Identifizierung der beratungsintensiven Kunden mittels Kundendaten einer Kundenhotline

Abstract

In dieser Arbeit wurde deutscher Text (als Memo) von einer technischen Kundenhotline mit verschiedenen NLP Methoden analysiert. Dabei wurde experimentiert, ob firmendefinierte Stoppwörter definiert werden sollten. Außerdem wurde das Memo in Anfragetypen, wie zum Beispiel Störungsmeldung oder Technische Fragen, usw., klassifiziert. Anschließend wurde ein BERT-Modell mit einem eigenen Datensatz trainiert und evaluiert. Das Ergebnis dieser Arbeit zeigt, dass Kundendaten dazu verwendet werden können, beratungsintensive Kunden zu identifizieren.

In this paper, German text (as a memo) from a technical customer hotline was analyzed using various NLP methods. Thereby it was experimented whether to define company defined stop words. Also, the memo was classified into request types, such as disturbance report or technical questions, etc. Subsequently, a BERT model was trained and evaluated with a custom data set. The result of this work shows that customer data can be used to identify customers who require intensive consulting.