中國聯(lián)通上海市分公司 上海 200050

引 言

隨著通信市場逐步細(xì)分化、業(yè)務(wù)的多樣化和全球化的發(fā)展，電信客戶需求逐漸個性化、多樣化，電信行業(yè)的競爭日趨激烈。

在傳統(tǒng)的服務(wù)中，當(dāng)客戶對產(chǎn)品、業(yè)務(wù)使用不滿意時，通過投訴渠道表達(dá)自己的不滿;客服代表面臨客戶未知因素的來電困擾;公司內(nèi)部面對客戶的投訴進(jìn)行事后分析，實(shí)現(xiàn)對客戶投訴的原因進(jìn)行診斷。這樣的服務(wù)形式過于傳統(tǒng)和被動，但隨著大數(shù)據(jù)處理技術(shù)的進(jìn)步，通過對投訴文本分類梳理、對投訴客戶進(jìn)行畫像，通過大數(shù)據(jù)對客戶服務(wù)的癥結(jié)進(jìn)行深入分析以及通過大數(shù)據(jù)分析鎖定哪些用戶會來投訴，投訴的焦點(diǎn)又是什么，從而達(dá)到對未知客戶投訴風(fēng)險的主動預(yù)警的功能。本文在目前上海聯(lián)通大服務(wù)建設(shè)體系下另辟新徑創(chuàng)新思路，著力將大數(shù)據(jù)的應(yīng)用深耕在提升客戶服務(wù)領(lǐng)域。利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)對用戶的需求進(jìn)行多方面的預(yù)判探索，挖掘用戶的個性化服務(wù)需求。此次用戶服務(wù)預(yù)判的需求對于運(yùn)營商而言是一次創(chuàng)新，是對大數(shù)據(jù)應(yīng)用的實(shí)踐，填補(bǔ)了中國聯(lián)通大數(shù)據(jù)在客戶服務(wù)應(yīng)用方面的空白[1]。

如何在大數(shù)據(jù)時代環(huán)境下為企業(yè)開展提升服務(wù)的活動，利用數(shù)據(jù)信息來挖掘客戶的服務(wù)需求、提升客戶滿意度是對電信運(yùn)營商新的挑戰(zhàn)。

1 大數(shù)據(jù)技術(shù)和挖掘方法

本節(jié)簡單介紹大數(shù)據(jù)挖掘的基本概念，并從運(yùn)營商角度分析海量電信客戶數(shù)據(jù)的特征。

1.1 大數(shù)據(jù)的基本概念

大數(shù)據(jù)是指所涉及的資料量規(guī)模巨大到無法通過目前主流軟件工具，在合理時間內(nèi)達(dá)到擷取、管理、處理，并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊。大數(shù)據(jù)是一個由數(shù)量巨大、結(jié)構(gòu)復(fù)雜、類型眾多構(gòu)成的數(shù)據(jù)集合，是一種基于云計(jì)算來進(jìn)行數(shù)據(jù)處理和應(yīng)用的模式;大數(shù)據(jù)也是通過數(shù)據(jù)的整合共享、交叉、復(fù)用，形成智力資本和知識服務(wù)能力，把數(shù)據(jù)變成一種智力來為我們服務(wù)，即數(shù)據(jù)資產(chǎn)變現(xiàn)[2]。

1.2 大數(shù)據(jù)挖掘主要分析方法

1.2.1 大數(shù)據(jù)挖掘核心分析方法

此應(yīng)用借助大數(shù)據(jù)的挖掘能力，深挖數(shù)據(jù)間的邏輯關(guān)系，實(shí)現(xiàn)模型的構(gòu)建。數(shù)據(jù)挖掘常見的分析方法有:分類分析、決策樹、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)分析、聚類分析、層次分析、回歸分析、特征分析等[3]。利用特征分析，可以根據(jù)用戶特征，區(qū)分客戶群，建立模型;聚類可以應(yīng)用到客戶群體的分類、客戶背景分析、客戶購買趨勢預(yù)測、市場的細(xì)分等;回歸分析主要研究問題包括數(shù)據(jù)序列在時間上的趨勢特征，預(yù)測數(shù)據(jù)發(fā)展趨勢等。

