[发明专利]一种基于文本分类技术和决策树的投诉倾向判断方法

说明书

本发明公开了一种基于文本分类技术和决策树的投诉倾向判断方法，包括下述步骤：从数据库管理系统获取用户信息，包括用户档案信息和客服工单信息，并据此建立用户历史来电情况表；确定获取用户信息的时间窗；确定预判周期及用于预判的特征数据集；确定预判群体范围；本发明可以在用户来电时，准确地判别用户的投诉倾向程度，为设计策略库和采取不同的安抚和引导策略提供参考，充分利用从结构化数据提取的客户诉求信息，同时对工单中来电内容的非结构化文本数据经过系统的分析，根据客户的历史来电信息对客户的未来投诉实现事前预测，可以减少客户投诉风险，树立电力公司的良好社会形象。

技术领域

本发明涉及电力行业客户管理技术领域，具体涉及一种基于文本分类技术和决策树的投诉倾向判断方法。

背景技术

随着电力体制改革的深入推进和社会经济的快速发展，企业和居民对电力服务的要求越来越高，电力市场的营销和服务竞争面临新格局，迫切的需要改变传统的工作模式，树立市场化服务意识，适应市场格局变化，而提升服务水平、减少客户投诉、赢得客户信任，是当前供电企业迫切解决的问题。95598客服系统作为直接面向客户，与客户沟通交流的渠道，而存储话务数据的数据库管理系统拥有海量的客户数据，该部分客户数据主要分为结构化数据和非结构化数据两部分。目前，针对从结构化数据提取的客户诉求信息的利用程度远远不够，同时对工单中来电内容的非结构化文本数据也没有经过系统的分析，难以根据客户的历史来电信息对客户的未来投诉实现事前预测。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于文本分类技术和决策树的投诉倾向判断方法，该方法可以在用户来电时，准确地判别用户的投诉倾向程度，为设计策略库和采取不同的安抚和引导策略提供参考，可以减少客户投诉风险，树立电力公司的良好社会形象。

本发明的目的通过下述技术方案实现：

一种基于文本分类技术和决策树的投诉倾向判断方法，包括下述步骤：

步骤1，从数据库管理系统获取用户信息，包括用户档案信息和客服工单信息，并据此建立用户历史来电情况表；

步骤1.1，确定获取用户信息的时间窗；

步骤1.2，确定预判周期及用于预判的特征数据集；

步骤1.3，确定预判群体范围；

步骤1.4，确定所需的原数据字段，所述原数据字段包括用户编号、业务类别代码、工单来源代码、来电内容、接通时间和挂机时间；

步骤2，将用户历史来电情况表输入分析计算平台并进行数据预处理，得到模型数据集；

步骤2.1，根据原数据字段构造所需变量；

步骤2.2，数据质量检查；

步骤2.3，数据清洗，所述数据清洗包括异常值处理和缺失值处理，并输出数据质量良好的历史来电情况表；

步骤2.4，训练集计算；

步骤2.5，数据变换，将连续型变量转换为离散型数据；

步骤3，制定越级分类规则对全量训练集的用户进行投诉倾向判断；

所述越级分类规则为：

其中TYPE为用户类别，为1时表示越级投诉群体，为0时表示非越级投诉群体；

步骤4，基于历史来电数据，根据越级分类规则对用户进行类别区分，将用户分为越级投诉倾向群体和非越级投诉倾向群体两大类，其中，越级投诉倾向群体为12398、12345历史来电行为客户群体；非越级投诉群体为历史来电行为特征未通过12398和12345来电的群体；