Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales

Los servicios de atención al cliente son parte esencial de los elementos que hacen a la experiencia de los clientes. En este contexto, existe un valor muy grande en poder predecir cómo perciben los clientes la experiencia de los servicios de atención al cliente. Esto permitiría a las empresas aprend...

Descripción completa

Detalles Bibliográficos
Autor principal: Romanisio, Alejandro
Otros Autores: Gravano, Agustín
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Satisfaccion del cliente
Comportamiento del Consumidor
Predicción tecnológica
Semántica de la conversación
Random Forest
xgboost
Mejores prácticas
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/11867
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-11867
record_format dspace
spelling I57-R163-20.500.13098-118672023-06-06T07:36:37Z Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales Romanisio, Alejandro Gravano, Agustín Satisfaccion del cliente Comportamiento del Consumidor Predicción tecnológica Semántica de la conversación Random Forest xgboost Mejores prácticas Los servicios de atención al cliente son parte esencial de los elementos que hacen a la experiencia de los clientes. En este contexto, existe un valor muy grande en poder predecir cómo perciben los clientes la experiencia de los servicios de atención al cliente. Esto permitiría a las empresas aprender buenas prácticas en el manejo conversacional para generar mejores experiencias y también detectar posibles malas experiencias para revertirlas. Con esa motivación, en este trabajo se buscó entender las palancas que mueven esa experiencia y armar un modelo predictivo que prediga la puntuación que pondrán los clientes a los agentes tras una conversación vía WhatsApp, al contactarse con el servicio de atención al cliente. Se buscó predecir la nota a partir de tres tipos de información: semántica (palabras utilizadas por clientes y agentes durante la conversación), conversacional (tiempos y formas de la conversación) y contextual (características de la situación del cliente al momento de contactarse con atención al cliente). Así, se entrenaron 14 modelos predictivos con los algoritmos Random Forest y XGBoost para obtener un modelo predictivo y un entendimiento de los principales componentes que explican la posibilidad de que un cliente puntúe su experiencia como un promotor. Además del modelo predictivo, los aprendizajes revelados a partir de explorar los datos y el funcionamiento del modelo cobran importancia para la implementación de mejores prácticas en la empresa estudiada. 2023-06-05T22:48:42Z 2023-06-05T22:48:42Z 2022 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/11867 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 63 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 Satisfaccion del cliente
Comportamiento del Consumidor
Predicción tecnológica
Semántica de la conversación
Random Forest
xgboost
Mejores prácticas
spellingShingle Satisfaccion del cliente
Comportamiento del Consumidor
Predicción tecnológica
Semántica de la conversación
Random Forest
xgboost
Mejores prácticas
Romanisio, Alejandro
Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
topic_facet Satisfaccion del cliente
Comportamiento del Consumidor
Predicción tecnológica
Semántica de la conversación
Random Forest
xgboost
Mejores prácticas
description Los servicios de atención al cliente son parte esencial de los elementos que hacen a la experiencia de los clientes. En este contexto, existe un valor muy grande en poder predecir cómo perciben los clientes la experiencia de los servicios de atención al cliente. Esto permitiría a las empresas aprender buenas prácticas en el manejo conversacional para generar mejores experiencias y también detectar posibles malas experiencias para revertirlas. Con esa motivación, en este trabajo se buscó entender las palancas que mueven esa experiencia y armar un modelo predictivo que prediga la puntuación que pondrán los clientes a los agentes tras una conversación vía WhatsApp, al contactarse con el servicio de atención al cliente. Se buscó predecir la nota a partir de tres tipos de información: semántica (palabras utilizadas por clientes y agentes durante la conversación), conversacional (tiempos y formas de la conversación) y contextual (características de la situación del cliente al momento de contactarse con atención al cliente). Así, se entrenaron 14 modelos predictivos con los algoritmos Random Forest y XGBoost para obtener un modelo predictivo y un entendimiento de los principales componentes que explican la posibilidad de que un cliente puntúe su experiencia como un promotor. Además del modelo predictivo, los aprendizajes revelados a partir de explorar los datos y el funcionamiento del modelo cobran importancia para la implementación de mejores prácticas en la empresa estudiada.
author2 Gravano, Agustín
author_facet Gravano, Agustín
Romanisio, Alejandro
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Romanisio, Alejandro
author_sort Romanisio, Alejandro
title Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
title_short Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
title_full Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
title_fullStr Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
title_full_unstemmed Predicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionales
title_sort predicción de la satisfacción de los clientes en la atención a partir de características conversacionales
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/11867
work_keys_str_mv AT romanisioalejandro predicciondelasatisfacciondelosclientesenlaatencionapartirdecaracteristicasconversacionales
_version_ 1768086694992543744

Ejemplares similares