1.2.2 大數(shù)據(jù)挖掘的基本過程和關(guān)鍵步驟

本文以業(yè)界最為通用的CRISP-DM(cross-industry standard process for data mining，跨行業(yè)數(shù)據(jù)挖掘過程標(biāo)準(zhǔn))為模板建立數(shù)據(jù)挖掘流程運(yùn)行體系。CRISPDM方法論為數(shù)據(jù)挖掘工程提供了一個完整的過程描述(見圖1)。該模型將一個數(shù)據(jù)挖掘過程分為包含商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評估、模型發(fā)布部署這6個不同的、但順序并非完全不變的階段。

圖1 數(shù)據(jù)挖掘整體流程

2 上海聯(lián)通客戶服務(wù)能力現(xiàn)狀及亮點(diǎn)

2014年是上海聯(lián)通的服務(wù)深化年, 以“標(biāo)本兼治、創(chuàng)新突破”為原則，倡導(dǎo)“客戶至上 誠信經(jīng)營”的服務(wù)文化;聚焦窗口服務(wù)難題，強(qiáng)力推進(jìn)服務(wù)攻堅(jiān)戰(zhàn);推進(jìn)服務(wù)前移，提升全渠道投訴處理能力，進(jìn)而實(shí)現(xiàn)投申訴管控、即時承諾目標(biāo)，提升客戶問題響應(yīng)效率和解決質(zhì)量。

2.1 能力現(xiàn)狀描述

信息整合的需求:目前客服坐席代表處理投訴使用多套系統(tǒng)，且各系統(tǒng)間信息不交互、不共享，坐席代表處理時間長、工作量大，因此，提出整合數(shù)據(jù)展現(xiàn)能力的需求，以提升工作效率。

效率提升的需求:客戶部門工作面臨的問題復(fù)雜，投訴率和二次投訴率偏高。目前客服部門應(yīng)對日常的用戶咨詢、投訴問題主要以被動式服務(wù)服務(wù)為主，不能提前做好應(yīng)對措施，解決問題效率偏低，導(dǎo)致用戶因處理緩慢造成二次投訴，每月重復(fù)投訴用戶占10%以上。同時，52%的用戶升級前與本地工單接觸在2件及以上。本地工單接觸6件以上用戶升級投訴率達(dá)4.4%(見圖2)。通過數(shù)據(jù)挖掘模型，我們找到投訴用戶、多次投訴用戶具有明顯的特征，用戶的投訴行為是可以預(yù)測的和控制的，通過進(jìn)一步的分析與系統(tǒng)建設(shè)，可以實(shí)現(xiàn)事前攔截來抑制投訴的發(fā)生。

圖2 投訴客戶來電判斷關(guān)鍵點(diǎn)

為改變現(xiàn)狀，實(shí)現(xiàn)投、申訴管控和即時承諾的目標(biāo)，必須提升客戶問題響應(yīng)效率和解決質(zhì)量。

2.2 研究亮點(diǎn)

利用大數(shù)據(jù)技術(shù)對用戶的需求進(jìn)行多方面的預(yù)判探索，挖掘用戶的服務(wù)需求，此次對客戶來電預(yù)判的需求研究對于運(yùn)營商而言是一次創(chuàng)新，是對大數(shù)據(jù)應(yīng)用的實(shí)踐，上海聯(lián)通用戶服務(wù)需求預(yù)判平臺可以精準(zhǔn)地預(yù)測到客戶投訴傾向，為客服部門進(jìn)行針對性的產(chǎn)品營銷和服務(wù)關(guān)懷奠定了基礎(chǔ)[4]。

3 基于大數(shù)據(jù)挖掘的客戶服務(wù)能力提升解決方案

上海聯(lián)通大數(shù)據(jù)應(yīng)用在客戶服務(wù)領(lǐng)域的探索，是上海聯(lián)通分公司充分利用傳統(tǒng)的數(shù)據(jù)能力結(jié)合新媒體數(shù)據(jù)信息、提高對數(shù)字化時代用戶需求多元、多變的適應(yīng)能力而發(fā)起的數(shù)據(jù)應(yīng)用項(xiàng)目。針對這些需求，搭建了上海聯(lián)通用戶服務(wù)需求預(yù)判平臺，對本地用戶需求加以針對性分析和大數(shù)據(jù)監(jiān)測，通過先期預(yù)判發(fā)現(xiàn)用戶不滿，減少可能導(dǎo)致投訴行為發(fā)生的概率，形成推動用戶感知可持續(xù)提升，以及信任度、忠誠度同步提高。

項(xiàng)目的實(shí)施分別對兩個對象進(jìn)行了研究。一個是針對上海聯(lián)通客服中心一線人員工作中的具體痛點(diǎn)，工作內(nèi)容復(fù)雜，耗費(fèi)時間長等問題，總結(jié)出整合各類系統(tǒng)有效信息輸出能力的方向。另一個是對投訴用戶的行為進(jìn)行畫像，找到用戶投訴率偏高的問題，鎖定流量調(diào)費(fèi)金額偏高等問題為方向。抓取整合了傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)和微信微博新媒體、文本等非結(jié)構(gòu)化數(shù)據(jù)，運(yùn)用最前沿的大數(shù)據(jù)分析方法，開發(fā)了用戶服務(wù)需求預(yù)判管理平臺來服務(wù)一線客服代表，針對客服工作出現(xiàn)的各種場景做了數(shù)據(jù)分析和決策優(yōu)化方案的能力。

3.1 應(yīng)用平臺的技術(shù)實(shí)現(xiàn)方式

3.1.1 多元化數(shù)據(jù)源的整合

大數(shù)據(jù)應(yīng)用的特點(diǎn)和優(yōu)勢是拓展數(shù)據(jù)的體量和形式，突破傳統(tǒng)數(shù)據(jù)倉庫的局限，充分利用用戶的文本信息、語音、圖片、視頻、互聯(lián)網(wǎng)行為記錄等資料來源，勾勒出更為生動、清晰地反應(yīng)用戶性格、心理訴求等更為豐富準(zhǔn)確的信息，而這些信息與客戶服務(wù)工作息息相關(guān)，所以，將數(shù)據(jù)源的多元化整合，尤其是對非結(jié)構(gòu)化數(shù)據(jù)的利用作為重點(diǎn)突破口，充分整合結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)[5]。

在數(shù)據(jù)采集過程中，我們突破了以往單一依賴結(jié)構(gòu)化數(shù)據(jù)的局限，整合了本地的客服系統(tǒng)信息、Bss系統(tǒng)信息、本地?cái)?shù)據(jù)倉庫標(biāo)簽、總部數(shù)據(jù)倉庫標(biāo)簽等多個數(shù)據(jù)資源，獲得了詳單級工單基本信息、工單流轉(zhuǎn)信息、服務(wù)請求信息、業(yè)務(wù)受理平臺信息、語音轉(zhuǎn)文本信息、新媒體(微博、微信、在線)客服信息、用戶的互聯(lián)網(wǎng)身份信息、互聯(lián)網(wǎng)搜索信息、互聯(lián)網(wǎng)行為信息、用戶的偏好、喜好類信息等(見圖3)。實(shí)現(xiàn)了駕馭非結(jié)構(gòu)化數(shù)據(jù)的突破，力求大格局、多接口、多維度、大跨度地實(shí)現(xiàn)數(shù)據(jù)源整合與分析的突破創(chuàng)新。

圖3 數(shù)據(jù)分類

3.1.2 客戶需求預(yù)判模型組的建立

客戶服務(wù)工作是直接面向用戶的服務(wù)工作，直接面對瞬息萬變的用戶需要、爭議、訴求、情緒、建議等，十分復(fù)雜繁瑣，為了實(shí)現(xiàn)數(shù)據(jù)的整合價值，我們突破了以往單純重視用戶基本信息、用戶使用行為的分析方法，將分析視角拓展到情感、性格、交際圈、忍耐度等心理、社會視角，用更符合人類心理和行為復(fù)雜性的視角來揭示用戶，用戶與客服接觸、來電、投訴等一系列復(fù)雜的行為，可以使得分析模型更加貼近客服工作實(shí)際[6]。

