基于文本分析的南瑞集团186客服业务能力优化

周鑫，刘文松，林峰，杨东，胡竹青，张锦辉，管荣飞

摘  要： 南瑞集团186客服平台使用自建ITSM系统，对工单量、用户身份、受理模块进行统计。话务工单直接记录了用户的具体诉求，但由于缺乏分析手段，无法实现对用户需求的精准识别，做到主动服务。为此，通过文本分析和挖掘技术实现话务工单的信息提取，进而实现信息系统、业务和用户的画像分析，进一步提升南瑞集团186客服平台业务能力和服务质量。

关键词： 客服系统;文本分析和挖掘;画像分析;需求识别;精准服务

中图分类号： TP31    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.12.026

本文著录格式：周鑫，刘文松，林峰，等. 基于文本分析的南瑞集团186客服业务能力优化[J]. 软件，2019，40（12）：115117

Optimization of 186 Customer Service of NARI Based on Text Mining

ZHOU Xin， LIU Wen-song*， LIN Feng， YANG Dong， HU Zhu-qing， ZHANG Jin-hui， GUAN Rong-fei

（NARI Group Corporation， Jiangsu Nanjing， 211000）

【Abstract】： ITSM built by NARI is used to record the users calling requirements， including the user ID， the calling time， the requirement content， et al. The lack of analysis methods causes the incapability of extraction of the common requirements， which help 186 Customer Service to recognize more precisely the users requirements and serve more positively. So， the text analysis and mining method is used to portray the PERSONA of information system， the daily business and the users， according to which， 186 Customer Service could optimize the service ability and quality.

【Key words】： Customer service system; Text analysis and mining; PERSONA analysis; Requirements analysis; Precise service

0  引言

南瑞集团186客服中心一线客服13人，服务集团近2万名员工。仅2018年话务工单量为103689条。由于没有相关的技术手段，只能人工统计如一次解决率、客户满意率、话务丢失率、话务分时图等基础数据，据此调整服务策略。

随着集团的快速发展，信息系统应用业务覆盖面变得越来越广，业务应用集成度也变得更深，用户资源需求越来越多。如果不能掌握工单数据的智能分析方法，进而掌握大部分用户存在的共性问题，做好提权处理;或针对每天各时段话务的峰谷值，提前做好人员调配的相关准备等，将会极大影响用户满意度的进一步提升，从而引起问题解决效率低、服务质量差、用户满意度低等情况。

为进一步提升客服平台运营价值，辅助信息系统能力提升，满足南瑞集团员工的使用需求，以客服平台（186）受理话务和工单数据为基础，基于智能计算中心提供的文本分析和数据挖掘服务，探索客服大数据分析模式，形成2018年度南瑞集团客服平台（186）大数据分析报告，共涵盖宏观画像、业务画像（客服视角）、系统画像、用戶画像四大主题。

客服数据的选取时间始于2018年1月1日，截止2018年12月9日。自12月10日至12月31日，客服系统开始切换国网统推平台。本次分析对该时间段数据不予以考虑。客服数据字段主要包括工单描述、解决方法、来电时间、来电人员、来电单位、接话人员、解决人员、解决时间、处理方案等。

采用的文本分析和挖掘方法[1]包括：精准分词、基于语义的文本相似性分析、词频提取、关键词提取、频繁项提取、关联规则提取、聚类分析、时间序列回归分析等。

文本分析和挖掘的计算环境为：RedHat Linux 7.5，8核CPU，16GB内存服务器。

1  画像分析

1.1  工单预测

首先，对客服平台的工单数量进行预测分析。工单数量从侧面反映出业务系统的使用量，体现了相关业务开展的活跃度。另一方面，对于有限数量的客服人员，如能较为准确的估算工单话务量，对于提前进行工作安排、疏导流量是极其有意义的。

2018年客服平台共受理话务103689项。考虑到春节、中秋、国庆等国家法定假日及双休日没有话务量，为便于开展数据拟合，对数据进行预处理，即仅对工作日的话务数据进行时间序列分析，如图1所示。

图1  2018年话务工单

Fig.1  Daily distribution of calling quantity of 2018

在此基础上，采用回归建模[2]进行工单量预测，可知2019年的工单话务平均为439单/每天，误差均值为80.9单/天。

1.2  业务画像

对话务工单的文字描述进行实体识别，可获得用户反映的具体问题。在此基础上，通过频繁项挖掘[3-5]，获取热词及关联词，可确定客服系统日常的业务热点。按此思路进行处理，并提取热词进行词云展示。

可见，客服平台确实是集团内部办公信息系统咨询、申请和问题反馈的重要平台。针对排名前三的热词关联项进行分析，如下所示。

图2  客服平台186热词词云

Fig.2  Hot words of 186 customer service

（1）排名第一的热词为咨询，最频繁咨询的信息涉及：

a）供应商;b）投运;c）生产经营;d）状态;e）门户;f）网络;g）ERP系统;h）APP;i）客户信息;j）人资。

（2）排名第二的热词为申请。最频繁申请的业务涉及：

a）接入;b）终端;c）采购;d）账号;e）权限;f）邮箱;g）附件;h）VPN;i）删除;j）审批。

（3）排名第三的热词为问题。最频繁反映的内容涉及

a）模块;b）管理;）c）采购;d）物资;e）系统;f）项目;g）平台;h）生产;i）数据;j）报销。

下面，拟结合业务系统、用户单位、客服人员进行详细分析。

1.3  系统画像

根据业务系统，对热词及关联词进行细分，可以获知用户日常在业务系统使用时的关注点，既可以为业务优化指明方向，也可让培训更有针对性和目标性。以ERP系统为例，通过话务工单的实体提取和关联分析，获取排名前10业务如图3所示。

