CN115442833A - 一种投诉根因分析方法、装置及电子设备 - Google Patents
一种投诉根因分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115442833A CN115442833A CN202110619904.2A CN202110619904A CN115442833A CN 115442833 A CN115442833 A CN 115442833A CN 202110619904 A CN202110619904 A CN 202110619904A CN 115442833 A CN115442833 A CN 115442833A
- Authority
- CN
- China
- Prior art keywords
- complaint
- index
- root cause
- root
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 230000006698 induction Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000006866 deterioration Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种投诉根因分析方法、装置及电子设备，该方法包括：获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因；根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。通过本发明实施例，能够可以更加准确、高效定位投诉根因。
Description
技术领域
本发明涉及移动通信技术领域，尤其涉及一种投诉根因分析方法、装置及电子设备。
背景技术
随着移动互联网的迅速发展，通信行业的竞争日趋激烈，迅速增长的客户群体以及日益丰富的互联网应用对客户的感知保障带来了巨大的压力。在此背景下，如何能够快速有效的定位客户投诉根因，解决感知问题，提升客户满意度，是运营商面临的主要问题。
在传统的投诉定位方法中，由于受投诉处理技术和资源的影响，无法对客户投诉根因进行及时有效的定位。目前常用的主要有两种方法：一种方法是位置点匹配方式，主要做法是根据客户投诉的位置，与该位置周边存在网络问题的小区进行模糊匹配，将匹配结果作为客户投诉的根因。该方法由于无线网络存在一定的随机性，问题小区不一定就是投诉客户占用的小区，因此该方法匹配准确率很低。另一种方法是人工诊断方式，主要做法是专家对投诉问题的现象与周边网络信息进行分析，通过人工判断找出投诉根因。通过人工诊断的方法缺乏统一的标准，依赖专家个人的经验水平，针对同一个问题不同的专家判断不同；其次，该方法在应对大批量投诉的情况时，耗费成本太高，效益成本不划算。
因此，上述两种方法存在准确率低、缺乏统一标准、成本高等弊端，无法快速准确定位客户感知问题根因。
发明内容
本发明实施例的目的是提供一种投诉根因分析方法、装置及电子设备，以解决准确率低、缺乏统一标准、成本高等弊端，无法快速准确定位客户感知问题根因的问题。
为了解决上述技术问题，本发明实施例是这样实现的：
第一方面，本发明实施例提供了一种投诉根因分析方法，包括：
获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
第二方面，本发明实施例提供了一种投诉根因分析装置，包括：
采集装置，用于获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
匹配装置，用于根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
执行装置，用于将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现如第一方面所述的投诉根因分析方法步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的投诉根因分析方法步骤。
由以上本发明实施例提供的技术方案可见，本发明实施例基于根因映射表中与各投诉根因对应的根因概率，在匹配到所述第一投诉信息对应多个第一指标的情况下，根据所述根因概率进行排序，得到所述第一投诉信息最有可能的投诉根因。通过本发明实施例，能够可以更加准确、高效定位投诉根因。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的投诉根因分析方法的一种流程示意图；
图2为本发明实施例提供的投诉根因分析方法的另一种流程示意图；
图3为本发明实施例提供的投诉根因分析方法的另一种流程示意图；
