基于TRIZ理论升级投诉预测模型优化研究.docVIP

基于TRIZ理论升级投诉预测模型优化研究 　　摘 要：TRIZ（发明问题解决理论）是一套完整体系的创新理论，在工程技术领域得到了广泛应用，目前已逐步向其他领域渗透和扩展，应用范围越来越广。本研究基于TRIZ理论解决问题的流程，针对升级投诉预测模型准确率低的问题进行因果分析、功能分析以及矛盾分析，应用裁剪、矛盾矩阵、分离原理等创新工具对问题进行求解，得出一系列解决方案。 　　关键词：TRIZ理论；升级投诉；数学建模；预测 　　引言 　　随着运营商市场竞争的日益激烈，业务品类的不断丰富，客户投诉量也逐渐增多，成为困扰企业的一大难题。面对客户规模化的投诉，应当建立更加科学化系统管理机制，改善当前传统管理方式，避免客户投诉升级，提升客户满意率。为此，可通过对客户投诉数据进行深度的大数据分析和挖掘，基于多叉决策树构建升级投诉预测模型，对有升级倾向的投诉客户进行预判，提前安抚客户，从而有效降低升级投诉数量，提升客户在4G时代的满意度。但是在升级投诉预测模型构建完成后，其准确率较低，远无法满足应用需要。针对此问题，本研究利用TRIZ理论对其进行分析求解。 　　1 TRIZ理论简介 　　TRIZ意为发明问题解决理论，是由俄国发明家G.S.Altshuller和其同事经过50多年对数以百万计的高水平专利成果分析归纳总结，建立的一整套体系化的、实用的解决发明问题的创新理论方法体系。 　　TRIZ理论主要用于工程技术领域，但随着理论的发展和完善，逐步向企业管理、教育、政治、服务等非技术领域延伸。它能帮助我们找到正确的问题，克服思维定势，按照问题的本质进行分析，从而找到有效的解决方案。TRIZ理论解决问题的思路包括问题描述、问题分析、问题求解、方案评估及方案决策等步骤，如图1。 　　2 基于TRIZ理论的升级投诉预测模型优化研究 　　2.1 问题描述 　　利用TRIZ理论描述问题的八步对此问题进行描述。 　　定义技术系统的名称及其功能：本技术系统可定义为升级投诉预测系统，系统功能是预测有升级倾向的投诉客户。 　　完整描述系统的工作原理：观察过往历史升级投诉数据，提炼升级投诉客户的特征标签，对实时投诉数据进行预测，输出有升级投诉倾向的目标号码。 　　描述当前系统存在的主要问题：对投诉用户是否有升级倾向的预测准确率低。 　　描述主要缺点出现的情况：当投诉信息记录缺失、字段信息记录错误、手工填写文本字段繁杂、文本型数据过多时，模型预测准确率问题更明显。 　　类似问题的解决方案及存在的缺陷：?对类似问题，通常采用增加人工判断、改变参数等方法，但无法大幅度提高准确率。 　　明确要解决的问题：如何提高模型预测升级投诉用户的准确率。 　　对新技术系统的要求：准确地预测出有升级投诉倾向的用户。 　　技术系统IFR：圆满消除用户投诉，永不恶化升级。 　　2.2 问题分析 　　2.2.1 因果分析 　　影响一个模型的因素有模型输出端、模型本身以及模型输入端，通过因果分析发现影响升级投诉预测模型准确率低的因素主要是模型本身以及输出端即用于建模的数据。模型本身的影响主要包括参数设置准确率不足和正负样本比例不可控两方面。建模数据的影响一方面是数据源本身存在问题，比如数据分类字段过度、数值型数据过度、缺失数据以及噪声数据严重，另一方面是数据低耦合性问题，缺乏关键变量。 　　2.2.2 功能分析 　　升级投诉预测系统是指当客户进行投诉形成工单后，将投诉数据入库，利用多叉决策树模型预测出有升级倾向的投诉客户，并将客户信息推送至客户服务中心，提前安抚客户，防止投诉升级。系统的组件功能模型如图3。 　　2.3 问题求解 　　2.3.1 基于功能模型与裁剪的问题求解 　　通过功能模型分析得出了导致此模型准确率低的几个因素：缺失和噪声数据有害；分类字段和数值型数值过度影响；变量选择、参数设置、正负样本比例影响。根据裁剪原理，缺失和噪声数据是有害作用的组件，裁剪后可以最大限度改善系统。因此基于数据状况，对于缺失及噪声数据，可以采用忽略该条记录的处理方法。 　　2.3.2 基于技术矛盾与矛盾矩阵的问题求解 　　技术矛盾是指当改善系统中的某一参数时，恶化了系统中的另一参数。TRIZ总结了39个通用技术工程参数，借助这些参数可将一个具体问题转化为标准的TRIZ问题。TRIZ还总结了解决矛盾冲突的40个发明原理，将矛盾冲突与冲突解决原理组成一个39×39的矩阵，矩阵的纵轴表示可改善的参数，横轴表示引起恶化的参数，横纵轴交叉处的数字表示用来解决技术矛盾的发明原理的编号，这些发明原理指出了解决该技术矛盾的思路。这就是著名的矛盾矩阵。 　　根据因果分析，字段分类过度的原因之一是文本型数据过度，而模型对文本型数据处理能力差。如果减少文本型数据，虽能