方案概述

本方案主要包含如下幾部分：

數(shù)據(jù)接入，加工，結(jié)構(gòu)化處理，融合，存儲及分析；

投訴信息提?。ú块T，問題，原因）、類型分類等；

投訴統(tǒng)計分析：客戶、部門、產(chǎn)品、地區(qū)、時間等；

系統(tǒng)管理：模型管理、自助報表管理等。

方案概述
方案優(yōu)勢
異常投訴數(shù)據(jù)監(jiān)控
異常投訴數(shù)據(jù)監(jiān)控

依托于銀行多年積累的海量數(shù)據(jù)，引入數(shù)理統(tǒng)計的方法，對預(yù)警指標的閾值實現(xiàn)自適應(yīng)的自動化設(shè)置。

投訴原因排查
投訴原因排查

結(jié)合行內(nèi)的基礎(chǔ)數(shù)據(jù)及加工統(tǒng)計數(shù)據(jù)，采用特定的數(shù)理統(tǒng)計方法進行原因排查，最終根據(jù)定位的問題制定優(yōu)改計劃。

基于BERT的特征處理構(gòu)建中文分類模型
基于BERT的特征處理構(gòu)建中文分類模型

采用通過海量中文數(shù)據(jù)預(yù)訓(xùn)練好的Google最新發(fā)布大規(guī)模模型BERT，極大提升投訴分類的準確率。

對相關(guān)投訴內(nèi)容進行聚類
對相關(guān)投訴內(nèi)容進行聚類

結(jié)合LDA主題生成模型和文本聚類算法，對相關(guān)投訴內(nèi)容進行匯總統(tǒng)計，方便快速查看相同訴求和用戶反饋的問題集中度。

準確提取投訴文本關(guān)鍵詞/屬性信息
準確提取投訴文本關(guān)鍵詞/屬性信息

結(jié)合tf-idf和textRank對文本提及的關(guān)鍵詞/屬性詞進行提取，再通過文本關(guān)聯(lián)規(guī)則和詞向量進行關(guān)聯(lián)統(tǒng)計分析，并可通過TOP關(guān)鍵詞排序、關(guān)聯(lián)關(guān)鍵詞快速識別當前投訴的熱點，關(guān)注并快速提出解決方法。

按業(yè)務(wù)處理流轉(zhuǎn)需求多維度自動化分類
按業(yè)務(wù)處理流轉(zhuǎn)需求多維度自動化分類

通過詞向量和CNN模型構(gòu)建文本分類模型，實現(xiàn)對投訴單的快速自動分類。

按業(yè)務(wù)需求內(nèi)容提取投訴關(guān)鍵結(jié)構(gòu)信息
按業(yè)務(wù)需求內(nèi)容提取投訴關(guān)鍵結(jié)構(gòu)信息

通過biLSTM-CRF構(gòu)建結(jié)構(gòu)的序列標注，實現(xiàn)對關(guān)鍵字段信息的結(jié)構(gòu)化抽取。

有效糾正投訴過程中的業(yè)務(wù)信息
有效糾正投訴過程中的業(yè)務(wù)信息

結(jié)合客戶場景的業(yè)務(wù)詞匯訓(xùn)練新的語言模型，結(jié)合拼音識別、匹配算法和語言模型進行文本糾錯，還原投訴文本信息中對業(yè)務(wù)專業(yè)詞匯的錯誤判斷。

應(yīng)用場景
接口調(diào)用
接口調(diào)用

通過系統(tǒng)接口管理實現(xiàn)模型，數(shù)據(jù)，服務(wù)及調(diào)度的接口規(guī)范管理。

自助報表
自助報表

通過平臺實現(xiàn)自助報表管理，提供各種報表模板。

知識庫管理
知識庫管理

通過平臺實現(xiàn)知識庫管理，完成銀行知識的周期更新，提升NLP的性能。

分析系統(tǒng)
分析系統(tǒng)

系統(tǒng)對外提供數(shù)據(jù)及報表服務(wù)，系統(tǒng)包含數(shù)據(jù)存儲、加工、整合等。

客戶價值
客戶價值

  • 與銀行現(xiàn)有客服中心系統(tǒng)進行無縫對接，實現(xiàn)投訴的流轉(zhuǎn)。

  • 滿足銀監(jiān)會下發(fā)的文件的建設(shè)要求，實現(xiàn)與監(jiān)管系統(tǒng)的對接。

  • 完整收錄來源于各渠道的投訴信息。?提高投訴處理效率和服務(wù)質(zhì)量。

  • 提升客戶滿意度。


客戶案例

  • 客服電話投訴平臺
某股份制商業(yè)銀行—客服電話投訴分析平臺

某股份制商業(yè)銀行—客服電話投訴分析平臺


關(guān)于產(chǎn)品和方案的更多咨詢，請聯(lián)系我們專業(yè)的售前服務(wù)團隊