图4为本发明实施例提供的投诉根因分析装置的模块组成示意图；
图5为本发明实施例提供的电子设备的结构示意图。
具体实施方式
本发明实施例提供了一种投诉根因分析方法、装置及电子设备。
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
如图1所示，本发明实施例提供一种投诉根因分析方法，该方法的执行主体可以为服务器，其中，该服务器可以是独立的服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以是能够进行网络操作处理的服务器，如某网络资源配置的服务器等。该方法具体可以包括以下步骤：
步骤S101、获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标。
服务器预先根据各区域的历史投诉记录，得到各区域的根因映射表，所述根因映射表中包括该区域中容易产生设诉的第一指标In，该第一指标In在产生设诉时主要的取值范围，以及在所述第一指标落入到对应的取值范围时得到的设诉根因，例如，如下表1所示。
表1
服务器在获取到新的第一投诉信息时，可根据第一投诉信息的地理位置信息，确定各第一投诉信息所在的第一区域，从而得到与所述第一投诉信息对应的根因映射表。
步骤S102、根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围。
获取所述第一投诉信息相关的各关键指标的指标值，并与对应的根因映射表中的各第一指标的取值范围进行匹配，以判断所述第一投诉信息的相关各关键指标中是否存在指标值满足对应取值范围的第一指标。
所述与第一投诉信息相关的各关键指标的指标值可以是由所述第一投诉信息本身所携带的，也可以是基于所述第一投诉信息的地理位置信息和时间信息采集的。
步骤S103、将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
若确定所述根因映射表中存在与所述第一投诉信息对应第一指标时，将与该第一指标对应的投诉根因作为所述第一投诉信息的设诉根因。例如，以表1作为根因映射表，若所述第一设诉信息A1相关的各关键指标中包括I1、I2和I5，且I1的指标值和I5的指标值满足表1中I1和I5的取值范围，则将I1对应的投诉根因无线接入承载(Evolved Radio AccessBearer，E-RAB)接入问题和I5对应的投诉根因网络高负荷作为所述第一投诉信息A1的设诉根因。
由以上本发明实施例提供的技术方案可见，本发明实施例基于预先建立的根因映射表，将获取到的第一投诉信息对应各关键指标的指标值与根因映射表中的第一指标的取值范围进行匹配，将匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。由此，可以更加准确、高效定位投诉根因，从而使运营商能够进一步快速解决投诉根因。
基于上述实施例，进一步地，所述根因映射表还包括所述第一指标的根因概率，所述根因概率为由于所述第一指标产生劣化导致所述投诉根因的概率，如下表2所示。
表2
所述步骤S103包括：
在从所述根因映射表中匹配到所述第一投诉信息对应至少两个第一指标的情况下，则根据所述根因概率的大小对匹配到的第一指标进行排序；
将排序在前的至少一个第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
例如，以表2作为根因映射表，在将所述第一投诉信息A2相关的各关键指标的指标值与该根因映射表中各第一指标的取值范围进行匹配后，若确定与所述第一投诉信息A2对应的第一指标包括I1、I2、I4和I5，则根据各第一指标对应的投诉根因和根因概率，对各第一指标进行排序，得到排序结果：I5、I2、I1、I4，或者对各投诉根因进行排序，得到排序结果：网络高负荷、无线接入问题、E-RAB接入问题、接入客户过多。若设定将排序在前2的投诉根因作为所述第一投诉信息A2的投诉根因，则确定该第一投诉信息A2的投诉根因为网络高负荷和无线接入问题。
由以上本发明实施例提供的技术方案可见，本发明实施例基于根因映射表中与各投诉根因对应的根因概率，在匹配到所述第一投诉信息对应多个第一指标的情况下，根据所述根因概率进行排序，得到所述第一投诉信息最有可能的投诉根因，能够可以更加准确、高效定位投诉根因。
基于上述实施例，进一步地，如图2所示，在所述步骤S101之前，所述方法还包括：
步骤S201、获取所述第一区域的第二投诉信息，所述第二投诉信息为历史投诉记录，所述第二投诉信息包括投诉根因和各第一指标的指标值。
从获取到的第二投诉信息中可以提取到已知的投诉根因，以及各第一指标的指标值。
步骤S202、根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围；其中，在所述第一指标的指标值满足所述取值范围内时，投诉占比达到或超过预设的比例阈值。
从获取到的第二投诉信息中选取出第一指标产生劣化的第二投诉信息，例如，如下表3所示，选取出第一指标I5，即物理资源块(Physical Resource Block，PRB)利用率产生劣化的100条第二投诉信息。
表3
基于选取出的第二投诉信息，采用预设的门限集合归纳方法，来确定所述第一指标在根因映射表中的取值范围。
进一步地，所述步骤S202的具体处理方式可以多种多样，以下仅提供一种可选的处理方式，包括：
对所述第一指标的指标值范围进行分段，其中，每个分段的区间和分段的数量可以根据实际的需要进行设定，例如，采用等分的方式将第一指标I5分为如表4所示的100段。在实际的应用过程中，可以采用等分或不等分的划分方式来对第一指标的指标值范围进行分段，为了简便起见，在下面的实施例中均以等分为例进行举例说明。
选取产生劣化的第一指标相关的第二投诉信息，并根据选取的第二投诉信息中第一指标的指标值，统计所述第一指标的指标值在各分段的区间内对应的第二投诉信息在选取的第二投诉信息中的投诉占比，并进行排序。所述投诉占比的计算过程具体可采用如下公式：
其中，Ki为第一指标在分段i的投诉占比，X为选取的产生劣化的第一指标相关的第二投诉信息的总信息量，Ni为第一指标的指标值在分段i的区间内第二投诉信息的统计量。
例如，如表3所示，选取产生劣化的第一指标I5相关的100条第二投诉信息，并统计得到I5指标值位于各分段的区间内的第二投诉信息占选取的100条第二投诉信息中的投诉占比，整理得到表4。
表4
根据各分段的投诉占比，选取投诉占比较高的分段，得到在投诉映射表中所述第一指标的取值范围。在一种实施方式中，根据排序依次叠加各分段的投诉占比，在投诉占比达到或超过所述比例阈值时，确定所述第一指标的取值范围。所述比例阈值可以根据实际的需要进行设定，例如70％、80％、90％等。例如，如表1所示，得到所述第一指标I5的取值范围为(51％，99％]。
步骤S203、根据与产生劣化的第一指标相关的第二投诉信息中的投诉根因，得到与所述第一指标对应的投诉根因和根因概率。
再对选取的产生劣化的第一指标相关的第二投诉信息中的投诉根因进行统计，得到所述根因映射表中所述第一指标对应的投诉根因和根因概率。该投诉根因可以为选取的第二投诉信息中的出现概率最高的投诉根因，根因概率为该投诉根因在选取的第二投诉信息中的出现概率，所述根因概率也可以选取的第二投诉信息中第一指标的指标值位于取值范围内的比例，即位于取值范围内的各分段的投诉占比的和。
由以上本发明实施例提供的技术方案可见，本发明实施例根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围，再根据与产生劣化的第一指标相关的第二投诉信息中的投诉根因，得到与所述第一指标对应的投诉根因和根因概率，以得到根因映射表用于确定新获取的第一投诉信息的投诉根因，从而能够可以更加准确、高效定位投诉根因。
基于上述实施例，进一步地，如图3所示，在步骤S201之前所述方法还包括：
步骤S301、根据预设的栅格划分方法，对全网进行区域划分，得到所述第一区域。
由于不同区域，投诉的原因可能不同，因此需先对全网进行区域划分，划分方法可以根据实际的需要进行设定，可以进行栅格划分的方式，设定每个栅格的长宽等信息，例如可以将每个栅格设定为0.5Km*0.5Km。
步骤S302、通过预设的相关性计算方法，计算所述第一区域内各关键指标与客户投诉率的相关性系数，并进行排序。
在每个区域内，分别获取该区域的各关键指标的信息和客户投诉率，并计算各关键指标与客户投诉率之间的相关性系数。
应理解的是，由于无线网络运营过程中指标种类很多，比如网络覆盖率、无线资源控制(Radio Resource Control，RRC)连接成功比例和PRB利用率等，但并不是所有指标都与客户的投诉直接相关，因此需先从中找出与客户投诉相关的关键指标。再计算各区域内，各关键指标与客户投诉率之间的相关性系数。
可采用多种方式计算相关性系数，在一种实施方式中，所述相关性计算方法为皮尔逊相关系数计算方法，所述皮尔逊相关系数的计算公式如下所示：
其中，In为第n个关键指标，C为客户投诉率，所述Cov(·)为协方差函数，所述Var(·)为方差函数。
通过上述计算公式可以得到各关键指标的相关性系数，如下表5所示。
| 序号 | 指标名称 | 相关性系数 | 是否第一指标 |
| I<sub>1</sub> | E-RAB建立成功率 | 0.87 | 是 |
| I<sub>2</sub> | 无线接通率 | 0.83 | 是 |
| I<sub>3</sub> | VOLTE上行丢包率 | 0.78 | 是 |
| I<sub>4</sub> | RRC平均连接数量 | 0.71 | 是 |
