[發明專利]一種用戶滿意度預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 201811459764.1
• 申請日: 2018-11-30
• 公開（公告）號: CN111260102A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 張坤雷
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30;G06K9/62
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種用戶滿意度預測方法，其特征在于，包括：

獲取目標用戶的用戶屬性信息、平臺為該目標用戶提供的當前服務信息、以及服務該目標用戶的客服的客服屬性信息；

將獲取的所述目標用戶的用戶屬性信息、平臺為該目標用戶提供的當前服務信息、以及服務該目標用戶的客服的客服屬性信息進行特征值化處理，確定該目標用戶對應的模型輸入特征；

將確定的模型輸入特征輸入預先訓練好的用戶滿意度預測模型，得到所述目標用戶的用戶滿意度預測結果。

2.根據權利要求1所述的方法，其特征在于，所述當前服務信息包括當前客服工單的記錄內容；所述確定該目標用戶對應的模型輸入特征，包括：

對獲取的所述當前客服工單的記錄內容進行文本內容劃分；

針對劃分出的每個文本內容，將該文本內容輸入至預先訓練的特征構建模型中，得到與每個文本內容相對應的特征向量；

將劃分出的所有文本內容對應的特征向量組成特征向量組，作為所述目標用戶對應的模型輸入特征。

3.根據權利要求1所述的方法，其特征在于，所述當前服務信息包括當前客服工單的屬性信息；其中，所述當前客服工單的屬性信息包括：是否是重復進線的工單和互動式語音應答IVR等待時長；

所述確定該目標用戶對應的模型輸入特征，包括：

將分別表征所述是否是重復進線的工單和所述IVR等待時長的特征值作為所述模型輸入特征。

4.根據權利要求1所述的方法，其特征在于，所述當前服務信息包括當前訂單信息；其中，所述當前訂單信息包括：是否自動判責和用戶等待時長；

所述確定該目標用戶對應的模型輸入特征，包括：

將分別表征所述是否自動判責和所述用戶等待時長的特征值作為所述模型輸入特征。

5.根據權利要求1所述的方法，其特征在于，還包括：

將確定的用戶滿意度預測結果與預設滿意度閾值進行對比，判斷所述目標用戶是否對服務該目標用戶的客服滿意，若不滿意，則向負責人員推送客戶不滿意提示信息。

6.根據權利要求5所述的方法，其特征在于，所述平臺為該目標用戶提供的當前服務信息包括客服工單的記錄內容；在確定所述目標用戶對服務的客服不滿意時，還包括：

確定所述客服工單對應的所述目標用戶最近一次的歷史訂單信息；

針對預設的多種不滿意原因類別，從確定的所述歷史訂單信息中，提取每種不滿意原因類別所關注的訂單信息；

將提取的每種不滿意原因類別所關注的訂單信息與該種不滿意原因類別所對應的不滿意訂單信息進行比對，確定所述客服工單是否符合該種不滿意原因類別。

7.根據權利要求5所述的方法，其特征在于，在確定所述目標用戶對服務該目標用戶的客服不滿意時，還包括：

將獲取的所述平臺為該目標用戶提供的當前服務信息進行特征值化處理，并將處理后的特征值輸入至預先訓練的不滿意分類模型中，得到所述目標用戶對客服的不滿意類型預測結果。

8.根據權利要求7所述的方法，其特征在于，根據如下步驟訓練所述不滿意分類模型：

獲取每個樣本用戶對應的歷史客服工單的記錄內容；

從獲取的歷史客服工單的記錄內容中，提取所述樣本用戶的不滿意標簽分類信息；

將所述歷史客服工單的記錄內容作為不滿意分類的影響因素，將所述不滿意標簽分類信息作為不滿意分類結果，訓練得到所述不滿意分類模型。

9.根據權利要求1至8任一項所述的方法，其特征在于，按照如下步驟訓練所述用戶滿意度預測模型：

獲取每個樣本用戶的用戶屬性信息、平臺為該樣本用戶提供的歷史服務信息、服務該樣本用戶的客服的客服屬性信息，以及該樣本用戶對于所述客服的滿意度打分信息；

將所述用戶屬性信息、所述歷史服務信息和所述客服屬性信息作為用戶滿意度影響因素，將所述滿意度打分信息作為用戶滿意度結果，訓練得到用戶滿意度預測模型。