Predictive Analytics applicati alla Digital Voice of Customer = Predictive Analytics applied to Digital Voice of Customer

Con l’avvento di Internet, i clienti esprimono liberamente la loro opinione su un prodotto o servizio attraverso contenuti pubblicati su social media, forum e blog. Tali contenuti prendono il nome di “Digital Voice of Customer” (Digital VoC) e rappresentano un mezzo economico, utile alle aziende, per comprendere le aspettative e le percezioni dei clienti nei riguardi di un prodotto o servizio offerto. Sebbene tali dati siano presenti in grandi quantità e facilmente reperibili online, sono non strutturati e per questo la loro analisi richiede l’applicazione di opportuni algoritmi detti topic modelling, in particolare, si applicherà nell’ambiente R l’algoritmo “Structural Topic Model” (STM) che permette di estrapolare gli argomenti rilevanti all’interno del corpus di documenti. L’obiettivo della tesi è, una volta ottenuti i risultati dell’algoritmo STM, addestrare modelli in grado di apprendere le relazioni sottese al valore dell’”Interval Mean Topic Proportion”(IMTP), ovvero quanto viene discusso mediamente ciascun argomento in un istante temporale, e condurre analisi predittive. Analizzando la letteratura attuale, ci sono studi che, partendo dai risultati dei topic modelling, valutano la tendenza della discussione media dei topic (crescente, decrescente o stazionaria), ma non applicano modelli sofisticati per studiare la serie ed apprendere il suo andamento in modo da condurre accurate previsione future. Dopo una panoramica sui modelli che sono attualmente impiegati per condurre analisi predittive su serie storiche, si è scelto di applicare nell’ambiente Python: “Seasonal Auto-Regressive Integrated Moving Average” (SARIMA) ed “Long Short-Term Memory” (LSTM). In particolare, si vedrà l’applicazione dell’algoritmo STM e dei modelli SARIMA ed LSTM a due casi studio: Disneyland e Ryanair. Tali modelli sono attualmente applicati dalle aziende, ma in ambiti differenti rispetto al customer service, come, ad esempio, nelle previsioni del prezzo delle azioni o meteorologiche. Il seguente elaborato di tesi mira a colmare il gap presente nella letteratura attuale, proponendo una procedura che il management della qualità aziendale potrà applicare per valutare la discussione nel tempo degli argomenti nelle recensioni. In questo modo le aziende, utilizzando strumenti capaci di anticipare con una certa accuratezza eventuali andamenti futuri, offrono un prodotto o servizio che si adatta alle richieste dei clienti diventando competitive sul mercato.