APLICAÇÃO DA EXTRACÇÃO DE DADOS NO MARKETING UTILIZANDO A ANÁLISE DO SENTIMENTO DO CLIENTE DO COMÉRCIO ELECTRÓNICO

Resumo

Neste estudo, desenvolveu-se e aplicou-se a análise de sentimento a produtos tecnológicos na rede social Twitter/X, bem como para determinar as opiniões expressas pelos clientes, onde finalmente se identificou o modelo preditivo mais adequado derivado de Machine Learning. Para tal, foram recolhidos 7102 tweets relacionados com produtos Apple e Samsung, utilizando a metodologia proposta por Erl, Khattak e Buhler que facilitou a implementação das suas fases críticas. Os resultados obtidos a partir da análise de sentimento foram avaliados utilizando métricas padrão como Accuracy, Precision, Recall e F1-Score, aplicadas a quatro modelos de machine learning: K-Nearest Neighbors (KNN), Logistic Regression (LR), Random Forest (RF) e CatBoost Classifier (CC). Destes, o classificador CatBoost revelou-se o mais eficaz, atingindo 89% de exatidão, 90% de precisão, 89% de recuperação e 88% de pontuação F1. Concluiu-se que o modelo CatBoost Classifier era o modelo ideal para analisar o sentimento no Twitter/X, devido à sua capacidade de fornecer informações valiosas sobre a perceção dos produtos tecnológicos promovidos, permitindo campanhas de marketing digital eficazes.