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

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.

• Fecha de publicación: 2024
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/42779
• Acceso en línea: https://doi.org/10.48713/10336_42779; https://repository.urosario.edu.co/handle/10336/42779
• Palabra clave: Análisis de Sentimiento; Reputación Digital; Machine Learning; Gestión de Crisis Reputacionales; Sentiment Analysis; Digital Reputation; Machine Learning; Crisis Reputation Management
• License: Attribution-NonCommercial-NoDerivatives 4.0 International