伴随新一轮电力体制改革深入推进,售电侧逐渐开放,电力经营主体数量增多,电力市场竞争日趋激烈,同时,消费者服务观念觉醒,维权意识提高,服务需求呈现多元化、个性化,服务品质逐步晋升为用户衡量产品价值的标准,服务营销成为企业打造竞争优势的首选理念。此外,电力企业客户服务系统中已经积累了海量、详实的业务数据,具备了规模化、多样化和实时性的特点。因此,在大数据时代的背景下,利用先进的数据分析技术进行数据挖掘、综合分析,进而提升服务、优化管理,助力电力营销,增强企业竞争力,这已成为各个电力企业的共识。本文以某电力公司客户为研究对象,95598客户服务中心的业务工单为数据基础,调研了电力客户服务的工作现状和需求,应用数据挖掘和信息技术对客户服务所关注的投诉等问题展开研究。首先,结合历史数据的特点和挖掘需求,选取文本挖掘技术和灰色关联法分析了投诉的分布特征和易发原因,利用文本相似度实现了重复诉求工单的自动识别与提取,并对算法的识别率进行了验证,探究了重复诉求发展的业务关联规则。其次,分别从定量和定性角度预测客户投诉行为,前者针对单月投诉量的发展趋势,建立投诉数量的一元时间序列预测模型,后者依据客户诉求描述的文本内容,采用朴素贝叶斯和随机森林分类算法构建出模型,以此评估客户单次来电的投诉倾向性。最后,综合应用前两点成果,提出了一套电力客户投诉闭环管控和服务提升系统,包含投诉预警和针对投诉易发原因的服务提升策略,并结合电力公司的组织结构,丰富和细化了系统架构和运行流程,可达到降低投诉率和提升服务质量的目标。基于文中研究使用的方法和结论,采取以C#面向对象语言为主,R语言和Python语言为辅的方式,形成具有较强人机交互特性的工单处理软件,可分别支持投诉分析与预测、重复诉求提取与分析以及输出服务提升策略,由此将研究成果实现为应用工具,并已投入到实际场景中,协助电力公司开展服务工作。