經(jīng)過對用戶的交際圈、忍受度、正面和負(fù)面的情感用詞情況、用戶使用的業(yè)務(wù)表象等多個視角分析，最終形成了五大預(yù)測模型(見圖4)來預(yù)測用戶的投訴行為，預(yù)測來電用戶的整體投訴風(fēng)險度及可能投訴的風(fēng)險點(diǎn)，結(jié)合流程梳理和系統(tǒng)整合的功能實(shí)現(xiàn)要求，從而有效提升處理效率、減少投訴[7]。

圖4 投訴預(yù)測模型(5類)

本項(xiàng)目綜合應(yīng)用神經(jīng)網(wǎng)絡(luò)、分類樹算法、logistic回歸、文本挖掘、SNA社交網(wǎng)絡(luò)分析等數(shù)據(jù)挖掘技術(shù)，來建立投訴預(yù)測模型，并結(jié)合每個分析視角與應(yīng)用場景，給出用戶投訴的風(fēng)險度、可能的投訴原因及相關(guān)場景。

1)交際圈模型。研究投訴用戶、升級投訴用戶的交際圈，及其“病毒”的傳播感染能力。用戶的語音通話交際圈代表用戶之間互相認(rèn)識或者是朋友關(guān)系，尤其是月通話次數(shù)大于3次的交際圈，往往代表社會關(guān)系較為親密，有可能投訴行為會通過交際圈、朋友圈之間互相傳播(見圖5)。圖5中，紅點(diǎn)的用戶發(fā)生了升級投訴，可能會影響綠色的用戶(上海聯(lián)通用戶)，所以在社交網(wǎng)絡(luò)中離紅點(diǎn)比較近的用戶可能有更高的投訴風(fēng)險，應(yīng)該作為事前主動服務(wù)的重點(diǎn)用戶。通過社交群劃分的算法，我們可以把與社交群鏈接關(guān)系更為緊密的用戶找到，其中升級用戶較多的社交群應(yīng)該多為重點(diǎn)關(guān)注的用戶。

圖5 交際圈

2)忍受度模型。研究用戶對相關(guān)事件的忍耐性，從而根據(jù)不同的忍耐性，分不同的優(yōu)先級進(jìn)行事件處理，整體提升客戶的滿意度。

通過數(shù)據(jù)分析發(fā)現(xiàn)，投訴的用戶都是優(yōu)質(zhì)用戶，但是對投訴的用戶不考慮其個性，采用同樣的處理流程和承諾期限，會造成個別用戶的極度不滿，從而引發(fā)一系列的重復(fù)投訴、升級投訴等更為嚴(yán)重的事件。

在投訴模型中考慮用戶的忍耐度，對投訴頻率、投訴時段、人工服務(wù)的間隔及服務(wù)類型、服務(wù)渠道、電子渠道服務(wù)等涉及用戶投訴忍受度的信息進(jìn)行綜合分析。利用神經(jīng)網(wǎng)絡(luò)、決策樹等挖掘方法對用戶的忍耐度進(jìn)行綜合打分，并以此作為預(yù)測用戶投訴、二次投訴或升級投訴的依據(jù)之一。

3)情感分析模型。分析語音文本的情感用詞及相關(guān)的工單和回訪內(nèi)容，獲取其文本中情感用詞、程度詞及其出現(xiàn)的頻率，進(jìn)行綜合加權(quán)得分。用戶的情感可分為正向積極的情感和負(fù)面不滿的情感;如負(fù)面情感常常表現(xiàn)出憤怒、不滿、不認(rèn)可、不聽解釋等行為，一般會有更大的投訴或者升級投訴傾向。情感打分的處理流程及關(guān)鍵工作如圖6。

