移動(dòng)通信客戶投訴的智能診斷方法研究

岳丹陽

【摘要】隨著移動(dòng)通信運(yùn)營(yíng)商提供的業(yè)務(wù)和應(yīng)用服務(wù)的增加，移動(dòng)通信客戶的投訴數(shù)量也呈現(xiàn)爆炸式增長(zhǎng)。如何快速有效地處理投訴，對(duì)于提高客戶滿意度和忠誠(chéng)度至關(guān)重要。本文提出一種基于貝葉斯網(wǎng)絡(luò)的客戶投訴智能診斷方法，從大量歷史投訴處理數(shù)據(jù)中識(shí)別出造成客戶投訴的主要因素，建立智能診斷的貝葉斯網(wǎng)絡(luò)模型。對(duì)某移動(dòng)通信公司的410條投訴數(shù)據(jù)進(jìn)行診斷，并和實(shí)際工程師的診斷結(jié)果進(jìn)行分析比較，驗(yàn)證了該方法的有效性與合理性。

【關(guān)鍵詞】移動(dòng)通信 客戶投訴 投訴處理 智能診斷

一、引言

隨著網(wǎng)絡(luò)通訊的普及和移動(dòng)通信技術(shù)的快速發(fā)展，企業(yè)在為客戶提供各種業(yè)務(wù)和應(yīng)用服務(wù)的同時(shí)將面臨著越來越多來自不同方面不同渠道的客戶投訴信息?？蛻舨粌H通過電話，而且能夠通過網(wǎng)絡(luò)、微博、微信等方式進(jìn)行投訴，投訴數(shù)據(jù)每日呈現(xiàn)爆炸式增長(zhǎng)，如何能及時(shí)有效地處理這些投訴，使客戶滿意，這對(duì)企業(yè)來說是個(gè)新的挑戰(zhàn)。

在如今的大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘技術(shù)有了很大的進(jìn)步，若是能夠利用這些技術(shù)，分析處理大量的歷史投訴數(shù)據(jù)，診斷出導(dǎo)致顧客投訴的主要原因，從而快速地處理投訴，將有助于運(yùn)營(yíng)商提高客戶響應(yīng)時(shí)間，獲得更高的顧客滿意度。文獻(xiàn)[1]研究了移動(dòng)互聯(lián)網(wǎng)背景下的多媒體智能客服系統(tǒng)，文獻(xiàn)[2]介紹了一種基于智能客服機(jī)器人的即時(shí)通信客服系統(tǒng)；文獻(xiàn)[3-4]提出將人工客服與智能客服相融合的方式，來提高移動(dòng)電子商務(wù)消費(fèi)者對(duì)商家客服的滿意度，降低商家人工客服的工作量和消費(fèi)者在線咨詢的平均等待時(shí)間。本文將基于數(shù)據(jù)挖掘技術(shù)中的貝葉斯網(wǎng)絡(luò)方法，首先對(duì)大量的歷史投訴數(shù)據(jù)進(jìn)行預(yù)處理，識(shí)別出影響顧客投訴的主要原因；然后基于歷史數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，建立顧客投訴的智能診斷模型。該模型能夠自動(dòng)判斷出導(dǎo)致客戶投訴的原因，從而給客服部門和技術(shù)支持部門提供關(guān)于投訴處理的決策支持和意見參考。

二、移動(dòng)通信客戶投訴處理的現(xiàn)狀

國(guó)外研究數(shù)據(jù)表明，會(huì)抱怨的客戶實(shí)際上比普通客戶更容易成為忠誠(chéng)客戶，企業(yè)發(fā)展一個(gè)新客戶所花費(fèi)的成本是留住一個(gè)老客戶所需成本的兩倍，而且長(zhǎng)期客戶對(duì)企業(yè)更忠誠(chéng)。只要企業(yè)能夠正確、合適地聽取并處理好這些客戶的訴求，這些投訴客戶通常會(huì)成為企業(yè)口碑的宣傳者和品牌的免費(fèi)推廣者，不僅可以消除客戶的不滿，還能為企業(yè)帶來新的客戶，將客戶投訴轉(zhuǎn)化為企業(yè)的利潤(rùn)和收益。

