数智化客服生态体系项目方案投标文件（技术方案）

投标文件(技术方案)2报告说明声明：本文内容信息来源于公开渠道，对文中内容的准确性、完整性、及时性或可靠性不作任何保证。本文内容仅供参考与学习交流使用，不构成第一章服务工具 3 3 4一、平台产品说明 4二、投诉数据分析功能 三、问题定位功能 四、满意度提升功能 100第三节平台二：拆机工作平台 二、工作效率提升功能 3第一章服务工具第一节服务工具总体概述(1)大数据综合管理平台：大数据综合管理平台是数智化客服专为解决用户注销电信业务(拆机)的复杂流程而设计。它能一键聚动计算费用(如违约金、退费、当月使用费),并生成处理方案。客4一、平台产品说明(1)面向客服人员，为减少其频繁手工操作，同时在客户服务(2)面向数据运营人员，利用数据湖实现即席查询和实时数据(3)面向数据分析挖掘人员，为打破数据壁垒，利用内外部数以及时掌握企业客服全生命周期数据动态变化情况，以辅助决策判5-数智化客服大数据综合管理平台--数智化客服大数据综合管理平台-安全多方计算数据服务接口算法库批处理.1.数据挖掘方法的思路我国移动通信从1993年起，经历了2G到5G的技术革新，2021国移动、中国电信、中国联通均已建成了覆盖范围为全国.业务速率67运营商对用户感知的最重要并旦最直接的数据收集方式即是用户投营商所提供业务的质量达不到用户预期并超出了用户容忍极限之后力争建立起我国移动通信从1993年起，经历了2G到5G2021年5G网络建设进一步铺开，tOC和toB应用进入爆发阶段。如8今中国移动、中国电信、中国联通均已建成了覆盖范围广.业务速率运营商对用户感知的最重要并旦最直接的数据收集方式即是用户投营南所提供业务的质量达不到用户预期并超出了用户容忍极限之后力争建立起(两络质星参一用户投诉—网络质量分析一构建模型一网络质量预警一网络优化一网络质量提开这一闭环流程。(1)投诉数据获取文本挖掘(TextMining)是对自行分析的一种数据挖掘方法，文本挖掘技术本身由机器学习、语言9以快速、高效地对中文文本进行自动化的处理和分析，主要思路介在运营商自建信息系统的数据库中，社交网络的投诉数据可以通过(2)投诉数据预处理之一。随着中文自然语言处理技术的不断发展，出现了多个较为成(3)投诉数据处理聚类分析、主题模型分析等一系列知识挖掘处理，自动化地处理投诉数据，并输出结果。(4)基于文本挖掘的对策与建议如此庞大的客户群体，当运营商提供的服务质量只能满足部分需求料显示该类投诉比例只有大约15%左右；二是基于网络故障的投诉，约在85%左右。数振右流狼类分析整诉类量事中：投诉处理小区医便堂贝叶断分页(1)事前：投诉预判1)投诉数据仓库整合历史数据库，主要包括5大类数据：网络资源数据、投诉数据、网管2)投诉数据清洗及预处理统一存储在投诉数据仓库中的业务数据需要进行分析前的预处3)投诉数据中文分词分析。随着中文分词技术的发展，现在已经有较为成熟的中文分词分词等多种单词切分模式。此类分词工具可便捷地对原文本进行过滤(标点符号、语气词、数字、字母等),提供用户自定义词库和消去停用词，便于应用行业词典和投诉业务专用词典。行业词典和投4)聚类分析5)问题分解及投诉分析词频统计、通过支持向量机进行机器识别最终实现投诉自动分类识别、利用主题模型进行文本挖掘。比较成熟的工具有Libsvm工具言的tm文本挖掘工具包、Stanford大学的T工具等，通过此类成熟的文本挖掘工具，对客户投诉问题进行合理6)指标选择均不能解决所有问题。根据帕累托法则，常常80%的投诉来自于20%7)贝叶斯分类经过数据整理，得到n条样本信息的集合S:式中，IBi表示第i条投诉对应的业务类数据；IQi表示第i条投诉对应的质量类数据；IPi表示第i条投诉对应的感知类数据；ICi表示第i条投诉对应的容量类数据；Li表示第i条投诉对应的场景类数据。Typei表示第i条投诉对应的投诉类型。在线采集数据，得到T;=[1;IoIp;IgL;]根据贝叶斯分类算法，计算投诉概率：P(T,|L=i)=P(tIL=i)P(L₂|L=i)P((2)事中：投诉处理经过投诉预判模块可以一定程度上减少用户可能的投诉，但投诉不可避免。当实际发生用户投诉时，本系统在线收集用户相关数据，使用历史数据库对投诉类型进行分析，基于贝叶斯分类算法对问题进行初步定位。根据用户投诉类型、投诉原因、投诉位置进行投诉热点分析，并在此基础上实现地理分级可视化呈现。结果输出和策略建议根据上述文本挖掘工具的分析，可以快速获取用户热点投诉关键词、热点投诉主题等，帮助投诉分析人员快速定位业务投诉的问部门和系统支撑部门，及时解决问题，提升用户感知，节省大量的平台针对当前用户语音体验感受仍缺乏规范的评定指标以及数据源的难点问题，围绕用户体验质量与投诉的QoE(QualityofExperience)模型与评价方法等方面的工作，在用户日常使用及通话获取用户投诉问题(打不通电话、掉话、串话、通话不清晰等),然后把投诉问题与语音业务的关键绩效指标(KPI)进行关联分解，得到可投诉数据分析恶知指标选择感知问题分解投诉数据分析恶知指标选择感知问题分解指标权重计河数蒸辣数蒸辣索从能99分析深索，结合相关选建喷所需的相关溶标.i建立模型及评估对已按诉用户建模挖庭，进行模配评传优化，提取预测规财。莱出潜在投诉用户清单预方指施发现装在用户，快速定位问题。提供始维护及客够相关信患并怎么才能进一步缩小范围，减少客服的工作量?利用历史投诉数据建是否重复投诉低忍耐客户群中忍耐客户群空题2高忍耐客户群1)据采集与解析投诉次数意质差次数2)数据清洗4)实现软件应用及存储技术Hadoop完成大数据的明细存储(存储原始信常控制、消息路由、消息转换、消息丰富、消息合并和协议转换等服务，并可编排原子服务形成组合服务快速向外提供服务能力。(3)事后：投诉诊断算单位面积下的倾向投诉量，在文中定义概率高于70%以上的投诉为.3.大数据分析(1)大数据分析及AI训练通过静默座席和座席助手干预的方式实现会话过程中的服务结通过后台主动训练的方式实现集中化的智能AI训练，实现对于AI服务能力在短时间内的快速提高。人工智能AI系统具备自主学习能力，根据前期外呼效果，优化采用的是AIBoost辅助智能产品优化训练平台。在机器人上线知识回流过程图搜集规则检索模型规则检索数据搜集逻辑图·抽取95598工单数据·进行文本挖掘(2)基于大数据分析对话意图训练通过后台主动训练的方式实现集中化的智能AI训练，实现对于聊天内容聊天内容卡片名：确认安装机顶盒您好!打扰您一下，我是上海电信IPTV运营中心的客服人员，我的工号是3659,请问您是张志强用户家吗?是的您家之前有在三林镇永泰路营业厅安装过一台我们IPTV看电视用的高清机顶盒的对吗?高清1080P体验专区在哪个频抱歉，我听得不太清楚。您家之前在三林镇电信营业厅办理过我们看电视用的高清机顶盒，对吗?未理解内容：高清1080P体验专区在哪个频道可以看到?(1)用户投诉的定义及现状(2)用户投诉的分析方法用户投诉数据有一个累积的过程，下图是广东某地市某年1—5合关键小区的网络运营指标，建立起网络质量与用户投诉之间的关(3)用户投诉的网络质量分析(4)用户投诉的网络定位算法为基站-投诉点方位角，一个基站可服务多个小区，由不同的小区扰逐渐减小，基站的半功率角就是主瓣上，功率下降到最强方向(主瓣方向)一半(3dB)的夹角，常见的水平半功率角为65度，即从主方向往左右各32.5度，功率就下降到一半，该参数反映了天线能量的集投诉点关联基站原理如图所示，角度BaselAnglel、BaselAngle2为基站Basel的两个小区的水平半功率角，Base2Angle、Base3Angle分别为基站Base2、Base3两个小区的水平半功率角。投诉点与3个基站连线的方向角。常见的天线水平半功率角为90度和65度，以65度为例，Ue BaselAngle<BaselAngle2-65/2,则此终端在基站Basel小区2的覆盖范围外，同理也不在基站Basel小区1的覆盖范围内。对于基站Base3的小区，Base3Angle-65/2<UeBase3理，对于基站Base2,Base2Angle-65/2<UeBase2Angle<Base2 Angle+65/2,因此该小区也认为可覆盖此终端。这样就筛选出两个2所示，Base3距投诉点UE的距离较Base2近，因此选定Base3作为(4)用户投诉的网络定位结果图为某地运营商某年5月份网络投诉点与服务小区定位关联运(5)用户投诉的分类需满足人们主观对音频、视频的感觉(大约小于200ms)。投诉分为语音类、数据类、短信类等3种投诉类型，其中语音类(6)用户投诉定位小区的质量分析小区潜在投诉概率的预测模型，如果辅以用户信息(如套餐、重要程投诉定位到小区以后，就可以针对小区的网络质量与投诉情况进为保证覆盖分析的可靠性，MR数据选取了一周内采样点大于2000的小区，如图5所示。