電信大數據在投訴管理中的應用

（中國移動通信集團海南有限公司，海南 海口 570100）

0 引言

隨著移動互聯網技術快速普及，基于用戶個性化服務迅速發展，用戶對于運營商的服務能力、網絡質量等有了更高要求。然而，面臨如此龐大的客戶群體，當運營商提供的服務質量只能滿足部分需求時，必然導致客戶投訴。目前投訴主要分為兩個方面：一是基于客戶主觀因素的投訴，主要由于客戶過于挑剔或情感不滿造成的投訴，資料顯示該類投訴比例只有大約15%左右[1]；二是基于網絡故障的投訴，由于網絡固有缺陷造成的使用困難、體驗差等投訴，該類投訴比例大約在85%左右[2]。

為了提升投訴處理效率，國內外許多學者提出了基于大數據的投訴處理方案。文獻[3]提出對投訴信息進行挖掘，研究出日益增長的投訴數量與低效率投訴處理之間的關系，利用大數據挖掘技術找出投訴熱點。文獻[4-6]中提出利用電信大數據的特點，用戶數據、信令數據、路測數據等進行投訴原因、投訴熱點、變化趨勢等多維度分析。文獻[7]通過對信令數據、DPI 數據等建立語音業務質量評估模型，提前預判客戶投訴行為。文獻[8]通過引入多維報表概念，建立大數據用戶投訴預警、投訴信息圖層呈現、投訴閉環管理。基于此，結合電信大數據的特點，重點研究客戶投訴中投訴預判、投訴處理以及投訴診斷，建立一套完整的投訴處理流程。

1 基于電信大數據的投訴管理方案

本文以中國移動海南分公司搭建的大數據公共服務平臺為依托，主要包括三個部分：投訴預判、投訴處理、投訴診斷，如圖1所示。

1.1 事前：投訴預判

1.1.1 數據采集

本方案利用電信運營商的大數據平臺，接入各類數據指標來建立歷史數據庫，主要包括5大類數據：網絡資源數據、投訴數據、網管數據、信令數據以及用戶位置數據。上述數據主來自網管平臺、BOSS 系統，營業廳、APP、電話錄音等，所有投訴信息以文本形式存入信息系統數據庫。

圖1 基于電信大數據的投訴管理方案

1.1.2 數據清洗

由于大數據平臺的數據來自于不同的數據接口機，具有不同的格式、粒度、特征、來源、采集時間等，首先需要對數據進行清洗和整理，主要需要刪除錯誤數據、無效數據以及補全缺失字段的數據。

1.1.3 聚類分析

經過數據采集和清洗后的數據細分為各個維度的基礎數據，然而上述數據在某些層面上反映的是同一問題，例如RSSI 和RSRP 均可以反映覆蓋方面的問題。因此，為了提高該算法效率，需要對數據庫中各類數據進行相關性分析，保證各類數據的正交性。本文使用皮爾遜相關系數計算指標相關性。

1.1.4 問題分解

通過對用戶投訴信息的分析，定位用戶的投訴問題，從而找到與用戶投訴相對應的五類后端數據：業務數據、質量數據、容量數據、感知數據以及場景分類數據。業務數據包括話務量、流量數據等；質量數據包括RSRQ、CINR 等；容量類數據包括可用信道數、服務小區能力數據等；感知數據包括上網速率、下載速率等；場景分類數據包括學校、醫院、景點等。

1.1.5 指標選擇

由于運營商龐大的客戶群體和復雜的網絡，目前存在的數學模型均不能解決所有問題。根據帕累托法則，常常80%的投訴來自于20%的指標異常，因此本系統對各類指標進行選擇。利用魚骨圖對各類投訴原因進行分析，尋找出引起各類投訴的重要指標；其次，利用帕累托圖對投訴原因進行排序，尋找出引起客戶投訴的主要原因；最后，根據帕累托圖的結果，對各類指標進行選擇。

1.1.6 貝葉斯分類

經過數據整理，得到n條樣本信息的集合S：

式中，IBi表示第i條投訴對應的業務類數據；IQi表示第i 條投訴對應的質量類數據；IPi表示第i條投訴對應的感知類數據；ICi表示第i條投訴對應的容量類數據；Li表示第i條投訴對應的場景類數據。Typei表示第i條投訴對應的投訴類型。

1.2 事中：投訴處理

經過投訴預判模塊可以一定程度上減少用戶可能的投訴，但投訴不可避免。當實際發生用戶投訴時，本系統在線收集用戶相關數據，使用歷史數據庫對投訴類型進行分析，基于貝葉斯分類算法對問題進行初步定位。根據用戶投訴類型、投訴原因、投訴位置進行投訴熱點分析，并在此基礎上實現地理分級可視化呈現。

1.3 事后：投訴診斷

為了進一步完善電信客戶的投訴管理流程，需要進行事后的投訴診斷。首先，通過大數據平臺的數據整理，結合用戶的回訪數據，對用戶特征進行畫像，為的投訴預判打基礎。然后，將預測失敗的數據經修正后加入數據庫，不斷豐富歷史數據庫，加強貝葉斯算法自我學習能力，持續進行網絡優化。

2 基于電信大數據的投訴管理系統應用

中國移動海南公司在大數據運營服務平臺的基礎上，搭建了電信大數據的投訴管理系統，并于2020年6月中旬投入使用。通過對歷史數據庫反復不斷的學習，實時采集用戶數據，對用戶的投訴進行預判。利用貝葉斯分類算法計算單位面積下的傾向投訴量，在文中定義概率高于70%以上的投訴為客戶的傾向投訴。利用歷史數據庫中的投訴分類和重要程度排序，對用戶的傾向投訴的重要程度進行分析，并利用不同的配色進行級別渲染和地理可視化呈現，在本文中主要采用四種顏色表示其投訴的重要程度，其重要程度排序為紅色＞黃色＞淺綠＞深綠。其部分結果如圖2所示。

圖2 投訴預判可視化呈現

3 結束語

本系統利用電信大數據優勢，提出一套運營商客戶投訴的解決方案。該方案根據歷史數據庫進行客戶投訴預判，利用實時數據尋找投訴熱點并實現熱點區域分級渲染。該系統上線后，可以實現高效、合理、快速的全網投訴分析。