Predicting Customer Satisfaction by Replicating the Survey Response Distribution

要約

多くのコールセンターにとって、顧客満足度 (CSAT) は重要業績評価指標 (KPI) です。
ただし、電話後に CSAT アンケートに回答する顧客はほんの一部であり、その結果、CSAT の平均値が偏り、不正確になり、コーチング、フォローアップ、修正の機会を逃すことになります。
したがって、コールセンターは、顧客がアンケートに回答しなかった通話での顧客満足度を予測するモデルの恩恵を受けることができます。
CSAT が注意深く監視される KPI であることを考えると、平均予測 CSAT (pCSAT) の偏りを最小限に抑えることが重要です。
このペーパーでは、実際の運用環境で十分なデータを備えた各コールセンターの調査 CSAT 回答の分布を予測 CSAT (pCSAT) スコアで正確に再現する方法を紹介します。
この方法は、多くのマルチクラス分類問題に適用して、クラスのバランスを改善し、モデル更新時の変更を最小限に抑えることができます。

要約(オリジナル)

For many call centers, customer satisfaction (CSAT) is a key performance indicator (KPI). However, only a fraction of customers take the CSAT survey after the call, leading to a biased and inaccurate average CSAT value, and missed opportunities for coaching, follow-up, and rectification. Therefore, call centers can benefit from a model predicting customer satisfaction on calls where the customer did not complete the survey. Given that CSAT is a closely monitored KPI, it is critical to minimize any bias in the average predicted CSAT (pCSAT). In this paper, we introduce a method such that predicted CSAT (pCSAT) scores accurately replicate the distribution of survey CSAT responses for every call center with sufficient data in a live production environment. The method can be applied to many multiclass classification problems to improve the class balance and minimize its changes upon model updates.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google