毕业论文
某地区电信客服中心服务能力实证研究
学 院_____经济管理学院_____
专 业__信息管理与信息系统
(信息管理方向) __
年级班别___ 2004级（6）班 _
学 号 3204004676
学生姓名_____ 刘泽华________
指导教师__ ___ 莫赞教授_ _____
2008年3月
摘要：
呼叫中心作为企业向客户传递服务的重要途径，在多个行业成为普遍应用的信息化平台。因此，呼叫中心的服务质量也就成为人们越来越关注的焦点。为了更好地揭示呼叫中心服务质量的影响因素，本文将以呼叫中心为研究对象，服务质量的测评为研究核心，揭示呼叫中心服务质量的影响因素，准确反映各因素之间的关系。
本文在归纳并梳理了服务质量概念及已有的评价方法基础上，结合我国呼叫中心的特点，从第三方的角度即顾客满意度出发，构建了呼叫中心服务质量的理论模型，建立了呼叫中心客服代表服务质量评价体系，依据服务质量各因素的指标体系，使用决策树以算法分析评价的的方法，对某地区电信公司10000呼叫中心服务质量展开实证研究。
数据分析结果表明：影响呼叫中心服务质量的因素有多方面构成，服务态度是影响呼叫中心服务质量的主要因素；受不同的因子影响企业提高和改进客服代表服务质量的侧重点应有所不同。
关键词：客服中心；服务质量；顾客满意度；决策树模型。
Abstract：
As an important way for enterprises to transfer service to customers, call center has become an information platform with universal application industries. Therefore, the service quality of the call center will become increasingly the focus of attention. In order to better the quality of service call center reveals the impact of factors, the paper will call center for the study, quality of service survey to study the core, reveals call center quality of service factors, accurately reflect the relationship between various factors.
This paper summarizes and sort out the concept of quality of service and has been on the basis of the evaluation method, combining the characteristics of our call center, from the perspective of a third party that is customer satisfaction starting and building a call center service quality of the theoretical models, established a call center Customer service representatives service quality evaluation system based on various factors of quality of service index system, the use of decision tree to algorithm analysis and evaluation of the method, a regional telecommunications company 10,000 call center service quality start empirical research.
Data analysis showed that: impact on quality of service call centers there are many factors pose, the attitude is affecting the quality of service call centers the main factors affected by different factors and enterprises to improve customer service representatives to improve the quality of service should be different emphases .
Key words: Call Center; service quality; Customer Satisfaction; decision tree model.
目录：
2摘要：
3Abstract：
6第一章. 绪论
研究背景：
研究目的：
研究方法：
基础研究部分
探索研究部分
论文构成：
10第二章. 服务质量与顾客满意度相关理论：
服务质量的概述：
顾客满意度的概述：
服务质量与客户满意度的关系
15第三章. 呼叫中心的数据实例分析
数据获取
数据输入
服务质量因素分析
数据的属性分析
样本数据的预处理
数据描述性统计分析
22第四章. 服务质量满意度建模
决策树概述
决策树算法简介
决策树模型建模
数据准备
建立模型
模型评估
结果分析与建议
规则树
规则描述
本章小结
33第五章. 结论
本文研究的主要结论：
展望
34参考文献：
35致谢
绪论
研究背景：
在全球经济一体化、竞争日趋激烈的形势下，现代企业正在由以往的以产品为中心、以市场为导向朝着以客户为中心、以客户服务管理(CSM，Customer Service Manage)为依托的方向发展。而电信市场的日益开放导致竞争日益加剧，使得电信企业必须更加注重客户服务管理，因而呼叫中心的建设和运营就显得十分重要。[1]
早在20世纪80年代，欧美等国家的电信企业、航空公司、商业银行为了密切与客户的联系，广泛应用计算机技术，利用电话作为与用户交互联系的媒体，设立了呼叫中心，实际上就是建立了针对客户的服务中心。呼叫中心利用计算机技术、计算机网络技术和电话通信技术，为客户提供自动语音应答服务和人工接听服务，包括信息查询、业务查询、业务受理、质量投诉和处理、信息发布等全方位客户服务功能，还实现了内部使用的服务分类统计分析、服务质量监控和考核等功能。因此，呼叫中心常常成为客户服务中心的代名词，在本文中，我们将这两者等同看待。[2]
