G端——市民熱線數字化痛點需求分析
近幾年,我發現生活里很多“政事兒”辦理越來越方便了;有什么不懂的,打電話或者留個言很快就有人反饋;跟了個12345市民熱線分析系統的項目,深刻感受到G端對民意輿情的關注;也發現這一類項目在實施過程中的問題和痛點,以下為梳理總結,僅供參考。
目前300多個城市設立了政務熱線,目前大多數城市僅僅將其作為傾聽民眾聲音、派員處理市民難事的渠道;存在對熱線數據的分析應用,但基于數據和技術的原因,對政務熱線數據進行挖掘比較有限。
01 市民熱線發展背景
熱線的存在首先要依托90年代技術的發展,電話、手機、APP、互聯網,增加了訴求公開透明的渠道。
對政務熱線的發展階段進行分類:信息化階段、數字化階段、智能化階段。
1、信息化階段
背景是電話的普及,打電話極其方便。
但這個時候政務熱線主要目標是“聽”,解決問題。
但發生了多少相似的問題,訴求接聽之間是不互通的,這其中的相關性也無法得知。
2、數字化階段
背景是互聯網、物聯網的發展,網上政務大廳、政務服務APP等各種應用逐漸發展。
同時,這樣熱線數據由原來的分散式轉變為集中式,數據得以匯集。
相關部門對熱線不再停留在“聽”的階段,更加重視熱線數據背后的應用價值。
典型的表現是相關部門的周報、月報、季度報告、年報等周期性報告。
有對應部門的人員進行定期報告的整理,以達到發現集中問題,輔助決策的目的。
這個階段也是目前的主流階段。
3、智能化階段
隨著人工智能的接入,對熱線數據的分析、解析得以應用,這個時候的智能主要體現在“接聽”和“派單”。
- 由原來的人工接聽,轉為機器人接聽,由機器人對問題進行初步處理,緩解接聽壓力;
- 由原來的人工派單,轉為系統派單,系統將問題工單派發給相關解決部門,緩解派單壓力。
將智能技術應用數據采集和數據流轉過程之后,對沉淀的數據應用的要求也更高了。
不再滿足于人工報表,報表自動生成、數據可視化大屏、數據解析輿情分析、治理流程可視化等等。
02 市民熱線數據流轉模式
熱線流轉流程為 多對一對多 的形式,集中式處理,并對處理結果進行回訪,實現流程閉環。
03 市民熱線數據數字化痛點
從上面的熱線流轉可以看到,數據經過了接聽、分類、辦理、反饋、分析五個過程。
在調研過程中,用戶痛點主要集中在接聽、分類、分析中,我把它對應到常說的數據收集、數據清洗、數據分析三個方面。
1、接聽:訴求量大,接聽壓力大
在整個訴求過程中,話務員是數據收集的最前端,接聽電話,將訴求內容記錄下來,才有接下來的分類、派單等等。
但是信息在傳播過程中是逐漸遞減的。
當話務員在接聽市民訴求時,一般情況是需要在非常短的時間內記錄市民反饋的問題
這樣就導致對市民問題的記錄描述無法進行格式統一化,
而且一旦格式統一化容易改變來電人的真實訴求表達。
2、分類:訴求識別能力不足,系統分類局限性
話務員對訴求記錄之后,要根據訴求內容按照熱線系統中給定的分類進行標記。
舉例如下:
(1)系統分類無法自動更新
這樣將熱線進行分類時,系統設定的各級分類無法準確標記訴求問題。
(2)問題分類人工主觀劃定
工單分類由人工劃定,不同話務員面對相似問題時,也會出現將相似問題劃分在兩個分類的主觀情況。
(3)不同地區之間的分類標準不一
分類標準不一,對熱線數據標記會出現差異性,數據無法在更高一級實現匯聚共享、分類就會受限。
3、分析:分析維度不一、深度分析有限
客戶對熱線數據的業務分析需求周期性分析、專題分析。
- 周期性分析:常規的周報、月報、年報等;
- 專題分析:拖欠工資專題、環境治理專題等;
分析是整個熱線數字化最難的一部分。
比較容易做到的是標準化數據的分析,比如來電量、滿意率、各固定分類的占比、各承辦單位的占比;
難點在于非標準化數據的分析,比如拖欠工資分類中主要集中在哪些企業、哪些行業;某個鎮街反映集中的問題是哪個分類等等。
這類分析通常依靠人工借助 【固定分類】篩選后,再進行人工判斷,進行【再次輔助標記】統計,其人工工作量巨大。
一份常規性月報的形成往往需要業務人員一周時間的準備。
04 市民熱線數據數字化需求
了解了熱線業務流程和痛點,甲方的需求是什么呢?想做些什么呢?擁有這么豐厚的數據資產,該如何利用呢?甲方的痛點如何解決呢?
