CN109165763A - 一种95598客服工单的潜在被投诉的评估方法及装置 - Google Patents
一种95598客服工单的潜在被投诉的评估方法及装置 Download PDFInfo
- Publication number
- CN109165763A CN109165763A CN201810610029.XA CN201810610029A CN109165763A CN 109165763 A CN109165763 A CN 109165763A CN 201810610029 A CN201810610029 A CN 201810610029A CN 109165763 A CN109165763 A CN 109165763A
- Authority
- CN
- China
- Prior art keywords
- work order
- complaint
- customer
- potential
- order data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000010276 construction Methods 0.000 claims abstract description 22
- 230000005611 electricity Effects 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000013499 data model Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000007405 data analysis Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种95598客服工单的潜在被投诉的评估方法及装置，涉及电力客服工作评价技术领域，包括以下步骤：先选取工单标签和用户标签；根据工单标签和用户标签与95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；根据95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；基于95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率，从而有效辅助电力公司的业务人员根据不同的95598工单提供的差异化增值服务。
Description
技术领域
本发明涉及电力客服工作评价技术领域，尤其涉及一种95598客服工单的潜在被投诉的评估方法及装置。
背景技术
随着电力公司95598客服话务数量的增多，业务数据在数量上呈现保障性增长，客户投诉压力也在与日俱增。然而，目前大部分电网公司客户服务运行分析中仍然存在着一定的问题：智能化分析手段不足，人为主观因素影响较多；对客户服务分析的内外因素分析不足，无法量化影响程度和持续时间，无法对客户进一步的投诉行为做一个预测从而及时调整差异化客户服务措施。为了改进当前客户服务分析预测的局限，提升分析预测的水平，及时根据客户投诉内容对客户投诉行为做一个合理的预测，利用差异化的服务提高客服满意度，降低用电客户进一步投诉的行为，本发明提出了一种95598客服工单的潜在被投诉的评估方法及装置。
发明内容
本发明的目的在于提供一种95598客服工单的潜在被投诉的评估方法及装置，从而解决了供电公司无法客观的根据95598工单数据对客户的投诉行为做预测的缺点。
为实现上述目的，本发明提供了一种95598客服工单的潜在被投诉的评估方法，包括以下步骤：
S10、从95598工单数据选取能够体现用户用电行为的工单标签；
S20、从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；
S30、根据所述工单标签和用户标签与所述95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；
S40、根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；
S50、基于所述95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率。
进一步的，所述工单标签包括：工单业务类别、工单二级类别、工单三级类别、用电季节、用电天气、用电当时当地温度及工单处理时长。
进一步的，所述用户标签包括：住址片区、电压等级、用电类别、线路名称、台区名称及入网时长。
进一步的，根据所述95598工单数据的用户投诉行为分析模型得到95598 工单v的投诉打分L：
式(1)中，L是95598工单v的投诉打分值，M是打分因子集合；ε为独立的偏差量；Xj是95598工单v的评级因子j的评分；βj是采用样条曲线光滑处理的评级因子j所对应的回归系数，该回归系数的计算如下：
式(2)和式(3)中，是表示线性样条函数的基，k是线性样条函数的分段数，是线性样条函数的范围内最右侧点的函数值，βj1和βjK是线性样条函数所在区间的左右两端的取值，k-s3是分段函数减去一个小于1的常数，s3是[0,1]间的一个常数，k-sKβ是分段数减去一个小于1的常数，sKβ是[0,1]间的一个常数。
进一步的，所述最优回归系数的计算过程为：通过所述95598工单数据的用户投诉行为分析模型得到95598工单数据的用户投诉行为的评级稳定性目标函数和95598工单数据的用户投诉行为的评级差异性目标函数；根据所述评级稳定性目标函数和评级差异性目标函数形成多目标约束优化问题；通过优化算法将所述多目标约束优化问题转化为单目标优化问题，从而得到最优回归系数。
进一步的，所述评级稳定性目标函数如下：
式(4)中，为工单潜在投诉的可能性评级的评级稳定值，N是需要进行评估的工单数量，表示N个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉的期望值；
所述评级差异性目标函数如下：
式(5)中，是工单潜在投诉的可能性评级的差异值，N是需要进行评估的工单数量，表示N-1个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉可能性的平均值，是平均值的平方；
所述多目标约束优化问题为：
式(6)中，为工单潜在投诉的可能性评级的评级稳定值，为工单潜在投诉的可能性评级的差异值，β为最优回归系数。
一种95598客服工单的潜在被投诉的评估装置，包括：
工单标签模块，用于从95598工单数据选取能够体现用户用电行为的工单标签；
用户标签模块，用于从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；
体系构建模块，用于根据所述工单标签和用户标签与所述95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；
模型构建模块，用于根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；以及
优化模型构建模块，用于根据所述95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率。
与现有的技术相比，本发明具有如下有益效果：
本发明所提供的一种95598客服工单的潜在被投诉的评估方法及装置，通过95598工单数据选取能够体现用户用电行为的工单标签；通过电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；通过工单标签和用户标签与95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系，该体系包括多种标签能够多方位描述用电客户的行为特征；再根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；通过优化回归系数，使模型更为准确，基于优化回归系数得到最优 95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过划分等级，预测出该95598工单产生后续投诉行为的概率，从而有效辅助电力公司的业务人员根据不同的95598工单产生后续投诉行为的概率，提供的一种差异化的增值服务，从而提升用电客户服务水平，进一步降低供电公司95598客服中心被重复投诉的概率和减少电力客户进一步拨打12398电监会投诉电话的可能性。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种95598客服工单的潜在被投诉的评估方法的流程图；
图2是本发明一种95598客服工单的潜在被投诉的评估装置的结构示意图；
其中：101-工单标签模块，102-用户标签模块，103-体系构建模块，104- 模型构建模块，105-优化模型构建模块。
具体实施方式
下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明所提供的一种95598客服工单的潜在被投诉的评估方法包括以下步骤：
S10、从95598工单数据选取能够体现用户用电行为的工单标签，工单标签包括：工单业务类别、工单二级类别、工单三级类别、用电季节、用电天气、用电当时当地温度(摄氏度)及工单处理时长(分钟)。
工单业务类别包括：用电业务、咨询查询、订阅信息、故障报修、其它、建议、表扬、投诉、举报及意见。
工单二级类别包括：工单催办、诉求取消、一般诉求工单、查询停送电、抄核收、电能计量、电网建设及安全、服务渠道、客户基本信息查询、欠费停电、业扩业务、订阅信息、取消订阅、低压停电、电压异常、高压停电、供电设施故障、其它抢修业务、回访客户、内部联系催办、内部业务沟通、其他、电网建设、供电安全、客户服务、其他建议、新能源、营业业务、服务态度、服务效率、其它、业务水平、抄表计费、电能计量、电网建设、服务投诉、供电安全、供电质量、停电抢修、业扩报装、其它举报、窃电、违约用(供)电、电网建设、供电安全、供电质量、回访意见、客户服务、停送电意见及营业业务。
工单三级类别包括：营业网点咨询、转接电话/用户打错电话、无需联系客户处理、客户回访成功、需联系客户后续处理、电价电费、电压质量、业扩工单回访、新装增容、供电设施、供电可靠性、需联系客户后续处理、电能计量及用电变更。
工单业务类别、工单二级类别及工单三级类别的总表如表1所示。
表1：工单业务类别、工单二级类别及工单三级类别的总表
S20、从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签，用户标签包括：住址片区、电压等级(伏特)、用电类别、线路名称、台区名称及入网时长(年)。
S30、根据所述工单标签和用户标签与所述95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系。95598工单综合信息标签体系表如表2所示。
表2：95598工单综合信息标签体系表
S40、根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型，根据95598工单数据的用户投诉行为分析模型得到95598工单v的投诉打分L：
