[發明專利]一種在線售前客服效果評價方法

在審

• 申請號: 202010016769.8
• 申請日: 2020-01-08
• 公開（公告）號: CN111221953A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 李莉;戚文敏;黃駿;鄒葦;吳苛;陸嘉毅
• 申請（專利權）人: 南京新貝金服科技有限公司;南京理工大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06Q10/06;G06Q30/02;G06F16/951
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳建和

1.一種在線售前客服效果評價方法，其特征在于，包括如下步驟：

步驟1.基于電子商務網站企業數據庫收集原始數據，所述原始數據包括平臺用戶的注冊信息數據、用戶訪問行為日志數據、購買記錄數據與客服記錄數據；

步驟2.對原始數據進行預處理，所述預處理包括清理、用戶識別與會話切分，從而獲得基礎數據集；

步驟3.在集成后的基礎數據集上構建用于分析的特征指標，所述特征指標的類目包括用戶基本屬性特征、訪問行為特征、購買行為特征與客服特征；

步驟4.使用客服記錄數據中的用戶滿意度作為客服效果評價指標，構建客服效果模型，估計模型參數，計算客服效果；

步驟5.基于客服效果模型參數，對客服效果進行評價。

2.根據權利要求1所述的一種在線售前客服效果評價方法，其特征在于，所述步驟1中，具體包括：

所述步驟1中，具體包括：

所述用戶的注冊信息數據包括用戶性別、年齡、地區、積分數和審核備注字段；所述用戶訪問行為日志數據記錄并存儲在網絡日志數據庫，包括點擊的時間、用戶點擊時的網絡IP地址、用戶的來源網頁和用戶的訪問請求網頁，對于有客服使用記錄的用戶，提取用戶自注冊起到首次咨詢客服的用戶訪問日志數據，對于沒有客服使用記錄的用戶，提取用戶自注冊起至今的用戶訪問日志數據；所述購買記錄數據包括購買時間、商品ID、商品價格、優惠價格、商品類別；從客服記錄數據中提取預設的一段時間內完整的客服記錄，所述客服記錄包括消息ID、會話ID、消息時間、客服消息記錄、發送人ID、接收人ID、消息流向，所述客服消息記錄以LOB型數據存儲，在處理時轉換為varchar型數據。

3.根據權利要求2所述的一種在線售前客服效果評價方法，其特征在于，所述步驟2中，對原始數據進行預處理具體包括：

步驟2-1.數據清洗，具體為：

步驟2-1-1.在用戶的注冊信息數據中，通過用戶出生日期計算用戶年齡，通過用戶注冊時間計算其注冊時長，在用戶注冊信息數據中通過審核備注字段剔除測試人員與未錄入指定注冊信息的人員的數據，所述指定注冊信息包括用戶出生日期與電話號碼；

步驟2-1-2.刪除無關的字段和無關的數據記錄；所述無關的字段是指在用戶訪問行為日志數據中除用戶IP、cookies、用戶代理、訪問日期、訪問時間、訪問來源地址和訪問請求地址以外的其他字段；所述無關的數據記錄包括網站內部測試賬號產生的數據記錄、用戶注冊信息數據中非用戶記錄的數據以及用戶訪問行為日志數據中的爬蟲數據、圖片視頻請求數據和異常訪問數據，通過用戶訪問IP判斷其所在區域；

步驟2-1-3.在購買記錄數據中的用戶購買記錄中，只保留有效購買訂單的用戶，刪除客服記錄數據中的客服廣告數據、異常訂單記錄與企業批量購買的大宗訂單記錄；

步驟2-1-4.在客服記錄數據中，對客服數據進行主題挖掘，具體為：根據會話主題將客服分為售前客服記錄數據與售后客服記錄數據兩類，刪除售后客服記錄數據，僅提取售前客服記錄數據：首先對文檔進行會話切分、分詞處理并去除停用詞與特殊詞匯，將短文本的對話信息轉化為符合模型要求的詞向量表現形式，然后進行特征選擇，所述特征選擇包括名詞短語提取、高頻詞提取、外部數據集引入與信息熵過濾，特征選擇后代入主題挖掘模型提取每段客服對話的主題，刪除客服文本中涉及售后服務部分主題的對話記錄，所述售后服務部分主題的對話記錄包括主題為“理賠”、“賠付”、“發票”、“退?！?、“退款”、“保單號”的記錄；

步驟2-1-5.對所收集的數據進行無量綱化處理，得到標準化參數數據；

步驟2-2.用戶識別，具體為：

步驟2-2-1.將數據清洗后的用戶原始數據整理成以用戶唯一標示身份為維度；企業數據庫中，用戶注冊信息數據與購買記錄數據以用戶ID為單位存儲；用戶訪問行為日志數據以cookie、IP地址為單位存儲；對于用戶訪問行為日志數據,提取用戶的用戶ID、用戶姓名、用戶訪問時間、用戶訪問模塊URL后，通過網絡日志數據中的cookies字段來區分不同的用戶，若cookie為空值，則用IP地址區分用戶；

步驟2-2-2.通過用戶ID和cookie或IP地址之間的對應關系將上述數據整合，統一按用戶ID存儲，在此過程中過濾重復用戶，即使用同一IP地址的用戶，結合用戶代理字段值區分用戶，完成用戶識別，生成用戶的基本數據寬表，將數據集通過計算集成為衡量用戶價值的變量，所述衡量用戶價值的變量包括用戶在整體網站的訪問頻率、單一網頁的訪問頻率和各類商品的消費頻率；

步驟2-3.會話切分具體為：使用日志數據中的時間戳對用戶點擊流進行會話切分，將同一Cookie離開半小時內再進入的訪問記錄算作同一個會話。