基于文本挖掘技術(shù)的95598重復(fù)投訴分析

李靜1. 劉思濤2.

1.國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院2.國(guó)網(wǎng)山東省電力公司物資公司

基于文本挖掘技術(shù)的95598重復(fù)投訴分析

李靜1. 劉思濤2.

1.國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院2.國(guó)網(wǎng)山東省電力公司物資公司

重復(fù)投訴工單的挖掘與分析，對(duì)供電業(yè)務(wù)薄弱點(diǎn)的發(fā)現(xiàn)與改進(jìn)，提升供電企業(yè)的服務(wù)品質(zhì)，提升企業(yè)形象具有重要且深遠(yuǎn)的意義。目前重復(fù)投訴工單的發(fā)現(xiàn)，主要依靠人工，費(fèi)時(shí)費(fèi)力，效率低。本文提出了一種基于客戶投訴內(nèi)容的重復(fù)投訴工單識(shí)別，對(duì)文本信息進(jìn)行中文自然語(yǔ)言處理和數(shù)據(jù)挖掘，通過(guò)大數(shù)據(jù)對(duì)文本挖掘結(jié)果進(jìn)行分析監(jiān)控，構(gòu)建適合電力公司的重復(fù)投訴工單文本挖掘模型，高效準(zhǔn)確的識(shí)別重復(fù)投訴工單，便于分析人員及時(shí)準(zhǔn)確地發(fā)現(xiàn)重復(fù)投訴原因熱點(diǎn)。

重復(fù)投訴 文本挖掘 文本相似度 多維分析

引言

在95598來(lái)電工單中，包含了大量投訴類工單，這些文本數(shù)據(jù)蘊(yùn)含了對(duì)用戶訴求的直接描述，如何快速?gòu)膩?lái)電工單中挖掘出重復(fù)投訴的工單，成為投訴管理的迫切需求。目前重復(fù)投訴工單的識(shí)別挖掘，主要依靠投訴分析人員通過(guò)對(duì)95598投訴工單的分析，人工逐條查閱工單內(nèi)容，分析效率低，無(wú)法及時(shí)了解客戶重復(fù)投訴的原因，容易產(chǎn)生客戶服務(wù)滯后的問(wèn)題。另外，工單中的投訴內(nèi)容為文本內(nèi)容，文本信息量大非結(jié)構(gòu)化，難以對(duì)數(shù)據(jù)進(jìn)行直接分析。因此，為解決以上問(wèn)題，本文引入了文本挖掘的理念和方法，通過(guò)構(gòu)建重復(fù)投訴模型，實(shí)現(xiàn)重復(fù)投訴工單的識(shí)別，根據(jù)重復(fù)投訴的分析結(jié)果，查找重復(fù)投訴原因，制定行之有效的投訴處理策略，提高投訴處理質(zhì)量和效率。

一、文本挖掘相關(guān)理論

（一）文本挖掘技術(shù)。文本挖掘（Text Mining，TM）是近幾年來(lái)數(shù)據(jù)挖掘領(lǐng)域的一個(gè)新興分支，是以文本數(shù)據(jù)為特定挖掘?qū)ο蟮闹R(shí)挖掘。文本挖掘的要點(diǎn)是分詞，根據(jù)文本數(shù)據(jù)中的特征信息進(jìn)行分詞處理，以此構(gòu)建文本的中間表示。文本挖掘分析大量的半結(jié)構(gòu)化或非結(jié)構(gòu)化文本數(shù)據(jù)，利用數(shù)據(jù)挖掘的算法，抽取出關(guān)鍵的詞語(yǔ)和文字間的關(guān)聯(lián)關(guān)系，并按照內(nèi)容對(duì)文檔進(jìn)行分類或聚類，進(jìn)而發(fā)現(xiàn)新的概念和獲取相應(yīng)的關(guān)系。

（二）基于領(lǐng)域特征詞表的特征詞標(biāo)注。以大量投訴工單中反映業(yè)務(wù)種類、問(wèn)題現(xiàn)象、問(wèn)題原因的特征詞為基礎(chǔ)，設(shè)立特征詞表，進(jìn)行基于特征詞匹配的子句標(biāo)注，并依不同緯度進(jìn)行工單分類。在實(shí)際應(yīng)用中發(fā)現(xiàn)，基于領(lǐng)域特征詞表的輔助分析，可以顯著提高工單分類、聚類等的準(zhǔn)確性和效率。

