基于自然语言处理技术的电力客户投诉工单文本挖掘分析

本文主要结合浙江湖州电力业务需求,旨在打破客户对用电诉求存在的盲区,从而提高对用户用电需求的管理程度,实现热点投诉业务工单的原因挖掘。为了更好的深入挖掘投诉工单背后所蕴含的信息,研究基于自然语言处理技术出发,对电力客户投诉工单进行深入文本挖掘,利用隐马尔可夫模型等分词技术分析投诉工单中的受理内容,进行词频统计,通过TF-IDF算法计算关键词重要性权重值,提取权重值大的关键词频作为客户投诉文本挖掘的最终结果,并运用词云分析技术进行分析结果可视化展示;通过文本分类分析,构建文本分类器模型,实现对 “热点词频”在不同业务中的分布情况的研究,并根据结果开展相应改进措施。把控住当下电力客户投诉的主要问题,针对性的为不同类型的电力客户提供差异化的服务策略,从而提高客户满意度和忠诚度。专题的推广应用,能够很好的提升客服部门的工作效率,落在实处的为客户解决难题。     

基于自适应特征权重聚类算法的用电问题分析

提升客服系统对于群体客户用电问题的分析与理解能力是改善电力行业客服质量的重要途径之一.本文基于数据挖掘中的聚类技术,以电力客服中心记录的客户用电问题为数据基础,建立客户服务数据分析聚类模型,进而提出了针对用电问题分析的改进的自适应特征权重K-Means聚类算法.实验验证了该方法可快速准确地实现客服数据的自动聚类,可挖掘出隐藏的客户用电问题关键信息,为改进用电力客服质量与潜在服务风险预测提供了技术支撑.     

基于自然语言处理技术的电力文本挖掘与分类

为深层挖掘电力数据文本蕴藏的信息,本文基于自然语言处理技术分析了电力文本挖掘与分类流程,通过分词技术分析文本内容,提取文本特征,并构建分类器模型以自动分类文本,最后以实例分析了电力文本挖掘与分类的实际效果.结果表明,中文电力数据文本挖掘准确度较高,适用范围广泛,方式方法灵活,可及时准确挖掘隐藏的关键信息,为分析客户用电诉求与投诉要求提供了完善的数据依据;以文本自动分类分析,构建的分类器模型查准率与准确率相对较高,且调优之后分类器模型可更加准确地识别出热点事件投诉工单.     

面向客户服务的信息过滤代理的研究

在人-人客服交互过程中,客户经常遇到响应时间延迟、处理办法不一致及反映通道单一等问题。由此,提出人-系统客服交互机制,即称为交互式客户服务代理(ICSA)的多通道应用系统,它使用基于XSLT的客户服务中心,提供电话、网页和语音上网三种客服交互通道,并用全文搜索技术对响应进行过滤处理。     

基于95598大数据的电力客户满意度分析

客户满意度反映了客户期望值与客户体验的匹配程度,是评价客户服务质量的一个重要指标。在电力客户满意度研究中,最重要的是获取真实的客户满意度评价结果。本文利用电力客户服务所积累的真实业务数据,提出了基于分层结构的客户满意度得分判定方法,该方法具有严谨的三层结构设计,与实际数据紧联系,逻辑逐层递进,互为补充,从而实现了从模糊的满意度评价到直观的满意度得分的顺利转化。随后通过实际应用案例研究,将电力客户满意度评价与具体的业务过程相联系,提出研究技术路线,对抽取的业务数据进行满意度得分转化,并利用R语言挖掘客户满意度较低的深层原因。所提方法突出了电力客户服务测评的综合性,能客观地从用户体验的角度反映服务质量,具有现实应用价值。     

多神经网络协作的电力文本类型识别

电力企业为实现数字资产管理, 提高行业运行效率, 促进电力信息化的融合, 需要实施有效的数据组织管理方法. 针对电力行业中的数据, 提出了基于字级别特征的高效文本类型识别模型. 在该模型中, 将字符通过BERT预训练模型生成电力客服文本动态的高效字向量, 字向量序列输入利用融合注意力机制的双向长短期记忆网络(BiLSTM), 通过注意力机制有效捕捉文本中帮助实现类型识别的潜在特征, 最终利用Softmax层实现对电力文本的类型识别任务. 本文提出的模型在电力客服文本数据集上达到了98.81%的准确率, 优于CNN, BiLSTM等传统神经网络识别方法, 增强了BERT模型的应用, 并有效解决了电力文本类型识别任务中语义的长距离依赖问题.     

