Excelling customer complaint management through text analytics: Complaint classification in social media and complaint type prediction
Müşteri şikayet yönetiminin metin analitiği yöntemiyle mükemmelleştirilmesi: Sosyal medyadaki şikayetlerin sınıflandırılması ve şikayet tipi tahminlemesi
- Tez No: 666577
- Danışmanlar: PROF. DR. BURCU İLTER
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Elektronik şikayet, Makine öğrenmesi, Müşteri şikayetleri, Sosyal medya, Twitter, Çevrimiçi alışveriş, Şikayet, Şikayet yönetimi, Electronic complaint, Machine learning, Customer complaints, Social media, Twitter, Online shopping, Complaint, Complain handling
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal medyanın her yerden erişilebilir, hızlı ve kolay kullanılır olması; tüketici deneyimlerinin çevrimiçi olarak paylaşılmasında büyük bir artışa sebep olmuştur. Elektronik ağızdan ağıza iletişimde görülen bu artış, firmalar için hem avantajlı hem de tehlikeli bir alan yaratmaktadır. Etkili yönetilen bir çevrimiçi şikayet, şikayet sahibinin geri kazanılmasına olanak tanırken, kötü yönetilen bir şikayet ise şirketi zarara uğratabilmektedir. Bu nedenle, çevrimiçi şikayet yönetiminde üstünlük sağlanması, şirketler için bir öncelik haline gelmiştir. Bu doğrultuda, çevrimiçi şikayetlerin anlaşılması, şikayetlerin ve şikayetçilerin tipolojilerinin belirlenmesi, dijital ortamda hayatta kalmak için büyük önem taşır. Buradan yola çıkarak, bu tez hem içerik hem de etkileşim bazında çevrimiçi tüketici şikayet türlerini belirlemeyi amaçlamaktadır. Bu amaçla, şikayetçilerin kişilik özellikleri, şikayetlerine yansıttıkları hisleri, Twitter kullanım aktiviteleri ile söz konusu şikayetlerin duygu kutupluluğu ve etkileşim hacmi baz alınarak, önemlerine göre şikayet türlerinin tahminlenmesi amaçlanmaktadır. Bu bağlamda, Twitter'dan 297 bin şikayet tweet'i, 220 binin üzerinde tüketici profilinin özellikleri ve bu profil sahipleri tarafından paylaşılmış 24 milyonu aşkın tweet toplanmış ve iki aşamalı makine öğrenimi yaklaşımı ile analiz edilmiştir. İlk adımda içerik özellikleri metin analitiği yoluyla belirlenmiş, ikinci adımda ise kümeler ve bağımsız değişkenler arasındaki ilişkiler makine öğrenimi yoluyla ortaya çıkarılmıştır. Ortaya çıkan ilişkilerin geçerliliği, modelin genel doğruluk oranının içeriğe dayalı kümeler için %61.7'e ve etkileşime dayalı kümeler için %70.5'e ulaşması ile de desteklenmiştir. Bu tez, Twitter'da farklı müşteri şikayeti davranışlarını ortaya çıkaran çevrimiçi şikayet türlerini belirleyerek, şikayet türünü tahmin etmek için kullanılabilecek bir dizi içerik ve profil özelliği önererek, ve aynı zamanda içerik özellikleri ile profil özellikleri arasındaki ilişkiyi ortaya çıkararak hem literatüre hem de uygulamaya katkıda bulunmakta ve çevrimiçi şikayet türü ve önceliklendirme yoluyla çevrimiçi şikayet yönetiminin mükemmelleştirilmesi için yeni ve esnek bir yaklaşım önermektedir.
Özet (Çeviri)
The ubiquity, ease of use, and speed of social media gave a tremendous rise to sharing consumption experiences online. The upsurge in electronic word-of-mouth created both an advantageous and dangerous field for the companies. Whereas an effectively handled online complaint may result in winning the complainant back, a poorly handled complaint may dangerously backfire on the company. Thus, excelling in online complaint management became a priority for companies. Therefore, understanding online complaints, and identifying typologies of online complaints and complainants are vital for surviving in the digital landscape. Initiated from this fact, this thesis aims to both identify content-based and interaction-based online consumer complaint types and predict complaint types according to the complaint magnitude rooted in complainants' personality traits, emotion, Twitter usage activity, as well as complaint's sentiment polarity, and feedback frequency. Accordingly, 297 thousand complaint tweets, features of over 220 thousand consumer profiles and more than 24 million user tweets were gathered from Twitter. The obtained data was analyzed via two-step machine learning approach, where the first step is the determination of the content features through text analytics. In the second step, the relationships between the clusters and the independent variables were revealed through machine learning. The validity of the revealed relationships was proven by the prediction power of the model, where the model's overall accuracy rate reaches 61.7% for the content-based clusters and 70.5% for the interaction-based clusters. This thesis contributes to both literature and practice by identifying types of online complaints that reveal diverse customer complaint behavior on Twitter, proposing a set of content and profile features that can be utilized for predicting complaint type, revealing the relationship between content features, profile features, and online complaint type, and proposing a novel and flexible approach for excelling online complaint through prioritization.
Benzer Tezler
- Şeker şurubunun inversiyonuna etki eden kimi faktörlerin araştırılması
Başlık çevirisi yok
SAİDE GÜNERİ
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Bilimleri ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. ÜNAL YURDAGEL
- Kısa zincirli bazı alkil aromatik hidrokarbonların yüzey aktif madde olarak kullanım alanlarının incelenmesi
Performance of short-chain alkyl aromatic sulphonates in light duty foaming detersents
BİKEM ÖVEZ
- Anadolu'daki Salamandra salamandra'nın taksonomi, biyoloji ve dağılışı üzerine araştırmalar
Başlık çevirisi yok
MEHMET ÖZ
- Doğu Karadeniz bölgesi kıyı şeridini korumak için en uygun yapı tipinin belirlenmesi
Başlık çevirisi yok
RASİM TULGAR
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BASRİ ERTAŞ
- Türkiye kökenli tall-yağı ile inden-kumaron'un özel bir değerlendirilme teknolojisi üzerinde
Başlık çevirisi yok
GÜLDEM ÜSTÜN