Análisis de la tendencia de la solución de una interacción con un Chatbot de atención al cliente, basado en análisis de sentimiento y otras variables

Vista sencilla de ítem
dc.contributor.advisorMontoya Múnera, Edwin Nelsonspa
dc.contributor.authorFlórez Salazar, Luz Stella
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emaillflorezs@eafit.edu.cospa
dc.date.accessioned2023-05-08T15:57:53Z
dc.date.available2023-05-08T15:57:53Z
dc.date.issued2023
dc.descriptionUn chatbot es un programa creado con inteligencia artificial que, en el contexto de atención a usuarios, tiene la capacidad de establecer conversaciones con los clientes y son entrenados para resolver sus consultas, problemas y quejas. La capacidad de un chatbot de identificar cuando un cliente no está resolviendo su requerimiento, representa un reto para las empresas que actualmente hacen uso de esta tecnología. Una de las estrategias para evitar el abandono de la conversación por esta causa, es el desborde o la transferencia de la conversación a un asesor humano. Por lo tanto, es indispensable detectar cuando es el momento de realizar este desborde. En el presente proyecto se evalúan diferentes técnicas del Procesamiento del Lenguaje Natural (PLN), algoritmos de etiquetado basados en reglas, modelos clásicos de aprendizaje de máquina supervisado y una red neuronal sencilla para clasificación, aplicadas en interacciones entre un chatbot de servicio al cliente y un usuario, con el fin de encontrar un mecanismo de etiquetado automático de los datos y de construir un modelo que pueda ser empleado para tomar la decisión sobre si el cliente debe seguir interactuando con el chatbot o si debe ser transferido a una conversación con un asistente humano. El mecanismo de etiquetado también podría ser usado para clasificar datos históricos, para posteriormente entrenar un modelo. Los diferentes modelos y técnicas se evalúan y se presentan los resultados de los que tienen el mejor desempeño al detectar las conversaciones que deben realizar el desborde a un asesor humano.spa
dc.description.abstractA chatbot is a program created with artificial intelligence. In the context of customer service, can establish conversations with customers and they are trained to resolve their queries, problems and complaints. A chatbot’s skill to identify when a customer is not meeting their request represents a challenge for companies that currently use this technology. One of the strategies to avoid quitting the conversation for this reason, is to escalate or transfer the conversation to a human agent. Therefore, it is essential to detect when it is time to carry out this escalation. This project evaluates different Natural Language Processing (NLP) techniques, rule-based labeling algorithms, classical supervised machine learning models and a simple neural network for classification, applied to interactions between a customer service chatbot and a user, in order to find a mechanism for automatic labeling of the data and to build a model that can be used to make the decision on whether the customer should continue interacting with the chatbot or if he should be transferred to a conversation with a human agent. The labeling mechanism could also be used to classify historical data, to later train a model. Different models and techniques are evaluated and those with the best performance in detecting the conversations that should escalate to a human agent are presented.spa
dc.identifier.ddc006.3 F634
dc.identifier.urihttp://hdl.handle.net/10784/32428
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Administraciónspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.localAcceso abiertospa
dc.subjectAnálisis de sentimientosspa
dc.subjectChatbotspa
dc.subjectEscalamiento a asesor humanospa
dc.subjectInteligencia artificialspa
dc.subjectProcesamiento de lenguaje naturalspa
dc.subject.keywordSentiment analysisspa
dc.subject.keywordChatbotspa
dc.subject.keywordEscalation to human agentspa
dc.subject.keywordArtificial intelligencespa
dc.subject.keywordNatural language processingspa
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)spa
dc.subject.lembSERVICIO AL CLIENTEspa
dc.subject.lembALGORITMOSspa
dc.subject.lembLINGÜÍSTICA COMPUTACIONALspa
dc.titleAnálisis de la tendencia de la solución de una interacción con un Chatbot de atención al cliente, basado en análisis de sentimiento y otras variablesspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaMonografíaspa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
LuzStella_FlorezSalazar_2023.pdf
Tamaño:
1.34 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
431.42 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario autorización publicación obras
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit Luz Stella Florez.pdf
Tamaño:
130.51 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta aprobación trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencias de los Datos y Analítica (tesis)