SISTEMA DIFUSO PARA EL CÁLCULO DE LA LEALTAD DE LOS CLIENTES A LOS DESTINOS TURÍSTICOS.

Transcripción

1 SISTEMA DIFUSO PARA EL CÁLCULO DE LA LEALTAD DE LOS CLIENTES A LOS DESTINOS TURÍSTICOS. MSc. Takeichi Kanzaki Cabrera 1, Dra. Marcia Noda Hernández 2, MSc. Reyner Pérez Campdesuñer 2, MSc. Luis Cuevas Rodríguez 1 1 Departamento de Informática, Universidad de Holguín, Cuba 2 Departamento de Ingeniería Industrial, Universidad de Holguín, Cuba tkanzakic@facinf.uho.edu.cu, mnoda@ict.uho.edu.cu, reyner@facii.uho.edu.cu, lcuevas@facinf.uho.edu.cu La industria del turismo en Cuba se ha convertido en muy pocos años en una de las principales aportadoras al Producto Interno Bruto. En estas empresas el cliente tiene una importancia vital por lo que conocer en que nivel evalúa la calidad y cual es su grado de lealtad hacia un destino en particular se convierte en un elemento de gran importancia. Esta investigación propone un sistema difuso implementado con Java para obtener el grado de lealtad de cada cliente. El sistema toma como datos de entrada las respuestas dadas por los clientes a una encuesta evaluadora. Esta encuesta incluyen preguntas cuyas respuestas se mueven desde respuestas precisas hasta respuestas definidas sobre dominios difusos. El sistema define un conjunto de atributos difusos que se almacenan en una Base de Datos Difusa, pgfordb, y con los cuales se definen reglas que inferirán un valor de lealtad para cada cliente. La interacción del programa Java con el modelo pgfordb se realiza mediante una biblioteca. Tanto el modelo pgfordb como biblioteca han sido implementados en el Departamento de Informática de la Universidad de Holguín. Introducción. En estos tiempo, los sistemas económicos se sustentan en las empresas encargadas de realizar los principales aportes al Producto Interno Bruto de un país. A finales del siglo XX y principios del XXI una de las principales empresas Cubanas, llamada a convertirse en la locomotora de la economía cubana, es la del turismo. Esta empresa en sólo trece años ( ) tuvo un crecimiento promedio anual del 17%, provocando que en los últimos catorce años el turismo se haya quintuplicado. Hasta el 2003 se estima que el valor de los recursos que han estado originados por la actividad turística representan el 8.2% de la producción de bienes y servicios de la economía cubana. En el 2005 el turismo cubano creció en un 12.3%, permitiendo pronosticar para el 2006 un arribo de 2.5 millones de turistas y un crecimiento de los ingresos de 8.1%; mientras que para el 2010 se estima alcanzar los 3.4 millones de turistas 1 En las entidades turísticas el objetivo principal es lograr clientes satisfechos y fieles, es por ello que resulta fundamental centrarse en la gestión de la calidad en aras de cumplir o superar las expectativas de los clientes. Muchas entidades del turismo desconocen 1 Comentario de Osvaldo Martínez Martínez, Presidente de la Comisión de Asuntos Económicos de la Asamblea Nacional. Mesa Redonda 10/enero/2006, sobre el tema crecimiento del PIB en Cuba del año 2005.

