本技術(shù)涉及大數(shù)據(jù)，提供一種客服人員服務(wù)能力評估方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、客服部門開展員工能力評估、崗位評級等相關(guān)工作，目前主要依賴于各個客服部班組長、業(yè)務(wù)經(jīng)理對員工進行能力評分，根據(jù)評分結(jié)果對員工個人能力、以及崗位勝任情況進行評定。這種評價方式主要是上級領(lǐng)導(dǎo)對員工進行打分，且具有一定的主觀性，導(dǎo)致在客服人員能力評估、崗位評級工作中對員工能力客觀性評價不足。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供一種客服人員服務(wù)能力評估方法、裝置、設(shè)備及介質(zhì)，用于解決人為打分導(dǎo)致客服人員能力評估的客觀性不足的問題。

2、第一方面，提供一種客服人員服務(wù)能力評估方法，包括：

3、根據(jù)電力行業(yè)客服相關(guān)的量化業(yè)務(wù)數(shù)據(jù)，確定p個指標；其中，所述p個指標用于衡量客服人員服務(wù)能力；所述p個指標包括話務(wù)接聽量、回訪量、在線業(yè)務(wù)量、服務(wù)評價滿意率、服務(wù)評價推送成功率、在線服務(wù)評價滿意率、在線服務(wù)評價有效數(shù)占比、平均通話時長、平均案頭時長、小時接聽量、打字速度、等量會話時長、對內(nèi)投訴次數(shù)、對內(nèi)投訴屬實率、對服務(wù)態(tài)度投訴占比、對服務(wù)能力投訴占比、對工單質(zhì)量投訴占比、對業(yè)務(wù)能力投訴占比、內(nèi)部表揚次數(shù)、優(yōu)秀錄音個數(shù)、受理滿意度評價數(shù)、受理滿意度不評價數(shù)、受理滿意度評價率、受理總滿意率、故障報修受理滿意率、咨詢受理滿意率、投訴受理滿意率、舉報受理滿意率、建議受理滿意率、意見受理滿意率、表揚受理滿意率、服務(wù)申請受理滿意率、對受理不滿意評價總數(shù)、受理質(zhì)檢/回訪質(zhì)檢未解決數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢部分解決數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢解決數(shù)量占比、業(yè)擴質(zhì)檢嚴重差錯率、業(yè)擴質(zhì)檢一般差錯率、受理質(zhì)檢/回訪質(zhì)檢紅線數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢差數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢良數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢好數(shù)量占比、培訓(xùn)時長、培訓(xùn)進度、參與培訓(xùn)課程數(shù)量、考試成績、考試次數(shù)；

4、采用熵權(quán)法確定所述p個指標的熵權(quán)，根據(jù)所述p個指標的熵權(quán)，建立神經(jīng)元網(wǎng)絡(luò)模型；所述p個指標的熵權(quán)為所述神經(jīng)元網(wǎng)絡(luò)模型的初始權(quán)重；

5、根據(jù)帶有標簽的數(shù)據(jù)集對所述神經(jīng)元網(wǎng)絡(luò)模型進行迭代訓(xùn)練，不斷更新所述神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重，直到達到預(yù)設(shè)條件，將所述神經(jīng)元網(wǎng)絡(luò)模型在最后一輪迭代后的權(quán)重確定為所述p個指標的第一權(quán)重；

6、采用主成分分析法確定所述p個指標的第二權(quán)重；

7、根據(jù)目標客服人員在所述p個指標上的樣本值、所述p個指標的第一權(quán)重和第二權(quán)重，確定所述目標客服人員的服務(wù)評分值；所述服務(wù)評分值用于反映所述目標客服人員的服務(wù)能力的強弱。

8、可選的，所述帶有標簽的數(shù)據(jù)集包括多個客服人員在所述p個指標上的樣本值以及每個客服人員的實際服務(wù)評分值；所述根據(jù)帶有標簽的數(shù)據(jù)集對所述神經(jīng)元網(wǎng)絡(luò)模型進行迭代訓(xùn)練，不斷更新所述神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重，包括：

