登陆 免费注册 | 网站地图 设为首页
当前位置:| 主页>案例分析>企业案例>正文
传统银行的转型实战:看工商银行如何利用大数据洞察客户心声?
中国工商银行采用了中科鼎富的发明专利产品DINFO-OEC非结构化大数据分析挖掘平台实现行内的非结构化大数据领域的应用创新。这个案例就是众多创新应用中的一个生动实例!

    【干货】传统银行的转型实战——看工商银行如何利用大数据洞察客户心声?

张佶

      主讲人:张佶

    工商银行技术经理

    大家下午好!非常荣幸能在这里给大家做一些交流和分享。让我们开始吧!

工商银行文本挖掘技术应用探索分享

    工商银行在大家传统的印象当中是一个体形非常庞大但是稳步前行的形象,但是近些年来在大数据的挑战下工商银行积极应对外界变化,做一些转型。其中一个举措就是通过数据应用驱动业务变革。今天我所分享的主题就是和银行的客户服务相关的,如何应用文本挖掘技术洞察客户的心声。

    工商银行每天都在面临着来自各方的海量的客户心声,最近我们的95588接到这样一个来电,李先生做了一笔跨行汇款操作,对方还没有收到,他来询问什么时候可以到帐,这是一个典型的咨询。客户王先生是一个贵宾客户,他来电反映说在机场和火车站没有享受到工行提供的贵宾厅,他希望工行在以上场所做明显提示。还有张小姐到一个支行网点做存款业务,发现里面柜员服务态度不耐烦,让她很不满意,她要求把这个情况记录下来做一个反映,这是一个典型的投诉。

大数据

    除了官方服务渠道之外,现在客户越来越希望通过互联网社交网络的方式表达他们的心声,并探讨热点话题。最近我们监测到这样一个热点话题的讨论,有人说“大家看清楚了,针孔摄像头就是这样装进ATM机偷看你的密码的。”这是一个风险事件,工商银行需要做到及时了解和掌握。

    同时在互联网的新闻网站上最近也有一些报道,有的市民在便利店蹭WiFi,上了两个小时网,他的银行卡就被盗刷了,这个又是怎么办到的,工商银行需要对这些事件做到了解掌控,并且制定对应的措施。以上这些信息都是以文本方式存在的,我们可以通过文本挖掘的方法了解用户在说什么,挖掘出对我们有价值的信息,这对工商银行客户服务的提升会有很大的帮助。

传统客户服务分析流程

大数据
       首先我们了解一下传统银行客户服务的分析流程。当我们的客户拨打95588热线电话之后,客服座席会把他说的话和要求记录下来,存到客户之声系统之中,系统会对结构化的部分进行分析,比如投诉的数量、客户对我们满意度的打分或问题处理时效。

    对于其中非结构化数据的部分,就是客户说了什么当时没办法做自动分析,这只能由分析人员逐个来看,但毕竟数量比较多,人工阅读做不到非常全面,只能做抽查,大概看看客户在说什么。我们监测分析人员同时还会去登录一些新闻网站了解一下近期有没有跟工行相关的事情发生,然后他会把这个情况记录下来,人工编写这么一个服务的报告。当时对我们的社交媒体是没有办法做到关注的。

结合文本挖掘的客户服务分析流程

大数据
       在结合了文本挖掘技术之后有了一些流程变化,不仅对结构化数据做分析,同时也能够从客户反馈的文本当中提取出客户的热点意见,再把热点去和结构化数据做关联分析,就能得到更加丰富的分析场景,这在后面会有一个详细的介绍。

    同时,我们又新建了一套互联网的监测分析系统,能够对互联网上的金融网站和社交媒体网站做到自动的监控和分析,当然有些重要的事情发生的时候可以自动的形成监测报告。

    从刚才服务流程的演变可以看到有了一些挖掘的功能,首先从技术来说丰富了分析的手段,原来只能对结构化进行分析,现在能够对文本数据客户所说的内容进行分析,然后扩大了分析的范围,原来只能关注到工商银行官方服务渠道所记录下来的信息,现在能够关注到在互联网上所传播的信息。第三点是提升了分析的效率,原来需要员工逐条阅读工单,现在机器自动阅读。

客户意见挖掘业务价值

大数据

    这些技术提升点之后就能在打响的文本反馈当中发现客户的热点意见集中在哪些方面,如果我们能够对这些客户所反映的共性问题主动发起一些措施,优化我们的业务流程,可以提升我们的客户满意度和客户忠诚度,而另一方面这些来电的投诉量会进一步的减少,也就从另一方面降低我们的服务成本,减少了二次被动的服务投入。

案例分析

大数据

     今天想分享两个具体的案例,一个是对95588客户服务的一些工单如何做到客户意见挖掘,这个是从无到有的设计和探索的全过程;第二个案例当中会介绍一下如何聆听在互联网上传播的客户的心声。

客户意见发掘——业务目标

大数据
       通过95588服务热线记录大量的客户反馈的文本,拿到一堆文本之后怎么切入客户的意见挖掘呢?最重要的是先对客户做分类,结合业务的处理流程设计这么一套适用于银行客户意见的分类体系,当有投诉过来的时候就知道他所说的是关于自助服务的还是银行卡、还是关于网点服务的。这样我们就能分析各个类别里不同的发展趋势并且进行有效处理。

    但有了意见分类还不够,我们知道哪一类的意见是最多的,我们尝试性做热词分析,文本由大量的词汇构成的,我们想看一下在这么多的客户反馈文本当中大家提到哪些词汇,从中提取客户说的最多的、最频繁使用的词汇,用可视化的方式生成一个词语。

大数据
       从这个图上我们就能看到有一些效果,包括像工作人员、机具、查询、词汇等等凸显出来。在这个图上所反应的信息不够精准,我们只知道有一些关于工作人员的评价或描述,但是不知道工作人员到底出现什么问题,我们的自助机具到底是故障比较多还是客户不会用。同时这个图当中还存在多词疑义的问题,工作人员和柜员两个词说的是类似的问题,这对我们造成干扰。

大数据
如何精准概括客户意见? 

    我们提出统一的、概括的用户观点的表达方式,就是对象、属性、评价三元组的形式。下面这个例子有四句话:柜员说话口气非常差。今天在柜台办业务,里面的人态度很差;柜员脾气不好,柜员语气很不耐烦。用我们的属性评价方式概括就是“柜员态度不好”。

    有了这样的方式之后对刚才的词云做分析,发现刚才的词云已经演变成了意见云,这些意见都是指向非常明确的比较精准的,比如说网银跨行汇款不成功,短信余额变动不能接收,网点效率低,网点排队时间过长,相信大家对这些问题也并不陌生,在有了这个图之后我们的分析师就能够比较直观的了解最需要去改进的问题,客户的意见都聚集在哪些方面。

更多

声明:本版文章内容纯属作者个人观点,仅供参考!由于部分内容有网友发布,如果侵犯您的权益,请与我们联系,我们将第一时间删除。
最新评论:共有 0 位网友发表了评论
查看所有评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码: 匿名?
注册
联系中国知识管理中心
版权所有 Copyright© 2003-2016 知识管理中心(Knowledge Management Center)
京ICP备05002111号