Ψηφιακή εμπειρία και αντίληψη ποιότητας: ανάλυση κριτικών του myΔΕΗ App

Abstract

Η ευρεία χρήση των ψηφιακών εφαρμογών έχει οδηγήσει στη συσσώρευση μεγάλου όγκου δεδομένων, τα οποία προέρχονται από τις εμπειρίες και τις απόψεις των χρηστών. Οι αξιολογήσεις και τα σχόλια που δημοσιεύονται σε ηλεκτρονικές πλατφόρμες αποτελούν μια σημαντική βάση για την κατανόηση της αντίληψης του κοινού και τη βελτίωση των παρεχόμενων υπηρεσιών. Η συγκεκριμένη διπλωματική εργασία, στο πλαίσιο του Project Field, πραγματοποιήθηκε σε συνεργασία με τη Δημόσια Επιχείρηση Ηλεκτρισμού (ΔΕΗ) και αφορά την ανάλυση των σχολίων που έχουν αναρτηθεί στο Google Play Store για την εφαρμογή myΔΕΗ. Στόχος της μελέτης είναι η ερμηνεία των εμπειριών των χρηστών και η εξαγωγή χρήσιμων συμπερασμάτων μέσω τεχνικών Επεξεργασίας Φυσικής Γλώσσας, Ανάλυσης Συναισθήματος, Θεματικής Μοντελοποίησης και του μοντέλου SERVQUAL. Η διαδικασία περιλαμβάνει τη συλλογή και προετοιμασία των δεδομένων, την ποσοτική και ποιοτική ανάλυσή τους και την εφαρμογή μεθοδολογιών που εντοπίζουν τις κυριότερες θεματικές και το συναίσθημα που εκφράζουν οι χρήστες. Τα αποτελέσματα αναδεικνύουν βασικούς τομείς προβληματισμού, καθώς και στοιχεία που μπορούν να αξιοποιηθούν για τη βελτίωση της εφαρμογής και της συνολικής εμπειρίας των καταναλωτών.

The widespread use of digital applications has led to the accumulation of vast amounts of data derived from user experiences and opinions. Ratings and reviews published on online platforms serve as a valuable source for understanding customer perceptions and improving the quality of services offered. This thesis, conducted as part of the Project Field in collaboration with the Public Power Corporation (PPC S.A), focuses on analyzing user reviews posted on the Google Play Store for the mobile application myΔΕΗ. The objective is to gain insights into user experience and identify key areas for improvement through the application of Natural Language Processing, Sentiment Analysis, Topic Modeling ,and the SERVQUAL model. The methodology includes the collection and preprocessing of data, followed by both quantitative and qualitative analysis. Advanced text mining techniques are employed to extract dominant themes and detect the sentiment expressed in user comments. The results highlight common concerns raised by users, as well as potential opportunities for enhancing the functionality and overall satisfaction with the application.