Ítem
Desconocido

Propuesta de un Modelo de Reputación Digital para la Aplicación Billetera Móvil Basado en Análisis de Sentimiento

Mostrar el registro sencillo de la publicación
dc.contributor.advisorBermúdez Sosa, Herbert Jair
dc.creatorIsaza Gómez, Miguel Esteban
dc.creator.degreeMagíster en Business Analytics
dc.creator.degreetypeFull time
dc.date.accessioned2024-06-12T15:02:56Z
dc.date.available2024-06-12T15:02:56Z
dc.date.created2024-05-30
dc.descriptionEste 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.
dc.description.abstractThis 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.
dc.format.extent112 pp
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/octet-stream
dc.identifier.doihttps://doi.org/10.48713/10336_42779
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/42779
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/closedAccess
dc.rights.accesoBloqueado (Texto referencial)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationAbimbola, T., & Vallaster, C. (2007). Brand, organisational identity and reputation in SMEs: An overview. Qualitative Market Research: An International Journal, 10(4), 341-348. https://doi.org/10.1108/13522750710819685
dc.source.bibliographicCitationACF Technologies. (2022, agosto 3). 5 retos de transformación digital en Cajas de Compensación. https://www.acftechnologies.com/es/blog/5-retos-de-transformacion-digital-en-cajas-de-compensacion
dc.source.bibliographicCitationAl-Natour, S., & Turetken, O. (2020). A comparative assessment of sentiment analysis and star ratings for consumer reviews. International Journal of Information Management, 54, 102132. https://doi.org/10.1016/j.ijinfomgt.2020.102132
dc.source.bibliographicCitationAsocajas. (2023). Afiliados CCF. Asocajas. https://public.tableau.com/views/AfiliadosaCCF/AfiliadosCCF_?%3Adisplay_static_image=y&%3Aembed=true&%3Aembed=y&%3Alanguage=es-ES&%3AshowVizHome=n&%3AapiID=host0#navType=0&navSrc=Parse
dc.source.bibliographicCitationAthanasiou, V., & Maragoudakis, M. (2017). A Novel, Gradient Boosting Framework for Sentiment Analysis in Languages where NLP Resources Are Not Plentiful: A Case Study for Modern Greek. Algorithms, 10(1), 34. https://doi.org/10.3390/a10010034
dc.source.bibliographicCitationAWS. (2023a). Aprendizaje supervisado frente a aprendizaje no supervisado: Diferencia entre los algoritmos de machine learning - AWS. Amazon Web Services, Inc. https://aws.amazon.com/es/compare/the-difference-between-machine-learning-supervised-and-unsupervised/
dc.source.bibliographicCitationAWS. (2023b). ¿En qué consiste Scrum? - Explicación sobre la metodología Scrum - AWS. Amazon Web Services, Inc. https://aws.amazon.com/es/what-is/scrum/
dc.source.bibliographicCitationAWS. (2023c). ¿Qué es el procesamiento de lenguaje natural? Amazon Web Services, Inc. https://aws.amazon.com/es/what-is/nlp/
dc.source.bibliographicCitationAydin, A. (2023). 4—Bag of Words Model in NLP. Medium. https://ayselaydin.medium.com/4-bag-of-words-model-in-nlp-434cb38cdd1b
dc.source.bibliographicCitationBajaj, A. (2021). Can Python understand human feelings through words? - A brief intro to NLP and VADER Sentiment Analysis. Analytics Vidhya. https://www.analyticsvidhya.com/blog/2021/06/vader-for-sentiment-analysis/
dc.source.bibliographicCitationBlackSip. (2023). BlackStats-Colombia-2023.pdf. https://content.blacksip.com/hubfs/BlackStats-Colombia-2023.pdf?hsLang=es
dc.source.bibliographicCitationCámara Colombiana de Comercio Electrónico. (2023). Informe trimestral del comportamiento del comercio eletrónico en Colombia. https://ccce.org.co/wp-content/uploads/2017/06/1Q-INFORME-TRIMESTRAL-DEL-COMERCIO-CCCE-1.pdf
dc.source.bibliographicCitationChaudhary, M. (2021). TF-IDF Vectorizer scikit-learn. Medium. https://medium.com/@cmukesh8688/tf-idf-vectorizer-scikit-learn-dbc0244a911a
dc.source.bibliographicCitationColeman, K. (2023). 52 Online Reputation Statistics for 2023. status labs. https://statuslabs.com/blog/reputation-management-stats
dc.source.bibliographicCitationCompensar. (2023). Base de comentarios Billetera Móvil [Archivo de Excel].
dc.source.bibliographicCitationCompensar. (2024). Base con etiquetado manual[Archivo de Excel].
