las opiniones y comentarios de los consumidores sobre bebidas se clasifican en categorías como quejas, elogios y sugerencias. Mediante los modelos de minería de texto creados con JMP Pro, demostramos la viabilidad de implementar un algoritmo híbrido que combina clasificadores manuales con el aprendizaje empírico de los datos. Un sistema automatizado conectará los algoritmos con las grabaciones de voz entrantes y los datos textuales acumulados, clasificando el documento en una de las tres categorías. Los algoritmos se adaptan en respuesta a nuevos datos y experiencias para mejorar la calidad de la predicción con el tiempo. Nuestro servicio asocia 7507 documentos codificados manualmente de consumidores a través de teléfono, correo electrónico, redes sociales, chat y comercio electrónico. En esta presentación, mostraremos cómo construir modelos de minería de texto utilizando enfoques como las redes neuronales. En la matriz de confusión, obtuvimos una tasa de clasificación errónea del 6 % en el entrenamiento y del 11 % en la validación. Se obtuvieron tasas ligeramente superiores utilizando bosques bootstrap y modelos logísticos nominales. Al comparar los resultados del modelado con la codificación original en el texto literal, también encontramos algunos problemas de entrada de datos. Los modelos fueron entrenados para capturar documentos clasificados incorrectamente por humanos.
