基于大数据分析的网格化精准客户服务模式构建

李博

【摘 要】在面向客户提供服务过程中，了解客户的需求，提供精准的服务，需要应用大数据技术，对客户的行为基于网格化进行精准的分析，通过分析了解用户的规律，向用户提供相应的服务，有助于提升服务水平。

【关键词】大数据;网络化;精准客户服务模式

一、引言

以某运营商向用户提供服务为例，该运营商应用大数据技术，以建立数字运营为标准，通过大数据技术建立网格化服务体系，并采用信息化管理方法，使企业营销模式发生变化，在向雍华庭提供精准服务的同时，还能扩大企业营销范围，创造更多的经济效益。

二、构建新型服务模式

2.1构建营销服务大数据分析方法

在企业营销服务过程中，获取关键信息，信息内容包括实体和非实体。自分析信息过程中，采用智能分词技术，将时间、人物、地点以及类型等进行分类，通过分类对上述信息进行划分，用于对营销服务产生的效果进行指导。

（1）关键信息分类

关键信息的分类过程，对于提取的关键信息进行相关分类排序。按照时间、地域、用户侧、服务侧、业务类型、出现次数等多种维度进行分类排序。

（2）敏感词汇关联

与敏感词的应用存在密切的关系，关键信息会按照分类进行排序，现阶段关键信息涉及的种类较多，其中时间、地域以及业务类型等是重要的组成部分。在确定上述关键信息后，会将各种关键信息建立关联关系，使用组合或者分词等技术，会对不同时期产生的信息内容进行分析，如果出现过于敏感的词汇，由关联词汇进行串联，以分布图或者雷达图的形式表现出来。

在该雷达图中，红色代表投诉信息、黄色代表故障信息、绿色代表咨询信息、蓝色代表其他信息。不同的信息通过雷达图，会方便供企业的营销人员，及时掌握管辖范围内出现的情况，针对重点问题提供相应的服务，提升用户的满意度。

2.2确定营销服务大数据研究方向

（1）重点区域分析

该运营商结合服务内容，绘制出的用户信息网络图形，在图形中会划分出敏感区域，采用获取关键词的方式，对产生的信息进行分析，如果管理区域内出现的关键词频率较高，证明公司在该环节中出现服务能力较弱的情况。

（2）重點客户群分析

该运营商在获取用户信息后，与客户建立服务关系，按照客户的服务需求，会将客户进行分类，一是直接交易类型、二是大用户类型、三是园区用户类型、四是致电用户类型、五是易投诉用类型。上述客户类型，会由营销部门提供针对性的服务，实现差异化服务的同时，还能提升服务水平。

三、构建基于大数据分析的精准化服务模式

3.1多维度多角度分析重复致电

在用户使用运营商业务过程中，用户会对运营商提出较多的要求，要求的表现形式为以下内容，一是故障报修、二是咨询、三是投诉、四是举报。上述内容会重复出现，在重复出现过程中，运营商应整理出现的信息，对信息进行分类，通过分类建立关联度模型，在模型中计算出产生信息用户的数量。如果在上述信息中出现敏感内容，应由企业向用户提供一对一服务，在一对一服务中，一方面解决用户提出的问题，另一方面使用户了解企业的运行方式，坚持一户一策的原则，避免相同的问题重复出现。

根据广州一个月热线呼入电话类别占比分析，业务咨询类占84.6%，占比最大，投诉类只占4%，比重较少，这说明，多数客户关注的问题，都是沟通解释可以解决的，但是需要进一步将咨询类细分，针对不同的细分类别，提供精准的服务。

业务咨询细分业务数据中，基础服务呼入次数最多，因此，运营商更应该关注做好客户关注最多的基础服务工作。其次是降档挽留，说明运营商需要更精准匹配客户的套餐档次。其他业务的占比相对较低，但是也需要有针对性的提供能解决客户痛点问题的精准服务。

