What is the impact of using chatbots with AI in the customer service of telecommunications companies?

Abstract

This master's thesis investigates the impact of chatbots on the customer experience in telecommunications companies concerning customer service. As the use of chatbots becomes increasingly common to provide fast and efficient support, it is crucial to understand how customers perceive this technology and how it affects their satisfaction and loyalty to the company. This study was conducted using an empirical methodology to analyze the data collected through a questionnaire, with the intention of evaluating the effectiveness of chatbots compared to human service, identifying the most valued characteristics and the challenges faced by customers during interactions with chatbots. The analysis performed was based on direct investigation of the data collected through the questionnaire, as well as two important analyses using the Orange Data Mining program: sentiment analysis and k-means cluster analysis. These two approaches aim to find out the positive and negative points that affect customer satisfaction and whether there are customer segments with the same characteristics that may have the same level of satisfaction between them. The results of this research not only provide valuable insights into best practices and areas for improvement to optimize customer experience and the consumer journey in telecommunications companies but also allow managers to understand what keeps a customer satisfied and, consequently, loyal to the company. Qualitative analysis made it possible to identify strengths and weaknesses during interactions with the virtual assistant, acting as a diagnosis of the perception of service quality from the consumer's point of view. The sentimental analysis reveals the positive feelings associated with the speed of response and availability 24 hours a day, but the negative feelings highlight factors such as the difficulty in solving the problems faced or the difficulty in understanding the chatbot during the dialog. The cluster analysis suggested a customer segmentation into 3 clusters, where a group was obtained with a level of satisfaction considered medium-high, a group with a low or almost zero level of satisfaction and a third group with a medium level of satisfaction, where only the next interactions can have a positive or negative impact.

Esta dissertação de mestrado investiga o impacto dos chatbots na experiência do cliente em empresas de telecomunicações no que diz respeito ao atendimento ao cliente. À medida que a utilização de chatbots se torna cada vez mais comum para fornecer suporte rápido e eficiente, torna-se crucial entender como os clientes percebem esta tecnologia e como esta afeta a sua satisfação e lealdade à empresa. Este estudo serviu-se de uma metodologia empírica para analisar os dados recolhidos através de um questionário, com o objetivo de avaliar a eficácia dos chatbots em comparação com o atendimento humano, identificar as características mais valorizadas e os desafios enfrentados pelos clientes durante as interações com os chatbots. A análise realizada baseou-se na investigação direta dos dados recolhidos através do questionário, bem como em duas análises importantes através do programa Orange Data Mining: a análise de sentimentos e a análise de agrupamento k-means. Estas duas abordagens pretendem conhecer os pontos positivos e negativos que afetam a satisfação do cliente e perceber se existem segmentos de clientes com as mesmas características que possam ter o mesmo nível de satisfação entre eles. Os resultados desta investigação não só fornecem insights valiosos sobre as melhores práticas e áreas de melhoria para otimizar a experiência do cliente e a jornada do consumidor em empresas de telecomunicações, mas também permite aos gestores perceberem o que mantém um cliente satisfeito e, consequentemente, fiel à empresa. A análise qualitativa realizada permitiu identificar os pontos fortes e fracos durante as interações com o assistente virtual, funcionando como um diagnostico relativamente à perceção da qualidade do serviço na ótica do consumidor. A analise sentimental revela os sentimentos positivos associados à rapidez de resposta e disponibilidade 24 horas por dia, no entanto os sentimentos negativos destacam fatores como a dificuldade na resolução do problemas enfrentados ou a dificuldade de compreensão durante o diálogo por parte do chatbot. A analise de clusters sugeriu uma segmentação dos clientes em 3 clusters com as mesmas características entre cada um deles, onde se obteve um grupo com um nível de satisfação considerado médio-alto, um grupo com um nível de satisfação reduzido ou quase nulo e um terceiro grupo com um nível de satisfação médio, onde só as próximas interações podem impactar positiva ou negativamente.