经上述投诉小区关联后，语音类投诉目标小区共1127个，目标小区中具有有效MR数据的小区为788个，弱覆盖小区共计489个，语音类投诉弱覆盖小区占比62.1%。数据类投诉目标小区1295个，具有有效MR数据的小区为1180个，弱覆盖小区共计915个，数据类投诉弱覆盖小区占比77.5%。(7)潜在用户投诉的预测模型通过对小区用户投诉次数以及投诉小区网络性能指标进行深入套预测小区投诉概率的模型。利用该模型可以预测可能被投诉的小(8)神经网络预测模型简介神经网络(NeuralNetworks,NN)是由大量简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能BP(BackPropagation)网络是1986年由Rumelhart和McCelland领导的科学家小组提出的一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。(9)潜在用户投诉的预测模型建立据业务感知差等网络问题直接影响用户体验，可能导致用户通话中预测模型的输入均为数值，因此需将历史投诉数据中的投诉类(10)利用神经网络预测小区被投诉概率一是输入层节点数。输入层起缓冲存储器的作用，把数据源加到网络上。其节点数据取决于特征向量的维数，即我们选择的投诉因素个数，本模型中取6。模型以上述5个指标作为输入，输入层函数采用纯线性变换函数，隐含层函数采用tangsig函数，因为小区投诉期望值为一个0到1之间的数，因此输出层函数采用logsig变换函数，误差评价函数采用MSE,隐层神经元数为5,网络训练使用的函数为trainlm。预意。最终构建的BP神经网络如图7所示。本文选择100个投诉小区、100个非投诉小区的指标作为训练数据来校正模型，并选择100个投诉小区指标作为验证数据来检验预测经过3358个轮回的训练后，在0.001附近神经网络预测模型误测。网络训练的误差平方和变化曲线如图8所示。对100个投诉小区的验证结果如图所示。(1)客户画像分析创建1)画像的业界定义客户画像包含目标，方式，组织，标准，验证这5个方面。··依据事实、经得起推理和检验·使用常识、共识、知识体系的渐进过程来刻画客户，认识了解客户画像图像、视频等描述结构化形式非结构化形式2)画像的创建方法客户画像要以业务作为导向，按照D-P-A-C-E研究框架进行客户描述分析关联3)标签的来源结构口手机换机意愿度口宽带离网意愿度口移动离网意愿度事实标签口宽叠移意愿度口移叠宽意愿度好好康向偏偏健倾趣道跃诉兴渠活投口口口口数学度4)标签的分类方法标签分类法：层次递进法标签分类法：层次递进法四级分类(标签赋值)服务分群是否红名单预拆机三级分类(标签名称)基础属性区域屈性5)对标互联网企业，科学全面的标签分类体系客户画像标签分类体系：一级分类13类，二级分类55类，标签字段935个(蓝色：已有标签，灰色：未有标签)用户属性客户属性机构属性区域属性产品信息套餐信息增值信息终端信息关联标签关联清单业务收入账户信息消费支出通话信息短信信息流量信息APP信息音乐偏好视频偏好游戏偏好网购偏好职业身份定向人群“搜索信息”,“网页信息”无DPl详情数据源，属于最高级三级敏感信息，省明文禁止获取一级分类兴趣偏好位置轨迹运营支撑“位置轨迹”无基站位置数据源，属于最高级三级敏感信息，省明文禁止获取“网络质量”无网络信号质量数据源，需要搜索信息准推荐。亲子育儿4爱音乐5爱理财6爱流量10爱阅读1Ⅱ爱美食18亲子育19爱健康20智能产21爱动漫各类偏好用户规模(万户)偏好名称用户数(万户)一户一案权益(2)大数据分析客户，刻画客户全貌，洞察客户行为套餐结构：畅享全融合-普通区域-399+1000M+70元红包价值信息行为特征通话频率：频繁通话活跃段：上午上班兴趣偏好爱视频、爱网购、爰流量、爱理财、爱旅游消费意向风险信息家庭人口：三口之家位置轨迹对于习惯去营业厅办理业务的客户更适合推荐给实体渠道开展对于喜欢足不出户就能在线上完成业务办理的客户则推荐电子推出最佳推荐触点模型，计划基于客户的最佳推荐服务渠道模融合产品融合产品单产品(3)大数据分析客户诉求根因孩客户画像标签开展天翼看家、天翼云盘、天翼高清增值包、全屋wifi等创新产品的精准定位。其中，爱视频、爱电影、爱学习筛选电话外呼老用户专区社区店目标偏好群体用户规模(万户)目标偏好群体用户规模(万户)预置看板用户代码埋点全域多璃覆盖：数据接入层数据安全策略(1)数据看板看板4碧板3(2)场景分析1)事件分析查看”,也就是从什么视角来细分查看指标。