基于多模型融合的客户投诉风险预测方法

作者：辛永; 刘燕秋; 黄文思; 罗义旺

来源：电力大数据, 2018, 21(11): 31-37.

DOI：10.19317/j.cnki.1008-083x.2018.11.006

• 客户投诉
• 大数据
• 模型融合
• 特征工程
• 不平衡数据集

客户服务工作作为电力企业的一项重要经营活动,不仅关系到电力客户的切身利益,也关系到电力企业的经营效益。但目前国网面对客户的能力与整个社会群体高度的维权意识和其他行业完善的服务体验相比仍处在落后水平。针对这个问题,基于大数据技术,提出了一种多模型融合的客户投诉预测模型。文章分析了客户历史诉求和停电相关数据,在特征工程中对样本集进行了特征选取和数据预处理,针对样本不平衡问题采用SMOTE方法对正样本进行过采样处理。此外,文章选用神经网络算法、随机森林算法、SVM(支持向量机)算法、Adaboost算法和朴素贝叶斯算法分别建立客户投诉预测模型,并对5种模型进行了加权融合。实验结果表明:多模型融合算法的表现比单一模型更好,模型分辨能力更优秀,预测精度更高,更适用于对客户投诉风险的预测。

• 单位
  国网信通亿力科技有限责任公司