[发明专利]基于大数据的家电售后服务业务流程节点分析方法

说明书

技术领域

本发明涉及信息技术领域，具体而言，涉及一种基于大数据的家电售后服务业务流程节点分析方法。

背景技术

家电行业是现阶段国内日用品行业中市场化程度最高、竞争最激烈的行业之一。自上世纪90年代，中国家电行业一度历经了极其激烈的价格竞争、广告竞争与品牌竞争。现阶段，空调、彩电、洗衣机等主要家电的产业集中度在70％以上，各家电品牌产品在价格、性能等方面的同质化趋势愈发凸显，家电行业已转向对供应、物流和服务等渠道的竞争，企业的产品和服务能否更好地满足客户的需求，成为能够从众多家电企业中脱颖而出的关键性因素。另一方面，随着信息技术、电子商务与物联网技术的快速发展，家电行业呈现明显的生产定制化、服务定制化和服务全生命周期化的发展趋势，客户对个性化、定制化服务和产品的需求正日益增强。对于已具备较成熟制造水平的中国家电企业，家电售后服务是持续提升客户消费体验，充分展现企业品牌形象的聚焦点。如何充分发挥家电企业售后业务环节对提升客户满意、客户忠诚的作用，分析售后业务环节中影响客户体验的因素，研究家电售后业务环节的运作优化方法并对售后过程的关键业务环节进行优化，已成为家电行业赢得市场竞争的关键。

发明内容

有鉴于此，本发明实施例的目的在于提供一种基于大数据的家电售后服务业务流程节点分析方法，以解决如何应用大数据进行家电售后业务环节的分析与优化。

本发明较佳实施例提供了基于大数据的家电售后服务业务流程节点分析方法，包括以下步骤:

S1，根据对客户满意度理论模型及家电售后业务流程节点的分析，建立客户满意度框架、业务流程节点指标体系以及指标测量方法，所述指标体系包括若干节点，每个所述节点包括若干测量指标，每个所述测量指标分别对应有指标测量方法；

S2，基于节点指标体系与指标测量方法，对每个所述测量指标分别收集数据，并对收集的数据进行处理；

S3，使用关联规则算法，对步骤S2收集的数据，依据S1中客户满意度框架进行规则挖掘；根据挖掘结果，给出每个所述节点筛选出关键测量指标；

S4，使用随机森林算法，对每个节点的所述关键测量指标进行重要性分析；

S5，使用多元线性回归的方法，对筛选后的关键测量指标，进行关键测量指标对目标变量的影响程度分析；

S6，将随机森林算法得出的重要性分析结果，与按照多元线性回归系数的排序得到的相对重要性结果进行对比，对各关键测量指标的重要性分析结果进行检验；

S7，根据S5、S6分析结果，形成家电售后业务流程节点模型及家电售后业务流程节点优化方法。

进一步的，步骤S2中，具体包括以下步骤：

S21，根据每个所述测量指标以及相对应的指标测量方法，分别针对每个所述测量指标进行数据收集；

S22，数据缺失值处理。运用均值填补、众数填补、根据业务特点填补和设置缺失类别的缺失值处理方法，对数据缺失值进行处理；

S23，数据离散化。采用业务规则对定序变量进行离散化；采用Shapiro-Wilk检验法，对所有定比变量进行正态性检验，根据正态性检验结果，采用分位数分组方法对定比变量进行离散化；

S24，数据标准化。使用Z-score标准化方法，对所有定距变量和定比变量进行数据标准化。

进一步的，步骤S3中，具体包括以下步骤：

S31，对数据进行商业理解，初步设定最小支持度值与最小置信度值；

S32，对数据进行探索性关联规则挖掘，根据关联规则挖掘结果的规则分布，调整并确定最小支持度与最小置信度；

S33，根据确定的最小支持度与最小置信度，使用关联规则挖掘算法对每个所述节点筛选出满足最小支持度与最小置信度的关键测量指标；

S34，对关键测量指标的筛选结果进行分析与检验。

进一步的，步骤S34中，具体包括以下步骤：

S341，对关键测量指标进行相关性分析，设定可接受的相关系数的水平值，若两个所述关键测量指标的之间的相关系数低于水平值，则可以接受，若两个所述关键测量指标之间的相关系数高于水平值，则进行数据降维处理；

S342，将关键测量指标的变量放入回归模型进行显著性检验，根据检验结果，在对应建模过程中，剔除没能通过显著性检验的关键测量指标。

进一步的，步骤S5中，具体包括以下步骤：

S51，对直接影响目标变量的关键测量指标，将其直接放入回归模型，进行关键测量指标对目标变量的影响程度分析；