Text Mining aplicado em sistemas de atendimento on-line

424 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 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
424
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
8
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Text Mining aplicado em sistemas de atendimento on-line

  1. 1. TEXT MINING APLICADO EM SISTEMAS DE ATENDIMENTO ON-LINE
  2. 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. 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. 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. 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. 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. 7. Sistema de atendimentos on-line
  8. 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. 9. Sistema de atendimentos on-line
  10. 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. 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. 12. Processo de KDT » O KDT (Knowledge Discovery in Texts) consiste em algumas etapas: Seleção da informação Préprocessamento Transformação Mineração Interpretação
  13. 13. Seleção e Pré-processamento » Generalização das formas CHAT e OCORRENCIA para ATENDIMENTO. » Remoção de stopwords. » Tokenização com BrazilianAnalyzer (Lucene). » Utilização de steeming.
  14. 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. 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. 16. Transformação e Mineração
  17. 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. 18. Modelo dimensional
  19. 19. Diagrama de classes
  20. 20. Diagrama de classes
  21. 21. Demonstração
  22. 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. 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. 24. OBRIGADO
  25. 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

×