图3  ERP系统业务热点

Fig.3  Hot businesses of ERP

1.4  用户画像

从用户单位的角度，进行文本分析[6-10]，可以得知该部门日常业务项及时间分布。可以根据其业务特点，为其开设针对性的业务通道，或是进行流程优化升级。以水利水电公司某员工为例，分析活跃用户的日常业务如图4所示。

图4  2018年活跃用户的热点业务

Fig.4  2018 Hot business of active users

2  實施效果

2.1  辅助建议

基于以上方法，对2018年客服平台大数据分析，得到以下分析结论：

从运维角度看，靠前的有终端申请、网络接入、账号解锁、密码重置、权限变更、电子邮箱、附件下载、VPN申请等。建议针对这些事项进行流程优化，实现自主办理。配合开展系统应用的教育培训，提高使用能力。

从数据维护看，涉及最多的是供应商信息。建议提高业务数据准确性，优化系统操作的便利性。

从归属系统看，与ERP系统相关的业务量达39%，说明该系统使用率高，运维需求大，需进一步跟进用户的应用需求。

从活跃用户看，涉及最多的外单位是财资部和生产部。建议客服可以主动对接用户，优化流程，提供便捷的服务和操作。

从客服人员看，建议开放一线客服的权限，实现一线时间，一线解决;建议客服部门基于2019年工单预测值（平均439单/每天，误差均值为80.9单/天）提前做好人员安排;进一步提高工单质量。同时，积极研发客服机器人等新的信息化、智能化手段，拓宽客服信息接入的渠道，扩大客服平台服务的范围。

2.2  业务优化

使用大数据分析后，可以测算出每日话务量高峰期以及低谷期，在高峰期时提前进行全员签入接听工作，低谷期时由组长对新进客服人员以及其他人员接听过程中遇到的问题进行培训，充分的利用了工作时间，不再出现话务不忙时客服坐等电话的情况;通过数据也可以看出，使用大数据分析后，客服中心的话务丢失率呈现出明显下降趋势，2018年一季度的话务接通率为76.31%，2019年一季度的话务接通率为85.01%，环比提升11.40%;同时通过文本分析，客服中心能够直接将近期某个系统或某个模块客户反应问题较多的情况进行筛选，并及时通知相关业务部门的负责人，及时将问题进行消缺，让客户使用系统时更加的方便，提高用户的满意度。总之，通过客户数据、运营管理数据及员工行为数据的挖掘和分析，采取相应措施可以提高工作效率，优化流程，帮助运营管理降低成本，找到关键环节，加强用户体验管理，提升用户服务体验。

3  总结

针对2018年186客服平台反映的现象，进一步总结大数据分析过程，形成周期性的、有价值的、有公信的南瑞客服平台大数据分析报告，力求成为客服工作的年度亮点。下一步，南瑞集团186客服平台将根据三型两网的思想，进一步的沿着“云大物移智”的方向，深化人工智能、数据挖掘的使用。计划开发客服机器人等相关辅助工具，进一步完善工作方式，真正实现“快捷”“高效”“优质”的集团信息化运维服务体系。

参考文献

[1]卓广平. 数据挖掘开发及应用研究[J]. 软件， 2015， 36（5）： 81-83.

[2]卢超， 黄蔚， 胡国超. 基于图形数据结构的复杂对象建模设计[J].软件， 2015， 36（12）： 220-223.

[3]张聪聪， 李思彤， 汤艺， 等. 基于数据挖掘的国际涉华舆情分析关键技术研究[J]. 软件， 2018， 39（12）： 172-176.

[4]卓广平. 数据挖掘开发及应用研究[J]. 软件， 2015， 36（5）： 81-83.

[5]史尤昭. 数据挖掘技术研究与应用[J].软件， 2015， 36（11）： 38-42.

[6]刘伟， 宾航飞， 胡志刚. 一种改进的基于文本的重复代码自动识别方法[J]. 软件， 2018， 39（10）： 68-73.

[7]谢子超. 非结构化文本的自动分类检索平台的研究与实现[J].软件， 2015， 36（11）： 112-114.

[8]马明明， 胡俊. 面向文本的标签云可视化度量模型的研究[J]. 软件， 2018， 39（5）： 88-93.

[9]刘腾飞， 于双元， 张洪涛， 等. 基于循环和卷积神经网络的文本分类研究[J]. 软件， 2018， 39（01）： 64-69.

[10]张玉环， 钱江. 基于两种 LSTM 结构的文本情感分析[J]. 软件， 2018， 39（1）： 116-120.