式(1)中，L是95598工单v的投诉打分值，M是打分因子集合；ε为独立的偏差量；Xj是95598工单v的评级因子j的评分；βj是采用样条曲线光滑处理的评级因子j所对应的回归系数，该回归系数的计算如下：
式(2)和式(3)中，是表示线性样条函数的基，k是线性样条函数的分段数，是线性样条函数的范围内最右侧点的函数值，βj1和βjK是线性样条函数所在区间的左右两端的取值，k-s3是分段函数减去一个小于1的常数，s3是[0,1]间的一个常数，k-sKβ是分段数减去一个小于1的常数，sKβ是[0,1]间的一个常数。
S50、基于95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，最优回归系数计算如下：
S501、根据95598工单数据的用户投诉行为分析模型得到95598工单数据的用户投诉行为的评级稳定性目标函数，评级稳定性目标函数如下：
式(4)中，为工单潜在投诉的可能性评级的评级稳定值，N是需要进行评估的工单数量，表示N个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉的期望值；
S502、根据95598工单数据的用户投诉行为分析模型得到95598工单数据的用户投诉行为的评级差异性目标函数，评级差异性目标函数如下：
式(5)中，是工单潜在投诉的可能性评级的差异值，N是需要进行评估的工单数量，表示N-1个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉可能性的平均值，是平均值的平方；
S503、根据所述评级稳定性目标函数和评级差异性目标函数形成多目标约束优化问题，多目标约束优化问题为：
式(6)中，为工单潜在投诉的可能性评级的评级稳定值，为工单潜在投诉的可能性评级的差异值，β为最优回归系数；
S504、通过优化算法将多目标约束优化问题转化为单目标优化问题，从而得到最优回归系数β；
基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，使最优95598工单数据的用户投诉行为分析模型使更准确，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分得到实时评分值；最优95598工单数据的用户投诉行为分析模型提前对评分值进行划分等级，根据评分值的由高到低分为四个等级：非常满意、比较满意、基本满意及不满意，且每个等级对应着客户会进一步投诉的概率，非常满意、比较满意、基本满意及不满意这四个等级对应的工单对应的客户会进一步投诉的概率依次升高；最优95598工单数据的用户投诉行为分析模型将实时评分值划入所在等级，通过划分的等级能够确定会产生后续投诉的概率，即用户产生后续投诉的可能性。
如图2所示，本发明一种95598客服工单的潜在被投诉的评估装置，包括：工单标签模块101、用户标签模块102、体系构建模块103、模型构建模块104 及优化模型构建模块105。在对95598客服工单的潜在被投诉的评估时，首先，工单标签模块101从95598工单数据选取能够体现用户用电行为的工单标签，用户标签模块102从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；其次，体系构建模块103根据工单标签和用户标签与95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；然后，模型构建模块104根据95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；最后，优化模型构建模块105根据95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率。具体的，本实施例中各个模块的具体工作内容，请参见对应的方法实施例的内容，此处不再赘述。
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种95598客服工单的潜在被投诉的评估方法，其特征在于：包括以下步骤：
S10、从95598工单数据选取能够体现用户用电行为的工单标签；
S20、从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；
S30、根据所述工单标签和用户标签与所述95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；
S40、根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；
S50、基于所述95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率。
2.根据权利要求1所述的95598客服工单的潜在被投诉的评估方法，其特征在于：所述工单标签包括：工单业务类别、工单二级类别、工单三级类别、用电季节、用电天气、用电当时当地温度及工单处理时长。
3.根据权利要求1所述的95598客服工单的潜在被投诉的评估方法，其特征在于：所述用户标签包括：住址片区、电压等级、用电类别、线路名称、台区名称及入网时长。
4.根据权利要求1所述的95598客服工单的潜在被投诉的评估方法，其特征在于：根据所述95598工单数据的用户投诉行为分析模型得到95598工单v的投诉打分L：
式(1)中，L是95598工单v的投诉打分值，M是打分因子集合；ε为独立的偏差量；Xj是95598工单v的评级因子j的评分；βj是采用样条曲线光滑处理的评级因子j所对应的回归系数，该回归系数的计算如下：
式(2)和式(3)中，是表示线性样条函数的基，k是线性样条函数的分段数， 是线性样条函数的范围内最右侧点的函数值，βj1和βjK是线性样条函数所在区间的左右两端的取值，k-s3是分段函数减去一个小于1的常数，s3是[0,1]间的一个常数，k-sKβ是分段数减去一个小于1的常数，sKβ是[0,1]间的一个常数。
5.根据权利要求1所述的95598客服工单的潜在被投诉的评估方法，其特征在于：所述最优回归系数的计算过程为：通过所述95598工单数据的用户投诉行为分析模型得到95598工单数据的用户投诉行为的评级稳定性目标函数和95598工单数据的用户投诉行为的评级差异性目标函数；根据所述评级稳定性目标函数和评级差异性目标函数形成多目标约束优化问题；通过优化算法将所述多目标约束优化问题转化为单目标优化问题，从而得到最优回归系数。
6.根据权利要求5所述的95598客服工单的潜在被投诉的评估方法，其特征在于：
所述评级稳定性目标函数如下：
式(4)中，为工单潜在投诉的可能性评级的评级稳定值，N是需要进行评估的工单数量，表示N个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉的期望值；
所述评级差异性目标函数如下：
式(5)中，是工单潜在投诉的可能性评级的差异值，N是需要进行评估的工单数量，表示N-1个数的平均，L是95598工单v的投诉打分值，是95598工单v潜在投诉可能性的平均值，是平均值的平方；
所述多目标约束优化问题为：
式(6)中，为工单潜在投诉的可能性评级的评级稳定值，为工单潜在投诉的可能性评级的差异值，β为最优回归系数。
7.一种95598客服工单的潜在被投诉的评估装置，其特征在于：包括：
工单标签模块，用于从95598工单数据选取能够体现用户用电行为的工单标签；
用户标签模块，用于从电力营销管理信息系统的电力用户数据库中选取能够体现用户用电行为的用户标签；
体系构建模块，用于根据所述工单标签和用户标签与所述95598工单数据对应的客户名称进行匹配得到95598工单综合信息标签体系；
模型构建模块，用于根据所述95598工单综合信息标签体系构建95598工单数据的用户投诉行为分析模型；以及
优化模型构建模块，用于根据所述95598工单数据的用户投诉行为分析模型优化回归系数得到最优回归系数，基于最优回归系数构建最优95598工单数据的用户投诉行为分析模型，利用最优95598工单数据的用户投诉行为分析模型对95598客服工单进行评分和划分等级，通过评分得到的评分值和划分等级判断会产生后续投诉的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810610029.XA CN109165763B (zh) | 2018-06-13 | 2018-06-13 | 一种电网客服工单的潜在被投诉的评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810610029.XA CN109165763B (zh) | 2018-06-13 | 2018-06-13 | 一种电网客服工单的潜在被投诉的评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109165763A true CN109165763A (zh) | 2019-01-08 |
| CN109165763B CN109165763B (zh) | 2021-12-07 |
Family
ID=64897087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810610029.XA Active CN109165763B (zh) | 2018-06-13 | 2018-06-13 | 一种电网客服工单的潜在被投诉的评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109165763B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414819A (zh) * | 2019-07-19 | 2019-11-05 | 中国电信集团工会上海市委员会 | 一种工单评分方法 |
| CN111126783A (zh) * | 2019-11-29 | 2020-05-08 | 广东电网有限责任公司 | 一种基于大数据的客户投诉风险评级方法及装置 |
| CN111178957A (zh) * | 2019-12-23 | 2020-05-19 | 广西电网有限责任公司 | 一种用电客户电量突增预警的方法 |
| CN111353792A (zh) * | 2020-05-25 | 2020-06-30 | 广东电网有限责任公司惠州供电局 | 一种可视化展现与数据分析的客户画像系统 |
| CN111489095A (zh) * | 2020-04-15 | 2020-08-04 | 腾讯科技（深圳）有限公司 | 一种风险用户管理方法、装置、计算机设备和存储介质 |
| CN112446615A (zh) * | 2020-11-26 | 2021-03-05 | 深圳供电局有限公司 | 一种不停电作业优先级的评估方法 |
| CN112529630A (zh) * | 2020-12-17 | 2021-03-19 | 国网河北省电力有限公司营销服务中心 | 一种电力用户多维度信息化标签系统的构建方法 |
