摘要：本文研究通过对客户全方位档案及行为的分析，综合考虑运营成本和企业效益，实现客户的分类及分群。并在业扩、抄核收、停电、用检等与用户交互的业务环节固化差异化服务举措，落实差异化服务理念；统筹规划各类服务渠道，为不同渠道偏好的客户提供统一、规范、友好的业务受理窗口，通过系统业务流程的差异化结合及差异化服务策略，结合大数据技术实现客户动态分析，形成可迭代式配置多维服务策略矩阵。并通过构建电力客户生态式服务策略模式、基于网络整合营销4I模型的电力营销互联网整合营销服务模式，实现居民客户、高风险、重大价值等不同客户的不同服务内容及策略的推送，实现居民客户年度趣味账推送、为高价值客户提供了个性化的服务，提供给高价值客户更好的服务水平，实现精准营销。
关键词：大数据技术；电力客户；分群服务；应用；实践
1概述
1.1 引言
随着我国电网建设的不断健全升级，电力客户需要的电力产品质量和配套服务的完善程度也不断的在提高，同时逐渐呈现了高标准、差异化的发展倾向，对于电力客户需要的差异化以及企业内部服务资源的局限性，供电企业需要对电力客户进行科学有效地细分，实现差异化管理。供电企业基于大数据技术来对电力客户进行分群，随着计算机网络技术和存储技术的不断改善发展，数据已经慢慢渗透到每一个企业领域中，供电企业也不特殊，所以，文中将主要对大数据技术的电力客户分群服务应用和实践进行分析。
电力改革的大背景中，售电开放、用电市场的竞争形势比较严峻、大量的客户数据资产都无法切实可行的使用，同时对客户服务提出了非常高的标准。在这种情形下，对电力客户进行分群管理、怎样更好的识别用电风险客户、价值、重要客户，对不同客户群体的消费行为进行掌控，是目前客户服务亟待解决的问题。
1.2电力客户细分存在的问题
（1）分类指标简单，缺乏考虑客户的用电行为
首先，划分电力客户主要是依靠定性分类办法，这种方法主要方便市场管理，并没有对客户的综合经济价值进行考虑；其次，使用定性分类办法主观划分客户的性质比较强烈，并不能全面对客户进行了解，导致细分客户的标准比较模糊，难以找到客户之间的差距，不能对客户进行精准分类。客户存在三种属性：经济、社会和客户用电性为属性，供电企业往往将客户细分属性集中在社会、经济两个属性上，对客户用电行为考虑的比较少。
（2）可操作性较差，与服务应用无法实际结合
现如今，建设国内电力市场还不是特别的完善，同时对于电力客户细分的研究往往停留在表面理论阶段，和实际的营销市场分离，无法满足现代电力市场营销活动的需要。同时因为可操作性比较差，无法应用服务和实际融合，实际操作意义不大。
（3） 无法形成有效的数据资产，对客户服务辅助决策数据
采集渠道多，通常分级、分地区、分系统建设，投资重复，整体规划不足，数据标准化程度低，指标口径不一，字段含义不一，无法形成有效的数据资产。
2客户分群管理服务模型研究
本项目实现基于大数据技术对我局500万用电客户的实时分析分群管理，分层分级的实时计算及分析的客户分群差异化服务。以客户行为细分体系和客户价值评估体系为基础，以共享的变量体系为联系纽带，将客户分群结果与营销业务流程结合，实现差异化的服务。并通过构建电力客户生态式服务策略模式、基于网络整合营销4I模型的电力营销互联网整合营销服务模式，实现居民客户、高风险、重大价值等不同客户的不同服务内容及策略的推送，实现居民客户年度趣味账推送、为高价值客户提供了个性化的服务，提供给高价值客户更好的服务水平，实现精准营销。主要内容研究内容如下：
2.1客户分群方法
（1）聚类分析
数据挖掘技术中非常重要的研究领域就是聚类分析，作为一种没有监督探索性的分类技术，是不在任何先验知识的基础上，根据具体的规则将数据集中划分为不同的簇，让处于同一个簇中样本的相似度非常高，可是不同簇之间样本的差别也比较大。目前聚类分析广泛使用到分析营销、检索信息、统计数据等多个领域中。
（2）人工神经网络
