研究面向全網(wǎng)客戶投訴處理效能提升的新方法

左金虎 肖忠良 陳理華

目前，中國移動客戶投訴處理以工單形式流轉(zhuǎn)。在服務(wù)運營過程中，存在投訴處理效能不足的問題。為確?？蛻舴?wù)質(zhì)量，中國移動明確了投訴分級分類處理時限標(biāo)準(zhǔn)，各類投訴均有相應(yīng)要求，其中五星鉆/金常規(guī)投訴和緊急投訴處理時限要求為8小時，現(xiàn)階段部分類型的投訴處理效能難以滿足及時性要求。本課題從保障客戶投訴服務(wù)感知的角度出發(fā)，致力于打造一個智能、敏捷、高效的投訴處理機制，逐步提升服務(wù)質(zhì)量，實現(xiàn)降本增效。

一、引言

中國移動已進(jìn)入5G全面運營時期，在拓展市場份額的同時，需做好存量服務(wù)經(jīng)營，來維系和保有客戶。目前，中國移動客戶投訴服務(wù)以工單流轉(zhuǎn)形式開展，投訴處理周期長。以西藏自治區(qū)為例，客戶投訴工單平均處理時長呈增長趨勢，并在2020年3月達(dá)到12小時，投訴處理效能亟須提升。

目前，中國移動客戶投訴處理以工單形式流轉(zhuǎn)。在服務(wù)運營過程中，存在投訴處理效能不足的問題。為確?？蛻舴?wù)質(zhì)量，中國移動明確了投訴分級分類處理時限標(biāo)準(zhǔn)，各類投訴均有相應(yīng)要求，其中五星鉆/金常規(guī)投訴和緊急投訴處理時限要求為8小時，現(xiàn)階段部分類型的投訴處理效能難以滿足及時性要求。致力于打造一個智能、敏捷、高效的投訴處理機制，逐步提升服務(wù)質(zhì)量，實現(xiàn)降本增效，對提升中國移動整體IT運營能力至關(guān)重要。

二、 方案分析

從投訴分析、投訴助手、知識庫、敏捷運營四個方面進(jìn)行方案細(xì)化，利用樹狀圖進(jìn)行梳理。如圖1所示。

（一）投訴分析

投訴分析包括自動匯聚和智能匯聚兩種方案。基于規(guī)則引擎的投訴自動匯聚指基于既定規(guī)則或工單字段來對工單進(jìn)行分類匯聚，進(jìn)而達(dá)到減少重復(fù)工單的目的；基于語義分析的投訴智能匯聚是指通過自然語言建模、語義模型訓(xùn)練，智能識別并匯聚成相同故障源投訴工單。

實現(xiàn)方式：首先對歷史工單事件描述、解決方案等信息進(jìn)行AI模型訓(xùn)練與迭代，逐步生成同源/相似事件描述庫；投訴工單通過同源/相似在線分析，調(diào)用對應(yīng)投訴問題模型，自動匯聚成同類工單。隨著知識的積累同步，逐步做到實時追加模型數(shù)據(jù)，無須重啟，自動擴展泛化能力范圍。

預(yù)期效果：投訴工單聚類壓縮，同類問題可派發(fā)至相同運維人員處理，減少人力資源浪費。

（二）投訴助手

投訴助手方案有兩種，即時通信工具應(yīng)答和客服機器人應(yīng)答。即時通信工具應(yīng)答是指使用IM工具（QQ/微信/飛信）進(jìn)行投訴問題咨詢與應(yīng)答；客服機器人應(yīng)答是指使用Gensim語義分析、Jiba分詞技術(shù)、聚合算法等AI技術(shù)建設(shè)客服機器人，由機器人進(jìn)行業(yè)務(wù)規(guī)則、操作指引、問題定位等應(yīng)答。

實現(xiàn)方式：客服機器人應(yīng)答實現(xiàn)兩方面功能。一是知識數(shù)據(jù)建模，通過大量知識內(nèi)容預(yù)訓(xùn)練，抽取知識內(nèi)容語義學(xué)習(xí)，來建立自然語言模型，同時自動更新模型數(shù)據(jù)，實現(xiàn)自學(xué)習(xí)；二是用戶問答分析，通過NLP解析用戶咨詢內(nèi)容，拆分出多維分詞，計算詞語間偏移向量，結(jié)合模型計算語義相似度，查詢返回相似度得分較高的答案，如圖2所示。

