APLICACIÓN DE LA MINERÍA DE DATOS EN EL MARKETING USANDO EL ANÁLISIS DE SENTIMIENTOS DE LOS CLIENTES E-COMMERCE

Resumen

En este estudio se desarrolló y aplicó el análisis de sentimientos respecto a los productos tecnológicos en la red social Twitter/X, asimismo, se determinó las opiniones expresadas por los clientes donde finalmente se identificó el modelo predictivo más conveniente derivado del Machine Learning. Para ello, se recolectaron 7102 tweets relacionados a los productos de Apple y Samsung, empleando la metodología propuesta por Erl, Khattak y Buhler la cual facilitó la implementación de sus fases críticas. Los resultados obtenidos del análisis de sentimientos se evaluaron mediante métricas estándar como Accuracy, Precision, Recall y F1-Score, aplicadas a cuatro modelos de aprendizaje automático: K-Nearest Neighbors (KNN), Logistic Regression (LR), Random Forest (RF) y CatBoost Classifier (CC). De estos, el CatBoost Classifier demostró ser el más efectivo, logrando un 89% en Accuracy, 90% en Precision, 89% en Recall y 88% en F1-Score. Se concluyó que el modelo CatBoost Classifier fue el un modelo óptimo para analizar los sentimientos en Twitter/X, debido a su capacidad de proporcionar insights valiosos sobre la percepción de los productos tecnológicos promocionados permitiendo la eficacia en las campañas de marketing digital.