[发明专利]一种基于熵值法的欠费停复电投诉倾向预测方法

说明书

本发明涉及欠费停复电投诉倾向预测领域，具体是涉及一种基于熵值法的欠费停复电投诉倾向预测方法。基于熵值法构建的投诉倾向预测模型；获取源数据宽表，将其包括的最终指标及其取值作为投诉倾向预测模型的输入值，根据投诉倾向预测模型计算各个用户标准化之后的最终综合得分，若用户的最终综合得分高于第一阈值，则判定该用户有投诉倾向。依据熵值法判断用户是否为敏感用户，能够识别客户投诉特征及变化规律，预测客户投诉风险，有效减少投诉压力，拓展服务深度,提高工作效率和提升服务水平。

技术领域

本发明涉及欠费停复电投诉倾向预测领域，具体是涉及一种基于熵值法的欠费停复电投诉倾向预测方法。

背景技术

客户是否投诉是反映客户关系的关键指标之一，能够体现客户的真实感受，当客户产生了投诉行为，公司就会处于被动响应的状态，降低了供电公司的服务质量，提高了投诉数量。

传统主观判断认知客户模式的直观性差、精准度低、用时长，无法应对不断发展延伸的业务带来的人工话务强度增大、精准服务能力低下、对客户认知有待提升的情况，客户的服务成本高居不下，工作效率和服务水平亟待提升。

发明内容

为解决上述技术问题，本发明提供了一种基于熵值法的欠费停复电投诉倾向预测方法。该预测方法能够识别客户投诉特征及变化规律，预测客户投诉风险，有效减少投诉压力，拓展服务深度,提高工作效率和提升服务水平。

为实现上述目的，本发明采用了以下技术方案：

一种基于熵值法的欠费停复电投诉倾向预测方法，包括基于熵值法构建的投诉倾向预测模型；获取源数据宽表，将其包括的最终指标及其取值作为投诉倾向预测模型的输入值，根据投诉倾向预测模型计算各个用户标准化之后的最终综合得分，若用户的最终综合得分高于第一阈值，则判定该用户有投诉倾向。

优选的，基于熵值法构建的投诉倾向预测模型的具体步骤如下：

S20，建立最终指标数据矩阵A:

其中，X_ij为源数据宽表中的第i个用户的第j个最终指标的取值，i≤n，j≤m；n为用户总数；m为最终指标的总数。

S21，对最终指标数据矩阵A中的X_ij均进行非负数化处理，得到X′_ij；

S22，计算第i个用户的第j个最终指标的取值占所有用户第j个最终指标的取值的比值P_ij：

S23，计算每个最终指标的熵值e_j：

其中，

S24，计算每个最终指标的差异系数g_j：

g_j＝1-e_j j＝1,2,…,m

S25，计算每个最终指标的权重W_j：

S26，计算每个用户的综合得分S_i：

其中，为第j个最终指标的标准化取值；

S27，计算各个用户标准化之后的最终综合得分

其中，max(S_i)为所有用户的综合得分中的最大值。