目前在国外，随着CRM应用范围的不断扩展，呼叫中心已经成为一个巨大的产业。据有关的调查显示，仅在美国和加拿大呼叫中心的数量就达14万个左右。如果再加上那些小型的具备一般处理呼叫能力的系统，这个数量还要大得多。美国大约有700万人在呼叫中心工作，占据劳动力人口3%。另外，据IDC的调查表明，1998年的全球呼叫中心服务市场总产值为230亿美元。呼叫中心服务市场包括咨询、系统集成和外包服务。其中外包占据整个市场的74%，其产值约为170亿美元。调查还显示，呼叫中心还将以较大的增幅继续增长。[3]
相对于国外，我国的呼叫中心服务市场起步比较晚，虽然近几年发展迅猛，但还没有形成一定的规模，落后于国外的平均水平10年左右。在我国的呼叫中心的发展过程中，中国电信利用其自身行业的优势，建立了多个呼叫中心，如10000号、114号、10086等。它们透过其方便快捷的服务，使呼叫中心的概念深入人心。中国电信实现了呼叫中心功能的平民化和实用化，从而帮助国内的呼叫中心市场实现了从理论和概念到大规模实际应用的飞跃。据统计，1997年我国的呼叫中心市场规模为62000个座席，营销额达到10亿元；1993年到1997年的平均增长率为46%。截止到2000年底，中国共拥有呼叫中心座席数量万多个（不包括寻呼企业的座席数）市场总规模达到亿元。按照国外呼叫中心的发展情况来看，一个成熟的呼叫中心市场中，电信部门的市场份额仅占市场份额的10%。而我国的电信部门现在却占有2/3的市场份额，可见未来的市场潜力很大。据专家预测，未来我国的呼叫中心市场将形成一个超过100亿元人民币的产业，如何快速弥补目前在运营管理方面的巨大滞后，如何高效、稳定地运营和管理呼叫中心，已成为呼叫中心管理者越来越关心的问题[4]。
随着我国加入WTO和市场竞争的日趋激烈，电信行业的改革不断深入，从电信业服务的内容、服务范围、服务方式、服务对象、服务质量、服务意识和管理到运营方式等，都将发生历史性的深刻变化，将呼叫中心技术应用到客户服务系统中不但有利于提高电信服务质量，还有利于规范业务管理、统一品牌形象、降低运营成本，使公司在日益激烈的市场竞争中处于有利的地位[5]。
电信行业为了争取顾客，必须提供更高的服务，因此各大网络运营商都很注重企业呼叫中心的建设，一些企业想了解自己的呼叫中心在行业中所处的位置，以及呼叫中心的顾客满意度情况，开始做了一些顾客满意度调查研究，但很多企业仍是将用户满意停留在观念阶段，并没有真正地理解用户满意的涵义，更没有将用户满意提高到科学的评价体系和系统的改进措施上来，因此不能实现呼叫中心从“成本中心”向“利润中心”的过渡。
研究目的：
目前国内针对呼叫中心服务能力进行系统研究的不多，本文将着重于从实例数据去分析评价呼叫中心的服务情况，希望得到一个比较详细的结果，为呼叫中心的进一步完善和发展起到一定的作用。本文的主要研究目的如下：
1.研究呼叫中心服务能力和客户反映的顾客满意度情况之间的关系；
2.研究某地区呼叫中心的拨通率、拨通时长分布对比情况；
3.研究某地区呼叫中心各个指标以及各个指标对总体顾客的影响程度，找到问题的所在及关键切入点，为服务质量的改进提供一个可靠的依据。
争取通过本文对服务质量的研究和测评，使“三赢”的前景能够在呼叫中心的多重关系中孕育而生。首先是顾客由于呼叫中心积极地、熟练地提供优质服务而赢；其次，客服人员由于得到系统支持为顾客提供满意的服务而赢，从而更有利于提高客服代表的工作满意度；最后，对于呼叫中心而言，由于从顾客那里获得了更多的利润而赢。
研究方法：
本文主要以呼叫中心服务质量测评为出发点，从理论和实践两个方面对客服中心服务质量的测评方法进行了较为系统的研究。拟通过国内外文献的比较和分析，结合呼叫中心的特殊性和服务质量的特性，在中国文化背景下对呼叫中心提供的服务进行深入的理论探讨，提出呼叫中心的服务质量的概念框架；并以某地区10000号呼叫中心为研究对象，进一步收集数据，对模型进行验证和修正。希望能初步构建适合我国现阶段的呼叫中心服务质量测评模型，为企业的实务决策提供理论依据。
本文的主要研究内容和研究思路如下：本文的研究内容共分为两大部分，第一部分为基础研究；第二部分为探索性研究。
基础研究部分
该部分主要对已有服务质量测评方面的相关文献进行回顾，对服务质量和呼叫中心方面的相关内容进行实地调查，并及时进行总结，总结归纳服务质量的特性并介绍呼叫中心已有服务质量分析工具的相关内容。主要是为后续文章中问题的研究打下铺垫。
探索研究部分
（1）服务质量研究方法的探讨。本文在研究过程中，由于正进行移动行业呼叫中心服务质量测评项目。在此期间，经历了量表分析、问卷设计，前期探测以及数据收集的全过程。因此，为本文的详细地分析提供了大量的数据支持和事实依据。结合研究的内容和项目所提供的优越条件，在该部分给出服务质量测评的研究方法。
（2）进行数据的分析和诠释。在该部分主要使用对所收集的相关数据进行分析和结果的诠释。通过对相关数据的分析其主要的目的是了解资料的特性、检验资料的质量、并给出各要素的影响程度。
（3）服务质量测评模型。通过前述文献的回顾和实地的调研，结合研究对象的特殊性，给出了影响服务质量的关键要素和测评的模型并对影响要素进行了详细地分析。
论文构成：
本文各章节的安排如下：
第一章：绪论。主要介绍呼叫中心相关的理论背景；同时介绍本文的研究目的，说明了研究方法等情况。
第二章：服务质量与顾客满意度相关理论。首先从探讨服务的概念入手，将服务质量与顾客满意度有关的研究结论汇总之后分别进行文献梳理；最后对各概念之间相互关系的研究进行综述。
第三章：呼叫中心的数据实例分析。介绍了研究对象与抽样设计后具体描述了问卷设计的相关内容说明获取数据方式，简单讲述数据的预处理操作，之后是对处理后的数据进行简单的统计性描述。为后续的建模和分析提供充足的准备。
第四章：服务质量满意度建模。介绍一个基于算法建立的决策树模型。研究模型中各有关的结构变量以决策树可以生成一系列定量化的规则，通过这些规则可以很精确地了解各质量因素与顾客满意度之间的关系。建好模型后，对模型进行了评估，并展现建模的分析结果，最后从多项规则中提取了对决策具有指导意义规则。
第五章：结论和展望。首先阐述了本文主要研究结论和建议，最后指出本文研究局限与后续研究建议。
服务质量与顾客满意度相关理论：
服务质量的概述：
服务质量在各种服务业的营销中，可以说是企业成功最重要的关键之一。但是服务具有无形性、不可分割性、可变性等各种特性，所以无法很具体地描述服务质量，也增加了在其定义、衡量及控制上的困难。
对服务质量的研究始于20世纪70年代后期。从那时起，服务质量问题引起了许多学者极大的兴趣。
格朗鲁斯于1982年率先提出了顾客感知服务质量(perceived service quality)的概念和顾客总的感知服务质量模型(the model of total perceived Service quality)。这种方法建立在对顾客行为和与顾客消费后评价相关的顾客期望的影响进行研究的基础上。格朗鲁斯所创建的感知服务质量评价方法与顾客差异结构(disconfirmation construct，用来衡量顾客的服务体验、服务结果与顾客期望值的方法)至今仍然是服务质量管理研究最为重要的理论基础。
以往许多学者认为服务质量是以顾客满意程度的高低为标志，认为服务质量的产生是顾客本身对服务的预期与实际感受比较的结果。
Garvin(1984)认为服务质量是一种感知性的质量，并非客观质量，而且服务质量是顾客对于事物的主观反应，并不以事物性质或特性进行衡量。美国质量协会(ASQC)及欧洲质量管理组织(EOQC)将服务质量定义为产品或服务的总体特征及特性满足既定需求的能力。Lewis(1990)认为服务质量是衡量服务水准传递符合顾客期望的程度。Parasuraman，Zeithaml&Berry(1988)将服务质量更深层的定义为在服务传递过程中，即服务提供者和顾客互动过程中所产生服务的优劣程度，而且强调服务质量由顾客评定。美国营销协会(AMA)对服务质量所从事的大规模市场调查指出，服务质量是“一个相对标准，而非绝对的观念，顾客对企业服务质量是否满意，乃决定于其事前所持有的期待与实际所感受到的服务(知觉绩效)之间的比较。若所提供的服务使顾客感到超过了其事前期待，则顾客满意度高，为高水平服务质量，顾客可能会再度光顾，如果实际评价与事前期待相似，顾客认为受到了普通服务，不会留下特别的印象，若实际评价低于事前期待时，该顾客必定不再光临。
Berry(1985)认为服务质量可分为过程质量与结果质量两种。前者为顾客在服务过程中所判断的服务水准，后者则为顾客在服务完成之后所判断的服务质量。他认为顾客对服务质量的评估，不只是依据服务的结果，也包括服务传递过程的评估。而顾客对服务质量的感知，乃来自顾客期望与实际服务绩效的比较。
虽然各学者对于服务质量的定义并不相同，但是其实差异性并不大，而其中最重要的共同点是“顾客是服务质量的唯一评价者”。由此可知，利用顾客的认知来作为服务质量定义的方式，已经被大多数的学者所接受。因此，服务质量的通常定义为：
服务质量是指服务能够满足规定和潜在需求的特征和特性的总和，是指服务工作能够满足被服务者需求的程度，是企业为使目标顾客满意而提供的最低服务水平，也是企业保持这一预定服务水平的连贯性程度。
顾客满意度的概述：
顾客满意度(Customer Satisfaction，CS)，顾名思义，就是顾客对企业所提供的产品和服务感到满意的程度。CS中的顾客不仅是指产品和服务的最终使用者和消费者，而且包括中间商、经销商和企业内部员工。由于顾客概念的扩展，顾客满意度的内容不仅仅是指让最终使用者满意，而且是指让包括内部顾客(员工)和外部顾客(消费者和中间商甚至与产品和服务的消费相关的人或机构)在内的所有人员的满意。
自从1965年美国学者Cardozo发表了第一篇关于顾客满意度研究的文章后，人们对这个领域进行了广泛的研究，但至今仍未形成统一的顾客满意度定义。目前，关于CS的定义，国外学者主要有以下观点：
(1)在早期的文献中，Howard和Sheth(1969)将顾客满意度定义为“购买者对购买过程中所付出代价的回报是否适当的一种认知状态”。[6]
(2)Anderson (1977)从市场学角度进行表述：商业、政府和其他非盈利组织需要测量产品/服务符合顾客需要的程度，以便他们能增加自己或社会的福利。这种需要被满足的程度就被称为顾客满意/不满意。
(3)Day (1975)认为顾客满意度的定义应包括四个因素：[7]
①顾客感知的产品性能或服务质量;
②顾客的期望;
③采购或使用产品/服务过程中的感知代价或牺牲;
④评价满意的时间，顾客满意的评价是在购买或使用后做出的。
(4)Westroot(1980)认为顾客满意度是一种评价，是比较两种认知(预期与质量)的过程中产生的，若质量表现超过或者等于先前预期，顾客产生满意[8]。
(5)Oliver(1981)认为顾客满意度是顾客对产品欲求(acquisition)或消费经历中的与期望值迥异时的评价[9]。
(6)和(1988)归纳了两点:第一，人们普遍认为，消费后的顾客满意/不满意可以定义为顾客对其产品或服务预期(顾客期望)与消费后的感知质量之间不一致程度的评价或反应。第二，研究者认为顾客满意/不满意受到顾客期望和不一致的影响，也就是受感知质量偏离顾客期望程度的影响。所以，顾客期望的选择也会影响顾客满意/不满意[10]。
(7)Fornell(1992)认为顾客满意度是一种以经验为基础的整体性态度。
(8)Kolter(1996)认为顾客满意度是顾客所感知的产品质量与个人期望之间的差异程度是感知质量与期望的函数。
另外，从服务的角度讲，顾客满意度是顾客对服务的感知和自己对服务期望进行主观比较后(即对服务是否满足其需求和期望进行评价)的情感状态的反映意见。
虽然，学者们对于顾客满意的定义，尚未有一致的看法。但简而言之，大部分学者在顾客满意度定义时强调的重点是，顾客满意度是顾客对产品/服务的感知和自己对产品/服务期望进行主观比较后(即对产品/服务是否满足其需求和期望进行评价)的情感状态的反映，以两者间的差距来表示满意或者不满意。当产品/服务质量未达到预期时就会产生不满意，相对的，当产品/服务质量超过预期时则产生满意。因此，顾客满意度是一种结合感知与情感因素的综合评价。
服务质量与客户满意度的关系
对顾客感知服务质量与顾客满意关系的看法归纳起来共有三派观点。
第一派认为服务质量是顾客满意的前因(Anderson and Sullivan，1993;Anderson etal.，1994)。在该因果顺序里，满意被描述为“消费后对质量感知的评价”(Anderson and Fornell )。鲁斯特和奥利弗(Rust and Oliver，1994，)认为质量是“消费者对服务维度进行满意判断的一个因素”，这与普拉苏拉曼等人(1985，1988)明确提出服务质量是顾客满意的前因的观点是一致的。
然而，另外一些研究者认为顾客满意是服务质量的前因。比特纳(Bitner，1990)借用奥利弗(1980)研究满意、服务质量和消费者行为之间关系的概念模型，指出服务接触满意(Service encounter satisfaction)是服务质量的前因。波尔顿和德鲁(Bolton and Drew，1991)使用代数法表示服务质量也对该因果顺序表示支持。最终，比特纳和哈伯特(Bitner and Hubbert，1994)指出满意到服务质量的因果顺序所给予的假定是服务质量与全面态度(a global attitude)是类似的，因此会包含瞬时的满意评估。笔者认为，在进行实证研究的时候，调查对象(消费者)不大可能测量到精确的“瞬时”满意评估。如前所述，顾客满意的评估应当是一个积累的过程，消费者在接受调查的时候往往反应的是累计的满意度情况。因此笔者在研究的过程中支持的是第一种观点。