首先,一個穩健、靈活的熱線接辦系統對整個熱線業務來說非常重要。
如何利用系統靈活、準確的對非標準化的訴求數據進行 準確記錄、標準化處理?
而標準化處理的數據是數據分析應用的重要前提。
1、接聽:智能客服
智能客服引入,對非人工解決的咨詢類、常規類、知識庫類進行了過濾,承接部分熱線壓力。
(1)即時文字轉換
以自然語言處理為核心模塊的文字轉換、語義判斷、內容自動提取工具,實現對來電人口頭表達的即時文字轉換。記錄完整通話內容。
(2)語義語境識別
自動識別來電人的基本信息,并根據信息進一步詢問,自動提取關鍵字段以供話務員進一步篩選、編輯、點選,大幅提高話務員的分類效率。識別來電人的語義和語境,自動為接線員實時給出話術指引,降低溝通成本和工作壓力。
(3)知識庫調用
針對常規咨詢類問題,智能客服可以直接調用知識庫的相關內容進行解答,訴求止于智能客服,無需進一步流轉。
2、分類:靈活與標準
這兩個詞感覺是矛盾對立的,但是確實是話務員的實際需求。
統一分類指的是同一地區,同一監管需求的統一,在相同的業務流程和業務環境中,使用同一套分類標準,能最大程度上保障分類數據的標準化。
在標準化的基礎上,支持話務員在末級分類進行細分,將數據做到盡可能精確。
3、分析:自動與監測
(1)常規報表自動生成
對常規的來電量統計、分類占比統計可以自動即時生成,能看到數據的,一目了然看到數據。
(2)輿情熱詞監測
通過關鍵詞、輿情重點詞監測等,對訴求內容進行監測和提取,形成輿情熱點圖、熱點地區圖等。
05 市民熱線數字化產品
1、熱線接辦平臺
主要功能有:
- 來電接聽、其他渠道訴求匯集;
- 生成、派發、承辦辦理工單;
- 催辦、督辦辦理工單;
- 回訪、辦理結果反饋;
- 知識庫搭建、更新;
- 工單分類管理;
2、數據分析駕駛艙
主要功能有:
- 常規數據可視化:接聽量、辦理量、滿意率;
- 專題分析:專題事件的頻次、高發地區等;
- 熱詞輿情:熱點詞、敏感詞、高頻詞;
- 高發區域:事件高發區域;
- 滿意度分析:回訪不滿意情況分析;
06 總結
業務過程是非常痛苦的,給我印象最深刻的就是數據。
對系統的整體要求是:
- 數據采集減少失真;
- 數據清洗盡量標準;
- 數據分析更加聯動。
這些的實現不僅是技術的支持,還需要對業務的深刻理解才能發現訴求之間的關聯,也需要更多企業庫、地點庫、知識庫等數據庫的關聯,才能支撐更深度的分析。
本文由 @思睿 原創發布于人人都是產品經理。未經作者許可,禁止轉載。
題圖來自Unsplash,基于CC0協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
您好,同為政務行業PM,我個人目前是做政務服務平臺(一網通辦),方便加下微信嗎,謝謝!
個人手機:13552673567,微信:Q13552673567。
1