Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes (2021)
- Authors:
- Autor USP: PEIXOTO, LUIZ HENRIQUE ROWAN - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2021.tde-04022022-172002
- Subjects: APRENDIZADO COMPUTACIONAL; SATISFAÇÃO DO CONSUMIDOR; MINERAÇÃO DE DADOS; COMPUTAÇÃO EVOLUTIVA; ANÁLISE DE TEXTO
- Keywords: Atendimento de Clientes; Customer Service; Machine Learning; Mineração de Textos; Text Mining
- Language: Português
- Abstract: A reclamação é uma ação garantida por entidades de proteção ao consumidor, e com a digitalização crescente da sociedade e a popularização das plataformas digitais de reclamações, têm-se um aumento crescente das reclamações de clientes nestas plataformas. A escalada das reclamações em ambientes digitais tratadas incorretamente impactam a imagem das empresas e geram uma necessidade cada vez mais latente de capturar, processar, analisar e gerar conhecimento usando automatizações. Com este cenário, este trabalho propõe a utilização de técnicas de Mineração de Textos e Aprendizado de Máquina em um fluxo de triagem de reclamações com objetivo de minimizar a probabilidade de não-resolução das reclamações de clientes de serviços financeiros. A abordagem proposta é avaliada por meio de 3 arquiteturas distintas de complexidade, sendo que para modelo base utilizou-se o Naive-Bayes SVM, para o intermediário foi utilizado as embeddings FastText com classificador Multi-layer Perceptron e como técnica desafiante foi utilizado o modelo de linguagem DistilBERT. A utilização apenas da narrativa da reclamação do consumidor apresentou resultado pouco relevante na discriminação da resolutividade, porém quando agregado a narrativa de atendimento da empresa os modelos performaram consideravelmente bem e podem ser aplicados em uma estratégia de atendimento. Os resultados mostraram que os métodos podem gerar valor em sistemas de apoio à tomada de decisão na área operacional das empresas e podemauxiliar as mesmas no atendimento de seus clientes, elevando o nível de satisfação dos consumidores e reduzindo o risco de imagem da empresa. A escolha de um bom modelo de predição depende da estratégia de atuação da operação de atendimento, sendo que a capacidade de ordenação do risco torna-se preponderante nessa escolha.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 08.12.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
PEIXOTO, Luiz Henrique Rowan. Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes. 2021. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022022-172002/. Acesso em: 25 abr. 2024. -
APA
Peixoto, L. H. R. (2021). Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022022-172002/ -
NLM
Peixoto LHR. Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes [Internet]. 2021 ;[citado 2024 abr. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022022-172002/ -
Vancouver
Peixoto LHR. Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes [Internet]. 2021 ;[citado 2024 abr. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04022022-172002/
Informações sobre o DOI: 10.11606/D.55.2021.tde-04022022-172002 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas