Publication:
Análisis de la percepción de servicio en el sector de servicios públicos en la ciudad de Bogotá a través de técnicas de minería de texto aplicadas a Twitter

Thumbnail Image
Files

Files

Primary Gómez Rivera, Carlos Eduardo-2022 .pdf (2.76 MB)
 Autorización.pdf (144.66 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Jaramillo Yepes, Juan Guillermo
Gomez Rivera, Carlos Eduardo
Abstract (Spanish)
En Bogotá, las empresas prestadoras de los servicios públicos son: Enel, Vanti y El Acueducto y Alcantarillado, las cuales cuentan con más de 1 millón de clientes cada una, pudiéndose catalogar como grandes empresas del sector; en donde el servicio al cliente se debe basar en una estrategia customer centricity, caracterizada por tener la VOC (voz del cliente) como principal insumo para orientar sus decisiones tácticas y operativas. Sin embargo, el top de las empresas con mayor cantidad de peticiones a nivel nacional según la ubica en los primeros lugares a las tres empresas mencionadas anteriormente, lo que hace pensar que su percepción del cliente puede no ser la mejor. Con el fin de aportar a la solución de esta problemática, nace la presente investigación, teniendo como objetivo analizar los comentarios de los usuarios para identificar posibles áreas con oportunidades de mejora, mediante el aprovechamiento de Twitter; red social que, según los informes de gestión más recientes de las 3 compañías, ha sido adoptado por parte de los usuarios como canal de comunicación y por tanto un crecimiento relevante en el último año. Lo anterior, potencializado por las medidas de emergencia sanitaria decretadas por el gobierno, enfocadas en el fortalecimiento en canales digitales para todos los prestadores de servicios públicos, lo que se confirma en las cifras de la super intendencia los contactos presenciales tuvieron un decrecimiento de cerca del 70%, aumentando la participación de canales virtuales.Con el fin de encontrar áreas con mayores oportunidades de mejora y su comportamiento en el tiempo utilizando la voz del cliente como principal insumo, se propone realizar un análisis de sentimientos que permita conocer la percepción de los usuarios, además de aplicar técnicas como Topic Modelling, para plantear un marco de evaluación y generar interfaces de visualización de los datos que faciliten el análisis de esta información.De esta manera, la presente investigación tiene como finalidad ofrecer un modelo de alta predictibilidad que plantee un punto de partida para este tipo de análisis, permitiendo conocer la situación actual de la percepción de servicio a través de los datos de las redes sociales para así lograr plantear métricas que aporten en la formulación de estrategias que garanticen una comunicación más eficiente con los usuarios, atendiendo a las necesidades transmitidas y transformar la percepción de manera positiva.
Abstract (English)
In Bogotá, the companies that provide essential public services are: Enel, Vanti and Acueducto y Alcantarillado, which have more than 1 million clients each, and can be classified as large companies in the sector, where customer service must be based on a customer centricity strategy, characterized by having the VOC (voice of the customer) as the main input to guide their tactical and operational decisions. However, according to the top of the national companies with the largest number of requests, places the three companies mentioned above in the first places, which suggests that their perception of the service could not be the best.In order to contribute to the solution of this problem, this research was born, with the objective of analyzing user comments to identify possible areas with opportunities for improvement, by taking advantage of Twitter; social network that, according to the most recent management reports of the 3 companies, has been adopted by users as a communication channel and therefore has shown significant growth in the last year. All of the above, enhanced by the health emergency measures decreed by the Colombian government, focused on strengthening digital channels for all public service providers, which is confirmed in the figures of the: face-to-face contacts had a decrease of about 70%, increasing the participation of virtual channels.For the purpose of finding areas with greater opportunities for improvement and their behavior over time using the voice of the customer as the main input, it is proposed to carry out a sentiment analysis that allows knowing the perception of users, in addition to applying techniques such as Topic Modeling, to propose a framework of evaluation and generate data visualization interfaces that facilitate the analysis of this information.In this way, the present research aims to offer a highly predictable model that proposes a starting point for this type of analysis, allowing to know the current situation of the perception of service through data from social networks to propose metrics that contribute to the formulation of strategies that guarantee more efficient communication with users, attending to the needs transmitted and transforming perception in a positive way.
Director

Advisors/Directors

Conti, Dante
Ospina Becerra, Victoria Eugenia
Extent
133 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/2171
Collections

Collections

FC - Trabajos de Grado Maestría en Gestión de Información
References

Ali, T., Ahmad, I., Ur Rehman, A., & Kamal, S. (2018). Understanding Customer Experiences through Social Media Analysis of Three Giants of Soft Drink Industry. 2018 5th International Conference on Behavioral, Economic, and Socio-Cultural Computing (BESC). doi:10.1109/BESC.2018.8697304

