5G+全產品數智體驗新型服務質量管理模式研究

關鍵詞：5G技術；產品體驗評測平臺；高質量；服務質量；體驗優化

doi：10.3969/J.ISSN.1672-7274.2025.04.001

中圖分類號：TN929.53 文獻標志碼：B 文章編碼：1672-7274（2025）04-0001-03

Abstract： With the continuous development and application of 5G technology，improving the quality of product experience has become the focus of enterprises.This paper introduces a new evaluation platform -- 5G+ all-product digitally intelligent user experience evaluation platform.Guided by customer scenarios，this platform realizes the advantages of customization，digital intelligence and visualization by means of data-driven，AI enablement，agile iteration and closed-loop processinorder to provide useful ideas and reference for enterprises to improve the quality of product experience.

Keywords： 5G technology;user experience evaluation platform; high quality;servicequality; experience optimization

研究背景

以5G為代表的新一代信息通信技術創新活躍，加速與經濟社會各領域深度融合，日益成為推動經濟社會數字化、網絡化、智能化轉型升級的關鍵驅動力[1]。中國移動結合自身實際，提出以創世界一流“力量大廈”戰略部署為核心，推進CHBN產品及服務數智化轉型，打造產品“規模 價值”的經營體系。

以往的產品體驗評測主要聚焦于使用階段，存在評測耗時久、范圍窄、手段相對單一等問題。按照客戶體驗管理發展趨勢，運營商開始注重全流程的服務體驗，逐步向售前、售中、售后全流程的端到端體驗評測轉變，評測對象、方法、手段、指標需隨之改進優化。傳統的評測結果通常以本地或在線文件形式呈現，可視化程度有限，隨著技術發展以及企業對客戶體驗管理的重視，平臺化、動態化成為體驗評測結果應用的趨勢。

2 研究思路

5G+ 全產品數智體驗評測業務流程如圖1所示。以客戶場景為導向，通過感知客戶需求，針對重點產品全生命周期進行端到端評測，發現并解決問題，督辦共性問題，提升產品品質。具體來說，該平臺通過售前、售中和售后3個核心流程，實現產品體驗評測的客戶化。研究表明，客戶化評測方式可以提高客戶滿意度，促進企業可持續發展[2。基于企業流程設計方法論[3]，通過借鑒應用架構模式搭建N個可運營執行流程，包括產品體驗評測、服務監控、問題督辦、客戶關懷流程等[4]，形成“1個平臺 +3 個核心流程 +N 個執行流程”的5G + 全產品數智體驗評測體系。

采用數據驅動、AI賦能和敏捷迭代等手段，實現數智化的評測過程。通過對多渠道客戶反饋的數據進行分析，AI可以智能地識別和預測客戶需求和問題。通過分析真實客戶的反饋來挖掘客戶需求，提出評測任務，既能更好反映客戶的真實訴求，也能切合產品發展的核心需求。平臺自動分析數據并提出評測需求后，可提出有針對性的解決方案，并自動輸出評測報告，快速派發給業務部門進行優改評估。這種數智化的評測方式可以大大提高評測效率，從而實現產品體驗的不斷提升[5]。

3 系統實現

5G+ 全產品數智體驗評測平臺包括數智體驗評測管理子系統、可視化應用子系統。數智體驗評測子系統實現模型建立便捷化、任務執行流程化、評測結果計算自動化、評測問題管理閉環化，能夠實時同步評測進度，隨時掌控評測效果，自動測算評測結果，跟蹤復評測測問題，分析問題優改成效[7]。可視化應用子系統依托低代碼、數據分析、可視化能力，構建產品體驗可視化平臺，具有可視化展示、可視化體驗、可視化管理三大模塊，提升產品體驗評測的可視化、互動式能力，賦能一線宣傳推廣，3G+全產品數智體驗評測平臺整體架構如圖2所示。

3.1數智體驗評測子系統

（1）數據驅動：通過自動化和實時方式搜集客戶滿意度、咨詢投訴、業務屬性、行為軌跡、體驗評測及生產運營數據；采用高效分布式存儲系統（如Hadoop、HDFS），對收集到的數據進行存儲，確保數據的完整性和安全性；利用大數據處理技術（如Spark、Flink等）對存儲的數據進行清洗、整合與分析，通過數據挖掘、機器學習等技術對數據進行深度分析與建模，從而實現客戶需求和問題的智能識別和預測。通過對客戶反饋數據進行分析，形成評測目標和任務，進一步提高評測效率。

（2）AI賦能：基于用戶基本信息、使用行為特征、業務感知特征及位置信息等數據，通過機器學習算法建立用戶滿意度預測模型[9]，將待調研用戶群輸入模型后，由模型自動輸出預測的不滿用戶及用戶不滿原因，結合專家經驗及原因精準定位產品問題并聚焦用戶體驗。采用自然語言處理（NLP）技術，如情感分析、關鍵詞提取等，對用戶體驗路徑中的情緒進行識別，從用戶反饋中抽取有價值的信息。此外，使用爬蟲技術可以自動收集網絡上的相關數據，如評論、評分等。通過試驗確定模型，不斷訓練與優化模型，提升準確率，形成客戶情緒分析工具，經過抽樣驗證達到了 89% 。應用深度學習技術，如卷積神經網絡（CNN）和長短時記憶網絡（LSTM），處理復雜的數據結構和提取高質量特征，提高評測報告的質量。平臺使用自然語言生成（NLG）技術，可以將結構化數據轉換為自然語言文本，自動生成評測報告。

（3）敏捷迭代：通過敏捷迭代的方式來分解和執行評測任務，使得評測過程能夠更加快速響應和調整。將評測任務拆分為多個可獨立執行的小任務，降低任務復雜度，通過短周期的開發和自動化測試，快速完成每個小任務，并不斷優化產品體驗。借助自動化工具采集海量客戶體驗數據，通過建模、抽取、清洗、挖掘等過程，實現產品客戶體驗感知的數字化轉換，為挖掘潛在質差客戶、推進問題整治提供數字化支撐。

（4）流程閉環：通過流程閉環的方式來跟蹤和管理評測任務，實現評測過程的可控和可追溯。通過任務管理工具來監控評測任務的進度和狀態，收集和整理評測過程中產生的數據和信息，并自動輸出評測報告，將其派發給業務部門進行優改評估，制定有針對性解決方案，并納入迭代過程實現問題閉環。

3.2可視化應用子系統

依托低代碼能力構建可視化展示、體驗、管理應用模塊，提升產品體驗評測的可視化、互動式能力，賦能一線人員宣傳推廣，促進行業應用價值轉化。如圖3所示。

（1）可視化展示：依托可視化能力和自研數據整合能力，支持多種可視化展現形式，并通過動態關聯、數據鉆取等方式進行自由維度探索、分析數據，覆蓋大中小屏，實現泛屏覆蓋。

（2）可視化體驗：以體驗駕駛艙的形式，提供用戶對業務產品的模擬體驗，一鍵式打通“任務觸發-進度跟蹤-結果回收-數據處理-報告呈現”的交互體驗流程。

（3）可視化管理：依托低代碼能力即可快速實現對平臺基礎信息的管理，如用戶管理、角色權限管理、競品管理、指標管理等，同時借助大屏可視化能力，通過簡單拖電的方式，實現對大屏頁面的自助化設計和發布，降低人力成本。

4應用效果

平臺采用Tomcat微服務架構，RESTFUL設計風格，基于UAP的DSP組件進行應用部署。該架構模式的每個微服務獨立部署，在具備分布式、高可用的同時，保證了相關系統保障工作的高效、規范，使持續化部署成為可能。可視化展示采用Jeecg開源低代碼平臺，前后端分離架構SpringBoot，可以顯著提高開發效率 70% 以上，極大降低了開發成本，具有高性能、組件化、可擴展性、兼容性強等特點。

平臺已成熟并推廣應用，總體達到國內同類產品先進水平，充分實現提質增效和注智賦能價值。未來隨著5G技術的進一步發展和應用，平臺也將面臨更加復雜和多樣化的評測任務。因此，需要進一步提高數據驅動和AI賦能的能力，同時不斷優化評測流程和方法，以適應不同類型產品的評測需求，進一步提高評測效率。同時，還需要加強與客戶之間的互動，更好地了解客戶需求和問題，從而提供更加精準的解決方案，進一步提高客戶滿意度。

參考文獻

[1]《5G應用“揚帆”行動計劃（2021-2023年）》解讀.工業和信息化部網站.2021.

[2]羅文蕊.淺談客戶體驗管理在企業中的實施[J].市場現代化，2021（08）：196-197.

[3]（加）洛夫茨（Lofts，N.），著.企業流程設計指南：流程可視化[M].鄧冰，蘇益群，譯.北京：機械工業出版社，2005：100-119.

[4]（英）福勒（Martin，F.），著.企業應用架構模式[M].王懷民，周斌，譯.北京：機械工業出版社，2010：101-126.

[5]劉旭，張小龍.基于數據挖掘的客戶體驗數據分析及應用研究[J].計算機技術與發展，2019（12）：106-108.

[6]王磊.數據可視化技術在電商平臺的應用[J].科技與創新，2020（19）：159-160.

[7]（美）埃里克（Eric，E.），著.領域驅動設計[M].陳大峰，張澤鑫，譯.北京：清華大學出版社，2006：47-55.

[8]姜群.“端到端”智能化客戶體驗管理運營平臺的研究，通訊世界，2020（12）：229-230.

[9]（美）弗蘭克·凱恩（Frank.K），著.Python數據科學與機器學習：從入門到實踐[M].陳光欣，譯.北京：人民郵電出版社，2019：105-132.