9、將所述多個客服人員中每個客服人員在所述p個指標上的樣本值輸入所述神經(jīng)元網(wǎng)絡(luò)模型，輸出每個客服人員的預(yù)測服務(wù)評分值；

10、根據(jù)每個客服人員的預(yù)測服務(wù)評分值與實際服務(wù)評分值之間的誤差，采用梯度下降算法，不斷更新所述神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重。

11、可選的，所述神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重的更新公式如下：

12、

13、其中，為所述神經(jīng)元網(wǎng)絡(luò)模型在本輪迭代后的權(quán)重，wi為所述神經(jīng)元網(wǎng)絡(luò)模型在上一輪迭代后的權(quán)重；η為修正系數(shù)，表示偏導(dǎo)數(shù)，j為每個客服人員的預(yù)測服務(wù)評分值與實際服務(wù)評分值之間的平方誤差的和。

14、可選的，所述根據(jù)電力行業(yè)客服相關(guān)的量化業(yè)務(wù)數(shù)據(jù)，確定p個指標，包括：

15、根據(jù)電力行業(yè)客服相關(guān)的量化業(yè)務(wù)數(shù)據(jù)，確定s個指標；

16、計算所述s個指標中任意兩個指標之間的相關(guān)系數(shù)；

17、根據(jù)所述相關(guān)系數(shù)對所述s個指標進行篩選，獲得p個指標；s>p。

18、可選的，所述根據(jù)所述相關(guān)系數(shù)對所述s個指標進行篩選，獲得p個指標，包括：

19、若第一指標與所述s個指標中至少兩個指標之間的相關(guān)系數(shù)均大于預(yù)設(shè)系數(shù)，從所述s個指標中刪除所述第一指標，獲得p個指標。

20、可選的，所述根據(jù)目標客服人員在所述p個指標上的樣本值、所述p個指標的第一權(quán)重和第二權(quán)重，確定所述目標客服人員的服務(wù)評分值，包括：

21、根據(jù)所述p個指標的第一權(quán)重和第二權(quán)重，確定所述p個指標的綜合權(quán)重；

22、根據(jù)目標客服人員在所述p個指標上的樣本值和所述p個指標的綜合權(quán)重，獲得所述目標客服人員的服務(wù)評分值；其中，所述p個指標包括多個正向指標和多個負向指標；所述服務(wù)評分值與所述多個正向指標的樣本值為正相關(guān)；所述服務(wù)評分值與所述多個負向指標的樣本值為負相關(guān)。

23、可選的，所述綜合權(quán)重的計算公式如下：

24、

25、其中，βi為第i個指標的綜合權(quán)重，為第i個指標的第二權(quán)重，為第i個指標的第一權(quán)重，p為指標數(shù)量。

26、第二方面，提供一種客服人員服務(wù)能力評估裝置，包括：

27、指標確定模塊，用于根據(jù)電力行業(yè)客服相關(guān)的量化業(yè)務(wù)數(shù)據(jù)，確定p個指標；其中，所述p個指標用于衡量客服人員服務(wù)能力；所述p個指標包括話務(wù)接聽量、回訪量、在線業(yè)務(wù)量、服務(wù)評價滿意率、服務(wù)評價推送成功率、在線服務(wù)評價滿意率、在線服務(wù)評價有效數(shù)占比、平均通話時長、平均案頭時長、小時接聽量、打字速度、等量會話時長、對內(nèi)投訴次數(shù)、對內(nèi)投訴屬實率、對服務(wù)態(tài)度投訴占比、對服務(wù)能力投訴占比、對工單質(zhì)量投訴占比、對業(yè)務(wù)能力投訴占比、內(nèi)部表揚次數(shù)、優(yōu)秀錄音個數(shù)、受理滿意度評價數(shù)、受理滿意度不評價數(shù)、受理滿意度評價率、受理總滿意率、故障報修受理滿意率、咨詢受理滿意率、投訴受理滿意率、舉報受理滿意率、建議受理滿意率、意見受理滿意率、表揚受理滿意率、服務(wù)申請受理滿意率、對受理不滿意評價總數(shù)、受理質(zhì)檢/回訪質(zhì)檢未解決數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢部分解決數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢解決數(shù)量占比、業(yè)擴質(zhì)檢嚴重差錯率、業(yè)擴質(zhì)檢一般差錯率、受理質(zhì)檢/回訪質(zhì)檢紅線數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢差數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢良數(shù)量占比、受理質(zhì)檢/回訪質(zhì)檢好數(shù)量占比、培訓(xùn)時長、培訓(xùn)進度、參與培訓(xùn)課程數(shù)量、考試成績、考試次數(shù)；

