基于XGBoost的用户投诉风险预测模型的探究与实现

作     者：杨杰 

作者单位：内蒙古大学 

学位级别：硕士

导师姓名：刘咏梅

授予年度：2022年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：用户投诉 风险预测 XGBoost 数据挖掘 

摘      要：为提高服务水平,提升自身行业内竞争力,我所实习的某运营商启动了建立统一架构新客服系统（简称新客服系统）的计划,将过去分省建设职能分散的客服系统进行整合,增强统一调度能力。然而新系统建设初期出现了用户满意度下降、投诉量增加的问题。这些问题主要归咎于两方面:第一,新系统数据量更大、层次更多引起的业务处理缓慢。第二,系统仍旧缺少能够对用户投诉进行预测的数据应用,缺乏对于用户投诉倾向的感知,只能在用户投诉发生后再处理,处理时间滞后。为解决上述问题,本文提出建立基于XGBoost的用户投诉风险预测模型对用户投诉行为进行预测。主要工作包括以下几个方面:第一,充分理解业务需求,对用户投诉问题进行了全面的分析和调研,得出影响用户投诉行为的各种因素,形成用户画像。第二,根据需求定性的对比几种算法的优劣,选择了XGBoost算法来建立用户投诉风险预测模型,在建立模型后对模型进行评估,并与其他算法模型进行对比。第三,将模型应用在新客服系统中,建立数据加工流程,每天对上一日产生的工单数据进行预测,将预测结果记录在数据库中。第四,通过访问数据库,获取对应工单的投诉风险预测结果,对接口进行改造,客服人员可以在系统调取工单时获得提示,并对有风险的工单进行针对性处置。模型目前已经以四川省为试点应用在新客服系统中,状况良好。