Использование методов машинного обучения для анализа отзывов о компании и её продуктах

ФИО студента: Вавилов Максим Викторович

Кампус/факультет: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Программа: Бизнес-аналитика в экономике и менеджменте (Магистратура)

Год защиты: 2024

Целью данной работы являлась разработка алгоритма парсинга отзывов клиентов Сбера с российской финансовой платформы “Банки.ру” и их последующий анализ моделями машинного обучения для выявления основных причин недовольства клиентов. Анализ текстовых данных проводился в три этапа. На первом этапе определялась тональность каждого отзыва: положительная или негативная. Затем негативные комментарии были сгруппированы на неизвестное заранее число групп. Последний этап включал краткое резюмирование сформированных кластеров. В результате проведенного исследования были сформированы 33 группы жалоб клиентов банка. Полученные данные могут быть использованы для принятия обоснованных управленческих решений, касающихся пользовательского взаимодействия, и определения областей для развития продуктов и услуг компании.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