一种业务序列驱动的电力客户诉求感知系统技术方案

本发明专利技术公开了一种业务序列驱动的电力客户诉求感知系统，包括数据准备模块、业务序列生成模块、数据集构建模块和业务序列诉求感知模块，数据准备模块：基于业务分析与建模抽象，围绕客户服务中心，收集营销系统库表中与客户诉求相关的业务数据表，从用户用电量数据、客服工单数据、业扩工单数据等数据表中获得客服时间、工单标识、客服业务子类、业扩业务类别等关键字段，通过用户标号和计量点编号将多表关联，形成初始数据集。本发明专利技术提出电力客户诉求的智能感知模型，通过用户的历史行为和对应的业务推进状况及时发现新的潜在模式和规律，主动感知用户潜在的服务诉求，提升服务水平，全面提升客户用电满意度。

【技术实现步骤摘要】
一种业务序列驱动的电力客户诉求感知系统
本专利技术涉及电力系统
，具体为一种业务序列驱动的电力客户诉求感知系统。
技术介绍
随着电网公司在营销领域一体化工作的进一步开展，“以内部业务为中心”向“以客户为中心”转变，“职能管理”向“流程管理”转变，“粗放管理”向“精益管理”转变等观念深入人心。但是，在客服大集中的背景下，随着电力客户的服务需求越来越多、服务质量要求越来越高，电子渠道无法有效分流人工客服压力、无法及时满足客户需求从而导致用户积怨，投诉现象频生。传统的基于业务类别分布的业务统计与偏好分析无法实现有效分析用户诉求的根本原因。其工作模式为用户主动通过打电话咨询量费等相关业务，客服坐席进行一番询问了解后可以识别到客户的诉求。这种建立在被动服务的基础上的方式给客服坐席带来巨大压力，不能有效缓解客服坐席的压力，且客户不主动致电时，无法提前感知客户的诉求。目前，在智能客服领域，企业基于客户画像在一定程度上建立起较全面的客户理解，有助于建立、执行和优化组织的客户选择、产品设计、营销策划、互动体验、关系维系、风险管理和服务运营相关的策略。在实际应用中客户画像存在一定的不足，一方面目标客户的数量越来越庞大，客户族群的构成也更复杂，同时客户的行为也在不断发生变化，实现对任何用户都能准确描述的程度有很大的困难；另一方面，客户画像是基于客户的消费需求、购买偏好和行为倾向信息等一系列静态数据的离线加工，不能实现企业与用户之间的沟通和反馈，而业务驱动的企业与客户之间的互动是客户诉求的根本来源，企业占据着业务发起的绝对优势，没理由只是被动的承接用户诉求。
技术实现思路
本专利技术的目的在于提供一种业务序列驱动的电力客户诉求感知系统，包括数据准备模块、业务序列生成模块、数据集构建模块和业务序列诉求感知模块，数据准备模块：基于业务分析与建模抽象，围绕客户服务中心，收集营销系统库表中与客户诉求相关的业务数据表，从用户用电量数据、客服工单数据、业扩工单数据等数据表中获得客服时间、工单标识、客服业务子类、业扩业务类别等关键字段，通过用户标号和计量点编号将多表关联，形成初始数据集；业务序列生成模块：业务序列生成模块实现将原始数据集转换为标准数据集，需经过去除空值、数据类型转换、数据合并3个关键步骤：去空值处理，将用户用电量数据、客服工单数据、业扩工单数据等数据表的关键字段排除空值，并按照日期进行排序；数据类型转换，用户用电数据关键字段为用户用电量，为数值型数据，根据业务逻辑计算用电波动率水平，并划分为20个等级代码[P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，N1，N2，N3，N4，N5，N6，N7，N8，N9，N10]，其中P表示波动率为正值，用电里量升高，N表示波动率为负值，用电量降低，数据大小表示用电量波动率变化水平，客服工单数据核心字段为工单类型编码，其本身是分类型数据可以直接使用，为了区分不同数据表之间的类型编码，客服工单类型编码之前统一添加KF标识，业扩工单数据表核心字段为业扩工单类型编码，预处理结果在编码之前统一添加YK标识；数据合并，将以上处理之后的数据为用户编号为主键，按照电力业务的先后顺序整理成业务序列数据集；数据集构建模块：由于序列数据本身蕴藏着事物发展的规律，序列的预测是根据事物发展的延续性从而推测事物的未来发展趋势，其顺序上必须保证一定的连续性，于预处理之后的序列数据仅具有时间的前后关系，具体时间点之间的间隔是不均匀的，有时间隔过长，导致前后事件之间的连续性减弱，根据每个时间点的间隔大小将长时间业务序列划分为连续的子序列，一方面保证强关联性，另一方面降低数据复杂度，以间隔3个月为时间阈值进行序列分割，由短序列构建数据集；业务序列诉求感知模块：早期的关联分析是一种在大规模数据集中寻找有趣关系的任务，这些任务有两种形式：频繁项集和关联规则。频繁项集是指经常出现在一块的物品的集合；关联规则暗示的是两物品之间可能存在的很强的关系，通过关联分析能够找出各项之间隐藏的强关联规则，但这种强关联规则内的各项只具有空间上的频繁共现关系，却不具有时间上的前后关联关系；序列模式挖掘分析用于事务内各项之间具有一定顺序关系的数据集，通过关联分析找出的强关联规则，各项不仅具有空间上的频繁共现关系，还具有时间上的前后关联关系，从业务分析可知，由业务推进而引发客户诉求，是一个典型的由存在前后时间关系的不同事件所组成的一个事件链条：由业务为源头，以客户的某个服务诉求为重点，因此由业务推演而最终识别用户诉求的业务问题就演变成了从一系列时间序列事件中识别规律的业务序列模式挖掘问题，通过序列模式挖掘分析方法构建基于业务序列数据的诉求感知模型，能够识别客户的诉求转化规律，从而追溯客户诉求的根源。与现有技术相比，本专利技术的有益效果是：本专利技术提出电力客户诉求的智能感知模型，通过用户的历史行为和对应的业务推进状况及时发现新的潜在模式和规律，主动感知用户潜在的服务诉求，提升服务水平，全面提升客户用电满意度。实现客户诉求预判，通过及时预警驱动营销主动服务，达到降低客户投诉数量、减轻工作压力的目的。附图说明图1为本专利技术客户示意图；图2为本专利技术技术线路流程图；图3为本专利技术系统模块框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例1一种业务序列驱动的电力客户诉求感知系统，包括数据准备模块、业务序列生成模块、数据集构建模块和业务序列诉求感知模块，数据准备模块：基于业务分析与建模抽象，围绕客户服务中心，收集营销系统库表中与客户诉求相关的业务数据表，从用户用电量数据、客服工单数据、业扩工单数据等数据表中获得客服时间、工单标识、客服业务子类、业扩业务类别等关键字段，通过用户标号和计量点编号将多表关联，形成初始数据集；业务序列生成模块：业务序列生成模块实现将原始数据集转换为标准数据集，需经过去除空值、数据类型转换、数据合并3个关键步骤：去空值处理，将用户用电量数据、客服工单数据、业扩工单数据等数据表的关键字段排除空值，并按照日期进行排序；数据类型转换，用户用电数据关键字段为用户用电量，为数值型数据，根据业务逻辑计算用电波动率水平，并划分为20个等级代码[P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，N1，N2，N3，N4，N5，N6，N7，N8，N9，N10]，其中P表示波动率为正值，用电里量升高，N表示波动率为负值，用电量降低，数据大小表示用电量波动率变化水平，客服工单数据核心字段为工单类型编码，其本身是分类型数据可以直接使用，为了区分不同数据表之间的类型编码，客服工单类型编码之前统一添加KF标识，业扩工单数据表核心字段为业扩工单类型编码，预处理结果在编码之前统一添加YK标识；数据合并，将以上处理之后的数据为用户编号为本文档来自技高网...

【技术保护点】
1.一种业务序列驱动的电力客户诉求感知系统，其特征在于：包括数据准备模块、业务序列生成模块、数据集构建模块和业务序列诉求感知模块，/n数据准备模块：基于业务分析与建模抽象，围绕客户服务中心，收集营销系统库表中与客户诉求相关的业务数据表，从用户用电量数据、客服工单数据、业扩工单数据等数据表中获得客服时间、工单标识、客服业务子类、业扩业务类别等关键字段，通过用户标号和计量点编号将多表关联，形成初始数据集；/n业务序列生成模块：业务序列生成模块实现将原始数据集转换为标准数据集，需经过去除空值、数据类型转换、数据合并3个关键步骤：/n去空值处理，将用户用电量数据、客服工单数据、业扩工单数据等数据表的关键字段排除空值，并按照日期进行排序；/n数据类型转换，用户用电数据关键字段为用户用电量，为数值型数据，根据业务逻辑计算用电波动率水平，并划分为20个等级代码[P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，N1，N2，N3，N4，N5，N6，N7，N8，N9，N10]，其中P表示波动率为正值，用电里量升高，N表示波动率为负值，用电量降低，数据大小表示用电量波动率变化水平，客服工单数据核心字段为工单类型编码，其本身是分类型数据可以直接使用，为于区分不同数据表之间的类型编码，客服工单类型编码之前统一添加KF标识，业扩工单数据表核心字段为业扩工单类型编码，预处理结果在编码之前统一添加YK标识；/n数据合并，将以上处理之后的数据为用户编号为主键，按照电力业务的先后顺序整理成业务序列数据集；/n数据集构建模块：由于序列数据本身蕴藏着事物发展的规律，序列的预测是根据事物发展的延续性从而推测事物的未来发展趋势，其顺序上必须保证一定的连续性，于预处理之后的序列数据仅具有时间的前后关系，具体时间点之间的间隔是不均匀的，有时间隔过长，导致前后事件之间的连续性减弱，根据每个时间点的间隔大小将长时间业务序列划分为连续的子序列，一方面保证强关联性，另一方面降低数据复杂度，以间隔3个月为时间阈值进行序列分割，由短序列构建数据集；/n业务序列诉求感知模块：早期的关联分析是一种在大规模数据集中寻找有趣关系的任务，这些任务有两种形式：频繁项集和关联规则。频繁项集是指经常出现在一块的物品的集合；关联规则暗示的是两物品之间可能存在的很强的关系，通过关联分析能够找出各项之间隐藏的强关联规则，但这种强关联规则内的各项只具有空间上的频繁共现关系，却不具有时间上的前后关联关系；/n序列模式挖掘分析用于事务内各项之间具有一定顺序关系的数据集，通过关联分析找出的强关联规则，各项不仅具有空间上的频繁共现关系，还具有时间上的前后关联关系，从业务分析可知，由业务推进而引发客户诉求，是一个典型的由存在前后时间关系的不同事件所组成的一个事件链条：由业务为源头，以客户的某个服务诉求为重点，因此由业务推演而最终识别用户诉求的业务问题就演变成了从一系列时间序列事件中识别规律的业务序列模式挖掘问题，通过序列模式挖掘分析方法构建基于业务序列数据的诉求感知模型，能够识别客户的诉求转化规律，从而追溯客户诉求的根源。/n...

【技术特征摘要】
1.一种业务序列驱动的电力客户诉求感知系统，其特征在于：包括数据准备模块、业务序列生成模块、数据集构建模块和业务序列诉求感知模块，
数据准备模块：基于业务分析与建模抽象，围绕客户服务中心，收集营销系统库表中与客户诉求相关的业务数据表，从用户用电量数据、客服工单数据、业扩工单数据等数据表中获得客服时间、工单标识、客服业务子类、业扩业务类别等关键字段，通过用户标号和计量点编号将多表关联，形成初始数据集；
业务序列生成模块：业务序列生成模块实现将原始数据集转换为标准数据集，需经过去除空值、数据类型转换、数据合并3个关键步骤：
去空值处理，将用户用电量数据、客服工单数据、业扩工单数据等数据表的关键字段排除空值，并按照日期进行排序；
数据类型转换，用户用电数据关键字段为用户用电量，为数值型数据，根据业务逻辑计算用电波动率水平，并划分为20个等级代码[P1，P2，P3，P4，P5，P6，P7，P8，P9，P10，N1，N2，N3，N4，N5，N6，N7，N8，N9，N10]，其中P表示波动率为正值，用电里量升高，N表示波动率为负值，用电量降低，数据大小表示用电量波动率变化水平，客服工单数据核心字段为工单类型编码，其本身是分类型数据可以直接使用，为于区分不同数据表之间的类型编码，客服工单类型编码之前统一添加KF标识，业扩工单数据表核心字段为业扩工单类型编码，预处理结果在编码之前统一添加YK标识；
数据合并，将以上处理之后的数据为用户编号为主键，按照电力业务的先后顺序整理成业...

【专利技术属性】
技术研发人员：张梅，黄祖源，田园，保富，李辉，
申请(专利权)人：云南电网有限责任公司信息中心，
类型：发明
国别省市：云南;53