基于大數據分析的運營商主動服務研究

李鶯

【摘 要】為了解決傳統運營商面臨的急需提升主動服務能力的問題，研究了大數據分析在客戶服務方面的應用，通過大數據分析鎖定目標用戶，并對用戶做特征畫像，確定觸發用戶關鍵行為的因素、閾值及預警機制，供主動服務和針對營銷調用，從而實現提升客服的主動服務能力和營銷成功率的目的。

【關鍵詞】主動服務 大數據 數據挖掘 離網預警

doi：10.3969/j.issn.1006-1010.2016.24.018 中圖分類號：F626 文獻標識碼：A 文章編號：1006-1010（2016）24-0087-04

1 運營商客服主動服務壓力巨大

運營商向客戶提供主動服務的重要性越來越大，具體如下：

（1）隨著網絡的普及，信息獲取途徑變得多而快捷，用戶在通信產品消費當中的信息不對稱現象正慢慢消失。與此同時，通信產品可替代選擇眾多，用戶對產品和服務也越來越挑剔，維權意識日益加強，“用腳投票”成為用戶在對一家運營商服務不滿時經常做出的舉動，為了維護穩定的用戶市場，對于運營商而言，服務質量提升壓力巨大。

（2）消費者協會以及大眾媒體均緊盯運營商，每年3·15都會曝光運營商產品和服務質量相關的一些內容，而平時運營商的負面事件傳播更是迅速，影響范圍極大，工信部等行業監管部門的監管趨向嚴格，嚴控服務事故、越級申訴，這也促使運營商不得不更關注產品與服務質量。

（3）服務經濟、體驗經濟的時代，服務領先的企業在激烈的市場競爭中更具有優勢，伴隨著虛擬運營商、移動互聯網公司等新型通信服務企業的興起，靈活、創新的服務模式更多地從用戶需求角度出發，越來越能夠滿足用戶需求，使得傳統運營商面臨著更嚴酷的競爭。

2 大數據技術應用萬事俱備

大數據分析技術業已成熟，尤其是運營商擁有海量、多樣、快速而高價值的用戶數據，通過大數據挖掘可以看到用戶喜歡什么、討厭什么，并預測用戶未來會怎樣、需要什么，從而針對不同人群設計出各種匹配的服務方案，主動、智能化地提供給用戶。充分運用大數據分析技術，可以有效協助運營商從傳統、被動的服務模式向主動服務轉型。

3 如何讓大數據應用于客戶主動服務

傳統的客服屬于被動式服務，如當用戶通過渠道觸點反映在產品使用過程中所遇到的問題或享受運營商提供的某項服務過程中產生不滿后，觸點將投訴內容記錄且反饋至系統相關環節，經過系統分析并派單，由責任部門或觸點負責解決。這種解決問題的模式的缺點在于不具有預見性，總是處于被動等待問題出現、解決問題、整改問題的狀態，而導致問題產生的因素并沒有從根源上得以解決，那么用戶對此的整體滿意度水平必然無法有效提升，相關的運營商內部運營機制和工作效率也得不到有效改善。

那么，如何解決這個問題呢？以上述用戶反映問題到問題解決的整個流程為例來考慮改進方向。如果能夠提前知道哪些用戶會就哪些產品和服務問題產生不滿，以及不滿達到何種程度會觸發該類用戶產生抱怨、投訴甚至離網，則可以提前采取措施來避免這類問題的發生，從而將用戶的不滿打消在萌芽前。此外，如果同時可以對用戶“打標簽”，用消費、行為喜好等特征勾勒出用戶畫像，那么針對性的主動營銷成功率也將大大提升。

基于大數據分析的運營商主動服務研究框架示意圖如圖1所示。

3.1 通過大數據分析鎖定目標用戶

以用戶的物理基本信息、消費信息、網絡信息、業務異動信息（如投訴信息和離網信息）等為研究對象，對各類信息數據先進行清洗、篩選、標準化預處理，形成可供建模挖掘的基礎數據。多元化數據的采集能夠突破傳統單一結構化數據分析的局限，充分利用用戶各類資料來源，勾勒更生動、更清晰的用戶畫像，反映出用戶的性格、消費習慣、心理訴求、偏好等信息。由于運營商的數據分散于各系統中，因此元數據的獲取和處理比較復雜。

