Towards Extracting Customer Needs from Incident Tickets in IT Services

توضیحات

ABSTRACT

In many service relationships, customer encounters are not systematically exploited in order to gain valuable insights. However, text mining and analytics methods would provide effective means to systematically screen customer responses and automatically extract relevant business information. In this work, we develop a machine learning method as an artifact for screening incident information in IT Services to detect customer needs. We implement and evaluate the method in a realworld context with an IT provider covering several thousands ofincident tickets per year. We show that it is feasible to map incoming tickets to a domain-specific selection of needs—and, hence, enable the providers’ customer contacts to address unfilled needs with tailored service offerings. Thus, we contribute a methodology to service marketing and innovation managers to automatically and scalably monitor their customer base for additional sales opportunities .

INTRODUCTION

Customer Relationship Management (CRM) has turned into a key concern in various industries since many products and services have become commodities. Hence, an increasing focus is put on customer needs instead of distinct product  or service features in order to innovate and to offer valuable services . This is especially relevant where a high volume of transactions occur and, thus, huge amounts of data are acquired . It is by observing customer behaviour, remembering past experience, learning from it and acting upon it that a relationship is built . Thus, one possibility of gaining information about customer needs in order to improve customer relationship is the analysis of service encounters. In IT services, incident, problem or complaint handling constitutes important service encounters in the customer relationship. Documentation of these service encounters frequently happens via so-called tickets. Over time, large amounts of data sets are created and stored by IT service providers. Some providers resort to manual ticket analysis in order to identify so far unmet customer needs — relying on knowledge and experience of technical support  ngineers.
However, it becomes obvious that huge and fast growing data volumes as well as the need to externalize engineers’ knowledge require more automated, scalable and data-driven solutions.

چکیده

در بسیاری از روابط سرویس، مشتریان به طور سیستماتیک به منظور دستیابی به بینش ارزشمند مورد بهره برداری قرار نمی گیرند. با این حال، روش های استخراج و تجزیه و تحلیل متن مؤلفه های موثر برای نمایش پاسخ مشتری به طور سیستماتیک و به طور خودکار اطلاعات مربوط به کسب و کار را استخراج می کند. در این کار، ما یک روش یادگیری ماشین را به عنوان یک مصنوع برای بررسی اطلاعات حادثه در خدمات فناوری اطلاعات برای شناسایی نیازهای مشتری توسعه می دهیم. ما روش را در یک جهان واقعی با یک ارائه دهنده خدمات فناوری اطلاعات که هزاران بلیط بی سابقه در هر سال را پوشش می دهد، پیاده سازی و ارزیابی می کنیم. ما نشان می دهیم که امکان ارسال بلیط های ورودی به انتخاب خاصی از دامنه مورد نیاز امکان پذیر است و از این رو، ارتباطات مشتریان ارائه دهندگان را برای پاسخگویی به نیازهای غیرمستقیم با ارائه پیشنهادات خدماتی مناسب فعال می کند. بنابراین، ما یک روش برای ارائه خدمات مدیریت بازاریابی و نوآوری به طور اتوماتیک و مقیاس پذیر نظارت بر پایه مشتری خود را برای فرصت های فروش بیشتر کمک می کنیم.

مقدمه

مدیریت ارتباط با مشتری (CRM) به یک نگرانی کلیدی در صنایع مختلف تبدیل شده است، زیرا بسیاری از محصولات و خدمات به کالاها تبدیل شده است. از این رو، به منظور ایجاد نوآوری و ارائه خدمات با ارزش، تمرکز فزاینده بر نیازهای مشتری به جای ویژگی های محصول یا ویژگی های متمایز قرار می گیرد. این به خصوص مربوط به جایی است که حجم زیادی از معاملات رخ می دهد و بنابراین مقدار زیادی از اطلاعات به دست می آید. این است که با مشاهده رفتار مشتری، به یاد آوردن تجربه گذشته، یادگیری از آن و اقدام بر آن است که یک رابطه ساخته شده است. بنابراین، یک امکان به دست آوردن اطلاعات در مورد نیازهای مشتری به منظور بهبود روابط مشتری، تجزیه و تحلیل برخورد خدمات است. در خدمات فناوری اطلاعات، حادثه، مشکالت و یا رسیدگی به شکایات، مواجه شدن خدمات مهم در رابطه با مشتری است. مستند سازی این برخورد های خدمات اغلب از طریق بلیط های به اصطلاح صورت می گیرد. با گذشت زمان، مقدار زیادی از مجموعه داده ها توسط ارائه دهندگان خدمات فناوری اطلاعات ایجاد و ذخیره می شود. برخی از ارائه دهندگان به تجزیه و تحلیل بلیط کتابچه راهنمای کاربر برای شناسایی نیازهای مشتری تا به امروز غلط است – با استفاده از دانش و تجربه مهندسین پشتیبانی فنی. با این حال، مشخص می شود که حجم اطلاعات زیاد و سریع، و نیز نیاز به انتقال دانش مهندسین، نیازمند راهکارهای اتوماتیک، مقیاس پذیر و مبتنی بر داده است.

Year: 2016

Publisher : IEEE

By :  Lena Eckstein , Niklas Kuehl,  Gerhard Satzger

File Information: English Language/ 8 Page / size: 529 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1395

ناشر : IEEE

کاری از : لنا اکستین، نیکلاس کوهل، گرهارد ساتزر

اطلاعات فایل : زبان انگلیسی / 8 صفحه / حجم : KB 529

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود