客户服务中产品问题导向的E-learning学习路径优化方法研究

E-learning能否作为一种客户服务手段有效地应用到企业客户服务中，核心问题是它能否针对客户特定问题从复杂的学习对象网络中快速找到符合客户需求的最优学习路径。由于不同客户特征和需求存在差异，本课题提出基于分类蚂蚁群体智能的学习路径优化算法，并在实证调研基础上，通过构建产品问题情景模型、识别不完全信息下客户认知风格和知识水平特征并构建模型、描述问题导向的E-learning学习对象知识网络，获得学习路径优化算法的各类参数，在离线模拟环境中对算法进行训练，并进一步利用自组织神经网络来记载不同问题特征、不同客户特征下的最优学习路径，从而使智能代理能够根据简要的客户信息、人机交互信息和问题描述，通过查询速查表就可以给出最优学习路径。本课题对于深化客户-问题-学习路径研究、改进蚁群算法、构建问题导向型E-learning具有学术意义，也能为企业采用E-learning式客户服务提供理论和方法。

将E-learning系统引入到客户服务中，用于帮助客户自助解决特定的产品问题，难点主要在于：不同客户在认知风格、产品知识水平上存在差异，即便面临同一个产品问题，不同知识水平和认知风格的客户所需要的学习路径也会不同；即便是同一个产品问题，由于问题发生的情景不同，所需要的相关产品知识也不同。客户应用自助服务系统一般是问题导向的，因此系统不可能全面获得客户的产品知识水平和认知风格；E-learning系统中大量的学习对象之间形成了相互间存在知识联系的网络，如何面对特定问题，从这个复杂的网络系统中获取最符合特定客户需求和特征的最优学习路径的问题可以归结为路径寻优问题。因此，本课题针对特定产品问题的特点，结合客户产品知识水平和认知风格特征，在分类蚂蚁的群体智能算法基础上，使E-learning系统为客户提供解决产品问题的最优的学习路径，将与解决特定问题最匹配的知识提供给客户，从而提高客户服务的水平。.本课题基于对E-learning可以作为企业客户服务手段和客户特征影响E-learning学习路径及相应的客户服务效果的认识，结合特定的服务（如移动旅游服务、产品售后使用服务）应用情境理论研究了客户服务E-learning的问题特征维度和问题情境；针对不完全信息下的客户特征建模，采用了贝叶斯判别的方法测量客户产品知识水平，采用贝叶斯网络的方法识别客户的认知风格，进而以这两个特征为维度构建以向量表示的用户特征模型；在应用简化的TF*IDF方法获取相关学习对象、应用层次分析法得出表示学习对象解决问题的“能力值”后，探讨了适应性的知识地图构建和面向问题的学习对象获取方法，并基于分类蚂蚁群体智能研究了客户服务在线学习学习路径动态优化方法，在此基础上提出了基于学习路径推荐的在线客服系统框架，并通过模拟实验证明了该方法的可行性和适应性。.本研究将在线学习引入企业客户服务中，使客户可以随时通过自我服务和学习获得适合自己的解决问题的知识，可作为呼叫中心等客户服务形式的补充。在原有在线学习构建方法和技术架构的基础上，融合人工智能、认知行为、客户关系管理和教育理论等多领域的知识和技术，着重研究问题导向的在线学习，描述出每个学习对象适用的问题及问题发生的情景特征、适用的学习者知识水平和认知风格特征，从而完善在线学习个性化和适应性研究的研究途径和手段，能提高在线客服的服务质量和个性化与适应性。