Identificazione delle dimensioni di qualità latenti tramite l'analisi di "user generated contents" (UGC) con algoritmi di text mining: il caso delle strutture ospedaliere italiane = Identification of latent quality dimensions through the analysis of "user generated contents" (UGC) with text mining algorithms: the case of Italian hospitals

Molte organizzazioni private e pubbliche stanno cercando di comprendere le percezioni dei clienti e analizzarle, con l’obiettivo di ampliare il mercato e di migliorare la qualità del servizio offerto intercettando in modo più preciso i bisogni dei consumatori. Nel contesto dei servizi, non è ottimale utilizzare le numerose tecniche di misurazione della qualità ampiamente sperimentate nel più maturo contesto manifatturiero, ma in questi anni una forte ricerca si sta indirizzando verso metodi innovativi per la misurazione dell’atteggiamento che si avvalgono di competenze proprie dell’informatica, nello specifico le tecniche di text mining. In particolare, il settore sanitario pubblico è in rapido cambiamento a causa della minore spesa statale stanziata rispetto al passato e dalla necessità di ottimizzazione delle risorse per far fronte ai sempre più esigenti bisogni dei cittadini. L’obiettivo di questo studio è identificare le dimensioni di qualità latenti tramite l’analisi di recensioni, pubblicate da utenti sulle strutture ospedaliere italiane, con un algoritmo di text mining chiamato Linear Dirichlet Allocation (LDA). L’indagine mostra come i dati analizzati forniscano un risultato paragonabile ai metodi di indagine della qualità tradizionali e confronta le percezioni degli utenti nel campione degli ospedali italiani suddivisi in tre macro-aree (Nord, Centro e Sud Italia). Inizialmente sono state estratte da Google le recensioni su tutte le strutture ospedaliere pubbliche italiane e su questo è stato applicato l’algoritmo LDA. Le risposte fornite mostrano che le dimensioni di qualità individuate sono ampiamente confrontabili con quelle indicate in letteratura. Inoltre, esistono differenze nei temi trattati dalle recensioni su base geografica. Ad esempio, nel Nord Italia gli utenti discutono di più della qualità del pronto soccorso rispetto al Mezzogiorno, ma in quest’ultimo le recensioni sono in media più negative in termini di qualità dei servizi ospedalieri percepiti. Emerge dunque che gli algoritmi di data mining possono essere utilizzati per captare le percezioni dei clienti analizzando i contenuti pubblicati da questi ultimi online. Ricerche future potrebbero analizzare user generated contents diversi dalle recensioni come ad esempio i contenuti video. Questo richiede algoritmi più complessi di image mining che includono object recognition, image indexing, image classification e clustering, association rules mining e reti neurali (Tran, 2019).