4)業(yè)務(wù)表象模型。業(yè)務(wù)表象往往是引起用戶投訴的直接原因，分析用戶的套餐費(fèi)用、套外費(fèi)用以及業(yè)務(wù)的訂購情況結(jié)合用戶的使用情況、投訴情況，分析其可能投訴的業(yè)務(wù)表象。例如:單日形成高額套外流量費(fèi)用可能引起用戶的資費(fèi)爭議、流量爭議、異常停機(jī)等投訴;通話掉線頻繁可能因?yàn)樾盘柗矫娴耐对V，關(guān)注容易引起投訴的業(yè)務(wù)表象，是預(yù)測投訴的最重要模型之一(見圖7)，圖7顯示了套包外流量費(fèi)及訂購流量包個數(shù)與投訴率的關(guān)系示例，能夠說明用戶的投訴跟套外費(fèi)用及流量包個數(shù)有一定的關(guān)系。

圖6 情感分析

圖7 業(yè)務(wù)表象

5)內(nèi)容敏感點(diǎn)模型。挖掘用戶投訴、咨詢的業(yè)務(wù)內(nèi)容及其用戶在手廳、網(wǎng)廳的內(nèi)容關(guān)注點(diǎn)，將其關(guān)注點(diǎn)、業(yè)務(wù)歸類等不同渠道獲取的信息進(jìn)行業(yè)務(wù)關(guān)聯(lián)、業(yè)務(wù)歸納，形成用戶的業(yè)務(wù)敏感點(diǎn)。例如網(wǎng)絡(luò)質(zhì)量敏感型用戶一般投訴或咨詢的內(nèi)容有“網(wǎng)絡(luò)不好、上網(wǎng)速度慢、上不了網(wǎng)、無法使用，甚至無法收發(fā)短信、彩信”等也歸為網(wǎng)絡(luò)質(zhì)量問題，通過投訴、咨詢等相關(guān)內(nèi)容進(jìn)行文本挖掘，結(jié)合訂購信息，進(jìn)一步進(jìn)行業(yè)務(wù)的歸類、整合，形成用戶的敏感點(diǎn)模型 。

3.1.3 文本分類識別模型的建立

目前，客戶部工作人員人工對投訴文本分類的工作量巨大，分類標(biāo)準(zhǔn)較為龐雜，工作人員負(fù)擔(dān)重，處理時間長的問題，利用文本挖掘方式實(shí)現(xiàn)對客戶投訴文本的自動化分類算法的功能，實(shí)現(xiàn)文本自動化分類技術(shù)，實(shí)現(xiàn)事件到問題的轉(zhuǎn)換，同時，變更分類，文本根據(jù)訓(xùn)練結(jié)果可自動重新歸類，使業(yè)務(wù)數(shù)據(jù)得到有效沉淀(見圖8)。

圖8 投訴內(nèi)容識別模型

探索文本的自動分類，可以根據(jù)業(yè)務(wù)需要進(jìn)行多角度的分類。不僅可以直接運(yùn)用于客服人員的日常工作中，優(yōu)化工作流程，是實(shí)現(xiàn)自動化的診斷及處理流程的前提條件;而且可以在預(yù)測模型過程中發(fā)揮作用，例如文本的分類結(jié)果就是內(nèi)容敏感點(diǎn)模型的基礎(chǔ)數(shù)據(jù)。

3.2 系統(tǒng)應(yīng)用實(shí)現(xiàn)展示

通過將大數(shù)據(jù)價值的提煉，與客服生產(chǎn)系統(tǒng)進(jìn)行結(jié)合，將客服的大數(shù)據(jù)應(yīng)用轉(zhuǎn)換成為客戶服務(wù)助手的能力開發(fā)，實(shí)現(xiàn)用戶來電智能預(yù)判的功能。通過來電用戶的畫像，尋找潛在來電用戶的因子，實(shí)現(xiàn)潛在來電投訴用戶的預(yù)判。再輔助以信息整合場景的能力，實(shí)現(xiàn)多樣化的應(yīng)用場景與智能預(yù)判提醒，支撐客服人員，變被動為主動。

3.2.1 數(shù)據(jù)挖掘模型效果的預(yù)警能力展示

對用戶投訴行為進(jìn)行分析，進(jìn)行數(shù)據(jù)挖掘、建模。實(shí)現(xiàn)對潛在來電用戶的預(yù)測，并將預(yù)測模型固化到系統(tǒng)中，實(shí)現(xiàn)了智能提醒功能，變被動防守為主動服務(wù)，對投訴風(fēng)險較高的用戶提前進(jìn)行主動關(guān)懷，為提升用戶感知，提高處理效率，降低投訴率和二次來話率提供支撐。