| I<sub>5</sub> | PRB利用率 | 0.7 | 是 |
| I<sub>6</sub> | 首包打开时延 | 0.21 | 否 |
| I<sub>7</sub> | paging寻呼成功率 | 0.19 | 否 |
| I<sub>8</sub> | TAU时延占比 | 0.13 | 否 |
| I<sub>n</sub> | …… | …… |
步骤S303、将相关性系数最高的第一数量的关键指标作为所述第一区域对应的第一指标。
根据计算得到的各关键指标的相关性系数对各关键指标进行排序，根据预设的第一数量，例如5个，将排名靠前的第一数量的关键指标作为各区域对应的第一指标。例如，如表5所示，所述第一区域对应第一指标包括：E-RAB建立成功率、无线接通率、VOLTE上行丢包率、RRC平均连接数量和PRB利用率。
由以上本发明实施例提供的技术方案可见，本发明实施例根据在不同区域内，各关键指标与客户投诉率的相关性，得到与各区域对应的第一指标，用于得到根因映射表以确定新获取的第一投诉信息的投诉根因，从而能够可以更加准确、高效定位投诉根因。
对应上述实施例提供的投诉根因分析方法，基于相同的技术构思，本发明实施例还提供了一种投诉根因分析装置，图4为本发明实施例提供的投诉根因分析装置的模块组成示意图，该投诉根因分析装置用于执行图1至图3描述的投诉根因分析方法，如图4所示，该投诉根因分析装置包括：采集装置401、匹配装置402和执行装置403。
所述采集装置401用于获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；所述匹配装置402用于根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；所述执行装置403用于将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
由以上本发明实施例提供的技术方案可见，本发明实施例通过基于预先建立的根因映射表，将获取到的第一投诉信息对应各关键指标的指标值与根因映射表中的第一指标的取值范围进行匹配，将匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。由此，可以更加准确、高效定位投诉根因，从而使运营商能够进一步快速解决投诉根因。
可选地，所述根因映射表还包括所述第一指标的根因概率，所述根因概率为由于所述第一指标产生劣化导致所述投诉根因的概率，所述执行装置用于执行：
在从所述根因映射表中匹配到所述第一投诉信息对应至少两个第一指标的情况下，则根据所述根因概率的大小对匹配到的第一指标进行排序；
将排序在前的至少一个第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
由以上本发明实施例提供的技术方案可见，本发明实施例基于根因映射表中与各投诉根因对应的根因概率，在匹配到所述第一投诉信息对应多个第一指标的情况下，根据所述根因概率进行排序，得到所述第一投诉信息最有可能的投诉根因，能够可以更加准确、高效定位投诉根因。
基于上述实施例，可选地，所述采集装置还用于执行：
获取所述第一区域的第二投诉信息，所述第二投诉信息为历史投诉记录，所述第二投诉信息包括投诉根因和各第一指标的指标值；
根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围；其中，在所述第一指标的指标值满足所述取值范围内时，投诉占比达到或超过预设的比例阈值；
根据与产生劣化的第一指标相关的第二投诉信息中的投诉根因，得到与所述第一指标对应的投诉根因和根因概率。
可选地，采集装置用于执行：
对所述第一指标的指标值范围进行分段；
选取产生劣化的第一指标相关的第二投诉信息，并根据选取的第二投诉信息中第一指标的指标值，统计所述第一指标的指标值在各分段的区间内对应的第二投诉在选取的经二投诉中的投诉占比，并进行排序；
根据排序依次叠加各分段的投诉占比，在投诉占比达到或超过所述比例阈值时，确定所述第一指标的取值范围。
由以上本发明实施例提供的技术方案可见，本发明实施例根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围，再根据与产生劣化的第一指标相关的第二投诉信息中的投诉根因，得到与所述第一指标对应的投诉根因和根因概率，以得到根因映射表用于确定新获取的第一投诉信息的投诉根因，从而能够可以更加准确、高效定位投诉根因。
基于上述实施例，可选地，所述采集装置还用于执行：
根据预设的栅格划分方法，对全网进行区域划分，得到所述第一区域；
通过预设的相关性计算方法，计算所述第一区域内各关键指标与客户投诉率的相关性系数，并进行排序；
将相关性系数最高的第一数量的关键指标作为所述第一区域对应的第一指标。
