Lo más importante y valioso que tienen los seres humanos es el conocimiento. Gran parte de este conocimiento existe de forma natural como textual: libros, periódicos, informes técnicos, encuestas de opinión, etc. (Montes, 2001).
Actualmente, gran parte de las empresas alimen-tarias, generan y almacenan datos. Estos datos pueden ser de los clientes, proveedores, procedimientos o fuentes externas a estas. Esto es logrado a través de sistemas de información que les permiten trabajar y procesar dichos datos. Por tanto, se ha vuelto una necesidad el generar conocimiento, con el fin de mejorar la organización y aportar valor a los clientes (Ramírez & Vega, 2015).
El concepto de consumidor hace referencia a la organización o individuo que consume bienes o servicios que los proveedores y fabricantes ponen a su disposición en el mercado, con el propósito de satisfacer alguna de sus necesidades; es decir, se trata del último paso del proceso productivo, en concreto, del cliente final (Samuel-Lajeunesse et al., 2014). El consumidor está sujeto a muchas influencias que condicionan sus actos de consumo. Esas influencias pueden ser externas, que provienen del entorno que le rodea, o internas, propias de los consumidores mismos. Estos conjuntos de influencias resultan fundamentales para explicar el comportamiento de las personas, pues guardan una relación muy estrecha con sus necesidades y, lógicamente, con la forma de satisfacerlas (Esteban, 2006; Schiffman & Kanuk, 2005).
El Diario Gestión (2013) indicó que el comporta-miento del consumidor consiste en la obser-vación y estudio de los procesos mentales y psicológicos que suceden en la mente de un comprador cuando este elige un producto y no otro, con la finalidad de comprender el motivo por el que sucede de esa manera.
La queja es una expresión de insatisfacción por parte de los clientes hecha a una organización, con respecto a sus productos o al propio proceso de tratamiento de estos, donde se espera una respuesta o resolución explícita o implícita (Gómez, 2018; Singh, 1988). En términos sencillos, una queja es una declaración relativa a las expectativas que no han sido satisfechas. Esto genera una oportunidad para que una organización pueda satisfacer a un cliente insatisfecho, mejorando un servicio o rectificando el fallo de un producto (Vértice, 2009). Asimismo, un reclamo es la manifestación de descontento o insatisfacción que expresa un consumidor ante una empresa, sea de forma oral o escrita, con respecto a un bien o servicio. Al reclamar, el consumidor espera una compensación: ser indemnizado o que le cambien el producto, por ejemplo (Puente & López, 2007). Es por ello por lo que las entidades deben tener una adecuada respuesta frente a alguna queja o reclamo, sin importar la magnitud que esto represente.
Las empresas convierten su información en conocimiento al hacer un análisis estadístico de lo sucedido, sin embargo, no todas aprovechan estos datos o las relaciones que existen entre ellos que, a simple vista, no se logran descubrir (Rodríguez & Moreno, 2014).
El análisis de textos es una de las principales actividades en donde se transforman los datos brutos, con el fin de extraer los conocimientos que pueden ser útiles en un determinado campo de acción. Para ello, se recopilan, organizan y analizan estadísticamente mediante la minería de texto, lo que nos permite interpretar los datos, obteniendo información que se convertirá en conocimiento (Polanco, 2001). Esta herramienta estadística ha permitido conocer lo que estimula el aprendizaje de estudiantes de forma cualitativa (Akundi & Edinbarough, 2020), accidentes de los trabajadores y retrasos en las construcciones (Cheng et al., 2020), analizar mediante redes semánticas las principales revistas de diferentes disciplinas (Jung & Lee, 2020).
Las galletas son consideradas uno de los alimentos básicos de la dieta tradicional del consumidor peruano (INEI, 2013) y el per cápita en el país ha crecido entre los años 2009 y 2015, pasando de 1,7 kg (INEI, 2009) a 4 kg aproximadamente (Daly, 2015).
En Perú, el mercado de galletas se divide en galletas dulces (60%) y saladas (40%). Esta última se subdivide en galletas de soda, integrales y cocktail (Navarro & Ramírez, 2009).
