左金虎 肖忠良 陈理华

目前，中国移动客户投诉处理以工单形式流转。在服务运营过程中，存在投诉处理效能不足的问题。为确保客户服务质量，中国移动明确了投诉分级分类处理时限标准，各类投诉均有相应要求，其中五星钻/金常规投诉和紧急投诉处理时限要求为8小时，现阶段部分类型的投诉处理效能难以满足及时性要求。本课题从保障客户投诉服务感知的角度出发，致力于打造一个智能、敏捷、高效的投诉处理机制，逐步提升服务质量，实现降本增效。

一、引言

中国移动已进入5G全面运营时期，在拓展市场份额的同时，需做好存量服务经营，来维系和保有客户。目前，中国移动客户投诉服务以工单流转形式开展，投诉处理周期长。以西藏自治区为例，客户投诉工单平均处理时长呈增长趋势，并在2020年3月达到12小时，投诉处理效能亟须提升。

目前，中国移动客户投诉处理以工单形式流转。在服务运营过程中，存在投诉处理效能不足的问题。为确保客户服务质量，中国移动明确了投诉分级分类处理时限标准，各类投诉均有相应要求，其中五星钻/金常规投诉和紧急投诉处理时限要求为8小时，现阶段部分类型的投诉处理效能难以满足及时性要求。致力于打造一个智能、敏捷、高效的投诉处理机制，逐步提升服务质量，实现降本增效，对提升中国移动整体IT运营能力至关重要。

二、 方案分析

从投诉分析、投诉助手、知识库、敏捷运营四个方面进行方案细化，利用树状图进行梳理。如图1所示。

（一）投诉分析

投诉分析包括自动汇聚和智能汇聚两种方案。基于规则引擎的投诉自动汇聚指基于既定规则或工单字段来对工单进行分类汇聚，进而达到减少重复工单的目的；基于语义分析的投诉智能汇聚是指通过自然语言建模、语义模型训练，智能识别并汇聚成相同故障源投诉工单。

实现方式：首先对历史工单事件描述、解决方案等信息进行AI模型训练与迭代，逐步生成同源/相似事件描述库；投诉工单通过同源/相似在线分析，调用对应投诉问题模型，自动汇聚成同类工单。随着知识的积累同步，逐步做到实时追加模型数据，无须重启，自动扩展泛化能力范围。

预期效果：投诉工单聚类压缩，同类问题可派发至相同运维人员处理，减少人力资源浪费。

（二）投诉助手

投诉助手方案有两种，即时通信工具应答和客服机器人应答。即时通信工具应答是指使用IM工具（QQ/微信/飞信）进行投诉问题咨询与应答；客服机器人应答是指使用Gensim语义分析、Jiba分词技术、聚合算法等AI技术建设客服机器人，由机器人进行业务规则、操作指引、问题定位等应答。

实现方式：客服机器人应答实现两方面功能。一是知识数据建模，通过大量知识内容预训练，抽取知识内容语义学习，来建立自然语言模型，同时自动更新模型数据，实现自学习；二是用户问答分析，通过NLP解析用户咨询内容，拆分出多维分词，计算词语间偏移向量，结合模型计算语义相似度，查询返回相似度得分较高的答案，如图2所示。

预期效果：客服咨询问题，能直观快速给出应答，效率高。投诉支撑能力逐步前移，客服人员可直接解决问题，降低投诉建单量。

（三） 知识库

在投诉处理过程中，全流程人员（含客服、帮助台、省投诉支撑）均需要快速查询行之有效的投诉解决方案。知识库提供各类投诉处理知识查询功能，其建设包括基于关键字的知识检索和基于图谱的知识挖掘与推荐两种方案。

预期效果：知识自动挖掘与推荐，投诉处理人员可快速选择高质量解决方案，投诉处理效率提升，工单回复质量高，二次派单率降低。

（四）敏捷运营

敏捷运营包括业务端到端全流程可视化和投诉信息一键查询两种方案。

业务受理复杂的长流程业务由C R M、综资、radius、各类业务平台等多个支撑系统承载，业务流程不透明，客服人员日常协调工作量大，效率低。业务端到端全流程可视化方案聚焦客户旅程管理，通过贯通个人、家宽、政企业务全流程，实现客户服务可见、可控、可管，推动服务运营质量数智化、精准化。

BOSS系统包括10套内存数据库（MDB），用于保存用户订购关系、用户账单、用户余额、用户状态等重要且敏感数据，客户投诉核查需分别查询或修复MDB数据，技能要求高、操作效率低。投诉信息一键查询方案通过开发集中运维管控平台实现投诉信息一键获取，提高客户投诉处理效率。

实现方式：业务端到端全流程可视化方案打通各系统壁垒，将业务从受理、开通、施工到归档计费进行全流程跟踪控制，提供多维数据视图分权限展示，提升查询效率；对业务异常可进行跨系统管理和干预，打破系统数据和功能孤岛，提升处理效率。