28、權(quán)重確定模塊，用于采用熵權(quán)法確定所述p個指標的熵權(quán)，根據(jù)所述p個指標的熵權(quán)，建立神經(jīng)元網(wǎng)絡(luò)模型；所述p個指標的熵權(quán)為所述神經(jīng)元網(wǎng)絡(luò)模型的初始權(quán)重；

29、所述權(quán)重確定模塊，還用于根據(jù)帶有標簽的數(shù)據(jù)集對所述神經(jīng)元網(wǎng)絡(luò)模型進行迭代訓(xùn)練，不斷更新所述神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重，直到達到預(yù)設(shè)條件，將所述神經(jīng)元網(wǎng)絡(luò)模型在最后一輪迭代后的權(quán)重確定為所述p個指標的第一權(quán)重；

30、所述權(quán)重確定模塊，還用于采用主成分分析法確定所述p個指標的第二權(quán)重；

31、評分模塊，用于根據(jù)目標客服人員在所述p個指標上的樣本值、所述p個指標的第一權(quán)重和第二權(quán)重，確定所述目標客服人員的服務(wù)評分值；所述服務(wù)評分值用于反映所述目標客服人員的服務(wù)能力的強弱。

32、第三方面，本技術(shù)提供了一種計算機設(shè)備，該計算機設(shè)備包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執(zhí)行所述計算機程序，實現(xiàn)第一方面中所述的客服人員服務(wù)能力評估方法。

33、第四方面，本技術(shù)提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，處理器執(zhí)行所述計算機程序，實現(xiàn)第一方面中所述的客服人員服務(wù)能力評估方法。

34、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果如下：

35、本技術(shù)提供一種客服人員服務(wù)能力評估方法，包括：根據(jù)電力行業(yè)客服相關(guān)的量化業(yè)務(wù)數(shù)據(jù)，確定p個指標；其中，p個指標用于衡量客服人員服務(wù)能力；根據(jù)p個指標的熵權(quán)，建立神經(jīng)元網(wǎng)絡(luò)模型；p個指標的熵權(quán)為神經(jīng)元網(wǎng)絡(luò)模型的初始權(quán)重；根據(jù)帶有標簽的數(shù)據(jù)集對神經(jīng)元網(wǎng)絡(luò)模型進行迭代訓(xùn)練，不斷更新神經(jīng)元網(wǎng)絡(luò)模型的權(quán)重，直到達到預(yù)設(shè)條件，將神經(jīng)元網(wǎng)絡(luò)模型在最后一輪迭代后的權(quán)重確定為p個指標的第一權(quán)重；采用主成分分析法確定p個指標的第二權(quán)重；根據(jù)目標客服人員在p個指標上的樣本值、p個指標的第一權(quán)重和第二權(quán)重，確定目標客服人員的服務(wù)評分值；服務(wù)評分值用于反映目標客服人員的服務(wù)能力的強弱。

36、本技術(shù)引入大數(shù)據(jù)分析挖掘技術(shù)，基于客觀的各種歷史業(yè)務(wù)數(shù)據(jù)確定客觀的評價指標，實現(xiàn)客服人員服務(wù)能力的客觀量化評估，支撐客服部在客服人員能力評估、人崗匹配等相關(guān)工作。且采用自適應(yīng)神經(jīng)元網(wǎng)絡(luò)模型對權(quán)值更新的原理對傳統(tǒng)熵值法進行改進，獲得指標的第一權(quán)重，并結(jié)合主成分分析法獲得指標的第二權(quán)重，結(jié)合多種權(quán)重提高指標權(quán)重的準確性，進而提高對客服人員服務(wù)能力的評估的準確性。