比如属性是：揽装、申2)漏斗分析漏斗模型主要用于分析多步骤过程中每一步的转化与不满意情3)行为分析可以直观地展现用户从一个页面或事件到下一个页面或事件所4)关联分析人所知。Facebook通过挖掘发现新用户在前10天内至少添加7个好纯人力的“A-HaMoment”分析，要耗费专业的分析师大量的时务人员只需轻松点击“开始分析”,即可在数秒钟内得到可直接应用创建分析条件查看分析结果相关性排序+高价值洞察选择：用户对象相关性排序+高价值洞察开始分析锁定关键事件选择：目标事件锁定关键事件确定关键事件的最佳机会点(结合单卡详情)确定关键事件的最佳机会点(结合单卡详情)5)高阶热力图(4)标签画像，用户属性+全触点数字行为，构建360°用户统登录登录搜索关键词分享点赞邀请好友查看商品开始付款实名/匿名访问次数访问时长首次来源(5)交互式智能推荐召回结果粗排整体收益优化精排调序展现控制内容质量用户画像内容库(6)客服数据湖数据服务数据源管理数据质量数据权限数据标准数据湖管理与分析多引擎、多语言可视化拖拽式批&流开发、可视化拖拽作业编排(1)深入业务场景的用户行为数据分析坐席工作人员在客户服务的过程中，不仅通过10余种不同电信通过RPA、数据库直连等方式，进行实时的多源数据采集(万号工作流、ICS、客服分析系统等系统)入库，实现多系统数据采集原名称实名/圈名篇次访问时间最后一次访问时测用户1实名用声2实名1用户3实名用户4实名31◎付要购买访客分析用户群分析用户群数据数据可视化进入产品页面进入产品页面加入购物车注册-验证码注册-失败崩溃其它崩溃筛选条件App崩溃的属性过程，挖掘层层转化的提升空间；独具获取分析，轻松锁定优质渠选择；多维度交叉分析锁定投诉风险用户，用最优的体验和精准服.满意度提升功能设计(1)利用大数中的数据特征分析预测潜在投诉用户运营支持系统(OSS)和客服工单数据(customerservicerecords,CSR)。BSS数据主要包含用户的一些基本信息、每天用户商客服管理系统，该组数据主要包含从运营商客服系统受理的用户上厅物大小些值酸男银想数据应用层数据特征层数据存储层数据源层分类器数据应用层数据特征层数据存储层数据源层分类器评价标准特征排名反馈图特征二阶组合特征数据准备原始特征数据源层为用户投诉预测模型提供最原始的用户数据，其中包为每张Hive表添加按天分区的字段，以加快查询速度。它为上层的法对用户的通话量和短信量生成能描述用户间关系的用户影响力特(FactorizationMachines,FM)算法来找出特征之间潜在的重要特征到并行随机森林(PRF)分类器中进行训练，得到模型评估指标和特征从电信用户原始数据库中根据投诉相关的业务知识进行特征选(2)利用大数据的文本分类分析预测潜在投诉用户去停用词、分词、特征词典构建、情感评分、特征选择、权重计文本情感分析值文本情感分析值文本匹配评分去停词中文切分词本地投诉内容构建Nhigher和对对果分析测试集分类训练分类器去停词中文切分词本地投诉内容向量(1)半角格式输入的数字0~9,英文字符(大小写);(2)全角格式输入的数字0~9,英文字符(大小写；都作为代表项来表示文本，会因为分词的结果中含有大量单个的字有效的提高分词系统的分词准确率和分词效率，减少分词所用的时的维度，确保分向量更加具有代表性，也在一-定程度上降低了后续因为通常情况下，高噪声词的词频也很高，例如“的、是、我、们”际就是将连续的文本按照一定的规则用空格隔开成单个或者多个的中文文本分类不同于西文文本分类的-一个重要环节就是文本数据的种字稳定的组合在一.起的结果。因此组合成词的可信度由相邻字的户(后续会有越级投诉行为的客户),若评分为负，则判定为未越级投诉客户(后续不会有越级投诉行为的客户),若评分为零，则判定为潜剔除非文字信息用户来电反映其电话出现故障，其已报障，经查询，该用户于2021-03-2710:25:50申报故障，正在处理中，用户称外线人员今天该故障需要找当时为其办理该业务的工作人员为其处理.属地28.日回复：技术问题，已告知相关部门协助处理，正在处理中，3日内不回访。03-3116:38联系用户，用户表示至今都没有工作人员联系处理，现用户要求尽快联系答复处理.