[发明专利]具有网络满意度预测预警功能的系统及其实现方法

说明书

技术领域

本发明涉及具有网络满意度预测预警功能的系统及其实现方法，通过该系统可以实现客户网络满意度的预测预警功能。

背景技术

通常，客户网络满意度管理是基于常规第三方定期或不定期的市场调研结果，现有的满意度提升工作只能在调研之后才能进行，相对滞后，效果不佳；多次的市场调研，会影响客户的感知，对满意度调研结果的真实和可靠性有影响；现有的满意度调研仅关注客户的评价和感受，无法真正落实到网络优化和营销建议的具体方案上，无法和实际工作相对应，营销干预和网络优化均缺乏针对性、预见性、有效性。

传统的满意度分析研究从客户角度出发，可以测量出满意度的高低，可以测量满意度工作的短板，可以确定改进工作方向。

但是，传统的满意度分析相对滞后，客户不满意甚至发生投诉行为之后才能采取挽救和弥补措施，效果不理想，不能针对具体的网络设备，无法提供网络优化的针对性建议，无法找到不满意的客户，提升工作缺乏针对性，不能找到客户不满意的真正原因，提升工作具有一定的盲目性。

发明内容

本发明的第一个目的是提供一种网络满意度预测预警功能的系统及其实现方法，通过该系统和方法可以筛选不满意客户，寻找导致客户不满意的网络设备，从而实现网络满意度的预测功能。

本发明的第二个目的在于提供一种在前述技术方案的基础上进一步能够实现对预测模型准确性进行进一步评估的一种网络满意度预测预警功能的系统及其实现方法。

本发明的第三个目的在于提供一种进一步能够对不满意客户和导致客户不满意的网络设备进行进一步分析的一种网络满意度预测预警功能的系统及其实现方法，分析可能导致客户不满意的原因，从而实现网络满意度的预警功能。

本发明的第一个目的是通过以下技术方案来实现的：

具有网络满意度预测预警功能的系统，其具有输入端和输出端，其特征在于该系统还包括数据输入模块、数据处理模块、数据拆分模块、预测模型生成模块和预测模型输出模块，所述的数据输入模块、数据处理模块、数据拆分模块、预测模型生成模块和预测模型输出模块依次相连，其中，

所述的数据输入模块用于采集输入端输入的系统常态数据和客户网络满意度数据；

所述的数据处理模块用于接收数据输入模块传输来的数据，并且对接收的数据进行合并、清洗和处理；

所述的数据拆分模块用于接收数据处理模块处理的数据，并且将接收到的数据随机拆分成用于构建初始模型的训练集、用于调整初始模型的验证集和用于测试模型有效性的测试集；

所述的预测模型生成模块用于接收训练集和验证集的数据，构建客户网络满意度决策树，根据决策树对客户未来网络满意度做出分类，筛选不满意客户，寻找导致客户不满意的网络设施，并且将上述结果以数据库的形式输送给预测模型输出模块；

所述的预测模型输出模块用于接收预测模型生成模块传送来的数据，并将其输送给输出端。

所述的系统常态化数据至少包括客户基本属性数据、客户通话行为数据、客户消费行为数据、客户投诉行为数据和网络设施技术参数数据等，数据表来源于客户服务系统、经营分析系统、客户投诉处理系统和网络运营管理系统。

所述的客户网络满意度数据来源于常规调研结果。

本发明同时提供一种具有网络满意度预测预警功能的系统的实现方法，该方法的原理是：首先，获得用于预测客户未来网络满意度分类的决策树，其次，基于系统常态化数据和满意度调研数据，根据决策树对客户未来网络满意度做出分类，再次，筛选不满意客户，寻找导致客户不满意的网络设施，对不满意客户群和导致客户不满意的网络设施群特征进行深入分析，对相应原因进行深入分析，该方法包括如下步骤：

1)数据输入步骤：通过数据输入模块采集输入端输入的系统常态数据和客户网络满意度数据；

2)数据处理步骤：通过数据处理模块接收数据输入模块传输来的数据，并且对接收的数据进行合并、清洗和处理；

3)数据拆分步骤：通过数据拆分模块接收数据处理模块处理的数据，并且将接收到的数据随机拆分成用于构建初始模型的训练集、用于调整初始模型的验证集和用于测试模型有效性的测试集；

4)预测模型生成步骤：通过预测模型生成模块接收训练集和验证集的数据，构建客户网络满意度决策树，根据决策树对客户未来网络满意度做出分类，筛选不满意客户，寻找导致客户不满意的网络设施，并且将上述结果以数据库的形式输送给预测模型输出模块；