Indicadores clave de gestión sobre la experiencia del cliente: un estudio basado en fuzzy text mining

Abstract

El propósito de la investigación es avanzar en la teoría sobre Indicadores de Gestión Difusos sobre experiencia del cliente, proponiendo un modelo de proceso de análisis de datos que plantea evaluar y validar continuamente los distintos indicadores.

Las técnicas de análisis utilizadas fueron: Análisis Factorial Exploratorio (AFE), Análisis Factorial Concluyente (AFC) y Modelo de Ecuaciones Estructurales (SEM); y finalmente la identificación de los indicadores difusos mediante el modelo de inferencia difusa Mamdani. Softwares utilizados Matlab y AMOS.

El estudio contribuye con evidencia empírica, que permite señalar que es posible definir un modelo teórico explicativo sobre indicadores de desempeño clave para la gestión de la experiencia interactiva del cliente, mediante datos clásicos y difusos.

Con la investigación, además, se ha profundizado en la naturaleza del constructo valor de la experiencia, analizando cómo influyen las fuentes de valor de experiencia general en su construcción. Dejando evidencia de cómo el valor de la experiencia se forma con los puntos de contacto clave de la relación cliente-empresa.

Tras la comparación de distintas metodologías para el análisis de datos inciertos, se pudo observar que es posible definir indicadores difusos clave de gestión sobre la experiencia del cliente, formados mediante la información lingüística entregada por los clientes.

Finalmente, nuestro trabajo contribuye e incrementa la literatura sobre el valor de la experiencia y los análisis basados en la lógica difusa. Así, se aporta con metodologías para la gestión de la incertidumbre en el área marketing de las organizaciones.

Su relevancia se encuentra en la entrega de una propuesta de análisis de datos lingüísticos trasformados en indicadores de gestión.

The purpose of the research is to advance the theory of Fuzzy Indicators on customer experience management, proposing a process model data analysis posed continually assess and validate the different indicators.

The analysis techniques used were: Exploratory Factor Analysis (EFA), Factor Analysis Conclusively (AFC) and Structural Equation Model (SEM); and finally the identification of fuzzy indicators by Mamdani fuzzy inference model. Softwares used Matlab and AMOS.

The research contributes literature and increases the value of the experience and analysis based on fuzzy logic. Thus, it provides methodologies for uncertainty management in the marketing area organizations.

Its importance lies in delivering a proposed analysis of linguistic data transformed into management indicators.