[发明专利]数据分析设备和方法

说明书

技术领域

本发明涉及数据分析领域，具体涉及一种应用于客户服务中心的数据分析设备和方法。

背景技术

电信、网店、银行、保险等多个行业都具有各自的客服中心。客服中心经常接收到客户对企业服务/产品的投诉及咨询，这些投诉/咨询往往是自然语言的形式，例如“如何开通GPRS？”、“我的GPRS上网怎么这么慢，你们也太过分了！”。

客服中心可以针对客户自然语言形式的投诉/咨询数据，挖掘出客户对服务/产品的意见。通过对客户的投诉/咨询数据的分析，可以帮助企业发现哪些客户对服务/产品感兴趣或不感兴趣，从而满足客户个性化需求，为客户提供更好的服务。

当前，已经存在一些相关的数据分析方法。其中一些方法可以从客户的投诉/咨询数据中分析出客户的显式需求(即，客户在问什么)。例如，从“GPRS还有流量，为什么还要扣费”中分析出“业务＝GPRS，问题＝扣费”。但是，当前的方法不能分析客户的隐含需求并基于分析结果提供进一步的个性化业务。另一些方法可以基于客户的购买历史/基本信息等结构化数据提供个性化业务，但不能基于客户的投诉/咨询数据提供个性化业务。

T.Nasukawa在IBM SYSTEMS JOURNAL发表的论文中提到了一种从客户的投诉/咨询数据中分析客户显式需求的方法，但不能分析客户的隐含需求并基于分析结果来提供个性化业务。

专利文献WO2002073331A2描述了一种从客户的投诉/咨询数据中分析客户显式需求的方法，但同样不能分析客户的隐含需求并基于分析结果来提供个性化业务。

专利文献US7536002B1描述了一种基于客户的账户/行为数据来进行个性化业务的方法，但不能基于客户的投诉/咨询数据来提供个性化业务。

因此，存在对来自客户的投诉/咨询数据进行分析以获取用户的隐含需求、并提供个性化业务的需求。

发明内容

为了解决上述问题，本发明提出了一种对客户的投诉/咨询数据进行分析以获得客户的隐含需求，并可以提供进一步的个性化业务的数据分析设备和方法。

在本发明中，“隐含需求”的定义与现有技术中的“显式需求”有所不同。“显式需求”是指仅理解用户表面上的需求，即与用户在咨询或投诉的业务有关的需求；而“隐含需求”是指用户的咨询/投诉背后所隐藏的信息，如用户对所投诉的业务的价格敏感度、接受度等等，下文对此有更加详细的描述。即，“隐含需求”能够更加准确和深入的信息。

根据本发明的一个方面，提供了一种数据分析设备，包括：识别单元，基于语义知识和语言模型，从客户的投诉/咨询数据中识别出业务、主题和子主题；隐含特征计算单元，基于语义知识和情绪字典，根据所识别的业务、主题和子主题来计算客户的隐含特征；以及隐含需求获取单元，将客户的隐含特征汇总以获取客户的隐含需求。

优选地，该隐含特征计算单元包括：敏感度计算子单元，计算客户的价格敏感度和质量敏感度；使用水平计算子单元，计算客户对所识别的业务的使用水平；接受度计算子单元，计算客户对所识别的业务的接受度；以及不满原因获取子单元，获取客户对所识别的业务的不满原因。

优选地，该数据分析设备还包括：隐含需求统计单元，对客户的隐含需求进行统计。更优选地，该隐含需求统计单元进行以下至少一项统计：业务接受度统计、业务不满原因统计和客户分群统计。

优选地，该数据分析设备还包括：个性化业务推荐单元，根据客户的隐含需求，向客户推荐个性化业务。更优选地，个性化业务推荐单元提供以下至少一项业务：更高质量的业务、价格更实惠的业务、升级现有业务、语义相关业务、提升现有业务价值和挽留业务。

优选地，该数据分析设备还包括：个性化业务效果评价单元，根据客户对个性化业务推荐单元推荐的业务的反馈，评价个性化业务推荐的效果。

根据本发明的另一个方面，提供了一种数据分析方法，包括：基于语义知识和语言模型，从客户的投诉/咨询数据中识别出业务、主题和子主题；基于语义知识和情绪字典，根据所识别的业务、主题和子主题来计算客户的隐含特征；以及将客户的隐含特征汇总以获取客户的隐含需求。

优选地，隐含特征包括：客户的价格敏感度和质量敏感度、客户对所识别的业务的使用水平、客户对所识别的业务的接受度和客户对所识别的业务的不满原因。

优选地，该数据分析方法还包括：对客户的隐含需求进行统计。更优选地，该统计包括以下至少一项：业务接受度统计、业务不满原因统计和客户分群统计。