面向客户体验的投诉精细化分析系统研究

分析处理客户投诉是发现网络问题、改善企业与客户关系非常重要的环节,围绕客户为中心,快速解决网络问题,必须建立有效的分析处理机制、预警机制、问题跟踪机制。早期的系统,将用户投诉、网元告警、故障工单等进行单独管理,忽视了网元故障与用户投诉之间潜在关系的分析。文章结合目前开发的投诉精细化系统,指出了如何将网元故障、投诉工单、热点区域结合起来进行投诉精细化分析,实现了技术流程和管理流程的双突破,对网络运维具有重要贡献。     

实施投诉精细化分析提升运维末端执行力

基于投诉管理工作难点,湖北移动探索性地进行基于大数据技术的投诉精细化建设,通过将投诉转换为维护任务以及一线维护信息回填投诉工单,实现用户投诉的精细化分析以及投诉管理与网络运维的统一;通过引入大数据挖掘与分析技术,实现投诉管理模型的建立以及投诉预测.     

基于元素化的话务量感知系统研究

对县市区域、网格管理、特殊场景、特殊保障的支撑,是网管支撑市场、精细化管理的核心。早期模式里,业务部门、经营部门和后台支撑,虽然做到了高层的集中管理与定期交流,但在实现中,仍将用户投诉、网元告警、故障工单等进行单独管理。文章结合目前开发的话务量感知系统,通过对用户的历史话务量进行精细化分析,有针对性地进行用户回访与业务推荐,让用户真真切切地感受到移动公司的关怀,从而达到降低投诉万户比的目的。     

集团客户故障投诉可控率和分析效率的提升方案

经过多年的市场发展及业务推广,集团客户的规模不断增长,业务种类也日益丰富,对于网络服务质量的要求也越来越高,随之而来的是客户投诉数量逐渐增多。若遵循原有的投诉管理方式,凭借现有管理方式和工作手段,已难以实现对集团客户故障处理时长和处理质量的有效把控。因此文章通过相应的背景调查,搭建基于 CTI(Computer Telephony Integration—计算机电话集成)技术的统一管理平台,并予以方案实施,实现了全省集团客户投诉电话的统一管理,投诉数据自动收集分析,不仅使得投诉处理过程可视、可管、可控,故障处理效率也得到明显提升。同时有效增强了客户黏性,提升了服务满意度,对树立公司品牌形象、增强核心竞争力具有重要意义。     

一种基于大数据技术的投诉分析与预测系统

投诉是顾客不满的表示,不论正确与否,是一种不满意的表达。同时,用户投诉也是运营商发现问题和提升网络质量的重要途径。早期对用户投诉的处理,是一种点对点、定向分析、缺乏关联的滞后处理,存在治标不治本的顽疾。进入移动互联网时代,大数据、云计算等新型技术的广泛应用,建立了一种基于大数据技术的投诉分析与预测系统,基于底层信令的全量分析,可有效定位故障原因,实施基于历史投诉样本库的投诉预测,并提前进行干预。     

基于大数据建模的投诉预测与应用

网络运行质量才是通信业生存和发展的基本保障,用户投诉的管理,则是改善企业与用户的关系、提升用户体验借以提升客户满意度的重要举措。早期,投诉处理存在事后分析、点对点分析、着重于KPI指标的分析等局限性,尽管投入多,但效果并不明显。针对早期工作中的不足,引入大数据挖掘技术,采用大数据建模的思路,建立了投诉预测系统,从源头分析用户投诉的深层次原因,在解放投诉人员的同时,极大提升效率,树立了企业的良好形象。     

一键投诉手机侧软件及分析平台

在移动互联网时代,用户投诉处理以及客户满意度情况,对企业的产品质量改善、未来发展重点决策、企业重点转型等具有重要影响。早期,用户对移动运营商的投诉全部通过10086这一途径进行反馈,带来客服压力大、问题不能有效进行分流、从投诉到回访周期过长等问题。基于此,特开放了一套手机端一键投诉分析软件,在为10086分流的同时,精细化分析用户投诉,智能化处理用户投诉,第一时间定位问题原因,极大地提升了投诉处理效率。     

基于用户位置的集中投诉分析报表工具开发

针对目前投诉量增加,每月上千例投诉,投诉分析工作费时费力的问题,文章研究开发了基于用户位置的集中投诉分析可视化报表工具。该研究基于Python开发语言并运用聚类算法,对数据进行处理,筛选集中投诉位置信息;应用Pyecharts库实现集中投诉分析数据的地图可视化、分县区、分类型、TOP5投诉热点大屏效果展示,导出集中投诉问题清单,大大节约了投诉分析人员的时间,提高工作效率。     

提升安全邮件投诉受理效率

针对目前手工方式处理邮件投诉问题,设计安全邮件投诉申告处理系统,节省人力、提高投诉处理效率、加强管理等方面提升安全邮件投诉处理工作。     

电信大数据在投诉管理中的应用

随着电信客户数量和网络业务种类地快速增长,越来越多的客户投诉也逐渐成为运营商亟待解决的关键性问题。借助于电信运营商自身的大数据优势,文章提出一套基于大数据的投诉管理方案,主要包括事前的投诉预判,事中的投诉处理,以及事后的投诉诊断。通过该方案,可以实现后端数据与前端用户投诉数据相关联,建立投诉数据库。基于该数据库,可以利用贝叶斯分类算法实现用户投诉的概率预测,提前进行网络优化,减少客户投诉。     

一种家庭宽带投诉精细化分析系统

在移动互联网时代,家庭宽带对移动公司具有重要影响,是企业流量经营、内容经营的重要实现手段。在企业大力推广家庭宽带之际,客户支持、投诉处理以及售后服务逐步成为了软肋。早期的家庭宽带投诉处理,存在投诉处理时间过长、重复投诉率高、客户感知差等问题,属于典型的治标不治本。文章提出一种家庭宽带投诉精细化分析系统,通过挖掘用户投诉信息,来分析用户投诉根本原因,有的放矢,进而减少投诉量,降低重复投诉率。     

安徽电信移动网络投诉处理管理体系的构建与实践

通过剖析安徽电信移动网络投诉处理存在的问题,全面优化了投诉处理工作流程,从投诉预处理、投诉结果闭环管控、考核与评价等方面建立了管理体系,实现了用户投诉现象与投诉原因的准确定位、投诉处理结果闭环管理。实践验证表明,该管理体系实现了运营商服务水平和用户感知的双提升,具有较大的应用价值。     

一种基于大数据的家庭宽带售后服务保障系统

家庭宽带是时下移动公司打破电信封锁、全面开发市场的重要业务。在前期的家庭宽带建设与售后服务中,存在着投诉预处理低、网络难以管理、故障难以定位、端到端保障缺失、服务质量难以提升等问题。针对前期工作中的不足,建立了一套基于大数据的家庭宽带售后服务保障系统,作为一种管理手段,在激发移动员工业务发展积极性、提升用户投诉处理效率的同时,极大了提高了客户满意度,为企业良好形象的树立具有重要意义。     

电力客户投诉行为分析的差异化服务

通过相关数据显示,电力企业客户的投诉行为日趋增多。因此,完善相应的电力服务体系和制度是电力企业的首要目标,只有深入规范好投诉处理流程,才能逐步提高电力企业的投诉处理质量及效率,将国家电网公司"你用电,我用心"的服务理念落实到工作的方方面面。基于此,本文主要阐述了差异化服务的相关概念、电力客户投诉行为的三大特点,分析了电力客户投诉管理面临的问题,并且基于电力客户投诉行为分析的差异化服务作了初步的策略研究,以期对相关领域的研究人员起到一定的帮助作用。     

基于MDT技术的网络综合分析方法研究与应用

日常无线网络优化与热点投诉处理等工作往往需要现场频繁测试,本文采用基于MDT数据的综合分析方法,无需现场实地测试即可全面地可视化展现问题,快速发现无线网络的覆盖与容量问题,更加精准的实现网络问题定位,高效地进行投诉分析和优化处理,从而降低网络运营和维护成本。     

电力潜在敏感客户预测的大数据方法应用

随着 95598 业务的不断发展延伸,人工话务强度增大。为了进一步加深对客户隐性特征以及诉求的认识和理解,提升 95598 人工精细化客户服务水平,对投诉倾向等客户服务中的典型应用场景进行了需求细化。基于电力服务工单数据,选取建模关键指标,通过熵权法、主成分分析和决策树等数据挖掘算法,对潜在投诉倾向客户和计划停电敏感客户进行识别,以便有针对性地进行服务资源调度,充分做好应对措施,有效减少投诉压力,提升服务精度。     

终端案例库多维度呈现与应用研究

在移动互联网时代,用户投诉的高效处理,对改善客户体验、提升客户感知、树立企业形象等,具有重要意义。早期的用户投诉处理,尽管环节众多,包括建单、处理、回访等,然而,投诉基本上是互不干扰的单个事件。引入大数据技术后,投诉数据库,特别是终端案例库的建设,从时间、空间、用户等多个维度将投诉进行关联,极大地提升了投诉处理效率,为重大故障处理、用户安抚等争取了宝贵时间,也有的放矢地提升了客户感知。     

基于大数据模型的投诉预警与提前干预分析

在自动互联网时代,用户的业务体验和客户满意度被提到空前的高度,投诉的第一时间发现与提前干预,对问题的处理和事态蔓延的制止,具有重要意义。早期的投诉处理中,存在预警功能单一、预测模型僵化、投诉处理复杂等不足,基于此,提出一种基于大数据模型的投诉预警与提前干预方法,通过对可能产生的大面积投诉产生预警,筛选出高风险投诉用户,进行主动干预,先于用户投诉解决问题,进而提升用户满意度。     

互联网业务故障投诉系统的设计与实现

互联网已经成为当今人们生活中必不可少的一个部分,近几年呈现出更加高速的增长态势,日益发展的业务种类和激烈的市场竞争要求运营商不断提高的客户服务质量,重视客户投诉。但是在处理投诉的过程中,暴露出了投诉处理方式效率低、网络投诉与网络告警缺少关联、故障定位过程繁琐等问题。文章针对这些问题提出了一种互联网业务故障投诉系统的设计方案,介绍了互联网故障投诉系统的整体设计和功能模块设计,重点阐述了告警模块和故障源辅助定位模块。     

基于机器学习的网络投诉预测分析

减少网络相关的投诉一直是运营商的重点工作之一。目前,网络投诉用户预警方案多以网优工程师经验为主导,准确率和效率都较低。本文通过对历史网络投诉用户数据进行全面深入的分析,基于XGboost算法建立投诉用户特征模型,实现了对网络投诉用户的预测。该方法预测准确率较高,与其他网优系统对接后能够定位用户质差原因,使网络部门能够提前进行网络优化,提升用户满意度。