Решение задач клиентской аналитики в банковской сфере с помощью методов интеллектуального анализа данных

В настоящее время становится все больше неструктурированной информации, которая может эффективно использоваться для проведения различного вида анализа. Банки – одна из сфер деятельности, в которой количество такой информации особенно велико. Для повышения лояльности клиентов банки проводят анализ транзакционной активности клиентов, поведенческих характеристик, социальных сетей, разговоров с операторами телефонного центра, информации в интернете. В данном исследовании проведен анализ текстовых отзывов об одном из коммерческих банков с помощью методов data mining. Был проведен анализ тональности этих отзывов – определены, какие из них являются отрицательными, а какие положительными. Для этого было построено несколько видов моделей классификации, такие как: наивный байесовский классификатор, метод опорных векторов, случайный лес. Также данные отзывы были разбиты на кластеры с помощью метода k-means++. Новизна данного исследования заключается в том, что ранее проводился анализ текста только для извлечения определенных фактов. Анализ тональности текстов позволяет извлекать субъективное мнение из текста, его настроенческий окрас. Также стоит отметить, что подобного рода аналитика проводилась в основном для англоязычных текстов, в данной работе проводится анализ отзывов на русском языке, который, как известно, является очень гибким и обладает огромным количеством форм слов. В дальнейшем построенные модели могут быть использованы в промышленных системах анализа текстовой информации для оперативного реагирования на негатив клиентов, а также автоматической навигации проблем в соответствующие подразделения банка для их решения.