CN101998472A - 投诉预处理方法、投诉处理方法、装置及*** - Google Patents

Abstract

本发明公开了一种投诉预处理方法、投诉处理方法、装置和***，其中，投诉预处理方法包括：获取各种类型的客户已投诉数据；根据已投诉数据提取每种类型对应的投诉信息特征；根据投诉信息特征对所有客户信息进行扫描，获得与投诉信息特征匹配的预测投诉客户；对预测投诉客户进行投诉预处理。本发明可以实现降低客户投诉的可能性，减少客户服务成本，解决现有技术中投诉处理成本高、投诉数量多的缺陷。

Description

投诉预处理方法、投诉处理方法、装置及***

技术领域

本发明涉及移动通信行业经营分析与投诉处理技术，具体地，涉及一种投诉预处理方法、投诉处理方法、装置及***。

背景技术

随着移动通信客户数的增长，客户投诉也日益增多。为提升客户满意度，一方面需要减少和避免客户投诉；另一方面当客户投诉时，加快投诉处理速度，减少客户等待时间。同时，减少客户投诉量或客户投诉处理时间，也能降低工作量及相应的客户服务成本。

目前客户投诉的处理，一般是客户拨打客户服务电话，由客服人员根据客户描述的问题，打开相应的***进行查询分析，然后进行处理，其基本流程是“客户拨打投诉电话->客户向客服人员描述投诉问题->客服人员查询问题->修正问题或向客户解释”这种被动接受投诉，然后线性处理的流程。现有的投诉处理基本流程只能在客户进行投诉之后，根据客户投诉的内容再查询客户投诉原因。因此造成投诉处理人员在查询过程中客户的等待，一方面会占用客服线路及投诉处理人员的工作时间，另一方面也会增加客户的不满。

目前已公开了一些投诉处理的方法，如：申请号为“200810111167.X”的“投诉方法、投诉处理方法、终端、投诉处理服务器及***”，提出了一种快速准确地对网络类故障进行定位，提高投诉处理效率的方法。申请号为“200710306836.4”的“一种移动用户投诉综合处理***及其方法”，提出了一种将原有各项业务投诉处理***进行整合，提供统一的用户操作界面以提高投诉处理的效率的方法。申请号为“200810071342.7”的“使用决策树的客户投诉方法”，该方法利用决策树对客户投诉进行自动化准确定位、分析和处理。已公开的上述专利申请虽然提出了一些提高投诉处理的效率的方法，但仍然没有改变“客户拨打投诉电话->客户向客服人员描述投诉问题->客服人员查询问题->修正问题或向客户解释”的线性流程。当客服人员查询和处理问题时，客户的等待时间无疑浪费了客服线路的占用，并增加客户的不满。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.客户等待时间和投诉处理时间过长，客户满意度不高。

2.在客户等待查询结果时会占用客服线路、增加了服务人员的工作时间和客户服务成本。

3.目前都是在投诉后才进行处理，还没有相应的避免客户投诉的预处理方法。

发明内容

本发明的目的是提出一种投诉预处理方法、投诉处理方法、装置及***，以实现降低客户投诉的可能性，减少客户服务成本。本发明的另一目的是实现在投诉发生时，加快投诉处理速度、提升用户满意度。

为实现上述目的，根据本发明的一个方面，提供了一种投诉预处理方法。

根据本发明实施例的投诉预处理方法，包括：获取各种类型的客户投诉数据；根据客户投诉数据提取投诉信息特征；根据投诉信息特征对所有客户信息进行扫描，获得与投诉信息特征匹配的预测投诉客户；对预测投诉客户进行投诉预处理。

根据本发明实施例的投诉处理方法，包括：接收客户的实际投诉；根据对该客户的预测投诉，自动进行实际投诉的投诉处理准备；和/或根据已投诉数据提取的投诉信息特征对实际投诉进行投诉处理。