2 realmente en qué medida logran que sus clientes estén satisfechos con sus servicios y a la vez le sean fieles. Con el objetivo de medir el grado de satisfacción y fidelidad de los clientes con respecto a un destino turístico existen diferentes investigaciones, en la Universidad de Holguín se destacan los trabajos realizados por el investigador Pérez Campdesuñer [66] quien propone un modelo para obtener de manera efectiva una evaluación de la calidad de los servicios. Este método contempla la aplicación de encuestas a los clientes, 2726 turistas, utilizando un muestreo aleatorio estratificado. La encuesta esta formada por varias preguntas muchas de las cuales tiene una respuesta precisa, como es Número de veces que ha visitado el destino pero en otros casos las respuestas se mueven en un dominio de valores cuyas fronteras no están claramente definidas como es Evalúe su nivel de satisfacción con los siguientes servicios, otorgándole calificaciones según corresponda en este caso las posibles respuestas son Excelente, Muy Bien, Bien, Regular y Mal. Este último tipo de información es totalmente imprecisa pues no queda delimitado con claridad la diferencia entre un servicio Excelente y Muy Bien. Como objetivo final del método se pretende obtener un valor numérico de la lealtad de un cliente por medio de la evaluación de la percepción que este tiene de la calidad en los servicios. Pérez Campdesuñer [66] propone utilizar funciones de agregación sin embargo la aplicación de Sistemas Difusos para este tipo de problemas puede ser considerado. Esta investigación tiene como objetivo almacenar de forma conveniente las información tanto difusa como precisa que se obtuvo de las encuestas y desarrollar una Sistema Difuso que permita obtener por medio de reglas difusas un valor que indique un nivel de lealtad para cada cliente. Herramientas utilizadas. Partiendo de que se desea almacenar un volumen de información importante con dos naturalezas distintas, por un lado información perfectamente definida y con valores conocidos y por otro información con determinado grado de imperfección se decidió utilizar una base de datos que permitiera el almacenamiento y manipulación de información precisa e imprecisa. Uno de los modelos disponibles y mas completo al que tenemos acceso es pgfordb, propuesto en el Dpto. de Informática de la Universidad de Holguín. Este es un modelo de bases de datos objeto relacional capaz de permitir el trabajo con información precisa. El sistema propuesto se desarrolló utilizando Java como lenguaje de programación por lo que fue aprovechada la biblioteca pgjavafdbm, también implementada en la Universidad de Holguín, para acceder a pgfordb. Una breve descripción de ambas herramientas se muestra a continuación.

3 pgfordb (PostgreSQL Fuzzy Object Relational Data Base) Para la representación y manipulación de información imperfecta en sistemas de bases de datos existentes numerosas propuestas en la literatura especializada, entre esas propuestas se encuentra la realizada en el Departamento de Informática de la Universidad de Holguín. Esta propuesta, conocida como pgfordb [6], define, dentro de una base de datos en PostgreSQL 8.0, un esquema capaz de incorporar, mediante una jerarquía de tablas y funciones, potencialidades para la representación de información imprecisa. El modelo pgfordb se basa en la representación de vaguedad a nivel de atributos en una base de datos objeto relacional, permitiéndole al usuario modelar problemas (definición de atributos sobre dominios difusos y entrada de datos difusos en la base de datos). En el modelo es posible tener una base de datos con información difusa definida sobre varios tipos de dominios difusos. Así tenemos tres tipos de dominios para representar información imperfecta: los dominios atómicos con representación semántica subyacente, los que no tienen representación semántica subyacente y dominios cuyos valores tienen un significado conjuntivo. El nivel estructural de pgfordb esta formado por una plantilla dentro del servidor que contiene un esquema con una jerarquía de clases difusas para soportar los objetos difusos. El usuario es capaz de definir sus propios dominios difusos e incorporarlos a los diferentes objetos de forma flexible. Las características de herencia entre tablas, la definición de nuevos dominios y el polimorfismo son los principales elementos sobre los que se soporta la propuesta. El modelo implementa la comparación entre objetos difusos respondiendo a un complejo proceso donde se involucran objetos simples y objetos complejos. Este modelo se basa en una arquitectura cliente/servidor donde el usuario por medio de una conexión a la base de datos logra interactuar con el modelo, que basa su funcionamiento en procedimientos almacenados. Esta es una alternativa en el mundo del software libre para el desarrollo de aplicaciones que requieran el trabajo con información imperfecta como fuente para sistemas expertos y de toma de decisiones. pgjavafdbm (pgjava Connectivity and Persistence for Fuzzy Database Models) La biblioteca de clases pgjavafdbm fue desarrollada utilizando el lenguaje de programación Java (JDK 1.5) brinda al usuario todas las funcionalidades necesarias para garantizar la interacción desde programas Javas con PostgreSQL de forma tal que se puede incluir el trabajo con el Modelo pgfordb, figura 1.

