Aplicación de análisis de sentimientos a encuestas de satisfacción

Aplicación de análisis de sentimientos a encuestas de satisfacción

El análisis de datos cualitativos (opiniones de los clientes) en encuestas de satisfacción es una tarea que puede tomar mucho tiempo para los analistas de información. Por eso muchas empresas han optado por indicadores como el Net Promoter Score para simplificar esta tarea, al resumir toda la experiencia del cliente en un único indicador.

Sin embargo, dejar de lado el análisis de las opiniones de los clientes puede dejarnos sin un gran insumo para mejorar nuestros procesos, servicios y productos ya que ellos son los que experimentan nuestros servicios todos los días al igual que los de la competencia.

Es por eso es tan necesario un análisis automatizado que nos permita medir y analizar esta información.
A continuación, muestro un análisis de sentimiento realizado a las encuestas de satisfacción hechas a más de 1200 usuarios de un servicio de alojamiento. El cual fue analizado utilizado Power BI. Posteriormente hare la explicación detallada del análisis.

Para este análisis se utilizó el algoritmo de análisis de sentimientos, el cual clasifica los sentimientos en cuanto al tipo de sentimiento y magnitud.

El tipo de sentimiento se clasifica como negativo o positivo y de acuerdo con esto se le da un puntaje desde -1 hasta 1. Siendo uno muy positivo y siendo -1 muy negativo. Un resultado de 0 correspondería a un resultado neutro.

La magnitud corresponde a la intensidad del sentimiento y se mide desde 0 hasta 5, es decir el sentimiento puede ser negativo y no intenso, o muy intenso en la medida que nos genero un gran impacto emocional sin importar si fue negativo o positivo.
Cada opinión se clasifica según los dos anteriores criterios y se gráfica, con el objetivo de ver la dispersión de las opiniones.

Posteriormente se le aplica el algoritmo K-means con el objetivo de agrupar las opiniones según criterios comunes, en el ejemplo anterior obtuvimos 6 clusters. Los clusteres 5 y 6 corresponden a opiniones muy negativas, el cluster 2 que suma el 66% de las opiniones, son opiniones neutras y los demás clústeres corresponden a opiniones positivas.

De las opiniones neutras por medio de análisis de entidad en el texto se puede establecer cuales son las causas de problemática o disgusto. Por ejemplo, en el caso ejemplificado las principales causas de disgusto tienen que ver con el barrio donde se encuentra el alojamiento y la infraestructura del alojamiento.

Si desean asesoría, en como implementar esta medición en su empresa con gusto contáctenme en el correo:
[email protected]

Leave a Comment