维护领域中投诉事件分析与决策支持系统的研究

汤春燕

（上海地铁维护保障有限公司,上海 200070）

0 引言

随着上海地铁规模的迅速发展，市民的出行方式也逐步向地铁出行改变。虽然每年上海地铁都会投入大量的人力物力来提升服务质量，但因公共交通的特殊性，加上乘客期望值的提高和维权意识的增强，对地铁设备的可靠性、舒适性、准确性的要求也越来越高[1-3]。同时，客流量的逐年上升，带来的投诉量也在呈现上升趋势。因此，对于企业来说，如何通过对乘客投诉事件的分析，提高地铁维修维护的质量，提高市民出行的满意度，对展现地铁形象有着重要意义。

1 简介

1.1 定义

顾客投诉是指顾客对企业产品质量或服务上的不满而提出的书面或口头上的异议、抗议、索赔和要求解决问题等行为。顾客投诉是有价值的信息来源渠道，美国著名的市场调研公司TARP（Technical Assistance Research Programs）研究显示，相较于传统的市场调研方法，如样本收集、观察法，从顾客投诉中所获的数据信息，更准确、更及时、更节约成本。投诉中反馈的信息不仅有助于改善产品的内在质量，更揭示了在产品设计、安装、分销、售后服务、维护等方面存在的问题，为进一步提高顾客对服务和产品的全面感知质量提供了有价值的信息。

投诉处理是指企业为了提高客户服务质量，增加自身效益，从而认真倾听客户的不同意见，处理客户提出的不同事项，为企业发展提供保障。地铁公司投诉处理中的三个关键因素是解决乘客提出的问题、满足乘客的需求、企业与乘客间的良好沟通。

决策支持系统是能对决策提供支持的计算系统，可以充分利用可供利用的信息，结合合理的计算公式，帮助和改善管理决策而制定的有效的系统[4]。

1.2 现状和难点

投诉事件数据的分析是一个有很大发展空间的领域，将数据挖掘、分析应用到实际生产中，一方面可以提高市民出行的满意度，降低投诉率；另一方面也可以为维护维修部门提供日常维护过程中可能忽视的信息。很多单位目前的投诉处理，仅仅满足于处理单一的乘客投诉，只是回复一个投诉电话是不够的，因为这并没有解决投诉的根源，根没去除，“病”还会再发。要从投诉信息中发掘存在的问题，从源头解决问题，提前预见，避免同一问题再引起投诉，甚至引起一定的社会负面影响。要做好投诉事件分析工作，目前存在的难题有：

（1）信息化。需将不同来源（热线电话、在线客服、微博、官网、12345市民热线转单等）的乘客投诉的内容转化为平台数据，逐步累计，组成庞大的数据库，方便后续的数据处理。

（2）规范化。如何把繁琐、零散的投诉信息进行归纳与分类，建立可以量化的数据系统，把原本没有关联的乘客反馈的投诉个体，通过类别划分，联系在一起，是开展数据分析工作的基础。

（3）完整化。乘客投诉数据有一个积累的过程，在保证数据准确性的同时，也要保证数据的完整性。建立和完善投诉事件数据库，积累投诉处理经验，解决投诉事件集中反映的问题，能够更好预防同类事件的发生。投诉数据库的发展为数据处理和使用提供了良好的保障。

2 决策系统设计与实现

2.1 决策系统设计

2.1.1 决策系统的构架设计

面对大量的乘客投诉，要做到彻底解决所有乘客投诉涉及的问题，企业必定会花费巨大的人力和物力，2021年上海地铁维护保障有限公司处理的乘客投诉就有3 550件。从企业长期发展来看，必须综合衡量企业效益与投入成本之间的关系，既要提高乘客的满意度，解决投诉问题，又要降低企业的投入成本。企业的决策层和投诉处理人员可以从投诉历史数据中挖掘对决策有价值的信息。因此，我们提出了解决方法，对历史的投诉事件进行归纳分类，定性定量划分，找到突出问题，重点在于解决投诉涉及问题的主要矛盾。由于次要矛盾一方面投诉占比较小，另一方面也可能带有一部分乘客的主观性，所以企业需要综合考虑多方面因素去对待次要矛盾。

基于对投诉历史数据的建模、聚类、分析与决策，设计出对投诉数据的决策系统，构建对乘客投诉历史数据的综合分析决策，用来为企业决策层提供支持，投诉事件分析与决策模型如图1。

