[發明專利]一種供電服務客戶投訴風險等級識別方法

在審

• 申請號: 202110761379.8
• 申請日: 2021-07-06
• 公開（公告）號: CN113469536A
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 劉文虎;暴海峰;李春平
• 申請（專利權）人: 云南電網有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/00;G06Q30/02;G06Q50/06;G06N20/10;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華際知識產權代理有限公司 11676
• 代理人: 顏翠萍

1.一種供電服務客戶投訴風險等級識別方法，其特征在于：包括以下步驟：

S1.建立業務客戶投訴預測指標體系

分別按照停電處置、電量電費及電壓質量的業務場景下客戶經歷的流程收集數據形成指標，然后通過客戶分群模型來分析典型投訴客戶特征，構建停電處置、電量電費及電壓質量的客戶投訴預測指標體系，通過客戶投訴預測指標體系找到典型特征后，將具備典型特征的客戶及不具備典型特征的客戶分別作為正、負類樣本，并按照投訴預測指標體系形成訓練數據。

S2.使用過采樣SMOTE算法擴充數據

通過過采樣SMOTE算法對步驟S1獲取的訓練數據中的少數投訴樣本進行分析，并根據少數類樣本人工合成新樣本添加到步驟S1中獲取的訓練數據集中，平衡步驟S1訓練數據中投訴樣本與非投訴樣本的數量差異。

S3.采用機器學習算法構建預測模型

利用機器學習算法計算步驟S2獲得的訓練數據，構建出初步典型投訴客戶識別模型，并對初步預測模型的精度進行評估測試，即通過機器學習模型來量化各類潛在影響因素與客戶投訴之間的關系。

S4.獲得模型精度

重復上述S2～S3步驟若干次直至典型投訴客戶預測模型的精度符合事先設定的要求值，得到最終典型投訴客戶預測模型。

S5.識別潛在投訴客戶

在完成典型投訴客戶識別模型構建后，將步驟S1數據庫中未進行投訴的客戶的數據輸入到S4中獲得的最終典型投訴客戶識別模型中，識別出潛在的投訴客戶，并將潛在的投訴客戶打上標簽，最終整理形成潛在投訴客戶清單，同時根據典型投訴客戶特征分析，了解投訴客戶的投訴原因，以制定投訴預防策略。

2.根據權利要求1所述的一種供電服務客戶投訴風險等級識別方法，其特征在于：所述SMOTE算法的模擬合成新樣本的包括以下步驟：

a.首先采樣最鄰近算法，計算出每個少數類樣本的若干個近鄰；

b.再從若干個近鄰中隨機挑選若干個樣本進行隨機線性插值，構造新的少數類樣本；

c.最后將新樣本與原數據合成，產生新的樣本訓練集。

3.根據權利要求1所述的一種供電服務客戶投訴風險等級識別方法，其特征在于：所述機器學習算法構建典型投訴客戶識別模型的通過計算精確率或召回率來評估模型的精度。

4.根據權利要求1所述的一種供電服務客戶投訴風險等級識別方法，其特征在于：所述機器學習采用支持向量機算法或樸素貝葉斯算法。

5.根據權利要求1所述的一種供電服務客戶投訴風險等級識別方法，其特征在于：所述S3中構建的模型包括BP神經網絡模型、隨機森林模型和SVM模型。