支持分析师对其客户了解多少？大型软件组织中支持工单升级的研究与预测

理解并让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，辅以产品部署后管理客户输入的种种努力。对于后者，支持工单是让客户提交问题、缺陷报告和特性请求的关键。然而，当对支持问题关注不足时，其向管理层的升级既耗时又昂贵，尤其是对于管理数百客户和数千支持工单的大型组织。我们的工作为简化支持分析师和管理者的工作迈出一步，特别是在预测支持工单升级风险方面。在大型工业合作伙伴 IBM 的实地研究中，我们采用设计科学方法刻画支持流程以及 IBM 分析师在管理升级时可用的数据。通过设计与评估的迭代周期，我们将对支持分析师关于其客户的专家知识的理解转化为支持工单模型的特征，并实现一个机器学习（Machine Learning）模型以预测支持工单升级。我们在超过 250 万条支持工单和 1 万次升级上训练并评估了我们的机器学习模型，获得了 79.9% 的召回率，并使旨在识别有升级风险支持工单的支持分析师工作负载减少 80.8%。通过我们开发的将机器学习技术落地应用的原型工具进行的进一步现场评估，显示出每周支持工单管理会议更为高效。我们在支持工单模型中开发的特征旨在作为有兴趣实现我们的模型以预测支持工单升级的组织的起点，并为未来研究者在此基础上推进……的研究。