本申请涉及数据处理领域，具体涉及一种针对人工客服工作质量评估的数据分析方法。
背景技术：
：随着企业的市场竞争日益激烈，各大企业为客户提供服务的方式从传统的单一渠道向多元化渠道逐步发展，如国家电网的95598客服中心、通信运营商的电子渠道、银行的网上银行等。而在众多的服务渠道中，人工客服作为可实现一对一有效服务的途径，尤其是在完成面向核心高端客户的客服、销售型或导购型客服、投诉等需要情感沟通的客服、复杂业务解释类客服的工作时，人工客服是非常重要且有效的方法，因此，人工客服成为目前各企业组建客服体系的必要方式。随着企业的不断发展壮大，人工客服的坐席数量一般会成指数级增长，以满足不断增长的客户需求。而客服中心规模的不断扩大，伴随而来的就是客户服务质量管理工作的难度越来越大，管理人员很难在大量的客服工作中发现有效提升工作质量的途径。传统的客服人员工作评价方法，多采用专业评分人员完成人工打分。这种模式的评价方法人为因素较多，尤其在客服中心规模越来越大的背景下，很容易忽略个人尚未注意到但以存在的客观问题，已不能很好的适应当前大规模人工客服工作质量管理和提升的需求。技术实现要素：有鉴于此，本申请提供一种针对人工客服工作质量评估的数据分析方法，通过数据分析方法客观、高效的完成客服工作评估，从而帮助客服管理人员从数据中更好的发现工作中存在的问题和不足，有的放矢地实现服务质量和客户满意度的提升。为了实现上述目的，现提出方案如下：一种针对人工客服工作质量评估的数据分析方法，包括：建立模糊综合评价的指标体系，以U作为影响评价对象(人工客服工作质量)的各种主要因素所组成的集合：U＝{u1，u2，u3，……，un}；采用主成分分析方法确定上述指标的权重,并组成评价指标的权重集合A＝{a1，a2，a3，……，an},根据各个因素的重要程度对其赋予相应的权重值ai；采用多级量表建立评价等级档次集V，V代表对评价因素的档次级，V＝{v1，v2，v3，……，vm}；根据上述指标中的单一指标进行单因素模糊评价，确定评价模糊矩阵，其中单因素ui(i＝1，2，……，n)进行评价，得到V上的模糊子集，即单因素评价向量Ri＝(ri1，ri2，ri3，……，rim)，从而确定了从U到V的模糊评价矩阵，rij表示指标ui评为vj的隶属度，其中，R=(rij)n×m=r11r12...r1mr21r22...r2m............rn1rn2...rnm]]>对各评价指标的权重值ai与各相应评价指标的相对隶属度值rnm进行算子对合成运算，可得模糊评价的综合指标B＝AoR＝(b1，b2，b3，……，bm)，即B=(a1,a2,a3,...,an)r11r12...r1mr21r22...r2m............rn1rn2...rnm=(b1,b2,b3,...,bm)]]>最后进行模糊综合评价指标的归一化处理，确定最终的评价值，在本发明的一个优选实施例中，所述A与R的合成运算可采用算子对：M(∧，∨)，其中，“∧”表示二者比较后取小值，“∨”表示二者比较后取大值。在本发明的一个优选实施例中，所述采用加权平均法对评价结果指标进行处理。以bj为权重值，并进行归一化处理，即对各评价集元素Vj进行加权平均，所得结果为最终评价，即综合指标值vj越大说明第j个对象越优，据此可进行科学评判。在本发明的一个优选实施例中，所述主要因素包括工作量、工作效率、客户满意度、出勤考核4个维度。在本发明的一个优选实施例中，所述权重值ai满足：且ai>0。在本发明的一个优选实施例中，所述等级档次集V，分值越大，代表评价越高，采用5级量表建立评价等级档次集，即V＝{优秀，良好，一般，较差，很差}转化为对应的数值型为V＝{5，4，3，2，1}，则得到已采集的每个人工客服的原始评价数据集再计算该原始评价数据集的协方差矩阵：∑＝(σij)P×P其中，σij=1n-1Σk=1n(xki-xi‾)(xkj-xj‾),i,j=1,2,...,p]]>求出协方差阵∑的特征值λ1≥λ2≥……≥λp>0及相应正交化单位特征向量Ui＝(u1iu2i…upi)T则X的第i个主成分为Fi＝UiX，i＝1,2,……，p。用方差贡献率解释主成分Fi所反映的信息量的大小，为F1,F2,……,Fl(l<＝p)的累加方差贡献率。在已确定的全部p个主成分中合理选择l个来实现最终的评价分析。提取主成分对应的特征根>1，前N个主成分的累计方差贡献率大于80％的主成分，为最终确定的l个主成分。利用确定的主成分对原指标的载荷数，除以该主成分对应的特征根的平方根，以确定各指标在N个主成分线性组合中的系数。利用已确定的各主成分方差贡献率，对新求得的该系数做加权平均，再对所得系统进行归一化处理，既得最终各评价指标的权重集A。进一步的，上述利用模糊综合评价，就是将待评价的复杂系统各要素按其关联隶属关系建立缔结层次结构的模型，构造判断矩阵，并据此求解各要素权重和检验、修正判断矩阵的一致性。经由上述技术方案可知，本申请公开了一种应用于人工客服工作评估的数据分析方法。