客户投诉信用分析案例上报

客户投诉信用分级应用案例 单位：中国移动通信集团湖南有限公司 时间： 2010年 06月 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 3- 如何做好 大量投诉客户的分层高效管理成为目前投诉管理面临的 重要课题 一、案例应用背景 服务需求不断增长 公司客户规模不断扩大和业务迅猛发展，客户投诉量不断攀升 公司各种新业务的推出及业务复杂性和业务浓度不断增加 服务资源日趋紧张 公司精细化管理的要求，服务资源的增长速度低于业务发展速度 客户期望值不断增加，投诉处理压力不断增大 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 5- 二、案例目标及意义 分系统 互动 对投诉客户进行科学、精准的信用等级评定，依据信用等级细分结果制定投诉客户分级管理模式，针对不同信用等级客户在授权、退费、赔付、处理时限、问题查证等方面实施差异化的投诉处理机制，实现服务资源的优化配臵。 客户基本信息 客户消费信息 客户投诉行为 投诉工单处理 客户投诉信用分级管理是通过采集四类关键指标体系 构建投诉客户信用评价模型 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 7- 三、 案例应用 简介 术框架 、案例应用简介 准备 投诉客户统一视图 客户投诉信用总览分析 客户投诉信用多维分析 客户投诉信用误判分析 客户星级异动月分析 客户投诉信用即席查询 客户投诉信用参数权重查询 客户投诉信用参数权重查询 客户信用度分级权重审核配置 客户信用度分级权重打分配置 信用度星级参数维护 客户投诉信用预演 所有用户 地市管理员 超级管理员 直接审核 预演 配臵 查看 配臵 提交审核 户基本信息 客户投诉信息 客户消费信息 客户行为信息 客户类别 品牌分类 缴费方式 普通客户 全球通 动感地带 神州行 个人付费 统一付费 在网时长 5年以上 2 5年 1 2年 1年以内 钻石卡 金卡 银卡 客户属性指标提取 客户指标体系建立 模型建立 评估和优化 客户属性 三、 案例应用 简介 (*)(*),()(1模型方程 差值法 重要性 比较矩阵 特征向量 计算 权重 差分法：在确定变量权重时，通过比较两两变量之间的重要性，给出重要性矩阵，最终计算变量权重。 差值法优点： 通过两两变量比较法，减低一次性给出所有变量权重的难度。 差值法缺点： 给出矩阵可能存在一致性差异，如 重要，重要， 重要，在计算时可能需要人工重新打分。 改进方法：进行多层次指标体系后，在给出比较矩阵后，人工确定变量之间的比例。 比例法 重要性 比较矩阵 人工比例 确定 A B C d 1 6 客户属性指标提取 模型建立 评估和优化 然后，通过主因子分析，确定客户的 客户指标体系建立 三、 案例应用 简介 户指标体系建立 投诉业务类型 投诉风险等级 投诉评估分值 服务类 高投诉概率 中投诉概率 低投诉概率 基本通信 高投诉概率 中投诉概率 低投诉概率 数据业务 高投诉概率 中投诉概率 低投诉概率 资费 高投诉概率 中投诉概率 低投诉概率 客户属性指标提取 评估和优化 模型建立 三、 案例应用 简介 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 13- 四、案例功能具体应用 1 客户投诉信用预演：有权限的管理员可以对客户分级评定的要素权重按照自己地市的特色进行权重修改，修改完后，通过客户投诉信用预演，查看权重修改前和修改后客户的信用评分，以此来判定权重的修改是否合理化。 根据所配置的分级权重及参数进行预演，只对有投诉记录的客户进行预演； 可指定客户名称和手机号码。 、案例功能具体应用 2 客户投诉信用即席查询，可以让前台窗口人员和各级投诉处理人员可根据相应条件进行明细查询，查看各自分管的地区投诉具体情况，并通过分析客户的一些行为来对投诉处理做辅助工作。 、案例功能具体应用 3 投诉客户统一视图，通过基本属性、消费属性和投诉属性三个方面全面的展示投诉客户的信息， 、案例功能具体应用 4 客户投诉信用误判分析，采用误判率和漏判率两个指标作为投诉信用度预测结果优劣的 评估标准。 黑名单用户数指与黑名单接口比对用户号码，如果在黑名单接口中，则为“是” 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 18- 五、案例创新点 误判率 ( 信用值落入低端的正常客户数 /所有正常客户数 （信用度得分 =71，但是在黑名单的客户 /黑名单客户） 充分利用黑名单用户记录进行漏判率评估。 充分利用红名单用户记录进行误判率评估。 一般而言，高质量的信用度预测评估要求 要对两者进行综合考虑。 为了检验客户投诉信用分级评估模型的准确性，我们采用 误判率和 漏判率 两个指标作为投诉信用度预测结果优劣的评估标准。 创新 1 通过对 2009年 10月到 12月三个月期间的误判率和漏判率进行计算，比值都小于 1%，说明目前我们采用的客户投诉信用分级评估模型具有一定的准确性和实用性。 、案例创新点 对客户投诉处理进行差异化管理 创新 2 根据系统综合评定结果，将客户投诉信用分为五个星级输出至客服系统，但是 考虑投诉信用分级过细过粗的利弊，也 避免投诉信用评估中存在无法自动分析的主观因素，引入红 /黑名单作为客户投诉信用分级的重要补充。 对红名单客户，不考虑其投诉信用度评级结果，均按照五星级客户进行投诉处理； 红名单用户指综合考虑移动公司的政治和经济环境，需要实施特殊优先和重点客户服务的客户群体 对黑名单客户，不考虑其投诉信用度评级结果，均按照一星级客户进行投诉处理。 黑名单用户指投诉信用度极差或基于过往投诉处理经验，需要特别关注和严格控制客户服务的客户群体 录 目 录 一 、案例应用背景 、 案例目标及意义 、案例应用简介 、案例功能具体应用 、案例创新点 、案例应用效果 21- 全省从 2009年 10月份开始上线客户投诉信用分级模块，利用此模型取得了明显的效果。 2009年四季度，通过客户投诉信用分级模型将全省客户按照信用得分划分为投诉信用度极好、投诉信用度较好、投诉信用度一般、投诉信用度较差、投诉信用度极差这 5个级别，使客服服务管理人员能按照不同投诉信用等级对客户进行分层分级管理，为开展客户价值提升、客户