基于层次语义理解的电力系统客服工单分类

随着信息技术的发展,电力系统中积累了大量的电力数据,其中客服工单数据占据着非常重要的地位。根据客服工单的描述内容进行分类有利于准确地定位客户需求,对于提升电力系统运行的质量和效率具有重要的意义。对此提出基于层次语义理解的电力系统客服工单分类模型。利用深度学习方法对工单描述文本中的词和字符同时建模,从而得到层次化的工单描述语义表示,进而基于此表示对工单类别进行划分。通过在真实数据上的对比实验可以证明该方法能够准确地学习到工单的隐藏语义表示,具有优于对比方法的分类准确度。     

云网销售排行榜

“ECS（Embedded Customer Service嵌入式客服）在线客户服务平台”是云网自主开发的基于互联网的嵌入式实时客服系统，它融合“客户服务、商品导购、市场营销”等多种服务元素，将客户服务无缝的嵌入用户在线购买的全过程。通过该平台，用户只需点击“在线客服”图标，无须支付任何成本，即可与客服人员进行在线交流，获得各种服务。     

数字化技术在电网客服域的探索与应用

通过在客服领域应用包括"云、大、物、移、智"在内的多项数字化成果,企业能够在提升客户服务的效率和质量、优化客户体验的同时降低运营成本.从客户旅程出发,梳理了电网企业客户服务中心运营的现状与痛点,基于此提出了数字化解决方案及愿景.结合行业领先案例,探讨了技术落地的具体场景及应用成效,为电网企业客户服务数字化的实现提出建议...     

基于word2vec和XGBoost相结合的国网95598客服 投诉工单分类

为了解决95598客服投诉工单的整理、归档等问题,其中包括：在人工进行归档的过程中出现的疏忽造成的归档随意问题,即归档准确性问题;人工对投诉工单进行差错点归纳的耗时问题,即效率问题;人工对客服投诉分析深度不足,无法精准快速定位用户诉求热点的问题,即深度问题。本文针对以上三个问题给出解决方案,采用word2vec和XGBoost相结合的方式达到对95598客服投诉工单精准归纳。在文本词向量化的过程中采用word2vec方法,得到单词的文本词向量;利用XGBoost算法对95598客服投诉工单进行分类归档,并且对历史投诉工单的责任部门、专业分类、诉求事件、差错点四个方面进行标注。该模型的分类准确率在83%-91%左右,有较好的的效果。基于工单分类的结果,并设计了相关的投诉类看板,更直观的对数据进行展示。     

基于兴义供电局2017年客户诉求数据的分析和探讨

为了促进电网企业在电力体制改革纵深推进过程中探索出一条“赢得市场、赢得客户”的双赢之路,本文以贵州电网区域内面临“两网并存”竞争压力的兴义供电局为例,通过对兴义供电局2017年所有客户诉求数据进行提取、筛选、挖掘,分析,将竞争区域内的客户需求和客户抱怨逐条分析,并精准定位到兴义供电局下属分县局具体区域、时间段、业务类型、处理内容,通过数据对比和筛查,查找出客户问题的痛点和要点,针对性提出合理化建议和解决方案,促进兴义供电局供电服务能力提升和经营决策改善。目前,客户诉求数据分析已作为大数据分析的一项在电网企业中陆续开展,其所包括的丰富内容和数据挖掘方法还有待进一步深入研究。兴义供电局已将2017年客户诉求分析数据作为服务提升指引,纳入客户满意度提升细项制定相关举措,通过更有针对性的改善,提升两网并存局面下的供电服务竞争力。     

