Your SlideShare is downloading. ×
Text Mining aplicado em sistemas de atendimento on-line
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Text Mining aplicado em sistemas de atendimento on-line

151
views

Published on

O relacionamento com clientes é uma das exigências do mercado competitivo, sobretudo em ambiente Web, onde conquistar e manter clientes têm sido um desafio. Ferramentas que auxiliem neste processo são …

O relacionamento com clientes é uma das exigências do mercado competitivo, sobretudo em ambiente Web, onde conquistar e manter clientes têm sido um desafio. Ferramentas que auxiliem neste processo são bem vindas. Neste contexto, o trabalho que se segue aborda o desenvolvimento de uma ferramenta em plataforma Web para gerenciamento de ocorrências relacionadas a clientes. Nesta ferramenta serão utilizadas tecnologias da informação como Text Mining visando torná-la proativa no tratamento dos atendimentos, através da criação de uma base de conhecimento. A proposta é agrupar textos provenientes dos atendimentos por uma medida de semelhança. Essa medida será baseada em palavras-chaves selecionadas a partir dos termos significativos com mais freqüência na base, e filtradas pelo analista de negócio. A partir da base de conhecimento e dos grupos criados será possível sugerir ao atendente soluções compatíveis com o tipo do problema em atendimento.


0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
151
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. TEXT MINING APLICADO EM SISTEMAS DE ATENDIMENTO ON-LINE
  • 2. Universidade Federal de Santa Catarina Bacharelado em Sistemas de Informação TEXT MINING APLICADO EM SISTEMAS DE ATENDIMENTO ON-LINE Aline Tereze Marchi Marcos Antonio Ferreira Domingues Orientador: Frank Siqueira 04 novembro de 2008
  • 3. Contextualização » Os negócios on-line tem tido um crescimento significativo de 2006 para 2007. Levando o percentual de empresas que possuem acesso a Internet e já realizaram negócios on-line de 52% para 64% (*). » Cerca 10% das pessoas que efetuaram negociações on-line tiveram problemas/dúvidas ao adquirir produtos pela Internet (*). » Diversidade de aplicações que oferecem chats para atendimento em tempo real e/ou a abertura de chamados. » Qualidade da classificação conhecimento do atendente. depende muito do nível de » Registro dos atendimentos geralmente não é aproveitado (processado) para facilitar a resolução de problemas semelhantes. (*)Segundo CETIC.BR
  • 4. CRM » “Uma definição ampla de CRM incluiria todas as atividades que transformam clientes eventuais em clientes leais, satisfazendo ou excedendo as exigências deles” Ronald Swift (2001). » “As comunicações devem ser de mão dupla, integradas, registradas e gerenciadas. Sem dados históricos, transações detalhadas, comunicações focalizadas (...) um relacionamento não pode ser efetivamente mantido.” » Atualmente, estamos vivenciando a valorização de ferramentas de fácil utilização e que trazem grandes benefícios aos usuários.
  • 5. Proposta » Proporcionar diferencial no atendimento de chamados e ocorrências, atuando na retenção do cliente, sobretudo em plataformas B2C. » Tendo como característica o aproveitamento do resultado do trabalho operacional na alimentação de base de conhecimento. » Atuação proativa na classificação dos atendimentos e sugestões de soluções. » Criação de uma arquitetura genérica que independa do ramo de negócio.
  • 6. Sistema de atendimentos on-line Ocorrências Usuário BD Oocorrências Importação das conversas Transformação BD Problemas X Soluções Chat Busca de soluções compatíveis Atendente Preparação dos dados Mineração
  • 7. Sistema de atendimentos on-line
  • 8. Sistema de atendimentos on-line » Módulo operacional com finalidade de prover o gerenciamento de atendimentos a serem reaproveitados pelo módulo analítico. » Sistema Web desenvolvido utilizando C#, JavaScript, AJAX, banco de dados SQL Server 2005, entre outros. » Aplicação do processo de KDT. » Proporcionar a conversação e sugestão de consultas ao atendente.