为实现上述目的，根据本发明的另一个方面，提供了一种投诉预处理装置。

根据本发明实施例的投诉预处理装置，包括：分析模块，用于从各业务***提取获取各种类型的已投诉的客户投诉数据，并提取每种类型对应的投诉信息特征；存储模块，用于存储各种类型及对应的投诉信息特征；匹配模块，用于对各业务***的客户信息进行扫描，找出与投诉信息特征匹配的预测投诉客户；处理模块，用于对预测投诉客户进行投诉预处理。

该投诉预处理装置可以位于经营分析***的服务器上，或独立设置于经营分析***与客服***之间的服务器上。

为实现上述目的，根据本发明的另一个方面，提供了一种投诉处理***。

根据本发明实施例的投诉处理***，包括：经营分析***，用于根据已投诉的客户投诉数据提取投诉信息特征，对所有业务系的客户信息进行扫描，找出与投诉信息特征匹配的预测投诉客户，并对预测投诉客户进行投诉预处理；客服***，用于接收客户的实际投诉，根据对客户的预测投诉，自动进行实际投诉的投诉处理准备；和/或根据经营分析***提取的投诉信息特征对实际投诉进行投诉处理。

本发明各实施例的投诉预处理方法、投诉处理方法、装置和***，由于从已投诉的客户投诉数据中提取出投诉信息特征，因此，可以扫描各业务***的客户清单，从中找出有可能进行投诉的客户，进行提前预处理，从而在客户实际投诉前避免了客户投诉的可能性，减少客服成本。

本发明另有些实施例在提取了投诉信息特征的基础上，当客户的实际投诉来临时，客服人员可以根据已经建立的投诉信息特征对投诉进行快速处理，并且如果是已经预测的投诉客户，可以直接对该实际投诉进行处理，大大减少了占用投诉线路以及投诉处理时间的问题。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明投诉预处理方法实施例一流程图；

图2为根据本发明投诉预处理方法实施例二流程图；

图3为根据本发明投诉处理方法实施例流程图；

图4为根据本发明投诉预处理装置施例示意图；

图5为根据本发明投诉处理***实施例结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明主要通过前期分析提取投诉信息特征，并且***可能投诉的客户进行预处理，从而减少客户的投诉量、降低客服成本。并且，本发明还可以对实际投诉的客户进行快速的投诉处理，并进一步修正投诉信息特征，从而进一步完善预测的精确度和提高预测的可能性，下面通过图1-图5及其相应的文字说明，对本发明进行举例说明。

实施例一

图1为根据本发明投诉预处理方法实施例一流程图。如图1所示，本实施例包括：

步骤S102：统计客户投诉数据，按照客户不同的投诉类型进行分类；

步骤S104：对每一类投诉，从客户投诉数据中提取该类投诉相关的信息特征；

步骤S106：根据信息特征对所有客户扫描，找到与投诉信息特征相匹配的预测投诉客户；

步骤S108：对预测投诉客户进行投诉预处理。

本实施例主要根据已经投诉过的客户数据信息，分析提取出已投诉客户的信息特征，从而建立投诉信息特征与投诉类型的对应关系(如以数据库形式)。然后根据投诉信息特征对所有客户信息进行扫描，找出可能会投诉的客户并记录，在实际投诉未发生前提前解决这些客户遇到的问题，避免客户投诉，因此，本实施例可以从根本上减少客户投诉的数量、减少客服工作量和占线时间。

实施例二

图2为根据本发明投诉预处理方法实施例二流程图。如图2所示，本实施例包括：

步骤S202：提取各种类型的客户已投诉清单，按照不同的投诉类型进行分类，如费用类投诉、服务类投诉、网络类投诉等；

步骤S204：对每一类投诉，从各已投诉客户清单中提取和该类投诉相关的投诉信息特征，一般是该投诉类型共有的特性。例如：

①对费用类投诉，分析发生该类投诉所有客户帐务、缴费、优惠促销等数据，找出共有的特征，例如优惠配置错误，销帐错误等。

②对于由于实时原因造成的投诉，不需要对历史投诉客户信息进行挖掘，直接提取当前状态信息，判断客户是否有投诉可能。例如开通不及时投诉，则直接提取所有当前的工单和完成情况。例如提取所有的开通工单以及完成信息，尤其是未能及时开通的工单，这很可能会造成客户投诉。