用户来电反映其电话出现故障其已报障经查询该用户于申报故障正在处理中用户称外线人员今天有上门但却告知电话会出现故障是由于其有销售品互斥冲突导致的该故障需要找当时为其办理该业务的工作人员为其处理属地日回复技术问题已告知相关部门协助处理正在处理中日内不回访联系用户用户表示至今都没有工作人员联与非文本信息相同，停用词也会对文本分析造成一定程度的干用户来电反映电话出现故障已报障查询用户申报故障正在处理用户称外线人员今天上门告知电话出现故障由于销售品互斥导致该故障需要找当时办理业务工作人员为处理属地日回复技术问题已告会、但、却、.....”等停用词被删除，剩下的文本虽然在人的理解由于互信息的词频统计方法充分考虑了低频词和稀有词携带的信息Nhigher_Word|frequency要求|10899不接受|5199解释无效|2573强烈|2212要求投诉|1504强烈要求|1480谢谢|319175要求|316408来电|306872要求|299840来电反|287245来电反映|280375不接受|275135请跟进|273624户不|266088费用|248245反映|247167户投诉的文本与一般研究的文本情感不同主要是因为投诉文本本身接使用效果不显著,所以我们需要借助传统情感词典进行改造，构建除单个字，然后按照以上词频排序的结果确定阈值取出高于阈值的越级情感词未越级情感词总体情感词办理取消承诺退抱怨核实不满要求我司告知尽快联系强烈…要求取消比较大(3)利用用户画像预测潜在投诉用户客户维度、业务维度、终端维度、资费维度、网络维度及投诉维度体系投诉维度变量：6网络维度变量：69变量：30终端维度通过客户画像掌握客户诉求之后，一方面通过服务满足客户需.2.投诉预测相应的文本或命令的高技术。语音识别是一门涉及面很广的交叉学模型”;而识别过程通常是在线完成的，对用户实时的语音进行自动端”模块主要的作用是进行端点检测(去除多余的静音和非说话声和“语言模型”对用户说话的特征向量进行统计模式识别(又称“解码”),得到其包含的文字信息，此外，后端模块还存在一个“自适库NaturalLanguageProcessing)。自动语音识别技术应用分为2部分：有效语音挖掘是一.个重要的支撑技术应用程序，场景分割技术是非提供的算法准确性很高，因此分类会产生交叉误差，需要进-一步的行重新评估以形成-一个模型，可以获得更准确的两组信息，即情感智能语音分析系统是利用智能语音识别技术对客服中心的全量一个是语音标注训练，用来实现声学模型的训练。通过录音数据的标注训练，能够提升ASR引擎的识别能力，能够将一些口语化、俚语化的ASR较难识别的内容快速进行训练，能够快速实现本地化部署接口适配层接口适配层核心层数据获取层格切加统验质文客服进项任算法训练系统对象存储系统分析管理转换分片密计解密音标标注管理管理管理管理检语语注本注度务式收割目的一套人工辅助优化功能，通过管理界面展示每条自动语音识别记行分析，并针对性进行语音语义训练及交互流程优化。重点清单--◆超多交互次数：录音中，交互总次数/获取服务节点总次数>3◆错误识别(拒识):录音中，错误识别(拒识)次数>3次，则标识aaa舆情分析大数据分析1)客户呼入客服热线，或客户呼出联系客户系统将获取的客户语音传导到ASR,ASR通过端点规则将客户语4)语音情绪识别、语义情绪识别综合分析客户情绪并将结果返录音文件录音文件语音、语义识别平台依据设定的质检模型进行质检录音文本中含的关键字客服人员申诉服务不合格系统存档录音文本中不含质检模型的关键字录音文本中含有质检模型中的关键字录音文本中不含质检模型的关键字录音转化为文本文件系统自动质检服务不合格服务合格(2)智能质检系统设计业务建模数据分析数据挖掘数据搜索数据清洗数据抽取数据转换数据装载录音数据随录信息坐席信息引擎语音处理引擎语音测听报表生成运营分析服务质量客服结果展现语音搜索智能语音分析系统的各项功能是基于呼叫中心标准的质检业务对全量录音进行质检推荐等级判定。系统根据录音中的关键词方智能质检系统的建设对呼叫中心质量管理和信息数据挖掘起到效提升30%以_上，实现了重点业务全过程覆盖、全流程跟踪的闭环此解决方案不仅绕开了生成文字所需的解码过程，提高检索效客户：好久了。客户：我在xxx这里。viii.利用客户互动过程，找到流程中的低效率ix.突发业务的预警：预警突发状态。每天6000小时的语音识别能力，将录音非结构化数据向文本结构化员可快速找到关键信息位置听录音内容，同时系统将录音转译为文率的大幅度提升，整体质量检查范围从不足2%增加到100%,质检的覆盖率提升了50倍，质检的效率提升了4倍。