大家好，我是宽仔~点击蓝字，关注我了解更多···
来自：数字科技事业部
前言
在现代社会中，电力已成为人们生活中不可或缺的一部分。无论是家庭日常生活还是企业的生产运营，稳定的电力供应都是其正常运作的基础。作为电力供应的守护者，我们深知提供优质供电服务的重要性。因此，通过对95598客户服务热线的投诉数据进行深入分析，我们可以更有效地监测客户投诉工单的变化趋势，探究投诉的根本原因，并据此采取措施以降低工单数量，从而更好地满足客户诉求。
项目开展思路
基于客户视角，利用自然语言文本解析、相关性分析、时序分析以及词云分析等大数据分析技术，构建工单解析模型，从业务时空分布、情绪特征量化、投诉工单关联三个维度进行分析。
根据诉求分析结果，进行问题溯源，从服务规范及供电质量两个角度出发，定位诉求问题原因。专题挖掘则根据监测分析中热点诉求频繁停电问题，展开专项挖掘分析，定位频繁停电投诉影响因素。
项目开展方法
核心方法1：业务时空分布
通过编写脚本调用地图AP1，将工单地址信息转化为经纬度值，绘制工单分布散点图。
梳理工单地址对不同层级地区的描述用词，如村庄层级的村、小区、组等，基于各层地址用词，通过文本匹配技术，取出各层地址文本值，实现地址分词，基于分词结果完成各层级地址的统计分析。
核心方法2：情绪特征量化
情绪特征量化模型主要用于对工单受理内容进行情绪识别，并进行量化处理。主要包含4个流程，分别为数据预处理、相关词库构建、文本分词处理、情绪特征评分。
核心方法3：投诉工单关联
基于客户编号，筛选出停电投诉用户关联客户信息档案，并通过客户信息档案关联停电台区，得到台区发生停电且产生停电投诉客户，针对这部分用户从停电时长、停电次数、停电转化投诉时长入手，分析用户发起停电投诉特征。
项目成果
客户行为分析-客户情感分析
借助python等工具对工单进行文本处理，提取工单内容中的客户投诉倾向标签。分别计算出各类工单中带有投诉倾向情感工单的数量，并分析其与投诉转化之间关系。
客户诉求特征分析-客户诉求转化分析
针对部分客户在投诉前产生过其他工单现象展开分析。以主叫号码为关联字段将投诉工单与其他几类工单进行关联，找出在产生投诉前7天内产生过其他诉求工单，关注该类投诉诉求来源及地区分布。
项目价值
-
根据用户画像，进行差异化营销，提高营业收入
-
对欠费用户进行提前识别，降低坏账率
-
对投诉进行有效预测，提高服务质量
结语
通过本文的探讨，我们深刻认识到供电服务品质的提升对于满足客户用电诉求的重要性。展望未来，我们将继续秉承“以客户为中心”的服务理念，不断探索新的技术和方法来提高供电服务品质。进一步利用大数据和人工智能技术，精准识别客户需求，预测服务趋势，实现更高效的服务响应。持续优化客户服务流程，提供便捷的在线服务平台和个性化的服务方案，增强客户满意度。
保障客户用电诉求、提升供电服务品质是我们永恒的主题。我们坚信，通过不懈的努力和创新，定能为广大用户提供更加稳定、可靠、高效的电力服务，共创美好明天。
“宽”是“开阔豁达”，海纳百川有容乃大；
“窄”是“精进细微”，求真务实奋发有为。
您好，这里是宽仔之家，致力于打造一个宽仔们持续充电学习的分享平台。
