Por: Belén Cabezas, Directora de Proyectos, Business Digital. y Wendy Meneses, Consultora y especialista en CX.
En la era digital, las empresas buscan innovar en su gestión estratégica para mantenerse competitivas. Herramientas como el web scraping, el análisis de sentimientos y la inteligencia artificial generativa (IAG) revolucionan la comprensión y respuesta a las necesidades del cliente. Estas tecnologías mejoran la experiencia del cliente al analizar comentarios y reseñas de páginas como Google Maps, Facebook, Yelp y TripAdvisor, identificando puntos débiles y fuertes en productos y servicios. Además, permiten decisiones informadas basadas en datos actuales, incrementando la eficiencia operativa mediante la automatización. Son útiles en marketing, atención al cliente, desarrollo de productos y ventas, personalizando campañas y mejorando la calidad del servicio.
Para ilustrar el uso de estas tecnologías, en este artículo se explora a través, de un caso práctico en el barrio de La Floresta de Quito, cómo estas pueden contribuir a la mejora de la gestión estratégica de una empresa o sector. Como fuente de información se ha considerado y analizado los reviews de restaurantes y otros negocios de esta localidad (www.delafloresta.com).
Recolección de datos o webscraping
El primer paso en la metodología de Digital Mind es la recolección de datos a través de web scraping. Este proceso automatizado permite extraer grandes volúmenes de datos de sitios web de forma eficiente. Utilizando herramientas como BeautifulSoup, Scrapy y Selenium, el equipo de Digital Mind recopiló información de comentarios y reseñas de clientes en plataformas como Google Maps. En el caso específico de La Floresta, se recolectaron datos de 20,707 reseñas de negocios locales, incluyendo restaurantes, hoteles y bares. De estas reseñas, 18,347 fueron positivas, 1,186 neutras y 1,174 negativas. Este proceso de recolección automatizada no solo ahorra tiempo, sino que también asegura que se tenga un volumen suficiente de datos para obtener insights significativos.
Análisis de sentimientos
Una vez recolectados los datos, el siguiente paso es analizar los sentimientos expresados en los comentarios y reseñas. Este análisis utiliza modelos avanzados de procesamiento de lenguaje natural (NLP) para identificar y clasificar las emociones en los textos. Digital Mind empleó modelos basados en redes neuronales preentrenadas, entrenados con datasets etiquetados, lo que permitió clasificar nuevos comentarios con alta precisión.
En el análisis de La Floresta, se encontró que el 85% de los comentarios sobre bares fueron positivos, el 7% neutros y el 8% negativos. En el caso de los restaurantes, el 88% de los comentarios fueron positivos, el 6% neutros y el 6% negativos. Para los hoteles, el 90% de los comentarios fueron positivos, el 5% neutros y el 5% negativos. Además, se generaron nubes de palabras que visualizaban los términos más frecuentes mencionados por los clientes, lo que ayudó a identificar rápidamente los temas más relevantes y las áreas que necesitaban mejora.
Identificación de temas y subtemas
Para una comprensión más profunda de los datos, se aplicó la técnica LDA (Latent Dirichlet Allocation). Esta técnica permite la identificación de los temas y subtemas más comentados por los clientes, ofreciendo una visión clara de los aspectos más relevantes relacionados con la experiencia del cliente. En el caso de La Floresta, esta técnica permitió identificar temas específicos que influían en las percepciones de los clientes, facilitando una segmentación más precisa y la identificación de áreas críticas para la mejora. Entre algunos de los temas identificados se obtuvieron los siguientes: Mejora en la Calidad del Servicio, Revisión y Mejora del Menú, Gestión de la Carta y los Pedidos.
Uso de algoritmos avanzados
La inteligencia artificial generativa lleva el análisis un paso más allá, utilizando algoritmos avanzados para crear contenido nuevo y original. En el análisis de La Floresta, Digital Mind utilizó modelos Large Lenguage Model (LLM) para desarrollar estrategias personalizadas basadas en los datos analizados. Esta tecnología revisó los resultados del análisis de sentimientos y generó informes detallados sobre las tendencias y percepciones de los clientes.
Estrategias prácticas según resultados de análisis
Finalmente, el modelo LLM, permitió contar con datos para una revisión y realizar recomendaciones sobre cómo los negocios del sector podían mejorar sus servicios, ajustar sus estrategias de marketing y abordar las áreas de debilidad identificadas. Estas estrategias fueron revisadas y adaptadas con la colaboración de expertos en experiencia del cliente, asegurando que las recomendaciones fueran prácticas y alineadas con las mejores prácticas del sector.
A continuación, se describen cuatro estrategias relacionadas con las temáticas identificadas:
- Mejora en la Calidad del Servicio: Los términos “grosero_servicial” y “decepcionante_experiencia” indican problemas importantes en el trato al cliente. Es fundamental implementar programas de capacitación intensiva para el personal, enfocándose en la atención al cliente, la amabilidad y la profesionalidad y realizar evaluaciones periódicas.
- Revisión y Mejora del Menú: Los comentarios “salados_pristiños”, “desabrido_sabor” y “mosca_plato” sugieren problemas con la calidad de los alimentos. Se recomienda realizar una revisión del menú y de los ingredientes utilizados, así como, controles de calidad más estrictos en la cocina.
- Gestión de la Carta y los Pedidos: Las menciones “mínimo_carta” y “pedidos_veces” indican problemas con la variedad del menú y la gestión de pedidos. Ampliar la oferta del menú para incluir opciones más variadas y saludables puede atraer a una clientela más amplia.
Integración de elementos para análisis
Para ejecutar la metodología descrita, se desarrolló un aplicativo que integra módulos de web scraping, análisis de sentimientos, inteligencia artificial generativa y visualización de datos. El aplicativo mostrado en la siguiente imagen esta desarrollado por Digital Mind. En la interfaz, se pueden seleccionar categorías y nombres específicos de negocios.
A la izquierda, se visualiza un mapa que muestra la ubicación del negocio seleccionado dentro del barrio de La Floresta en Quito. A la derecha, se presenta una gráfica de serie de tiempo que ilustra el número de comentarios recibidos desde 2019 hasta 2024, diferenciando entre comentarios buenos, neutros y malos.
Análisis de Comentarios
Este aplicativo permitirá a las empresas obtener insights valiosos de los comentarios de los clientes, mejorando sus estrategias de marketing, atención al cliente y desarrollo de productos.