目前各大通信運(yùn)營(yíng)商對(duì)投訴問題的處理大多采用“一點(diǎn)受理、多點(diǎn)回復(fù)”的模式，如圖1所示。客戶服務(wù)中心的客服人員收到客戶投訴后，如果能夠簡(jiǎn)單判斷出原因的，則直接給客戶提供解決方案；如果原因復(fù)雜并涉及到移動(dòng)通訊技術(shù)方面的，則將其投訴工單發(fā)送給相關(guān)技術(shù)支撐部門，由技術(shù)工程師給予相關(guān)的處理，并將解答通過工單方式反饋給客服中心，由客服人員回復(fù)給顧客。由于投訴問題的處理涉及多個(gè)部門，部門之間的溝通及信息傳遞不及時(shí)會(huì)大大地延長(zhǎng)了投訴處理和解決的時(shí)間，不僅降低了投訴處理的效率，而且影響了客戶對(duì)于投訴處理的滿意度。更為重要的是，技術(shù)部門的人反映，客服部門傳遞來的工單30%以上并不是移動(dòng)通信質(zhì)量問題造成的投訴，而在于客戶自身使用不當(dāng)造成，例如手機(jī)終端配置不對(duì)或者使用感知不同等。如果客服人員能夠具備更全面的知識(shí)體系，可以及時(shí)診斷出因客戶自身原因造成的投訴，就會(huì)大大減少技術(shù)部門的工作量，從而提高投訴處理效率。

三、客戶投訴的智能診斷

本文基于貝葉斯網(wǎng)絡(luò)，建立一個(gè)面向移動(dòng)通信客戶投訴的智能診斷模型，幫助客服人員實(shí)現(xiàn)對(duì)移動(dòng)通信客戶投訴問題的診斷和分類，也為客服部門和技術(shù)支撐部門提供決策支持?？蛻敉对V智能診斷的流程如圖2所示。

其中的智能診斷過程主要包含數(shù)據(jù)預(yù)處理和貝葉斯網(wǎng)絡(luò)構(gòu)建兩部分內(nèi)容。當(dāng)客服人員將投訴內(nèi)容記錄為工單信息輸入該模型后，模型會(huì)結(jié)合歷史數(shù)據(jù)及相關(guān)的專家知識(shí)，構(gòu)建貝葉斯網(wǎng)絡(luò)，進(jìn)行機(jī)器學(xué)習(xí)，從而實(shí)現(xiàn)分類診斷。最終判斷出客戶投訴的故障原因是通信質(zhì)量原因還是客戶自身的原因。如果是前者，則將該工單傳遞給相關(guān)的專業(yè)部門解決；如果是后者，則客服人員可以與客戶溝通，自行解決。

3.1數(shù)據(jù)預(yù)處理

投訴工單上的信息主要包含故障發(fā)生的時(shí)間、地點(diǎn)和客戶的描述三大部分，客戶投訴描述又可以細(xì)分為無線信號(hào)格的多少，能否上網(wǎng)，通話質(zhì)量問題等方面。

當(dāng)投訴工單傳遞給后臺(tái)的技術(shù)支撐部門后，技術(shù)工程師會(huì)根據(jù)故障發(fā)生的時(shí)間、地點(diǎn)和手機(jī)號(hào)碼來判斷故障發(fā)生區(qū)域是否是信息干擾區(qū)域（D）、是否人群密集區(qū)域（F）、該區(qū)域的基站設(shè)備狀態(tài)（BS）是否良好、是否擬建設(shè)區(qū)域（B）、該手機(jī)終端配置（MP）等方面的信息。

當(dāng)這些信息從不同的數(shù)據(jù)庫中提取出來以后，工程師再根據(jù)自己的專業(yè)知識(shí)來判斷造成該投訴的原因（R）是：（1）移動(dòng)通信質(zhì)量問題；（2）客戶自身原因；然后再根據(jù)原因的不同給出不同的處理方案。通過對(duì)這些信息進(jìn)行預(yù)處理，采用1和0分別表示“是”和“否”，處理后的樣本數(shù)據(jù)如表1所示。

由于影響顧客投訴的各因素之間的因果關(guān)系未知，本文先采用傳統(tǒng)K2算法對(duì)樣本數(shù)據(jù)進(jìn)行結(jié)構(gòu)學(xué)習(xí)，獲得初始的貝葉斯網(wǎng)絡(luò)，然后再融合專家知識(shí)對(duì)該網(wǎng)絡(luò)進(jìn)行修改。在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)確定后，采取最大似然估計(jì)法進(jìn)行參數(shù)學(xué)習(xí)，完成客戶投訴原因的診斷。整個(gè)系統(tǒng)借助數(shù)據(jù)挖掘軟件SPSS modeler中的貝葉斯網(wǎng)絡(luò)建模技術(shù)實(shí)現(xiàn)。

本文選取某通信公司2015年8月至9月的500條投訴數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理后，刪除部分無效投訴后得到410條數(shù)據(jù)，輸入該軟件中，得到客戶投訴智能診斷的貝葉斯網(wǎng)絡(luò)模型。采用該模型對(duì)410條歷史投訴工單進(jìn)行智能診斷，結(jié)果發(fā)現(xiàn)判斷正確的有345條，錯(cuò)誤的有65條，模型對(duì)故障原因歸類的準(zhǔn)確率為84.15%。

3.3結(jié)果分析

為了評(píng)價(jià)該智能診斷模型的有效性，我們將模型輸出結(jié)果與實(shí)際工程師診斷結(jié)果進(jìn)行比較，通過建立一個(gè)診斷評(píng)價(jià)矩陣，如表2所示，來驗(yàn)證模型的靈敏度和特異性。靈敏度表示模型正確判斷是通信質(zhì)量原因的準(zhǔn)確度；特異性表示模型正確判斷是客戶自身原因的準(zhǔn)確度。

TP（True positive）表示真實(shí)值為通信質(zhì)量原因1且診斷為1，共有186條數(shù)據(jù)；TN（Time negative）實(shí)際是客戶自身原因2且診斷為2，共計(jì)159條；FP（False positive）表示實(shí)際為通信質(zhì)量原因但被診斷為客戶自身原因，有39條數(shù)據(jù)；FN（False negative）表示實(shí)際為客戶自身原因但被診斷為通信質(zhì)量原因，有26條數(shù)據(jù)。由此，可得到該智能預(yù)測(cè)模型的靈敏度和特異度。

0.83，特異性==0.86

可見，模型在判斷是客戶自身原因的方面準(zhǔn)確率稍高。

四、結(jié)論

面對(duì)客戶投訴的不斷增加，移動(dòng)通信運(yùn)營(yíng)商如何加快投訴處理的效率，提高客服回復(fù)的準(zhǔn)確率，對(duì)于保留老客戶，提高客戶滿意度，具有至關(guān)重要的作用。目前對(duì)于涉及到無線信號(hào)、上網(wǎng)速度和通話質(zhì)量等方面的投訴問題，是由客服人員傳遞給技術(shù)工程師手動(dòng)處理，涉及到多個(gè)部門間的溝通，而且處理效率較低，時(shí)間較長(zhǎng)。

本文提出一種基于貝葉斯網(wǎng)絡(luò)的智能診斷方法來處理投訴問題。從客戶投訴的歷史大數(shù)據(jù)中挖掘影響客戶投訴的主要因素，建立智能診斷的貝葉斯網(wǎng)絡(luò)模型，對(duì)投訴問題進(jìn)行分類診斷。以某公司的投訴數(shù)據(jù)為例進(jìn)行驗(yàn)證，表明了該模型的診斷合理性和有效性。