周鑫，劉文松，林峰，楊東，胡竹青，張錦輝，管榮飛

摘 ?要： 南瑞集團186客服平臺使用自建ITSM系統(tǒng)，對工單量、用戶身份、受理模塊進行統(tǒng)計。話務(wù)工單直接記錄了用戶的具體訴求，但由于缺乏分析手段，無法實現(xiàn)對用戶需求的精準識別，做到主動服務(wù)。為此，通過文本分析和挖掘技術(shù)實現(xiàn)話務(wù)工單的信息提取，進而實現(xiàn)信息系統(tǒng)、業(yè)務(wù)和用戶的畫像分析，進一步提升南瑞集團186客服平臺業(yè)務(wù)能力和服務(wù)質(zhì)量。

關(guān)鍵詞： 客服系統(tǒng);文本分析和挖掘;畫像分析;需求識別;精準服務(wù)

中圖分類號： TP31 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.12.026

本文著錄格式：周鑫，劉文松，林峰，等. 基于文本分析的南瑞集團186客服業(yè)務(wù)能力優(yōu)化[J]. 軟件，2019，40（12）：115117

Optimization of 186 Customer Service of NARI Based on Text Mining

ZHOU Xin， LIU Wen-song*， LIN Feng， YANG Dong， HU Zhu-qing， ZHANG Jin-hui， GUAN Rong-fei

（NARI Group Corporation， Jiangsu Nanjing， 211000）

【Abstract】： ITSM built by NARI is used to record the users calling requirements， including the user ID， the calling time， the requirement content， et al. The lack of analysis methods causes the incapability of extraction of the common requirements， which help 186 Customer Service to recognize more precisely the users requirements and serve more positively. So， the text analysis and mining method is used to portray the PERSONA of information system， the daily business and the users， according to which， 186 Customer Service could optimize the service ability and quality.

【Key words】： Customer service system; Text analysis and mining; PERSONA analysis; Requirements analysis; Precise service

0 ?引言

南瑞集團186客服中心一線客服13人，服務(wù)集團近2萬名員工。僅2018年話務(wù)工單量為103689條。由于沒有相關(guān)的技術(shù)手段，只能人工統(tǒng)計如一次解決率、客戶滿意率、話務(wù)丟失率、話務(wù)分時圖等基礎(chǔ)數(shù)據(jù)，據(jù)此調(diào)整服務(wù)策略。

隨著集團的快速發(fā)展，信息系統(tǒng)應(yīng)用業(yè)務(wù)覆蓋面變得越來越廣，業(yè)務(wù)應(yīng)用集成度也變得更深，用戶資源需求越來越多。如果不能掌握工單數(shù)據(jù)的智能分析方法，進而掌握大部分用戶存在的共性問題，做好提權(quán)處理;或針對每天各時段話務(wù)的峰谷值，提前做好人員調(diào)配的相關(guān)準備等，將會極大影響用戶滿意度的進一步提升，從而引起問題解決效率低、服務(wù)質(zhì)量差、用戶滿意度低等情況。

為進一步提升客服平臺運營價值，輔助信息系統(tǒng)能力提升，滿足南瑞集團員工的使用需求，以客服平臺（186）受理話務(wù)和工單數(shù)據(jù)為基礎(chǔ)，基于智能計算中心提供的文本分析和數(shù)據(jù)挖掘服務(wù)，探索客服大數(shù)據(jù)分析模式，形成2018年度南瑞集團客服平臺（186）大數(shù)據(jù)分析報告，共涵蓋宏觀畫像、業(yè)務(wù)畫像（客服視角）、系統(tǒng)畫像、用戶畫像四大主題。

客服數(shù)據(jù)的選取時間始于2018年1月1日，截止2018年12月9日。自12月10日至12月31日，客服系統(tǒng)開始切換國網(wǎng)統(tǒng)推平臺。本次分析對該時間段數(shù)據(jù)不予以考慮?？头?shù)據(jù)字段主要包括工單描述、解決方法、來電時間、來電人員、來電單位、接話人員、解決人員、解決時間、處理方案等。

采用的文本分析和挖掘方法[1]包括：精準分詞、基于語義的文本相似性分析、詞頻提取、關(guān)鍵詞提取、頻繁項提取、關(guān)聯(lián)規(guī)則提取、聚類分析、時間序列回歸分析等。

文本分析和挖掘的計算環(huán)境為：RedHat Linux 7.5，8核CPU，16GB內(nèi)存服務(wù)器。

1 ?畫像分析

1.1 ?工單預(yù)測

首先，對客服平臺的工單數(shù)量進行預(yù)測分析。工單數(shù)量從側(cè)面反映出業(yè)務(wù)系統(tǒng)的使用量，體現(xiàn)了相關(guān)業(yè)務(wù)開展的活躍度。另一方面，對于有限數(shù)量的客服人員，如能較為準確的估算工單話務(wù)量，對于提前進行工作安排、疏導(dǎo)流量是極其有意義的。

