Text Mining aplicado em sistemas de atendimento on-line
-
Upload
marcos-antonio-ferreira-domingues -
Category
Documents
-
view
192 -
download
0
description
Transcript of Text Mining aplicado em sistemas de atendimento on-line
TEXT MINING APLICADO EM
SISTEMAS DE ATENDIMENTO ON-LINE
Universidade Federal de Santa CatarinaBacharelado em Sistemas de Informação
Aline Tereze MarchiMarcos Antonio Ferreira DominguesOrientador: Frank Siqueira
04 novembro de 2008
TEXT MINING APLICADO EM
SISTEMAS DE ATENDIMENTO ON-LINE
Contextualização
» Os negócios on-line tem tido um crescimento significativo de 2006para 2007. Levando o percentual de empresas que possuem acessoa Internet e já realizaram negócios on-line de 52% para 64% (*).
» Cerca 10% das pessoas que efetuaram negociações on-line tiveramproblemas/dúvidas ao adquirir produtos pela Internet (*).
» Diversidade de aplicações que oferecem chats para atendimento emtempo real e/ou a abertura de chamados.
» Qualidade da classificação depende muito do nível deconhecimento do atendente.
» Registro dos atendimentos geralmente não é aproveitado(processado) para facilitar a resolução de problemas semelhantes.
(*)Segundo CETIC.BR
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.
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.
Sistema de atendimentos on-line
BD
Oocorrências
ChatChat
OcorrênciasOcorrências
Preparação dos
dados
BD
Problemas
X
Soluções
Transformação
Mineração
Atendente
Usuário
Importação
das
conversas
Busca de
soluções
compatíveis
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.
Sistema de atendimentos on-line
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 pelo
atendente, visando garantia de resposta..
Sistema de atendimentos on-line
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.
Processo de KDT
» O KDT (Knowledge Discovery in Texts) consiste em
algumas etapas:
Seleção da informação
Pré-processamento
Transformação Mineração Interpretação
Seleção e Pré-processamento
» Generalização das
formas CHAT e
OCORRENCIA para
ATENDIMENTO.
» Remoção de
stopwords.
» Tokenização com
BrazilianAnalyzer
(Lucene).
» Utilização de
steeming.
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 open-
source, disponibilizada no fórum KDKeys.net e
recebe como entrada uma matriz de double.
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.
Transformação e Mineração
Interpretação
» Após os clusters gerados, pode-se verificar a correlação
entre os Atendimentos atribuídos a um mesmo grupo.
Cluster Atendimento Tokens em comum
C12
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
assinaturas, módulos,
vigência
C12
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
assinaturas, módulos,
vigência
C12
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
assinaturas, módulos,
vigência
Modelo dimensional
Diagrama de classes
Diagrama de classes
Demonstração
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.
Trabalhos futuros
» Criação de relatórios com outros algoritmos de
análise, como o Apriori.
» Criação de sinônimos para as palavras-
chave, proporcionando um melhor aproveitamento
semântico.
» Análise dos chamados reabertos buscando identificar
soluções incompletas e/ou erradas.
OBRIGADO
Universidade Federal de Santa CatarinaBacharelado em Sistemas de Informação
Aline Tereze MarchiMarcos Antonio Ferreira DominguesOrientador: Frank Siqueira
04 novembro de 2008
TEXT MINING APLICADO EM
SISTEMAS DE ATENDIMENTO ON-LINE