使用特征工程预测客户支持工单升级

理解并保持客户满意是需求工程的核心原则。收集、分析和协商需求的策略，以及产品部署后管理客户输入的努力，是相辅相成的。对于后者，支持工单是关键，它允许客户提交问题、错误报告和功能请求。然而，如果对支持问题关注不足，其升级到管理层将变得耗时且昂贵，特别是对于管理数百个客户和数千个支持工单的大型组织。我们的工作旨在简化支持分析师和管理员的工作，特别是在预测支持工单升级风险方面。在我们的大型工业合作伙伴IBM进行的现场研究中，我们采用设计科学研究方法来描述支持流程以及IBM分析师在管理升级时可用的数据。然后，我们将这些特征实现到机器学习模型中，以预测支持工单升级。我们在超过250万个支持工单和10,000个升级案例上训练并评估了我们的机器学习模型，获得了87.36%的召回率，并将支持分析师识别有升级风险的支持工单的工作量减少了88.23%。最后，除了这些研究评估活动外，我们还将我们的支持工单模型与未进行特征工程开发的模型进行了性能比较；支持工单模型的特征优于非工程化模型。本研究中创建的工件旨在为有兴趣预测支持工单升级的组织提供一个起点，并为未来的研究者在此基础上推进升级预测研究。