2018年客服平臺共受理話務(wù)103689項?？紤]到春節(jié)、中秋、國慶等國家法定假日及雙休日沒有話務(wù)量，為便于開展數(shù)據(jù)擬合，對數(shù)據(jù)進行預(yù)處理，即僅對工作日的話務(wù)數(shù)據(jù)進行時間序列分析，如圖1所示。

圖1 ?2018年話務(wù)工單

Fig.1 ?Daily distribution of calling quantity of 2018

在此基礎(chǔ)上，采用回歸建模[2]進行工單量預(yù)測，可知2019年的工單話務(wù)平均為439單/每天，誤差均值為80.9單/天。

1.2 ?業(yè)務(wù)畫像

對話務(wù)工單的文字描述進行實體識別，可獲得用戶反映的具體問題。在此基礎(chǔ)上，通過頻繁項挖掘[3-5]，獲取熱詞及關(guān)聯(lián)詞，可確定客服系統(tǒng)日常的業(yè)務(wù)熱點。按此思路進行處理，并提取熱詞進行詞云展示。

可見，客服平臺確實是集團內(nèi)部辦公信息系統(tǒng)咨詢、申請和問題反饋的重要平臺。針對排名前三的熱詞關(guān)聯(lián)項進行分析，如下所示。

圖2 ?客服平臺186熱詞詞云

Fig.2 ?Hot words of 186 customer service

（1）排名第一的熱詞為咨詢，最頻繁咨詢的信息涉及：

a）供應(yīng)商;b）投運;c）生產(chǎn)經(jīng)營;d）狀態(tài);e）門戶;f）網(wǎng)絡(luò);g）ERP系統(tǒng);h）APP;i）客戶信息;j）人資。

（2）排名第二的熱詞為申請。最頻繁申請的業(yè)務(wù)涉及：

a）接入;b）終端;c）采購;d）賬號;e）權(quán)限;f）郵箱;g）附件;h）VPN;i）刪除;j）審批。

（3）排名第三的熱詞為問題。最頻繁反映的內(nèi)容涉及

a）模塊;b）管理;）c）采購;d）物資;e）系統(tǒng);f）項目;g）平臺;h）生產(chǎn);i）數(shù)據(jù);j）報銷。

下面，擬結(jié)合業(yè)務(wù)系統(tǒng)、用戶單位、客服人員進行詳細分析。

1.3 ?系統(tǒng)畫像

根據(jù)業(yè)務(wù)系統(tǒng)，對熱詞及關(guān)聯(lián)詞進行細分，可以獲知用戶日常在業(yè)務(wù)系統(tǒng)使用時的關(guān)注點，既可以為業(yè)務(wù)優(yōu)化指明方向，也可讓培訓(xùn)更有針對性和目標性。以ERP系統(tǒng)為例，通過話務(wù)工單的實體提取和關(guān)聯(lián)分析，獲取排名前10業(yè)務(wù)如圖3所示。

圖3 ?ERP系統(tǒng)業(yè)務(wù)熱點

Fig.3 ?Hot businesses of ERP

1.4 ?用戶畫像

從用戶單位的角度，進行文本分析[6-10]，可以得知該部門日常業(yè)務(wù)項及時間分布?？梢愿鶕?jù)其業(yè)務(wù)特點，為其開設(shè)針對性的業(yè)務(wù)通道，或是進行流程優(yōu)化升級。以水利水電公司某員工為例，分析活躍用戶的日常業(yè)務(wù)如圖4所示。

圖4 ?2018年活躍用戶的熱點業(yè)務(wù)

Fig.4 ?2018 Hot business of active users

2 ?實施效果

2.1 ?輔助建議

基于以上方法，對2018年客服平臺大數(shù)據(jù)分析，得到以下分析結(jié)論：

從運維角度看，靠前的有終端申請、網(wǎng)絡(luò)接入、賬號解鎖、密碼重置、權(quán)限變更、電子郵箱、附件下載、VPN申請等。建議針對這些事項進行流程優(yōu)化，實現(xiàn)自主辦理。配合開展系統(tǒng)應(yīng)用的教育培訓(xùn)，提高使用能力。

從數(shù)據(jù)維護看，涉及最多的是供應(yīng)商信息。建議提高業(yè)務(wù)數(shù)據(jù)準確性，優(yōu)化系統(tǒng)操作的便利性。

從歸屬系統(tǒng)看，與ERP系統(tǒng)相關(guān)的業(yè)務(wù)量達39%，說明該系統(tǒng)使用率高，運維需求大，需進一步跟進用戶的應(yīng)用需求。