通过建设语音分析为核心的智能质检系统能够有效解决当前电(3)AI质检率100%由于无法对接10000号系统使用的语音平台，且语音平台的录音1)支持业务规则的智能质检智能全量质检属于目前客服中心应用比较主流的智能化应用之一，能够有效降低质检人员的工作量，而且可以做到实现AI质检率达到100%和日清日结，避免人工抽检可能导致的异常未识别风险。2)业务场景任务执行未通过任务分配质检最终质检结果智检数据通过人工复检智检数据申诉有人工复检3)质检信息采集将呼叫中心中的录音随录信息(例如来电号码、来电时间、接入类型、坐席工号)等数据信息通过接口传输至语音质检管理平台；4)基础质检规则“包含某些关键词”用于检测某段录音包含哪些关键词语。支持关键词“出现”预警与关键词“不出现”预警两种逻辑；支持关键词、短语或简单句子的智能规则配置；自动得出质检评价方案的质检结果，如服务规范性评价方案(含开头5)质检模型配置◎◎质检项：安抚客户◎◎◎◎最大扣分：-10分◎6)分析模型配置模型名称工商投诉港澳证件办理用户信息提取分析标准模型7)实时质检录音文本中不含质检模型的关键字的关键字系统自动质检的关键字8)人工复检按照一般呼叫中心通用规则，AI质检100%后，将按照一定比例9)质检申诉处理(4)利用智能AI,提升工单处理时效和质量我司的智能工单处理技术利用前沿的深度语义分析技术进和知员工从重复事务性工作中解放出来，有效提升了坐席和用户的满意1)质检工作业务管控 +----桶话幽61213337口1机415日11钟57181的466缝312661梁292n3徐龄*的1511355私醉2聊1111223212郸190111甚2227a227熟2诊林7种3221359口口机11的注龄共12221111%X611话的26612?第2田系统从班组/坐席角度出发，根据时间周期进行汇总，比较不同个性信息十个性信息十共性信息定性问题抱怨类信息其他基础信息动态多维报表：通过可高级统计分析报表：报视化报表视图实现业务表维度可按需定制，以问题、客户问题、投诉关键点为核心、切合不同时提供多维联动钻取，满足各级运营人员分析关注的问题一目了然客户服务多维深度分析需求2)质检规范1、本质检规范暂定36个场景，评定属性关键差错有23个，非关键差错有13个；2、本质检规范会因应业务流程更新，现场指标数据变动，质检需求等条件进行适当的调整或增减场景，届时会统一通过OA通知；3、关于同一张工单存在多个差错原因，质检员会按照工单情况，选如是，则会定义为关键差错；序号质检评定细则属性质检评定细则说明1漏报开场白差必须要有报工号，确认客户业务号码、投诉问题、客户身份2漏报满意度引导语差A、必须提及建议客户留意24小时内的满意度评价；月1日开始，定责为关键差错。该定责会视回访不满意指标情况做相关调整；3漏报结束语差归档的通话中，必须提及服务热线；话前，需主动告知客户下次回复时间或后续操作内容；---如属于该情况没有告知客户，导致客户越级/重投，将会定责为关键4协查内容不清晰/错误差做“协查单专项质检”时，该项为关键差错5协查错外单位差做“协查单专项质检”时，该项为关键差错6不应协查差做“协查单专项质检”时，该项为关键差错7不应二次协查差8协查前未致电客户确认问题差9不应升级差不应下后续单差下后续单类别错误差外呼时没有按规范输入工单号差没有按规范填写归档内容差关注点是处理人员是否有按模板填写。例如漏写退费单号/受联系时间、联系电话填写有误等，不会引起客户二次投诉/越服务态度问题关差零容忍!!提供错误信息关差A、主要是看处理人员对业务知识的熟悉度，且需及时更新信户问题，时间以第一次班前会宣贯时间为准；除非客户通话中提及要求提供上级电话，可提供总经理热线，否则将会被定义为引导客户进错；未告知客户关键信息关差涉及退费的工单，必须主动告知客户退费时间、金额、方式、号码(退余额和赠金),及所需时间等；受理时，需告知客户受理业务的注意事项，受理所需时间，业务的生效时间；未按升级意见执行关差先判断升级意见是否可行退费过宽关差按《投诉退费执行标准表(2020版)》进行定责关差A、凡涉及退费、受理的工单，必须完整核对机主名称，机主身份证号码。合验证资料的，可优先为户处理因局方原因产生的费用/受理；未按规范联系关差可参考20210827版联系不上规范漏退费关差关差受理差错关差录入有误关差没有按规范受理关差A、处理人员不允许受理，必须下受理单；B、该定责暂定为关键；处理意见填写不详关差涉及到引起客户重复投诉的，将会定责为关键差错；如没有则可定责为非关键未启动升级流程关差可参考20210827版升级不接受规范未启动后续跟进流程关差可参考20210827版下疑难单规范没有按承诺跟进关差超出承诺回复客户的时间，如承诺联系时间或回复时间，或向上级反映等承诺，但实际都没有做到。