由CTI论坛主办的2013中国客户联络与体验创新大会暨2013中国最佳呼叫中心颁奖典礼于2013年10月16至17日在广州隆重举行，此次大会的主题是“联络、服务、体验、分享”，重点探讨以移动互联、大数据、云计算及社交媒体等为代表的新一轮技术变革之下，中国客户联络与服务体验的创新理念、技术和知识。在16日上午的“客户联络创新技术高峰论坛”上，杭州远传通信技术有限公司产品总监李虎做主题发言。
图：杭州远传通信技术有限公司产品总监李虎
各位嘉宾大家上午好，在座有许多老朋友，很高兴能有这次机会一起交流讨论。今天我主要将我们在客户服务渠道分析领域一些研究成果跟大家做一些分享。
客户渠道包括各种各样的电子渠道，如最常用的IVR，还有网上营业厅、短厅、微信、微博等，活跃客户数不断地增加。电子渠道的运营一方面要不断提升客户的满意度，这是因为电子渠道是通过流程、界面和客户交互，我们需要优化这些流程和界面，使用户通过电子渠道更顺畅地得到他想要的服务。另一方面电子渠道相对的成本很低，我们如何更好地通过电子渠道进行分流降低服务成本，也是我们要解决的一个核心问题。我们可以看到一些大型运营商通过电子渠道提供服务的规模是非常庞大的，这样也为我们进行进一步的分析提供数据基础。我们要解决的问题是怎么去有效的获取这些数据，把这些数据转换为我们需要的知识，然后为我们的服务、营销提供支持。
我借助一些领先的运营商的发展规划来看一下客户渠道的发展趋势。主要表现为大数据、超细分、微营销。大数据更强调把这些数据关联起来，为后面的细分和营销提供数据支持。超细分更多是强调从客户不同的纬度进行分析，针对个性化客户提供个性化的服务。微营销在超细分基础上将服务渠道转为营销渠道，抓住触点营销的机会。所谓触点营销是指怎么样在适合的时机介入一些营销的手段，及时捕捉客户的需求。我们通过用户接触的信息把客户的需求热点把握住，通过客户偏好的渠道，我们在对应的渠道为特定的客户提供特定业务的营销。
电子渠道的客户行为分析包括三部分内容,第一部分是最基础一块，即怎么获得用户完整的信息，怎么把各个渠道的完整信息记录下来，这是需要我们思考的。比如大运营商的用户量非常大，我们怎样在获取完整业务信息的同时，尽量地压缩数据量，提升数据的存储和分析效率。这里还涉及到各个渠道信息的关联，比如一个用户在网上浏览了信息，然后拨打了IVR，如果IVR还没有解决问题他可能就会拨打人工，这样的话就要求我们把信息串联起来，这个也是大数据要解决的问题。
基于完整的用户数据，第二部分工作是怎样建立各个渠道的评价指标，能够把各个渠道的运营状况准确地刻画出来，这就涉及到评价指标体系的设计，包括渠道层面,每个业务层面，以及用户轨迹层面，一个系统化的指标体系能够完整地刻画整个渠道的运营状况。由于原始数据太庞大了，我们需要通过这些指标把特征性的数据抽取出来，支撑客户标签的设置，为后面的主题分析提供更好的支持。
基于指标体系, 第三部分工作是主题分析，可以根据业务关注的重点来设置我们的主题，比如各个渠道的用户体验分析、转人工分析、推广活动的营销效果分析等。基于这些业务主题建立对应的挖掘主题，通过各种各样的模型把知识呈现出来，为服务和营销提供实际的支撑。
下面重点介绍几个电子渠道分析专题。
承载业务的优化。电子渠道承载了各种各样的业务，这里涉及几个问题，包括渠道与业务的匹配，每个渠道都有它自己的属性，比如IVR语音交互，很长的业务它就不适合；像网站有丰富的视觉效果，比较适合做一些营销推广。我们需要在业务和渠道有一个很好的匹配。
业务层级和流程优化。在各个渠道也有一个层级优化的问题，比如你把哪些业务放在第一层，哪些放在第二层。业务流程本身需要有很多的优化空间，提高自助服务的有效率。比如说我们在IVR里面设置了很多业务，那些失败率高的业务需要重点分析优化。
调用接口分析。电子渠道与后台业务系统有很多交互，往往可能是这些交互的接口调用造成了业务办理不成功，我们可能会有几千个接口，怎么实时地找到这些接口发现其中的问题，是很细节的问题，但往往细节是魔鬼。我们需要把这些细节问题找出来，才能够使业务更好地运行。
客户满意度分析。我们可以将用户行为轨迹与客户满意度调查数据结合起来分析。对客户的满意度回访可以通过各种渠道包括短信、语音调查，怎么把满意度的信息和轨迹信息结合起来，发掘是什么业务导致他的满意度比较低，我们就能够发现出业务中存在的问题。
转人工分析。我们想尽量把用户留在电子渠道以降低服务成本。通过转人工的分析我们可以了解是什么原因造成转人工，发现系统中存在的问题。
业务关联分析。用户会同时访问多个业务，这种业务的关联性对优化我们的页面和菜单结构起到很大帮助，另外可以找到交叉营销的机会。
下面我就举两个简单的例子来说明分析模型是如何应用到客户服务渠道的。第一个是业务有效性分析模型。电子渠道中一天会产生十几个G的数据，通过这些数据可以提取出业务指标和节点指标，反映每个节点的流量情况和业务的运行状况。针对业务有效性，我们可以把业务办理结果分为成功、失败、放弃三类，再通过决策树模型找出影响业务办理的关键指标。最终的结果可以发现，有一些业务和这些指标的变化没有关系，它的失败率就一直很高，这是我们要重点分析监控的。有一些业务它的指标对成功率有显著影响，比如这些业务，它的平均按键量小于8的时候成功率就很低，这样我们可以发现哪些节点是造成业务没有办理成功的关键因素，我们就可以定位到这些问题关键节点，然后进行针对性的优化。
通过这个例子，我们讨论了对于半结构的数据怎么有效地进行存储和利用，业务指标和节点指标怎么设置，怎样通过模型分析找到影响业务有效性的因素，这样我们就可以有针对性发现存在的问题。其中的关键是怎么建立业务主题，怎么去组织数据然后通过模型发现我们想要获取的知识。
另外一个例子是业务序列规则。一般的关联分析，如购物篮分析，它的数据没有先后顺序，但在客户渠道中业务办理过程存在一个先后顺序。比如他先办什么业务后办什么业务最后办了什么业务，这里更强调序列规则。我们通过这种序列的规则发现他在办理过程中是什么情况导致某种我们特别关注的状况出现。
我们把原始的轨迹数据菜单结构等基础数据结合后，转化为每个用户的业务办理数据，可以看到每个人在一通电话里办理了哪些业务。比如说某个业务有没有办成功，有没有返回上一级，这些对我们的分析很有帮助。在示例的数据样本中，呼入量为10万，呼叫的客户数4万多，说明很多用户在重复拨打，为什么有这么多用户在重复拨打，这是我们要序列规则发掘的。把这些数据进行清洗，转化为序列化的购物篮数据，设置支持度和置信度指标，运用序列规则模型，我们就找到这些数据中强关联的规则。通过这些关联规则，我们可以深入了解我们感兴趣的客户行为，比如说我们想了解用户报修业务失败后会采取什么措施，用户在转人工之前会进行哪些活动等等，这些只是为我们更好的设置菜单结构，减少转人工提供帮助。
以上是我分享现在做的研究工作，谢谢大家！
