Fale com nosso Time

Serviço prestado:
Consultoria - NPL, API de integração, Dashboards de monitoramento

Cliente: Reclame Aqui

O Reclame AQUI é a maior plataforma de soluções de conflitos entre consumidores e empresas da América Latina, com mais de 20 anos de história.

Como maior site de pesquisa de marca e acreditado do mundo, além de ser um grande gerador de conteúdo e dados e, claro, reclamações, o Reclame AQUI recebe milhares de reclamações por dia. Devido a isso, a plataforma estabelece regras de publicação, que deve ser considerada para que a reclamação de um consumidor esteja dentro do escopo previsto em seu Termo de Uso.
Shape Image
Shape Image

O desafio

Para o Reclame AQUI, a maior dificuldade era o esforço manual de analisar essas reclamações, já que, não possuíam uma padronização por conta de terem diversos segmentos diferentes (bancos, lojas, hospitais, etc). Além disso, por textos serem livres, escritos pelos consumidores, ocorreriam erros de digitação ou de contexto, que dificultavam qualquer análise mais automática sobre o conteúdo.


A solução preditiva de análise deve ser de fácil entendimento pelo tempo, possuindo um monitoramento de desempenho, ações para melhorias de desempenho e ser integrada com os sistemas já existentes no Reclame AQUI.

Outro ponto importante era a capacidade de moderação em tempo real, 24 horas, durante 7 dias.

Solução desenvolvida

A Datarisk dividiu o desafio em etapas e criou uma solução end-to-end para moderação de reclamações.

Etapa 1 -

Junto com o time da Reclame AQUI, entendemos o problema de negócio, analisamos e organizamos os dados;

Etapa 2

Desenvolvemos uma solução de Machine Learning baseada em NLP (processamento de linguagem natural), utilizando dados históricos, para moderação do conteúdo, integrado com uma etapa de moderação manual para casos de reflexão da solução automatizada;

Etapa 3

Construímos também uma API, de baixa latência, para integração com os serviços já existentes da empresa;

Etapa 4

Estruturamos todo o monitoramento, para acompanhamento do desempenho do modelo de Machine Learning ao longo do tempo;

Etapa 5

Por fim, construímos um dashboard , com dados em tempo real, para acompanhamento da operação e da solução desenvolvida.

O resultado

A solução alcançou a métrica necessária (90% de acurácia), moderando automaticamente 60% das reclamações recebidas durante a operação e atendendo a carga de trabalho dos moderados do tempo do Reclame AQUI.

A integração da etapa de moderação manual garantiu a robustez da solução e atualmente permite que casos complexos sejam examinados de forma manual, além de ser útil para o processo de treinamento periódico do modelo preditivo.
Reduzimos o esforço de moderação e o tempo de atendimento às reclamações devido a seu baixo tempo de resposta (menor que 1 segundo).
Osiris Sichman

Tinhamos receio que não funcionasse

A integração da etapa de moderação manual garantiu a robustez da solução e atualmente permite que casos complexos sejam examinados de forma manual, além de ser útil para o processo de treinamento periódico do modelo preditivo.

Osiris Sichman

Tinhamos receio que não funcionasse Ver depoimento
Tinhamos receio que não funcionasse

Veja outros cases

  • Business
  • Data-driven
  • Inovação
  • Tutoriais

Nossas redes

Linkedin Youtube Instagram

Soluções

Institucional

Setores

Fique por dentro

Datarisk 2025 | Direitos Reservados