文章摘要：運營商迫切需要構建智能運營管理平臺，推動集團各省分公司向智慧化運營邁進。智能工單處理技術在探索運營商智能運營解決方案的過程中，拓展了工單檢索、知識推薦、工作單派送、知識運營等運營場景，有效幫助運營商實現“降本增效”的業(yè)務目標。

近年來，運營商領域生產經營工作的內外環(huán)境發(fā)生了深刻的變化，必須加快向標準化、系統化、自動化、智能化的新模式轉變。

操作者領域的工單處理是與客戶體驗密切相關的一項重要工作，要求處理人員具有豐富的第一線業(yè)務知識和很強的綜合分析能力，因此它是一項經驗密集、適合于智能改造的工作。文章結合運營商領域對智能工作單處理的豐富實踐進行了探討。

對運營商客戶服務熱線業(yè)務流程而言，一般包括報修、舉報、投訴、建議、咨詢、意見、表揚、查詢、訂閱服務等業(yè)務環(huán)節(jié)，每一個環(huán)節(jié)都要產生大量的工作數據。具體來說，運營商的投訴受理流程是在客服人員接到客戶投訴電話后，根據客戶描述生成投訴受理內容，人工對投訴類型進行判斷，并進行投訴處理，形成投訴處理。顧客投訴管理作為運營商高質量服務工作的重要一環(huán)，需要以業(yè)務數據為基礎(WEB端/APP)，充分挖掘客戶投訴數據，把握客戶訴求，不斷提升客戶滿意度。

有鑒于此，運營商迫切需要構建智能運營管理平臺，推動集團各省分公司向智慧化運營邁進。智能工單處理技術在探索運營商智能運營解決方案的過程中，拓展了工單檢索、知識推薦、工作單派送、知識運營等運營場景，有效幫助運營商實現“降本增效”的業(yè)務目標。

總的來說，智能工作單處理技術/引擎能夠為運營商運營部門帶來以下業(yè)務價值：

優(yōu)點1：結合機器學習和知識制圖提高短文本分析的準確性

客戶服務熱線中用戶的非正式表達很多，如“那個給我取消了我還沒有訂那個”都是指代不清的口語化說辭，而且缺少有意義的特點；還有字少信息量大，比如“我問你是什么平臺？那么他為什么打電話給我說？“免費流量…”中提到的“零八五(營銷熱線)”屬于運營商領域特有的詞匯，需要結合運營商領域的業(yè)務知識進行處理。引入知識圖譜，做長、短的文本處理分析(與復旦大學肖仰華教授合作)，解決了文本稀疏等難題。

優(yōu)點2：機器學習模型與人工反饋機制使產品更加智能化

有幾種機器學習/深度學習模型，隨著業(yè)務人員的使用和 bad case反饋，智能工作單引擎將逐漸“學習”到更多的商業(yè)知識，變得越來越“聰明”，準確率、召回率和F1Score將逐步提高。

優(yōu)點三：人機協作極大地提高了商業(yè)分類系統的構建效率

工作單處理中需要對工作單所反映的問題進行自動打標，這需要事先考慮建立業(yè)務標簽系統。標記系統的構建要遵循“相互獨立、完全窮盡”的“MECE (Mutually Exclusive CollectivelyExhaustive)原則。但是，人工建立分類系統的成本較高，需要業(yè)務經驗豐富的員工參與，一般人很難在短時間內完成一套高質量的業(yè)務標牌系統。

利用高級的無監(jiān)督語義算法，可以幫助業(yè)務人員在短時間內建立一個科學的商業(yè)標簽系統：

采用無監(jiān)督語義聚類算法，可以從大量的未標注業(yè)務語料中發(fā)現潛在的業(yè)務結構。以一小部分先驗知識(即具有一定結構的種子詞匯)為基礎的主題模式，可以提高主題劃分和主題詞擴展的質量?！爸悄芄ぷ鲉翁幚硪妗痹谄渌袠I(yè)的前景，除了運營商的典型運營場景外，文字密集的其他領域，如銀行、保險、電力、運營商等，每年都需要處理數以萬計的工作單數據，并且需要基于自然語義理解技術的智能工作單處理引擎進行能力支持。當前，上述領域的工單處理系統只在工單報送、審批、歸檔等辦公事務環(huán)節(jié)實現了自動化，在問題分析處理的最主要環(huán)節(jié)上，還是主要依靠人工。以上領域的服務智能化已是大勢所趨，其中工單處理是與客戶體驗密切相關的一項重要工作，需要處理人員具有豐富的業(yè)務知識和很強的分析能力，是一種經驗密集的工作，適合于智能改造。

文章為沃豐科技原創(chuàng)，轉載需注明來源：http://www.yzny.net.cn/ucm/faq/16315