Show simple item record

dc.rights.licensehttps://creativecommons.org/licenses/by-sa/2.5/ar/es_AR
dc.contributor.advisorGravano, Agustín
dc.contributor.authorRomanisio, Alejandroes_AR
dc.date.accessioned2023-06-05T22:48:42Z
dc.date.available2023-06-05T22:48:42Z
dc.date.issued2022
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/11867
dc.description.abstractLos 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.es_AR
dc.format.extent63 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/openAccesses_AR
dc.subjectSatisfaccion del clientees_AR
dc.subjectComportamiento del Consumidores_AR
dc.subjectPredicción tecnológicaes_AR
dc.titlePredicción de la Satisfacción de los Clientes en la Atención a partir de Características Conversacionaleses_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dc.typeinfo:ar-repo/semantics/tesis de maestría
thesis.degree.nameMaster in Management + Analytics
dc.subject.keywordSemántica de la conversaciónes_AR
dc.subject.keywordRandom Forestes_AR
dc.subject.keywordxgboostes_AR
dc.subject.keywordMejores prácticases_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record