| dc.description.abstract |
As redes sociais desempenham um papel importante atualmente, deixando de ser apenas um espaço de compartilhamento de pensamentos e opiniões para promover um papel crítico na disseminação de informação com impacto na vida das pessoas. Evidencia também, potencial para agregar valor no âmbito corporativo, ao refletir a relação do público com as organizações. Para que uma empresa se mantenha competitiva no mercado, é preciso que a mesma adote estratégias resilientes, a ponto de superar as volatilidades do mercado e continuar na busca de seus objetivos. Desta forma, a análise das percepções do público nas redes sociais sobre inovação e experiência do cliente a respeito de uma empresa, pode contribuir e oferecer suporte à tomada de decisões estratégicas. Portanto, o presente trabalho visa estabelecer um elo entre a análise de redes sociais e a resiliência corporativa, com a proposição de um método baseado em técnicas de Processamento de Linguagem Natural e Clusterização de dados textuais. O método envolve a coleta de dados, a transformação em vetores densos (embeddings) e a clusterização dos embeddings através do algoritmo de K-means e da detecção de comunidades, bem como a avaliação dos resultados. Ao explorar diferentes técnicas de clusterização de dados viabilizam-se análises comparativas entre os clusters formados, identificando semelhanças e diferenças nas discussões sobre os tópicos encontrados por ambas. Para as análises, foram definidos um conjunto de agrupamentos como sendo relevantes, resultando na identificação e discussão dos principais tópicos descobertos, por exemplo, a influência de determinado esportista ou questões específicas quanto à experiência do cliente em relação a determinado produto. Como conclusão deste trabalho, argumenta-se que o método proposto apresenta um fluxo que possibilita a identificação e análise dos principais tópicos em agrupamentos gerados a partir de textos, mais especificamente mensagens de redes sociais. |
pt_BR |
