数据挖掘技术挖掘出客户的真实致电需求
客户世界|万平|2012-11-30
随着各家客服中心规模的扩大、业务的增多、服务的加深，一个原本简单的问题现在慢慢摆在各家客服中心面前，成为一个非常现实的难题，这就是电话量日益增加，每天需承接成千上万甚至几十万的话务量，可客户到底为何致电却很难真正摸清。而在日常的运营管理中要提升客户体验，就需要使得服务能有的放矢，进而需要准确把握客户的致电需求。准确把握住了业务需求的规律、周期和原因，就能从业务需求的角度提前做好人员培训和人力安排，从业务需求的深层次原因反思流程优化和产品完善。
针对于话务量大、业务面广、而需求不明的情况，很多客服中心都根据自己的实际情况进行了长足的探索和创新：
（1）要求员工逐一实时记载服务的电话内容并分析客户需求；
（2）拓展IVR功能，细分IVR进线渠道，不同需求点选不同功能按键进入人工；
（3）系统自动记载服务专员的操作轨迹；
（4）购买或开发功能前沿的录音分析软件，进行语音语义分析。
当然，这几种方式没有绝对的谁优谁劣，都会各有专长和不足：第一种方式最为真实准确，但相当耗费人力和挤占资源；第二种方式尽管看似无需人工参与，但IVR过于复杂，会增加客户进线时长，降低客户体验；第三种方式能有效规避前两种方式的不足，但也会夹杂服务专员的一些个人习惯和流程干扰；第四种看似很合理，但是技术的实现难度较高、成本较大。笔者曾经服务的客服中心是选择第三种方式作为统计客户致电需求的手段，也正是在在这种条件下，作者探索将数据挖掘技术的相关模型引入分析，对于企业准确把握客户致电需求、优化服务流程、完善业务产品、提升服务品质起到了较好的决策支持作用。时至今日特落笔成文，愿从分析方法的角度与同业好友交流。
一、客服代表操作轨迹数据结构特征
客服代表操作轨迹是客服代表在服务客户的过程中根据客户的实际需求而进行的查询、交易的操作过程，系统自动记录服务过程中的操作轨迹，既能客观地记录客服代表的工作过程和主要操作内容，还能在很大程度上较为真实地反映客户的致电需求，尤其是省去了客服代表手工记录的过程，最大程度地缩短了通话时长，节约了人力成本。
从其数据结构来看，一个客户代表一个观测，而一个观测对应多项操作业务。这些操作流程中的业务组合便是基于客服代表为解答客户的需求而做的一系列操作，这些业务操作轨迹的组合既可能是客户的致电复杂需求所致，也可能是服务流程要求所致，还可能是客服代表的操作习惯所致。因此传统的频次比较无法满足对真实业务需求的分析，针对这种特殊的数据结构，我们尝试用数据挖掘的“购物篮”分析方法来挖掘其内在的真实需求。
二、“购物篮”分析方法简介
“购物篮”分析方法即关联规则挖掘，它是数据挖掘技术中主要的探索性挖掘技术之一，经典案例是美国沃尔玛超市的“啤酒和尿布”。它可分为三种形式，即：（1）简单关联：“啤酒和尿布”的关联是简单的表层现象，没有明显的因与果的关系；（2）因果关联：具有逻辑因果的关联；（3）时序关联：更多的是基于时间序列之间的关联，用于研究几支股票之间的涨幅关系，比较见效。
关联规则具有如下两个重要的指标：支持度: P(A∪B)，即A和B这两个项集在事务集D中同时出现的概率。置信度: P(B|A)，即在出现项集A的事务集D中项集B也同时出现的概率。同时满足最小支持度阈值和最小置信度阈值的规则称为强规则。给定一个事务集D，挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则，也就是产生强规则的问题。
三、数据挖掘结果分析举例
1、挖掘“对账单查询”繁荣背后的原因
（1）从持续较长时间的单一的操作节点统计来看，排在前面的TOP5业务永远都是已生成的对账单查询、未生成的对账单查询、账户层的欠款查询、客户层信用额度查询、客户层的账户信息查询等。在没有想到关联规则挖掘这一技术之前，这个问题一直困扰着我们：对账单分明会在特定时期通过电子邮件、短信、信件的方式告之客户，为什么每天会有这么多来电需要客服代表查询其对账单？而且自助设备、网银、手机银行等诸多渠道都会详细地列出这一信息，为何客户对电话银行渠道情有独钟。在没有找到答案之前，为了解决这一问题，当时课题组尝试了很多办法，比如调整对账单的内容或格式、丰富PUSH短信功能、开发网信、调整对账单短信的发送时间等等，然而对其排名的改变完全没有效果。
