(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633832.3 (22)申请日 2021.12.28 (71)申请人 天翼电子商务有限公司 地址 102200 北京市昌平区未来科技城南 区中国电信集团公司院内 (72)发明人 王宣皓　刘洋　 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06F 16/215(2019.01) G06F 16/2455(2019.01) G06F 16/2458(2019.01) G06N 5/00(2006.01) G06K 9/62(2022.01) (54)发明名称 一种语音客 服员工离职预警与管理方法 (57)摘要 本发明公开了一种语音客服员工离职预警 与管理方法， 包括以下步骤： S1、 按照时间顺序对 员工生产指标进行划分， 以一周为时间维度划分 指标； S2、 通过数据清洗、 数据预处理、 数据分析 方式得出影响员工离职的特征信息。 本发明以 RFE和LightGBM结合构建模型， 对多种相关特征 进行提取与系统自动化指标审核， 达到较为准确 的预测出要离职人员的数量及指标异常员工数 量， 降低公司人力成本、 培训成本和时间成本； 具 体优点与效果如下： (1)能够更加全面、 准确的描 述员工的状态， 精准的对员工离职进行预警， 极 大了节省了培训招聘成本； (2)能够最大化的增 加离职预测的可信度； (3)形成了自动化的指标 对比体系， 提高了可靠性， 节省了时间成本 。 权利要求书1页 说明书4页 附图4页 CN 114529036 A 2022.05.24 CN 114529036 A 1.一种语音客 服员工离职预警与管理方法， 其特 征在于， 包括以下步骤： S1、 按照时间顺序对员工生产指标进行划分， 以一周为时间维度划分指标； S2、 通过数据清洗、 数据预处 理、 数据分析 方式得出影响员工 离职的特 征信息： 1).数据清洗： 对数据不全的员工、 存在错 误等数据进行清洗； 2).数据预处理： 以周为维度划分指标， 分别求当前时间前四周每周业务指标的平均 量， 四周前到入职的时间同样求平均； 3).数据分析： 挖掘数据中的相 关变量信息， 对变量进行再加工， 并提取数据中有效特 征； S3、 RFE与LightGBM结合员工离职意向预测模型， 其中RFE方法对人工选取的特征进行 自动筛选， 筛选出影响因子较大的特征项集合的结果， LightGBM算法针对特征项集合实现 员工离职意向的预测， 具体过程如下： 1).针对人工提取的特 征使用LightGBM算法实现员工 离职意向预测模型； 2).使用RFE方法循环构建LightGBM员工离职意向预测模型， 通过RFE中随机森林算法 得出各个特征项的重要程度， 每次循环去除最低重要性特 征， 直到所有特 征项完全去除； 3).通过特征去除的顺序可以得出特征项重要程度的顺序， 从RFE中得出特征项组合情 况的最优特 征组成集 合； 4).针对最优特 征组成集 合使用LightGBM算法实现员工 离职意向预测模型； 5).通过LightGBM算法得出最有特征组成集合中各个特征的重要性权重信息， 便于后 续离职预测结果评估； S4、 实现员工离职预测管理办法， 针对不同的指标信息统计， 便于人员行为自动化管 理， 具体步骤过程如下： 1).调用客服系统客户人员 工作信息统计接口， 得出员工基础特征信息与一周时间维 度的员工生产指标信息； 2).以上述RFE算法筛选出高权重特征， 将特征作为LightGBM算法的输入， 得出员工离 职意向的概 率； 3).对预测离职意向概 率超过离职阈值的范围， 通过在员工管理平台进行报警与提 示； 4).通过线上指标审核标准对员工进行审核， 是通过计算员工的指标均值， 判断员工是 否一定时间内超出阈值范围,综合审评得 出员工真实离职意向便 于人员综合的管理。权　利　要　求　书 1/1 页 2 CN 114529036 A 2一种语音客服员工离职预警与管理 方法 技术领域 [0001]本发明涉及人工智能自动化技术领域， 特别涉及 一种语音客服员工离职预警与管 理方法。 背景技术 [0002]目前市场上大部分客服行业对于客服人员的管理采用传统的人工管理模式， 对于 员工离职预测的方式是根据传统的线性回归等方式预测员工 离职的可能性。 [0003]传统的管理模式和预测方式存在以下弊端： 第一， 使用定性分析员工异常相关指 标模式， 通过特征指标主观推 断离职意向的方式， 缺 乏预测结果的评判依据； 第二， 传统方 法对特征的界定不明确， 存在部分影响因子较小的无效特 征， 影响离职预测的准确率； [0004]为进一步降本增效， 本专利提出RFE和LightGBM结合算法实现语音客服员工离职 预警方法。 1 .RFE方法能够有效的筛选影响因子较大的特征项， 提升预测准确率； 2.LightGBM算法能够针对特 征项统计各个特 征影响权 重， 为离职预测结果 提供评判依据。 发明内容 [0005]本发明要解决的技术问题是克服现有技术的缺陷， 提供一种语音客服员工离职预 警与管理方法， 通过RFE和LightGBM结合算法融入现有的客服管 理模式， 形成新的智能语音 客服管理方法， 实现自动化离职人员预警、 员工异常指标监控、 定时提醒及线 上指标对比分 析。 [0006]本发明提供了如下的技 术方案： [0007]本发明提供一种语音客 服员工离职预警与管理方法， 包括以下步骤： [0008]S1、 按照时间顺序对员工生产指标进行划分， 以一周为时间维度划分指标； [0009]S2、 通过数据清洗、 数据预处 理、 数据分析 方式得出影响员工 离职的特 征信息： [0010]1).数据清洗： 对数据不全的员工、 存在错 误等数据进行清洗； [0011]2).数据预处理： 以周为维度划分指标， 分别求当前时间前四周每周业务指标的平 均量， 四周前到入职的时间同样求平均； [0012]3).数据分析： 挖掘数据中的相关变量信息， 对变量进行再加工， 并提取数据中有 效特征； [0013]S3、 RFE与LightGBM结合员工离职意向预测模型， 其中RFE方法对人工选取 的特征 进行自动筛选， 筛选出影响因子较大的特征项集合的结果， LightGBM算法针对特征项集合 实现员工 离职意向的预测， 具体过程如下： [0014]1).针对人工提取的特 征使用LightGBM算法实现员工 离职意向预测模型； [0015]2).使用RFE方法循环构建LightGBM员工离职意向预测模型， 通过RFE中随机森林 算法得出各个特征项的重要程度， 每次循环去除最低重要性特征， 直到所有特征项完全去 除； [0016]3).通过特征去除的顺序可以得出特征项重要程度的顺序， 从RFE中得出特征项组说　明　书 1/4 页 3 CN 114529036 A 3