Análisis de sentimiento en la industria del lujo aplicando procesamiento de lenguaje natural (NLP) y machine learning

Abstract

Esta tesis se enfoca en el análisis avanzado de sentimiento aplicando técnicas de procesamiento de lenguaje natural (NLP) para examinar las evaluaciones y comentarios de clientes en el ámbito del lujo. A través de un proceso que incluye la recopilación y preparación de los datos, modelado de NLP y machine learning, así como la implementación y análisis de resultados, se busca mejorar la comprensión de la percepción de la marca y la satisfacción del cliente. El objetivo de esta tesis es brindar a las empresas de lujo conocimientos prácticos para mejorar sus productos con la finalidad de optimizar la experiencia del cliente y, de esta manera, fortalecer su posición en el ámbito del lujo. En el primer capítulo se presenta la introducción al análisis de datos, abordando técnicas generales de análisis y describiendo modelos de machine learning y deep learning, enfatizando su importancia en la extracción de información a partir de conjuntos de datos que incluyen reseñas de productos por parte de los consumidores. Así mismo, se detalla la problemática a resolver y los objetivos planteados para el desarrollo de la presente tesis En el segundo capítulo se desarrolla el marco teórico y estado del arte. En el marco teórico se da una breve explicación de las métricas que ayudan a seleccionar al algoritmo más adecuado para realizar un análisis de sentimiento, así como también la explicación de su proceso de implementación. Por otro lado, en el estado del arte se detallan hitos asociados al NLP que han contribuido a que este tipo de análisis cada vez sea más preciso. La estrategia para realizar un preprocesado de datos e implementar un análisis exploratorio se desarrolla en el tercer capítulo. Aquí se describe el conjunto de datos a emplear, se describen las librerías más usadas para realizar un análisis exploratorio en el marco de desarrollar un análisis de sentimiento lo que permite que el conjunto de datos este preparado para implementar los algoritmos o modelos de NLP. En el cuarto capítulo y, considerando el análisis exploratorio previo, se desarrolla la función que se encarga de procesar las reseñas o comentarios de los consumidores hacia los productos adquiridos. Se estudian además los N-gramas para entender a detalle el conjunto de datos y, de la misma manera, conocer qué tan bien la función implementada cumple su función de procesar estos textos para realizar el modelado posterior. En el capítulo quinto se desarrollan los modelos de machine learning y deep learning para implementar el análisis de sentimiento. Así mismo, se selecciona el mejor modelo, haciendo una comparativa de métricas, para ser implementado como el modelo que da mejores resultados al momento de predecir cuándo una reseña es positiva o negativa. En el capítulo sexto se pone a prueba el modelo seleccionado a través de un nuevo conjunto de datos para ver cuán preciso es este modelo frente a nuevas reseñas de los consumidores. Esto se desarrolla a través de métricas para evaluar al modelo y concluir que es la mejor opción en este contexto en particular. Por último, el análisis de costo de un proyecto de análisis de sentimiento y las conclusiones de la tesis se desarrolla en el séptimo y octavo capítulo respectivamente. Además, se enfatizan las lecciones aprendidas y se ofrecen recomendaciones para futuras investigaciones o aplicaciones prácticas de las técnicas de NLP en el análisis de opiniones o reseñas.