第三种关于服务质量与满意的概念模式认为满意与服务质量并不互为前因(Dabholkar，1995;Mc Alex and eret al.，1994)。克罗宁和泰勒(Cronin and Taylor，1992，，p59)提出了一个结构模型并实证验证了这两者的非递归关系。不过，后来有几位学者(Brady，Michael K.; Cronin Jr，J. Joseph; Brand，Richard R.，2002)使用克罗宁和泰勒的原始数据建立了递归模型，也得到了很好的拟合效果。由此可见，我们在一般情况下可以认为服务质量与顾客满意是存在因果关系的。
综上，日前学术界对服务质量和顾客满意之间关系的描述还缺乏共识，近年来学术界的主流观点开始纷纷倾向于服务质量是顾客满意的前提这一观点。即相对更占优势的概念模式认为“服务质量是高级满意构想(the Super ordinate satisfaction construct)的前因”。笔者认为累积效果的顾客满意评价可以看作是满意构想的高级形式，顾客对多次消费后形成的总的包含感知和情感两方面的评估即是总的顾客满意度。
通过以上对顾客满意和服务质量关系的论述，可知顾客感知服务质量、顾客满意之间存在着强正相关关系。正是由于顾客满意与服务质量之间存在着一定的因果关系，才使得我们能够通过对企业顾客满意度的测评来对企业的服务质量进行评价，同样也可以通过改进服务质量来进一步改善顾客对服务的满意度。
呼叫中心的数据实例分析
在本章中，首先介绍获取了呼叫中心的数据过程，然后对服务质量因素进行分析，再简单讲述数据的预处理操作，之后是对处理后的数据进行简单的统计性描述。为后续的建模和分析提供充足的准备。
数据获取
本研究是基于电信客服调研项目开展的，本次调研项目调查的主要对象是某地区内21个主要城市的10000，10010，10086，10060客服中心的服务情况。所采取的调查方式是通过神秘顾客随机抽样[11]，抽样的时间分为三个时间段：即上午，下午和晚上；按照呼叫中心每个时段的拨通率确定出项目组成员每个时段的拨通次数，实施时对各个时段采用随机拨测的方法。
图3-1是项目运作的业务流程图：
图 3 1项目调研操作流程
本项目对数据的真实性和可靠性有着非常严格的要求，项目调研过程的质量抓得相当紧。从业务流程图也可以看出样本收集的过程是一个非常严谨的过程。
数据输入
由于本项目调查数据量巨大，若采用一般的数据输入手段，如直接输入到excel 里，那将是一个非常艰巨的任务，而且excel中各数据的准确性在很大程度上只能依靠人工去控制，所以很难达到数据输入高准确性这一要求。因此本项目采用咨询公司专用的问卷设计和数据输入软件：epidata[12]。数据输入至epidata后可直接导出为各种所需的格式。
服务质量因素分析
基于Takeuchi & Quelch的想法，从满意体验感知过程的角度出发，并根据电信提供的问卷样本，结合呼叫中心的特殊性等[13]，得出影响客户满意度的呼叫中心服务能力这一因变量的各种自变量，可以概括为表3-1[14]所示。
表 3 1 服务质量的影响因素
Table 4-1 affection factors of service quality
影响因素
指标
A系统接通能力
A1
系统是否接通情况
A2
平均排队时间
B业务能力
B
业务能力得分
C服务持续时间
C
服务持续的时间
D服务态度
D1
话务员接到客户来话时是否主动问好？
D2
摘机后听不见或听不清楚客户声音时是否礼貌请客户重复？
D3
没听清客户讲话时，是否礼貌地请用户重复问题？
D4
为用户提供转接服务或播放IVR时是否征得用户同意？
D5
为用户提供转接服务时是否告知客户等候？
D6
当需要客户等待时，是否使用礼貌用语？
D7
需要明确用户查询的问题时是否礼貌对客户提问？
D8
客户抱怨时是否礼貌解释？
D9
遇到无聊（粗俗）电话时是否礼貌回复？
D10
回答完问题后是否有礼貌性的结束用语？
E沟通能力
E1
普通话是否标准？
E2
当访问员提出问题后，话务员是否迅速理解了问题？
E3
话务员在回答问题时，语言表述得是否清脆明白？
各因素与指标之间的关系存在一定函数关系。
假设各指标因素的值为其中，i 代表各因素的序列，代表因素i的指标序列，有如下关系：
其中代表指标相对其因子的权重。
根据电信提供的标准参考意见，各样本一级指标与二级指标的关系为：
1、接通率：是指IVR终级服务单元的接通量与人工座席的接通量之和与进入呼叫中心的呼叫总量之比。
2、平均处理时间：是指某一统计时段内，座席与顾客谈话时间、持线时间及事后处理与电话相关工作内容的时间的总和除以总的通话量。
3、平均排队时间：是指在某段统计时间内，呼叫者列入名单后等待人工座席回答期间的平均等待时长。
当平均接通时间小于15秒时，则可称为接通及时。
4、顾客满意度。顾客对于呼叫中心来说，是那些直接与呼叫中心话务员接触的企业的最终消费者们。顾客满意度是指顾客对于呼叫中心提供的服务的满意程度。在本研究中，只在2月份的调研中设定了该参考因素。
5、沟通能力是指在顾客与客服中心人员沟通过程中所表现出来的能力。
6、服务态度是指客服人员在给顾客提供服务的过程中，所表现出来的一种心理倾向及由顾客感知的状态。态度对行为有直接的重要影响，它可以支配和决定人们的行为。
数据的属性分析
由于各个指标所反映的情况各不相同，所包含的信息点也各不一样，因此所使用的字段属性也有所不同。如表3-2所示。
表 3 2指标变量属性表
Table 3-2 the attribute of index
类型
变量名称
数据类型
样本属性变量
ID
样本编号
离散型
City
城市
离散型
Num
呼叫中心号码
离散型
Tphase
取样时间段
离散型
TelType
使用电话号码类型
离散型
服务质量指标变量
A1
系统是否接通情况
离散型
B
业务能力得分
连续值
D1
话务员接到客户来话时是否主动问好
连续值
D2
摘机后听不见或听不清楚客户声音时是否礼貌请客户重复？
连续值
D3
没听清客户讲话时，是否礼貌地请用户重复问题？
连续值
D4
为用户提供转接服务或播放IVR时是否征得用户同意？
连续值
D5
为用户提供转接服务时是否告知客户等候？
连续值
D6
当需要客户等待时，是否使用礼貌用语？
连续值
D7
需要明确用户查询的问题时是否礼貌对客户提问？
连续值
D8
客户抱怨时是否礼貌解释？
连续值
D9
遇到无聊（粗俗）电话时是否礼貌回复？
连续值
D10
回答完问题后是否有礼貌性的结束用语？
连续值
E1
普通话是否标准？
连续值
E2
当访问员提出问题后，话务员是否迅速理解了问题？
连续值
E3
话务员在回答问题时，语言表述得是否清脆明白？
连续值
衍生变量
C
服务持续的时间
连续值
A2
接通及时性
离散型
D
服务态度
连续值
E
沟通能力
连续值
从上表中可以看出变量包括两种：连续字段与离散字段
离散字段（discrete column）也称为种类属性（categorical attribute），它的定义是：如果一个表中某个字段相应可能包含的数据值(记录或行的值)的数目有限，而且值相对确定，那么称该字段为离散字段。例如，字段A1、A2、D1、D2、D3、D4、D5、D6、D7、D8、D9、D10、E1、E2、E3等是以字符串、整数有限分组区间等数据类型构成的字段，一般是离散字段。
连续字段(continuous column)，也称数字属性，定义为：如果一个表中某个字段相应的数据值(记录或行的值)跨越一个连续值的整个区间(潜在的有无穷多个数值)，那么称该字段为连续字段。例如，双精度或者浮点数就是连续字段最有可能的数据类型。A2、B、C等指标所代表的字段则是连续型的。
样本数据的预处理
由上面提及所有的原始数据都是通过软件Epidata输入的。为了方便调研者记录，有些指标所采用的字段类型比较直接且容易理解，但却不能很好地反映指标的特性。因此要经过处理，表3-2中的衍生变量都是经过一些预处理后得到的。
1. 服务持续时间：
服务持续时间是一个很微妙的指标值，这个指标值是开始时间和结束时间之间的差值。由于本次调研在开始设计时约定，只有当一个样本三次拨打时都没有接通时才能算是作废的样本，所以有些样本是在第二次拨打时才接通，而有些则是第三次才接通，因此，鉴于这种情况，服务持续时间统一规定为当次接通的结束时间与开始时间的差值。
2. 接通及时性：
将连续字段转化为离散型的最常用的方法就是分箱（binning）, 在此根据本项目要求的特点，采用用户自定义区间（User-defined ranges）的方式将相关的数据进行分箱处理，得到新的衍生变量“接通及时性”。
系统接通时间：第一次接通时，有两种情况：第一种：当0<Tj<=15, 设指标TS为1；当Tj > 15, 设指标TS为2；
当在第二次接通时，设指标TS为3；
当在第三次接通时，设指标TS为4；
当第三次仍未接通时，则该记录无效99。
3. 沟通能力：
对于每个样本：
其中Ei表示沟通能力的各个二级指标得分， QE 表示沟通能力得分
4. 服务态度：
对于每个样本：
其中Di表示服务态度的各个二级指标得分， QD 表示服务态度得分
数据描述性统计分析
本文采用统计软件对所收集的数据进行描述性统计分析[15]，由于变量类型不全一致，对其进行的统计方式也不尽相同。
对连续型的变量统计：
主要从样本个数、缺失数、平均值、标准差、最大值、最小值等统计变量上进行描述性统计分析。
从表3-3中我们可以看出：
1.每个变量都有10个样本缺失，主要的原因是在这10个样本中，有三次调研过程顾客没有进入到人工服务台，具体的原因将在下面分析变量“A1是否接通”时详细说明。
2. 变量CS是在2月份设置的一个参考满意度评价变量，从这个变量的统计情况可以看出按10分满分制，整体平均客户满意度得分为分，属于满意层次。
比较表3-3和3-4，我们可以发现各指标值的分布区间都基本相同，而且各指标的标准差和平均值都相差较小。相对2月份的数据，其他月份中已经没有CS这个参考变量了。
表 3 3 二月份数据连续变量的描述性统计
Field
Type
Min
Max
Mean
Std. Dev
Valid
miss
C
range
1
765
10
B
range
10
765
10
D
range
10
765
10
E
range
8
10
765
10
E1
range
2
3
765
10
E2
range
2
4
765
10
E3
range
1
3
765
10
D1
range
0
1
765
10
D2
range
0
1
765
10
D3
range
0
1
765
10
D4
range
0
1
765
10
D5
range
0
1
765
10
D6
range
0
1
765
10
D7
range
0
1
765
10
D8
range
0
1
765
10
D9
range
0
1
765
10
D10
range
0
1
765
10
CS
range
2
10
765
10
表 3 4 其他月份数据连续变量的描述性统计
Field
Type
Min
Max
Mean
Std. Dev
Valid
miss
C
range
1
7
4293
40
B
range
0
10
4293
40
D
range
5
10
4293
40
E
range
4
10
4293
40
E1
range
1
3
4293
40
E2
range
0
4
4293
40
E3
range
1
3
4293
40
D1
range
0
1
4293
40
D2
range
0
1
4293
40
D3
range
0
1
4293
40
D4
range
0
1
4293
40
D5
range
0
1
4293
40
D6
range
0
1
4293
40
D7
range
0
1
4293
40
D8
range
0
1
4293
40
D9
range
0
1
4293
40
D10
range
0
1
4293
40
对离散变量分为两种情况：
第一种情况：由上一节可以得知，大部分离散变量是属于样本属性的变量，这些样本属性主要是从不同的维度去观察数据。出于采集样本分布的要求，这些样本在这些样本属性维度上基本呈平均分布，如表3-5所示的取样时间段频次分析。
表 3 5 Tphase 频率次统计分析
值
频次
占百分比
累计百分比
1
257
2
260
3
258
100
Total
775
100
从表3－5中我们可以看出样本在时间维度上分布均匀。
第二种情况：对于非样本属性的离散变量如“A1是否接通”、“ A2接通及时性”这两个变量同样可以采用频次分析方法进行统计，统计图表如下：
SHAPE \* MERGEFORMAT
图 3 2 A2接通及时性频次统计图
从图3-2中可以看出横坐标值为99，即三次拨打呼叫中心都超过60秒没接通的有10个样本，而这10样本正好是前面连续变量统计缺失的10个样本。
表 3 6 A1系统接通 频次统计分析
值
频次
占百分比
累计百分比
775
0
0
总计
775
100
从表3-6中可以看出，接通频次数正好等于2月份的样本总量，由于这个变量在数值上没有变化，因此我们可以说这个变量在统计上没有意义，可以将其舍弃。
服务质量满意度建模
在本章中，笔者将介绍一个基于算法建立的决策树模型。决策树可以生成一系列定量化的规则，通过这些规则可以很精确地了解各质量因素与顾客满意度之间的关系。为了更清楚地了解决策树的工作原理，本章首先介绍了决策树分类器的一般建立过程及算法；然后详细介绍了采用Clementine 数据挖掘工具进行决策树建模的过程，在建模过程中所选择的输出变量正是前一章中由神经网络预测出来的顾客满意度；建好模型后，对模型进行了评估，并展现建模的分析结果，最后从多项规则中提取了对决策具有指导意义规则。
决策树概述
决策树是一种知识表示形式，它是对所有样本数据的高度概括，即决策树能准确地识别所有现有样本的类别，也能有效地识别新样本的类别。决策树可看作是一棵树型的分类或者预测模型，树的根结点是整个数据集合空间，每个分枝结点是一个分裂问题，它是对一个单一属性的测试，该测试将数据集合空间分割成两个或更多块，每个叶结点是带有分类的数据分割。从决策树的根结点到叶结点的一条路径就形成了对相应对象的类别预测。构造好的决策树关键在于如何选择好的逻辑判断或属性。决策树算法的核心问题是选取测试属性和决策树的剪枝[16]。
图6-1所示是一个决策树示意描述，该决策树描述了一个是否得了流感的分类模型，利用它可以就一个人身体表现出来的特征进行分类预测这个人是否得了流感。决策树的中间结点通常用矩形表示；而叶子结点常用椭圆表示。沿着根结点到叶结点的路径有五条，就形成了五条分类规则：
规则1：if体温很高then是得了流感；
规则2：if体温高and是头痛then是得了流感；
规则3：if体温高and没有头痛then 没有得流感；
规则4：if体温正常then 没有得流感。
决策树算法简介
1.生成决策树
决策树的生成是指由训练数据集生成决策树的过程。一般情况下，训练数据集是根据实际需要由实际的历史数据获得的、有一定综合程度的、用于数据分析处理的数据集。
-----------------------------------------------------------------------------------------------------
算法:Generate_decision_tree。由给定的训练数据产生一棵判定树。
输入:训练样本samples，由离散值属性表示；候选属性的集合attribute_list
输出：一棵判定树。
方法:
(1) 创建结点N；
(2) if samples都在同一个类C then
(3) return N作为叶结点，以类C标记；
(4) if attribut_list为空 then
(5) return N作为叶结点，标记为samples中最普通的类；
(6) 选择attribute_list中具有最高信息增益的属性test_attribute；
(7) 标记结点N为test_attribute；
(8) for each test_attrlbute中的未知值ai
(9 )由结点N长出一个条件为test_attribute=ai的分枝；
(10)设si是samples中test_attribute=ai的样本的集合；
(11) if si为空then
(12)加上一个树叶，标记为samples中最普通的类；
(13) else加上一个由Generate_ decision_tree(si, attribute_list-test_attribute)返回的结点；
-----------------------------------------------------------------------------------------------------
图 4 2生成决策树的算法
由训练样本归纳判定树的基本算法。
判定树归纳的基本算法是贪心算法，它以自顶向下递归的划分-控制方式构造判定树。
2.决策树的测试属性选择
在建树过程中，选择测试属性的依据是非常重要的。通常使用信息增益方法来帮助确定生成每个结点时所应采用的测试属性。这样就可以选择具有最高信息增益（熵减少的程度最大）的属性作为当前结点的测试属性，利用该属性进行当前（结点所含）样本集合划分，将会使得所产生的各样本子集中的“不同类别混合程度”降为最低[17]。ID3算法依据信息增益选择属性[18]。若属性a的值将样本集T划分成T1，T2，…，Tm，共m个子集，信息增益如公式()为：
（）
其中，为数据集合T的样本个数，为子集的样本个数，info(T)的计算方法如公式()：
（）
其中，freq(Cj,T)为T中的样本属于cj类别的频率，s是T中样本的类别数量。
是ID3的改进，根据信息增益比选择测试属性，信息增益比的计算方法如公式()：
（）
splitinf(a)表示拆分信息，即把T分成h部分而生成的潜在信息，计算方法如公式()为：
（）
C5是在基础上发展起来的决策树生成算法，决策树是用样木的属性作为结点，用属性的取值作为分支的树结构；它是利用信息论原理对大量样木的属性进行分析和归纳而产生的；决策树的根结点是所有样本中信息量最大的属性；树的中间结点是以该结点为根的子树所包含的样本子集中信息量最大的属性；决策树的叶结点是样本的类别值[19]。
其类别的信息熵如式（）为：
＝＝ （）
其中：为数据集T的例子数，为V=vj的例子数=freq (Cj,T)，为C；类的例子数，是V=v.例子中，具有C.类别的例子数类别的条件熵，按照属性S把集合T分割，分割后的类别条件熵为：
=＝infov(T) （）
信息增益(Gain)，即互信息
=gain(V) （）
属性V的信息嫡
==split_info(V) （）
信息增益率
Gainratio== （）
最大信息增益率(gain_ratio)是属性选择及样本分区的准则。
3. 决策树的剪枝
在一个决策树刚刚建立起来的时候，其中的许多分枝都是根据训练样本集合中的异常数据构造出来的。为了防止所建立的树和训练样本的过分拟合，提高今后分类识别的速度和分类精度，就需要对决策树进行剪枝。剪枝通常是利用统计方法删去最不可靠的分枝，以提高分类速度和分类精度。通常采用事前剪枝和事后剪枝两种。
4.决策树的规则抽取
决策树所表示的分类知识可以被抽取出来并可用if-then的分类规则形式加以表示[20]。从决策树的根结点到任一个叶结点所形成的一条路径就构成了一条分类规则。沿着决策树的一条路径所形成的“属性—值”偶对的合取就构成了分类规则的条件部分（if部分），叶结点所标记的类别就构成了规则的结论内容（then部分）。if-then分类规则表达方式易于理解，且当决策树较大时，if-then规则表示形式的优势就更为突出了。
决策树模型建模
从某研究中，通过神经网络预测得到变量“顾客满意度CS”，但并没有明确各质量因素与顾客满意度之间定量化的影响关系，要解决这一需求，可以采用数据挖掘中的决策树分类模型，通过置信度，此模型可以清晰地表示各变量对结果产生多大的影响。
首先，基于商业理解的要求，所选择的数据应该是全部的数据记录。
其次，选择变量，根据第三章第一节中的指标分析，我们可以得知，“D服务态度”这个一级指标是由10个子服务质量因素组成的，而且各指标的权重都一样，因此为了减少决策变量，只用“服务态度”这一因素。同样地，“E沟通能力”这一变量也只选择一级指标。其他的因素还包括： A2接通及时性、B业务能力得分、C.服务持续的时间。
数据准备
数据准备这一阶段主要包括两个工作：
第一，将所有数据归并到一个记录表中。
第二，对预测出来的顾客满意度这一变量采用箱的方法进行离散化。
操作流程如图4-2所示。
图 4 3数据准备操作流程图
顾客满意度离散化后，分布的情况如下图：
图 4 4顾客满意度频次分布图
建立模型
模型建立的操作流程如图4-4所示。
首先选择输出变量，由于的算法也是导师型的算法，因此必须要给其一指导性的目标变量；
其次选择算法的相关参数，经过多次地测试和选择后，我们最终选择的参数如下：
图 4 5基于决策模型建模流程图
模型评估
与前一章一样，通过采用analysis节点对C5决策模型进行评估，得到的评估结果如图4-6所示,从图中的可信矩阵可以清楚地看出模型的正确性还是比较高的，正确率达到 ％。
图 4 6 决策树模型评估图
结果分析与建议
通过决策树模型，可以生成两种不同形式的模型结果，一种是树状的，另一种则是用if-then的分类规则形式表示。
规则树
图 4 7 规则树图
图4-7用AB两个图以两种不同的形式表现了运算后的树状规则，在两个图中，只给出了第二级的规则。这个决策树组织是由算法运算得出的，可以看出变量“D服务态度”在所有变量中具有最大的信息熵和最大信息增益率。这表示企业的服务态度是影响顾客满意度评估的最重要因素。如图4-7A所示，在决策树中，单击“浏览相关性网络”命令，即可显示相关性网络浏览器。在相关性网络浏览器中，数据挖掘模型被描述成属性的网络。通过模型的相关属性可以识别数据的相关性和预测性。
在图4-7B中的节点0显示了所有记录的顾客满意度的频次分布情况，该图与图 4-3相吻合。
完整的两种形式的规则树图请看下面规则树图4-8。
图4-8 规则树图
规则描述
规则树是从变量的维度去分析，当变量的信息熵和信息增益率是分枝的最大值时，就产生树。而规则描述主要是从目标值的维度去观察规则是如何生成的。规则描述如表4-1所示。
表 4 1规则描述表
Table 4-1 rule description
Rules for dissatisfaction - contains 2 rule(s)
Rule 1 for dissatisfaction (21; )
if A2 in [ ]
and D > 6
and D <= 7
then dissatisfaction
Rule 2 for dissatisfaction (315; )
if D <= 7
then dissatisfaction
Rules for nom - contains 5 rule(s)
Rule 1 for nom (3; )
if C >
and C <=
and D > 6
and D <= 7
then nom
Rule 2 for nom (115; )
if A2 in [ ]
and D > 7
and D <= 8
then nom
Rule 3 for nom (393; )
if C <=
and D > 7
and D <= 8
and E > 8
then nom
Rule 4 for nom (197; )
if B > 9
and C >
and C <=
and D > 6
and D <= 8
then nom
Rule 5 for nom (69; )
if A2 =
and C >
and C <=
and D > 6
and D <= 7
then nom
Rules for satisfaction - contains 2 rule(s)
Rule 1 for satisfaction (64; )
if B <=
and C >
and D > 8
then satisfaction
Rule 2 for satisfaction (2,743; )
if D > 7
then satisfaction
Rules for very satisfaction - contains 5 rule(s)
Rule 1 for very satisfaction (255; )
if A2 =
and B >
and D > 9
then very satisfaction
Rule 2 for very satisfaction (373; )
if A2 =
and B >
and C >
and C <=
and D > 9
and E > 9
then very satisfaction
Rule 3 for very satisfaction (420; )
if A2 =
and B > 7
and C <=
and D > 9
then very satisfaction
Rule 4 for very satisfaction (75; )
if A2 =
and B >
and C <=
and D > 9
and E <= 9
then very satisfaction
Rule 5 for very satisfaction (25; )
if A2 =
and B > 2
and D > 9
and E <= 8
then very satisfaction
Default: satisfaction
注：A2接通及时性、B业务能力得分、C服务持续的时间、D服务态度、E沟通能力。
表 4-1规则描述表详细地给出了对应各种不同顾客满意度所产生的规则。规则表述的意思是，对于每条记录，当if 条件都满足的话，那么then 后面的结果就有可能为真。规则右边的小括号表示的意思是符合该规则的样本数及规则的置信度（confidence）。
从上表中，我们可以得出不同层次的满意度都有着相对应的规则，由于每个规则所适应的记录及其置信度不一样，不便于作为一种决策性的说明。因此，经过仔细分析，笔者从上述的规则中针对每一层次的顾客满意度总结出以下几点：
（1）对于顾客对客服中心的满意度表现“不满意”的情况：
当服务态度得分低于7分时，则有的可能顾客表现出不满意的情绪。并且，如果顾客等待时间（A2）超过15秒的话，那么顾客对客服中心不满意的可能性会提高。从这点可以看出，如果服务态度较差的的话，那么基本上顾客对客服中心的满意度肯定不会好。
（2）对于顾客对客服中心的满意度表现“一般”的情况：
当服务态度得分高于7分但低于8分，且服务持续时间在3分钟左右时，则顾客满意度表现为“一般”的可能性比较高。但是当服务态度得分高于6分且低于7分时，如果顾客等待时间（A2）不超过15秒，或者业务能力得分大于9分，且服务持续时间在2到3分钟以内的话，那么顾客的满意度表现为“一般”的可能性也比较高。从这点可以看出：顾客对客服中心满意度为“一般”可以是由很多个不同因素构成。
（3）对于顾客对客服中心的满意度表现“满意”的情况：
当服务态度得分高于7分时，则有的可能顾客表现出满意的情绪。但是当服务态度低于8分时，而业务能力强的话，也很有可能达到满意的状态。
（4）对于顾客对客服中心的满意度表现“非常满意”的情况：
服务态度得分高于9分，并且服务等待时间A2在15秒内，且服务持续时间最好是在分钟以内，则顾客对客服中心的服务感觉“非常满意”的可能性很高。而且如果话务员的沟通能力或者业务能力达到9分以上的话，那么顾客对客服中心表现为“非常满意”的可能性又有会所提高。
