《商業(yè)分析實(shí)務(wù)》商業(yè)分析在通信行業(yè)客戶服務(wù)中的應(yīng)用

商業(yè)分析在通信行業(yè)客戶服務(wù)中的應(yīng)用電信行業(yè)客戶服務(wù)簡介客戶滿意度提升基于文本挖掘開展投訴分析01電信行業(yè)客戶服務(wù)簡介兩個(gè)階段五步驟的精準(zhǔn)服務(wù)支撐體系實(shí)施初期建議先全面診斷，了解客戶在滿意度方面的現(xiàn)狀、短板及問題基于規(guī)劃對滿意度問題進(jìn)行針對性治療、預(yù)防及評估，實(shí)現(xiàn)滿意度提升02客戶滿意度提升提醒服務(wù)提升步驟服務(wù)現(xiàn)狀評估及診斷（診）（一）who：分析不滿意客戶特征，發(fā)現(xiàn)不滿意用戶群體不滿意客戶在年齡上的分布由圖可以看出，年輕人中不滿意用戶的比例高。反映出年輕人對于提醒服務(wù)質(zhì)量要求更高。不滿意客戶在網(wǎng)齡上的分布由圖可以看出，新入網(wǎng)用戶不滿意用戶的比例高。反映出新入網(wǎng)用戶對于提醒服務(wù)的感知不如老用戶。服務(wù)現(xiàn)狀評估及診斷（診）（二）where：梳理服務(wù)流程，發(fā)現(xiàn)提醒服務(wù)流程優(yōu)化點(diǎn)

通過對提醒服務(wù)的業(yè)務(wù)流程調(diào)研，繪制其服務(wù)流程圖，通過對流程圖的分析發(fā)現(xiàn)流程的優(yōu)化點(diǎn)，提升客戶服務(wù)感知。服務(wù)現(xiàn)狀評估及診斷（診）（三）when：對客戶滿意度有較大影響的時(shí)機(jī)客戶滿意度的調(diào)查結(jié)果在不同時(shí)機(jī)下會(huì)有少許差別。一般情況下，在月初調(diào)查的要比月中和月末的客戶滿意度高；如果客戶在滿意度調(diào)查前收到較多的廣告或者促銷短信，其滿意度會(huì)降低。所以針對第一種情況，要把握住調(diào)查時(shí)機(jī)；針對第二種情況，要適度把握廣告發(fā)放情況。（四）why：深入分析，發(fā)現(xiàn)客戶不滿主因

通過對提醒服務(wù)不滿意客戶的深訪調(diào)研，結(jié)合客戶投訴記錄、短信測評和內(nèi)部運(yùn)營分析，充分了解客戶需求。深訪調(diào)研發(fā)現(xiàn)，提醒服務(wù)的及時(shí)性最受客戶關(guān)注，收不到、被打擾、看不懂是主要問題。服務(wù)提升方式（治）情況一：提醒不及時(shí)。GPRS話單延時(shí)較為明顯，且無法在短期內(nèi)解決，因此用戶收到GPRS流量提醒的時(shí)候肯定會(huì)不及時(shí)。解決方案：優(yōu)化提醒時(shí)機(jī)。將0M剩余流量提醒的閾值提前至1M，覆蓋了85%左右的延遲情況，使用戶收到0M提醒時(shí)還沒有收取費(fèi)用。服務(wù)提升方式（治）情況二：客戶常被打擾。當(dāng)達(dá)到15元閥值后每天發(fā)送一條低額提醒短信，告知用戶及時(shí)充值，使客戶常常被打擾。解決方案：優(yōu)化低額短信下發(fā)規(guī)則。即：達(dá)到15元、5元、0元的閥值時(shí)僅僅只向用戶下發(fā)一條提醒短信。低額提醒規(guī)則修改后，提醒短信量從之前的近300萬條/天，降低至80~90萬條/天，節(jié)省了成本的同時(shí)避免了對客戶的過度打擾；發(fā)送成功率也從原來的87%左右提升到94%~96%。服務(wù)提升方式（治）情況三：營銷內(nèi)容多余，客戶看不懂。解決方案：對全量的短信模板進(jìn)行梳理，針對95%的用戶都會(huì)收到的30種短信模板將進(jìn)行了修改。以剩余流量提醒為例，調(diào)整內(nèi)容如下：將短信條數(shù)從4條減至2條。更改短信模板。情況四：客戶對服務(wù)認(rèn)知不夠。解決方案：主動(dòng)引導(dǎo)，加強(qiáng)客戶對服務(wù)認(rèn)知。滿意度服務(wù)宣傳，例如：在官網(wǎng)、官方微博等處進(jìn)行滿意度服務(wù)宣傳。短信調(diào)研，對用戶進(jìn)行引導(dǎo)和關(guān)懷。提前預(yù)測潛在服務(wù)（防）我們可以通過對不滿意客戶進(jìn)行關(guān)懷提升用戶滿意度。首先，通過組合模型（規(guī)則模型+預(yù)測模型+綜合評分模型）識(shí)別潛在不滿意用戶；接著，將不滿意用戶細(xì)分成6個(gè)群，刻畫群體特征，給出針對性的關(guān)懷策略；最后，提取模型中不滿意評分最靠前的用戶參與品質(zhì)部的關(guān)懷活動(dòng)。03基于文本挖掘開展投訴分析文本挖掘在投訴管理中的應(yīng)用背景文本挖掘(TM，TextMining)是近幾年來數(shù)據(jù)挖掘領(lǐng)域的一個(gè)新興分支，是以文本數(shù)據(jù)為特定挖掘?qū)ο蟮闹R(shí)挖掘。文本挖掘是抽取有效、新穎、有用、可理解的、散布在文本文件中的有價(jià)值知識(shí)，并且利用這些知識(shí)更好地組織信息的過程。文本挖掘的核心思想首先是采用文本切分技術(shù)，提取文本特征，把文本數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)用來描述文本的內(nèi)容，然后利用數(shù)據(jù)挖掘技術(shù)，諸如聚類、分類、關(guān)聯(lián)分析等，最終變成結(jié)構(gòu)化的文本，并根據(jù)該結(jié)構(gòu)發(fā)現(xiàn)新的概念和獲取相應(yīng)的關(guān)系。投訴文本的特點(diǎn)：1.投訴記錄短，一條投訴記錄字?jǐn)?shù)一般在100字左右；2.文本記錄的只是客戶口述表達(dá)的表面原因，由投訴處理人員根據(jù)用戶的投訴采取邊聽邊記錄的方式，可能產(chǎn)生信息失真；3.分類體系復(fù)雜，已知的WMS分類體系為五級(jí)架構(gòu)，類別多并且類別之間的區(qū)分度小，而且伴隨著業(yè)務(wù)的發(fā)展，類別會(huì)發(fā)生變化；4.各類別的投訴量不均衡，例如基礎(chǔ)通信投訴占比量較大等。文本挖掘模型——CCR分類模型CCR（ComplainContentRecognizer）投訴內(nèi)容識(shí)別模型，是用于投訴原因識(shí)別和分類的模型，模型以投訴文本數(shù)據(jù)為基礎(chǔ)，采用文本挖掘、數(shù)據(jù)統(tǒng)計(jì)技術(shù)，支持投訴管理、業(yè)務(wù)分析等應(yīng)用。模型的算法和工具可依據(jù)應(yīng)用和需求不斷更新和演進(jìn)。CCR模型在支持投訴管理應(yīng)用中，主要用于兩大方面：1.支持直接對投訴問題的分析應(yīng)用需求；2.分析結(jié)果中的異常情況作為問題發(fā)現(xiàn)的入口，支持閉環(huán)的投訴問題解決過程。投訴管理日常流程，主要包括兩類：1.基于投訴問題發(fā)現(xiàn)和解決的問題管理流程；2.基于導(dǎo)航優(yōu)化的日常管理流程。CCR分類模型文本挖掘過程CCR模型主要應(yīng)用了文本挖掘中的分類技術(shù)。將投訴文本通過分詞、特征化和數(shù)字化，轉(zhuǎn)變成機(jī)器可以識(shí)別和處理的形式，選取合適的算法，對投訴進(jìn)行分類并挖掘出各類別下的原因熱詞，用于投訴熱點(diǎn)和原因的分析。該模型由多重分類框架構(gòu)成，一方面采取關(guān)鍵詞匹配方式用于分類并獲得投訴原因；另一方面采用文本挖掘模型實(shí)施訓(xùn)練形成分類器，用于文本分類并識(shí)別投訴原因。CCR模型挖掘過程描述（一）選擇樣本按規(guī)則選擇和提取數(shù)據(jù)生成樣本集，分為訓(xùn)練集和測試集，其中訓(xùn)練集用于建立模型，測試集評估模型的分類能力。CCR模型中評估了均衡取樣和自然取樣兩種方式，均衡取樣是每個(gè)投訴大類類別下取相同數(shù)量樣本，自然取樣即不均衡取樣。前期采用了均衡取樣的方式制作訓(xùn)練集。CCR模型挖掘過程描述（二）文本預(yù)處理文本預(yù)處理，是將原始的投訴文本數(shù)據(jù)實(shí)施分詞和剔除停用詞，并根據(jù)投訴本身的特點(diǎn)，選取能代表投訴的特征詞的過程。分詞，采用TD-CS分詞技術(shù)，將一段文本轉(zhuǎn)化為詞語集合。原理：按詞長對中文詞匯分進(jìn)行分詞，對要分詞的文本進(jìn)行匹配，如果找到了匹配詞匯，則在該詞匯處分詞，如果沒有匹配，那么縮短詞匯繼續(xù)進(jìn)行匹配，直到匹配為止，如果一直到最后單字都沒匹配，則認(rèn)為該詞為新詞，在新詞后進(jìn)行分詞。選擇特征詞。采用基于感知語義和統(tǒng)計(jì)分析過濾法，對投訴內(nèi)容信息核心詞匯的分析，并剔除高頻詞（超過2/3的投訴分類中都出現(xiàn)了的詞）和低頻詞（在總體樣本中出現(xiàn)次數(shù)小于5），構(gòu)建投訴詞典。根據(jù)投訴詞典，構(gòu)建過濾系統(tǒng)，過濾投訴文本中的無用詞匯（如：數(shù)字、標(biāo)點(diǎn)符號(hào)、感嘆詞等），過濾系統(tǒng)根據(jù)投訴詞典對輸入的文本逐一判斷，智能識(shí)別新詞并自適應(yīng)地納入到投訴詞典中，由于投訴內(nèi)容的普遍性，投訴詞典在較長一段時(shí)間內(nèi)比較穩(wěn)定不會(huì)改變。CCR模型挖掘過程描述

（四）優(yōu)化

根據(jù)模型訓(xùn)練的結(jié)果，采取優(yōu)化訓(xùn)練集、修正關(guān)鍵詞、修正模型算法等方式，優(yōu)化模型。（五）分析模型輸出結(jié)果以二維表形式導(dǎo)入數(shù)據(jù)倉庫中并維護(hù)