基于大數據分析技術的客戶投訴精益化管理

劉棟果

（國網四川省電力公司，四川 成都 610000）

電力營銷作為國網電力公司日常工作重點，為客戶提供優質服務的理念已經深入人心，但客戶投訴事件仍然時有發生，出現投訴事件時，工作人員如不能及時掌握事件的起因與經過，最終將導致花費大量人力物力去解決這些投訴事件，既影響了客戶對的信任，又耗費資源[1]。因此要實現降低投訴率的目的，就要對營銷服務工作的各個環節進行有效的把控，提高處理客戶投訴的效率，并及時回復到客戶，實現營銷服務的一步精益化管理。如圖1所示。

圖1 95598投訴舉報業務處理流程

1 大數據分析技術運用的必要性

數字信息時代日益發達，要實現營銷服務的精益化管理，有必須通過大數據分析技術對已發生的各渠道、各類型投訴事件進行綜合分析，更清晰、更直觀地了解投訴事件的投訴源頭、投訴高峰時期、高峰時段、投訴敏感區域、投訴群體特征，如圖2所示。通過對歷史投訴事件數據的業態及趨勢分析，為制定相應的整治與預防措施提供數據支撐，及時解決問題，回訪客戶，從而有效降低投訴率[2]。

圖2 95598投訴事件-歷史投訴事件數據

2 大數據分析技術運用的預期目標

大數據分析技術運用的預期目標在于利用大數據分析技術，整合客戶檔案、訴求信息等相關數據，分析客戶熱點訴求和發展趨勢，支撐統籌協調互動化服務手段，提前開展主動服務，從而有效提升客戶感知，減少投訴，提高客戶滿意度，從而贏得客戶好感與信任，樹立國網電力公司優良的企業形象。

3 大數據分析技術下客戶投訴精益化管理策略

在供電企業中，客戶滿意度占據了十分重要的地位，由于客戶滿意度在很大程度上決定著供電企業的發展方向，因此如何高效處理客戶投訴，為企業贏得時機，及時發現并解決內部管理問題，將投訴轉化成效益，贏得客戶好感，提高客戶滿意度，是加強供電企業高效性、靈活性、科學性的重要內容，也是供電企業發展必須重視的問題。在用電客戶接受服務過程中，如果客戶自身合法權益未能得到滿足，影響客戶用電或者服務體驗，會降低客戶滿意度，客戶將進行投訴。投訴事件精益化管理過程包括信息輸入、數據清洗、數據量化、大數據算法、信息輸出、后續手段（見圖3）。

圖3 投訴事件精益化管理過程

3.1 建立平臺收集各渠道投訴

在實際供電服務中，供電企業會產生龐大的數據，由于數據多數采用人工處理的方式進行收集和整理，一方面導致工作效率偏低，另一方面由于收集渠道和方式的不同，數據之間存在較大差異，難以保證數據的完整性，因而會造成數據收集不準確、不全面、可參考性低等問題，因此客戶用電服務質量難以保證，不免會造成客戶投訴。然而，采用供電企業網絡信息平臺對數據進行統一收集、處理和分析，不僅便于供電企業的規劃與管理，同時可以實現電網數據的共享和資源的整合。因此供電企業網絡信息平臺以電網95598為基礎，如圖4所示，獲取語音業務質量評分因素與客戶投訴特征，面對現階段的種種問題，找到一種方法能夠通過客戶營銷檔案、存量訴求工單等相關數據準確重現“客戶畫像”，通過關鍵字的自動識別、提取和生成智能定位客戶訴求熱點，通過相關性分析準確預測熱點發展趨勢和可能發生的突出問題，通過客戶群體特性及訴求特點準確選取主動服務渠道。由于95598是供電企業面向客戶的主要窗口，通過短信、電話、網絡平臺等多個渠道為客戶提供供電服務，服務過程中將生成大量的數據，這些數據為評估客戶服務質量，分析客戶滿意度提供了有效的數據基礎，最終達到客戶主動服務，整體提升客戶服務水平，降低客戶投訴數量的目的[3]。

圖4 電網95598客戶端

（1）歷史投訴記錄。通過95598系統歷史投訴工單、處理過程描述、申訴理由描述等，對歷史投訴的全過程關鍵字信息進行記錄，如投訴內容（描述的多維度記錄）、投訴人信息（心情狀態、個人信息等多維度記錄）、處理過程（描述的多維度）、處理效果（描述的多維度）、申訴內容與申訴結果的多維度信息等。

（2）電話投訴。通過語音識別技術，將語句轉換成文字內容，并提取相應的關鍵詞，能夠真實記錄投訴人的心情狀態（擔憂、急切、憤怒、暴怒）、投訴類型、投訴內容、姓名、電話號碼、住址、投訴人基本情況（性別、年齡、文化程度、工作類型（計算機、工人、政府企業等）、工作情況（在崗、退休）等，收集投訴與相關內容維度信息，但不是每個投訴的維度都會一致。

（3）網絡投訴。與電話投訴相似，收集投訴與相關內容維度的信息。

（4）輿論情況。通過互聯網對電力輿論投訴相關的關鍵詞進行抓取，及時收集互聯網天氣、事故、活動等信息，分析對電力系統可以造成的影響或已經造成影響的信息，收集事件內容、地點、范圍、可能產生投訴類型。

3.2 客戶投訴大數據分析

依據大數據分析手段，針對客戶投訴產生的數據進行深度挖掘，發現數據潛在價值，并根據客戶投訴類型以及敏感度，構建數據模型，判斷客戶用電或服務的體驗感值和滿意度值，為供電企業精準營銷提供有力支撐。根據客戶反映的問題按照專業分成建設、營銷、檢修、運行、財務、物資等方面進行分類，再根據客戶反映的問題進行更精確的分析，并將客戶分成若干個組別，每個組別分配一個關鍵詞進行標記。將關鍵字和同義詞、近義詞組成同義詞庫后，通過Partition算法確定關鍵字之間的關聯關系，結合當前營銷服務工作，主動向客戶提供差異化服務，提升客戶感知，減少投訴。

（1）對投訴進行等級劃分。根據投訴的影響范圍（不止與電力影響、包含政治、社會輿論、被投訴單位影響、被投訴人員影響等）對投訴進行等級劃分，采取不同的資源（被投訴單位、上級單位、業務員、領導）進行處理，或是否優先處理。

（2）投訴影響范圍分析。根據歷史數據投訴內容的多維度性（關鍵字與關鍵字描述）與影響范圍維度的無序關系，對實時投訴產生的可能影響范圍（不止與電力影響、包含政治、社會輿論、被投訴單位影響、被投訴人員影響等）進行分析。

（3）投訴類型分析。基于大數據挖掘技術的客戶感知度分析模型通過分析歷史故障停電信息、故障處理信息、工單受理信息等，利用分布式計算、數據挖掘等技術，運用聚類算法構建客戶感知度分析模型，選取相關性最高的故障工單數、電話間隔時長、投訴工單數等影響因素，分析、歸納客戶對故障事件的感知度，將客戶劃分為高、中、低三個等級，建立客戶的行為標簽，并開展有針對性的服務，降低客戶的投訴風險。

（4）投訴處理建議分析。根據大數據分析，對投訴內容維度、投訴人情況（心情、性別、年齡、文化程度、住址等多維度），對投訴的可能發生的多維事件映射進行分析，對事件的最優映射進行引導，提供最優的處理建議。

3.3 數據分析表現形式

將投訴類型、敏感詞形成歷史數據庫，結合時間并形成不同的權重值，以歷史數據為基礎，通過大數據分析，以熱力圖的方式展現投訴區域、投訴類型的分布，以餅圖的方式展現投訴群體分布，以時間軸方式展現投訴時間段分布，以散點圖方式展現特殊時期投訴趨勢。比如，將客戶投訴群體大致分為學生、年輕人、中年人、老年人，用餅圖的方式展現投訴群體分布，如圖5所示，其中學生占比20%，年輕人占比41%，中年人占比29%，老年人占比10%，其分布表明年輕人對于用電體驗感要求更強，對于供電企業服務要求也更高。通過數據圖形的展現，可以直觀的看出各個數據之間的關聯和聯系，為降低客戶投訴提供有效依據。

圖5 客戶投訴群體分布

4 結束語

隨著人們對生活水平和幸福感要求的不斷提高，供電企業對于客戶用電的服務體驗也越來越重視，在加強客戶投訴精益化管理工作上投入大量資源，要加強客戶體驗，提高客戶滿意度，就要從壓降客戶投訴率的前提出發。本文通過探討分析大數據分析技術運用的必要性，大數據分析技術運用的預期目標以及大數據分析技術下客戶投訴精益化管理策略，意在運用大數據分析技術，對供電企業營銷服務工作的各個環節進行有效的把控，將客戶投訴進行精益化管理，將有效投訴和無效投訴進行有效劃分，針對有效投訴進行快速分析、處理，提高工作效率，優化工作流程，快捷高效地為客戶解決實際問題，贏得客戶好感，加強客戶用電服務體驗，一方面獲得客戶信任，加強客戶認可，提升客戶服務質量，另一方面節約供電企業內部資源，加快企業內部運轉，實現企業經濟效益最大化，進而真正實現基于大數據分析技術背景下客戶投訴精益化管理的最終目的。