③网络类和服务类的投诉，对有些具体的投诉，其原因比较简单，因此，对这类投诉，不需要进行复杂的挖掘，直接提取相关数据，就可以判断。

下面对网络类和服务类投诉情况举几个例子：

a>服务类投诉，如对停机用户的开通：用户欠费停机后，缴了费用，需要给用户开通服务。这时候，计费***就要给用户归属寄存器(HLR)发送开通工单，但是由于交换机原因或网络原因等，造成开通延迟或者失败，就会造成用户的投诉。这时从数据上反应，就是开通工单在规定时间内没有正常返回结果。把这些没有及时返回正常结果的工单提取出来，这些工单里面涉及的客户极有可能投诉。

b>网络类投诉，如某基站负载高或者故障，造成用户不能正常呼叫，或者通话质量差，造成用户可能挂机后再次呼叫。用户这些操作以及呼叫的失败信息，在信令数据中都有即时的体现，并有明确的错误信息。把这些信令数据提取出来，则发生了通话故障的这些客户，投诉可能性也很高。

步骤S206：建立投诉信息特征数据库A，存储每种类型的投诉和对应的投诉信息特征，如下表A；

表A投诉信息特征数据库

步骤S208：根据数据库A中的特征信息，定时扫描各业务***，如BOSS***、经营分析***、网管***等的所有客户，找出能和数据库A中投诉信息特征匹配的客户信息，以及对应的投诉类型，建立预测投诉客户数据库B，如下表所示：

表B预测投诉客户数据库

例如开通类的实时原因产生的投诉，则需要实时扫描相关***及归属位置寄存器(HLR)。将所有可能投诉客户和其相应的投诉类型存储到数据库B中。每次对***进行扫描时，对B中预测投诉客户进行全面更新。扫描与更新的频度，由各种投诉类型的特点决定，例如开通类投诉需要实时扫描并将已完成的开通工单排除出可能投诉客户列表；而费用类投诉只需要每天进行扫描更新即可；

步骤S210：对预测投诉客户数据库B中预测投诉客户进行分析处理，针对其产生投诉数据特征进行解决。例如，对于可能进行费用类投诉的客户，分析其费用问题，并进行解决或解释，避免客户投诉。

本实施例在客户实际未发生投诉前，***到可能投诉的客户群，并尽可能提前解决问题，从而减少和避免客户投诉。并且，对于已发生的投诉，改变了现有技术中线性的投诉处理流程，当实际投诉客户向客服人员描述投诉问题的同时，可以通过已建立的客户投诉信息特征库A和预测的数据库B的结果，自动查询客户投诉问题，并可以通过界面展现相应的数据和处理。因此，客服人员在接收到实际投诉时可以直接修正问题或向客户解释，加快了投诉处理速度，减少客户投诉处理时间，同时提高了客户满意度，降低了客服成本。

实施例三

图2步骤S204中对每一类投诉，从各投诉客户清单中提取出和该类投诉相关的投诉信息特征的具体过程可以包括如下步骤：

1.提取某投诉类型已投诉的客户投诉数据，利用数据挖掘技术，例如逻辑回归模型、神经元网络、决策树等，对该投诉类型的客户投诉数据进行数据挖掘模型训练；

2.根据训练后的模型对实际未投诉客户进行分析，获得预测投诉客户；

3.将步骤2得出的结果交给客服部门进行验证，看是否这些客户进行了投诉(准确率)，以及挖掘的结果占投诉客户的比例(覆盖率)；

4.对准确率和覆盖率进行平衡，确定该类投诉所使用的模型或模型的组合，即为此种投诉类型使用的模型。将客户信息在此模型中进行运算，得出的结果就是该投诉类型的预测投诉客户。

