← Portafolio
Propietario

Faro de experiencia: text mining para customer success en Bci

Rubro
Banca · experiencia de clientes
Tipo de trabajo
Text mining y clasificación
Período
2018

Proyecto confidencial: el código y los datos no son públicos.

Arquitectura

Emails clientes Llamados transcritos Casos de soporte y reclamos Text mining clásico conteos, TF-IDFy SVD truncado 10.000+ etiquetas con equiposde experiencia XGBoost multi-label servicio, productoy sentimiento Power BI cruces Customer success Bci · 2018 · Python y XGBoost, agendado con Airflow

Objetivo

Darle al equipo de customer success una lectura ordenada de lo que decían los clientes en todos los canales: de qué servicio o producto hablaban y con qué tono.

Lo que hice

  • Juntamos experiencias de distintos canales: emails, llamados transcritos y casos de soporte.
  • Usamos text mining clásico: conteo de palabras, TF-IDF y reducción con SVD truncado.
  • Coordiné la clasificación manual con los equipos de experiencia: más de 10.000 interacciones etiquetadas para entrenar los modelos.
  • Entrenamos modelos multi-label con XGBoost en Python para clasificar cada experiencia por servicio, producto y sentimiento, con ejecuciones agendadas en Airflow.
  • Dejamos los resultados en Power BI para que el equipo cruzara canales, productos y tono.

Resultados

10.000+
interacciones etiquetadas con los equipos de experiencia

Stack

PythonTF-IDFXGBoostAirflowPower BI