從活躍用戶看，涉及最多的外單位是財資部和生產(chǎn)部。建議客服可以主動對接用戶，優(yōu)化流程，提供便捷的服務(wù)和操作。

從客服人員看，建議開放一線客服的權(quán)限，實現(xiàn)一線時間，一線解決;建議客服部門基于2019年工單預(yù)測值（平均439單/每天，誤差均值為80.9單/天）提前做好人員安排;進一步提高工單質(zhì)量。同時，積極研發(fā)客服機器人等新的信息化、智能化手段，拓寬客服信息接入的渠道，擴大客服平臺服務(wù)的范圍。

2.2 ?業(yè)務(wù)優(yōu)化

使用大數(shù)據(jù)分析后，可以測算出每日話務(wù)量高峰期以及低谷期，在高峰期時提前進行全員簽入接聽工作，低谷期時由組長對新進客服人員以及其他人員接聽過程中遇到的問題進行培訓(xùn)，充分的利用了工作時間，不再出現(xiàn)話務(wù)不忙時客服坐等電話的情況;通過數(shù)據(jù)也可以看出，使用大數(shù)據(jù)分析后，客服中心的話務(wù)丟失率呈現(xiàn)出明顯下降趨勢，2018年一季度的話務(wù)接通率為76.31%，2019年一季度的話務(wù)接通率為85.01%，環(huán)比提升11.40%;同時通過文本分析，客服中心能夠直接將近期某個系統(tǒng)或某個模塊客戶反應(yīng)問題較多的情況進行篩選，并及時通知相關(guān)業(yè)務(wù)部門的負責人，及時將問題進行消缺，讓客戶使用系統(tǒng)時更加的方便，提高用戶的滿意度?？傊?，通過客戶數(shù)據(jù)、運營管理數(shù)據(jù)及員工行為數(shù)據(jù)的挖掘和分析，采取相應(yīng)措施可以提高工作效率，優(yōu)化流程，幫助運營管理降低成本，找到關(guān)鍵環(huán)節(jié)，加強用戶體驗管理，提升用戶服務(wù)體驗。

3 ?總結(jié)

針對2018年186客服平臺反映的現(xiàn)象，進一步總結(jié)大數(shù)據(jù)分析過程，形成周期性的、有價值的、有公信的南瑞客服平臺大數(shù)據(jù)分析報告，力求成為客服工作的年度亮點。下一步，南瑞集團186客服平臺將根據(jù)三型兩網(wǎng)的思想，進一步的沿著“云大物移智”的方向，深化人工智能、數(shù)據(jù)挖掘的使用。計劃開發(fā)客服機器人等相關(guān)輔助工具，進一步完善工作方式，真正實現(xiàn)“快捷”“高效”“優(yōu)質(zhì)”的集團信息化運維服務(wù)體系。

參考文獻

[1]卓廣平. 數(shù)據(jù)挖掘開發(fā)及應(yīng)用研究[J]. 軟件， 2015， 36（5）： 81-83.

[2]盧超， 黃蔚， 胡國超. 基于圖形數(shù)據(jù)結(jié)構(gòu)的復(fù)雜對象建模設(shè)計[J].軟件， 2015， 36（12）： 220-223.

[3]張聰聰， 李思彤， 湯藝， 等. 基于數(shù)據(jù)挖掘的國際涉華輿情分析關(guān)鍵技術(shù)研究[J]. 軟件， 2018， 39（12）： 172-176.

[4]卓廣平. 數(shù)據(jù)挖掘開發(fā)及應(yīng)用研究[J]. 軟件， 2015， 36（5）： 81-83.

[5]史尤昭. 數(shù)據(jù)挖掘技術(shù)研究與應(yīng)用[J].軟件， 2015， 36（11）： 38-42.

[6]劉偉， 賓航飛， 胡志剛. 一種改進的基于文本的重復(fù)代碼自動識別方法[J]. 軟件， 2018， 39（10）： 68-73.

[7]謝子超. 非結(jié)構(gòu)化文本的自動分類檢索平臺的研究與實現(xiàn)[J].軟件， 2015， 36（11）： 112-114.

[8]馬明明， 胡俊. 面向文本的標簽云可視化度量模型的研究[J]. 軟件， 2018， 39（5）： 88-93.

[9]劉騰飛， 于雙元， 張洪濤， 等. 基于循環(huán)和卷積神經(jīng)網(wǎng)絡(luò)的文本分類研究[J]. 軟件， 2018， 39（01）： 64-69.

[10]張玉環(huán)， 錢江. 基于兩種 LSTM 結(jié)構(gòu)的文本情感分析[J]. 軟件， 2018， 39（1）： 116-120.