dc.source.bibliographicCitationDeepLearning.AI. (2023, enero 11). Natural Language Processing (NLP)—A Complete Guide. https://www.deeplearning.ai/resources/natural-language-processing/?_gl=1*1mszi0d*_gcl_au*MTk5MjgzMzAyMy4xNzAwODU1ODMz
dc.source.bibliographicCitationDucange, P., Fazzolari, M., Petrocchi, M., & Vecchio, M. (2019). An effective Decision Support System for social media listening based on cross-source sentiment analysis models. Engineering Applications of Artificial Intelligence, 78, 71-71-85. ScienceDirect. https://doi.org/10.1016/j.engappai.2018.10.014
dc.source.bibliographicCitationEccles, R. G., Newquist, S. C., & Schatz, R. (2007, febrero 1). Reputation and Its Risks. Harvard Business Review. https://hbr.org/2007/02/reputation-and-its-risks
dc.source.bibliographicCitationFombrun, C., Gardberg, N., & Sever, J. (2013). The Reputation QuotientSM: A Multi-stakeholder Measure of Corporate Reputation. Journal of Brand Management, 7. https://doi.org/10.1057/bm.2000.10
dc.source.bibliographicCitationGoogle Play Console. (2024). Billetera Móvil Compensar. https://play.google.com/console/u/0/developers/8364312504948816352/app/4975908225244418785/devices/dashboard?days=28&peerset_key=3%3A6a1f18dbb44333cd&expanded_breakdowns=ANDROID_VERSION
dc.source.bibliographicCitationHerbig, P., Milewicz, J., & Golden, J. (1994). A model of reputation building and destruction. Journal of Business Research, 31(1), 23-31. https://doi.org/10.1016/0148-2963(94)90042-6
dc.source.bibliographicCitationHernández, P. (2021, noviembre 11). Importancia de la reputación de las Apps para su descarga. https://www.linkedin.com/pulse/importancia-de-la-reputaci%C3%B3n-las-apps-para-su-hern%C3%A1ndez-caballero/?originalSubdomain=es
dc.source.bibliographicCitationIBM. (2021, agosto 17). IBM Documentation. https://www.ibm.com/docs/es/spss-modeler/saas?topic=dm-crisp-help-overview
dc.source.bibliographicCitationIBM. (2024). ¿Qué es boosting? https://www.ibm.com/es-es/topics/boosting
dc.source.bibliographicCitationmathworks. (2024). Support Vector Machine (SVM). Introducción a Support Vector Machine (SVM). https://la.mathworks.com/discovery/support-vector-machine.html
dc.source.bibliographicCitationMerritt, R. (2022). ¿Qué Es un Modelo Transformer? | Blog de NVIDIA. Blog oficial de NVIDIA Latino América. https://la.blogs.nvidia.com/blog/que-es-un-modelo-transformer/
dc.source.bibliographicCitationMinistro de Tecnologías de la. (2023). Boletín trimestral de las TIC :cifras primer trimestre 2023. https://colombiatic.mintic.gov.co/679/articles-276966_archivo_pdf.pdf
dc.source.bibliographicCitationMudgil, S., & Verma, P. A. (2021). CONCEPT OF SENTIMENT ANALYSIS USING MACHINE LEARNING TECHNIQUES. International Journal of Engineering Applied Sciences and Technology, 6(1). https://doi.org/10.33564/IJEAST.2021.v06i01.019
dc.source.bibliographicCitationRuiz, B., Gutierrez-Broncano, S., & Esteban, Á. (2012). Desarrollo de un Concepto de Reputación Corporativa Adaptado a las Necesidades de la Gestión Empresarial. Strategy & Management Review, 3, 9-31.
dc.source.bibliographicCitationSeker, S. E., & Eryarsoy, E. (2015). Generating Digital Reputation Index: A Case Study. Procedia - Social and Behavioral Sciences, 195, 1074-1080. https://doi.org/10.1016/j.sbspro.2015.06.151
dc.source.bibliographicCitationSemana. (2023, junio 17). Cajas de compensación: Así se transforman digitalmente para brindar mejor atención a los usuarios. Semana.com Últimas Noticias de Colombia y el Mundo. https://www.semana.com/hablan-las-marcas/articulo/cajas-de-compensacion-asi-se-transforman-digitalmente-para-brindar-mejor-atencion-a-los-usuarios/202300/
dc.source.bibliographicCitationSymanto psychology ai. (2021, diciembre 20). How To Accurately Measure and Analyse Your Digital Reputation. https://www.symanto.com/blog/how-to-easily-measure-and-analyse-digital-reputation/
dc.source.bibliographicCitationTennie, C., Frith, U., & Frith, C. D. (2010). Reputation management in the age of the world-wide web. Trends in Cognitive Sciences, 14(11), 482-488. https://doi.org/10.1016/j.tics.2010.07.003
dc.source.bibliographicCitationVan Riel, C., & Balmer, J. (1997). Corporate identity: The concept, its measurement and management. European Journal of Marketing, 340-355.
dc.source.bibliographicCitationWeber Shandwick. (2020, enero 14). The State of Corporate Reputation in 2020: Everything Matters Now. Weber Shandwick. https://webershandwick.com/news/the-state-of-corporate-reputation-in-2020-everything-matters-now/
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectAnálisis de Sentimiento
dc.subjectReputación Digital
dc.subjectMachine Learning
dc.subjectGestión de Crisis Reputacionales
dc.subject.keywordSentiment Analysis
dc.subject.keywordDigital Reputation
dc.subject.keywordMachine Learning
dc.subject.keywordCrisis Reputation Management
dc.titlePropuesta de un Modelo de Reputación Digital para la Aplicación Billetera Móvil Basado en Análisis de Sentimiento
dc.title.TranslatedTitleProposal for a Digital Reputation Model for the Mobile Wallet Application Based on Sentiment Analysis
dc.typebachelorThesis
dc.type.documentTrabajo de grado
dc.type.spaTrabajo de grado
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 2 de 2
Miniatura
Nombre:
Isaza_Gomez_Miguel_Esteban_Aplicación_Billetera_Móvil.pdf
Tamaño:
1.81 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Anexos_Isaza_Gomez_Miguel_Esteban_Aplicación_Billetera_Móvil.pdf
Tamaño:
11.07 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics