Résumé:
Les réclamations des clients sont l'une des paramètres les plus critiques qui déterminent la dynamique du marché du développement de produits. Dans ce sens, l'analyse des réclamations liées aux produits aide les vendeurs à identifier les caractéristiques de qualité et l'orientation client. De nombreuses études ont été menées sur la conception de systèmes de Machine Learning (ML) pour traiter les causes d'insatisfaction des clients.
La société SETRAM - Société d'exploitation des tramways, chargée de l'exploitation et de la maintenance des tramways algériens - un des clients de RightNow By Brenco, veut trouver une solution pour son problème: mauvais choix des catégories de réclamations envoyées par ses clients à travers les formulaires rend ses statistiques inexactes, et elle se trouve obligée de recatégoriser manuellement ces réclamations afin d'obtenir des statistiques précises et ça prend beaucoup de temps et d’effort.
Ce sujet vise à construire un modèle de Machine Learning qui donne une prédiction correcte que possible de catégories de réclamations des clients.
En conséquence, nous avons utilisé l'apprentissage supervisé par classification multi classe à l'aide du SVM et l’approche OVO (One Vs One). Nous avons obtenu un « Accuracy Score» à 0.834 % qui est une valeur très satisfaisante, par contre les résultats de « Précision », « Recall », « F1 Score », « Specificiy » et « Accuracy» sont tout entre 70% et 98% et c'est un très bon signe.
Selon ces résultats obtenus, nous pouvons dire que cette étude semble prometteuse pour de futures études sur les systèmes de catégorisation des réclamations.
Nous avons également développé une simple application web afin de tester la prédiction du modèle construit.
Mots clés : Réclamation, Catégorisation, Machine Learning, Classification multi classe, Modèle, TF IDF, SVM, OVO, RBF.
