Evaluating the Adapted Capability Framework

La investigación es de tipo dual, es decir, cualitativa y cuantitativa. Bratko & Suc (2003) afirmaron que el análisis de información cualitativa puede ser tedioso si se realiza manualmente. Hay varias técnicas disponibles para realizar investigación cualitativa, como análisis temáticos, teoría fundamentada y análisis de contenido, entre otras técnicas. Por otro lado, la información recopilada de estas técnicas puede ser enorme en cantidad, pero poco se ha hecho para aplicar la estrategia de Minería de Datos para analizar datos cualitativos.

Los comentarios de recursos online hasta hace algunos años era analizada mediante el análisis de contenido, pero ahora es posible sacar más provecho de ella empleando la Minería de Datos (Alias & Nordin, 2017). En este caso, los comentarios pueden brindar información cualitativa empleando algoritmos especializados. Dicho de otra forma, la Minería de Datos puede reemplazar al análisis de contenido (Bratko & Suc, 2003).

Por otro lado, la investigación es del tipo cuantitativa, ya que se pretende estructurar los datos en formato de texto libres (datos no estructurados). Este procedimiento permitirá obtener patrones numéricos que permitan responder las hipótesis planteadas en forma previa por los investigadores (Hofmann & Chisholm, 2015). Si bien es cierto que los datos son textuales, una vez convertidos a patrones numéricos podrán recibir el tratamiento estadístico correspondiente (Berendt, 2016).

3.1.2. Diseño de investigación

La etapa cualitativa de la investigación presenta un diseño fenomenológico, pues se basa en la experiencia propia de los usuarios y en cómo estos manifestaron sus opiniones (Hernández, Fernández, & Baptista, 2014), opiniones que fueron registradas gracias a una red social. Por otro, la investigación cualitativa tiene un diseño orientado a encontrar patrones cualitativos o relaciones cualitativas basado en datos numéricos (Hofmann & Chisholm, 2015).

32

En la parte del componente cuantitativo, la investigación es descriptiva, ya que busca describir las características de ciertas variables (Hernández, et.al, 2014). En este caso, las variables están formadas por los componentes (o dimensiones) del servicio de transporte aéreo.

La investigación es transversal debido a que los datos se recogieron en un momento determinado, pero además posee ese diseño porque no se realiza el análisis de variables a través del tiempo (Hernández, et.al, 2014). Por último es no experimental: los investigadores no ejercen control sobre las variables de estudio (Hernández, et.al, 2014). Es decir, solamente se limita a observar, a las mismas, lo que ocurre con los textos luego ser transformados a patrones numéricos. Dicha conversión procura mantener la integridad del contenido original. Finalmente, la investigación también es correlacional: busca determinar si existe relación entre un conjunto de variables independientes y una dependiente (Hernández, et.al, 2014). En este caso la variable dependiente está vinculada a la satisfacción general y las independientes a los componentes del servicio. Para determinar la relación es posible utilizar técnicas estadísticas o algoritmos computacionales.

3.2. Categorías

Las categorías de estudio surgen a partir de la necesidad de explorar los aspectos teóricos vinculados al Data Mining desde una perspectiva empresarial

Tabla 3: Categorías de Estudio

Categoría Descripción

Data Mining y aplicaciones empresariales

Consiste en un acercamiento del Data Mining desde una perspectiva académico-empresarial

Data Mining y sus retos

Consiste en los desafíos que el Data Mining debe enfrentar en un contexto empresarial

Ventajas y Desventajas del Data Mining frente a otros métodos

Hace referencia a los aspectos positivos y negativos del Data Mining en un entorno digital como alternativa a otros métodos aplicados en el Marketing (Focus, Entrevistas, etc).

Elaboración: Propia 3.3. Variables

Las variables de estudio son los componentes del servicio de transporte aéreo ya mencionadas en los antecedentes. También ha sido considerada la satisfacción

33

general. De alguna manera los componentes del servicio combinados deben guardar relación con la satisfacción general.

