[发明专利]一种由停电引起的投诉预测方法

说明书

本发明涉及一种由停电引起的投诉预测方法，通过收集国家电网PMS2.0系统、营销系统、95598客服系统中的停电信息、客户台账信息和用户的话务信息获得了各个维度数据，并通过用户台区编号和用户户号对三个系统内的数据进行了关联，并由此区分了停电期间话务数据和非停电期间的话务数据；对于停电期间的话务数据，先用熵值法确定停电时长、是否事先通知、高峰停电时间占比对话务数据有影响的特征的权重，后根据其影响权重，屏蔽停电事件对台区之间停电话务数据带来的差异，在此基础上根据日常话务数据和停电话务数据来电力用户的敏感程度进行刻画。本发明扩大了预测的范围，警判别方式更加贴近实际。

技术领域

本发明涉及信息技术领域技术领域，具体涉及一种由停电引起的投诉预测方法。

背景技术

目前，由于频繁停电引起的投诉占客户投诉的比例较大，根据国网冀北电力有限公司提供的投诉数据分析，频繁停电类别的投诉占到了投诉总量的百分之四十左右，个别年份甚至占到了投诉总量的百分之五十。故文献 （ [1]许鑫,王莉,孙志杰,巩冬梅,张凌宇,刘晓伟,秦风圆.一种基于数据挖掘的频繁停电投诉预警模型[J].信息记录材料,2017,18(02):64-66. ）描述了一种针对频繁停电的投诉预警模型，文中规定两个月内同一用户出现三次及以上的停电则视为频繁停电，并借助中文分词算法，从已经生成的故障报修信息和停电信息中挖掘地址信息和停电时间来统计某停电单元的停电次数，并结合云地图展现预警信息、形成事前预警机制，从而达到频繁停电投诉预警的目的。

文献中的频繁停电数据和地址信息全部来自于工单内容，由于工单数据有限和分词算法的实际效果受工单填写规范影响较大，并不能实现频繁停电数据和地址信息的精确统计；文中提出对两个月内出现三次及以上停电作出投诉预警，但实际上，针对用户的投诉预警应该以用户的实际感受作为目标，文中建模过程没有从多角度捕捉用户体验、挖掘产生投诉的潜在原因；由于频繁停电引起的投诉并非全部在工单中体现，部分频繁停电引起客户不满会造成负面情绪的产生和额外的客服业务（如：回访、解释），从而造成部分频繁停电引起的投诉在工单中会转化为对客服态度差、解释不认可的投诉，造成数据把握准确。

发明内容

本发明的目的在于提供一种扩大了预测的范围，警判别方式更加贴近实际，从用户体验的角度分析95598话务数据相较于以频繁停电定义更能反映客户投诉的倾向的由停电引起的投诉预测方法。

实际上半数以上的投诉都与停电事件相关，对频繁停电的投诉也属于停电引起投诉的一部分，停电安排过于频繁，严重影响用户用电体验；计划停电提前停电、延时送电，影响用户生活安排；非计划停电时间过长，且没有准确的送电时间回应等。由于上述原因，用户对电力供应的认可度会下降，同时产生负面情绪，产生投诉或增加正常客户服务中投诉的概率。

故对供电服务的投诉预测应该收集大量数据，通过数据关联获得停电相关的数据、用户的信息、以及用户对停电事件的话务反馈，仅仅通过工单数据来进行分析是不全面且不准确的；话务服务是电网公司进行客户服务的主要方式，故通过不同用群体的话务反应（投诉、报修、催办、办结、咨询等）可以挖掘用户对停电事件的敏感程度，由于不同用户对于停电事件的理解程度不同，故敏感程度也不同，这在投诉预测中非常重要；仅仅对频繁停电进行预警是不够全面的，应对全部停送电引起的投诉进行预警，并将由停送电引起的但未直接对停电进行的投诉考虑进来。

本发明的主要目的是对停送电引起的各类投诉进行预；其次，在这个过程中需要建立用户停电敏感程度的模型作为投诉预测中分析用户行为的特征之一；再次，对话务数据特征进行分析时应该区分话务密集时段（停电期间）和日常话务时段，并综合考虑，作为用户敏感度描述根据。

本发明的技术方案：