一种对客户投诉进行预警的方法及装置与流程

技术特征：
1.一种对客户投诉进行预警的方法，其特征在于，包括：获取待处理的指标数据集；所述待处理的指标数据集中包括至少一个用户对应的指标数据；基于待处理的指标数据集和预先训练的目标用户的识别模型，预测可能发生投诉的目标用户；所述目标用户识别模型是基于第一样本数据集对预设的第一机器学习模型进行训练后得到的；所述第一样本数据集包括：投诉用户的指标数据和非投诉用户的指标数据；对所述目标用户进行分析，确定所述目标用户的投诉原因。2.根据权利要求1所述的方法，其特征在于，所述待处理的指标数据是基于各个指标数据之间的相似程度和/或基于指标数据的重要程度对所述待处理的指标数据集中每个用户对应的指标数据进行筛选后得到的。3.根据权利要求2所述的方法，其特征在于，所述基于各个指标数据之间的相似程度对所述待处理的指标数据集中每个用户对应的指标数据进行筛选的过程，包括：计算待处理的指标数据集中每个用户对应的各个指标数据之间的pearson相关系数；针对每个用户，筛选出大于预设系数阈值的pearson相关系数，并将大于预设系数阈值的pearson相关系数表示为目标pearson相关系数；从所述目标pearson相关系数对应的多个指标数据中筛选出一个指标数据。4.根据权利要求2或3所述的方法，其特征在于，所述基于指标数据的重要程度对所述待处理的指标数据集中每个用户对应的指标数据进行筛选的过程，包括：针对待处理的指标数据集中的每个用户：分别计算该用户中每个指标相对于该用户所有指标的信息增益；所述指标的信息增益表征指标的重要程度；筛选出信息增益大于预设增益阈值的指标数据。5.根据权利要求1所述的方法，其特征在于，所述对所述目标用户进行分析，确定所述目标用户的投诉原因，包括：获取预先训练的原因分类模型；所述原因分类模型是基于第二样本数据集对预设的第二机器学习模型进行训练后得到的；所述第二样本数据集包括：标记有投诉原因的投诉用户的指标数据；基于所述原因分类模型和目标用户的指标数据，确定目标用户的投诉原因。6.根据权利要求1所述的方法，其特征在于，还包括：获取目标用户的投诉原因与解决措施的映射关系；基于目标用户的投诉原因与解决措施的映射关系，确定所述目标用户的投诉原因对应的解决措施。7.根据权利要求1所述的方法，其特征在于，还包括：获取目标用户识别模型输出结果的第一反馈信息；所述结果为可能发生投诉的目标用户基于第一反馈信息对目标用户进行标记，得到标记结果；所述标记结果包括：投诉用户或非投诉用户；基于标记后的目标用户对应的指标数据对目标用户识别模型进行优化。8.根据权利要求1所述的方法，其特征在于，还包括：
获取投诉原因分类模型输出的原因分类的第二反馈信息；基于所述第二反馈信息确定投诉原因是否需要更正；在投诉原因需要更正的情况下，获取更正后的投诉原因；；基于更正后的目标投诉原因对应的指标数据对投诉原因分类模型进行优化。9.一种对客户投诉进行预警的装置，其特征在于，包括：获取单元，用于获取待处理的指标数据集；所述待处理的指标数据集中包括至少一个用户对应的指标数据；识别单元，用于基于待处理的指标数据集和预先训练的目标用户的识别模型，预测可能发生投诉的目标用户；所述目标用户识别模型是基于第一样本数据集对预设的第一机器学习模型进行训练后得到的；所述第一样本数据集包括：投诉用户的指标数据和非投诉用户的指标数据；投诉原因分析单元，用于对所述目标用户进行分析，确定所述目标用户的投诉原因。10.根据权利要求9所述的装置，其特征在于，所述待处理的指标数据是基于各个指标数据之间的相似程度和/或基于指标数据的重要程度对所述待处理的指标数据集中每个用户对应的指标数据进行筛选后得到的。

技术总结
本发明公开了一种预测客户投诉的方法及装置，包括：获取待处理的指标数据集；该待处理的指标数据集包括至少一个用户对应的指标数据；基于待处理的指标数据集和预先训练的目标用户的识别模型，预测可能发生投诉的目标用户；该目标用户识别模型是基于第一样本数据集对预设的第一机器学习模型进行训练后得到的；该第一样本数据集包括：投诉用户的指标数据和非投诉用户的指标数据；对该目标用户进行分析，确定目标用户的投诉原因。由此，不仅实现了对可能发生投诉的目标用户的预测，并且还实现了对目标用户可能的投诉原因的预测。这中情况下，运维人员能够尽早的对可能出现的问题进行预警，从而降低客户的投诉量，提升客户满意度。提升客户满意度。提升客户满意度。


技术研发人员：丁建兵 蒋炜
受保护的技术使用者：亚信科技（中国）有限公司
技术研发日：2020.04.23
技术公布日：2021/11/14