投诉信息一键查询方案开发集中运维管控平台，平台可使用当前主流的SpringBoot框架，引入ethz远程连接包，来对其做方法封装以实现MDB连接及增改查操作，另使用M4国密加密算法来保证数据安全。

预期效果：投诉支撑人员一键跟踪控制业务端到端全流程，一键查询投诉信息，投诉处理效率大幅提升。

三、方案实施

（一）基于语义分析的投诉智能汇聚

使用工单数据进行AI模型训练与迭代，自动挖掘与推荐高质量知识，投诉支撑人员能力和效率大幅提升，工單回复质量高，二次派单率降低10%，如图3所示。

导入2020年3月客户投诉历史工单，在处理时间段内进行模拟智能汇聚，经测试工单量经聚类压缩后降低34.4%，工单分发效率大幅提升，满足预期目标。

（二）客服机器人应答

通过客服机器人应答赋能一线，提升一线处理效率，同时前移支撑能力，降低20%的投诉建单量。

1.梳理应答业务流程，建设客服机器人。

2.点对点智能应答。接收用户发送的文本内容，提取文本参数，使用NLP分析，通过决策处理模块将聊天记录入库，同时匹配出最适合回复的文本内容进行回复。

客服机器人应答及时，平均响应时长0.53秒；一线能力提升，投诉建单量降低28.7%，帮助台处理完成归档占比由24%提升至73%，满足预期目标。

（三）基于图谱的知识挖掘与推荐

自动挖掘与推荐高质量知识，投诉支撑人员能力和效率大幅提升，工单回复质量高，二次派单率降低10%。

1.清洗历史工单内容数据，得到含有相关语义信息的文本内容。

2.识别知识实体。将套餐实体、区域实体等作为标注数据输入模型进行训练，对海量投诉工单数据进行实体识别预测，将自然语言中涉及的相关实体提取出来作为关系理解的目标，如全球通、魔百盒、王卡、家宽等业务名词（实体）。

3.识别知识关系。对投诉工单数据的上下文，进行依存句法相关性分析，从而找出实体间存在哪种关系，以及关系周边的实体分别是什么，作为构建三元组的基础。

4.融合推荐运维知识。对抽取出的三元组内容进行二次分析，将根据词性及依存句法抽取出的实体进行聚类，将涉及同类内容的实体进行融合，组成完整语义的回复答案，反馈到知识库前端。

实现知识自动挖掘与沉淀，智能沉淀各类知识总计834条，实现以知识图谱的方式推荐知识，一键获取投诉现象、原因和解决方案。投诉支撑人员能力和效率大幅提升，工单回复质量高，二次派单率降低14.4%-3.4%=11%，满足预期目标。

（四）业务端到端全流程可视化

实现端到端客户服务可视、可管、可控、可溯源，业务流程查询时长缩短50%，如图4所示。

1.搭建客户服务全流程可视化平台

2.跟踪展示整体业务的所有流程节点及详情，并可对业务异常进行跨系统的管理和干预。

传统方法查询需要多菜单查询、多系统沟通，整体排查时长为60min；业务端到端全流程可视化仅需单菜单查询，耗时10min。

业务流程查询时长缩短83%，满足预期目标。

四、效益分析

（一）经济效益

致力于研究实施面向全网客户投诉处理效能提升新方法，活动成果首先在集中化支撑省份落地推广，逐步辐射到全网。

以某省移动为例，2020年3月投诉支撑人员需处理创建工单量1328张，平均处理时长12小时，共计12*1328=15936小时。按人工每天工作8小时，共需15936/8=1992人天。按人工单价745元/人天计算，成本745*1992=1484040元=148.4万元。

（二）社会效益

通过重塑投诉处理流程，打造出有温度的服务支撑体系，围绕一线和客户诉求，逐步前移支撑能力，投诉处理及时、高质、高效。内外部客户感知良好， 2020年12月一线满意度提升至98.4%。

五、總结

坚持“把简单留给客户，把便捷留给一线，把复杂留给系统”，重塑投诉支撑流程，以工作流引擎为驱动，植入敏捷运营等多项关键技术能力，实现机制融通，流程润滑。引入人工智能技术，将AI能力融智到投诉支撑服务中，由点及面，分场景推动逐步赋能一线，实现投诉量压降、处理效能提升。

通过进行工单全过程分析、相似性度量，实现工单汇聚；搭建投诉助手，实现交互式应答，提高客服效率和质量；构建知识库，组织、存储、管理和更新大规模的知识，并利用存储知识进行推理计算和问题求解。目前，成果已在集中化支撑11省份应用落地，并推广至全网客户，促进公司数智化运营和全社会数智化转型。

作者单位：中移动信息技术有限公司