电力客户标签体系的研究

针对当前电力体制改革的深入推进,以及电力客户移动化、智慧化和碎片化的能源消费需求,中心利用大数据技术构建了一套先进的电力客户标签体系,制定了按照自然人和组织两个主体的标签层级和划分维度,构建了全方位的电力客户标签体系框架,为精准描绘客户画像,提高对电力客户的全面认知奠定基础。形成了电力客户标签体系的管理机制和流程,确保体系运作高质高效。创建了电力客户标签体系的应用能力框架,并从精准营销、优质服务和风险防控三个方面列举了应用开发项目。电力客户标签体系的研究和实际应用不论在供电企业内部管理还是提高客户满意度上都取得了积极成效,成为供电企业创新发展的关键技术支撑。     

一种基于Web数据挖掘的ICRM系统设计与实现

该系统利用Web数据挖掘技术获取客户供给信息、客户需求信息、客户咨询信息，再结合企业自己的综合数据库，并在Internet上利用email、短信等方式，来满足客户的需要，进行相应的客户关系管理。     

电力体制改革新时代下如何提升客户满意度

过去电网企业是垄断经营,随着电力体制改革和国有企业改革的纵深推进,客户有了更多选择。优质服务关乎电网企业新时代改革发展大局,只有优质服务才能使电网企业在改革发展中进入良性循环。然而,从第三方客户满意度调查报告中反映的情况可以看出,部分单位还存在垄断思维,“以客户为中心”的服务意识在实际工作中还未得到很好的落实,具体表现在停电次数多、电压不稳定、业扩流程长、抄表催费欠规范等客户用电体验较敏感的供电服务上。本文从客户体验管理角度,关注客户的用电体验和感受,把满足人民美好生活的电力需要作为电网企业工作的出发点和落脚点,围绕提升客户服务质量的关键点、电网企业存在的客户服务短板、提升客户满意度的有效措施等方面进行了有益地探讨。     

BiLSTM_DPCNN模型在电力客服工单数据分类中的应用

电力客服工单数据以文本形式记录电力用户的需求信息,合理的工单分类方法有利于准确定位用户需求,提升电力系统的运行效率.针对工单数据特征稀疏、依赖性强等问题,本文对基于字符级嵌入的长短时记忆网络(Bidirectional Long Short-Term Memory network,BiLSTM)和卷积神经网络(Conv...     

基于关系图提取算法的烟草销售客户关系管理的应用研究

展望客户关系管理,数据挖掘技术在其中起到了至关重要的作用,它可以挖掘出千万数据中的有用信息,企业才能对客户进行各类价值分类,然后预测客户的行为,从而做出正确有效的决策。在CRM应用中,基于数据挖掘技术的基础上,结合CRM系统的不足,为避免或减少客户管理系统因管理不到位而导致客户的流失,造成企业的损失,提出了客户关系图的提取算法,很好地分析了数据挖掘技术在CRM中的应用。     

电子商务客户流失的DBN预测模型研究

在电子商务迅速发展,企业快速抢占市场的背景下,客户成为企业竞争的核心因素。现有相关研究多致力于采用全数据输入模式解析客户流失现象,不同类型客户造成的差异性还有待进一步探讨。鉴于传统RFM模型不能精确解释电子商务客户流失原因,该研究将客户分为活跃与非活跃两个集群,提出一种优化的RFM理论模型与深度信念网络实证模型对电子商务客户流失进行预测。结果表明,不同类型客户流失因素的影响强度不同。对活跃用户而言,客户购买总金额是影响客户流失的主要因素;对非活跃用户而言,客户进入店铺的时间越长越可能留住客户。通过剖析非活跃用户不流失和活跃用户流失的原因,可帮助企业制定有效的客户管理策略,以最大程度地吸引潜在客户及保留现有客户,获取最多的市场利益。     

面向客户集成的产品网络化定制模式研究

生产力及社会需求的发展驱动了人类生产模式的变革。客户是企业激烈争夺的生存资源,蕴含着巨大的创新力。提出了一种面向客户集成的产品网络化定制(NCFC)应用模式,以集成客户创意,提高企业新产品开发能力,同时增强企业获得和保持客户的能力。客户是该应用模式的核心要素之一,对客户对象进行了深入研究,不同的客户,应采用不同的客户集成策略。建立了NCFC的业务过程模型,强调了该应用模式与企业内部工程设计分系统、管理信息系统、制造分系统集成的重要性。建立了以客户、制造商为角色主体的运行模式,并适用于多层定制的情形。