Avaliação Automática da Qualidade das Respostas para Reclamações no Setor de Telefonia no Brasil
Resumo
As plataformas de reclamações no Brasil influenciam como consumidores observam opiniões para tomarem suas decisões de compra, especialmente no setor de telecomunicações, onde as respostas das empresas podem atrair ou afastar clientes. Muitas dessas enfrentam dificuldades em oferecer respostas eficazes, perdendo vantagens competitivas. Este artigo propõe um modelo de IA para classificar a satisfação dos clientes com base nas respostas às reclamações. Foram utilizados métodos de representação textual, como TF-IDF, BoW e BERT, e aprendizado de máquina com ajustes de hiperparâmetros para otimizar o desempenho dos modelos treinados. Os resultados mostraram que remover a classe neutra das avaliações e ajustar o BERT aumentaram a precisão, destacando sua importância na análise de opiniões e no aprimoramento do atendimento ao cliente, com a implementação de uma API para uso comercial.
Referências
(2024). Página do reclame aqui. Acessado em: 29 de outubro de 2024.
Abas, A. R., El-Henawy, I., Mohamed, H., and Abdellatif, A. (2020). Deep learning model for fine-grained aspect-based opinion mining. IEEE Access, 8:128845–128855.
Albineli, I. C. and de Oliveira, R. (2023). Análise de sentimentos de publicações em plataformas on-line sobre turismo no brasil.
Bahtar, A. Z. and Muda, M. (2016). The impact of user–generated content (ugc) on product reviews towards online purchasing–a conceptual framework. Procedia Economics and Finance, 37:337–342.
Bayazed, A., Almagrabi, H., Alahmadi, D., and Alghamdi, H. (2024). Acom: Arabic comparative opinion mining in social media utilizing word embedding, deep learning model & llm-gpt. IEEE Access.
Cortis, K. and Davis, B. (2021). Over a decade of social opinion mining: a systematic review. Artificial Intelligence Review, 54(7):4873–4965.
Jain, P. K., Pamula, R., and Srivastava, G. (2021). A systematic literature review on machine learning applications for consumer sentiment analysis using online reviews. Computer Science Review, 41:100413.
Jin, M. and Aletras, N. (2020). Complaint identification in social media with transformer networks. arXiv preprint arXiv:2010.10910.
Peixoto, L. H. R. (2021). Aprendizado de Máquina Aplicado no Atendimento de Reclamações de Clientes. PhD thesis, Universidade de São Paulo.
Qi, Y. and Shabrina, Z. (2023). Sentiment analysis using twitter data: a comparative application of lexicon- and machine-learning-based approach. Social Network Analysis and Mining, 13(1):31.
Saha, B., Lisboa, S., and Ghosh, S. (2020). Understanding patient complaint characteristics using contextual clinical bert embeddings. In 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC), pages 5847–5850. IEEE.
Schmäh, M., Wilke, T., and Rossmann, A. (2017). Electronic word-of-mouth: a systematic literature analysis. Gesellschaft für Informatik, Bonn.