上述各实施例主要是实现本发明的第一目的，即提升客户满意度，降低客户投诉的可能性，主要通过分析每个客户的投诉数据，通过客户数据提取出的投诉信息特征，判断对客户的服务是否有不完善的地方，预测客户是否有投诉的可能性。对可能进行投诉的客户，未实际投诉前即可解决对其服务的问题，尽可能避免客户投诉。一方面客户满意度得到提高，另一方面客户投诉减少，客服工作量和成本就会降低。

下面图3实施例主要是解决当客户投诉实际发生时进行快速处理的问题。由于实际投诉已经发生因此需要尽可能加快投诉处理速度，缓解投诉客户的不满情绪；同时，可以根据投诉客户的信息，完善和优化上述实施例中分析挖掘出的投诉信息特征(如数据库A)，进一步提升对客户投诉可能性判断的准确度和覆盖度。

实施例四

图3为根据本发明投诉处理方法实施例三流程图。如图3所示，本实施例主要是针对实际呼入的投诉进行处理的流程，包括：

步骤302，接收客户实际投诉，如呼入客服***的投诉，同时执行步骤304、306；

步骤304，***根据客户的号码，自动在数据库B中存储的预测投诉客户数据库B里面进行寻找。当客户与数据库B的某一客户匹配时，进入步骤308，否则，转入步骤307进行普通投诉处理流程，并对客户的投诉类型以及客户投诉信息特征进行记录，进入步骤309；

步骤306，接收客户实际投诉问题，执行步骤308；

步骤307，进行普通投诉处理，执行步骤309；

步骤308，根据客户的投诉类型，客服人员自动在工作台打开和该投诉类型相关的用户界面，使客服人员可以直接看到所需要的***和数据，如数据库A。若客户有多个可能投诉类型，则以方便的界面展示所有可能投诉类型，客服人员根据客户描述直接选择进入相应界面，执行步骤310；

步骤309，根据客户投诉问题的类型和客户投诉信息特征，更新知识库A，结束；

步骤310，客服人员判断客户描述问题是否和***预测的该客户的投诉问题一致，例如和数据库B中某预测投诉客户对应的投诉数据特征描述是否一致，如是，则到步骤312进行快速处理，如不是，则转入步骤307进行普通投诉处理流程，然后对客户的投诉类型以及客户投诉信息特征进行记录，进入步骤309；

步骤312，当客户描述完投诉问题时，客服人员已经准了好了相关的数据以及经验知识，即可直接开始处理，不需要客户等待，因此可降低客户的不满情绪，同时减少了客服成本，减少占线时间和处理时间。

本实施例对于已发生的投诉，改变以往线性的投诉处理流程，当客户向客服人员描述投诉问题的同时，通过已分析的投诉信息特征数据库，就能自动查询客户投诉问题，并展现相应的界面和数据。这样，客服人员可以直接修正问题或向客户解释，提高客户投诉处理速度，减少每客户投诉处理时长，也就提高了客户满意度，同时降低了客服成本。

上述各方法实施例当客户实际投诉时，可以根据预先扫描出来的预测投诉客户及预测投诉类型，在客户还在向客服人员描述投诉问题时，在后台就进行投诉原因查找，将解决投诉所需要的***、客户数据和处理该类投诉所需相关经验知识及疑难问题，通过界面直接展示给客服人员，加速投诉处理过程。客服人员在客户描述完问题并且客户问题和预测的问题一致时，直接对投诉进行解决，大大减少了客户等待，提高投诉处理效率；不一致时，可以将客户投诉内容和投诉特征信息更新至数据库A，进一步修正投诉类型对应的特征信息。

本发明上述投诉预处理方法和投诉处理方法的一个或多个实施例有如下优点：

(一)利用数据挖掘分析的技术手段，提前预知客户投诉的倾向、在客户投诉之前就可以采取相应的手段预防，大量减少客户投诉数量。

(二)由于***客户投诉信息，在实际投诉时就可以同步做好相关准备，从而提高投诉处理时间和客户满意度。

(三)减少客服成本和占用客服线路。

(四)改变了现有技术中在客户投诉后才进行处理的流程，从本质上减少客户投诉，以及客户投诉处理的线性流程。

实施例五

图4为根据本发明投诉预处理装置施例示意图。本实施例包括：

分析模块，用于从各业务***提取获取各种类型的客户投诉数据，对已投诉的客户，从各业务***提取这些客户的各类相关数据。例如，从BOSS***提取计费、帐务数据；从网管***提取客户网络信息、信令数据等。从中挖掘每种类型对应的投诉信息特征，具体挖掘分析过程可参见投诉预处理方法实施例相关说明；

存储模块，用于存储各种类型及对应的投诉信息特征，如投诉信息特征数据库A；

匹配模块，用于对各业务***的客户信息进行扫描，找出与投诉信息特征匹配的预测投诉客户及预测投诉类型，形成预测投诉客户数据库B并存入存储模块；

处理模块，用于对预测投诉客户进行投诉预处理。

其中，本实施例的装置可以位于经营分析***的服务器上，或为独立设置于经营分析***与客服***之间的服务器。

本领域技术人员应了解，上述投诉预处理方法的多个实施例可以在具图4结构图所示结构的装置中实现，但不限于图4中所示的连接结构，只要能实现根据客户投诉数据提取出投诉信息特征，并提前进行预测可能的投诉客户即可。

实施例六

图5为根据本发明投诉处理***实施例结构示意图，如图5所示，包括：

经营分析***，用于根据已投诉的客户投诉数据提取投诉信息特征，对所有业务系的客户信息进行扫描，找出与投诉信息特征匹配的预测投诉客户，并对预测投诉客户进行投诉预处理；

客服***，用于接收客户的实际投诉，根据对该客户的预测投诉，自动进行该实际投诉的投诉处理准备；和/或根据经营分析***提取的投诉信息特征对实际投诉进行投诉处理，如：实际投诉客户是某一预测投诉客户，且实际投诉与预测投诉类型一致时，对实际投诉进行投诉处理；否则存储实际投诉与其投诉信息特征，对经营分析***存储的投诉类型及其投诉信息特征进行更新。

如图5所示，经营分析***可以包括图4所示的投诉预处理装置，本实施例中作为经营分析***内的一个独立设置的投诉预处理服务器，但具体应用时，还可以将图4所示的投诉预处理装置中的功能模块加入经营分析中某些现有设备上从而实现提前预处理的功能。

实施例七

如图5所示，客服***可以包括：

显示模块，与投诉预处理服务器相连，用于显示实际投诉对应的投诉类型及对应的投诉问题解决方式，通过投诉预处理服务器找到信息特征数据库A，从而可以进行经验投诉处理；

处理模块，用于判断实际投诉客户是否与预测投诉客户以及预测投诉类型一致，并对实际投诉进行投诉处理；当实际投诉未存储在经营分析***时对投诉预处理服务器存储的数据库A进行更新，具体可参见图3中相应的处理流程。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种投诉预处理方法，其特征在于，包括：