Ávila Rodríguez, M. (Septiembre de 2020). Análisis de tweets y su influencia en los seguros de vida en el ámbito colombiano. 1-121. Bogotá, Cundinamarca, Colombia: Escuela Colombiana de Ingeniería Julio Garavito. Recuperado el 09 de Octubre de 2021, de https://repositorio.escuelaing.edu.co/bitstream/handle/001/1237/%c3%81vila%20Rodr%c3%adguez%2c%20Maria%20Paula-2020.pdf?sequence=2&isAllowed=y

Ba, Y., & Lee , H. (20 de Noviembre de 2012). Sentiment Analysis of Twitter Audiences: Measuring the Positive or Negative Influence of Popular Twitterers. (ASIS&T, Ed.) JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE AND TECHNOLOGY, 2522-2535. doi:10.1002/asi

Bello-Orgaz, G., Menéndez, H., Okazaki, S., & Camacho, D. (2014). Combining social-based data mining techniques to extract collective trendsfrom twitter. Malaysian Journal of Computer Science, 27(2), 95-111. Recuperado el 10 de Septiembre de 2021, de http://ejum.fsktm.um.edu.my/ArticleInformation.aspx?ArticleID=1475

Bogotá Como vamos. (2021). Resultados 2 Fase: Encuesta Virtual #miVozmiCiudad. Encuesta, Bogotá. Recuperado el 18 de Septiembre de 2021, de https://s3.documentcloud.org/documents/20425406/bogota-resultados-2da-fase-mivozmiciudad.pdf

Chamlertwat, W., Bhattarakosol, P., Rungkasiri, T., & Haruechaiyasak, C. (2018). Discovering Consumer Insight from Twitter via Sentiment Analysis. Journal of Universal Computer Science, 973-992.

Cortez Reyes, R. A. (Junio de 2018). Extracción de conocimiento a partir de textos obtenidos de Twitter. (U. T. Salvador, Ed.) Entorno(65), 30-41. doi:http://dx.doi.org/10.5377/entorno.v0i65.6048

DANE. (31 de Diciembre de 2018). Departamento Administrativo Nacional de Estadisticas. Recuperado el 20 de Septiembre de 2021, de https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018

Empresa de Acueducto y alcantarillado de Bogotá. (16 de Septiembre de 2021). EAAB. Recuperado el 16 de Septiembre de 2021, de https://www.acueducto.com.co/wps/portal/EAB2/Home/la-empresa/informacion-general/!ut/p/z0/04_Sj9CPykssy0xPLMnMz0vMAfIjo8zizQKdDQwtDIz8DEyMnA0CgwOcgvxDnQ19jMz0C7IdFQFA0Q31/

Empresa de Acueducto y Alcantarillado de Bogotá. (18 de Septiembre de 2021). EAAB. Recuperado el 18 de Septiembre de 2021, de https://www.acueducto.com.co/wps/wcm/connect/EAB2/ec8d1be2-2b2a-40a3-96b7-0d3ffcefddce/7.+JULIO+2021+-PQR%C2%B4S.pptx?MOD=AJPERES&CACHEID=ROOTWORKSPACE.Z18_K862HG82NOTF70QEKDBLFL3000-ec8d1be2-2b2a-40a3-96b7-0d3ffcefddce-nJwBCdx

Enel - Codensa. (16 de Septiembre de 2021). Enel. Recuperado el 16 de Septiembre de 2021, de https://www.enel.com.co/es/las-companias/codensa.html#:~:text=Con%20un%2024%25%20de%20participaci%C3%B3n,el%20manejo%20de%20sus%20operaciones

Enel. (2020). Informe de sosteniblidad 2020. Bogotá: N.E. Recuperado el 18 de Septiembre de 2021, de https://www.enel.com.co/content/dam/enel-co/espa%C3%B1ol/sobre_enel/informes_sostenibiidad/2020/informe-de-sostenibilidad.pdf

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (Noviembre de 1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. COMMUNICATIONS OF THE ACM, 39(11), 27-34. Recuperado el 10 de Octubre de 2021, de https://dl.acm.org/doi/abs/10.1145/240455.240464

Innovare Pesquisa CIER. (25 de Octubre de 2021). COCIER Juntos Progresamos. Obtenido de COCIER Juntos Progresamos: COCIER Juntos Progresamos

Kuffo, L., Vaca, C., Izquierdo, E., & Bustamante, J. C. (2018). Know your customer: Detection of Customer Experience (CX) in Social Platforms using Text Categorization. 2018 IEEE International Conference on Big Data (Big Data). Seattle, WA, USA: IEEE. doi:10.1109/BigData.2018.8622556

Kuffo, L., Vaca, C., Izquierdo, E., & Bustamante, J. C. (2018). Know your customer: Detection of Customer Experience (CX) in Social Platforms using Text Categorization. 2018 IEEE International Conference on Big Data (Big Data). Seattle, WA, USA: IEEE. doi:10.1109/BigData.2018.8622556

Microsoft Power BI. (2022). Microsoft Corporation. Obtenido de https://powerbi.microsoft.com/es-es/

Ngaboyamahina, M., & Sun, Y. (2019). The Impact of Sentiment Analysis on Social Media to Assess Customer Satisfaction: Case of Rwanda. International Conference on Big Data Analytics (págs. 356-400). Kobee: IEEE.

