本文以A市12366稅務(wù)熱線為例,從稅務(wù)熱線客服本身的特征與行為出發(fā),引入機(jī)器學(xué)習(xí)中的隨機(jī)森林算法,構(gòu)建服務(wù)質(zhì)量預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果顯示該模型的擬合優(yōu)度為86.30%,而用來對(duì)比驗(yàn)證的多元線性回歸預(yù)測(cè)模型的擬合優(yōu)度僅為36.3%。其次,通過對(duì)服務(wù)質(zhì)量進(jìn)行事前預(yù)測(cè)與把控,不斷地優(yōu)化影響因素,從而有效地提高A市稅務(wù)熱線服務(wù)質(zhì)量。研究發(fā)現(xiàn),通過優(yōu)化工作經(jīng)驗(yàn)、實(shí)際接聽量以及工時(shí)利用率等因素可以有效地提高服務(wù)質(zhì)量。 

【文章來源】：財(cái)會(huì)通訊. 2020,(02)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

通過交叉驗(yàn)證展示決策樹數(shù)量對(duì)模型擬合的影響

(1）直觀對(duì)比。為了更加直觀地比較隨機(jī)森林模型和線性模型的對(duì)稅務(wù)熱線服務(wù)質(zhì)量的預(yù)測(cè)情況，抽取30個(gè)服務(wù)質(zhì)量預(yù)測(cè)樣本進(jìn)行直觀對(duì)比（如圖2和表3所示）。其中，圖2中黑色代表真實(shí)的服務(wù)質(zhì)量得分，藍(lán)色為基于隨機(jī)森林預(yù)測(cè)模型的服務(wù)質(zhì)量預(yù)測(cè)值，紅色為多元線性模型的服務(wù)質(zhì)量預(yù)測(cè)值。(2)MSE值對(duì)比。為了更加準(zhǔn)確地比較兩種模型預(yù)期精度，分別計(jì)算兩種模型預(yù)測(cè)值的MSE（均方誤差）（見表4）。

【參考文獻(xiàn)】：
期刊論文
[1]基于AHP層次分析法的電商客服服務(wù)質(zhì)量評(píng)價(jià)模型研究[J]. 李杰.  海峽科技與產(chǎn)業(yè). 2015(11)
[2]基于SERVQUAL量表設(shè)計(jì)思想的網(wǎng)商客戶服務(wù)質(zhì)量評(píng)價(jià)研究[J]. 萬君,李靜,趙宏霞.  現(xiàn)代情報(bào). 2014(05)



本文編號(hào)：3332446