电力营销信息化客户画像的应用研究
王仁康 李富河
摘要：随着中国特色社会进入新时代，人民对用电物质性需求不断得到满足提高，开始追求心理性需要，期望得到“点对点”个性化服务。供电企业持续增加投入，提高供电质量和可靠性，95598热线报修，提供24小时报修服务等系列举措，提高客户服务质量，但因标准统一，未考虑客户特殊诉求，导致投速工单依然高居不行。此外，电力营销系统储存了大量的电力数据，但这些数据没有得到有效利用。如今，大数据技术已经成为一种趋势。很多行业都建立了与大数据相关的营销体系，建立了企业客户画像，帮助企业进行精准营销和信息推荐，在金融、电信、交通、医学教育等行业得到了应用。
关键词：电力用户;客户画像;数据挖掘;电力营销信息化
随着电气化水平提高和社会信息化普及，传统电力营销信息化开始受到冲击。多方面形势反映出传统电力营销信息化需转型，客户画像作为一种营销切入方法已被许多领域应用。从模型构建、数据来源、关键技术和应用场景研究分析。电力客户画像由客户标签、价值需求、服务策略构成，借由关键技术实现，并从电力用户和衍生领域进行应用探索。
一、电力营销信息化发展应对一客户画像
在服务诉求变化、经营压力、技术冲击的形势变化下，电力营销部门积极寻找应对方向。
1.服务诉求变化。对电力服务感知最直接的是电力营销部门和电力用户，用户体验电力服务，电力营销部门直接感知客户对服务满意度。随着信息渠道与网络化的畅通，客户对用电质量要求也越来越高。营销部门也希望用户用好电，改善电力用户用电安全与用电体验。虽然电力企业日益改善电网的主干网和电源，开通不少沟通与缴费渠道，但目前电力投诉仍较多。营销部门对用户洞察效果不明显，亟需有效洞察电力用户的手段。这两个群体的诉求也反映了如能利用电力数据推断用户的用电感知、将来的用电能力、对业扩报装需求等，对营销部门和电力用户都是极佳的发展途径，帮助营销部门更直观、全面地洞察用户。
2.政策与经营压力。随着电改9号文发布，售电侧放开拉开序幕，售电市场开始引入大量竞争，电力用户将拥有更多选择用电权利，现有市场格局将受较大影响，给电网公司营销运营带来强烈冲击。因此保持用户拥有率，提升用户满意度成为营销部门重视方向。此外，随着高耗能行业增幅放缓、电能替代趋势化以及新能源开发与利用，电力企业市场供应份额受到一定压缩。电力企业经营压力也日益严峻。
3.技术冲击。互联网、移动计算等技术高速发展，其带来的海量数据反映了人民生活和社会发展的基本情况。不少行业借助这些数据和大数据技术获取客户画像，实现精准营销，如广告投放、推荐搜索引擎等，领域应用上取得良好成果。典型客户画像案例，淘宝千人千面项目，依靠多年积累数据来建模，每个买家都具有标签特征，标签对应买家兴趣特征匹配的宝贝，在买家浏览网页中植入宝贝链接广告，目标锁定买家，实现精准营销定向运营。多数据融合、数据挖掘分析、可视化分析、数据存储与处理等技术是目前大数据领域关键技术，帮助行业挖掘潜在社会价值和商业价值。在电力行业，涉及到电力生产、电力服务全业务数据等蕴藏着巨大的价值，亟需上述技术进行大数据分析，帮助营销部门实现精细化营销，发挥数据价值。
4.发展趋势。许多行业对客户进行画像实现价值挖掘，帮助精准营销和提升客户满意度，被广泛应用与推广，是一种营销趋势。电力客户画像也是应对经营压力的一种方式，保持用户拥有率，积极应对市场变革。电网企业具备多年海量电力数据，数据资源储备充足。依托多数据融合、数据分析挖掘、可视化、数据存储与处理等大数据技术融合电力数据，对电力用户客户画像在技术层面已成为可能。电力营销信息化客户画像的应用研究在需求、资源和技术方面都具备了执行条件，是更好地服务用户，提高电力用户满意度的保证。
二、电力客户画像关键技术
