预测客户满意度的方法和系统技术方案

本发明专利技术实施例提供预测客户满意度的方法和系统。其中，方法包括：获取客户的指标特征和主题特征，组成特征向量；将特征向量输入预设的分类器中，根据预设的分类器的输出结果，获取客户满意度的预测结果。本发明专利技术实施例提供的预测客户满意度的方法和系统，通过提取客户的指标特征和主题特征，组成特征向量，通过预设的分类器对特征向量进行分类，获取客户满意度的预测结果，能获得更准确的客户满意度的预测结果，提高预测客户满意度的准确率。

【技术实现步骤摘要】
预测客户满意度的方法和系统
本专利技术实施例涉及计算机
，尤其涉及预测客户满意度的方法和系统。
技术介绍
对于电信运营商及移动互联网来说，以客户为中心，关注客户需求、客户体验，提升客户满意度是重点工作内容。而对于客户来说，个性化、差异化、定制化的服务需求使得客户感知越发难以描述，包含主观性质的客户满意度难以定义。现有的获取客户满意度大多数采用人工调查的方式、费时费力，采用机器学习的方式进行客户满意度预测的方法较少。传统的通过人工调查获取客户满意度的方式包括市场调研、客户服务，响应周期长、服务客户范围局限，同时以“投诉”为抓手提升客户感知的传统方式，具有投诉响应时间长、投诉定位手段匮乏、投诉客户满意度低等弊端，已很难满足当前激烈的市场竞争需求和较高的业务时效性要求。基于机器学习的算法可以减少人力投入和响应周期，因此，建立一套基于机器学习的、精准的同时适用性强的预测客户满意度的体系成为集中性能管理的重要应用之一。常用的基于机器学习的预测客户满意度方法，是从客户通话质量以及信号强度两方面出发，用于预测的数据来源不够全面。同时，在模型选择方面，采用随机森林模型对客户满意度进行预测，但是随机森林模型对数据质量要求也相对较高，缺失值的处理成为一个问题。总体来说，直接利用机器学习方法预测客户满意度存在两大问题：其一，以往刻画客户满意度画像的特征主要简单的从O域(运营域)或B域(业务域)选取，没有系统性的选择特征，导致预测的结果不够准确；其二，数据质量差、数据类型多成为预测客户满意度的难题，增加了模型的训练困难，也造成预测的结果不够准确。
技术实现思路
针对现有技术存在的预测客户满意度的准确率不足的问题，本专利技术实施例提供预测客户满意度的方法和系统。根据本专利技术的第一方面，本专利技术实施例提供一种预测客户满意度的方法，包括：获取客户的指标特征和主题特征，组成特征向量；将所述特征向量输入预设的分类器中，根据所述预设的分类器的输出结果，获取客户满意度的预测结果；其中，所述预设的分类器是根据样本特征向量进行训练后获得的。根据本专利技术的第二方面，本专利技术实施例提供一种预测客户满意度的系统，包括：特征提取模块，用于获取客户的指标特征和主题特征，组成特征向量；满意度预测模块，用于将所述特征向量输入预设的分类器中，根据所述预设的分类器的输出结果，获取客户满意度的预测结果；其中，所述预设的分类器是根据样本特征向量进行训练后获得的。根据本专利技术的第三方面，本专利技术实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本专利技术实施例预测客户满意度的方法及其所有可选实施例的方法。根据本专利技术的第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本专利技术实施例预测客户满意度的方法及其所有可选实施例的方法。本专利技术实施例提供的预测客户满意度的方法和系统，通过提取客户的指标特征和主题特征，组成特征向量，通过预设的分类器对特征向量进行分类，获取客户满意度的预测结果，能获得更准确的客户满意度的预测结果，提高预测客户满意度的准确率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例预测客户满意度的方法的流程图；图2为本专利技术实施例预测客户满意度的方法的流程图；图3为本专利技术实施例预测客户满意度的系统的功能框图；图4为本专利技术实施例电子设备的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例预测客户满意度的方法的流程图。如图1所示，一种预测客户满意度的方法包括：步骤S101、获取客户的指标特征和主题特征，组成特征向量。需要说明的是，本专利技术实施例提供的预测客户满意度的方法，是根据采集的一段时间内与客户有关的数据，获取客户的特征，将上述一段时间作为带待预测的时间段，对该时间段的客户满意度进行预测。例如，对客户上周的满意度进行预测。该时间段可以为日、周、旬、月、季、半年、年等，本专利技术实施例对此不作具体限制。客户，也称用户，指使用使用通信网络，并通过通信网络使用的通信运用商提供的业务的用户。指标特征(index_feature)，为从待预测的时间段内的客户数据、业务数据和网络数据中提取的特征。客户数据，指与客户本身和客户使用的终端有关的数据。例如，包括客户的性别、使用的终端、投诉次数等。业务数据，指与客户通过通信网络使用的通信运用商提供的业务有关的数据。例如，包括通话总时长、总流量等。网络数据，指与通信运用商提供的通信网络有关的数据。例如，通话质量、信号强度等。通信网络，可以为2G/3G/4G/5G网络等，本专利技术对此不作具体限制。主题特征(topic_feature)，为从待预测的时间段内客户使用通信网络时输入的文本信息中提取的特征。当客户对通信运营商提供的通信网络或业务不满意时，很可能通过搜索的方式寻找令其满意的其他通信运营商、寻找发生类似情形的其他客户，或者通过即时通讯、社交媒体等途径向客服、朋友表示对通信运营商提供的通信网络或业务的不满；当客户对通信运营商提供的通信网络或业务很满意时，很可能通过即时通讯、社交媒体等途径向朋友推荐。对于上述情形，客户会输入文本信息，而输入的文本信息中常常出现“不满意”、“差”、“不好”、“网速快”、“贵”、“便宜”、“划算”等词语，这些词语在一定程度上反映了客户对通信运营商提供的通信网络或业务的满意程度。因此，可以根据客户使用通信网络时输入的文本信息，提取主题特征，作为用于预测客户满意度的特征的一部分，从而更全面地表征客户满意度。获取客户的指标特征和主题特征后，根据客户的指标特征index_feature和主题特征topic_feature，组成特征向量F。F＝index_feature+topic_feature步骤S102、将特征向量输入预设的分类器中，根据预设的分类器的输出结果，获取客户满意度的预测结果；其中，预设的分类器是根据样本特征向量进行训练后获得的。具体地，获得特征向量后，将特征向量输入预设的分类器中，通过预设的分类器对特征向量进行分类，获得该特征向量对应的客户满意度的分类标签，作为预设的分类器的输出结果，从而根据预设的分类器的输出结果，获取客户满意度的预测结果。根据需要，可以设置多类型的客户满意度的标签。例如：两个类型的标签为高满意度和低满意度，四个类型的标签为非常满意、满意、一般和不满意，五个类型的标签为非常满意、满意、一般、不满意和非常不满意。获得客户满意度的预测结果后，可以根据客户满意度的分类标签进行单标签画像本文档来自技高网...