作为模仿生物学的人体神经网络结构运行的原理的人工神经网络，建立一种计算模型，这个模型完全由相互联系的神经元构成。主要功能就是对信息进行处理和传递，信息在网络中传递和信息的属性受到连接方式的直接作用。利用模拟人脑学习、记忆、处理问题的形式，对神经网络训练客户细分的办法，这样神经网络根据客户的数据，根据相应的细分标准，合理分类这些客户数据。
（3）拟合分析
对样本的喜好进行评价，在这种前提下，将喜好相同或者相似的样本归为一类。
（4）指标分析
所谓统计学中非常关键的办法，是多元统计的一个分析分支。通过指标体系内部结构和相关性的研究，使用一定的统计技术，将原始指标转变为和信息等价、独立的新指标系列，就是因子集合。
2.2客户分群模型
根据客户价值、客户供电可靠性要求和客户行为三个维度的细分标准建立的三维客户细分模型，如图 1所示。主要分为高价值客户、停电敏感客户、欠费风险客户、服务渠道敏感客户和用电风险客户。
分群管理模型由客户价值、停电敏感、欠费风险、渠道活跃及用电风险五个主题，共17个分群模型构成。
2.3 电力客户行为细分指标体系设计
（1）指标体系的建立步骤
实际情况表示，每一种聚类方式都有不同的差别，但是差别也是比较小的，同时客户细分结果是否满意还在于建立体系和维度的选择上，对不同行业或者拥有不同目标的细分的变量进行分析有直接的联系，同时，企业内部对各种指标的统计办法和定义要统一，保证指标体系在企业范围下的唯一和通用性质，也是本研究内容中的一部分，同时，客户细分项目指标建立的主要步骤和原则如下：1. 维度设计：分析客户细分的维度。2. 指标设计：确立组成维度的指标和权重。3. 目标客户细分：根据变量值和其他条件设计筛选规则。4. 细分取样：根据筛选规则，统计并展现客户人数及经济行为数据。
（2）行为细分的维度设计
维度包括维元素和度量两个部分。维元素对应的是分析角度，而度量对应的是分析关心的具体指标。指标可以是离散型的数据，但只允许有限的取值；也可以是连续型的数据，取值无限。维是人们观察数据的一些特定角度，是考虑问题时的一类属性，属性集合构成一个维。如时间维、地理维等。维有自己固有的属性，如层次结构（对数据进行聚合分析时要用到）、排序（定义变量时要用到）、计算逻辑（是基于矩阵的算法、可有效的制定规则）。这些属性对进行决策支持是非常重要的。维在具体操作中，也可以理解为变量。采用数据挖掘可以进行多维度客户细分，一个客户涉及到的变量多达几十个，甚至上百个，这些变量作用不同，对不同目的的细分重要性也不同。用以进行客户细分的主要变量称为细分变量，对细分后得到的客户群体进行特征描述的变量称为描述变量。在数据挖掘的实践中，不是变量越多越好，选择了关联度小的变量只会使过程变得更复杂，结论更偏颇。一般来说，细分项目选择十几个变量就足够了。
2.4 多元化的电力营销互联网整合服务模式
将网络整合4I原则（Interesting 趣味原则、Interests利益原则、Interaction互动原则、Individuality 个性原则）和电力业务客户深度结合，建立是建立多元化的电力营销互联网整合服务模式，在我局电子渠道实现固化及推送，向客户提供个性电费资费信息推送、红包回馈、积分兑换等服务，是迎合网络媒体时代客户需求，提高客户粘合度，实现电力营销服务模式变革。在系统中实现业务流程差异服务可配置：
•用电检查：对于重要客户且属于用检高风险群的客户，一季度检查一次（含专项检查和特检等）
•业扩：增加“差异化服务策略”区域，用于展示用户的客户分类细分分群情况，可维护差异化服务的服务环节节点和功能点信息。
•电费：高风险客户电费发行后逾期直接启动二级催收流程。
•需求侧管理：针对重要客户且属于高价值客户群的有序用电不执行错峰等根据用电特点，个性化错峰。
•停电通知：针对停电事件信息，添加停电高敏感用户过滤条件，筛选出相应的用户，客户经理跟进停电信息是否送达。
•渠道：针对渠道高活跃群的用电户，定期无条件推送渠道产品宣传及渠道运营信息。
向客户提供个性电费资费信息推送、红包回馈、积分兑换等服务。
3系统设计与实现
3.1 技术架构设计.
基于大数据技术的电力客户分群系统根据分层框架设计，进行系统分层设计，系统架构图如图2所示。
（1）应用层
采用B-S架构的应用层，系统界面主要采用的是控件JQuery、HTML5。还包括一些轻量级可视化的工具库：D3、Highcharts、Sigma等。
（2）模型层
系统重要的组成部分模型层，从数据层存储获取数据，从上层应用层提供分析结果。在大数据环境采用基于MapReduce的并行计算框架进行模型计算。
（3）数据层
首选使用数据抓取技术从电信业务数据平台获取数据，存于底层原始数据层，随后进行数据预处理，将整理后的数据使用分发器进行分发，建造面向应用层服务的数据库，提高给高层类SQL查询服务等。
3.2 应用架构设计
大数据电力客户分群系统设计中按照模块化的设计标准，从用户的需要出发，提出了系统功能结构（如图3所示）：
具体而言各模块的功能描述如下：
(1)客户理解：
分析模型管理：管理聚类分析模型；客户群特征分析：分析客户群特征；套餐分析：分析客户使用套餐类型。
(2)营销策划：市场调查；目标客户群管理；资费管理。
(3)营销执行：营销活动管理；营销波次管理；营销过程管理；营销活动审批备案。
(4)营销评估：营销活动评估；客户群动态评估；套餐评估。
(5)自助取数。
(6)系统管理：日志分析；角色权限管理；系统功能树管理； ETL作业管理；组织管理。
3.3大数据分析、挖掘技术
大数据分析的五个基本方面。
（1）预测性分析能力
数据挖掘让分析工作人员可以更好的对数据进行理解研究，同时预测性分析的能力让研究技术人员可以按照可视化的分析和数据挖掘的数据进行预测性的研究判断。
（2）数据质量和数据管理
作为管理方面一个非常好的实践工作的数据质量和数据管理，通过标准化的过程和工具对数据进行处理保证一个预先定义好的高品质的分析成果。
（3）可视化分析
不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
（4）语义引擎
我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
（5）数据挖掘算法
可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
数据挖掘狭义来说，作为发现知识的一个重要的具体步骤，广泛来讲，挖掘数据是从大量的数据中对模式和知识的挖掘的流程，数据的来源包含数据库和数据仓库以及web以及信息存储库加上动态流入系统的数据，作为通用技术，数据挖掘可以适用于任何类型的数据，只要数据对目标应用是有意义的，对挖掘的应用，最基本的形式就是数据库、数据仓库和事务数据。同时数据挖掘可以适用于其他类型的数据。
4应用与成效
自客户分群服务投入应用以来，我局一直高度重视，投入大量的人力、物力开展应用推广工作。我局主要应用在以下几个方面：
（1）实现我局500万用电客户的实时分析分群管理，分层分级的实时计算及分析。以客户行为细分体系和客户价值评估体系为基础，以共享的变量体系为联系纽带，从而弥补了两个模型各自的缺陷，更加便于实践的应用。
（2） 差异化营销方案
将客户分群结果与营销业务流程结合，实现差异化的服务。实现高风险、重大价值客户的不同服务策略的推送。为高价值客户提供了个性化的服务，以供高价值的客户进行选择，提供给高价值客户更好的服务水平，可以使用项目服务中的服务也可以使用项目之外的服务，使用现金来获取，既考虑客户的差异性特征，也更好的实现了客户精细化营销。
（3） 通过本项目的实施，营销业务进行了优化及差异化，提高了营销人员工作操作效率及工作效率。本项目通过大数据技术，对不同客户群体的消费行为进行分析掌控，形成可迭代式配置多维服务策略矩阵，对客户问题进行常态化、智能化分析，建立问题溯源、跟踪、督办的闭环处理机制，提高客户问题解决效率。
（4） 本项目实现电力营销服务模式变革，围绕客户的用电的衍生需求，拓展电力生态式服务模式，我局南沙供电为高价值用户赠送设备保险合同。迎合网络媒体时代客户需求，在我局电子渠道实现固化及推送，向客户提供个性电费资费信息推送、红包回馈、积分兑换等服务，提高客户粘合度。提升客户满意度。
5结束语
随着我国电力改革的不断深入，电力企业在客观角度上更加重视市场的效益，同时关注重点客户的资源。文中基于基础客户分群的角度，对不同分组客户的不同特征进行挖掘，同时对客户分群进行细分，同时客户细分工作为后续的精细化、差异化服务的营销方案提供了基础，更好的在差异化的服务前提下开展高价值的客户群服务，提升客户的满意程度，落实公司客户服务横向协同机制，针对不同类型客户的差异化诉求，对客户问题进行常态化、智能化分析，建立问题溯源、跟踪、督办的闭环处理机制，提高客户问题解决效率；将产品管理理念融入营销服务业务，实现客户需求向商机和产品的转化，为向综合能源服务商转型进行探索。
参考文献：
[1]隋春明.基于数据挖掘技术的电力营销分析系统的设计与实现[D].电子科技大学,2015.
[2]卢海明.电力客户细分及增值服务系统研究[D].广东工业大学,2016.
[3]王华,吴海波.浅谈基于客户分群的供电企业客户经理体系实践[J].科技创新与应用,2016,29:185-186.
[4]周文琼.大数据环境下的电力客户服务数据分析系统[J].计算机系统应用,2015,04:51-57.
[5]彭涛,叶利.电网公司客户服务中心大数据应用研究[J].电力信息与通信技术,2015,03:22-26.
[6]张冶,杨爽,李广翱,宋晓文,杨小明,栗杨,姜昊,李冬.基于电力客户行为分析的差异化互动服务管理研究[J].电气应用,2015,S1:155-160.
[7]刘兆恒.大数据应用价值层级结构研究[D].吉林大学,2015.
[8]陈振强.基于提高客户满意度的供电服务营销策略研究[D].华南理工大学,2015.
[9]杨茜.基于大数据的客户细分模型及精确营销策略研究[D].南京邮电大学,2015.
论文作者:杨荣霞
论文发表刊物:《电力设备》2017年第17期
论文发表时间:2017/10/19
标签：客户论文; 数据论文; 电力论文; 价值论文; 差异化论文; 变量论文; 模型论文; 《电力设备》2017年第17期论文;