預(yù)測結(jié)果通過Webservice接口的方式實(shí)時地集成在目前的客服生產(chǎn)系統(tǒng)中，當(dāng)用戶來電接入人工服務(wù)時、當(dāng)處理或查看工單時，根據(jù)受理號碼調(diào)出基于數(shù)據(jù)挖掘分析模型計(jì)算的相應(yīng)用戶的投訴風(fēng)險度及其相關(guān)的異常場景情況，用戶被醒目的標(biāo)注為“紅色預(yù)警、黃色預(yù)警、藍(lán)色預(yù)警、不預(yù)警”等不同的類別(見圖9)?？头藛T可點(diǎn)擊預(yù)警標(biāo)識，查看詳細(xì)的預(yù)警原因及相關(guān)異常場景，以達(dá)到快速反應(yīng)、輔助快速定位問題及提高處理效率的目的。圖9是智能預(yù)判提醒的示例。

圖9 客服助理界面示例

3.2.2 場景實(shí)現(xiàn)方案

在客服助手中豐富場景的功能，對預(yù)警來電用戶的信息進(jìn)行了整合和展示，給客服代表提供便捷的信息展示途徑，減少客服代表多系統(tǒng)查詢信息的時間，提升客服代表與客戶溝通的有效性，預(yù)警信息的展示使客服代表與客戶溝通能更加有的放矢。目前，已經(jīng)實(shí)現(xiàn)的場景提醒有升級投訴傾向、套外流量異常、投訴流量調(diào)費(fèi)、多流量包訂購、網(wǎng)絡(luò)質(zhì)量異常、活動到期提醒、已辦未生效提醒等10余個場景。

4 大數(shù)據(jù)能力在客戶服務(wù)應(yīng)用效果

4.1 有效降低二次來電率和二次生成工單率

受到預(yù)警隊(duì)列提醒的用戶，其后期的人工服務(wù)率和工單生成率較對照組分別下降10%左右(見圖10)。說明智能提醒有效降低了再次來電率和再次生成工單率，對于客戶服務(wù)接待工作的效率和服務(wù)水平有明顯提升，也緩解了客服代表的工作壓力。

圖10 預(yù)警隊(duì)列效果展現(xiàn)

4.2 投訴用戶數(shù)降低，升級投訴用戶數(shù)降低

從7月智能預(yù)判提醒功能正式上線以來，2G、3G同口徑下的升級投訴用戶數(shù)明顯下降(見圖11)。

圖11 升級投訴用戶下降情況

4.3 客服人員處理時間縮短，效率提升

7月份系統(tǒng)上線以來，我們一直堅(jiān)持系統(tǒng)的效果評估，把使用智能預(yù)判提醒的用戶群與沒有經(jīng)過智能預(yù)判提醒的用戶群(對照組)做對比分析。發(fā)現(xiàn)使用智能預(yù)判提醒系統(tǒng)的人工單次服務(wù)時長為5分鐘，要比使用對照組的平均人工服務(wù)時長縮短2分鐘，溝通的有效性得到明顯提升。

4.4 投訴用戶流量調(diào)費(fèi)金額下降

投訴用戶的流量調(diào)費(fèi)問題是一個重點(diǎn)解決的應(yīng)用場景，從2014年7月用戶需求預(yù)判平臺上線后，通過對流量溢出用戶模型的分析以及業(yè)務(wù)部門對溢出用戶的提前干預(yù)，投訴用戶的流量調(diào)費(fèi)金額出現(xiàn)顯著下降(見圖12)。

圖12 投訴用戶流量調(diào)賬金額變化

5 總結(jié)

通過對大數(shù)據(jù)在客服領(lǐng)域方面的探索，在客服一線代表的工作中，結(jié)合分公司服務(wù)指標(biāo)的提升方向進(jìn)行研究，通過用戶服務(wù)需求預(yù)判平臺的搭建，初步實(shí)現(xiàn)大數(shù)據(jù)在服務(wù)方面的拓展[8]。