可选地，所述相关性计算方法为皮尔逊相关系数计算方法，所述皮尔逊相关系数的计算公式如下所示：
r(I_n,C)＝Cov(I_n,C)/√(Var(I_n)Var(C))
其中，I_n为第n个关键指标，C为客户投诉率，所述Cov(·)为协方差函数，所述Var(·)为方差函数。
由以上本发明实施例提供的技术方案可见，本发明实施例根据在不同区域内，各关键指标与客户投诉率的相关性，得到与各区域对应的第一指标，用于得到根因映射表以确定新获取的第一投诉信息的投诉根因，从而能够可以更加准确、高效定位投诉根因。
由以上本发明实施例提供的技术方案可见，本发明实施例(独权技术效果)。
本发明实施例提供的投诉根因分析装置能够实现上述投诉根因分析方法对应的实施例中的各个过程，为避免重复，这里不再赘述。
需要说明的是，本发明实施例提供的投诉根因分析装置与本发明实施例提供的投诉根因分析方法基于同一发明构思，因此该实施例的具体实施可以参见前述投诉根因分析方法的实施，重复之处不再赘述。
对应上述实施例提供的投诉根因分析方法，基于相同的技术构思，本发明实施例还提供了一种电子设备，该电子设备用于执行上述的投诉根因分析方法，图5为实现本发明各个实施例的一种电子设备的结构示意图，如图5所示。电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器501和存储器502，存储器502中可以存储有一个或一个以上存储应用程序或数据。其中，存储器502可以是短暂存储或持久存储。存储在存储器502的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对电子设备中的一系列计算机可执行指令。更进一步地，处理器501可以设置为与存储器502通信，在电子设备上执行存储器502中的一系列计算机可执行指令。电子设备还可以包括一个或一个以上电源503，一个或一个以上有线或无线网络接口504，一个或一个以上输入输出接口505，一个或一个以上键盘506。
具体在本实施例中，电子设备包括有处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现以下方法步骤：
获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
本申请实施例还提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现以下方法步骤：
获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，电子设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、装置或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种投诉根因分析方法，其特征在于，所述方法包括：
获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
2.根据权利要求1所述的方法，其特征在于，所述根因映射表还包括所述第一指标的根因概率，所述根因概率为由于所述第一指标产生劣化导致所述投诉根因的概率，所述将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因包括：
在从所述根因映射表中匹配到所述第一投诉信息对应至少两个第一指标的情况下，则根据所述根因概率的大小对匹配到的第一指标进行排序；
将排序在前的至少一个第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述第一区域的第二投诉信息，所述第二投诉信息为历史投诉记录，所述第二投诉信息包括投诉根因和各第一指标的指标值；
根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围；其中，在所述第一指标的指标值满足所述取值范围内时，投诉占比达到或超过预设的比例阈值；
根据与产生劣化的第一指标相关的第二投诉信息中的投诉根因，得到与所述第一指标对应的投诉根因和根因概率。
4.根据权利要求3所述的方法，其特征在于，根据与产生劣化的第一指标相关的第二投诉信息中第一指标的指标值，采用预设的门限集合归纳方法，得到与所述第一指标的取值范围，包括：
对所述第一指标的指标值范围进行分段；
选取产生劣化的第一指标相关的第二投诉信息，并根据选取的第二投诉信息中第一指标的指标值，统计所述第一指标的指标值在各分段的区间内对应的第二投诉在选取的经二投诉中的投诉占比，并进行排序；
根据排序依次叠加各分段的投诉占比，在投诉占比达到或超过所述比例阈值时，确定所述第一指标的取值范围。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据预设的栅格划分方法，对全网进行区域划分，得到所述第一区域；
