论文部分内容阅读
银行的服务失误是客户流失的重要原因。以往银行识别服务失误主要通过问卷调查法和流程分析法，这两种传统的识别方法在及时性和有效性上都有明显的不足。往往服务失误已经发生，且造成了较大的负面效应时，才触发补救措施。随着社交媒体的迅速发展，网络口碑能即时反映顾客观点意见，对企业有效管理服务失误逐渐发挥着重要作用。
因此，为及时有效地发现银行服务失误问题，本文提出一种基于网络口碑的银行服务失误发现新思路。首先，对海量网络口碑内容进行文本过滤，筛除与服务评论无关的无效文本。然后，采用基于词典的情感分析方法对过滤后的口碑文本进行情感分析，识别出负面网络口碑。最后，利用TF-IDF特征词提取、word2vec词向量化和K-mea ns聚类对负面网络口碑内容进行建模和分析，最终得到银行服务失误类别。实验通过爬取的招商银行的42298条原创微博数据来进行验证。实验结果表明，本文提出的研究框架可以识别银行服务过程中存在的关键失误问题，模型在一定程度上克服了原有的银行服务失误发现方法的缺陷，从而帮助银行有效管理服务失误。
因此，为及时有效地发现银行服务失误问题，本文提出一种基于网络口碑的银行服务失误发现新思路。首先，对海量网络口碑内容进行文本过滤，筛除与服务评论无关的无效文本。然后，采用基于词典的情感分析方法对过滤后的口碑文本进行情感分析，识别出负面网络口碑。最后，利用TF-IDF特征词提取、word2vec词向量化和K-mea ns聚类对负面网络口碑内容进行建模和分析，最终得到银行服务失误类别。实验通过爬取的招商银行的42298条原创微博数据来进行验证。实验结果表明，本文提出的研究框架可以识别银行服务过程中存在的关键失误问题，模型在一定程度上克服了原有的银行服务失误发现方法的缺陷，从而帮助银行有效管理服务失误。