En Argentina, las galletitas dulces figuran entre los cuatro productos de consumo masivo que registran mayor demanda en los hogares. Tal es así que el 99% de las personas compra galletitas y el consumo per cápita dentro del hogar es de 7 kg, valor superior al consumo de México que es de 2,8 kg, y al de Brasil que es de 4,9 kg. El porcentaje de penetración en los hogares es del 72,5% para las galletitas dulces y del 67,3% para las galletitas saladas (Kantar Worldpanel, 2016).
Las galletitas y bizcochos dulces superan en volumen de producción a las variedades saladas. Las pequeñas empresas galleteras se enfocan en la producción de variedades dulces, ya que la tecnología de producción es más simple e implica una inversión inicial menor en equipamiento. En el 2018 la producción argentina de galletitas y bizcochos fue de 441.562 toneladas, un 2,8% inferior a la del año 2017. El consumo interno estimado de galletitas y bizcochitos es 420.842 toneladas (9,5 kg/hab/año, dato 2018) (Ministerio de la Agricultura, Ganadería y Pesca, 2019).
Las galletitas dulces se pueden segmentar de la siguiente manera: surtidas, dulces secos, dulces sanos, rellenas, obleas, bizcochos dulces, vainillas y bañadas. Pero las más importantes, en términos de volumen, son las dulces secas y surtidas. Por su parte, las galletitas saladas se clasifican como: crackers de agua, crackers de cereal y bizcochos salados, donde el segmento con más del 60 % del mercado pertenece a crackers de agua (Kantar Worldpanel, 2016).
La minería de texto tiene como objetivo la búsqueda de conocimiento en grandes colecciones de documentos capturando los temas y conceptos claves, descubriendo relaciones ocultas. Actualmente se usa para extracción de información, análisis de opiniones, clasificación de documentos y elaboración de resúmenes, entre otras aplicaciones (Giraldo, 2019). Es la encargada del descubrimiento de conocimientos que no existían explícitamente en ningún documento textual, pero que surgen de relacionar el contenido de varios de ellos (Hearst, 1999). Barrera (2014) define que la minería de texto es un área de investigación del procesamiento automático de la información. Según Valero (2017) la minería textual o text mining es una aplicación de la lingüística computacional y del procesamiento de textos que pretende facilitar la identificación y extracción de nuevo conocimiento a partir de colecciones de documentos textuales.
El objetivo de esta investigación fue analizar las quejas y reclamos reportados en el servicio de atención al cliente de una empresa elaboradora de galletas mediante minería de texto.
2. Material y métodos
Recopilación de la información
Los datos fueron obtenidos de los registros de quejas y reclamos recibidos durante el periodo desde enero de 2016 hasta julio de 2019. En la Tabla 1 se identificaron las galletas que se producen en la empresa de galletas.
Se clasificaron las quejas y reclamos por el tipo de galletitas involucradas, mediante la siguiente categorización: galletitas dulces (dulces); galletitas crackers (crackers) y galletitas crackers sin sal (crackers SS).
En la empresa se identificó seis líneas de producción donde fueron elaboradas las galletitas que implicaron las quejas y reclamos del presente estudio: Línea 1 (L1): galletitas crackers; Línea 2 (L2): galletitas dulces; Línea 3 (L3): galletitas crackers/crackers sin sal; Línea 4 (L4): galletitas crackers; Línea 5 (L5): galletitas dulces; Línea 6 (L6): galletitas crackers/crackers sin sal.
Minería de textos en el software estadístico R
Una vez obtenida la base de datos, el primer paso fue instalar y cargar la librería para minería de textos (tm) en R. Estos contienen los métodos de entrada utilizados para crear el corpus de la carpeta de documentos. Después se importó la base de datos y se creó el corpus. Luego se realizó el pre-procesamiento de los datos de texto, las transformaciones en minúscula, la eliminación de los números y signos de puntuación, la eliminación de palabras vacías y los espacios en blanco.
