Un programa desarrollado por un equipo de investigadores de AT&T encuentra quejas sobre problemas de conexión en la red social (que actualmente consta de 175 millones de usuarios) y extrae la hora aproximada en que se envió el tweet y la ubicación de su remitente.
Cada vez más empresas recurren a Twitter en busca de las opiniones de sus clientes, pero generalmente lo hacen para comprender cómo la gente percibe su marca o para responder a los problemas específicos de los consumidores. El proyecto de AT&T supone una nueva forma de minar información sobre el estado de ánimo colectivo de la esfera de Twitter.
Cuando AT&T obtuvo los derechos de exclusividad de distribución del iPhone en 2007, el acuerdo resultó ser tanto una bendición como una maldición. El deseadísimo teléfono trajo un crecimiento enorme de clientes y del prestigio de la marca. No obstante, junto con eso vino la creciente demanda de datos inalámbricos que saturó la red de AT&T en lugares como Nueva York y San Francisco, provocando interrupciones en las llamadas y una ralentización de las conexiones.
La empresa cuenta con un sistema automatizado de monitoreo de su red que puede detectar problemas de conectividad, y, evidentemente, los clientes pueden llamar para informar de problemas. Sin embargo, mediante la minería de los mensajes compartidos en Twitter, AT&T obtiene información adicional en tiempo real y puede dar prioridad a las reparaciones, señala Jia Wang, miembro del Centro de Investigación de Inte et y Sistemas de Redes de la empresa. "Estamos tratando de identificar tres tipos de información: dónde se produjo el problema, el tipo de problema, y cuándo ocurrió", indica ella.
Wang y sus compañeros utilizan dos niveles de filtrado para encontrar los tweets de clientes frustrados, y lo hacen aprovechando las herramientas de interfaz de programación que Twitter pone gratuitamente a disposición de todos los desarrolladores. Un conjunto general de consultas obtiene cada tweet relacionado con el servicio móvil de AT&T antes de que un conjunto más riguroso de normas se centre en los relacionados con la calidad del servicio, por ejemplo en mensajes que contienen palabras como "llamada cortada" o "3G". Este método automatizado fue alrededor del 90 por ciento de exacto en la identificación de quejas genuinas, hallaron los investigadores.
nLa empresa puede utilizar las marcas de tiempo y los datos de localización asociadas a los tweets capturados para calcular dónde y cuándo una persona ha experimentado un problema, haciendo posible disponer los registros en un mapa. Esta información se puede comparar con los registros del sistema y las llamadas a atención al cliente. En la práctica, la técnica captó problemas que no habían sido reportados de otro modo. También detectó los problemas antes--alrededor de 20 minutos de media antes que entrara la llamada de atención al cliente correspondiente.
"El nuevo sistema nos indica lo que importa a la gente y lo que afecta a cómo la gente se siente acerca de nuestra red", destaca Jennifer Yates, director ejecutivo de los laboratorios de AT&T, quien está supervisando la investigación sobre nuevas formas de administrar la red de la empresa. La mayoría de quejas en Twitter tratan sobre las llamadas cortadas, seguidas de las de una conexión a Inte et lenta o de las de falta de servicio. Los usuarios tienden a llamar sólo por problemas más serios, explica Yates.
"Estamos trabajando en cómo podemos poner en práctica esta investigación para que pueda ser utilizada por nuestros administradores de red junto con nuestras herramientas de control existentes", indica Yates. Estos datos irán acompañados de los entrados mediante una aplicación para el iPhone, Mark the Spot, que anima a los clientes a informar de los problemas, indica ella, que se utiliza para planificar mejoras de la red, como la instalación de nuevas antenas de telefonía móvil.
Yates añade que con el tiempo, es probable que los usuarios se den cuenta de que AT&T está escuchando sus tweets, y se vuelvan más propensos a compartir sus experiencias. "Confío que les agradará saber que estamos mostrando interés", comenta ella.
Michelle DeHass de Attensity, una empresa que desarrolla software para rastrear y responder a las quejas de Twitter, afirma que es inusual para una empresa evaluar el desempeño de sus propios sistemas utilizando Twitter. Sin embargo, también señala que es posible que AT&T requiera herramientas mejores para la gestión de la ambigüedad del lenguaje utilizado en los tweets. "El uso de una lista de palabras clave realmente no es suficiente", afirma DeHass. "Para encontrarlo todo, es necesario utilizar tecnología semántica capaz de realizar un análisis profundo y buscar dentro de familias de palabras y sinónimos," algo de lo que el software de Attensity dispone, añade ella.
Yates señala que AT&T está trabajando en formas de análisis de texto más inteligentes. "Éstas ayudarán a entender el lenguaje corto de los tweets, y también los harán corresponder con nuestras otras fuentes de datos, como los informes de atención al cliente", explica ella.