王 腾 袁 萍 王 璞 孔令琪 陈新民

1.中国电信股份有限公司江苏分公司；2.浙江省公众信息产业有限公司

0 引言

为加快推进网络强国、数字中国的建设，践行“以客户为中心”的服务理念，全面实施云改数转战略，通过对客户投诉行为的分析提炼，了解客户的负面感知，精准预警客服热点问题，精确修复客户不满意因素，全力提升客户满意度，已经成为运营商客户服务的一项重要工作。

投诉是服务问题的重要反馈窗口，一般由话务员通过语音应答进行处理，而语音记录具有占用大量存储空间、难以通过语义识别进行批量归类与分析的问题，导致实际应用中不能通过全量工单分析来精准预警客服热点问题。随着语音识别技术在客户服务领域的广泛应用，投诉处理录音转换成了文本形式的投诉办结单，解决了工单存储问题，但工单的归类仍然停留在由话务员一单一单地进行人工处理的阶段，具有以下三大不足：（1）受话务员业务能力、理解能力、责任心等主客观因素影响，归类准确度难以保证；（2）话务员手工点选办结原因，每单平均额外耗时约69.8 秒，降低了工单处理效率；（3）语音转换成的文本，在实际生产工作中没有得到充分使用，一定程度上浪费资源。

本研究旨在探讨建立一套系统，利用文本挖掘技术和机器学习等人工智能的方法，挖掘客户投诉热点，对产品、套餐和营销活动进行服务预警，对客户不满意因素进行精准派单修复。……