Aplicación de modelos Transformer para la clasificación y análisis de quejas en atención al cliente
En este trabajo, se adoptó una metodología mixta para explorar el impacto de los modelos de Procesamiento de Lenguaje Natural (Natural Language Processing, NLP, por sus siglas en inglés) basados en Transformers, enfocándose específicamente en su capacidad para analizar e interpretar texto. La invest...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versión aceptada para publicación |
| Data de publicação: | 2024 |
| País: | México |
| Recursos: | Instituto Tecnológico y de Estudios Superiores de Occidente |
| Repositório: | Repositorio Institucional del ITESO |
| Idioma: | espanhol |
| OAI Identifier: | oai:rei.iteso.mx:11117/10884 |
| Acesso em linha: | https://hdl.handle.net/11117/10884 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Clasificación Atención a Clientes Natural Language Processing Clientes Servicio al Cliente |
| Resumo: | En este trabajo, se adoptó una metodología mixta para explorar el impacto de los modelos de Procesamiento de Lenguaje Natural (Natural Language Processing, NLP, por sus siglas en inglés) basados en Transformers, enfocándose específicamente en su capacidad para analizar e interpretar texto. La investigación se centra en evaluar la efectividad y eficiencia de estos modelos al procesar y categorizar interacciones textuales específicas. Dicho análisis se realiza sobre una muestra cuidadosamente seleccionada de 3,000 interacciones en forma de tickets de atención al cliente, provenientes de diversos canales de comunicación digital. Este enfoque permite no solo comprender cómo los modelos de Transformers pueden identificar y clasificar los diferentes tipos de consultas y problemas reportados por los usuarios, sino también evaluar su precisión, la cual se espera alcance al menos el 90 % en la identificación de categorías relevantes. La elección de tickets de atención al cliente como objeto de estudio se debe a su riqueza informativa y relevancia para las empresas que buscan optimizar sus estrategias de servicio y soporte al cliente mediante tecnologías de NLP. |
|---|