Avaliação Automática de Conteúdo de Aplicações de Reclamação Online

Abstract

A Internet tem vivenciado uma notória expansão e popularização nos últimos anos. Estima-se que até o ano de 2020 haja cerca de 40 trilhões de gigabytes de dados gerados. Existem diversos cenários onde novas técnicas e metodologias vêm sendo propostas para que informações relevantes possam ser extraídas desse grande volume de dados. Um exemplo recente são as aplicações reclamações online, tais como ReclameAqui, que funcionam como porta voz de consumidores insatisfeitos que relatam suas experiências ruins com determinados produtos e/ou serviços. Esses dados podem representar uma rica fonte de informação que pode ser utilizada por empresas em seu aperfeiçoamento. Nesse trabalho propomos uma metodologia que, por meio da combinação de técnicas de modelagem de tópicos e análise de sentimento, é capaz de extrair desses dados informações úteis, ricas em detalhes, que possam contribuir para empresas identificarem de forma mais consistente e rápida problemas nos produtos e serviços. Avaliamos nossa metodologia com coleção de comentários coletados da aplicação ReclameAqui, outra do Twitter e outra do PROCON, todas elas relacionadas às quatro maiores empresas de telefonia do Brasil (TIM, OI, VIVO e CLARO). Em nossas avaliações demonstramos que a riqueza de detalhes que podem ser extraídas do ReclameAqui e do Twitter são bem maiores quando comparadas a aquelas registradas no PROCON. Além disso, demonstrando que, por ser uma aplicação extremamente informal, extrair informações do Twitter exige mais recurso computacional e humano, o que torna os comentários de aplicações de reclamação online a melhor alternativa para se extrair informações úteis.