本章小结
在本章中，笔者首先介绍了决策树分类器的一般建立过程以及算法，然后详细介绍了决策树的建模过程，对建模的目的、数据的理解、变量的选择、模型参数的选择、模型的输出、模型的评估等都采用流程图的形式作了详细说明。最后对决策树模型产生的规则树和规则描述进行了说明，并从中提炼出对决策具有指导意义的规则。
结论
服务行业的迅速发展以及服务企业之间竞争的加剧，使服务企业日益需要了解与其竞争对手的服务差距，以改进服务水平和留住顾客。为了了解服务差距必须对自身的服务质量和服务水平进行评价和测量，由于不同的服务行业具有不同的特性，因此需要选取适合于本行业的方法或模型来进行测评。本文尝试从顾客满意度出发建立顾客满意度指数模型，以求对某地区客服中心的服务质量作出评价，从而发现其不足和找到改进的方向。
本文研究的主要结论：
本文主要以顾客满意度是顾客在感受服务质量的过程中所表现出来的满意程度之“体验式”学说为主，研究了顾客满意度情况论证客服中心的服务质量。
在第四章中笔者建立了决策树模型，该模型的输出变量是预测所得的顾客满意度，输入变量是主要的服务质量因素。经过训练和评估后，得到决策树模型，通过对模型的规则描述和规则树的提炼，得出各服务质量因子在不同值时，所产生的不同顾客满意度。
通过以上的分析，得出以下结论：
1. 在影响顾客满意的服务质量因素中，“B业务能力”、“D服务态度”、“E沟通能力”这三个因素得分越高，则顾客对客服中心就越满意；“A2接通及时性”越好，也就是说顾客等待时间越短，服务持续时间在分钟以内，则顾客对客服中心的满意度也会越高。
2. 服务态度对顾客满意度产生的影响最大，当服务态度得分低于9分时，则顾客至少有％的可能不会对客服中心感到非常满意。当服务态度得分低于7分时，顾客至少有58％的可能对客服中心感觉不满意。因此，大力加强客服人员的服务态度培训，改善服务态度，是提高顾客满意度的关键。
3. 业务能力达到9分、服务持续时间不高于5分钟、沟通能力不低于9分、电话能在人工服务接通时间15秒内接通等都是使顾客感觉非常满意的重要因素得分点。
4. 当业务能力、服务持续时间、沟通能力或者接通及时性这几个指标有所欠缺时，可通过大强度地提高服务态度的得分来改变顾客的满意情况。
展望
由于时间、精力和作者水平有限，关于服务质量测评的研究还有待进一步的深入：
本文提出的决策树模型对企业的服务质量的评价主要是从顾客的角度出发，忽略了企业内部的过程控制和内部的服务质量等一系列因素，所以说是不够全面的，全面的、合理的、能对整个服务过程的服务质量进行测评的指标体系有待建立。
参考文献：
[1] 齐超英．王超．呼叫中心在电信运营企业中的应用与管理[J]．电信科学．2001年，第10期：29．
[2] 李琪，杨路明．客户关系管理[M]．重庆：重庆大学出版社．2004：211-212．
[3]王琦．呼叫中心技术及其发展．中国数据通信，2004，6(l):50一53
[4] 赵溪，运营管理是呼叫中心由“成本中心”向“利润中心”转变的关键，电信技术，2001，(5)：5一7．
[5] 政佳露，王雪华．呼叫中心在电信行业的应用开发研究[J]，电信工程技术与标准化，2003，(11)：53一57．
[6] Howard John A.，，The Theory of Buyer Behavior，John wiley and Sons，1969．
[7] Day RalPh L. Modeling Choices Among Alternative Responses to Dissatisfaction. Advances in Consumer Research D. Perreault. Atlanta，CA：Association for Consumer Research，．
[8] Westbrook Robert A.，Intrapersonal Affective Influences on Consumer Satisfaction with Products，Journal of Consumer Research，1980，7:49一54．
[9]Oliver, Richard L．Measurement and Evaluation of Satisfaction Process in Retailing Setting,1981,57(9):27．
[10] 吕筠编译． 使用手册．
[11] 丛丽．呼叫中心服务测评模型研究[D]．吉林：吉林大学，2007．
[12] Tse，David K，Peter C．Wilton，Models of Consumer Satisfaction：An Attention，Joumal of Marketing Research,1988,25：204．
[13]李国军，陈嘉伟．呼叫中心运营管理的数字化指标．黑龙江通信技术[J]．2003，03(1)：18~19。
[14] 刘爱军,莫赞．基于BP神经网络的通信服务热线满意度的分析与评价． CNAIS2007会议收录,
[15] 张文彤，闫洁．SPSS统计分析基础教程[M]．北京：高等教育出版社．2004：75-94．
[16] 韩家炜．Micheline Kamber．数据挖掘概念与技术[M]．北京：机械工业出版社．2001：162-172．
[17] Rastogi R.,Shim K.,PUBLIC:A decision tree classifier that integrates building and pruning,Technical Report,Bell Laboratories,1998.
[18] Quinlan J R,Induction of decision trees,Machine Learning,1986,1(1):81~106 ．
[19] 陆安生,陈永强等． 决策树C5算法的分析与应用．电脑知识与技术．：17-20．
[20] 陈文伟．数据仓库与数据挖掘教程 [M]．北京：清华大学出版社．2006：150-151．
致谢
四年大学的学习，终于在这里以这篇论文作为完美的终结，在这里我首先衷心地感谢我的指导教师莫赞教授，本论文是在我的指导教师莫赞教授的亲切关怀和悉心指导下完成的。他严肃的科学态度，严谨的治学精神，精益求精的工作作风，深深地感染和激励着我。从题目的选择到最终完成，莫老师都始终给予我悉心的指导和不懈的支持。
感谢所有曾经教过我的经管学院和其他院系的老师以及研究生处的老师，是他们的教导，使我能够顺利完成学业。
我在这次论文的进展中还得衷心地感谢刘爱军师兄的指导与帮助，感谢同组项目的同学共同协进。
最后，感谢我的父母和家人，每一个成功都离不开他们的关心、鼓励与支持，是他们给了我强大的动力和信心。
A)
B)
浏览相关性网络
