客户满意是影响客户购买、留存、忠诚以及企业口碑的重要决定因素，与公司的长期利润与价值创造密切相关。随着社会化平台的不断推广应用，用户生成内容(User Generated Content, UGC) 得到企业的广泛关注。特别是客户评论这类企业外UGC，以其自主性、丰富性和多样性，成为企业分析客户满意的重要信息源。同时，由于客户评论的大数据特征（非结构化、数量巨大、低价值密度等），相关研究设计了多种机器学习方法对其进行特征提取、情感极性探测、以及关键影响因素挖掘等。近几年，深度学习方法以其强大的学习能力和高水平的预测精度，也在客户满意分析领域开始得到关注和应用。

但现有基于UGC进行深度学习并支持客户满意分析的研究还存在如下挑战。第一，客户评论具有“强情感，弱内容，自发性”的特点，使得其蕴含的信息质量较差，因而难以实现对影响客户满意的因素和缘由的深度洞察。这一挑战在高专业化程度的服务场景下更为突出。第二，大量分析方法直接将机器学习模型应用于客户评论文本数据，缺乏适当的管理理论和框架的有效支撑和合理集成。易使挖掘得到的特征或因素比较琐碎、零散和表面化，且缺乏可靠的管理意义，从而造成实践指导意义较弱。第三，深度学习模型的引入虽有助于提升学习精度，但由于其复杂的“黑箱”机制，如繁复的序列规则、成百上千的隐藏状态单元和数百万个参数的更新等，使得所学习到的模式的管理可解释性不足，无法真正用于支持业务改进和服务优化。

清华大学经济管理学院管理科学与工程系副教授卫强获批2021年度国家自然科学基金项目《基于企业内外部用户生成内容匹配和可解释深度学习技术的客户满意度分析》。针对上述挑战，本项目首先引入另一类重要的信息源，即企业内UGC——企业CRM/内部博客中的员工日志等。相对于客户评论，员工日志是由企业员工针对特定客户业务所记录的信息，如投诉细节、问题症结、潜在解决方案、处理进度和客户状态等信息，具有“弱情绪，强内容，规范性”的特点，可以极大弥补客户评论的不足。更重要的是，员工日志与客户评论是分别从企业内外部不同视角对于同一业务的描述，这样的双边信息源的匹配为深度洞察客户满意度提供了有力支撑。

教授简介

卫强

清华大学经济管理学院管理科学与工程系信息管理副教授。卫强2003年在清华大学经济管理学院毕业，获管理学博士学位，同年进入清华大学经济管理学院工作至今。2007年，他在美国麻省理工学院（MIT）斯隆管理学院担任国际访问学者。

主要研究和教学兴趣包括大数据分析，信息系统与信息管理，电子商务，商务智能与数据挖掘，智能技术与软计算，管理模拟等领域。目前已在重要国际学术期刊和重要国际会议中发表了多篇学术论文，如卫强还编著了两部教育部“十一五规划教材”《管理系统模拟》与《商务智能原理与方法》和一部教育部“十二五规划教材”《商务智能原理与方法》，其中《商务智能原理与方法》获得2011年教育部普通高等教育精品教材奖。

卫强在多个学术机构和学术会议中担任职务，如国际期刊

卫强所获得的主要奖项包括教育部新世纪优秀人才（2012），教育部百篇优秀博士论文提名奖（2004），清华大学优秀博士毕业论文奖（2003），SAP Seed Fellowship（2001），以及多个最佳论文奖和教学奖等。

相关阅读

• 学院获批多项2021年国家自然科学基金项目

• 经管学院5项教学成果获“清华大学教学成果奖”！

• 清华经管学院多位教授论文获评《管理世界》2020年优秀论文

内容来源：科研事务办公室

编辑：符怡

审核：郑黎光

责编：卫敏丽