(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111653466.8 (22)申请日 2021.12.3 0 (71)申请人 成都数联云算科技有限公司 地址 610000 四川省成 都市高新区吉泰五 路88号3栋5层8号、 9号 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 王志 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) G06Q 30/00(2012.01) (54)发明名称 客户投诉风险预测方法、 装置、 设备及 介质 (57)摘要 本申请的实施例提供一种客户投诉风险预 测方法、 装置、 设备及介质， 该方法通过对客户群 按照与投诉风险相关的风险影 响因素进行聚类， 从而根据不同的聚类组的特征建立投诉风险预 测模型， 从而实现对目标客户的风险预测。 相比 现有技术利用人工经验进行判断， 本申请的方法 利用客观的工单数据以及科学的聚类方法获得 预测模型来进行预测， 避免人工判断的主观性， 解决了预测的准确率低的技术问题， 提高了客户 投诉风险的预测准确率。 权利要求书2页 说明书11页 附图3页 CN 114298425 A 2022.04.08 CN 114298425 A 1.一种客户投诉风险预测方法， 其特 征在于， 包括： 获取目标主体所服 务的目标客户产生的目标历史工单 数据； 从所述目标历史工单数据中提取所述目标客户的风险影响数据， 所述风险影响数据包 括各风险影响因素变量对应的风险影响因素值， 所述风险影响因素变量包括 非投诉工单数 量、 投诉工单数量、 投诉工单占比、 高风险工单数量、 高风险工单占比以及是否存在针对同 一个事件多次申报的信息； 基于已建立的投诉风险预测模型和所述风险影响数据， 获得表征所述目标客户的投诉 风险大小的风险指数； 其中， 所述投诉风险预测模型中包括各风险影响因素变量不同取值 对应的分数和权重， 各风险影响因素变量不同取值对应的分数和权重基于对所述目标主体 所服务的所有客户产生的历史工单 数据进行聚类获得； 基于所述 风险指数， 对所述目标客户进行投诉风险预测。 2.根据权利要求1所述的方法， 其特征在于， 所述获取目标主体所服务的目标客户产生 的历史工单 数据的步骤之前， 还 包括： 获取所述目标主体所服 务的所有客户产生的历史工单 数据； 根据所述 风险影响因素变量， 对所有客户进行聚类， 获得多个客户组； 对多个所述客户组的客户特征进行分析， 获得每个客户组的特征关系； 其中， 所述特征 关系包括 客户组中客户的风险影响因素值与该客户组的投诉风险的对应关系； 基于每个客户组的特 征关系， 建立所述投诉风险预测模型。 3.根据权利要求1所述的方法， 其特征在于， 所述从所述目标历史工单数据中提取所述 目标客户的风险影响数据的步骤， 包括： 对所述目标历史工单数据进行文本相似度分析， 以提取所述是否存在针对同一个事件 多次申报的信息对应的风险影响因素值。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述目标历史工单数据进行文本相 似度分析， 以提取所述是否存在针对同一个事件多次申报的信息对应的风险影响因素值的 步骤， 包括： 对所述目标历史工单 数据进行文本相似度分析， 以获取 各工单之间的相似度值； 将相似度值大于阈值的多个工单确定为同一个事件， 以提取所述是否存在针对同一个 事件多次申报的信息对应的风险影响因素值。 5.根据权利要求1所述的方法， 其特征在于， 所述基于已建立的投诉风险预测模型和所 述风险影响数据， 获得表征 所述目标客户的投诉风险大小的风险指数的步骤， 包括： 根据如下关系式， 获得 所述风险指数： F＝min(sum(xi×yi),100) 其中， F为风险指数， xi表示第i个风险影响因素变量不同取值对应的分数， yi表示第i个 风险影响因素变量 不同取值对应的权 重。 6.根据权利要求1所述的方法， 其特征在于， 所述基于所述风险指数， 对所述目标客户 进行投诉风险预测的步骤， 包括： 根据所述风险指数的值与 预设风险级别所对应的阈值区间的对应关系， 确定所述目标 客户的投诉风险等级。 7.根据权利要求1所述的方法， 其特征在于， 所述非投诉工单数量的权重为0.3， 所述投权　利　要　求　书 1/2 页 2 CN 114298425 A 2诉工单数量的权重为0.4， 所述投诉工单占比的权重为0.6、 高风险工单数量的权重为0.4、 高风险工单占比的权重为0.6， 所述是否存在针对同一个事件多次申报的信息的权重为 0.5。 8.根据权利要求1 ‑7中任一项所述的方法， 其特 征在于， 所述目标主体为电网公司。 9.一种客户投诉风险预测装置， 其特 征在于， 包括： 工单获取模块， 用于获取目标主体所服 务的目标客户产生的目标历史工单 数据； 因素提取模块， 用于从所述目标历史工单数据中提取所述目标客户的风险影响数据， 所述风险影响数据包括各风险影响因素变量对应的风险影响因素值， 所述风险影响因素变 量包括非投诉工单数量、 投诉工单数量、 投诉工单占比、 高风险工单数量、 高风险工单占比 以及是否存在针对同一个事 件多次申报的信息； 指数获得模块， 用于基于已建立的投诉风险预测模型和所述风险影响数据， 获得表征 所述目标客户的投诉风险大小的风险指数； 其中， 所述投诉风险预测模型中包括各风险影 响因素变量不同取值对应的分数和权重， 各风险影响因素变量不同取值对应的分数和权重 基于对所述目标主体所服 务的所有客户产生的历史工单 数据进行聚类获得； 风险预测模块， 用于基于所述 风险指数， 对所述目标客户进行投诉风险预测。 10.一种电子设备， 其特征在于， 该电子设备包括存储器和 处理器， 所述存储器中存储 有计算机程序， 所述处理器执行所述计算机程序， 实现如权利要求1 ‑8中任一项所述的方 法。 11.一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， 处理器执行所述计算机程序， 实现如权利要求1 ‑8中任一项所述的方法。 12.一种计算机程序产品， 其特征在于， 所述计算机程序产品在被处理器时， 实现如权 利要求1‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114298425 A 3