后续单跟进不及时关差如不能归档，需追加原因；审批不通过跟进不及时关差48小时内完成回填；减免单跟进不接受关差指赠金单、需求单、特批单等涉及资费处理的ICS减免单，被退单后48小时内处理；受理单跟进不及时关差受理岗是按单面的全程超时时间计，处理人员按退单后48小时内需要处理到；跨月跟进单跟进不及时关差每月7号前需要完成调账动作，该归档的归档，该暂存的暂存；未彻底解决客户关差以上规范未涉及到的，但又确实问题是该情况导致的，可暂时评定为未彻底解决客户问题违规归档关差含虚假回填，零容忍!!通过RPA矩阵自动采集多渠道投诉数据(如12345/12315系统、省版800/10000号、邮箱等),实现越级工单自动收集率>95%。支持结构化与非结构化数据(文本、语音、图片)的统一接入。工具),过滤标点、停用词，并应用行业词典优化语义解析。词频统计与聚类分析：识别高频投诉关键词(如"信号差""费用争议"),定位热点问题。主题模型分析：利用工具(如R语言的tm包、SPSSModeler)挖掘投诉主题分布，辅助分类。贝叶斯分类算法：关联用户投诉类型与网络指标(如业务数据、质量数据、场景数据),生成投诉概率预测模型。神经网络预测(BP网络):输入无线接通率、掉话率等.多源数据关联定位用户-网络数据映射通过投诉点经纬度与基站服务范围匹配(水平半功率角65°算法),自动关联投诉位置与服务小区。记录、装维工单等数据(如政务服务热线场景)。解决“协查内容不清晰/协查错外单位”问题(质检评定细则第4-5条)。.根因智能诊断接关联预设问题类别(如覆盖类、业务类)。输入：用户投诉类型(Type_i)+五类后端数据(业务/质量/输出：概率最高的故障根因(公式1-3)。输入无线接通率、掉话率等6项KPI指标，输出小区投诉概率及投诉热力地图标注问题基站(蓝色)与投诉点(红色),聚焦高务弱覆盖小区(占比62.1%/77.5%)。工单系统自动附加问题标签(如“覆盖类-弱覆盖”“费用类-计基于360°用户画像(属性/行为/偏好标签),自动推荐最优服习惯线下办理→分配实体营业厅偏好线上服务→引导至APP/小程序(“推荐触点模型”)。个性化关怀方案：针对特定画像(如家中有老人/小孩)推荐增值产品(天翼看家、天翼云盘),提升需求契合度(“一户一案客户服分析用户历史接通时段数据，避开忙碌时段，在客户乐意接听时外呼(实现“轻打扰”服务)。.智能辅助与效率优化知识跟随：通过知识图谱自动推送应对话术与解决方案(如费用敏感词预警：实时检测通话内容，拦截服务忌语(如“不清楚”自动处理重复操作(如工单录入、退费执行),减少人为错误，释放人力聚焦复杂服务(“RPA实现7*24小时无人值守”)。.主动服务与体验升级客服主动联系潜在投诉用户，提供网络优化进度说明(“变被动推送预处理方案(如流量不足用户赠送临时流量包)。闭环回访机制信业务(拆机)的复杂流程而设计。它能一键聚合客户资料、合约、欠费、设备、违约金等分散在多系统的信息，自动计算费用(如违约金、退费、当月使用费),并生成处理方案。客服人员依据方案，可1)点击路径追踪：技术人员会记录下坐席在一个典型的拆机流知识库)之间切换，每次切换查找什么信息，如何复制粘贴。2)信息孤岛体验：亲身体会为了核实一个客户的设备型号、合约状态、历史欠费或关联业务，需要在不同系统中反复输入客户ID3)流程断点分析：识别出哪些环节最耗时、最容易出错，比如明确不同拆机原因(如客户主动申请、欠费停机、设备升级等)对应(2)“庖丁解牛”式的数据洞察：深度剖析拆机工单的每一步操作基于一线的观察和海量历史“拆机”工单数据，中数通信息有限公司的技术团队进行了“庖丁解牛”式的深度剖析。1)字段级拆解：分析拆机工单中每个字段的来源、必要性、填2)分解操作步骤：对拆机业务按处理环节、操作步骤、复核闭3)瓶颈环节定位：通过数据统计，找出处理时长最长、返工率4)信息缺失模式识别：识别出哪些关键信息经常在初始工单中证件状态多源检索提效提质提升满意率结果反馈联合质检违约金号码余额欠费内容功能作用开发效果甩单功能拆机文本数据库(3)一站式”信息聚合的实现：结合多源检索功能，打通系统户标识(如手机号、客户ID)或工单号后，多源检索功能便在后台3)信息智能呈现：例如，针对一个拆机请求，系统能自动从(4)化繁为简”的操作界面革新：研发独有的“拆机工作台”1)单一界面操作：客服代表无需再像过去那样，在多个系统界2)信息自动预填与校验：大部分信息由多源检索自动填充，关键信息系统会自动进行逻辑校验(如合约期未满的提醒、欠费客户拆4)上下文感知：根据当前处理的工单状态，工作台能动态展示(5)“可复制”的成功模式推广：成就延伸至其他业务场景务流程+多源信息聚合+智能化工作台赋能”的方法论和技术架构移机工作台：同样通过多源检索整合新旧地址资源信息、客户信安(信息安全/合规)处理工作台：快速调取客户授权记录、退费工作台：整合订单信息、支付记录、退款政策，自动化计复杂联系(如投诉、挽回)工作台：聚合客户全部历史互动记.工作效率提升功能设计这一阶段的目标是将与特定拆机请求相关的所有原始信息进行客户向10000号反馈的投诉内容、登记在单面的反馈内容等，AI首先捕获这些原始文本。基于客户身份标识(如手机号、客户ID),单历史数据库等多个后台系统中拉取该客户的所有相关数据。这包是否有未结清的费用(如设备分期款)。设备与资源信息：客户名下持有的设备型号(如光猫、机顶盒)、序列号、设备归属(租用/购买)、设备是否需要回收。的数据进行自动化清洗，去除冗余、修正错误(如格式不一致),并进行初步的逻辑校验(例如，合约期与系统记录是否匹配)。将所有(1)业务号码的基本信息，含证件状态、号码状态(2)套餐合约信息，此内容展示对应业务号码产生违约金的套(3)违约金：由4部分组成识对应的违约金金额，5000元以内可解除限制减免并回收对应设备①手机终端违约金：除泛智能违约金可显示且客服部有权限处②设备终端违约金：宽带、机顶盒、摄像头、智能组网未满5专用签约违约金：无论多少钱，客服部均可以解除限制，与设备无关【解限窗口甩单即可】(4)欠费：展示所选号码当前是是否存在欠费，但无法展示是(5)余额：展示所选号码当前是否存在余额、是否实时占用以#总余额：78#总余额：78.09元#可支取余额：0.00元#实时占用余额：78.09元(6)跨月费用：展示减免规则拆机当月费用处理存在4种选择：定额收取、定额减免、全额减免、不定金额拆机工作台已嵌入计算公式，处理人员可选定额收取或定额减定额收取=套餐费用/当月总天数*【实际使用天数/在网天数】+当月费用②当月费用原则1、全月有使用：不能减免，需要客户缴费2、全月无使用：申请减免3、部分使用，部分没使用：按有使用的天数折算请选择发起机器人发起机器人调账在信息“整理”完毕的基础上，AI利用规则引擎、知识图谱乃设备回收情况：上门回收(是否减免20元上门费用)、快递邮寄工作台会根据整理好的信息和内置的业务规则(如合约期未满的政策、欠费处理规定、特殊客户群组政策),自动判断客户是否满足若涉及提前解约，AI能自动计算精确的违约金；若有设备未归根据客户类型(如普通客户、VIP客户)、拆机原因、合约状态等，AI自动匹配并推荐最合适的拆机流程分支(如标准拆机、绿色在B系统核销设备，备注设备回收状态。提醒客户需在C日内完成款项支付/设备交回。解限余额甩单确认监控闭环通过这种“整理→生成拆机方案”的精细化AI赋能操AI在流程自动化和标准化方面带来的巨大效率提升。这不仅仅是一(1)智能“分类”——精准定位后续处理路径处理环节(解限审批、退费录入，归档内容整理等)时，“一键甩单”AI会根据已经生成的“拆机方案”中的关键要素(如拆机类型、户等级等),自动识别并判断该工单应该流向哪个或哪些后续处理团如果方案中明确需要上门回收光猫，系统会自动将工单分类至在大多数情况下，AI的分类是准确的。但系统也允许坐席在特拆机工作台1.业务号码注销18902223690,ADSLD2147286314,02044679013.投诉工单TS20250505-100251,坐席工号：138779,坐席名称：林冰君。(2)“套”模板——标准化信息传递与指令下达一旦分类确定，AI将自动调用预设的、与该分类对应的“甩单AI会从先前“整理”和“生成方案”阶段获取的结构化信息中，自动抽取相关数据，精准填充到所选模板的对应字段中。例如，客户姓名、联系方式、设备型号、应回收设备列表、待处理的费用项目等都会被自动填写。客户地址、联系方式和期望上门时间段(如果已约定)。解限解限接通情况：已接通未接通拆机意向：需要拆机○无需拆机*拆机业务号码：19042536137-电信-主卡-李文钟选择拆机业务号码选择拆机业务号码