图1 决策模型

2.1.2 决策系统的目标

投诉事件其实蕴含着极大的价值，随着数据库的不断增大，企业可以从这些庞大的数据中挖掘有价值的信息，用于指导发展和提高维护水平。目前，对于投诉事件数据的处理还处于初步阶段，数据挖掘在企业投诉数据领域中还没有得到足够大范围的应用。

对大量的投诉数据进行分析，从中挖掘有价值的信息，其目标是发现有价值的典型问题，为企业管理者决策提供依据，从而避免未来即将要发生的同类事件的投诉情况。基于投诉历史数据分析的决策系统在投诉事件重点方面做出全面的分析和决策，能够有力地指导各种同类事件的预防工作，防患于未然[5-6]。

2.1.3 决策系统的主要方法

该文设计的决策系统主要通过分析历史投诉事件价值的方法来确定后续维护工作的决策方向，综合对投诉事件的全面考量，确定决策工作主要从投诉的严重程度、涉及类别、投诉的集中度、有无责任四个维度进行评估。其中，严重程度代表投诉事件对运营造成的后果或引起的社会影响；涉及类别代表投诉事件具体涉及的设施设备领域；集中度代表社会的关注程度；责任代表是否为企业的主体责任。

投诉事件价值=严重程度+涉及类别+集中度+有无责任。投诉事件价值关系图如图2。

图2 投诉事件价值关系

式中，R(x)——投诉事件的价值；X1——严重程度；X2——涉及类别；X3——集中度；X4——有无责任。

假设目前是第一次通过投诉事件的决策函数来确定维护工作方向，则可以先制定一个较适中的数值，既不影响日常维护计划所需的人力物力，又能兼顾投诉事件中所反馈的重点问题。我们以3为设定的标准值试行，后续再逐步收紧标准值，不断提高工作标准。

（1）当R(x)≥3，则决策行动。

（2）当R(x)＜ 3，则参考备案，暂不行动。

2.2 系统实现

按照投诉事件的严重程度来分，可分为一般投诉、较大投诉、严重投诉（详见表1）；按照投诉事件涉及的专业来分，可分为设备质量类、施工噪声类、人员形象类（详见表2）；按照投诉事件集中程度来分，可分为小、中、大（详见表3）；按照投诉事件责任来分，可分为有责和无责投诉（详见表4）。

表1 按照严重程度来划分

表2 按照投诉涉及类别来分

表3 按照投诉集中程度来分（以30天为统计周期）

表4 按责任划分

2.3 实际案例应用

以2022年8月份，上海轨道交通维护保障有限公司处理的投诉数据为例，共处理的乘客投诉有966起（详见表5），在空调设备投诉348起中，一般投诉346件，较大投诉2件，无严重投诉，得到严重程度评估值为3 520分；集中度中一般投诉事件最大，较大投诉次之，集中度评估值为90分；一般投诉中有责有10件，无责248件，较大投诉中有责2件，无责0件，责任评估值1 448。综合估值 5 058 分，决策函数 R(x)为 3.7，超过标准值3（详见表6），提出决策建议“建议对空调设备开展分析和处理，查找投诉的原因”，从生产源头进行改进，不断提高维护的质量，达到“保安全提质量”的双赢局面。

表5 2022年8月份投诉分布情况

表6 空调设备投诉的决策值

按照同样的方法，可以计算得到其他投诉涉及类别的决策值（详见表7），可以直观地看到，乘客关注的重点集中在空调温度、广播音质音量、导向设备的准确性，后续在维护工作中可以着重先解决这三方面的问题，那么投诉总量也会大幅降低。

表7 2022年8月份各投诉类别决策值

3 结束语

决策系统的优势主要体现在：能通过对历史投诉数据的分类分级，定性定量，结合决策函数，以最简便、最高效的方式，找到工作中的突出问题，为维护维修决策提供支持，明确后续专业部门的重点工作方向。真正有效的投诉处理，既能够解决投诉乘客的情绪，又能解决企业存在的问题。

企业应以问题和需求为导向，转变客服工作管理思路，建立企业内部质量监督机制，由原本乘客投诉处理及时性、准确性，转变为以问题的处理质量、问题的杜绝比例为目标。对于乘客投诉中存在的问题，从客服到质量部门，再追溯到生产部门，环环紧扣，把问题点落实到具体解决的责任人，不仅提升了企业运维形象，又满足了乘客的需求，更好地做到企业的降本增效。