|
近几年，我发现生活里很多“政事儿”办理越来越方便了；有什么不懂的，打电话或者留个言很快就有人反馈；跟了个12345市民热线分析系统的项目，深刻感受到G端对民意舆情的关注；也发现这一类项目在实施过程中的问题和痛点，以下为梳理总结，仅供参考。  03 市民热线数据数字化痛点从上面的热线流转可以看到，数据经过了接听、分类、办理、反馈、分析五个过程。 在调研过程中，用户痛点主要集中在接听、分类、分析中，我把它对应到常说的数据收集、数据清洗、数据分析三个方面。 1、接听：诉求量大，接听压力大在整个诉求过程中，话务员是数据收集的最前端，接听电话，将诉求内容记录下来，才有接下来的分类、派单等等。 但是信息在传播过程中是逐渐递减的。 当话务员在接听市民诉求时，一般情况是需要在非常短的时间内记录市民反馈的问题 这样就导致对市民问题的记录描述无法进行格式统一化， 而且一旦格式统一化容易改变来电人的真实诉求表达。 2、分类：诉求识别能力不足，系统分类局限性话务员对诉求记录之后，要根据诉求内容按照热线系统中给定的分类进行标记。 举例如下：  （1）系统分类无法自动更新 这样将热线进行分类时，系统设定的各级分类无法准确标记诉求问题。 （2）问题分类人工主观划定 工单分类由人工划定，不同话务员面对相似问题时，也会出现将相似问题划分在两个分类的主观情况。 （3）不同地区之间的分类标准不一 分类标准不一，对热线数据标记会出现差异性，数据无法在更高一级实现汇聚共享、分类就会受限。 3、分析：分析维度不一、深度分析有限客户对热线数据的业务分析需求周期性分析、专题分析。
分析是整个热线数字化最难的一部分。 比较容易做到的是标准化数据的分析，比如来电量、满意率、各固定分类的占比、各承办单位的占比； 难点在于非标准化数据的分析，比如拖欠工资分类中主要集中在哪些企业、哪些行业；某个镇街反映集中的问题是哪个分类等等。 这类分析通常依靠人工借助 【固定分类】筛选后，再进行人工判断，进行【再次辅助标记】统计，其人工工作量巨大。 一份常规性月报的形成往往需要业务人员一周时间的准备。 04 市民热线数据数字化需求了解了热线业务流程和痛点，甲方的需求是什么呢？想做些什么呢？拥有这么丰厚的数据资产，该如何利用呢？甲方的痛点如何解决呢？ 首先，一个稳健、灵活的热线接办系统对整个热线业务来说非常重要。 如何利用系统灵活、准确的对非标准化的诉求数据进行 准确记录、标准化处理？ 而标准化处理的数据是数据分析应用的重要前提。 1、接听：智能客服智能客服引入，对非人工解决的咨询类、常规类、知识库类进行了过滤，承接部分热线压力。 （1）即时文字转换 以自然语言处理为核心模块的文字转换、语义判断、内容自动提取工具，实现对来电人口头表达的即时文字转换。记录完整通话内容。 （2）语义语境识别 自动识别来电人的基本信息，并根据信息进一步询问，自动提取关键字段以供话务员进一步筛选、编辑、点选，大幅提高话务员的分类效率。识别来电人的语义和语境,自动为接线员实时给出话术指引，降低沟通成本和工作压力。 （3）知识库调用 针对常规咨询类问题，智能客服可以直接调用知识库的相关内容进行解答，诉求止于智能客服，无需进一步流转。 2、分类：灵活与标准这两个词感觉是矛盾对立的，但是确实是话务员的实际需求。 统一分类指的是同一地区，同一监管需求的统一，在相同的业务流程和业务环境中，使用同一套分类标准，能最大程度上保障分类数据的标准化。 在标准化的基础上，支持话务员在末级分类进行细分，将数据做到尽可能精确。 3、分析：自动与监测（1）常规报表自动生成 对常规的来电量统计、分类占比统计可以自动即时生成，能看到数据的，一目了然看到数据。 （2）舆情热词监测 通过关键词、舆情重点词监测等，对诉求内容进行监测和提取，形成舆情热点图、热点地区图等。 05 市民热线数字化产品1、热线接办平台主要功能有：
2、数据分析驾驶舱主要功能有：
06 总结业务过程是非常痛苦的，给我印象最深刻的就是数据。 对系统的整体要求是：
这些的实现不仅是技术的支持，还需要对业务的深刻理解才能发现诉求之间的关联，也需要更多企业库、地点库、知识库等数据库的关联，才能支撑更深度的分析。 本文由 @思睿 原创发布于人人都是产品经理。未经作者许可，禁止转载。 题图来自Unsplash，基于CC0协议。 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。 |
