Uso de machine learning para el análisis de reseñas de clientes en plataformas de comercio electrónico

Abstract

El crecimiento del comercio electrónico ha generado un volumen significativo de reseñas por parte de los consumidores. Este trabajo propone un modelo de aprendizaje automático, basado en procesamiento de lenguaje natural, que clasifica automáticamente reseñas de productos como positivas o negativas. Se aplicó la metodología CRISP-DM y un enfoque cuantitativo, empleando Naive Bayes y vectorización TF-IDF. Los resultados mostraron una precisión de ∼ 85 % en la clasificación, con aplicaciones prácticas en análisis de satisfacción del cliente y mejora de productos. Además, se desarrollaron herramientas de despliegue como un script interactivo y un dashboard en Streamlit, que permiten a las pequeñas y medianas empresas analizar reseñas desde archivos CSV. El estudio demuestra la viabilidad de incorporar inteligencia artificial en la gestión de comercio digital.

The growth of e-commerce has generated a significant volume of reviews from consumers. This work proposes a machine learning model, based on natural language processing, that automatically classifies product reviews as positive or negative. The CRISP-DM methodology and a quantitative approach were applied, using Naive Bayes and TF-IDF vectorization. The results showed an accuracy of ∼ 85% in classification, with practical applications in customer satisfaction analysis and product improvement. Additionally, deployment tools were developed such as an interactive script and a dashboard in Streamlit, which allow small and medium-sized enterprises to analyze reviews from CSV files. The study demonstrates the feasibility of incorporating artificial intelligence into digital commerce management.