通过预设的相关性计算方法，计算所述第一区域内各关键指标与客户投诉率的相关性系数，并进行排序；
将相关性系数最高的第一数量的关键指标作为所述第一区域对应的第一指标。
6.根据权利要求5所述的方法，其特征在于，所述相关性计算方法为皮尔逊相关系数计算方法，所述皮尔逊相关系数的计算公式如下所示：
其中，In为第n个关键指标，C为客户投诉率，所述Cov(·)为协方差函数，所述Var(·)为方差函数。
7.一种投诉根因分析装置，其特征在于，所述装置包括：
采集装置，用于获取第一投诉信息，以及所述第一投诉信息所在的第一区域的根因映射表；其中，所述第一投诉信息为待分析的投诉信息，所述第一投诉信息包括各关键指标的数值，所述根因映射表包括所述第一区域对应的各第一指标，以及与所述第一指标对应的取值范围和投诉根因，所述第一指标为在所述第一区域产生投诉的主要关键指标；
匹配装置，用于根据所述第一投诉信息相关的各关键指标的指标值，从所述根因映射表中匹配到所述第一投诉信息对应的第一指标；其中，所述第一投诉信息包含的第一指标的指标值满足所述根因映射表中所述第一指标的取值范围；
执行装置，用于将所述根因映射表中与匹配到的第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
8.根据权利要求7所述的装置，其特征在于，所述根因映射表还包括所述第一指标的根因概率，所述根因概率为由于所述第一指标产生劣化导致所述投诉根因的概率，所述执行装置用于执行：
在从所述根因映射表中匹配到所述第一投诉信息对应至少两个第一指标的情况下，则根据所述根因概率的大小对匹配到的第一指标进行排序；
将排序在前的至少一个第一指标对应的投诉根因作为所述第一投诉信息的投诉根因。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线；其中，所述处理器、所述通信接口以及所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现如权利要求1-6任一项所述的投诉根因分析方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的投诉根因分析方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110619904.2A CN115442833B (zh) | 2021-06-03 | 2021-06-03 | 一种投诉根因分析方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110619904.2A CN115442833B (zh) | 2021-06-03 | 2021-06-03 | 一种投诉根因分析方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115442833A true CN115442833A (zh) | 2022-12-06 |
| CN115442833B CN115442833B (zh) | 2024-06-18 |
Family
ID=84240616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110619904.2A Active CN115442833B (zh) | 2021-06-03 | 2021-06-03 | 一种投诉根因分析方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115442833B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101984697A (zh) * | 2010-10-19 | 2011-03-09 | 中兴通讯股份有限公司 | 一种无线数据业务排障方法及系统 |
| CN105554782A (zh) * | 2015-12-09 | 2016-05-04 | 中国联合网络通信集团有限公司 | 用户感知指标的预测方法和装置 |
| US20170208487A1 (en) * | 2016-01-20 | 2017-07-20 | Tektronix Texas, Llc | Multi kpi correlation in wireless protocols |
| CN107155192A (zh) * | 2016-03-02 | 2017-09-12 | 中国移动通信集团广东有限公司 | 一种用户体验质量评估方法及装置 |
| CN108601029A (zh) * | 2018-03-15 | 2018-09-28 | 中国联合网络通信集团有限公司 | 基站建设评估方法及装置 |
