The invention relates to the field of prediction of complaint tendency of arrears and outages, in particular to a prediction method of complaint tendency of arrears and outages based on entropy method. A complaint tendency prediction model based on the entropy method is constructed. The source data breadth table is obtained, and the final indicators and their values are taken as the input values of the complaint tendency prediction model. The final comprehensive score of each user after standardization is calculated according to the complaint tendency prediction model. If the final comprehensive score of the user is higher than the first threshold, the user will be judged to have complaint tendency. According to the entropy method to judge whether the user is a sensitive user, it can identify the characteristics and changing rules of customer complaints, predict the risk of customer complaints, effectively reduce the pressure of complaints, expand the depth of service, improve work efficiency and improve service level.
【技术实现步骤摘要】
一种基于熵值法的欠费停复电投诉倾向预测方法
本专利技术涉及欠费停复电投诉倾向预测领域,具体是涉及一种基于熵值法的欠费停复电投诉倾向预测方法。
技术介绍
客户是否投诉是反映客户关系的关键指标之一,能够体现客户的真实感受,当客户产生了投诉行为,公司就会处于被动响应的状态,降低了供电公司的服务质量,提高了投诉数量。传统主观判断认知客户模式的直观性差、精准度低、用时长,无法应对不断发展延伸的业务带来的人工话务强度增大、精准服务能力低下、对客户认知有待提升的情况,客户的服务成本高居不下,工作效率和服务水平亟待提升。
技术实现思路
为解决上述技术问题,本专利技术提供了一种基于熵值法的欠费停复电投诉倾向预测方法。该预测方法能够识别客户投诉特征及变化规律,预测客户投诉风险,有效减少投诉压力,拓展服务深度,提高工作效率和提升服务水平。为实现上述目的,本专利技术采用了以下技术方案:一种基于熵值法的欠费停复电投诉倾向预测方法,包括基于熵值法构建的投诉倾向预测模型;获取源数据宽表,将其包括的最终指标及其取值作为投诉倾向预测模型的输入值,根据投诉倾向预测模型计算各个用户标准化之后的最终综合得分,若用户的最终综合得分高于第一阈值,则判定该用户有投诉倾向。优选的,基于熵值法构建的投诉倾向预测模型的具体步骤如下:S20,建立最终指标数据矩阵A:其中,Xij为源数据宽表中的第i个用户的第j个最终指标的取值,i≤n,j≤m;n为用户总数;m为最终指标的总数。S21,对最终指标数据矩阵A中的Xij均进行非负数化处理,得到X′ij;S22,计算第i个用户的第j个最终指标的取值占所有用户第j个最终指标 ...
【技术保护点】
1.一种基于熵值法的欠费停复电投诉倾向预测方法,其特征在于:基于熵值法构建的投诉倾向预测模型;获取源数据宽表,将其包括的最终指标及其取值作为投诉倾向预测模型的输入值,根据投诉倾向预测模型计算各个用户标准化之后的最终综合得分,若用户的最终综合得分高于第一阈值,则判定该用户有投诉倾向。
【技术特征摘要】
1.一种基于熵值法的欠费停复电投诉倾向预测方法,其特征在于:基于熵值法构建的投诉倾向预测模型;获取源数据宽表,将其包括的最终指标及其取值作为投诉倾向预测模型的输入值,根据投诉倾向预测模型计算各个用户标准化之后的最终综合得分,若用户的最终综合得分高于第一阈值,则判定该用户有投诉倾向。2.如权利要求1所述的投诉倾向预测方法,其特征在于,基于熵值法构建的投诉倾向预测模型的具体步骤如下:S20,建立最终指标数据矩阵A:其中,Xij为源数据宽表中的第i个用户的第j个最终指标的取值,i≤n,j≤m;n为用户总数;m为最终指标的总数;S21,对最终指标数据矩阵A中的Xij均进行非负数化处理,得到X′ij;S22,计算第i个用户的第j个最终指标的取值与所有用户第j个最终指标的取值的比值Pij:S23,计算每个最终指标的熵值ej:其中,S24,计算每个最终指标的差异系数gj:gj=1-ejj=1,2,…,mS25,计算每个最终指标的权重Wj:S26,计算每个用户的综合得分Si:其中,为第j个最终指标的标准化取值;S27,计算各个用户标准化之后的最终综合得分其中,max(Si)为所有用户的综合得分中的最大值。3.如权利要求2所述的投诉倾向预测方法,其特征在于,步骤S21中的对最终指标数据矩阵A中的Xij均进行非负数化处理,得到非负数化处理之后的Xi′j,具体步骤如下:对于Xij越大,客户越容易发生投诉行为,Xij的非负数化处理的公式为:对于Xij越大,客户越不容易发生投诉行为,Xij的非负数化处理的公式为:其中,max(X1j,X2j,…,Xnj)为X1j,X2j,…,X2j中的最大值;min(X1j,X2j,…,Xnj)为X1j,X2j,…,X2j中的最小值。4.如权利要求1所述的预测方法,其特征在于,获取源数据宽表的具体步骤如下:S41,获取多个工单主表以及客户计量点表和计量点关系表,关联多个工单主表、客户计量点表和计量点关系表,生成原始数据宽表,原始数据宽表包括多个原始指标及其取值;S42,对原始数据宽表中的原始指标进行处理,获得源数据宽表,源数据宽表包括多个最终指标及其取值。5.如权利要求4所述的预测方法,其特征在于,步骤S41的具体步骤如下:S41...
【专利技术属性】
技术研发人员:刘辉舟,欧阳昱,张波,周开保,金备,左松林,徐晓耘,叶磊,陈伟,倪妍妍,王峰,唐亮,尤佳,赵骞,刘单华,
申请(专利权)人:国网安徽省电力有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。