95598工单客户诉求偏好分析应用

95598工单客户诉求偏好分析应用

马洁瑾马宇波李幼波徐丹凤

（国网宁波供电公司浙江省宁波市315012）

摘要：随着电力体制改革的稳步推进，坚持以客户至上为核心，深入加强客户服务体系建设是保持市场绝对竞争力的重要手段。利用文本挖掘技术对客户诉求偏好进行分析，向客服提供热词库及智能匹配辅助信息；预测易敏感和潜在投诉风险的客户，降低被投诉的风险，提高客户满意度；预测潜在短信退订客户，可为其定制精准营销服务，增加客户与电网企业的粘性。本项目有利于企业实现差异化的精准服务，为客户提供专业且高质量的服务，为客户服务提供智能策略辅助，为企业节省人力和物力资源成本。

关键词：精准化；需求挖掘；热词库；标签

ApplicationofAnalysisforClientDemandPreferencein955998Ticket

Abstract：Atthetimeofelectricpowerstructuralreform，tosetupcustomer-centeredservicesystemisapowerfulstrategywhichmakespowergridcorporationkeepsitscompetitiveadvantageandrealizescontinuesdevelopment.Basedontextminingtechnologytoanalysecustomerpreference，customerservicestaffisassistedwithhigh-frequencywordbankandauxiliaryinformation；topredictcustomerwhoispotentialcomplainantcouldimprovecustomers’satisfaction；additionally，topredictcustomerwhomayunsubscribetextisforincreasingrelationbetweencustomerandpowergridcorporationwithprecisionmarketingservice.Theprojectbenefitscustomerswithhigh-qualityservice，supportscustomerservicestaffwitheffectiveguidance，andcutsdownpowergridcorporation’sexpenditures.

Keywords：Precision、requirementmining、high-frequencywordbank、tag

一、背景

根据《中共中央国务院关于进一步深化电力体制改革的若干意见》（中发〔2015〕9号）文件的下发，标志着我国传统电网公司单一售电模式被打破，随着售电侧改革的不断推进，社会资本将被开放更多售电业务，客户将被赋予更多选择权，因此电网企业需坚持“以客户为中心”的核心价值观，深入推进客户服务体系建设，着重提升客户服务能力，实现客户精准化、电力服务差异化，在增量市场中保持绝对的竞争力[1]。当前电网企业面向客户的主要服务渠道为实体营业大厅、95598供电服务热线以及客户回访，其中每年由95598供电服务热线得到的客户反馈工单量巨大，包括咨询查询业务、故障报修业务、服务申请业务、批评投诉建议举报业务等，而由于多数工单停留在人工数据处理与分析阶段，且数据处理方法简单、方式单一，无法对海量数据进行关联分析，从而发生对客户的需求不明确导致客户的满意度下降，不仅增加电力公司的人力成本，并直接影响了客户对电网企业服务的评价，增加客户流失的可能性。

二、基于95598工单客户诉求偏好分析的应用

95598工单客户诉求偏好分析项目主要由三大核心应用业务组成，分别为：

1.构建热词库，策略辅助信息智能匹配及工单级别匹配

通过95598历史工单引入文本挖掘技术分析客户诉求，提取工单热词和敏感词，构建热词库，并配以工单处理辅助信息，利用关联分析、分类预测等技术分析客户诉求偏好，形成客户画像和标签，另外通过可视化报告分析报告结果帮助电网企业重新分配资源从而准确把握客户需求，实现有效沟通，快速处理问题[2]。根据热词预测高频问题和问题峰值出现的次数，智能匹配服务策略、规范问答、法规细则、典型案例等辅助信息，为客户服务提供可参考性的指导依据，同时为；同时实现自动识别工单处理级别，如工单紧急指数、工单重要度指数，做到节省沟通时间成本又明确工单任务，可合理又高效地调配人力、物力等各方面资源，一次性解决客户需求，提高一次答复率，提升工作效率。

2.客户潜在投诉风险识别

结合客户的同类别需求特征，挖掘风险客户敏感的事项及投诉的可能性，针对后续工单中未产生投诉行为的客户构建客户潜在投诉风险预测模型。通过客户诉求偏好标签群分筛选，识别风险客户，便于服务部门和业务部门在后续跟进、反馈及回访工作中提前做好应对策略及预警管控模式，对敏感事件预先报备，对风险事件及时响应，降低客户投诉、批评、举报等诉求的风险，减少投诉工单数，提高客户满意度，做到风险客户可控在控[3]。

3.潜在短信退订客户识别

以历史参与短信订阅的客户数据为样本，结合95598工单发生后短信退订的历史记录，分析引起客户退订短信的原因，建立潜在短信退订客户预测模型，预测客户退订短信的可能性并提供潜在退订明细。分析客户短信退订具体原因，帮助理解客户行为及其真正需求。对于在95598办理过户或销户的，或者修改手机号码信息因绑定错误手机号码或者更换手机号码的客户，预测为等级较高的潜在短信退订客户；对于标签为潜在投诉风险的敏感性客户，或其他潜在原因引起的，预测为其他等级的潜在短信退订客户。着重分析其他潜在退订短信原因，通过营销手段吸引潜在短信退订客户继续订阅短信，增强电网企业与客户之间的互动性和粘性，有利于电网企业开展催费、智能交费、预付费等业务，及帮助解决电费回收难也降低了因欠费而停电引起的投诉风险，同时有利于电网企业推广其他新业务与客户实时分享业务新动态。

三、总结成效

（1）效益方面：通过对95598供电服务热线转化为工单文本的挖掘和分析获取对电网企业有价值的信息。提取关键信息、揭示问题的根本原因、并按问题的严重性进行排序，从而及时解答问题、处理问题，通过优化资源缩短解决问题的时间、节省人力和物力资源，又提升客户体验感及增加客户满意度。

（2）管理方面：汇总结果以可视化报告的方式呈现，使用所有数据来全面考核客服的绩效，自动监视员工绩效各方面的表现：提升结果的准确性、透明性；经济可行、快速反馈；主动解决问题和增强客户满意度。保持保质量的专业客服，以及发现工作表现下降的情况，极大帮助企业提高客户满意度和增强客户忠诚度。

四、应用前景

（1）基于95598客服工单文本内容提取热词分类关键信息后，可加入客户情感分析，再将分析结果与结构化数据结合，更进一步确定趋势变化，以可视化内容报告呈现。

（2）基于客户潜在投诉风险模型，对停电事项易敏感的潜在投诉风险的客户提前以短信或电话的形式通知，避免使客户产生不满的心理而引起投诉；对于客户提出的营销业务、非当场答复的咨询查询、故障报修、客户要求回访的投诉举报与建议等服务进行回访时，根据客户潜在投诉风险模型的预测、客户需求分析及智能匹配客户回访规范，适时掌握客户的需求及意见，实现客户服务的闭环管理，提高客户对电网企业的满意度。

（3）实现支持全渠道客户需求接入，精准答复辅助信息支持营业厅、移动终端、网上国网等客户全触点服务，避免信息未共享、不对称，从而有效提升全渠道服务能力。

（4）将多方面渠道实体营业厅、95598网上营业大厅及移动终端APP的客户投诉内容的重复工单识别，对文本信息进行中文自然语言处理和数据挖掘，通过大数据对文本挖掘结果进行分析监控，构建重复投诉工单文本挖掘模型，高效准确的识别重复投诉工单及时发现重复投诉原因热点[4]。

五、关键难题

（1）工单信息完整性：由于投诉均来自于语音，所以工单的生成基于95598客服人员通过客户对需求描述的总结，而部分客户需使用方言说明诉求，为客服人员总结客户需求增加一道难度。而将客户需求以结构化的文本形式填写规范性问题，又将出现客户需求传递不完整、不准确的情况，影响基层处理人员对阶段性、事件性及突发性工单的判断，导致预警和快速反应能力不到位。

（2）渠道来源全面性：无法对没有记录在95598工单中的客户进行挖掘、预测及分析，但部分客户存在在多方面渠道实体营业厅、95598网上营业大厅及移动终端APP反馈问题而没有得到相关答复和及时处理而引发投诉的情况。导入不同渠道的工单，分析从不同渠道发声的客户，利于客户潜在投诉风险模型及潜在短信退订客户模型的优化，使模型更准确，可及时发现管理上渠道服务能力的薄弱，避免客户投诉的风险，提高客户对电网企业客服能力和业务能力的信任度。

六、结束语

本文基于客户诉求偏好的相关历史工单信息，利用文本挖掘技术分析客户需求，通过基尼系数实现因素筛选，然后运用数据挖掘算法预测客户诉求偏好，实现对诉求偏好标签的挖掘。通过可视化呈现及数据分析的报告为企业优化资源合理调配、全面监督客户服务绩效、强加客户忠诚度、加强行业竞争力做支撑，发现与改进电力企业薄弱点，提升电力企业的服务品质，对企业形象具有重要且深远的意义。

参考文献：

[1]廖树安.大数据环境下的电力客户服务数据分析系统[J].大科技，2017（28）.

[2]丁麒，庄志画，刘东丹.基于文本数据挖掘技术的95598业务工单主题分析应用[J].电力需求侧管理，2016，18（a01）：55-57.

[3]杨盛苑，蔡照鹏.基于数据挖掘技术的客户投诉管理[J].电脑知识与技术，2012（31）：7433-7435.

[4]李静，刘思涛.基于文本挖掘技术的95598重复投诉分析[J].消费导刊，2016（12）.