【技术保护点】
1.一种预测客户满意度的方法，其特征在于，包括：获取客户的指标特征和主题特征，组成特征向量；将所述特征向量输入预设的分类器中，根据所述预设的分类器的输出结果，获取客户满意度的预测结果；其中，所述预设的分类器是根据样本特征向量进行训练后获得的。

【技术特征摘要】
1.一种预测客户满意度的方法，其特征在于，包括：获取客户的指标特征和主题特征，组成特征向量；将所述特征向量输入预设的分类器中，根据所述预设的分类器的输出结果，获取客户满意度的预测结果；其中，所述预设的分类器是根据样本特征向量进行训练后获得的。2.根据权利要求1所述的预测客户满意度的方法，其特征在于，所述预设的分类器为预设的XGBoost分类器。3.根据权利要求1所述的预测客户满意度的方法，其特征在于，获取客户的主题特征的具体步骤包括：统计客户搜索时输入的文本中预设的关键词出现的次数，获得实际词频向量；将实际词频向量输入预设的隐含狄利克雷分布模型，根据所述预设的隐含狄利克雷分布模型的输出结果，获取客户的主题特征；其中，所述预设的隐含狄利克雷分布模型是根据样本文本进行训练后获得的。4.根据权利要求3所述的预测客户满意度的方法，其特征在于，获得所述的预设的隐含狄利克雷分布模型的具体步骤包括：统计样本文本中预设的关键词出现的次数，获得样本词频向量；根据预设的主题数量和预设的最大迭代次数，对所述样本词频向量中的元素进行分类，确定每一主题包括的所述预设的关键词，获得所述的预设的隐含狄利克雷分布模型。5.根据权利要求4所述的预测客户满意度的方法，其特征在于，所述根据预设的主题数量和预设的最大迭代次数，对所述样本词频向量中的元素进行分类的具体步骤包括：根据所述预设的主题数量，...

【专利技术属性】
技术研发人员：袁天文，袁明明，
申请(专利权)人：北京天元创新科技有限公司，
类型：发明
国别省市：北京,11