1)突破了傳統(tǒng)商業(yè)智能系統(tǒng)側(cè)重結(jié)構(gòu)化數(shù)據(jù)的局限，運(yùn)用最新的大數(shù)據(jù)分析技術(shù)，全面拓展數(shù)據(jù)形式，整合文本語音、互聯(lián)網(wǎng)、新媒體等信息，更全面地洞察用戶的需求和訴求。

2)突破了傳統(tǒng)分析視角，拓展為深入關(guān)注用戶情感、心理、情緒、人文、社交網(wǎng)等分析維度，使得對投訴用戶的研究刻畫更加立體生動準(zhǔn)確，為客服工作策略的優(yōu)化提供最精確的用戶畫像資料。

3)實(shí)現(xiàn)了智能預(yù)判提醒功能，防患于未然，使一線員工的工作方式由被動服務(wù)變?yōu)橹鲃雨P(guān)懷，有效地降低了再次來電率和再次生成工單率，縮短了人均處理工單的時間，提升了工作人員的處理效率，降低了升級用戶的投訴率，降低了流量調(diào)費(fèi)用戶的調(diào)費(fèi)金額，有效地降低了成本。

6 展望

隨著移動智能終端和互聯(lián)網(wǎng)的發(fā)展使得客戶的溝通偏好日益呈現(xiàn)多樣化的態(tài)勢，運(yùn)營商客戶服務(wù)成為應(yīng)對激烈競爭的主要抓手，但是當(dāng)前服務(wù)運(yùn)營壓力卻越來越大:客戶需求頻繁變化，對服務(wù)的要求越來越高;新業(yè)務(wù)、新產(chǎn)品不斷出現(xiàn)，業(yè)務(wù)復(fù)雜度不斷增加;這些將使客服工作面臨更大的挑戰(zhàn)，也蘊(yùn)含了前所未有的機(jī)遇，客戶服務(wù)的好壞有可能改變運(yùn)行商的實(shí)力對比和市場格局，在用戶體驗(yàn)為王的數(shù)字化時代，客戶服務(wù)工作的重要地位也越來越凸顯出來。

在今后的項(xiàng)目建設(shè)中，建議采用強(qiáng)化用戶滿意度評估管理、強(qiáng)化整合多媒體客服(微信、郵件等)、服務(wù)能力前置、工單透明化運(yùn)營可視化來緩解用戶疑惑等一系列創(chuàng)新的系統(tǒng)功能及業(yè)務(wù)思路。更多地運(yùn)用新媒體、文本、語音處理、視頻信息、互聯(lián)網(wǎng)社交媒體信息，形成更準(zhǔn)確的用戶認(rèn)識和更敏捷的反應(yīng)速度，更公開透明的投訴信息處理，變被動服務(wù)為主動服務(wù)，全面提升用戶感知，為上海聯(lián)通的整體業(yè)務(wù)提升提供支持。

[1]維克托·邁爾-舍恩伯格,肯尼思·庫克耶.大數(shù)據(jù)時代[M].杭州:浙江人民出版社,2013

[2]艾伯特-拉洛斯·巴拉巴西.爆發(fā)[M].北京:中國人民大學(xué)出版社,2013

[3]施錫銓,范正綺.決策與模型[M].上海:上海財(cái)經(jīng)大學(xué)出版社,2003

[4]彭曉潤.走出服務(wù)營銷的誤區(qū)[J].商業(yè)研究,2002(02):127-128

[5]范蔚文.數(shù)據(jù)挖掘在電信領(lǐng)域中的挖掘應(yīng)用[J].科技廣場,2010:26-28

[6]李先國,曹獻(xiàn)存.客戶服務(wù)管理(第2版)[M].北京:清華大學(xué)出版社,2011

[7]吳昱.大數(shù)據(jù)精準(zhǔn)挖掘[M].北京.化學(xué)工業(yè)出版社,2014

[8]徐子沛.大數(shù)據(jù)[M].桂林:廣西師范大學(xué)出版社,2012