Ítem
Desconocido
Propuesta de un Modelo de Reputación Digital para la Aplicación Billetera Móvil Basado en Análisis de Sentimiento
Título de la revista
Autores
Isaza Gómez, Miguel Esteban
Fecha
2024-05-30
Directores
Bermúdez Sosa, Herbert Jair
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
Este trabajo exploró el desafío de analizar y mejorar la reputación digital de la “aplicación Billetera Móvil" de Compensar, Caja de Compensación Familiar. Dada la baja calificación y la insatisfacción de los usuarios, expresadas en los comentarios de la aplicación, se propuso el desarrollo de un modelo de machine learning para analizar el sentimiento de estos comentarios. El objetivo fue clasificar eficientemente las opiniones como positivas, negativas y neutras, permitiendo así a Compensar detectar tempranamente crisis reputacionales y mejorar la percepción de su marca. La metodología CRISP-DM guio el proyecto, enfocándose en un enfoque cuantitativo y descriptivo. Los resultados incluyeron una comprensión más profunda de la experiencia del usuario y la optimización de la gestión de la reputación digital. Este análisis resultó ser de gran importancia para la adopción de la aplicación y el fortalecimiento de la relación con los afiliados, potenciando la competitividad de Compensar.
Abstract
This work explored the challenge of analyzing and improving the digital reputation of Composer’s “Mobile Wallet” application, a Family Compensation Fund. Given the low rating and user dissatisfaction, expressed in the application's comments, the development of a machine learning model to analyze the sentiment of these comments was proposed. The goal was to efficiently classify opinions as positive, negative, and neutral, thus allowing Compensar to detect reputational crises early and improve the perception of its brand. The CRISP-DM methodology guided the project, focusing on a quantitative and descriptive approach. The results included a deeper understanding of the user experience and the optimization of digital reputation management. This analysis proved to be of great importance for the adoption of the application and the strengthening of the relationship with the affiliates, enhancing Compensar's competitiveness.
Palabras clave
Análisis de Sentimiento , Reputación Digital , Machine Learning , Gestión de Crisis Reputacionales
Keywords
Sentiment Analysis , Digital Reputation , Machine Learning , Crisis Reputation Management