Niño Martinez, N., Vaca, C., Rios, B., & Rey, L. (2020). Minería de textos y análisis de redes sociales en twitter. En La industria 4.0 desde la perspectiva Organizacional (págs. 85-105). Bogotá. doi:http://dx.doi.org/10.47212/industria4.0-6

Ogudo, K., & Dahj Muwawa Jean, N. (2019). Sentiment Analysis Application and Natural Language Processing for Mobile Network Operators' Support on Social Media. 2019 International Conference on Advances in Big Data, Computing and Data Communication Systems (icABCD), (págs. 1-10). Winterton, South Africa. doi:10.1109/ICABCD.2019.8851052

Pro Colombia: Exportaciones, turismo, inversión y marca país. (18 de Septiembre de 2021). Recuperado el 18 de Septiembre de 2021, de https://www.colombiatrade.com.co/noticias/5-empresas-colombianas-que-se-han-reinventado-debido-la-situacion-actualhttps://www.colombiatrade.com.co/noticias/5-empresas-colombianas-que-se-han-reinventado-debido-la-situacion-actual

R Core Team. (2021). R: A language and environment for statistical comR Core Team. (2021). R: A language and environment for statistical computing. Obtenido de R foundation for statistical computing: https://www.R-project.org/puting. Obtenido de R foundation for statistical computing: https://www.R-project.org/

Ranjan, S., Sood, S., & Verma, V. (2019). Twitter Sentiment Analysis of Real-time Customer Experience Feedback for Predicting Growth of Indian Telecom Companies. 2018 4th International Conference on Computing Sciences (ICCS), (págs. 166-174). doi:10.1109/ICCS.2018.00035

Salaberry, N. (2020). ANÁLISIS DE CONTENIDO EN TWITTER Y EL AISLAMIENTO SOCIAL OBLIGATORIO. REVISTA DE INVESTIGACIÓN EN MODELOS MATEMATICOS APLICADOS A LA GESTION Y LA ECONOMIA, 1-15. Recuperado el 2021 de Septiembre de 21, de http://www.economicas.uba.ar/institutos_y_centros/revista-modelos-matematicos/

Sari, E. Y., Wierfi, A. D., & Setyanto, A. (2019). Sentiment Analysis of Customer Satisfaction on Transportation Network Company Using Naive Bayes Classifier. 2019 International Conference on Computer Engineering, Network, and Intelligent Multimedia (CENIM). Surabaya, Indonesia: IEEE. doi:10.1109/CENIM48368.2019.8973262

Songpan, W. (7-9 de Junio de 2017). The Analysis and Prediction ofCustomer Review Rating Using Opinion Mining. IEEE Computer Society, 71-77. Obtenido de https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7965709

Super Intendencia de Servicios Publicos Domiciliarios. (1 de Enero de 2021). En 2020, Superservicios recibió más de 260 mil trámites y solicitudes de usuarios de los servicios públicos domiciliarios. Bogota, Cundinamarca, Colombia.

Superintendencia de Servicios Públicos Domiciliarios. (29 de Abril de 2020). CIRCULAR EXTERNA No.20201000000204. Bogotá, Cundinamarca, Colombia.Superintendencia de Servicios Públicos Domiciliarios. (29 de Abril de 2020). CIRCULAR EXTERNA No.20201000000204. Bogotá, Cundinamarca, Colombia.

Superintendencia de Servicios Públicos Domiciliarios De Colombia. (2015). Régimen Básico: Ley 142 de 1994, Ley 143 de 1994, Decreto 990 de 2002. Bogotá: Imprenta Nacional de Colombia.

Twitter. (S.F de S.F de S.F). Centro de Ayuda Twitter. Recuperado el 30 de Septiembre de 2021, de https://help.twitter.com/es/rules-and-policies/twitter-api

Vanti. (2020). Informe de Sostenibilidad 2020. Bogota: Una Tinta Medios SAS. Recuperado el 18 de Septiembre de 2021, de https://www.grupovanti.com/wp-content/uploads/2021/05/Informe-de-Sostenibilidad-Vanti.pdf

WeAreSocial. (16 de Septiembre de 2021). Digital 2021. Recuperado el 16 de Septiembre de 2021, de https://wearesocial.com/digital-2021

Zhan, Y., Han, R., Tse, M., Helmi Ali, M., & Hu, J. (2021). A social media analytic framework for improving operations and service management: A study of the retail pharmacy industry. Technological Forecasting & Social Change, 1-14. doi:https://doi.org/10.1016/j.techfore.2020.120504

Zhiwei, L., & Park, S. (2015). What makes a useful online review? Implication for travel product websites. Tourism Mangment 47, 140-151. Obtenido de https://www.sciencedirect.com/science/article/abs/pii/S0261517714001903?via%3Dihub