（2）通过“购物篮分析”挖掘发现，隐藏在繁荣背后的主要原因原来就是业务关联、流程关联导致的。从数据挖掘结果可以看到，有近20项的实际业务与“已生成的对账单”关系密切，且大部规则的置信度在70%以上，尤其是还款历史查询、账户余额查询、客户账户查询等业务的账务查询类业务以及销户、账单分期、购汇还款、自动还款设置、账单计划等大量交易业务与对账单查询密切相关密切相关。比如客户致电申请账单分期业务时，客服代表按业务需求和流程安排需要对其消费情况、是否还款、可用额度等诸方面信息进行全面掌握，因此其置信度达到96%，这意味着账单分期业务近100%是需要对客户的对账单进行查看的。再如客户致电查询欠款，这也是需要对其已生成的对账单进行查询，再确定是否有部份还款，因此系统也就自动记录了客服代表的操作轨迹，已生成的对账单又被记录下来。
（3）通过关联分析再回推到对业务特点和流程要求进行反思，最终让我们有种跳出云雾看日出的感觉，因此针对TOP5的其他几项账务查询，我们改变思路，在关联规则挖掘结果的指导下设计一套问卷，请客服代表根据其实践经验认识进行打分，以应证挖掘出的正真原因。问卷内容包括（a）还款后的风险意识；（b）实时交易时的额度查询；（c）复杂业务办理条件下的查询（如分期、撤费等），通过数据挖掘技术和问卷调查让我们看到了虚假繁荣背后的真正原因，不再纠结于“已生成的对账单”。从原因来看，因为更多的是实时消费、交易、还款带来的电话，这为后期提升服务质量的着力点找到了有力的证据和明确的方向。
2、挖掘“客户层信用额度查询”背后的原因
在对单一业务节点进行分析时，我们也发现TOP5中有“客户层信用额度查询”。在很多银行的业务规则中对于客户层的信用额度有这么一个规定：客户无论有多少张信用卡，其额度将是共享的。既是共享，客户为何要屡屡查询自己的信用额度呢？通过“购物篮分析”，我们发现一个非常深刻的事实，客户申请额度调整才是其真正的目的。为此，我们的着力点不再是如何满足客户的额度查询需求，而是集中精力解决客户的额度调整需求。如何能在第一时间挖掘出客户的调额需求，并主动为之调高额度以解其燃眉之急，同时又不发生风险问题等等，这些都是后期工作的重心和优质服务突破点。
3、寻找“单一需求”业务
为了更形象地展示业务节点之间的这种网络关系，我们试图绘制一张关于客服代表操作轨迹之间的网络图。从图3中可以看到业务节点之间错综复杂的关系，但大致可以分为两大群体和一个单独的节点。两大群体莫过于对于卡片账户层或是客户层的查询和交易，这并没有什么特别值得注意的。引起我们关注的是这个独立的“申请进度查询”，之所以这项业务独立，主要是因为其业务处于信用卡生命周期的申请阶段，因此没有账户的查询和交易。
针对于这种情况，我们将其归为“单一需求”业务。这样的业务在“购物篮分析”中是找不到的规则的，但这样的业务量会随着客户的快速增长而增加，因此通过对轨迹组合的简单排序、网络分析等方式将其寻找出来并进一步挖掘其来电的规律和模式，并提出解决策略。针对这种“单一需求”，我们的策略是“单一业务，简捷引导”，通过在IVR菜单中快速引导，自助查询，既提高了IVR的使用效率，也有效地释放了人力资源。
四、启示
在特定的数据结构条件下通过数据挖掘技术的“购物篮分析”的探索性挖掘，我们逐一深入地认识到了客户致电的深层次原因：1、基于客户交易发起的：客户消费、支付、取现等直接带来或衍生的（调额、还款、分期）电话，这些是可以通过对客户的教育培训和引导提前规避的，尽管很难做到，但仍然是提升客户体验需不懈努力的方向；2、基于银行运营发起的：银行发送短信、活动、公告、通知、外呼等带来的，是可以通过内部流程优化得到避免的；3、基于流程设计发起的：产品生命周期：申请、进度查询、激活、销户等，可以通过客户引导、产品优化和流程再造显著提升效率的。
本文刊载于《客户世界》2012年10月刊；作者为银行商务智能分析师。
转载请注明来源：数据挖掘技术挖掘出客户的真实致电需求
客户世界
这家伙很懒，什么都没写！
噢！评论已关闭。