（三）基于大數(shù)據(jù)的數(shù)據(jù)監(jiān)控分析。通過(guò)構(gòu)建檢測(cè)模型和確定模型指標(biāo)體系、指標(biāo)閥值等參數(shù)，對(duì)工單數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，采取可視化大屏全屏展示的方式進(jìn)行全方位多角度的展開(kāi)實(shí)時(shí)監(jiān)控、分析，及時(shí)發(fā)現(xiàn)當(dāng)前重復(fù)投訴問(wèn)題變化趨勢(shì)，并對(duì)問(wèn)題點(diǎn)改進(jìn)情況進(jìn)行跟蹤。

二、重復(fù)投訴模型

所謂重復(fù)投訴工單是指客戶第一次投訴后，再次來(lái)電投訴相同事情的工單。具體描述如下：從查詢周期內(nèi)，同一戶號(hào)、同一來(lái)電號(hào)碼、受理內(nèi)容相似的工單、并對(duì)重復(fù)事件數(shù)、工單數(shù)、電話數(shù)的單位分布進(jìn)行分析。

根據(jù)重復(fù)投訴工單定義，采用2015年全年的投訴工單數(shù)據(jù)，先進(jìn)行數(shù)據(jù)清理、數(shù)據(jù)預(yù)處理等步驟完成數(shù)據(jù)的清洗，通過(guò)文本建模分析，識(shí)別重復(fù)投訴工單，并利用多維分析手段，對(duì)結(jié)果進(jìn)行可視化展示。重復(fù)投訴模型如下圖所示：

圖1 重復(fù)投訴模型分析

（一）數(shù)據(jù)清理。清除投訴工單中存在異常來(lái)電的數(shù)據(jù)，如信息不全的工單、受理內(nèi)容含“無(wú)故掛斷”，等內(nèi)容的工單，客戶編號(hào)或地址或電話為＊的工單。

（二）數(shù)據(jù)預(yù)處理。根據(jù)重復(fù)投訴定義，提取工單中電話號(hào)碼、供電公司、供電單位都相同的工單，作為一組重復(fù)工單。

（三）文本挖掘。對(duì)每組重復(fù)工單的受理內(nèi)容，進(jìn)行兩兩相似度的判斷，選取相似度相同的工單合并為重復(fù)投訴工單。

（1）中文分詞。分詞，采用 TD-CS 分詞技術(shù)，將一段文本轉(zhuǎn)化為詞語(yǔ)集合。原理：按詞長(zhǎng)對(duì)中文詞匯分進(jìn)行分詞，對(duì)要分詞的文本進(jìn)行匹配，如果找到了匹配詞匯，則在該詞匯處分詞，如果沒(méi)有匹配，那么縮短詞匯繼續(xù)進(jìn)行匹配，直到匹配為止，如果一直到最后單字都沒(méi)匹配，則認(rèn)為該詞為新詞，在新詞后進(jìn)行分詞。

（2）向量空間模型。向量空間模型的基本思想是將文本分為若干的特征項(xiàng)，通過(guò)特定的手段計(jì)算出每個(gè)特征項(xiàng)在該文本中的權(quán)重，進(jìn)而將整個(gè)文本用以特征項(xiàng)的權(quán)重為分量的向量來(lái)表示，在將文本用特征向量的方式表示為數(shù)學(xué)模型以后，再基于特征向量進(jìn)行文本之間的相似度計(jì)算。權(quán)值可分為詞頻型和布爾型，詞頻即詞條在文章中出現(xiàn)的次數(shù)，布爾型即在詞條在文本中是否出現(xiàn)過(guò)，出現(xiàn)為1，未出現(xiàn)為0。由于投訴工單受理內(nèi)容多位短文本，所以權(quán)值采用布爾型表示。

（3）文本相似度判斷。文檔表示成向量后，文本之間的語(yǔ)義相似度就可以通過(guò)空間中的這兩個(gè)向量間的幾何關(guān)系來(lái)度量。目前相似度的計(jì)量方法有內(nèi)積、JACCARD系數(shù)，余弦函數(shù)等方法［1］。本文采用余弦函數(shù)的方式計(jì)算文本相似度，即用空間中的兩個(gè)向量的夾角余弦來(lái)度量文檔之間的相似度，夾角余弦值越大，兩個(gè)向量的夾角越小，表示文檔越相似［2］。經(jīng)典的計(jì)算公式如下：