获取各种类型的客户已投诉数据；

根据所述已投诉数据提取投诉信息特征；

根据所述投诉信息特征对所有客户信息进行扫描，获得与所述投诉信息特征匹配的预测投诉客户；

对所述预测投诉客户进行投诉预处理。

2.根据权利要求1所述的投诉预处理方法，其特征在于，所述根据所述已投诉数据提取投诉信息特征的操作包括：

统计客户已投诉数据；

将所述已投诉数据按照不同的投诉类型进行分类；

提取每种投诉类型的客户投诉数据，挖掘每种投诉类型的投诉信息特征；

建立投诉信息特征数据库，记录每种投诉类型及其对应的投诉信息特征。

3.根据权利要求2所述的投诉预处理方法，其特征在于，所述提取每种投诉类型的客户投诉数据，挖掘每种投诉类型的投诉信息特征的操作包括：

提取其中一种投诉类型已投诉的客户投诉数据，对该投诉类型的客户投诉数据进行数据挖掘模型训练；

根据所述数据挖掘模型对实际未投诉客户进行分析，获得预测投诉客户；

对所述预测投诉客户进行验证，判断是否进行实际投诉，获得模型预测的准确率和覆盖率；

根据所述模型预测的准确率和覆盖率，确定所述投诉类型使用模型或模型的组合；

其中所述数据挖掘模型包括以下至少之一：逻辑回归模型、神经元网络、决策树。

4.根据权利要求1-3中任一项所述的投诉预处理方法，其特征在于，根据所述投诉信息特征对所有客户信息进行扫描，获得与所述投诉信息特征匹配的预测投诉客户包括：

定时扫描各业务***，找出与所述存储的投诉信息特征匹配的客户信息及对应的投诉类型；

根据所有匹配的客户信息及其投诉类型建立预测投诉客户数据库。

5.一种投诉处理方法，其特征在于，包括：

接收客户的实际投诉；

根据对所述客户的预测投诉，自动进行所述实际投诉的投诉处理准备；和/或根据已投诉数据提取的投诉信息特征对所述实际投诉进行投诉处理。

6.根据权利要求5所述的投诉处理方法，其特征在于，还包括：

当所述实际投诉未存储在所述投诉信息特征对应的投诉类型时，对所述投诉信息特征进行更新。

7.根据权利要求5所述的投诉处理方法，其特征在于，根据已投诉数据提取的投诉信息特征对所述实际投诉进行投诉处理的操作包括：

在所述实际投诉的客户为预测投诉客户时，判断所述实际投诉与所述客户的预测投诉类型是否一致；

在所述实际投诉与所述预测投诉类型一致时，对所述实际投诉进行所述预测投诉类型对应的投诉处理。

8.根据权利要求5-7任一项所述的投诉处理方法，其特征在于，所述投诉类型包括以下至少之一：网络类投诉、实时原因投诉、服务类投诉、费用类投诉。

9.一种投诉预处理装置，其特征在于，包括：

分析模块，用于从各业务***提取获取各种类型的已投诉的客户投诉数据，并提取每种类型对应的投诉信息特征；

存储模块，用于存储各种类型及对应的投诉信息特征；

匹配模块，用于对各业务***的客户信息进行扫描，获得与所述投诉信息特征匹配的预测投诉客户；

处理模块，用于对所述预测投诉客户进行投诉预处理。

10.根据权利要求9所述的投诉预处理装置，其特征在于，所述投诉预处理装置位于经营分析***的服务器上，或为独立设置于经营分析***与客服***之间的服务器。

11.一种投诉处理***，其特征在于，包括：

经营分析***，用于根据已投诉的客户投诉数据提取投诉信息特征，对所有业务系的客户信息进行扫描，找出与所述投诉信息特征匹配的预测投诉客户，并对所述预测投诉客户进行投诉预处理；

客服***，用于接收客户的实际投诉，根据对所述客户的预测投诉，自动进行所述实际投诉的投诉处理准备；和/或根据所述经营分析***提取的投诉信息特征对所述实际投诉进行投诉处理。

12.根据权利要求11所述的投诉预处理***，其特征在于，所述客服***包括：

显示模块，用于显示所述实际投诉对应的投诉类型及其投诉信息特征；

处理模块，用于判断实际投诉客户是否与所述预测投诉客户一致，并对所述实际投诉进行投诉处理；当所述实际投诉未存储在投诉信息特征时对所述投诉信息特征进行更新。

Images