Tabla 4: Variables de estudio

Variables Descripción

Satisfacción General

Es una variable ordinal que resume la experiencia del cliente en una escala de uno a cinco (1 = pésimo; 2 = malo; 3 = bueno; 4 = regular; 5 = excelente). Es una variable ordinal. Es obtenida mediante observación directa.

Satisfacción con el

Entretenimiento

Esta variable hace referencia a la disponibilidad de elementos, principalmente electrónicos, que están a disposición de los viajeros durante el viaje tales como audífonos, pantallas LED, entre otros (Dale, 2017). Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con el Staff

Este componente del servicio incluye al nivel de calidad en la atención del personal de aerolínea en la interacción con sus clientes (Dale, 2017) .Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con el Valor

Es la relación entre el beneficio que percibe el cliente en relación al costo del servicio que ha sido pagado. Este último tiene un valor principalmente monetario, mientras que al beneficio se le asigna una escala de utilidad (Musabah, et.al. 2017) Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con el Confort

Representa a la comodidad del pasajero durante su viaje. Está principalmente asociado a la calidad del asiento o el espacio conocido como Legroom (Dutta, et.al.2017). Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con la

Experiencia en el vuelo

Hace referencia a cómo sintió el viajero su viaje. Por ejemplo, si fue tranquilo y no tuvo ningún sobresalto. También puede involucrar a aspectos tales como la idoneidad de la infraestructura del avión (Dutta, et.al.2017). Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con la Puntualidad

Esta variable guarda relación con la coordinación cronológica entre lo que se espera que dure un vuelo y lo que realmente termina durando (Dutta, et.al.2017).Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

Satisfacción con el Servicio en Tierra

Incluye a los servicios de check in y boarding, servicios que no son desplazamiento aéreo propiamente dicho (Musabah, et.al. 2017). Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro) y satisfecho (positivo). Es calculada con el software Aylien.

34

Satisfacción con la Comida

Incluye a la calidad de alimentos y bebidas que son brindados por la aerolínea (Dale, 2017). Puede ser tratada como una variable ordinal: insatisfecho (negativo); ni satisfecho ni insatisfecho (neutro); satisfecho (positivo). Es calculada con el software Aylien.

Elaboración: Propia

3.4. Población

La población para el proceso de Minería de Datos estará formada por todos los comentarios acerca de LATAM durante el 2017 realizados por usuarios que se identifican como peruanos que realizaron viajes de ruta nacional en clase económica. El total asciende a 405 valoraciones.

3.5. Muestra

En la primera etapa cualitativa, que requiere la aplicación de un Focus Group, el muestreo fue intencional de tal manera que abarcara un grupo de personas que pertenecieran al segmento que es objeto de estudios, pero que además fueran personas que se desplazan por negocios o turismo. Ambos grupos no necesariamente han participado en los comentarios de TripAdvisor, pero es tomado en consideración a fin de servir de contraste para los resultados del proceso de Minería de Datos. Sus opiniones son relevantes dado que TripAdvisor, en el caso de aerolíneas, no permite filtrar a usuarios por el grupo de viaje. Esta característica sí está disponible para restaurantes, hoteles y atractivos turísticos. Fueron realizados un total de cuatro Focus Group. Dos de ellos formado por viajeros que viajan por negocios y el resto a turistas, todos peruanos. Adicionalmente fue considerado un grupo focal de usuarios de TripAdvisor que habían realizados valoraciones acerca de LATAM en TripAdvisor. Por último, fueron incluidos un grupo de especialistas con experiencia en analítica de datos online, más precisamente con datos online. En este caso el muestreo fue intencional. Fueron contactados tres profesionales que tenía experiencia en Data Mining:

35 Tabla 5: Matriz de Participantes – Entrevistas Elaboración: Propia

3.6. Instrumentos