Ανάλυση συναισθήματος σε κείμενα για την κατανόηση της ικανοποίησης των πελατών
Loading...
Date
2026-09-21
Authors
Ροδοπούλου, Μαρία Ελένη
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η συνεχής ανάπτυξη των ψηφιακών υπηρεσιών έχει οδηγήσει στην ευρεία αξιοποίηση των chatbots και των συστημάτων ζωντανής συνομιλίας για την εξυπηρέτηση πελατών. Οι συνομιλίες που πραγματοποιούνται μέσω αυτών των συστημάτων περιέχουν σημαντικές πληροφορίες σχετικά με τις ανάγκες, τα συναισθήματα και τον βαθμό ικανοποίησης των χρηστών. Ωστόσο, ο μεγάλος όγκος των δεδομένων και η μη δομημένη μορφή του κειμένου καθιστούν δύσκολη τη χειροκίνητη ανάλυσή τους. Η Επεξεργασία Φυσικής Γλώσσας και η Μηχανική Μάθηση προσφέρουν τη δυνατότητα αυτοματοποιημένης επεξεργασίας των συνομιλιών και ανάπτυξης μοντέλων για την πρόβλεψη της ικανοποίησης των πελατών. Η παρούσα διπλωματική εργασία αποσκοπεί στην ανάλυση δεδομένων από συνομιλίες υποστήριξης και στην ανάπτυξη μοντέλων Μηχανικής Μάθησης για την πρόβλεψη του δείκτη Customer Satisfaction Score (CSAT) και της πιθανότητας εγκατάλειψης μιας συνομιλίας. Για τον σκοπό αυτό χρησιμοποιήθηκε σύνολο δεδομένων 6.000 συνομιλιών, στο οποίο εφαρμόστηκαν διαδικασίες καθαρισμού, προεπεξεργασίας και εξαγωγής χαρακτηριστικών. Τα χαρακτηριστικά που αξιοποιήθηκαν περιλαμβάνουν στοιχεία σχετικά με τη διάρκεια και τον αριθμό των μηνυμάτων, λεξιλογικά χαρακτηριστικά, δείκτες συναισθήματος, καθώς και σημασιολογικές αναπαραστάσεις προτάσεων που δημιουργήθηκαν με το προεκπαιδευμένο μοντέλο all-MiniLM-L6-v2. Παράλληλα, πραγματοποιήθηκε περιγραφική ανάλυση των δεδομένων με βάση τους δείκτες CSAT και Net Promoter Score (NPS). Για την ανάπτυξη των μοντέλων χρησιμοποιήθηκε ο αλγόριθμος Random Forest. Το μοντέλο παλινδρόμησης για την πρόβλεψη του CSAT παρουσίασε συντελεστή προσδιορισμού R² ίσο με 0,796 και μέσο απόλυτο σφάλμα 0,438. Το μοντέλο ταξινόμησης της εγκατάλειψης παρουσίασε ακρίβεια 0,854 και ROC-AUC 0,686, ωστόσο η χαμηλή τιμή του F1-score για την κατηγορία των εγκαταλελειμμένων συνομιλιών ανέδειξε την επίδραση της άνισης κατανομής των κατηγοριών. Τα αποτελέσματα δείχνουν ότι ο συνδυασμός λειτουργικών, συναισθηματικών, λεξιλογικών και σημασιολογικών χαρακτηριστικών μπορεί να συμβάλει στην κατανόηση και στην πρόβλεψη της ικανοποίησης των πελατών, ενώ παράλληλα αναδεικνύεται η ανάγκη περαιτέρω βελτίωσης της πρόβλεψης σπάνιων περιστατικών, όπως η εγκατάλειψη μιας συνομιλίας.
Description
Keywords
Ανάλυση συναισθήματος, Επεξεργασία φυσικής γλώσσας, Μηχανική μάθηση, Ικανοποίηση πελατών, Συνομιλίες υποστήριξης πελατών, Δείκτης ικανοποίησης πελατών