對上述用戶信息做各類計量統計挖掘分析。以用戶離網預警為例，通過聚類、關聯分析，充分挖掘影響用戶離網的因素，進一步簡約各因素，構建離網預警模型，常用的方法包括神經網絡、決策樹、貝葉斯等。結合業務人員經驗及模型校驗結果，對模型進行綜合優化。投訴用戶的離網傾向模型示例如表1所示。

由此可見，數據挖掘的目的是實現對用戶消費行為、偏好、情緒、心理等方面特征的畫像，并確定各場景下能夠觸發用戶關鍵行為的因素及其閾值。當特定場景發生，關鍵行為因素達到閾值時，給出預警以及診斷報告，供主動服務和針對營銷調用。系統離網預警提示示例如圖2所示。

3.2 分析結果應用

上述數據分析得到的結果可以供專題研究所用，作為策略控制運營系統的輸入，為策略匹配、渠道策劃、效果評估提供依據。例如，根據異常高額話費和異常高額流量場景進行的細化分析以及場景動因診斷分析結果，判斷細化場景發生的原因并確定責任部門，派單至責任部門進行核查處理和后續改進，制定和完善細化場景匹配策略。

異常高額話費場景應用示例：

高額話費的類型分為高額上網流量費和高額增值業務費。其中，高額上網流量費的原因診斷結果是：該用戶主套餐屬性和流量包屬性不一致；派單至：投訴中心；派單詳情是：手機153***是***時長版套餐，計費模式從時長變更為流量，導致上網費用**元按流量計費在套餐外出賬，請投訴中心核實處理。

此外，確定責任渠道觸點，從而明確派單路徑，如VPN、星級客戶經理、外呼渠道等，觸點根據診斷報告，主動外呼關懷，分細化場景用戶進行消費使用輔導、資費流量使用解釋、業務引導等。

4 結束語

本文以用戶的物理信息、消費信息、網絡信息、業務異動信息等為研究對象，以用戶離網場景為例，給出通過大數據分析挖掘基本數據庫中用戶數據不同項目之間的聯系，找出并研究事物或人們的行為模式，從而對用戶未來消費和使用行為作出預判，使運營商從傳統的被動式客戶服務向主動服務的轉變成為可能，同時也使主動營銷的成功率得到提升。

參考文獻：

[1] 徐艷，陳崚. 電信客戶服務需求的關聯規則挖掘[J]. 信息通信， 2008，21（5）： 53-56.

[2] 劉資媛. 顧客滿意度影響因素的理論分析及實證研究[D]. 長沙： 湖南大學， 2005.

[3] 中國移動北京公司. 互聯網投訴處理及主動服務研究[EB/OL]. （2014-09-28）. http：//www.docin.com/p-924034828.html.

[4] 華信郵電咨詢設計研究院有限公司. 北京移動數據業務客戶價值管理及提升項目建議書[Z]. 2013.

[5] 羅旭祥. 產品與數據——基于數據挖掘的產品設計[EB/OL]. （2016-06-26）. http：//wenku.baidu.com/link？url=-MEA2wb1y03ZfUjAbvhhJ82xZm7QbUqnqekkGgzkApmWqbOnLQa8ulQspTAJpjhgmygxmFrpK15J69eR_3fELmxuy5vKP7fTmCbLbnfn5Dy.

[6] 中國聯通網研院大數據. 一張圖看懂運營商大數據解決投訴問題[EB/OL]. （2015-09-22）. http：//bbs.c114.net/thread-853703-1-1.html.

[7] 董智純，楊林，詹念武，等. 一種基于大數據技術的投訴分析與預測系統[J]. 信息通信， 2015（9）： 285-286.

[8] 吳蒙. 主動服務中服務發現及其主動機制的研究[D]. 武漢： 武漢理工大學， 2009.

[9] 林波，丁東輝，郭靖羽，等. 基于投訴文本記錄的數據挖掘系統[J]. 中國科技信息， 2015（21）： 51-54.

[10] 于愛民. 利用數據挖掘實現電信行業客戶流失分析[J]. 廣東通信技術， 2004（5）： 4-7.