| CN109150794A (zh) * | 2017-06-15 | 2019-01-04 | 中国移动通信集团上海有限公司 | 一种VoLTE语音业务质量分析处理方法及装置 |
| CN109213832A (zh) * | 2018-09-07 | 2019-01-15 | 湖南华诺科技有限公司 | 一种四维五步法降低用户投诉的方法 |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN109803295A (zh) * | 2019-03-05 | 2019-05-24 | 中国联合网络通信集团有限公司 | 一种通信小区整改优先级的评价方法和装置 |
| CN109996284A (zh) * | 2017-12-31 | 2019-07-09 | 中国移动通信集团贵州有限公司 | 移动通信故障投诉工单处理方法、装置、设备及介质 |
| CN110545568A (zh) * | 2019-10-15 | 2019-12-06 | 中国联合网络通信集团有限公司 | 异构网络切换方法、切换装置、控制设备及存储介质 |
| CN110896368A (zh) * | 2019-11-01 | 2020-03-20 | 咪咕文化科技有限公司 | 网络质量监控方法及装置 |
| CN110955575A (zh) * | 2019-11-14 | 2020-04-03 | 国网浙江省电力有限公司信息通信分公司 | 一种基于关联分析模型的业务系统故障定位方法 |
| CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
| CN111278025A (zh) * | 2018-12-05 | 2020-06-12 | 中国移动通信集团浙江有限公司 | 一种基于sdk话单的视频优化方法及装置 |
-
2021
- 2021-06-03 CN CN202110619904.2A patent/CN115442833B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101984697A (zh) * | 2010-10-19 | 2011-03-09 | 中兴通讯股份有限公司 | 一种无线数据业务排障方法及系统 |
| CN105554782A (zh) * | 2015-12-09 | 2016-05-04 | 中国联合网络通信集团有限公司 | 用户感知指标的预测方法和装置 |
| US20170208487A1 (en) * | 2016-01-20 | 2017-07-20 | Tektronix Texas, Llc | Multi kpi correlation in wireless protocols |
| CN107155192A (zh) * | 2016-03-02 | 2017-09-12 | 中国移动通信集团广东有限公司 | 一种用户体验质量评估方法及装置 |
| CN109150794A (zh) * | 2017-06-15 | 2019-01-04 | 中国移动通信集团上海有限公司 | 一种VoLTE语音业务质量分析处理方法及装置 |
| CN109996284A (zh) * | 2017-12-31 | 2019-07-09 | 中国移动通信集团贵州有限公司 | 移动通信故障投诉工单处理方法、装置、设备及介质 |
| CN108601029A (zh) * | 2018-03-15 | 2018-09-28 | 中国联合网络通信集团有限公司 | 基站建设评估方法及装置 |
| CN109242257A (zh) * | 2018-08-09 | 2019-01-18 | 广州瀚信通信科技股份有限公司 | 一种基于关键指标关联分析的4g上网用户投诉模型 |
| CN109213832A (zh) * | 2018-09-07 | 2019-01-15 | 湖南华诺科技有限公司 | 一种四维五步法降低用户投诉的方法 |
| CN111278025A (zh) * | 2018-12-05 | 2020-06-12 | 中国移动通信集团浙江有限公司 | 一种基于sdk话单的视频优化方法及装置 |
| CN109803295A (zh) * | 2019-03-05 | 2019-05-24 | 中国联合网络通信集团有限公司 | 一种通信小区整改优先级的评价方法和装置 |
| CN110545568A (zh) * | 2019-10-15 | 2019-12-06 | 中国联合网络通信集团有限公司 | 异构网络切换方法、切换装置、控制设备及存储介质 |