Tabla 1
Identificación de las galletas elaboradas por la empresa
Producto | Código |
Galleta con sésamo Galleta crackers con salvado Galleta crackers light sin sal Galleta con chía y lino Galleta dulce con salvado Galleta con chocolate Galleta con naranja y papaya Galleta con pasas de uva Galleta crackers sándwich Bizcocho sabor tradicional Galleta crackers sin sal Bizcocho con sésamo Galleta con cacao y avellanas Galleta con sésamo sin sal Galleta sésamo, amaranto y girasol Bizcocho integral con girasol Galleta con lino Bizcocho con lino Galleta crackers con cereal Galleta surtida mix Galleta con salvado light sin sal Galleta con salvado sin sal Galleta con coco y almendras Galleta con algarroba Galleta con coco Galleta tipo sándwich Galleta con sémola Galleta con vainilla Galleta con limón Bizcocho con girasol Galleta con cereal Galleta con frutos rojos | A B C D E F G H I J K L M N Ñ O P Q R S T W X Y Z AA BB CC DD EE FF GG |
Se creó un listado de palabras vacías (stop words) para remover las palabras que no aportan información útil (artículos, preposiciones, conjunciones, identificadores, etc.). Finalmente se generaron las matrices de términos.
Nube de palabras
Se graficó la nube de palabras con el programa Wordart. Los datos usados para la nube fueron obtenidos de la matriz de palabras.
Mapas de co-ocurrencias
Una vez generada la matriz de términos se cargaron los datos al VOSviewer para generar los mapas de co-ocurrencias y visualizar las interacciones que presentan las palabras en relación a las quejas y reclamos.
Análisis de correspondencia
Se determinaron las relaciones de dependencia e independencia a partir de los datos obtenidos de la minería de texto. Para ello se asoció a cada una de las modalidades de la tabla, un punto en el espacio Rn (generalmente n = 2) de forma que las relaciones de cercanía/lejanía entre los puntos calculados reflejen las relaciones de dependencia y semejanza existentes entre ellas.
3. Resultados y discusión
Frecuencia de quejas y reclamos por línea productiva
La cantidad de quejas y reclamos encontrados para cada tipo de galleta en base a las líneas productivas, estas se muestran en la Tabla 2. Las Líneas 2, 3 y 5 presentaron la mayor cantidad de quejas y reclamos durante los últimos años. Esto se debe a que las galletitas dulces, elaboradas en la L2 y L5 son las que llevan mayor cantidad de ingredientes; esto hace que aumenten los riesgos que puedan hacer variar las galletitas. Por otra parte, la L3 es una de las líneas productivas con mayor desgaste en el tiempo, lo que hace que se presenten anomalías con mayor frecuencia, influyendo en el resultado de la galletita. La Línea 6 fue implementada a partir del año 2018, por lo que presentó menor cantidad de quejas y reclamos.
Tabla 2
Frecuencia de reclamos por línea productiva
Línea | 2016 | 2017 | 2018 | 2019 |
L1 L2 L3 L4 L5 L6 | 105 117 180 58 220 - | 81 120 100 56 253 - | 81 120 100 56 253 8 | 94 71 72 21 161 72 |
Frecuencia de quejas y reclamos de las galletas categorizadas
La distribución de las quejas y reclamos por tipo de galleta durante el periodo de enero de 2016 hasta julio de 2019, se presentan en la Tabla 3. La mayor cantidad de quejas y reclamos fueron para las galletitas dulces, seguido por las galletitas crackers y por último los crackers sin sal. Para las galletitas dulces se presenta una mayor tendencia de consumo, ya sea por las distintas variedades que existen o por los agregados que llevan. A diferencia de las galletitas crackers y crackers sin sal que se consumen en menor cantidad debido a que es un producto complementario. Bisang et al. (2000) indican que el consumo de galletas puede variar según nivel socioeconómico: las clases media y alta prefieren galletitas dulces rellenas y dulces secas, de alto precio; las clases bajas tienen mayor consumo de galletitas dulces secas y crackers de marcas poco conocidas y precios bajos o medios.