3.2关键环节问题分析

在服务工作中，会出现接单速度慢以及工单处理时间长等情况，上述情况产生的原因，与各个部门的协同能力有关。在处理问题过程中，由于统计工单环节花费的时间较长，并且工单数量不断增加，使工单处理效率不断降低。运营商应建立预警机制，配合使用大数据技术，对工作人员的服务内容进行分析，其中以处理关键环节的问题为切入点，要求工作人员应以解决服务问题为主，及时解决用户的问题，减少客户的等待时间。

3.3深度挖掘投诉分析

运营商应以用户提出的问题作为切入点，深度挖掘用户提出的投诉内容，建立提升服务质量、解决重点问题营销体系，通过该体系，会对用户提出的每一项诉求进行分析，按照时间和关键词划分，使用大数据技术建立网格化系统，形成统一的分析流程，将不同时间产生的信息进行分类，由企业针对出现的问题，采取有效的方法进行靶向管理，一方面提升企业风险管控能力，另一方面形成完善的大数据管理工作流程，有效提升管理效率。营销大数据应用管理工作流程分为三个部分，一是主题研究、二是深化试点、三是总结推广。在主题研究部分，企业工作流程如下，首先提出任务目标，然后需求分解以及任务安排，按照需求内容进行市场调研，最后进行调研结果及方案讨论，形成成果总结后构建模型。在深化试点部分，首先建立试点，按照模式进行试点运行，然后深化应用，在应用中解决出现的问题，在解决问题中进行机制反馈，最后进行总结以及调整模型。在总结推广环节，按照标准设计开展相应的服务，形成标准的服务分析报告，建立完善的总结机制后，在实际服务环节进行应用。

对热线电话呼入内容的关键词进行分类，识别出投诉电话的细分类别，可以分为移动业务、家庭业务、集团业务、增值业务四类，其中前两类的数量占比较大，根据时间段分布情况分析，10点左右和16点左右是移动业务和家庭业务的投诉高峰，这是和用户的使用高峰相对应的。这说明运营商更应该做好高峰时段的服务工作，从而降低投诉。

业务办理类资讯的高峰则出现在10点到11点，和19点左右，19点的咨询高峰，经分析，不仅和客户使用高峰相关，还和其他渠道（特别线下渠道）此时的服务能力减弱相关。

3.4客户服务精准分析预测

向用户提供服务过程中，用户提出的要求，按照要求的数量进行划分，其中数量较多的要求，作为运营商重点解决的内容。应用大数据技术，建立自动关联服务部门，整个提供服务的过程，全部由大数据网络，提供数据支持，并且预测期间可能产生的风险，尤其是重点分析敏感关键词，由关键词串联出工单的类型，做好提前预防精准服务等工作。在关键词提取分类以及解决问题过程中，用户反映的情况，应成为运营商提升薄弱环节服务能力的有效途径，加强薄弱环节的管理，才能提升服务能力，最大程度满足用户的需求。

3.5主动预控服务风险

在运营商运行过程中，会由于多种因素影响正常服务，运营商应主动加强风险因素的管理，按照工单对风险进行分类，分类内容以地区、用电情况等进行划分。在划分风险过程中，基于大数据技术建立的网格体系，在体系内会对产生的风险进行分析，形成模型预测各个环节可能出现的问题，由被动处理转变为主动控制，及时处理引发的问题，在用户提出诉求前，已经解决出现的问题。

3.6支撑公司管理决策分析

在运营商运行过程中，需要运用大数据技术，建立数据实时监测体系，将产生的信息进行共享，配合使用GIS网络以及自动化报告技术，实现信息数据的透明化，让营销人员全面掌握用户的需求，以满足用户需求为标准，向用户提供精准的服务。

四、结束语

综上所述，用户向运营商提出的要求，采用大数据技术，对其中的关键词进行分析和分类，通过分析和分类，可以提前掌握发生风险的原因，以便向用户主动提供服务，切实解决用户遇到的问题。

参考文献：

[1]王禹.市场营销中大数据分析的应用[J].区域治理.2019（40）：8.

[2]李和仙.大数据分析时代对市场营销的影响[J].现代营销（下旬刊）.2020（02）：435.

[3]张阳.网络图数学公式在大数据分析中的应用[J].玉林师范学院学报.2019（05）：242.

（作者单位：中国移动通信集团广东有限公司）