在模型构建中会运用到不少关键技术，即数据加工与挖掘分析、标签加工、标签生成管理。从数据源中采集数据来自不同的背景，存在较多数据口径不一致、数据零散等问题。数据加工主要包括数据抽取、数据计算、数据分组、数据转换四大块。数据加工运用到如EXCEL、SPSS等工具。数据转换中较为特殊的一类，如投诉案例中语音文件较多，需转换成文本，用到智能语音识别技术。挖掘分析包含聚类和关联规则，帮助客户群分、推荐等。文本挖掘在本研究中也运用较多。聚类分析依据在数据中发现的描述对象及其关系信息，将数据对象分组。分组后，基于聚类思想，组内对象是相似的，而不同组之间的对象不同。客户群分采用基于k-means聚类算法，适用于电力这类具有大量数据的行业，将相近特质的电力客户聚类，不同特质的分组。选择k个原始质心，其中k是指定参数，由用户自己设定。每个点被指派到最近的质心，指派到一个质心的点集为一个簇。每个簇根据指派到簇的点，更新对应质心。多次反复指派并更新步骤，直到迭代收敛，质心不发生变化，输出聚类结果。关联规则对用户画像的特征进行分析，寻找逻辑关系，帮助进行问题排查与流程优化。本研究主要采用Apriori算法，对电力用户基本特征与发生的问题进行关系梳理，获取一些特征伴随的事件。算法中的特征指基本特征与发生问题中提取的特征性词汇。其中，支持度是指被定义数据集中包含该项集的记录所占的比例。过程中对不满足支持度的进行剔除。流程主要包含预处理和训练过程。预处理过程分为文本学习和专项词汇，建立专项词库，方便后期作为标签雏形。训练过程帮助专项词汇优化、分类，归因便于梳理，而归因的意义是找出一些专项词汇的原因，为服务策略与价值需求提供信息。模型优化指自动学习，标签是用户的符号表示，设定一个原始标签体系，借鉴其他行业设立标签体系的方式，借助于电力专家经验，设计一套适合于电力行业的标签体系。该体系主要范畴是客户基本属性（如社会自然属性）、基本特征（如用电、心理、性格等）、偏好（缴费偏好、兴趣偏好等），为体系的一级架构。标签体系划分多层次，一级、二级、三级维度。其中如对象是企业大用户，对应标签有所调整。具体标签设置主要通过直接获取、统计分析、数据挖掘、经验定义4个手段设定，也是优化的过程，标签体系在迭代过程中更完备。标签管理主要包括：更新管理、梳理管理、添加/删除管理、框架完善管理等。标签框架与具体标签迭代优化，保证标签的完整性和准确性价值需求是客户信息中提取的需求，而服务策略是根据客户标签与价值需求探寻出的线索，在服务上给予支持。这两块内容也需借助专家经验。价值需求与服务策略是紧密相关的，如在一些投诉工单以及后台业务信息中可发现，一家重工业企业对电能质量要求很高，需要电压稳定同时不能断电，其价值需求可初步判定为高质量用电需求，其服务策略也根据高质量用电配套实行。而一些客户对用电和工作人员态度比较敏感，如某电力用户家里断电，立马打电话保修，如果上門的维修人员态度略显不好则会大发雷霆，但如果维修服务人员态度很好，则该用户较为满意，因此该客户的价值需求初步判为对工作人员态度敏感，服务策略也对应需要让维修服务人员态度良好。上述案例在价值需求与服务策略中也是基于长期积累数据以及一类用户存在这种情况，从而挖掘出这些价值需求，需要专家经验加以辅助。
总之，电力企业提升客户满意度与良性发展提供参考与借鉴。目前电力客户画像发展还不完善，框架上一些维度还可以进行迭代更新。同时进行客户画像时会设定每个标签的权重。
参考文献：
[1]乔搪.数据技术在精准营销中的应用.2019.
[2]喻少华，关于电力营销信息化客户画像的应用研究.2020.
猜你喜欢数据挖掘数据挖掘技术在内河航道维护管理中的应用研究西部交通科技(2021年9期)2021-01-11数据挖掘技术在物流企业中的应用商情(2018年25期)2018-07-08数据挖掘过程模型及创新应用电子技术与软件工程(2018年1期)2018-03-22数据挖掘综述速读·下旬(2016年8期)2017-05-09软件工程领域中的异常数据挖掘算法电子技术与软件工程(2016年24期)2017-02-23基于R的医学大数据挖掘系统研究哈尔滨理工大学学报(2016年2期)2016-09-12电子政务中基于云计算模式的数据挖掘研究中国信息化·学术版(2013年1期)2013-05-28我国社会科学领域数据挖掘研究的文献计量分析现代情报(2011年6期)2011-11-17数据挖掘创新应用国外科技新书评介(2009年12期)2009-05-31数据挖掘的系统构成与发展趋势新媒体研究(2009年3期)2009-03-30