AI-Driven Sentiment Analysis for Retail Management: A Graph-Based DSS Comparing Franchise and Company-Owned Stores
Analyse des sentiments basée sur l'IA pour la gestion du commerce de détail : un système d'aide à la décision par graphes comparant les magasins franchisés et les magasins en propriété directe
Résumé
This paper introduces an AI-driven Decision Support System (DSS) for sentiment analysis of customer reviews in Starbucks UK. The methodology involves three main steps: collecting customer reviews from trusted sources, applying AI-driven preprocessing techniques to extract key attributes, and using Graph Machine Learning techniques to unveil customer satisfaction. A new Graph-Based Sentiment Analysis Algorithm is proposed to extract object–sentiment pairs from each comment and model relationships through a graph-based approach. Results indicate a superior performance in terms of accuracy and efficiency compared to cell-based methods. The analysis identifies drivers of customer satisfaction, including value for money, quality experience, and ambiance.
Cet article présente un système d'aide à la décision (DSS) basé sur l'intelligence artificielle pour l'analyse des sentiments des avis clients concernant Starbucks au Royaume-Uni. La méthodologie repose sur trois étapes principales : la collecte des avis clients à partir de sources fiables, l'application de techniques de prétraitement basées sur l'IA pour extraire les attributs clés, et l'utilisation des techniques d'apprentissage automatique par graphes pour révéler la satisfaction des clients. Un nouvel algorithme d'analyse des sentiments basé sur les graphes est proposé afin d'extraire des paires objet-sentiment de chaque commentaire et de modéliser les relations via une approche par graphes. Les résultats montrent des performances supérieures en termes de précision et d'efficacité par rapport aux méthodes basées sur des cellules. L'analyse met en évidence les principaux moteurs de la satisfaction client, notamment le rapport qualité-prix, l'expérience de qualité et l'ambiance.