基于大数据分析的运营商主动服务研究
2017-03-04李莺
李莺
【摘 要】为了解决传统运营商面临的急需提升主动服务能力的问题,研究了大数据分析在客户服务方面的应用,通过大数据分析锁定目标用户,并对用户做特征画像,确定触发用户关键行为的因素、阈值及预警机制,供主动服务和针对营销调用,从而实现提升客服的主动服务能力和营销成功率的目的。
【关键词】主动服务 大数据 数据挖掘 离网预警
doi:10.3969/j.issn.1006-1010.2016.24.018 中图分类号:F626 文献标识码:A 文章编号:1006-1010(2016)24-0087-04
1 运营商客服主动服务压力巨大
运营商向客户提供主动服务的重要性越来越大,具体如下:
(1)随着网络的普及,信息获取途径变得多而快捷,用户在通信产品消费当中的信息不对称现象正慢慢消失。与此同时,通信产品可替代选择众多,用户对产品和服务也越来越挑剔,维权意识日益加强,“用脚投票”成为用户在对一家运营商服务不满时经常做出的举动,为了维护稳定的用户市场,对于运营商而言,服务质量提升压力巨大。
(2)消费者协会以及大众媒体均紧盯运营商,每年3·15都会曝光运营商产品和服务质量相关的一些内容,而平时运营商的负面事件传播更是迅速,影响范围极大,工信部等行业监管部门的监管趋向严格,严控服务事故、越级申诉,这也促使运营商不得不更关注产品与服务质量。
(3)服务经济、体验经济的时代,服务领先的企业在激烈的市场竞争中更具有优势,伴随着虚拟运营商、移动互联网公司等新型通信服务企业的兴起,灵活、创新的服务模式更多地从用户需求角度出发,越来越能够满足用户需求,使得传统运营商面临着更严酷的竞争。
2 大数据技术应用万事俱备
大数据分析技术业已成熟,尤其是运营商拥有海量、多样、快速而高价值的用户数据,通过大数据挖掘可以看到用户喜欢什么、讨厌什么,并预测用户未来会怎样、需要什么,从而针对不同人群设计出各种匹配的服务方案,主动、智能化地提供给用户。充分运用大数据分析技术,可以有效协助运营商从传统、被动的服务模式向主动服务转型。
3 如何让大数据应用于客户主动服务
传统的客服属于被动式服务,如当用户通过渠道触点反映在产品使用过程中所遇到的问题或享受运营商提供的某项服务过程中产生不满后,触点将投诉内容记录且反馈至系统相关环节,经过系统分析并派单,由责任部门或触点负责解决。这种解决问题的模式的缺点在于不具有预见性,总是处于被动等待问题出现、解决问题、整改问题的状态,而导致问题产生的因素并没有从根源上得以解决,那么用户对此的整体满意度水平必然无法有效提升,相关的运营商内部运营机制和工作效率也得不到有效改善。
那么,如何解决这个问题呢?以上述用户反映问题到问题解决的整个流程为例来考虑改进方向。如果能够提前知道哪些用户会就哪些产品和服务问题产生不满,以及不满达到何种程度会触发该类用户产生抱怨、投诉甚至离网,则可以提前采取措施来避免这类问题的发生,从而将用户的不满打消在萌芽前。此外,如果同时可以对用户“打标签”,用消费、行为喜好等特征勾勒出用户画像,那么针对性的主动营销成功率也将大大提升。
基于大数据分析的运营商主动服务研究框架示意图如图1所示。
3.1 通过大数据分析锁定目标用户
以用户的物理基本信息、消费信息、网络信息、业务异动信息(如投诉信息和离网信息)等为研究对象,对各类信息数据先进行清洗、筛选、标准化预处理,形成可供建模挖掘的基础数据。多元化数据的采集能够突破传统单一结构化数据分析的局限,充分利用用户各类资料来源,勾勒更生动、更清晰的用户画像,反映出用户的性格、消费习惯、心理诉求、偏好等信息。由于运营商的数据分散于各系统中,因此元数据的获取和处理比较复杂。
对上述用户信息做各类计量统计挖掘分析。以用户离网预警为例,通过聚类、关联分析,充分挖掘影响用户离网的因素,进一步简约各因素,构建离网预警模型,常用的方法包括神经网络、决策树、贝叶斯等。结合业务人员经验及模型校验结果,对模型进行综合优化。投诉用户的离网倾向模型示例如表1所示。
由此可见,数据挖掘的目的是实现对用户消费行为、偏好、情绪、心理等方面特征的画像,并确定各场景下能够触发用户关键行为的因素及其阈值。当特定场景发生,关键行为因素达到阈值时,给出预警以及诊断报告,供主动服务和针对营销调用。系统离网预警提示示例如图2所示。
3.2 分析结果应用
上述数据分析得到的结果可以供专题研究所用,作为策略控制运营系统的输入,为策略匹配、渠道策划、效果评估提供依据。例如,根据异常高额话费和异常高额流量场景进行的细化分析以及场景动因诊断分析结果,判断细化场景发生的原因并确定责任部门,派单至责任部门进行核查处理和后续改进,制定和完善细化场景匹配策略。
异常高额话费场景应用示例:
高额话费的类型分为高额上网流量费和高额增值业务费。其中,高额上网流量费的原因诊断结果是:该用户主套餐属性和流量包属性不一致;派单至:投诉中心;派单详情是:手机153***是***时长版套餐,计费模式从时长变更为流量,导致上网费用**元按流量计费在套餐外出账,请投诉中心核实处理。
此外,确定责任渠道触点,从而明确派单路径,如VPN、星级客户经理、外呼渠道等,触点根据诊断报告,主动外呼关怀,分细化场景用户进行消费使用辅导、资费流量使用解释、业务引导等。
4 结束语
本文以用户的物理信息、消费信息、网络信息、业务异动信息等为研究对象,以用户离网场景为例,给出通过大数据分析挖掘基本数据库中用户数据不同项目之间的联系,找出并研究事物或人们的行为模式,从而对用戶未来消费和使用行为作出预判,使运营商从传统的被动式客户服务向主动服务的转变成为可能,同时也使主动营销的成功率得到提升。
参考文献:
[1] 徐艳,陈崚. 电信客户服务需求的关联规则挖掘[J]. 信息通信, 2008,21(5): 53-56.
[2] 刘资媛. 顾客满意度影响因素的理论分析及实证研究[D]. 长沙: 湖南大学, 2005.
[3] 中国移动北京公司. 互联网投诉处理及主动服务研究[EB/OL]. (2014-09-28). http://www.docin.com/p-924034828.html.
[4] 华信邮电咨询设计研究院有限公司. 北京移动数据业务客户价值管理及提升项目建议书[Z]. 2013.
[5] 罗旭祥. 产品与数据——基于数据挖掘的产品设计[EB/OL]. (2016-06-26). http://wenku.baidu.com/link?url=-MEA2wb1y03ZfUjAbvhhJ82xZm7QbUqnqekkGgzkApmWqbOnLQa8ulQspTAJpjhgmygxmFrpK15J69eR_3fELmxuy5vKP7fTmCbLbnfn5Dy.
[6] 中国联通网研院大数据. 一张图看懂运营商大数据解决投诉问题[EB/OL]. (2015-09-22). http://bbs.c114.net/thread-853703-1-1.html.
[7] 董智纯,杨林,詹念武,等. 一种基于大数据技术的投诉分析与预测系统[J]. 信息通信, 2015(9): 285-286.
[8] 吴蒙. 主动服务中服务发现及其主动机制的研究[D]. 武汉: 武汉理工大学, 2009.
[9] 林波,丁东辉,郭靖羽,等. 基于投诉文本记录的数据挖掘系统[J]. 中国科技信息, 2015(21): 51-54.
[10] 于爱民. 利用数据挖掘实现电信行业客户流失分析[J]. 广东通信技术, 2004(5): 4-7.