客户满意度的测评方法及系统技术方案

本发明专利技术涉及客户满意度的测评方法及系统。所述方法包括：根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；对所述指标数据集进行数据清洗；将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算目标变量对应的各个原因变量的测评值；综合所有原因变量的测评值得出客户满意度的测评结果。本发明专利技术能够对电力客户满意度进行全面有效测评。

【技术实现步骤摘要】

本专利技术涉及数据处理
，特别是涉及客户满意度的测评方法及客户满意度的测评系统。
技术介绍
随着信息技术的发展，电网公司在向客户提供电能产品的同时，也通过信息化技术向客户提供更便捷、更优质的服务，以赢得客户满意，从而实现电网公司的经营目标。然而目前电力服务客户满意度的获取的方式一般为：基于调查问卷统计客户满意度，或者通过各业务系统提供的服务打分系统；然而这两种方式都是事后的分析统计，对事前的测评预防能力和手段不足，不利于电网公司全方位的调整客户服务策略。
技术实现思路
基于此，本专利技术实施例提供客户满意度的测评方法及系统，能够对电力客户满意度进行全面有效测评。本专利技术一方面提供客户满意度的测评方法，包括：根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；对所述指标数据集进行数据清洗；将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算目标变量对应的各原因变量的测评值；综合所有原因变量的测评值得出客户满意度的测评结果；所述客户满意度测评模型为由多个结构变量构成的因果关系模型，以客户满意度为目标变量，且目标变量至少对应两个原因变量。本专利技术另一方面提供一种客户满意度的测评系统，包括：指标数据收集模块，根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；数据清洗模块，用于对所述指标数据集进行数据清洗；测评模块，用于将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算目标变量对应的各原因变量的测评值；综合所有原因变量的测评值得出客户满意度的测评结果；所述客户满意度测评模型为由多个结构变量构成的因果关系模型，以客户满意度为目标变量，且目标变量至少对应两个原因变量。上述技术方案，根据指标模型收集与客户满意度有关的指标数据，对收集的指标数据进行清洗，得到准确的测评基础；结合客户满意度测评模型，从客户体验的各个角度考虑，测评客户满意度。全面利用现有的电力服务渠道的信息，因此能够对电力客户满意度进行全面有效测评，并且有利于推动多服务渠道之间的互动。附图说明图1为一实施例的客户满意度的测评方法的示意性流程图；图2为一实施例的客户满意度评价指标体系的示例图；图3为一实施例的客户满意度测评模型的示例图；图4为又一实施例的客户满意度测评模型的示例图；图5为又一实施例的客户满意度评价指标体系的示例图；图6为一实施例的客户满意度的测评系统的示意性结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1为一实施例的客户满意度的测评方法的示意性流程图；如图1所示，本实施例中的客户满意度的测评方法包括步骤：S11，根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；客户满意度评价指标体系指的是用于测评客户满意度的指标库，包括多项评价指标，多项评价指标可分级组织，如图2所示；还可对多项评价指标进行分类，按分类进行组织。所述收集与客户满意度有关的指标数据具体是指收集各项评价指标对应的历史指标数据，同一评价指标对应的若干历史指标数据可按照各自对应的时间点进行区分记录。S12，对所述指标数据集进行数据清洗；数据清洗是对数据集进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。本实施例中，由于所述客户满意度评价指标体系包括多项评价指标，对应的，所述指标数据集中包括至少两类指标数据，例如：包括电力系统各业务系统的指标数据，以及预设的影响客户满意度的宏观变量指标数据。对原始指标数据集进行数据清洗的过程可包括：将各类指标数据的数据量除以其对应的月影响指数和周影响指数，得到各类指标数据的原始清洗参考基数；检测所述原始清洗参考基数中的异常基数，删除所述异常基数，得到各类指标数据的待用清洗参考基数；将各类指标数据的待用清洗参考基数分别乘以其对应的月影响指数和周影响指数，得到各类指标数据的清洗范围；根据所述清洗范围确定各类指标数据中的异常数据量，删除所述异常数据量或者对所述异常数据量进行修正。由于原始采集的指标数据没有考虑偶然因素对数据的影响，会干扰客户满意度测评的准确性。本实施例通过在数据收集过程中对收集到的各指标数据的历史数据量进行清洗，使测评结果更具参考与指导性。S13，将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算目标变量对应的各个原因变量的测评值；综合全部原因变量的测评值得出客户满意度的测评结果。其中，预设的客户满意度测评模型为由多个结构变量构成的因果关系模型，以客户满意度为目标变量，且该目标变量至少对应两个原因变量。在一优选实施方式中，为了对客户满意度进行分析及测评，通过对国内外经典的客户满意度指数模型进行对比研究，优选从客户感知的角度出发，结合电网公司的特点，参考美国的ACSI体系，建立了客户满意度指数模型(ACSI)。基于ACSI满意度理论，结合电网企业客户服务基本业务，提出“企业形象”、“客户对价值的感知”、“客户对质量的感知”、“客户预期”、“客户报怨”、“客户忠诚”六个原因变量，运用层次分析法和模糊商模型分析法来建立面向客户满意度的测评模型，以全面准确的测评客户满意度。在一优选实施方式中，客户满意度测评模型参考图3所示，其结构变量包括：企业形象、客户对价值的感知、客户对质量的感知、客户预期、客户满意度、客户报怨和客户忠诚。每个结构变量都包括一个乃至多个观察变量，而观测变量主要是通过收集数据和实际调查产生。其中，客户满意度为目标变量，企业形象、客户对价值的感知、客户对质量的感知、客户预期为所述目标变量的原因变量(也就是前提变量)，客户报怨和客户忠诚为所述目标变量的结果变量。在一优选实施方式中，在上述客户满意度测评模型的基础上，提供一种电力客户满意度指数(SCI)测评模型，参考图4所示，按照以上所述6个原因变量对应的客户满意度评价维度，将图2的客户满意度评价指标体系中的指标进行相应的划分，可得到图5所示的客户满意度评价指标体系。在一优选实施方式中，将清洗后的指标数据集输入预设的客户满意度测评模型，还需确定在所述客户满意度测评模型中各项指标数据对应的权重；进而根据各项指标数据对应的权重得出各个原因变量的测评值。优选的，确定在所述客户满意度测评模型中各项指标数据对应的权重的方式包括：对电力客户进行分类，通过回归分析法分别计算各类客户的各项指标数据的第一权重；对电力客户进行分类，通过模糊熵值法分别计算各类客户的各项指标数据的第二权重；进而根据所述第一权重、第二权重确定各类客户的各项指标数据的综合权重。由于综合运用了回归分析法和模糊熵值法来确定指标权重，相比单一指标权重确定方法，可以有效提高准确性和科学性。下面结合一具体示例对上述实施例的客户满意度的测评方法做进一步的说明。所述客户满意度的测评方法包括四个阶段，依次为：确定客户满意度评价指标体系、对指标数据进行数据清洗、客户满意度的测评和客户服务策略调整。下面分别对四个阶段进行具体说明。(一)确定客户满意度评价指标体系：历史电本文档来自技高网...

【技术保护点】
一种客户满意度的测评方法，其特征在于，包括：根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；对所述指标数据集进行数据清洗；将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算与目标变量对应的各原因变量的测评值；综合所有原因变量的测评值得出客户满意度的测评结果；其中，所述客户满意度测评模型为由多个结构变量构成的因果关系模型，以客户满意度为目标变量，该目标变量至少对应两个原因变量。

【技术特征摘要】
1.一种客户满意度的测评方法，其特征在于，包括：根据预设的客户满意度评价指标体系确定与客户满意度有关的评价指标，收集所述评价指标对应的指标数据，构建指标数据集；对所述指标数据集进行数据清洗；将清洗后的指标数据集输入预设的客户满意度测评模型，分别计算与目标变量对应的各原因变量的测评值；综合所有原因变量的测评值得出客户满意度的测评结果；其中，所述客户满意度测评模型为由多个结构变量构成的因果关系模型，以客户满意度为目标变量，该目标变量至少对应两个原因变量。2.根据权利要求1所述的客户满意度的测评方法，其特征在于，所述与客户满意度有关的评价指标包括至少两类指标，所述指标数据集中包括至少两类指标数据；对所述指标数据集进行数据清洗的步骤包括：设置所述指标数据集中各类指标数据的最小清洗粒度；根据最小清洗粒度、各类指标数据的数据量计算各类指标数据的月影响指数和周影响指数；将各类指标数据的数据量除以其对应的月影响指数和周影响指数，得到各类指标数据的原始清洗参考基数；检测所述原始清洗参考基数中的异常基数，删除所述异常基数，得到各类指标数据的待用清洗参考基数；将各类指标数据的待用清洗参考基数分别乘以对应的月影响指数和周影响指数，得到各类指标数据的清洗范围；根据所述清洗范围确定各类指标数据中的异常数据量，删除所述异常数据量或者对所述异常数据量进行修正。3.根据权利要求2所述的客户满意度的测评方法，其特征在于，所述指标数据集的指标至少包括：影响客户满意度的宏观变量指标数据以及电力系统各业务系统的业务指标数据；所述业务指标数据对应的最小清洗粒度小于宏观变量指标数据对应的最小清洗粒度。4.根据权利要求3所述的客户满意度的测评方法，其特征在于，所述业务指标数据包括：用电报装数据、用电检查数据、电能计量数据、故障抢修数据、呼叫中心服务数据、客服管理数据、供电质量数据和停送电服务数据；所述宏观变量指标数据包括地区政策数据、天气指数信息以及经济指数信息。5.根据权利要求1所述的客户满意度的测评方法，其特征在于，所述客户满意度测评模型的结构变量包括：企业形象、客户对价值的感知、客户对质量的感知、客户预...

【专利技术属性】
技术研发人员：赖宇阳，肖勇，隋兴嘉，钱斌，林伟斌，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司电网技术研究中心，
类型：发明
国别省市：广东;44