其中，Ti表示文本特征向量，Tit表示文本Ti的第t個(gè)向量。

對(duì)重復(fù)工單進(jìn)行文本相似度兩兩計(jì)算，選取相似度高的為重復(fù)投訴工單，如果兩組含有相同工單，則合并兩組工單，去除相同工單，聚為一組重復(fù)投訴工單。

（4）模型優(yōu)化。根據(jù)模型訓(xùn)練的結(jié)果，采取優(yōu)化訓(xùn)練集、修正關(guān)鍵詞、修正模型算法等方式，結(jié)合人工經(jīng)驗(yàn)，優(yōu)化模型。

三、分析應(yīng)用

根據(jù)重復(fù)投訴工單的挖掘，利用多維分析手段，統(tǒng)計(jì)重復(fù)投訴的工單數(shù)、電話數(shù)、事項(xiàng)數(shù)等的單位分布，并對(duì)重復(fù)投訴工單進(jìn)行詳單的下鉆展示。根據(jù)重復(fù)投訴工單的電話號(hào)碼、客戶編號(hào)等關(guān)鍵信息，追溯該客戶的的歷史來(lái)電記錄，挖掘重復(fù)投訴下的深層次的原因。重復(fù)投訴工單的結(jié)果展示，主要通過(guò)報(bào)表、柱形圖、條形圖等可視化方式展現(xiàn)的。

圖2 重復(fù)投訴可視化界面圖

表1重復(fù)投訴工單明細(xì)

一組：工單編號(hào)：XX；業(yè)務(wù)類型：投訴; 受理時(shí)間: 2016-01-22 14:52:49；

受理內(nèi)容：【頻繁停電】客戶反映該地點(diǎn)最近一個(gè)月內(nèi)，出現(xiàn)三四次停電，嚴(yán)重影響居民的正常生活生產(chǎn)，至今沒(méi)有解決，客戶表示非常不滿，要求供電公司相關(guān)部門盡快徹底解決此問(wèn)題并盡快給客戶合理解釋。同時(shí)客戶表示今天楊莊集鎮(zhèn)的夏廟村現(xiàn)在還是正常用電的，自己家唐店村停電了，客戶對(duì)此不解。

聯(lián)系電話: XX；供電單位：XX縣客戶服務(wù)中心。

二組：工單編號(hào)：XX；業(yè)務(wù)類型：投訴; 受理時(shí)間：2016-02-27 20:19:56；

受理內(nèi)容：【頻繁停電】客戶反映該地點(diǎn)最近一個(gè)月內(nèi)頻繁停電，今天一天出現(xiàn)三次停電，嚴(yán)重影響居民的正常生活生產(chǎn)，至今沒(méi)有解決，客戶表示非常不滿，要求供電公司相關(guān)部門盡快徹底解決此問(wèn)題并盡快給客戶合理解釋，客戶對(duì)此不解。聯(lián)系電話: XX；供電單位：XX縣客戶服務(wù)中心

四、結(jié)語(yǔ)

本文引入文本挖掘與智能識(shí)別技術(shù)，探索基于客戶投訴內(nèi)容的重復(fù)投訴智能識(shí)別，實(shí)現(xiàn)投訴內(nèi)容分析快速準(zhǔn)確識(shí)別客戶重復(fù)投訴原因，便于投訴分析人員及時(shí)準(zhǔn)確地發(fā)現(xiàn)重復(fù)投訴原因熱點(diǎn)，專家協(xié)同工作深耕引發(fā)原因背后的產(chǎn)品服務(wù)短板，提出短板優(yōu)化建議并落實(shí)。

[1]Salton G, Wong A, Yang C S. A vector space model for automatic indexiBg[J]. Communications of the ACM, 1975，18（11）: 613-620.

[2]周昭濤，文本聚類分析效果評(píng)價(jià)及文本表示研究，中科院，碩士學(xué)位論文，2005

[3]王興起，王維才，謝宗曉等.文本挖掘技術(shù)在信息安全風(fēng)險(xiǎn)評(píng)估系統(tǒng)中的應(yīng)用研究［J］.情報(bào)理論與實(shí)踐，2013，36（4） :107-110.

李靜（1977-），女，工程師，長(zhǎng)期從事電力營(yíng)銷工作。