[发明专利]一种用户满意度预测方法及装置、服务器

权利要求书

1.一种用户满意度预测方法，其特征在于，包括：

获取每个样本用户对应的用户属性信息、平台为该样本用户提供的历史服务信息、服务该样本用户的客服的客服属性信息，以及该样本用户对于所述客服的满意度打分信息；

将所述用户属性信息、所述历史服务信息和所述客服属性信息作为用户满意度影响因素，将所述满意度打分信息作为用户满意度结果，训练得到用户满意度预测模型；

基于训练得到的用户满意度预测模型对目标用户进行满意度预测。

2.根据权利要求1所述的方法，其特征在于，所述将所述用户属性信息、所述历史服务信息和所述客服属性信息作为用户满意度影响因素，将所述满意度打分信息作为用户满意度结果，训练得到用户满意度预测模型，包括：

对所述用户满意度影响因素进行特征值化处理，确定该样本用户对应的模型输入特征；

将所述模型输入特征作为自变量，将所述满意度打分信息作为因变量进行至少一轮模型训练，得到所述用户满意度预测模型。

3.根据权利要求2所述的方法，其特征在于，所述历史服务信息包括历史客服工单的记录内容；所述确定该样本用户对应的模型输入特征，包括：

对获取的所述历史客服工单的记录内容进行文本内容划分；

针对划分出的每个文本内容，将该文本内容输入至预先训练的特征构建模型中，得到与每个文本内容相对应的特征向量；

将划分出的所有文本内容对应的特征向量组成特征向量组，作为所述样本用户对应的模型输入特征。

4.根据权利要求2所述的方法，其特征在于，所述历史服务信息包括历史客服工单的属性信息；其中，所述历史客服工单的属性信息包括：是否是重复进线的工单和互动式语音应答IVR等待时长；

所述确定该样本用户对应的模型输入特征，包括：

将分别表征所述是否是重复进线的工单和所述IVR等待时长的特征值作为所述模型输入特征。

5.根据权利要求2所述的方法，其特征在于，所述历史服务信息包括历史订单信息；其中，所述历史订单信息包括：是否自动判责和用户等待时长；

所述确定该样本用户对应的模型输入特征，包括：

将分别表征所述是否自动判责和所述用户等待时长的特征值作为所述模型输入特征。

6.根据权利要求1所述的方法，其特征在于，所述基于训练得到的用户满意度预测模型对目标用户进行满意度预测，包括：

获取目标用户对应的用户属性信息、平台为该目标用户提供的当前服务信息、服务该目标用户的客服的客服属性信息；

将获取的所述目标用户对应的用户属性信息、平台为该目标用户提供的当前服务信息、以及服务该目标用户的客服的客服属性信息进行特征值化处理，确定该目标用户对应的模型输入特征；

将确定的模型输入特征输入所述用户满意度预测模型，得到用户满意度预测结果。

7.根据权利要求6所述的方法，其特征在于，还包括：

将确定的用户满意度预测结果与预设满意度阈值进行对比，判断所述目标用户是否对服务该目标用户的客服满意，若不满意，则向负责人员推送客户不满意提示信息。

8.根据权利要求7所述的方法，其特征在于，所述平台为该目标用户提供的当前服务信息包括客服工单的记录内容；在确定所述目标用户对服务的客服不满意时，还包括：

确定所述客服工单对应的所述目标用户最近一次的历史订单信息；

针对预设的多种不满意原因类别，从确定的所述历史订单信息中，提取每种不满意原因类别所关注的订单信息；

将提取的每种不满意原因类别所关注的订单信息与该种不满意原因类别所对应的不满意订单信息进行比对，确定所述客服工单是否符合该种不满意原因类别。