| CN110896368A (zh) * | 2019-11-01 | 2020-03-20 | 咪咕文化科技有限公司 | 网络质量监控方法及装置 |
| CN110955575A (zh) * | 2019-11-14 | 2020-04-03 | 国网浙江省电力有限公司信息通信分公司 | 一种基于关联分析模型的业务系统故障定位方法 |
| CN111126824A (zh) * | 2019-12-19 | 2020-05-08 | 中国移动通信集团江苏有限公司 | 多指标关联模型训练方法及多指标异常分析方法 |
Non-Patent Citations (5)
| Title |
|---|
| QUALCOMM: "R2-1813394 "Summary of offline discussion#26"", 3GPP TSG_RAN\\WG2_RL2, no. 2, 27 August 2018 (2018-08-27) * |
| 付思冉;潘亮;崔岩;: "基于机器学习的4G手机上网质差小区定位研究与实现", 山东通信技术, no. 02, 15 June 2020 (2020-06-15) * |
| 彭赞;吴波;周蓓;任重;: "基于客户感知的TD网络异常话务专家系统的研究与建设", 电信科学, no. 02, 15 February 2011 (2011-02-15) * |
| 曹丽娟;程新洲;徐乐西;张涛;贾玉玮;成晨;: "基于机器学习算法的LTE高投诉小区预判方法", 邮电设计技术, no. 05, 20 May 2020 (2020-05-20) * |
| 谭晖;李婧琦;杨林;廖振松;: "基于感知模型的客户满意度研究", 信息通信, no. 07, 15 July 2016 (2016-07-15), pages 2 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115442833B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109195170A (zh) | 小区扩容方法、装置及存储介质 | |
| CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
| CN111918319B (zh) | 一种忙时忙区预测方法及装置 | |
| CN111817868B (zh) | 一种网络质量异常的定位方法与装置 | |
| CN109905882B (zh) | 一种网络扩容方法及装置 | |
| CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
| CN107784195A (zh) | 数据处理方法及装置 | |
| CN115442833B (zh) | 一种投诉根因分析方法、装置及电子设备 | |
| CN109245943B (zh) | 一种故障定位方法及装置 | |
| CN112752277B (zh) | 一种用户驻留不均衡区域的识别方法及装置 | |
| CN111967938B (zh) | 云资源推荐方法、装置、计算机设备及可读存储介质 | |
| CN114630359B (zh) | 确定网络覆盖的方法、装置、电子设备、计算机存储介质 | |
| CN113762659B (zh) | 一种网络资源的配置方法、装置及电子设备 | |
| CN110955760A (zh) | 判决结果的评价方法和相关装置 | |
| CN111385821B (zh) | 一种lte载波需求数量预测的方法和装置 | |
| CN113657635B (zh) | 一种预测通信用户流失的方法及电子设备 | |
| CN111866893B (zh) | 小区的容量优化处理方法及装置 | |
| US9479579B2 (en) | Grouping processing method and system | |
| CN113065058A (zh) | 家庭成员识别的方法及装置、电子设备和可读存储介质 | |
| CN111988807A (zh) | 基于大数据的网络问题定位方法、装置及计算设备 | |
| CN112752252B (zh) | 小区归属地识别方法和装置 | |
| CN117221900A (zh) | Rru资源挖潜方法、装置及电子设备 | |
| CN114339802B (zh) | 基于容量评估的退频方法、装置及计算设备 | |
| CN114119053A (zh) | 一种客户投诉处理方法、装置及电子设备 | |
| CN117851407A (zh) | 宽表稳定性的检测方法、检测装置、存储介质和处理器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |