張愛華，于涵，陳超雨

(北京郵電大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100876)

一、引 言

隨著信息化進(jìn)程的不斷加深，信息傳播的超時空、高爆發(fā)和強(qiáng)裂變的特征進(jìn)一步降低了消費(fèi)者“越級投訴”和“媒介曝光”的成本，互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展也為消費(fèi)者帶來了新型輿論維權(quán)方式。消費(fèi)者的服務(wù)需求和維權(quán)意識不斷增強(qiáng)，一旦產(chǎn)生矛盾和糾紛，選擇向監(jiān)管部門直接投訴或運(yùn)用互聯(lián)網(wǎng)等廣大媒介進(jìn)行曝光等“零成本”“強(qiáng)聚焦”的維權(quán)行為來表達(dá)訴求、維護(hù)利益的客戶群體與日俱增。對于服務(wù)型企業(yè)來說，通過提高服務(wù)質(zhì)量來提高客戶滿意度，提高客戶忠誠度就顯得十分重要。提升服務(wù)質(zhì)量可以減少客戶投訴，而進(jìn)行良好的投訴管理也是提升服務(wù)質(zhì)量的一部分。因此，服務(wù)型企業(yè)要提高對客戶投訴的重視程度，加強(qiáng)客戶投訴預(yù)防和管理。

現(xiàn)有與客戶投訴和投訴升級相關(guān)的研究大多采用企業(yè)和運(yùn)營商數(shù)據(jù)，這部分?jǐn)?shù)據(jù)大多為結(jié)構(gòu)化數(shù)據(jù)，難以進(jìn)行量化處理，且大多為話務(wù)員所填，準(zhǔn)確性難以保證。在新浪微博(以下簡稱“微博”)上，人們可以以文字、圖片等多種形式發(fā)表言論，這種簡便的評論方式使其成為用戶進(jìn)行投訴的一個平臺。黑貓投訴是新浪旗下的一個消費(fèi)者服務(wù)平臺，可以快速處理消費(fèi)者的各種投訴內(nèi)容。該平臺包含大量的客戶投訴信息，能夠很好地為本研究提供客觀數(shù)據(jù)。

本研究基于大數(shù)據(jù)和文本分析等技術(shù)，擬識別潛在升級投訴用戶，獲取這部分客戶的投訴內(nèi)容主題，從而使運(yùn)營商對這部分客戶進(jìn)行安撫和挽回，并根據(jù)投訴主題改善相關(guān)服務(wù)，降低運(yùn)營商被升級投訴的風(fēng)險，改善運(yùn)營商的客戶投訴管理，由此提升運(yùn)營商的服務(wù)質(zhì)量，提高客戶對運(yùn)營商的服務(wù)的滿意程度和忠誠度，提升企業(yè)效益。

二、文獻(xiàn)回顧

互聯(lián)網(wǎng)在不斷地影響服務(wù)業(yè)的發(fā)展，越來越多的企業(yè)開始以客戶為中心，實(shí)踐互聯(lián)網(wǎng)思維，重視客戶的意見與建議。運(yùn)營商擁有龐大的客戶群，其客戶響應(yīng)中心每天產(chǎn)生以文本存儲的、信息量巨大的客戶投訴數(shù)據(jù)，這些都是客戶對運(yùn)營商最迫切的改進(jìn)需求和服務(wù)要求[1]；因此，對客戶投訴內(nèi)容進(jìn)行全面具體的分析對運(yùn)營商而言具有極強(qiáng)的現(xiàn)實(shí)意義。20世紀(jì)70年代，國外學(xué)者率先開展了對客戶投訴行為的描述和影響因素的研究，隨后，國內(nèi)外學(xué)者對客戶投訴的界定、分類、引起原因及處理方式等多個方面展開了激烈的討論[2]。本文對客戶投訴的相關(guān)研究范疇進(jìn)行了梳理，結(jié)果如表1所示。

表1 客戶投訴相關(guān)研究

此外，由于客戶投訴管理對運(yùn)營商的作用日益凸顯，學(xué)者們逐漸采用數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)算法、相關(guān)性分析等方法對客戶投訴數(shù)據(jù)進(jìn)行分析及預(yù)測。如唐盛濤[1]3基于數(shù)據(jù)挖掘提出了一個適合運(yùn)營商快速分析投訴的方法。此方法能夠迅速分析處理運(yùn)營商各渠道的用戶投訴文本數(shù)據(jù)，通過投訴數(shù)據(jù)的挖掘結(jié)果來識別用戶感知、提升客戶的滿意度，并降低用戶投訴量和投訴率。王琴等[14]通過 python 編程，在離散的文本信息中精準(zhǔn)定位客戶投訴的熱點(diǎn)，為企業(yè)降本增效提供幫助。祝好等[15]探究了如何通過人工神經(jīng)網(wǎng)絡(luò)算法對運(yùn)營商的客戶投訴進(jìn)行智能分類，有助于運(yùn)營商實(shí)現(xiàn)精準(zhǔn)管理，推進(jìn)服務(wù)體系智慧運(yùn)營。對于運(yùn)營商的業(yè)績和口碑而言，除普通投訴客戶外，升級投訴客戶往往是更重要的群體。升級投訴是指客戶在主觀上對企業(yè)的產(chǎn)品和服務(wù)強(qiáng)烈不滿，越過企業(yè)客服部門向上級部門、行業(yè)監(jiān)管部門或者消費(fèi)者協(xié)會進(jìn)行的投訴。

目前，國外有關(guān)升級投訴的研究尚少，Ruusuvuori等[16]對醫(yī)療服務(wù)中的投訴情況進(jìn)行研究后指出，患者對之前接受的治療的抱怨可能會升級為對其他醫(yī)療服務(wù)提供者的抱怨。Silva等[17]對公交乘客投訴的前因進(jìn)行研究后指出，運(yùn)營商良好的客戶關(guān)懷以及客戶對運(yùn)營商的信任會增加客戶投訴的感知價值。Lee等[18]指出，消費(fèi)者在社交媒體上的投訴會迅速將問題升級為公司的危機(jī)，并探究了公司參與度和消費(fèi)者的內(nèi)隱心態(tài)如何影響消費(fèi)者投訴。研究發(fā)現(xiàn),公司及時處理消費(fèi)者的投訴會帶來積極結(jié)果，即負(fù)面事件發(fā)展成危機(jī)的可能性會隨之降低。

國內(nèi)學(xué)者對于升級投訴的分析主要集中于潛在用戶識別、預(yù)測模型優(yōu)化、預(yù)防管理以及案例應(yīng)用等方面。蘇良良等[19]對大數(shù)據(jù)平臺及客服系統(tǒng)進(jìn)行數(shù)據(jù)融合，采用Word2Vec技術(shù)對投訴文本進(jìn)行轉(zhuǎn)化，建立潛在升越級投訴用戶識別模型，得到了高風(fēng)險升越級投訴用戶清單。對于升級投訴預(yù)測模型準(zhǔn)確率低的問題，呂景楠等[20]通過因果分析、功能分析及矛盾分析，應(yīng)用裁剪、矛盾矩陣等創(chuàng)新工具對此問題進(jìn)行解決并提供了詳細(xì)的解決方案。張琳[21]對電信企業(yè)的升級投訴進(jìn)行分析，并提出預(yù)防管理方案。趙燕等[22]采用基元事件對升級投訴案例從基元事件、責(zé)任人、問題表現(xiàn)、原因分析和改進(jìn)措施五個層次進(jìn)行分析，并根據(jù)基元事件提出了預(yù)防措施。

國內(nèi)學(xué)者在對客戶投訴進(jìn)行分析時所采用的數(shù)據(jù)大多為運(yùn)營商數(shù)據(jù)，而運(yùn)營商數(shù)據(jù)大多是話務(wù)員所填寫的內(nèi)容，導(dǎo)致這部分?jǐn)?shù)據(jù)具有很強(qiáng)的主觀性，難以保障分析結(jié)果的準(zhǔn)確性。運(yùn)營商客戶的投訴內(nèi)容大多為非結(jié)構(gòu)化數(shù)據(jù)，因此難以按照傳統(tǒng)的量化分析方法對這部分?jǐn)?shù)據(jù)進(jìn)行分析總結(jié)。考慮到客戶在社交平臺上能夠更加自然、真誠地表達(dá)內(nèi)心的不滿，本文擬選取新浪微博和黑貓投訴兩個平臺，爬取平臺上與客戶投訴和升級投訴相關(guān)的文本數(shù)據(jù)并進(jìn)行量化處理，采用文本分析的方法挖掘運(yùn)營商的潛在升級投訴客戶。本文的研究以期填補(bǔ)升級投訴相關(guān)的研究空白，豐富現(xiàn)有與客戶投訴相關(guān)的研究成果，為運(yùn)營商更好地防控、管理和彌補(bǔ)客戶投訴提供新思路和新方法，有效促進(jìn)運(yùn)營商服務(wù)績效的提升。

三、研究設(shè)計

(一)數(shù)據(jù)爬取和預(yù)處理

本文采用八爪魚采集器和后羿采集器進(jìn)行數(shù)據(jù)收集，選取客戶在黑貓投訴上對移動運(yùn)營商的投訴文本數(shù)據(jù)作為升級投訴文本數(shù)據(jù)，選取客戶在中國移動微博官號動態(tài)下的投訴數(shù)據(jù)作為普通投訴文本數(shù)據(jù)，并對數(shù)據(jù)結(jié)果進(jìn)行中文文本分詞和去停用詞的預(yù)處理。

(二)文本向量化

目前，學(xué)者們普遍利用網(wǎng)絡(luò)語言模型(network language model，NLM)、在NLM基礎(chǔ)上優(yōu)化的Word2vec模型以及Glove模型等對文本進(jìn)行特征提取和擴(kuò)充[23]。Word2Vec模型能夠?qū)⑽谋局性~語轉(zhuǎn)換成詞向量，對于情感分析、機(jī)器問答等自然語言處理問題十分適用，因此本文也采用該模型對投訴文本進(jìn)行處理。

對于預(yù)處理后的文本數(shù)據(jù)，首先，通過Word2vec模型將數(shù)據(jù)轉(zhuǎn)化為向量，即數(shù)值數(shù)據(jù)；其次，再利用處理后的數(shù)據(jù)訓(xùn)練Word2vec模型得到每個詞語相對應(yīng)的向量表達(dá)，即可以根據(jù)詞的詞向量求取句段的向量表達(dá)，得到每條投訴的向量表達(dá)和多條投訴匯總的向量表達(dá)。

(三)文本相似度計算

文本相似度能夠很好地幫助研究者探究兩個文本之間的關(guān)系。Trivison[24]在1987年率先在兩篇被引和引用的期刊文章中通過對術(shù)語共現(xiàn)的測量來度量文本相似程度。1994年，Cronin[25]提出了分級引用和文檔相似度的研究。國內(nèi)學(xué)者也在前人研究的基礎(chǔ)上提出了諸如文本屬性重心剖分模型、BERT_BLSTM_TCNN模型、TCUSS算法等眾多新穎的文本相似度計量方法[26-29]。

考慮到Word2vec能夠很好地度量詞與詞之間的相似性，在Word2vec得出的詞向量的基礎(chǔ)上，筆者使用向量余弦相似度來計算普通投訴文本所對應(yīng)的向量和升級投訴文本所對應(yīng)的向量之間的相似度。通過定義向量余弦相似度函數(shù)，利用向量余弦相似度來判斷向量化后的普通投訴文本和升級投訴文本之間的相似程度。筆者認(rèn)為，相似度較高的普通投訴文本對應(yīng)的客戶為潛在升級投訴的客戶。

(四)主題分析

隱含狄利克雷分布(latent Dirichlet allocation，LDA)模型最早由Blei等[30]在2002年的神經(jīng)信息處理系統(tǒng)大會上提出，是一般化的概率性潛在語義索引(probabilistic latent semantic analysis，PLSI)，非常適用于對文本信息進(jìn)行主題分析。本文亦采用LDA模型進(jìn)行主題分析。由于在預(yù)處理時已經(jīng)對數(shù)據(jù)進(jìn)行了中文文本分詞和去停用詞處理，在使用LDA模型時也就更加簡單和快捷。在之前的中文文本分詞、去停用詞、使用余弦相似度篩選后結(jié)果的基礎(chǔ)上，本文通過python來利用LDA模型對升級投訴文本進(jìn)行主題分析。

四、實(shí)證研究

(一)數(shù)據(jù)來源和預(yù)處理

選取微博和黑貓投訴平臺作為數(shù)據(jù)來源庫，將黑貓投訴平臺上對中國移動進(jìn)行投訴的文本作為升級投訴文本，將微博平臺上中國移動官方賬號每條微博下的投訴評論文本作為待判定的投訴文本，即可能升級的投訴文本。

本研究利用八爪魚采集器的模板對微博上的評論進(jìn)行爬取。具體做法為：首先，通過微博官網(wǎng)的關(guān)鍵詞搜索界面檢索“中國移動”一詞，界面中即會出現(xiàn)“中國移動”官方賬號；其次，獲取“中國移動”每條微博的地址，將地址輸入模板中從而獲得每條微博下的評論文本。由于微博只能顯示搜索條件下最新的50頁評論，本文按照一小時的時間跨度，通過python自動生成了一系列網(wǎng)址，借助八爪魚采集器爬取涵蓋時間和評論兩個層面的文本信息。對爬取到的數(shù)據(jù)結(jié)果進(jìn)行人工篩選后，最終得到1 560條投訴文本，時間為2020年10月1日到2021年3月31日。

利用后羿采集器對黑貓投訴平臺上的相關(guān)投訴數(shù)據(jù)進(jìn)行爬取。具體做法是：進(jìn)入黑貓投訴平臺官網(wǎng)，搜索“中國移動”一詞，即可出現(xiàn)該平臺上對中國移動的投訴文本109 594條；獲取相應(yīng)網(wǎng)址后使用“后羿采集器”爬取該網(wǎng)頁上的投訴內(nèi)容，最終爬取相關(guān)投訴數(shù)據(jù)4 600條。

采集文本數(shù)據(jù)后，對獲取到的數(shù)據(jù)進(jìn)行中文文本分詞處理，并綜合百度停用詞表、哈工大停用詞表、四川大學(xué)智能實(shí)驗(yàn)室停用詞庫以及中文停用詞庫四個停用詞表，對文本內(nèi)容進(jìn)行去停用詞預(yù)處理。

(二)文本向量化

黑貓投訴文本訓(xùn)練word2vec模型，當(dāng)min_count=1時，得到的詞向量總共有3 980個，部分截圖如圖1所示。

圖1 黑貓投訴文本訓(xùn)練word2vec模型得到的部分向量(min_count=1)

微博投訴文本訓(xùn)練word2vec模型，當(dāng)min_count=1時，得到的詞向量總共有6 211個，部分截圖如圖2所示。

圖2 微博投訴文本訓(xùn)練word2vec模型得到的部分向量(min_count=1)

(三)文本相似度計算

余弦相似度指的是通過計算兩個向量值的夾角余弦值來評估它們的相似度。根據(jù)文本向量化得到的向量，通過對微博投訴文本的向量與黑貓投訴文本向量計算余弦相似度，在1 560條微博投訴文本中，相似度在(0～0.5)的文本有1 387條，相似度在(0.5～0.6)的投訴文本有149條，相似度超過0.6的只有24條，這24條數(shù)據(jù)如圖3所示。

圖3 文本相似度分布情況

從預(yù)測準(zhǔn)確度上看，其中一條相似度高于60%的普通投訴文本所對應(yīng)的用戶，也在黑貓投訴平臺上進(jìn)行了升級投訴。

綜合以上分析可知，通過對與升級投訴相似度較高的24條投訴文本進(jìn)行總結(jié)分析，可以得到此類投訴主要集中在以下幾個方面：客戶對套餐的費(fèi)用、流量、短信、話費(fèi)等不滿意；客戶對客服不滿意；客戶對業(yè)務(wù)辦理的過程不滿意以及對線下寬帶安裝的服務(wù)、費(fèi)用以及寬帶的速度不滿意。通過計算普通投訴和升級投訴文本向量的余弦相似度，能夠識別可能進(jìn)行升級投訴的潛在客戶。運(yùn)營商可以通過這種方式識別潛在客戶并提前對這些客戶進(jìn)行安撫，及時處理這部分客戶的投訴內(nèi)容，防止投訴升級。

(四)主題分析

為了了解客戶升級投訴主要集中的主題，從而有針對性地提升服務(wù)，本文對黑貓投訴平臺的投訴文本，即升級投訴文本進(jìn)行LDA主題分析，結(jié)果如表2所示。

表2 黑貓投訴文本主題

可以看到，黑貓投訴文本的主題集中于合約、套餐內(nèi)容、業(yè)務(wù)辦理、虛假信息以及套餐的辦理和退訂幾個方面。由此可見，升級投訴集中在合約、套餐的流量費(fèi)用、業(yè)務(wù)辦理、可能接受虛假信息、套餐的退訂等方面。綜合以上結(jié)果可知，整體預(yù)測結(jié)果的準(zhǔn)確度較高，具有較大的現(xiàn)實(shí)意義。

通過對高相似度的普通投訴文本的主題進(jìn)行歸納總結(jié)，同時綜合黑貓投訴主題分析結(jié)果得出，客戶進(jìn)行升級投訴的原因主要集中在以下方面：

第一，在合約方面，合約套餐指的是客戶在運(yùn)營商辦理優(yōu)惠業(yè)務(wù)，包括優(yōu)惠購機(jī)、充話費(fèi)送手機(jī)或換號送會員等業(yè)務(wù)時與運(yùn)營商簽訂的手機(jī)消費(fèi)套餐。當(dāng)客戶辦理合約制的套餐時，由于合約具有一定期限，幾個月或幾年不等，客戶必須在期限內(nèi)按照合約內(nèi)容履行合約。一般來說，客戶不能解除合約，否則需要賠償違約金。如果客戶想要提前解除合約，則很難通過10086投訴或者普通投訴來解決問題，他們很可能選擇12315熱線或者黑貓投訴平臺進(jìn)行投訴。

第二，在套餐內(nèi)容方面，當(dāng)客戶對套餐內(nèi)的流量、通話時間或話費(fèi)內(nèi)容等感到不滿，或者流量超過限額卻沒有獲得運(yùn)營商的及時提醒從而導(dǎo)致扣費(fèi)時，客戶就很可能進(jìn)行升級投訴?？蛻魧ψ陨淼臋?quán)益十分重視，當(dāng)他們的自身權(quán)益受到損害或者面臨經(jīng)濟(jì)損失時，會通過升級投訴來維護(hù)自己的權(quán)益。

第三，在業(yè)務(wù)辦理方面，由于部分業(yè)務(wù)無法在線上辦理，客戶必須親自前往線下營業(yè)廳辦理，這會導(dǎo)致客戶指責(zé)運(yùn)營商的服務(wù)不到位或業(yè)務(wù)設(shè)置不合理，因浪費(fèi)了時間而進(jìn)行升級投訴。此外，當(dāng)客戶認(rèn)為10086客服或者線下營業(yè)廳的工作人員服務(wù)態(tài)度不好或業(yè)務(wù)辦理水平低時，同樣可能進(jìn)行升級投訴。

第四，在虛假信息方面，客戶有時會認(rèn)為運(yùn)營商虛假宣傳。如客戶出于信任購買了5G手機(jī)并辦理了5G電話卡，但由于運(yùn)營商過分夸大信號覆蓋范圍和強(qiáng)度，導(dǎo)致客戶的實(shí)際使用與宣傳內(nèi)容不符。如信號強(qiáng)度并不是很好，客戶體驗(yàn)較差，從而引起客戶的強(qiáng)烈不滿?？蛻魰J(rèn)為受到了欺騙并且自身利益受到損害，從而進(jìn)行升級投訴。

第五，在寬帶辦理方面，運(yùn)營商均會提供線下寬帶辦理業(yè)務(wù)，但是如果線下寬帶安裝工作者的工作態(tài)度不積極、不準(zhǔn)時或者安裝的寬帶信號較差時，客戶可能會選擇升級投訴來維護(hù)自身權(quán)益。

五、結(jié)論與討論

(一)研究結(jié)論

本文首先對微博平臺投訴數(shù)據(jù)和黑貓平臺投訴數(shù)據(jù)進(jìn)行中文文本分詞和去停用詞處理；其次，使用預(yù)處理后的數(shù)據(jù)訓(xùn)練Word2vec模型，得到相應(yīng)的微博投訴本文和黑貓投訴文本對應(yīng)的向量表達(dá)；再次，使用向量的余弦相似度表示文本相似度，得到24條與升級投訴相似度在60%以上的微博投訴文本，并總結(jié)歸納出這部分投訴主要集中在套餐的話費(fèi)流量、客服的服務(wù)、線下寬帶的安裝、線下營業(yè)廳和線上辦理業(yè)務(wù)的過程等方面。除此之外，本文還使用LDA模型對黑貓投訴文本進(jìn)行主題分析，得到升級投訴的主題集中在合約、套餐內(nèi)容、業(yè)務(wù)辦理、虛假信息、套餐的退訂等方面。

基于本文結(jié)果，首先，移動運(yùn)營商在日常的運(yùn)營管理中應(yīng)提高對客戶投訴的關(guān)注程度，重視客戶對話費(fèi)流量、客服服務(wù)、業(yè)務(wù)辦理等方面的要求，及時安撫客戶并解決客戶的投訴內(nèi)容，避免客戶進(jìn)行升級投訴從而對運(yùn)營商造成更大的危害；其次，運(yùn)營商應(yīng)特別注意客戶升級投訴的核心內(nèi)容，不斷優(yōu)化自身套餐和合約內(nèi)容，提高業(yè)務(wù)辦理水平，整治虛假宣傳信息以提高客戶滿意度，盡可能避免投訴現(xiàn)象的發(fā)生。

(二)局限及展望

本研究存在一定的局限性。首先，在數(shù)據(jù)的獲取方面，由于微博的博文較多，本研究提取的是微博上的客戶評論，忽略了原創(chuàng)、轉(zhuǎn)發(fā)、快轉(zhuǎn)等其他類型的博文內(nèi)容，這是因?yàn)樵谀撤N意義上，原創(chuàng)更能體現(xiàn)客戶自身的觀點(diǎn)和情感。但是也存在持自己觀點(diǎn)進(jìn)行轉(zhuǎn)發(fā)評論的客戶，因此投訴文本數(shù)據(jù)在獲取上可能不夠全面。未來研究可利用更高級的工具爬取涵蓋原創(chuàng)、轉(zhuǎn)發(fā)、快轉(zhuǎn)等各類型數(shù)據(jù)，更加全面、具體地反映客戶的投訴意愿。

其次，在判定潛在升級投訴客戶方法的驗(yàn)證方面，本文使用相似度對普通投訴是否可能上升為升級投訴進(jìn)行判斷。由于在微博上收集到的數(shù)據(jù)有限，無法得知客戶的真實(shí)姓名和電話號碼，普通投訴的客戶無法與升級投訴的客戶相對應(yīng)。未來研究應(yīng)盡可能地獲取客戶的信息，以便更好地關(guān)聯(lián)跨平臺投訴的客戶，展現(xiàn)客戶從普通投訴到升級投訴的動態(tài)過程，挖掘潛在的升級投訴客戶，為運(yùn)營商提高日常服務(wù)質(zhì)量提供幫助。