Análisis de sentimientos Avianca
DOI:
https://doi.org/10.26507/paper.4548Palabras clave:
análisis de sentimientos, percepción del cliente, lenguaje natural (NLP), aprendizaje automático (ML), análisis de datosResumen
La industria aérea enfrenta desafíos constantes debido a la alta competencia, las fluctuaciones en la demanda y la necesidad de altos estándares de servicio en un entorno regulado. En este contexto, la percepción del cliente influye en la reputación y sostenibilidad de las aerolíneas, afectando la fidelización de pasajeros y su diferenciación en el mercado. Con el crecimiento del uso de redes sociales y plataformas de reseñas, estas se han convertido en una fuente valiosa de información sobre la experiencia del cliente.
Este estudio se enfocó en el análisis de sentimientos aplicado a comentarios de pasajeros sobre Avianca en redes sociales. Su objetivo fue evaluar la percepción de los usuarios y proporcionar información relevante para la gestión estratégica y operativa de la aerolínea. Para ello, se recopilaron comentarios de plataformas como Instagram y TikTok los cuales fueron clasificados en dos categorías: positivo o negativo.
En la fase de análisis, se emplearon métodos de clasificación de opiniones y procesamiento del lenguaje natural para estructurar la información. Estos enfoques optimizaron el análisis de grandes volúmenes de datos, facilitando la identificación de patrones de satisfacción e insatisfacción.
Los resultados indican que la comodidad, la eficiencia del servicio y la atención al cliente generan percepciones positivas, mientras que los retrasos, la gestión del equipaje y la atención en imprevistos provocan comentarios negativos. Este análisis proporciona a Avianca una herramienta clave para identificar áreas de mejora y optimizar estrategias de fidelización, Dando una perspectiva organizacional, ofreciendo un enfoque estratégico basado en datos, permitiendo optimizar recursos, mejorar la capacitación del personal y diseñar políticas de servicio más efectivas, fortaleciendo así la relación con los clientes y la competitividad en el mercado aéreo.
Citas
Cano, P., Pérez, M., & Gómez, D. (2021). Digitalización y estrategias competitivas en la industria aérea latinoamericana. Revista Latinoamericana de Administración, 19(1), 45-63. https://doi.org/10.1108/RLA-04-2021-0037
Castro, J., Morales, L., & Rojas, A. (2020). Customer Experience Management: Sentiment Analysis in the Airline Industry. Journal of Air Transport Management, 87, 101856. https://doi.org/10.1016/j.jairtraman.2020.101856
Elbagir, S., & Yang, J. (2019, March). Twitter sentiment analysis using natural language toolkit and VADER sentiment. In Proceedings of the international multiconference of engineers and computer scientists (Vol. 122, No. 16). International Association of Engineers
Chung, C., Koo, B., & Shin, S. (2020). Competition and innovation in the airline industry: A network-based approach. Transport Policy, 99, 136-145. https://doi.org/10.1016/j.tranpol.2020.08.004
García, R., Díaz, C., & Martín, N. (2021). Evaluación de modelos de clasificación en minería de opiniones mediante matrices de confusión. Ingeniería y Universidad, 25(2), 33-52. https://doi.org/10.11144/Javeriana.iyu25-2.emco
Jahmani, A., Bourini, I., & Jawabreh, O. A. (2020). La relación entre la calidad del servicio, la satisfacción del cliente, el valor percibido y la fidelidad del cliente: un estudio de caso de Fly Emirates. Cuadernos de Turismo, (45), 219–238. https://doi.org/10.6018/turismo.426101
López, P., Sánchez, D., & Ruiz, J. (2022). Natural Language Processing aplicado al análisis de opiniones en redes sociales. Revista de Informática Teórica y Aplicada, 29(1), 1-16. https://doi.org/10.22456/2175-2745.107191
López Condori, J. J., & Gonzales Saji, F. O. (2021). Análisis de sentimiento de comentarios en español en Google Play Store usando BERT. Ingeniare. Revista chilena de ingeniería, 29(3), 557-563.
Moreno, J., García, M., & Ortega, L. (2020). Data mining and big data analytics for the management of customer feedback. Technological Forecasting and Social Change, 161, 120294. https://doi.org/10.1016/j.techfore.2020.120294
Pérez, A., Martínez, J., & Vargas, P. (2020). Organizational strategies through sentiment analysis: The case of airlines. Journal of Business Research, 112, 383-390. https://doi.org/10.1016/j.jbusres.2019.11.029
Ramírez, F., & Mendoza, E. (2021). El análisis de sentimientos como herramienta de marketing digital en empresas de servicios. Revista Venezolana de Gerencia, 26(94), 631-651. https://doi.org/10.52080/rvgluz.26.e94.19
Tan, K. L., Lee, C. P., & Lim, K. M. (2023). RoBERTa-GRU: A Hybrid Deep Learning Model for Enhanced Sentiment Analysis. Applied Sciences, 13(6), 3915. https://doi.org/10.3390/app13063915
Villalba, L., & Vilares, J. (2020). Procesamiento de lenguaje natural en análisis de sentimientos para empresas. Procesamiento del Lenguaje Natural, 64, 1-8. https://doi.org/10.26342/2020-64-1
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