4 Figura 1: Contexto de la biblioteca pgjavafdbm. Como se aprecia en la figura la biblioteca incorpora funcionalidades para interactuar con dos modelos de Bases de Datos Difusas, FOODB y pgfordb. En el caso de su interacción con FORDB, una implementación de Bases de Datos Difusas sobre un modelo Orientado a Objeto, la biblioteca se encarga de darle la persistencia de que carecía dicho modelo. Para pgfordb la biblioteca define un paquete con una jerarquía de clases capaz de interactuar con todo el modelo permitiéndole al programador desarrollar su aplicación. Figura 2: Clases para interactura con pgfordb. Para lograr la total interación total con el modelo pgfordb se definieron siete clases (PgServer, PgDataBase, PgTable, PgFile, PgDataType, PgUser, PgFunction) dentro del paquete. Cada clase tiene la función de representar objetos de PostgreSQL. Utilizando

5 los métodos de las clases y los objetos que las conforman se garantiza que el usuario pueda interactuar con PostgreSQL desde cualquier código Java, pudiendo acceder tanto a los objetos precisos creados en la base de datos como al modelo pgfordb disponible en la propia base de datos. Descripción de la solución. Partiendo del analisis minucioso de la problemática en estudio y del mecanismo de recopilación de la información relacionada con la solución, en este caso una encuesta, y teniendo en cuenta la variable que se desea calcular, se definieron los dominios para cada uno de los atributos (variables) presentes en el problema. Para la realización de este paso se reunió un grupo de especialistas formado por tres Ingenieros Industrial, un Ingeniero Mecánico y un Ingeniero Informático. Se determinó que como variable objetivo de la investigación se tiene la lealtad y se determinaron como variables relevantes para el cálculo las siguientes: satisfacción, disposición a retornar al destino turístico, disposición a recomendar el destino, disposición a desacreditar, tiempo de retorno al destino, tiempo entre el estímulo y el viaje. Estas variables se modelaron como se especifica a continuación: Variable Objetivo: La lealtad se representa por un tipo de datos difusos con representación semántica asociada definida por funciones trapezoidales, cuyo valor oscila entre 11 y 6, y está definida por los siguientes subconjuntos: Pésima(-11, -11, 1, 2) Aceptable(1, 2, 4, 5) Óptima(4, 5, 6, 6) Variables independientes: Por su parte, la satisfacción está dada por un tipo de datos difusos con representación semántica asociada definida por funciones trapezoidales, cuyo valor oscila entre 0 y 10, y está definida por los siguientes subconjuntos: Mala(0, 0, 4, 5) Regular(4, 5, 6, 7) Buena(6, 7, 9, 9.5) Excelente(9, 9.5, 10, 10)

6 La disposición a retornar es un tipo difuso sin representación semántica asociada con la siguiente matriz de semejanza: Si Quizás No Si Quizás No Por otra parte la disposición a recomendar está dada por un tipo de datos difusos con representación semántica asociada definida por funciones trapezoidales, cuyo valor oscila entre 0 y 5, y está definida por los siguientes subconjuntos: Baja(0, 0, 1, 2) Media(1, 2, 3, 4) Aceptable(3, 4, 4, 5) Alta(5, 5, 5, 5) La disposición a desacreditar se modeló por un tipo de datos difusos con representación semántica asociada definida por funciones trapezoidales, cuyo valor oscila entre 0 y 5, y está definida por los siguientes subconjuntos: Óptima(0, 0, 0, 0) Mala(1, 1, 3, 4) Pésima(3, 5, 5, 5) El tiempo de retorno y el tiempo entre estímulo y viaje se modelaron de manera similar por un tipo de datos difusos con representación semántica asociada definida por funciones trapezoidales, cuyo valor oscila entre 0 y 5, y está definida por los siguientes subconjuntos: Óptimo(0, 0, 1, 2) Bueno(1, 2, 3, 4) Aceptable(3, 4, 5, 5)

7 Definidas los dominios que caracterizan cada una de las variables, incluyendo la variable objetivo de definieron las reglas para el sistema difuso propuesto. Las reglas que se definieron son las siguientes: 1. IF (satisfacción is Excelente OR satisfacción is Buena) AND (disposición a retornar is Si) AND (disposición a recomendar is Alta) AND (tiempo de retorno is Óptimo) AND (tiempo entre estímulo y viaje is Óptimo) THEN lealtad is Óptima 2. IF (disposición a desacreditar is Pésima) THEN lealtad is Pésima 3. IF (NOT (lealtad is Óptima)) AND (NOT(lealtad is Pésima)) THEN lealtad is Aceptable La arquitectura del sistema propuesto para medir la lealtad de los turistas a un destino turístico se muestra en la figura 3. Figura 3 : Arquitectura del sistema propuesto. Interfaz del sistema. El sistema desarrollado cuenta básicamente con una interfaz para la configuración de la conexión al servidor de bases de datos donde se encuentran almacenados los datos de la encuesta, una interfaz que permite definir filtros sobre los datos de la encuesta y una ventana para mostrar la lealtad de los clientes del destino que cumplen con el filtro aplicado. El sistema almacena los datos con los cuales se realizó la última conexión satisfactoria y brinda la posibilidad de cambiar estos cuando se está ejecutando (Figura 4). Figura 4. Interfaz para la configuración de la conexión con el servidor de bases de datos.