Tabla 3
Frecuencia general de reclamos por tipo de galleta
Año | Crackers SS | Crackers | Dulces |
2016 2017 2018 2019 | 126 85 77 81 | 216 138 168 178 | 338 269 373 232 |
Evolución en el tiempo de las quejas y reclamos
En la Figura 1 se observa la evolución de las palabras con mayor frecuencia, en base a las quejas y reclamos, durante el periodo de enero de 2016 a julio de 2019.
Figura 1. Evolución de palabras presentadas en las quejas y reclamos.
Los motivos más frecuentes fueron: “Se observan menos galletas”; “las galletas están húmedas”; “galletitas con mal gusto”; “gusto horrible”; “galletitas quemadas”; “sin chips”; “galletitas sin pasas”; “presencia de insecto en el paquete”; “sin galleta”; “menos galletas”; “menos peso”; “paquete mal sellado”; “paquete abierto”; “insecto dentro del paquete”; “faltan galletas”; “falta peso”; “se parten”; “galletas rotas”; “pelo en la galleta”; “plástico en la galleta”; “olor a plástico”; “galletitas crudas”; “galletas duras”; “galletitas rancias”; “mal sellado”; “galletitas saladas” y “galletitas blancas”. Con relación a las quejas y reclamos se identificaron las palabras con mayor frecuencia, estas fueron: galletas, húmedas, gusto, quemadas, sin, insecto, galleta, menos, paquete, rotas, dentro, faltan, raro, sabor, parten, pelo, plástico, crudas, envase, mal, duras, rancias, sellado, galletitas y blancas.
Minería de texto aplicado a las quejas y reclamos
La industria 4.0 está introduciendo cambios y desafíos rápidos, que son trascendentales, para la interacción empresa-consumidor, obteniendo res-puestas rápidas, adaptables y reutilizables (Fareri et al., 2020). La Tabla 4 presenta la matriz de términos obtenida de la minería de texto.
Tabla 4
Frecuencia general de palabras en base a las quejas y reclamos
Palabras | Frecuencia |
Galletas húmedas gusto plástico quemadas sin galleta menos paquete dentro insecto faltan raro sabor parten mal pelo crudas rotas envase duras rancias sellado blancas galletitas | 467 287 271 253 241 206 195 184 157 132 86 72 57 54 54 52 52 50 31 29 26 24 22 22 22 |
Se observaron que las palabras con mayor frecuencia en las quejas y reclamos desde enero de 2016 hasta julio de 2019 fueron: galletas, húmedas, gusto, plástico, quemadas, sin, galleta, menos, paquete y dentro. En estos términos se pudo identificar que los motivos más frecuentes fueron de carácter sensorial, físico y de calidad.
Nube de palabras
La nube de palabras de un escrito consiste en representar en un plano las palabras significativas de texto escrito, de modo que el tamaño de las palabras es proporcional a la frecuencia con la que aparecen (Viégas & Wattenberg, 2008; Cestero & Caballero, 2018). Asimismo, Cui et al. (2010) indicó que las nubes de palabras pueden ser utilizadas para fines analíticos, comunicar patrones de textos y presentar relatos de personas, por ejemplo. Para la formación de nube de palabras se realizó con una frecuencia mínima del 20%. En la Figura 2 se observa que las palabras más representativas fueron: galletas, húmedas, gusto, plástico, sin, quemadas, faltan, dentro, raro, sabor y paquetes, que se relacionan con los parámetros de calidad y de la percepción sensorial por parte de los clientes externos. Pejic-Bach et al. (2020) indica que la minería de texto permite recopilar información relevante sobre los conocimientos y habilidades requeridos en industrias, dado que estas cambian rápidamente durante los últimos años.
Figura 2. Nube de palabras.
Análisis de co-ocurrencia
En la Figura 3 se presenta el mapa de co-ocurrencias. Las palabras que se relacionan con mayor frecuencia son aquellas que tienen los círculos y etiquetas de mayor tamaño. Durante el periodo de estudio se observó que las palabras “galleta”, “gusto”, “húmeda”, “rota”, “dentro”, “sin” y “menos” mostraron una correlación respecto a su mención. Se puede observar una alta relación de la palabra clave “galleta” y la múltiple relación con las palabras: humeda, gusto, rota, rancio y dentro.