一种客服人员服务能力评估方法、装置、设备及介质与流程

本技术涉及大数据，提供一种客服人员服务能力评估方法、装置、设备及介质。

背景技术：

1、客服部门开展员工能力评估、岗位评级等相关工作，目前主要依赖于各个客服部班组长、业务经理对员工进行能力评分，根据评分结果对员工个人能力、以及岗位胜任情况进行评定。这种评价方式主要是上级领导对员工进行打分，且具有一定的主观性，导致在客服人员能力评估、岗位评级工作中对员工能力客观性评价不足。

技术实现思路

1、本技术提供一种客服人员服务能力评估方法、装置、设备及介质，用于解决人为打分导致客服人员能力评估的客观性不足的问题。

2、第一方面，提供一种客服人员服务能力评估方法，包括：

3、根据电力行业客服相关的量化业务数据，确定p个指标；其中，所述p个指标用于衡量客服人员服务能力；所述p个指标包括话务接听量、回访量、在线业务量、服务评价满意率、服务评价推送成功率、在线服务评价满意率、在线服务评价有效数占比、平均通话时长、平均案头时长、小时接听量、打字速度、等量会话时长、对内投诉次数、对内投诉属实率、对服务态度投诉占比、对服务能力投诉占比、对工单质量投诉占比、对业务能力投诉占比、内部表扬次数、优秀录音个数、受理满意度评价数、受理满意度不评价数、受理满意度评价率、受理总满意率、故障报修受理满意率、咨询受理满意率、投诉受理满意率、举报受理满意率、建议受理满意率、意见受理满意率、表扬受理满意率、服务申请受理满意率、对受理不满意评价总数、受理质检/回访质检未解决数量占比、受理质检/回访质检部分解决数量占比、受理质检/回访质检解决数量占比、业扩质检严重差错率、业扩质检一般差错率、受理质检/回访质检红线数量占比、受理质检/回访质检差数量占比、受理质检/回访质检良数量占比、受理质检/回访质检好数量占比、培训时长、培训进度、参与培训课程数量、考试成绩、考试次数；

4、采用熵权法确定所述p个指标的熵权，根据所述p个指标的熵权，建立神经元网络模型；所述p个指标的熵权为所述神经元网络模型的初始权重；

5、根据带有标签的数据集对所述神经元网络模型进行迭代训练，不断更新所述神经元网络模型的权重，直到达到预设条件，将所述神经元网络模型在最后一轮迭代后的权重确定为所述p个指标的第一权重；

6、采用主成分分析法确定所述p个指标的第二权重；

7、根据目标客服人员在所述p个指标上的样本值、所述p个指标的第一权重和第二权重，确定所述目标客服人员的服务评分值；所述服务评分值用于反映所述目标客服人员的服务能力的强弱。

8、可选的，所述带有标签的数据集包括多个客服人员在所述p个指标上的样本值以及每个客服人员的实际服务评分值；所述根据带有标签的数据集对所述神经元网络模型进行迭代训练，不断更新所述神经元网络模型的权重，包括：

9、将所述多个客服人员中每个客服人员在所述p个指标上的样本值输入所述神经元网络模型，输出每个客服人员的预测服务评分值；

10、根据每个客服人员的预测服务评分值与实际服务评分值之间的误差，采用梯度下降算法，不断更新所述神经元网络模型的权重。

11、可选的，所述神经元网络模型的权重的更新公式如下：

12、

13、其中，为所述神经元网络模型在本轮迭代后的权重，wi为所述神经元网络模型在上一轮迭代后的权重；η为修正系数，表示偏导数，j为每个客服人员的预测服务评分值与实际服务评分值之间的平方误差的和。

14、可选的，所述根据电力行业客服相关的量化业务数据，确定p个指标，包括：

15、根据电力行业客服相关的量化业务数据，确定s个指标；

16、计算所述s个指标中任意两个指标之间的相关系数；

17、根据所述相关系数对所述s个指标进行筛选，获得p个指标；s>p。

18、可选的，所述根据所述相关系数对所述s个指标进行筛选，获得p个指标，包括：

19、若第一指标与所述s个指标中至少两个指标之间的相关系数均大于预设系数，从所述s个指标中删除所述第一指标，获得p个指标。

20、可选的，所述根据目标客服人员在所述p个指标上的样本值、所述p个指标的第一权重和第二权重，确定所述目标客服人员的服务评分值，包括：

21、根据所述p个指标的第一权重和第二权重，确定所述p个指标的综合权重；

22、根据目标客服人员在所述p个指标上的样本值和所述p个指标的综合权重，获得所述目标客服人员的服务评分值；其中，所述p个指标包括多个正向指标和多个负向指标；所述服务评分值与所述多个正向指标的样本值为正相关；所述服务评分值与所述多个负向指标的样本值为负相关。

23、可选的，所述综合权重的计算公式如下：

24、

25、其中，βi为第i个指标的综合权重，为第i个指标的第二权重，为第i个指标的第一权重，p为指标数量。

26、第二方面，提供一种客服人员服务能力评估装置，包括：

27、指标确定模块，用于根据电力行业客服相关的量化业务数据，确定p个指标；其中，所述p个指标用于衡量客服人员服务能力；所述p个指标包括话务接听量、回访量、在线业务量、服务评价满意率、服务评价推送成功率、在线服务评价满意率、在线服务评价有效数占比、平均通话时长、平均案头时长、小时接听量、打字速度、等量会话时长、对内投诉次数、对内投诉属实率、对服务态度投诉占比、对服务能力投诉占比、对工单质量投诉占比、对业务能力投诉占比、内部表扬次数、优秀录音个数、受理满意度评价数、受理满意度不评价数、受理满意度评价率、受理总满意率、故障报修受理满意率、咨询受理满意率、投诉受理满意率、举报受理满意率、建议受理满意率、意见受理满意率、表扬受理满意率、服务申请受理满意率、对受理不满意评价总数、受理质检/回访质检未解决数量占比、受理质检/回访质检部分解决数量占比、受理质检/回访质检解决数量占比、业扩质检严重差错率、业扩质检一般差错率、受理质检/回访质检红线数量占比、受理质检/回访质检差数量占比、受理质检/回访质检良数量占比、受理质检/回访质检好数量占比、培训时长、培训进度、参与培训课程数量、考试成绩、考试次数；

28、权重确定模块，用于采用熵权法确定所述p个指标的熵权，根据所述p个指标的熵权，建立神经元网络模型；所述p个指标的熵权为所述神经元网络模型的初始权重；

29、所述权重确定模块，还用于根据带有标签的数据集对所述神经元网络模型进行迭代训练，不断更新所述神经元网络模型的权重，直到达到预设条件，将所述神经元网络模型在最后一轮迭代后的权重确定为所述p个指标的第一权重；

30、所述权重确定模块，还用于采用主成分分析法确定所述p个指标的第二权重；

31、评分模块，用于根据目标客服人员在所述p个指标上的样本值、所述p个指标的第一权重和第二权重，确定所述目标客服人员的服务评分值；所述服务评分值用于反映所述目标客服人员的服务能力的强弱。

32、第三方面，本技术提供了一种计算机设备，该计算机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，实现第一方面中所述的客服人员服务能力评估方法。

33、第四方面，本技术提供了一种计算机可读存储介质，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，实现第一方面中所述的客服人员服务能力评估方法。

34、与现有技术相比，本技术的有益效果如下：

35、本技术提供一种客服人员服务能力评估方法，包括：根据电力行业客服相关的量化业务数据，确定p个指标；其中，p个指标用于衡量客服人员服务能力；根据p个指标的熵权，建立神经元网络模型；p个指标的熵权为神经元网络模型的初始权重；根据带有标签的数据集对神经元网络模型进行迭代训练，不断更新神经元网络模型的权重，直到达到预设条件，将神经元网络模型在最后一轮迭代后的权重确定为p个指标的第一权重；采用主成分分析法确定p个指标的第二权重；根据目标客服人员在p个指标上的样本值、p个指标的第一权重和第二权重，确定目标客服人员的服务评分值；服务评分值用于反映目标客服人员的服务能力的强弱。

36、本技术引入大数据分析挖掘技术，基于客观的各种历史业务数据确定客观的评价指标，实现客服人员服务能力的客观量化评估，支撑客服部在客服人员能力评估、人岗匹配等相关工作。且采用自适应神经元网络模型对权值更新的原理对传统熵值法进行改进，获得指标的第一权重，并结合主成分分析法获得指标的第二权重，结合多种权重提高指标权重的准确性，进而提高对客服人员服务能力的评估的准确性。