[发明专利]一种电力客户诉求相关度分析方法

说明书

本发明公开一种电力客户诉求相关度分析方法，包括：步骤S1，通过客服语音系统采集历史语音数据，通过质检系统采集历史客户诉求工单数据；步骤S2，基于语义分析对采集的历史客户诉求工单数据进行内容分析和分类，分别建立专业分词词典和客户诉求分类库；步骤S3，运用机器学习对历史客户诉求工单数据进行相关度分析，优化所述客户诉求分类库；步骤S4，对新的客户诉求工单数据进行实时转译与文本分析，识别出相关度最高的客户诉求分类。本发明可实现业务人员处理客户诉求问题时，快速根据历史同类问题的处理经验准确解答客户疑问，并提醒客户是否存在隐含的诉求点，提高客户诉求处理的效率，提升服务治理和客户满意度，减少与客户重复来电问题。

技术领域

本发明属于电力系统技术领域，具体涉及一种电力客户诉求相关度分析方法。

背景技术

随着电力市场化的推进，对客户服务的质量与效率要求越来越高。现有的客户服务主要还是通过人为管理措施，缺乏智能化的技术手段支撑。例如，对于繁杂的客户诉求，仅依赖人员经验进行分类，耗费大量时间；对于新发客户诉求往往不能及时从同类型的历史客户诉求中获取处理方案，导致客户服务效率低下。

发明内容

本发明所要解决的技术问题在于，提供一种电力客户诉求相关度分析方法，以实现客户诉求的快速分类与处理。

为解决上述技术问题，本发明提供一种电力客户诉求相关度分析方法，包括：

步骤S1，通过客服语音系统采集历史语音数据，通过质检系统采集历史客户诉求工单数据；

步骤S2，基于语义分析对采集的历史客户诉求工单数据进行内容分析和分类，分别建立专业分词词典和客户诉求分类库；

步骤S3，运用机器学习对历史客户诉求工单数据进行相关度分析，优化所述客户诉求分类库；

步骤S4，对新的客户诉求工单数据进行实时转译与文本分析，识别出相关度最高的客户诉求分类。

进一步地，所述步骤S2具体为：对历史客户诉求工单数据进行分析，提取客户诉求时间、诉求内容和客户来电号码，基于语义分析对客户诉求工单内容分析并建立专业分词词典，按建立的词典进行文本分词检索，将得到的所有关键词结合前后短语进行句法级别自然语言分析，将不符合语法的关键词进行剔除，将符合语法的关键词进行归集，并对客户诉求工单进行分类，生成客户诉求分类库。

进一步地，专业分词词典建立的方式是：统计客户历史诉求内容，形成语言文本库，在语言文本库中统计重复出现的关键字，按重复出现频率的高低对关键字前后字进行组合统计组成关键词进行标注，再次分析重复出现的关键词的频率；通过句法级别自然语言分析对关键词构成的短句成分进行分析，识别出具符合语法要求的关键词。

进一步地，客户诉求分类库创建的方式是：客户诉求工单的类别包括故障报修、用电业务、咨询查询、投诉、举报、表扬、建议、意见、、订阅信息、节能服务、其它共11类，生成的客户诉求分类库将11类中共有的关键词作为一类单独区分，剩余的关键词按照客户诉求工单来源分别建立11个诉求分类库。

进一步地，所述步骤S3运用机器学习对分词词典进行词串的合并与语义分析训练，生成新的分词更新到词典，按照新生成的分词对诉求工单再次进行相关度分析，优化客户诉求分类库。

进一步地，所述步骤S3中，相关度分析的过程为：

接收当前会话中的问题语句和应答语句；

将当前会话中的问题语句和应答语句逐字、逐词输入模型中，识别出新的关键字和关键词；基于建立的专业分词词典，提取当前会话中的问题语句和应答语句中的关键词，再根据提取的关键词搜索历史问题语句和历史应答语句的历史会话，对新产生的关键词进行分类；

将新生成的关键词、关键字更新到客户诉求分类库。