Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Elero, Matheus Raphael
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/35916/0013000000dm3
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Machine learning
Qualidade de serviços
Telecomunicações
Revisão sistemática
658.5
Link de acesso: http://repositorio.uem.br:8080/jspui/handle/1/8303
Resumo: Orientador: Prof. Dr. Rafael Henrique Palma Lima.
id UEM-10_3fd61af06f94655f3da2d6264be75ce9
oai_identifier_str oai:localhost:1/8303
network_acronym_str UEM-10
network_name_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository_id_str
spelling Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no BrasilMachine learningQualidade de serviçosTelecomunicaçõesRevisão sistemática658.5Orientador: Prof. Dr. Rafael Henrique Palma Lima.Coorientador: Prof. Dr. Bruno Samways dos Santos.Dissertação (mestrado em Engenharia de Produção) - Universidade Estadual de Maringá, 2023A prestação de serviços está contida em diversos setores da economia, tais como telecomunicações, transporte, saúde, entre outros. Considerando a importância e os desafios em mensurar e gerenciar a qualidade de serviços, muitas empresas têm adotado indicadores de satisfação dos clientes para quantificar a qualidade percebida. Os dados sobre satisfação dos clientes são armazenados em bases de dados, as quais podem ser analisadas para melhor entender os fatores de satisfação dos clientes. Nos últimos anos, a literatura científica tem visto a publicação de diversos trabalhos que utilizam técnicas de machine learning para analisar dados de satisfação de clientes no setor de serviços. No Brasil, diversos segmentos possuem pesquisas de satisfação (tais como energia, telecomunicações e transporte), porém há poucos trabalhos que exploram esses dados com aplicação de machine learning. Portanto, o objetivo deste trabalho é estudar a literatura sobre aplicação de ML na análise da qualidade de serviços e aplicar técnicas de ML em uma base de dados de satisfação de clientes de banda-larga no Brasil. Para isso, este trabalho foi subdividido em dois artigos. O primeiro relata os resultados de uma revisão sistemática da literatura sobre aplicação de técnicas de machine learning para análise da qualidade de serviços. Esta pesquisa resultou em análises de 106 publicações sobre o tema, onde foi possível extrair diversas informações da literatura, como por exemplo, foi identificado que o setor de hotelaria é o que mais possui publicações. Com estes resultados, foi possível identificar algumas lacunas da literatura que foram utilizadas para construção do segundo artigo. Assim, o segundo relatou a aplicação de técnicas de machine learning para explorar uma base de dados de satisfação de clientes de banda larga da ANATEL (Agência Nacional de Telecomunicações). Neste artigo foi apresentado que algumas técnicas como Random Forest, Histogram Gradient Boosting e Gradient Boosting apresentaram melhor desempenho para classificação. Também foi identificado que os clientes considerados neutros pelo Net Promoter Score possuem perfil incerto para classificação, e por fim foi identificado que alguns dos principais atributos para satisfação de clientes são velocidade de navegação, capacidade da prestadora em manter a conexão sem quedas, e cobrança.The provision of services is contained in several sectors of the economy, such as telecommunications, transport, healthcare, among others. Considering the importance and challenges of measuring and managing service quality, many companies have adopted customer satisfaction indicators to quantify perceived quality. Customer satisfaction data is stored in databases, which can be analyzed to better understand customer satisfaction factors. In recent years, the scientific literature has seen the publication of several works that use machine learning techniques to analyze customer satisfaction data in the service sector. In Brazil, several segments have satisfaction surveys (such as energy, telecommunications and transport), but there are few works that explore these data with the application of machine learning. Therefore, the objective of this work is study the literature on the application of ML in the analysis of the quality of services and apply ML techniques in a database of satisfaction of broadband customers in Brazil. For this, this work was subdivided into two articles. The first article reports the results of a systematic review of the literature on the application of machine learning techniques to analyze the quality of services. This research resulted in analyzes of 106 papers on the subject, where it was possible to extract various information from the literature, for example, it was identified that the hospitality sector is the one that has the most number of publications. With these results, it was possible to identify some gaps in the literature that were used to build the second article. Thus, the second reported the application of machine learning techniques to explore an ANATEL (National Telecommunications Agency) broadband customer satisfaction database. In this article it was presented that some techniques such as Random Forest, Histogram Gradient Boosting and Gradient Boosting presented better performance for classification. It was also identified that customers considered neutral by the Net Promoter Score have an uncertain profile for classification, and finally it was identified that some of the main attributes for customer satisfaction are browsing speed, the provider's ability to maintain the connection without drops, and billing.Lima, Rafael Henrique PalmaSantos, Bruno Samways DosLeal, Gislaine Camila LapasiniNievola, Julio CésarUniversidade Estadual de MaringáCentro de TecnologiaDepartamento de Engenharia de ProduçãoPrograma de Pós-Graduação em Engenharia de ProduçãoElero, Matheus Raphael2024-12-05T13:28:02Z2024-12-05T13:28:02Z2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis124 f. : il. color., tabs. figs.application/pdfhttp://repositorio.uem.br:8080/jspui/handle/1/8303ark:/35916/0013000000dm3porreponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)instname:Universidade Estadual de Maringá (UEM)instacron:UEMinfo:eu-repo/semantics/openAccess2024-12-05T13:28:02Zoai:localhost:1/8303Repositório InstitucionalPUBhttp://repositorio.uem.br:8080/oai/requestrepositorio@uem.bropendoar:2024-12-05T13:28:02Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)false
dc.title.none.fl_str_mv Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
title Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
spellingShingle Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
Elero, Matheus Raphael
Machine learning
Qualidade de serviços
Telecomunicações
Revisão sistemática
658.5
title_short Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
title_full Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
title_fullStr Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
title_full_unstemmed Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
title_sort Aplicação de técnicas de machine learning para análise da satisfação dos clientes de banda larga no Brasil
author Elero, Matheus Raphael
author_facet Elero, Matheus Raphael
author_role author
dc.contributor.none.fl_str_mv Lima, Rafael Henrique Palma
Santos, Bruno Samways Dos
Leal, Gislaine Camila Lapasini
Nievola, Julio César
Universidade Estadual de Maringá
Centro de Tecnologia
Departamento de Engenharia de Produção
Programa de Pós-Graduação em Engenharia de Produção
dc.contributor.author.fl_str_mv Elero, Matheus Raphael
dc.subject.por.fl_str_mv Machine learning
Qualidade de serviços
Telecomunicações
Revisão sistemática
658.5
topic Machine learning
Qualidade de serviços
Telecomunicações
Revisão sistemática
658.5
description Orientador: Prof. Dr. Rafael Henrique Palma Lima.
publishDate 2023
dc.date.none.fl_str_mv 2023
2024-12-05T13:28:02Z
2024-12-05T13:28:02Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.uem.br:8080/jspui/handle/1/8303
dc.identifier.dark.fl_str_mv ark:/35916/0013000000dm3
url http://repositorio.uem.br:8080/jspui/handle/1/8303
identifier_str_mv ark:/35916/0013000000dm3
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 124 f. : il. color., tabs. figs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
instname:Universidade Estadual de Maringá (UEM)
instacron:UEM
instname_str Universidade Estadual de Maringá (UEM)
instacron_str UEM
institution UEM
reponame_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
collection Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository.name.fl_str_mv Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)
repository.mail.fl_str_mv repositorio@uem.br
_version_ 1846637331238354944

Registros relacionados