| CN112991049A (zh) * | 2021-04-13 | 2021-06-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法以及电子设备 |
| CN113254644A (zh) * | 2021-06-07 | 2021-08-13 | 成都数之联科技有限公司 | 模型训练方法及非投诉工单处理方法及系统及装置及介质 |
| CN114240225A (zh) * | 2021-12-23 | 2022-03-25 | 国网山东省电力公司东营供电公司 | 源网荷储多元协同互动下的电力系统运行评价方法和系统 |
| CN115481925A (zh) * | 2022-10-12 | 2022-12-16 | 中邮消费金融有限公司 | 一种客服预警方法与系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680428A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 一种电网客户满意度模型的构建方法 |
| CN107240033A (zh) * | 2017-06-07 | 2017-10-10 | 国家电网公司客户服务中心 | 一种电力识别模型的构建方法及系统 |
| CN107437124A (zh) * | 2017-07-20 | 2017-12-05 | 大连大学 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
| CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
-
2018
- 2018-06-13 CN CN201810610029.XA patent/CN109165763B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680428A (zh) * | 2015-03-16 | 2015-06-03 | 朗新科技股份有限公司 | 一种电网客户满意度模型的构建方法 |
| CN107240033A (zh) * | 2017-06-07 | 2017-10-10 | 国家电网公司客户服务中心 | 一种电力识别模型的构建方法及系统 |
| CN107437124A (zh) * | 2017-07-20 | 2017-12-05 | 大连大学 | 一种基于大数据分析的运营商投诉与故障关联分析方法 |
| CN107992609A (zh) * | 2017-12-15 | 2018-05-04 | 广东电网有限责任公司信息中心 | 一种基于文本分类技术和决策树的投诉倾向判断方法 |
Non-Patent Citations (1)
| Title |
|---|
| ALIREZA FAED .ETC: "Intelligent customer complaint handling utilising principal component and data envelopment analysis", 《APPLIED SOFT COMPUTING》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110414819B (zh) * | 2019-07-19 | 2023-05-26 | 中国电信集团工会上海市委员会 | 一种工单评分方法 |
| CN110414819A (zh) * | 2019-07-19 | 2019-11-05 | 中国电信集团工会上海市委员会 | 一种工单评分方法 |
| CN111126783A (zh) * | 2019-11-29 | 2020-05-08 | 广东电网有限责任公司 | 一种基于大数据的客户投诉风险评级方法及装置 |
| CN111178957B (zh) * | 2019-12-23 | 2023-04-14 | 广西电网有限责任公司 | 一种用电客户电量突增预警的方法 |
| CN111178957A (zh) * | 2019-12-23 | 2020-05-19 | 广西电网有限责任公司 | 一种用电客户电量突增预警的方法 |
| CN111489095A (zh) * | 2020-04-15 | 2020-08-04 | 腾讯科技（深圳）有限公司 | 一种风险用户管理方法、装置、计算机设备和存储介质 |
| CN111489095B (zh) * | 2020-04-15 | 2023-07-25 | 腾讯科技（深圳）有限公司 | 一种风险用户管理方法、装置、计算机设备和存储介质 |
| CN111353792A (zh) * | 2020-05-25 | 2020-06-30 | 广东电网有限责任公司惠州供电局 | 一种可视化展现与数据分析的客户画像系统 |
| CN112446615A (zh) * | 2020-11-26 | 2021-03-05 | 深圳供电局有限公司 | 一种不停电作业优先级的评估方法 |
| CN112446615B (zh) * | 2020-11-26 | 2023-10-20 | 深圳供电局有限公司 | 一种不停电作业优先级的评估方法 |
| CN112529630A (zh) * | 2020-12-17 | 2021-03-19 | 国网河北省电力有限公司营销服务中心 | 一种电力用户多维度信息化标签系统的构建方法 |