  • 9. Sistema de atendimentos on-line
  • 10. Sistema de atendimentos on-line » Dependendo do horário (pré-fixado) encaminha o cliente à abertura de um chamado ou à conversação on-line. » Na abertura de chamados o cliente informa o problema ocorrido, informação base para a classificação. » Implementação de fila de atendimentos, porém permite liberdade ao atendente. » O início do chat depende do atendimento atendente, visando garantia de resposta.. pelo
  • 11. Chat – Sugestão de soluções » Atuação proativa, através da consulta na base de soluções, utilizando palavras-chave digitadas pelo atendente e cliente na consulta por problemas semelhantes. » Desconsideração das stop words. » Registro de conversações para re-alimentação.
  • 12. Processo de KDT » O KDT (Knowledge Discovery in Texts) consiste em algumas etapas: Seleção da informação Préprocessamento Transformação Mineração Interpretação
  • 13. Seleção e Pré-processamento » Generalização das formas CHAT e OCORRENCIA para ATENDIMENTO. » Remoção de stopwords. » Tokenização com BrazilianAnalyzer (Lucene). » Utilização de steeming.
  • 14. K-Means » A intenção do K-Means é gerar vários subconjuntos a partir de um conjunto de dados, de modo que a similaridade intra-grupo seja maior que a inter-grupos. » Baseado em cálculo de distância relativa. » Implementação utilizada é opensource, disponibilizada no fórum KDKeys.net e recebe como entrada uma matriz de double.
  • 15. Transformação e Mineração » Para viabilizar a utilização do K-Means foi aplicada uma abordagem de palavras-chave, eleitas por um especialista no negócio. » Essas são pesquisadas na base, registrando o número de ocorrências de cada palavra-chave em cada atendimento. » Como resultado obtém-se uma matriz de Atendimentos x Keywords, que será a fonte de dados do K-Means.
  • 16. Transformação e Mineração
  • 17. Interpretação » Após os clusters gerados, pode-se verificar a correlação entre os Atendimentos atribuídos a um mesmo grupo. Cluster C12 C12 C12 Atendimento Falei com a sueli do departamento juridico,renovei por mais 1 ano. MODULO I E III,POR R$100,00 VIGENCIA DO CONTRATO:ANUAL PERIODO:01/04/2008 A 31/03/2009 MENSAL 01 10 SUB FECHEI COM ELAINE MÓDULOS I,II,III,IV R$100,00 CADA VIGENCIA ANUAL PERIODO 01/05/2008 A 30/04/2009 LANÇ. 20 VENC.30 MÊS ATUAL Cliente:1459 PREFEITURA MUNICIPAL DE CHAVANTES Renovei com o Toninho(Antônio Lopes) Modulos I,II,III,IV 100,00 cada um e Modulo IX 250,00 Emisão:20 Venc:30 Vigencia:7 meses.(mensal) Periodo:01/05/2008 a 31/12/2008 Tokens em comum assinaturas, módulos, vigência assinaturas, módulos, vigência assinaturas, módulos, vigência
  • 18. Modelo dimensional
  • 19. Diagrama de classes
  • 20. Diagrama de classes
  • 21. Demonstração
  • 22. Conclusões » Os resultados obtidos com a implementação do sistema foram satisfatórios. » A implementação da ferramenta mostrou que a proposta tem possibilidades de agregar valor ao negócio, seja qual for o ramo tratado nos atendimentos. » O desempenho do K-Means com a abordagem de palavras-chave foi bom, gerando grupos concisos, que, com uma análise rápida já demonstram grande semelhanças.
  • 23. Trabalhos futuros » Criação de relatórios análise, como o Apriori. com » Criação de sinônimos chave, proporcionando um semântico. outros algoritmos de para as palavrasmelhor aproveitamento » Análise dos chamados reabertos buscando identificar soluções incompletas e/ou erradas.
  • 24. OBRIGADO
  • 25. Universidade Federal de Santa Catarina Bacharelado em Sistemas de Informação TEXT MINING APLICADO EM SISTEMAS DE ATENDIMENTO ON-LINE Aline Tereze Marchi Marcos Antonio Ferreira Domingues Orientador: Frank Siqueira 04 novembro de 2008