8 Con la creación del sistema difuso para el cálculo de la lealtad de los clientes con el destino se logra reducir enormemente los tiempos de acceso a la información, pasando de varios días de procesamiento manual de los datos a sólo unos segundos; pero no esta la única ventaja del sistema, el mismo brinda la posibilidad de aplicar filtros sobre los datos que se están procesando, con lo cual el directivo puede analizar el comportamiento por diferentes criterios, a continuación se muestra un ejemplo. Como se muestra en la Figura 5, se está aplicando un filtro sobre los atributos Edad y Motivo del Viaje, con en el cual se van a procesar sólo los datos de las personas cuya edad (que es un atributo difuso atómico con representación semántica asociada) cumpla con las características de ser joven en 0.8 o más, lo cual sería el complemento de aplicar un α-corte sobre el subconjunto difuso Joven y que hayan venido a Disfrutar del sol y la Playa y a Disfrutar de la naturaleza. Figura 5. Interfaz para la aplicación de filtros a la información que se procesa. Para la aplicación del filtro se realiza una petición a pgfordb a través de pgjavafdbm de las personas que cumplan el mismo, los datos que se obtienen como respuesta se procesan con el sistema difuso y se obtiene la lealtad, de la cual se muestra un fragmento en la Figura 6. Figura 6. Muestra parcial de los datos que se obtienen. En el resultado obtenido después de aplicar el filtro se aprecia medida en que son leales cada uno de los entrevistados. En el caso del entrevistado 1 se infirió que presenta una lealtad aceptable. Por otro lado el entrevistado número 3 su lealtad es 0.6

9 aceptable y 0.4 óptima. Estos resultados se convierten en un elemento para la toma de decisiones en el mundo empresarial turístico. Conclusiones. En esta investigación se propone un sistema difuso para el cálculo de la lealtad de los clientes hacia un destino, logrando reducir los tiempos de acceso a la información, pasando de varios días de procesamiento manual de los datos a sólo unos segundos. Además el sistema brinda la posibilidad de aplicar filtros sobre los datos que se están procesando, con lo cual el directivo puede analizar el comportamiento por diferentes criterios. Referencias bibliográficas. [1]. GNU Project. [2]. Noda Hernández, M. E. (2004). Modelo y Procedimiento para la Medición y Mejora de la Satisfacción del Cliente en Entidades Turísticas. Tesis presentada en opción al grado científico de Doctor en Ciencias Técnicas. Universidad Central Marta Abreu de Las Villas. [3]. Pedrycs, W. (1995). Fuzzy Control and Fuzzy Systems. RSP Press, New York. [4]. Pérez Campdesuñer, R. (2006). Modelo y Procedimiento para la Mejora de la Gestión de la Calidad en el Destino Turístico Holguinero. Tesis presentada en opción al grado científico de Doctor en Ciencias Técnicas. Universidad de Holguín. [5]. Zadeh L. A. (1965) Fuzzy sets. Information and Control. Vol. 8. p [6]. Cuevas L, Fernando Berzal, Juan Carlos Cubero, Nicolas Marin, María-Amparo Vila (2006) "Dealing with fuzzy objects in PostgreSQL" by In Proceedings of the 11th International Conference on Information Processing and Management of Uncertainty in Knowledge-based Systems, IPMU 2006, July ISBN: X [7]. Kanzaki T., Cuevas L. (2006) pgjavafdbm: Biblioteca para el desarrollo de aplicaciones en Java que gestionen información difusa por medio de pgfordb UCIencia Univerisdad de las Ciencias Informáticas. La Habana. Cuba