客服数据分析工程师考试试卷及答案

客服数据分析工程师考试试卷及答案一、填空题（每题1分，共10分）1.客服满意度指标CSAT的全称是______。2.客服响应时间核心指标TTR指______。3.Pandas的核心数据结构是DataFrame和______。4.未解决工单占总工单的比例称为______率。5.人均处理工单量属于______类指标。6.SQL统计数量的函数是______。7.除Tableau外，常用可视化工具还有______（举1个）。8.客户流失预警常用分类算法是______（举1个）。9.客服会话的“提问-回答”轮次称为______轮次。10.数据分析报告核心结构包括背景、数据、分析、______、建议。二、单项选择题（每题2分，共20分）1.属于客服质量指标的是？A.人均处理量B.CSATC.工单流转时长D.系统在线时长2.SQL筛选重复数据的关键字是？A.DISTINCTB.GROUPBYC.HAVINGD.ORDERBY3.分析“不同渠道满意度差异”适合用______。A.折线图B.柱状图C.饼图D.散点图4.不属于客服数据源的是？A.工单日志B.反馈问卷C.员工考勤D.会话转文字5.逻辑回归适用于______场景。A.流失预测（二分类）B.工单量趋势（回归）C.情感分析（多分类）D.客户聚类6.TTR计时起点是______。A.工单创建B.客服接起C.用户提交D.工单分配7.开源数据分析工具是？A.TableauB.PowerBIC.Python（含Pandas）D.SAPBO8.FCR（首次解决率）公式是？A.首次解决工单/总工单B.已解决/总工单C.人均解决/人均处理D.未解决/总工单9.词频统计常用Python库是？A.NLTKB.MatplotlibC.SeabornD.Scikit-learn10.分析“投诉原因分布”适合用______。A.柱状图B.饼图C.折线图D.热力图三、多项选择题（每题2分，共20分）1.客服数据分析核心目标包括？A.提升满意度B.优化效率C.降本D.预测需求2.客服核心指标有？A.CSATB.FCRC.TTRD.工单量3.Python数据分析常用库？A.PandasB.NumPyC.MatplotlibD.Seaborn4.客服数据源包括？A.工单系统B.反馈数据C.会话日志D.销售订单5.属于分类算法的是？A.逻辑回归B.决策树C.随机森林D.K-means6.工单状态通常包括？A.未处理B.处理中C.已解决D.已关闭7.数据分析报告结构包括？A.背景目标B.数据清洗C.分析结果D.结论建议8.客服效率指标有？A.人均处理量B.工单平均时长C.响应及时率D.FCR9.情感分析方法包括？A.词典法B.机器学习法C.深度学习法D.统计法10.常用可视化图表？A.柱状图B.折线图C.饼图D.散点图四、判断题（每题2分，共20分）1.CSAT越高，满意度越高。2.FCR越低，客服解决能力越强。3.DataFrame是二维表格结构。4.COUNT()和COUNT(字段)结果一定相同。5.聚类算法可用于客户细分。6.TTR越短，响应越及时。7.词云图可展示高频关键词。8.工单量仅与咨询量有关，与业务活动无关。9.数据分析报告无需考虑受众背景。10.Scikit-learn可用于机器学习建模。五、简答题（每题5分，共20分）1.简述FCR的定义、计算及重要性。2.说明客服数据分析中“数据清洗”的步骤及目的。3.列举3种常用可视化图表及适用场景。4.简述客户流失预警的分析思路。六、讨论题（每题5分，共10分）1.某电商CSAT从85%降至78%，分析可能原因并提3项改进建议。2.如何用客服数据分析提升电商复购率？说明方法及落地步骤。---答案部分一、填空题1.客户满意度2.首次响应时间3.Series4.未解决工单5.效率6.COUNT()7.PowerBI（或Excel、FineBI等）8.逻辑回归（或决策树、随机森林等）9.会话10.结论二、单项选择题1.B2.A3.B4.C5.A6.C7.C8.A9.A10.B三、多项选择题1.ABCD2.ABCD3.ABCD4.ABCD5.ABC6.ABCD7.ABCD8.ABC9.ABCD10.ABCD四、判断题1.对2.错3.对4.错5.对6.对7.对8.错9.错10.对五、简答题1.FCR定义与计算：首次解决工单量÷总工单量×100%，指无需二次跟进解决的比例。重要性：①提升客户体验，减少重复咨询；②降低客服重复工作量；③反映解决能力，支撑培训；④识别流程卡点（如FCR低的问题对应流程不完善）。2.清洗步骤：①导入检查（完整性、格式）；②处理缺失值（填充/删除）；③去重复值；④修正异常值；⑤统一格式（日期、数值）。目的：确保数据准确一致，避免分析偏差，为后续建模/可视化提供可靠基础。3.①柱状图：对比不同类别指标（如渠道满意度、客服组效率）；②折线图：展示指标随时间的趋势（如日工单量、周满意度）；③饼图：展示类别占比（如投诉原因分布、问题类型占比）。4.①定义流失（如连续30天无咨询+无消费）；②采集客户咨询、消费、投诉数据；③提取特征（近30天咨询次数、满意度、是否投诉）；④用分类算法（逻辑回归/随机森林）建模；⑤验证准确率后，输出高风险客户，针对性跟进（如关怀信息）。六、讨论题1.可能原因：①新员工多，解答准确率低；②促销导致工单激增，响应延迟；③知识库更新慢，无法解决新问题；④投诉流程繁琐，二次跟进多。改进建议：①新员工业务培训+老带新，考核解答准确率；②工单高峰提前调配人力，优化响应流程；③动态更新知识库，定期梳理高频新问题。2.分析方法：①关联分析（咨询问题