AI 客诉与风控体系
AI 客诉与风控体系是面向金融服务风险识别的项目。它希望把公域舆情、客户反馈、企微聊天、服务过程和历史外诉复盘转成可识别、可分级、可触达、可复盘的风险闭环，让客诉从事后处理前移到 风险信号识别和前置干预。
10 类风险场景退费、服务态度、承诺不符、不合格投资者、代维等
百件级复盘基于多月外诉案例做语义和场景归因
关键词体系年龄、借贷、疾病、保本、投诉、曝光等风险信号
闭环流程识别、匹配、分级、触达、处置、复盘
项目背景
金融服务中的客诉风险通常不会突然出现。很多风险在正式投诉之前，已经出现在客户评论、企微聊天、服务记录、退费诉求、外部平台曝光或内部流程异常中。
如果只能等客户正式投诉后再处理，业务会非常被动：
- 客户情绪已经升级，处理成本变高。
- 风险客户没有被及时识别和分级。
- 服务过程缺少可追溯记录，难以复盘责任。
- 客服、客诉、业务、合规之间的信息流转不及时。
- 历史案例没有转成可复用的风险规则。
这个项目的目标，是将客诉处理从“事后响应”推进到“事前识别、事中处置、事后复盘”。
项目目标
- 通过 AI 和数据方法识别潜在客诉和外诉风险。
- 将公域评论、客户语义、手机号线索、客户信息和服务记录连接起来。
- 建立风险场景、关键词、分级规则和处置流程。
- 支持客诉团队进行前置安抚、分流处理和结果复盘。
- 将历史外诉案例沉淀为可持续迭代的风险识别规则。
我的角色
我在项目中负责风险场景梳理、语义分析框架、指标链路和产品化表达。这个项目要求我既理解业务流程，也能把非结构化风险信号转成可系统识别的字段和规则。
| 工作方向 | 我承担的工作 |
|---|---|
| 场景拆解 | 基于历史外诉和业务沟通，拆解退费、服务态度、承诺不符、代维等风险场景 |
| 语义标签 | 梳理客户消息中的风险关键词、语义信号和触发条件 |
| 流程设计 | 设计风险识别、客户匹配、任务分派、触达安抚和处置复盘链路 |
| 指标体系 | 设计采集覆盖、有效线索、客户匹配、触达率、化解率、外诉压降等指标 |
| 系统协同 | 与业务、客诉、产品和开发对齐后台流程、企微聊天记录和风控字段 |
风险场景体系
资料中基于多月外诉复盘，将风险归纳为多类场景。公开页面不展开具体客户案例，只展示方法层。
| 风险场景 | 典型信号 | 产品化处理 |
|---|---|---|
| 退费相关 | 多次退费诉求、拖延、拒绝、强烈不满 | 标记退费风险，触发专人承接 |
| 服务态度 | 长时间未回复、拒接、推诿、态度强硬 | 识别服务未覆盖和情绪升级 |
| 承诺不符 | 对课程、权益、收益、专属服务产生落差 | 关联销售承诺和服务履约记录 |
| 不合格投资者 | 高龄、借贷、重大疾病、风险认知不足等 | 触发合规风险标签和特殊处理 |
| 投诉意图 | 投诉、举报、曝光、监管、媒体等表达 | 提升风险等级，进入快速响应 |
| 代维相关 | 第三方介入、模板化投诉、账户异常 | 识别批量风险和外部操控线索 |
| 服务交接 | 员工离职、换人未告知、客户历史断层 | 建立交接提醒和服务连续性检查 |
关键词与语义识别
项目中沉淀了一套风险词和语义触发规则。例如：
| 识别方向 | 代表信号 |
|---|---|
| 投诉升级 | 投诉、举报、监管、曝光、媒体、骗子、诈骗 |
| 退费压力 | 我要退款、不想做了、什么时候退、一直不处理 |
| 风险认知 | 保本、稳赚、不会亏、亏了谁负责 |
| 资金压力 | 借钱、贷款、信用卡、急需用钱、医疗费 |
| 特殊人群 | 高龄、疾病、家属代管、认知不清 |
| 服务失联 | 不回消息、没人管、找不到人、换人没人通知 |
这些信号不能单独决定结果，但可以作为风险识别的输入。系统需要结合客户状态、订单、服务记录、聊天上下文和历史处理结果综合判断。
产品流程
text
公域内容 / 企微聊天 / 客户反馈
-> 风险关键词与语义识别
-> 客户身份匹配
-> 风险分级
-> 任务分派与触达
-> 安抚 / 分流 / 处理
-> 结果复盘| 环节 | 核心问题 | 数据产品设计 |
|---|---|---|
| 线索采集 | 风险从哪里出现 | 公域评论、企微聊天、客户反馈、服务记录 |
| 语义识别 | 哪些内容代表风险 | 关键词、语义标签、场景分类、风险等级 |
| 客户匹配 | 能否定位到内部客户 | 手机号、昵称、平台信息、账号映射 |
| 风险分级 | 谁需要优先处理 | 高风险、中低风险、外诉风险、服务风险 |
| 触达处置 | 谁来处理，处理到哪一步 | 任务流、承接人、处理状态、结果记录 |
| 复盘优化 | 规则是否有效 | 化解率、投诉率、触达率、误判漏判复盘 |
指标体系
| 指标类型 | 代表指标 | 作用 |
|---|---|---|
| 采集指标 | 监控账号数、评论数、聊天记录覆盖、有效线索数 | 判断风险信号覆盖度 |
| 匹配指标 | 手机号提取率、客户匹配率、重复线索合并率 | 判断线索能否进入处理流程 |
| 处置指标 | 触达率、响应时长、安抚完成率、分流完成率 | 判断业务承接效率 |
| 结果指标 | 投诉压降、外诉转化、风险化解、复发率 | 判断风险识别是否有效 |
| 质量指标 | 误判、漏判、规则命中率、人工修正规则 | 支持模型和规则迭代 |
成果与价值
- 将客诉风险拆成可识别的场景、关键词、标签和流程。
- 基于历史外诉复盘沉淀风险规则，减少对人工经验的单点依赖。
- 建立从风险线索到客户匹配、触达、处置和复盘的产品化闭环。
- 为 AI 在金融客诉和服务风控中的应用提供可落地框架。
- 推动业务从“客户投诉后处理”转向 提前发现、提前安抚、提前分流。
个人能力沉淀
这个项目体现的是 AI 产品在高风险业务场景中的落地能力。AI 不能只负责“生成回复”，更重要的是把非结构化内容变成风险信号，把风险信号接入业务流程，并能持续复盘识别效果。