基于客户投诉信息创新预测方法探究.doc

基于客户投诉信息创新预测方法探究 　　【摘 要】为了降低客户升级投诉数量，通过对客户投诉现状进行分析，发现投诉处理环节的短板和不足，并利用大数据工具，使用海量的客户投诉数据建立预测模型，对有升级倾向的投诉客户进行预判，在投诉升级之前预先解决客户的问题，从而提升客户满意度 【关键词】大数据 客户投诉 决策树 预测模型 doi：10.3969/j.issn.1006-1010.2017.08.016 中图分类号：TP181 文献标志码：A 文章编号：1006-1010（2017）08-0079-06 引用格式：刘世伟，吕景楠，莫兰. 基于客户投诉信息的创新预测方法研究[J]. 移动通信， 2017，41（8）： 79-84. Research on an Novel Prediction Method Based on Customer Complaint Information LIU Shiwei， LV Jingnan， MO Lan [Abstract] In order to reduce the number of customers complaints against upgrade， the status of customers complaints was analyzed and shortcomings of complaint link were elaborated. By virtue of mathematical tools， the prediction model based on massive customers complaints was established to determine the potential customers apt to complain. Thus， the appeal of customers could be solved before upgrade to enhance the satisfaction of customers. [Key words]big data customer complaint decision tree prediction model 1 研究背景 随着移动业务产品、营销活动开展的多样化，客户建议、投诉越来越多，同时工信部对运营商新增了“用户申诉率”和“不明扣费申诉率”两条红线的考核，这也增加了运营商投诉部门的工作压力。面对客户规模化的投诉，应当建立更加科学化的系统管理机制，改善当前传统管理方式，使两条红线指标控制在合理的范围内，进而避免客户产生升级投诉，更好地提升客户忠诚度和满意率，增加业务产品的良好口碑 数字化、系统化使得企业拥有大量的客户投诉数据，但并没有很好地利用这些数据进行挖掘分析，也未能有效地从这些数据中找到客户的需求点，无法真正了解客户的意图。服务及产品改进和创新需要了解客户最真实的需求，对客户投诉信息的挖掘和分析是关键。但是，目前还没有基于客户投诉信息来获得改进和创新思路的成功方法，更多是人工根据多年的工作经验进行浅层次的数据分析，难以形成说服力的建议 因此，可以通过对客户投诉数据进行深度的大数据分析和挖掘，提炼出各维度的权重，从投诉信息中挖掘隐含的客户需求和商机，进而获得服务及产品改进和创新思路的方法。有效地利用客户投诉数据建立模型，对有升级倾向的投诉客户进行预判，在投诉升级之前预先解决客户的问题，以提高客户满意度。通过建模构建了中国移动投诉信息挖掘平台，使得信息处理系统化、有序化和智能化，工作价值得到进一步提升，从而形成长效工作机制，为中国移动转型和可持续发展提供强有力支撑和帮助，加强投诉信息利用和创新，提高企业核心竞争力 2 客户投诉分析 2.1 客户投诉的现状 投诉是客户不满意的表达，更能贴切反映客户对产品业务的满意度。客户投诉数据主要通过文本和语音格式保留、投诉系统记录保留这两种方式存储。当前客户投诉信息主要用于解决客户投诉的具体问题，对投诉背后的隐性问题分析很少，也没有有效地通过投诉信息挖掘获得服务和产品改进、创新思路。另外，当前客户投诉处理环节比较传统化，未有较好的创新点 2.2 客户投诉面临的问题 （1）投诉预警不及时 投诉预防不到位，缺乏事前分析的信息、工具，对客户投诉的热点问题、风险问题缺乏有效的监控手段。同时投诉处理环节效率较低，处理效果欠佳，相对应的投诉处理手段有限，未能做到精准的客户投诉信息定向挖掘。另外，应对客群关系欠缺有效的策略，导致投诉顽疾长期存在，投诉处理没有形成较好的闭环 （2）投诉数据不准确 客户投诉信息中记录字段多，并且字段信息记录出现缺失、错误。另外，前