預(yù)期效果：客服咨詢問題，能直觀快速給出應(yīng)答，效率高。投訴支撐能力逐步前移，客服人員可直接解決問題，降低投訴建單量。

（三） 知識庫

在投訴處理過程中，全流程人員（含客服、幫助臺、省投訴支撐）均需要快速查詢行之有效的投訴解決方案。知識庫提供各類投訴處理知識查詢功能，其建設(shè)包括基于關(guān)鍵字的知識檢索和基于圖譜的知識挖掘與推薦兩種方案。

預(yù)期效果：知識自動挖掘與推薦，投訴處理人員可快速選擇高質(zhì)量解決方案，投訴處理效率提升，工單回復(fù)質(zhì)量高，二次派單率降低。

（四）敏捷運營

敏捷運營包括業(yè)務(wù)端到端全流程可視化和投訴信息一鍵查詢兩種方案。

業(yè)務(wù)受理復(fù)雜的長流程業(yè)務(wù)由C R M、綜資、radius、各類業(yè)務(wù)平臺等多個支撐系統(tǒng)承載，業(yè)務(wù)流程不透明，客服人員日常協(xié)調(diào)工作量大，效率低。業(yè)務(wù)端到端全流程可視化方案聚焦客戶旅程管理，通過貫通個人、家寬、政企業(yè)務(wù)全流程，實現(xiàn)客戶服務(wù)可見、可控、可管，推動服務(wù)運營質(zhì)量數(shù)智化、精準(zhǔn)化。

BOSS系統(tǒng)包括10套內(nèi)存數(shù)據(jù)庫（MDB），用于保存用戶訂購關(guān)系、用戶賬單、用戶余額、用戶狀態(tài)等重要且敏感數(shù)據(jù)，客戶投訴核查需分別查詢或修復(fù)MDB數(shù)據(jù)，技能要求高、操作效率低。投訴信息一鍵查詢方案通過開發(fā)集中運維管控平臺實現(xiàn)投訴信息一鍵獲取，提高客戶投訴處理效率。

實現(xiàn)方式：業(yè)務(wù)端到端全流程可視化方案打通各系統(tǒng)壁壘，將業(yè)務(wù)從受理、開通、施工到歸檔計費進(jìn)行全流程跟蹤控制，提供多維數(shù)據(jù)視圖分權(quán)限展示，提升查詢效率；對業(yè)務(wù)異?？蛇M(jìn)行跨系統(tǒng)管理和干預(yù)，打破系統(tǒng)數(shù)據(jù)和功能孤島，提升處理效率。

投訴信息一鍵查詢方案開發(fā)集中運維管控平臺，平臺可使用當(dāng)前主流的SpringBoot框架，引入ethz遠(yuǎn)程連接包，來對其做方法封裝以實現(xiàn)MDB連接及增改查操作，另使用M4國密加密算法來保證數(shù)據(jù)安全。

預(yù)期效果：投訴支撐人員一鍵跟蹤控制業(yè)務(wù)端到端全流程，一鍵查詢投訴信息，投訴處理效率大幅提升。

三、方案實施

（一）基于語義分析的投訴智能匯聚

使用工單數(shù)據(jù)進(jìn)行AI模型訓(xùn)練與迭代，自動挖掘與推薦高質(zhì)量知識，投訴支撐人員能力和效率大幅提升，工單回復(fù)質(zhì)量高，二次派單率降低10%，如圖3所示。

導(dǎo)入2020年3月客戶投訴歷史工單，在處理時間段內(nèi)進(jìn)行模擬智能匯聚，經(jīng)測試工單量經(jīng)聚類壓縮后降低34.4%，工單分發(fā)效率大幅提升，滿足預(yù)期目標(biāo)。

（二）客服機器人應(yīng)答

通過客服機器人應(yīng)答賦能一線，提升一線處理效率，同時前移支撐能力，降低20%的投訴建單量。

1.梳理應(yīng)答業(yè)務(wù)流程，建設(shè)客服機器人。

2.點對點智能應(yīng)答。接收用戶發(fā)送的文本內(nèi)容，提取文本參數(shù)，使用NLP分析，通過決策處理模塊將聊天記錄入庫，同時匹配出最適合回復(fù)的文本內(nèi)容進(jìn)行回復(fù)。

客服機器人應(yīng)答及時，平均響應(yīng)時長0.53秒；一線能力提升，投訴建單量降低28.7%，幫助臺處理完成歸檔占比由24%提升至73%，滿足預(yù)期目標(biāo)。

