Social Media Analytics para Smart-Tourism

Abstract

Esta tesis tiene el propósito de brindar un análisis exhaustivo de datos turísticos provenientes de redes sociales, desde el campo de la ciencia de datos y la inteligencia artificial, con el fin de entender las percepciones de los usuarios al visitar un destino turístico para mejorar la administración de estos lugares. El análisis de datos de redes sociales se basa en tres pilares fundamentales: las plataformas; como Twitter, Instagram o TripAdvisor, los usuarios y la tecnología que transforma posts, imágenes o videos en datos, esta información tiene gran valor para especialistas en marketing, para la evaluación de la confianza de marca, satisfacción, etc. Por tanto, este trabajo tiene aportaciones importantes en el ámbito de Smart-Tourism. Existen muchos términos que hacen referencia a «Smart» o «Inteligente», sin embargo; Smart-Tourism se refiere a la interacción y/o combinación de redes de comunicaciones, internet, sensores, internet de las cosas y el turismo; por tanto, el aporte realizado en esta tesis en el ámbito de Smart-Tourism es significativo, debido a que los datos que se analizaron y que en algunos casos sirvieron para entrenar un algoritmo, provienen de redes sociales que los usuarios usan mientras están visitando algún lugar y que para ello, es necesario las redes de comunicaciones, su dispositivo móvil e internet. Además, todas las herramientas que se han utilizado van en concordancia con la ciencia de datos utilizando sobre todo la minería de texto, el aprendizaje de máquina y el aprendizaje profundo. En esta investigación se propone un framework para el análisis de datos de redes sociales, el mismo que puede ser utilizado en cualquier red social, para analizar y evaluar de forma general cuáles son los lugares más visitados de un destino turístico. Este enfoque puede ser usado para implementar una aplicación que pueda ayudar a un turista a saber los lugares más visitados de una forma resumida sin tener que ir a las redes sociales donde la información puede resultar abrumadora. Otro de los aportes de este trabajo, consiste en proponer una arquitectura basada en tecnologías de aprendizaje profundo denominada BERT (Bidirectional encoders representation from transformers) para mejorar la clasificación de sentimientos usando datos en español. Esto permite evaluar la satisfacción de los visitantes. Además, la integración de esta tecnología con información del transporte, eventos especiales o condiciones climáticas puede ayudar a la construcción de aplicaciones que mejoren la calidad de las visitas de un turista. Por último, se propone un algoritmo basado en reglas para la detección de aspectos en textos o revisiones de redes sociales con el objetivo de evaluar la (in)satisfacción de los turistas de una determinada entidad (lugar, evento, etc.). Este enfoque permite saber de forma detallada qué es lo que los turistas piensan sobre una entidad. Creemos que toda esta tecnología desarrollada puede ayudar a los gestores turísticos a administrar de mejor manera sus negocios, entender las percepciones, conocer la (in)satisfacción, proponer planes de mejoras y reevaluar constantemente los servicios turísticos y estrategias implementadas.