该方法基于模糊综合评价方法，根据客服评价系统的实际情况，从代表性、完整性和适用性等角度，建立人工客服的模糊综合评价指标体系；采用主成分分析方法确定不同指标的权重,从而组成评价指标的权重集合；采用5级量表建立评价等级档次集；进行单因素模糊评价，确定评价模糊矩阵；采用算子对合成运算进行模糊综合评价,得到评价等级档次集上的模糊子集；最后进行模糊综合评价指标的归一化处理，确定最终的评价值。与现有技术相比，本发明提出了基于主成分分析改进的模糊评价模型，通过数据分析方法客观、高效的完成客服工作评估，从而帮助客服管理人员从数据中更好的发现工作中存在的问题和不足，有的放矢地实现服务质量和客户满意度的提升。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的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1示出了本发明一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图；图2示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图；图3示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图；图4示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图；图5示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。具体实施方式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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。参见图1示出了本发明一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。该方法包括：S101：建立模糊综合评价的指标体系，以U作为影响评价对象(人工客服工作质量)的各种主要因素所组成的集合：U＝{u1，u2，u3，……，un}在对人工客服人员进行评价时通常从多个维度对人工客服人员的进行评分，而每个角度均设置有多个预设评价指标。本方法主要从工作量、工作效率、客户满意度、出勤考核4个维度进行评估。其中，工作量维度中包含的评价指标有：工作量对班组贡献度、工作量班组排名。工作效率维度包含的评价指标有：工作效率对班组贡献度、团队协作度。客户满意度维度中包含的评价指标有：服务评价满意度、服务投诉差评度、班组成员互评优秀度。出勤考核维度中包含的评价指标有：出勤排名、制单排名。S102：根据各个因素的重要程度对其赋予相应的权重值ai，从而组成评价因素的权重集合A＝{a1，a2，a3，……，an}，判断矩阵A的一致性检验、修正及其权重的计算，要求满足：且ai>0。权重集的确定可以采用主成分分析方法确定。S103：确立评价等级档次集V。V代表队评价因素的档次级，V＝{v1，v2，v3，……，vm}，本方法中将等级档次分为5个等级，V＝{优秀，良好，一般，较差，很差}。S104：进行单因素模糊评价，确定评价模糊矩阵。对单因素ui(i＝1，2，……，n)进行评价，得到V上的模糊子集，即单因素评价向量Ri＝(ri1，ri2，ri3，……，rim)，从而确定了从U到V的模糊评价矩阵。rij表示指标ui评为vj的隶属度。其中，R=(rij)n×m=r11r12...r1mr21r22...r2m............rn1rn2...rnm]]>S105：对各评价指标的权重值ai与各相应评价指标的相对隶属度值rnm进行算子对合成运算，可得模糊评价的综合指标B。考虑多因素情况下的权重值分配，则人工客服工作质量的模糊综合评价模型为：B＝AoR＝(b1，b2，b3，……，bm)，即：B=(a1,a2,a3,...,an)r11r12...r1mr21r22...r2m............rn1rn2...rnm=(b1,b2,b3,...,bm)]]>进行U到V的模糊变换AoR，即合成运算，得V上的模糊子集B，即对评价对象的模糊综合评价结果。A与R的合成运算可采用算子对：M(∧，∨)。其中，“∧”表示二者比较后取小值，“∨”表示二者比较后取大值。S106：采用加权平均法对评价结果指标进行处理。以bj为权重值，并进行归一化处理，即对各评价集元素vj进行加权平均，所得结果为最终评价，即由以上实施例可知：本申请公开了一种应用于人工客服工作评估的数据分析方法。该方法基于模糊综合评价方法，根据客服评价系统的实际情况，从代表性、完整性和适用性等角度，建立人工客服的模糊综合评价指标体系；采用主成分分析方法确定不同指标的权重,从而组成评价指标的权重集合；采用5级量表建立评价等级档次集；进行单因素模糊评价，确定评价模糊矩阵；采用算子对合成运算进行模糊综合评价,得到评价等级档次集上的模糊子集；最后进行模糊综合评价指标的归一化处理，确定最终的评价值。与现有技术相比，本发明提出了基于主成分分析改进的模糊评价模型，通过数据分析方法客观、高效的完成客服工作评估，从而帮助客服管理人员从数据中更好的发现工作中存在的问题和不足，有的放矢地实现服务质量和客户满意度的提升。参见图2示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。所述方法具体包括：S201：对于评价等级档次集V，分值越大，代表评价越高，即V＝{优秀，良好，一般，较差，很差}转化为对应的数值型为V＝{5，4，3，2，1}，则得到已采集的每个人工客服的原始评价数据集具体到本方法，将所有的评价指标：工作量对班组贡献度、工作量班组排名、工作效率对班组贡献度、团队协作度、服务评价满意度、服务投诉差评度、班组成员互评优秀度、出勤排名、制单排名对应的评价等级档次转化为相应的数值型。具体转化结果如下表：S202：计算该原始评价数据集的协方差矩阵：∑＝(σij)P×P其中，σij=1n-1Σk=1n(xki-xi‾)(xkj-xj‾),i,j=1,2,...,p]]>求出协方差阵∑的特征值λ1≥λ2≥……≥λp>0及相应正交化单位特征向量Ui＝(u1iu2i…upi)T则X的第i个主成分为Fi＝UiX，i＝1,2,……，p。用方差贡献率解释主成分Fi所反映的信息量的大小，为F1,F2,……,Fl(l<＝p)的累加方差贡献率。在已确定的全部p个主成分中合理选择l个来实现最终的评价分析。提取主成分对应的特征根>1，前N个主成分的累计方差贡献率大于80％的主成分，为最终确定的主成分。S203：利用确定的主成分对原来指标的载荷数即相应正交化单位特征向量U，除以该主成分对应的特征根λ的平方根，以确定各指标在N个主成分线性组合中的系数。利用已确定的各主成分方差贡献率，对主成分线性组合中的系数做加权平均，再在所得系统进行归一化处理，既得最终各评价指标的权重集A。具体在本方法中，指标权重等于以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数的加权平均的归一化的结果。因此，首先需要确定指标在各主成分线性组合中的系数，具体计算方法：则新得到的主成分线性组合为Fi＝χ1X-χ2X+……+χnX。然后基于主成分的方差贡献率，对新得到的主成分线性组合中的系数做加权平均，即此时得到的综合得分线性方程为Y＝μ1X-μ2X+……+μnX。最后对该方程的指标进行归一化。归一化方法：最终得到的各评价指标权重方程为Y＝ξ1X-ξ2X+……+ξnX。在本例中，最终确定的各评价指标权重的方程为：人工客服工作评估成绩＝13.36％*工作量对班组贡献度+10.18％*工作量班组排名+10.87％*工作效率对班组贡献度+7.42％*团队协作度+14.93％*服务评价满意度+8.18％*服务投诉差评度+12.33％*班组成员互评优秀度+9.27％*出勤排名+13.46％*制单排名参见图3示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。所述方法具体包括：S301：统计每一个评价指标被评为不同评价等级档次中的量，形成统计矩阵。S302：基于统计矩阵，计算每一个评价指标在不同评价等级档次中的隶属度。计算方法如下：S303：对于每一个客服人员，均建立其单因素模糊评价矩阵，最终确定其从U到V的模糊评价矩阵R。参见图4示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。所述方法具体包括：考虑多因素情况下的权重值分配，则人工客服工作质量的模糊综合评价模型为：B＝AoR＝(b1，b2，b3，……，bm)，即：B=(a1,a2,a3,...,an)r11r12...r1mr21r22...r2m............rn1rn2...rnm=(b1,b2,b3,...,bm)]]>进行U到V的模糊变换AoR，即合成运算，得V上的模糊子集B，即对评价对象的模糊综合评价结果。A与R的合成运算可采用算子对：M(∧，∨)。其中，“∧”表示二者比较后取小值，“∨”表示二者比较后取大值。通过算子对合成运算进行U到V的模糊变换过程如下：S401：取小计算。A中的每个数字依次与矩阵R的第1行、第2行，……，第n行进行比较，保留两数值中较小的一个，形成新的矩阵b。S402：取大计算。在矩阵b中，依次选取每列的最大值，形成最终V上的模糊子集B。参见图5示出了本发明另一个实施例公开的一种应用于人工客服工作评估系统数据处理方法的流程示意图。所述方法具体包括：S501：以bj为权重值，进行归一化处理，即如在本例中，人工客服V001最终在V上的模糊综合评价结果为(0.35,0.35,0.1374,0.024,0)，则归一化处理后的模糊综合评价结果B＝(0.4063,0.4063,0.1595,0.0279,0)。S502：用数字将评价等级档次集V＝{优秀，良好，一般，较差，很差}具体化，得V＝{1.00，0.85，0.70，0.50，0.00}。基于模糊综合评价结果B对各评价集元素vj进行加权平均，即所得结果为最终评价。如在本例中，人工客服V001的模糊综合评价结果为(0.4063*1.00+0.4063*0.85+0.1595*0.70+0.0279*0.50+0*0.00)＝0.87727处于良好偏上的水平。最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页1 2 3