（三）基于圖譜的知識挖掘與推薦

自動挖掘與推薦高質(zhì)量知識，投訴支撐人員能力和效率大幅提升，工單回復(fù)質(zhì)量高，二次派單率降低10%。

1.清洗歷史工單內(nèi)容數(shù)據(jù)，得到含有相關(guān)語義信息的文本內(nèi)容。

2.識別知識實體。將套餐實體、區(qū)域?qū)嶓w等作為標(biāo)注數(shù)據(jù)輸入模型進(jìn)行訓(xùn)練，對海量投訴工單數(shù)據(jù)進(jìn)行實體識別預(yù)測，將自然語言中涉及的相關(guān)實體提取出來作為關(guān)系理解的目標(biāo)，如全球通、魔百盒、王卡、家寬等業(yè)務(wù)名詞（實體）。

3.識別知識關(guān)系。對投訴工單數(shù)據(jù)的上下文，進(jìn)行依存句法相關(guān)性分析，從而找出實體間存在哪種關(guān)系，以及關(guān)系周邊的實體分別是什么，作為構(gòu)建三元組的基礎(chǔ)。

4.融合推薦運維知識。對抽取出的三元組內(nèi)容進(jìn)行二次分析，將根據(jù)詞性及依存句法抽取出的實體進(jìn)行聚類，將涉及同類內(nèi)容的實體進(jìn)行融合，組成完整語義的回復(fù)答案，反饋到知識庫前端。

實現(xiàn)知識自動挖掘與沉淀，智能沉淀各類知識總計834條，實現(xiàn)以知識圖譜的方式推薦知識，一鍵獲取投訴現(xiàn)象、原因和解決方案。投訴支撐人員能力和效率大幅提升，工單回復(fù)質(zhì)量高，二次派單率降低14.4%-3.4%=11%，滿足預(yù)期目標(biāo)。

（四）業(yè)務(wù)端到端全流程可視化

實現(xiàn)端到端客戶服務(wù)可視、可管、可控、可溯源，業(yè)務(wù)流程查詢時長縮短50%，如圖4所示。

1.搭建客戶服務(wù)全流程可視化平臺

2.跟蹤展示整體業(yè)務(wù)的所有流程節(jié)點及詳情，并可對業(yè)務(wù)異常進(jìn)行跨系統(tǒng)的管理和干預(yù)。

傳統(tǒng)方法查詢需要多菜單查詢、多系統(tǒng)溝通，整體排查時長為60min；業(yè)務(wù)端到端全流程可視化僅需單菜單查詢，耗時10min。

業(yè)務(wù)流程查詢時長縮短83%，滿足預(yù)期目標(biāo)。

四、效益分析

（一）經(jīng)濟(jì)效益

致力于研究實施面向全網(wǎng)客戶投訴處理效能提升新方法，活動成果首先在集中化支撐省份落地推廣，逐步輻射到全網(wǎng)。

以某省移動為例，2020年3月投訴支撐人員需處理創(chuàng)建工單量1328張，平均處理時長12小時，共計12*1328=15936小時。按人工每天工作8小時，共需15936/8=1992人天。按人工單價745元/人天計算，成本745*1992=1484040元=148.4萬元。

（二）社會效益

通過重塑投訴處理流程，打造出有溫度的服務(wù)支撐體系，圍繞一線和客戶訴求，逐步前移支撐能力，投訴處理及時、高質(zhì)、高效。內(nèi)外部客戶感知良好， 2020年12月一線滿意度提升至98.4%。

五、總結(jié)

堅持“把簡單留給客戶，把便捷留給一線，把復(fù)雜留給系統(tǒng)”，重塑投訴支撐流程，以工作流引擎為驅(qū)動，植入敏捷運營等多項關(guān)鍵技術(shù)能力，實現(xiàn)機制融通，流程潤滑。引入人工智能技術(shù)，將AI能力融智到投訴支撐服務(wù)中，由點及面，分場景推動逐步賦能一線，實現(xiàn)投訴量壓降、處理效能提升。

通過進(jìn)行工單全過程分析、相似性度量，實現(xiàn)工單匯聚；搭建投訴助手，實現(xiàn)交互式應(yīng)答，提高客服效率和質(zhì)量；構(gòu)建知識庫，組織、存儲、管理和更新大規(guī)模的知識，并利用存儲知識進(jìn)行推理計算和問題求解。目前，成果已在集中化支撐11省份應(yīng)用落地，并推廣至全網(wǎng)客戶，促進(jìn)公司數(shù)智化運營和全社會數(shù)智化轉(zhuǎn)型。

作者單位：中移動信息技術(shù)有限公司