Sentiment-Analyse von BCA Mobile App-Bewertungen mittels K-Nearest Neighbour und Support Vector Machine Algorithmus

Die rasante Entwicklung digitaler Technologien hat die Landschaft der Finanzdienstleistungen, insbesondere im Bereich Mobile Banking, erheblich verändert. BCA Mobile gehört zu den beliebtesten Apps für digitales Banking in Indonesien. Trotz der weitverbreiteten Nutzung spiegeln Nutzerbewertungen unterschiedliche Perspektiven und Gefühle gegenüber der App wider. Ziel dieser Studie ist es, die Nutzerstimmungen bezüglich der BCA Mobile App anhand von Bewertungen aus dem Google Play Store und App Store zu untersuchen. Zwei Klassifikationsmodelle, namentlich Support Vector Machine (SVM) und K-Nearest Neighbour (K-NN), werden im Analyseprozess eingesetzt. Die gesammelten Bewertungsdaten durchlaufen mehrere Vorverarbeitungsphasen und werden automatisch mittels einer Lexikon-basierten Technik etikettiert. Für die Gewichtung der Merkmale wird der TF-IDF (Term Frequency-Inverse Document Frequency) Ansatz verwendet. Die Sentiment-Klassifikation erfolgt anschließend sowohl mit K-NN als auch SVM, wobei die Leistung anhand einer Konfusionsmatrix und Metriken wie F1-Score, Recall, Genauigkeit und Präzision bewertet wird. Die Ergebnisse zeigen, dass der SVM-Algorithmus K-NN in der Leistung übertrifft, mit einer Genauigkeit von 94 %, während K-NN eine Genauigkeit von 82 % erreicht. Diese Studie bietet wertvolle Einblicke für das Management von BCA, um das Nutzerempfinden besser zu verstehen und die Servicequalität durch den Einsatz künstlicher Intelligenz zu verbessern.