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。 |