| CN112991049A (zh) * | 2021-04-13 | 2021-06-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法以及电子设备 |
| CN113254644A (zh) * | 2021-06-07 | 2021-08-13 | 成都数之联科技有限公司 | 模型训练方法及非投诉工单处理方法及系统及装置及介质 |
| CN113254644B (zh) * | 2021-06-07 | 2021-09-17 | 成都数之联科技有限公司 | 模型训练方法及非投诉工单处理方法及系统及装置及介质 |
| CN114240225A (zh) * | 2021-12-23 | 2022-03-25 | 国网山东省电力公司东营供电公司 | 源网荷储多元协同互动下的电力系统运行评价方法和系统 |
| CN115481925A (zh) * | 2022-10-12 | 2022-12-16 | 中邮消费金融有限公司 | 一种客服预警方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109165763B (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109165763A (zh) | 一种95598客服工单的潜在被投诉的评估方法及装置 | |
| US7409303B2 (en) | Identifying energy drivers in an energy management system | |
| CN105811402B (zh) | 一种电力负荷预测系统及其预测方法 | |
| CN101266674A (zh) | 确定将再生能量提供给能源网的适当策略的方法和系统 | |
| Gerbec et al. | An approach to customers daily load profile determination | |
| CN107330540B (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
| JP2012010489A (ja) | 同時同量装置、その制御方法およびそのプログラム | |
| JP2006011715A (ja) | 資源消費量の推定方法及び装置 | |
| CN113469486A (zh) | 一种线路负损及高损的分析方法 | |
| Alvisi et al. | Using water consumption smart metering for water loss assessment in a DMA: a case study | |
| CN106651636A (zh) | 一种适应全球能源互联网的多种能源最优分配方法 | |
| Harder | Key performance indicators for smart grids master thesis on performance measurement for smart grids | |
| Kühnbach et al. | How much energy autonomy can decentralised photovoltaic generation provide? A case study for Southern Germany | |
| CN107808233A (zh) | 现货市场环境下发电机组中长期成本效益测算方法 | |
| CN104252647B (zh) | 基于反距离权重插值法的用电负荷预测方法 | |
| CN112001551A (zh) | 一种基于大用户电量信息的地市电网售电量预测方法 | |
| Chen et al. | Reconsidering the smart metering data collection frequency for distribution state estimation | |
| JP2016213987A (ja) | 電力小売料金メニュー策定装置 | |
| Uppal et al. | Short term load forecasting through heat index biasing approach for smart grid sustainability | |
| JP2018156540A (ja) | 予測装置および予測方法 | |
| Pratt et al. | DSO+ T: Valuation Methodology and Economic Metrics (DSO+ T Study: Volume 4) | |
| CN116070781B (zh) | 电能计量设备需求预测方法、装置和计算机设备 | |
| CN117495429A (zh) | 一种预测电量的售电管理系统及预测电量方法 | |
| Ma et al. | Identification of Customer’s Power Supply Quality Demand and the Strategy of Value-Added Service of Premium Power Supply | |
| Thackray et al. | THE SEVERN-TRENT STUDIES OF INDUSTRIAL WATER USE. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |