尹玉芬
(广东电网有限责任公司东莞供电局 广东东莞 523008)
摘要:随着客户对供电服务的要求不断提升,供电企业有必要进行客户分群,实施差异化服务。基于数据挖掘的聚类分析,从客户行为特征、价值特征、需求特征三个维度,利用K-means算法构建了价值贡献度的客户分群模型,能够较好地满足供电企业客户分群的需求。通过甄别出不同价值贡献度的客户群体,合理分配资源,制定合适的经营策略,提升企业的竞争力和经济效益。
关键词:客户分群;数据挖掘;聚类分析;K-means算法;价值贡献度
0 引言
随着经济的发展,电力市场的逐步开放,客户对电力产品及服务要求不断提高,企业需要持续提高客户满意度,实现差异化服务的前提和基础是进行客户细分管理[1]。文献[2]指出,客户分群是基于现有客户服务数据资源,有效利用决策支持平台,按照客户价值、客户行为及客户需求进行客户细分,并作为制定客户营销服务策略的依据。帕累托法则(二八定律)表明,一个企业80%的利润来自它20%的客户。供电企业如何维持与20%价值贡献度高的客户良好的关系,提升企业的竞争力和经济效益,因此利用数据挖掘方法对客户进行细分是具有应用价值的研究。
参考数据挖掘技术在客户分群中运用,文献[3]利用基于群体智能的聚类方法对客户行为进行分析,采用递归算法收集聚类效果,以获得不同消费特征的客户群体。文献[4]利用模糊C均值聚类算法作为客户聚类的方法,为客户分群的特征分析提供了量化依据,并获得较为满意的客户聚类结果。文献[5]利用基于密度的聚类方法,以获取高端消费模式的客户特征,为其提供满意的产品和服务。
目前,供电企业对电力客户的数据运用,局限于简单的数据记录和单一维度的比较,缺乏深层次、多维度数据结合的分析;企业内部管理,更多的是根据经验判断,缺乏科学的依据和算法,未能反映客户的正真需求[6]。因此,本文从行为特征、价值特征、需求特征三个维度构建电力客户分群模型,突出客户的多维度属性,运用K-means算法,挖掘客户数据背后的规律和要求,并以某供电企业的客户数据为例进行实证分析。
1 客户分群建模
1.1客户分群维度
客户价值,主要分为当前价值和潜在价值两类。其中,当前价值主要反映客户目前对于企业收益的价值大小;潜在价值主要反映客户未来的发展状况对于企业收益的影响大小。
客户行为,主要分为用电行为和交互行为两类。其中,用电行为主要反映客户在用电过程中的行为特征与偏好;交互行为主要反映客户与供电企业在业务往来和沟通交流过程中的行为特征与偏好。
客户需求,主要分为基本型需求、期望型需求和兴奋型需求三类。其中,基本型需求反映客户对于电力产品和服务的基本要求;期望型需求反映客户对于优质电力产品和服务的要求;兴奋型需求反映令客户意想不到的电力产品和客户服务特征。
1.2 客户分群特征指标
结合供电企业的实际运营和营销信息系统数据记录的情况,进一步选定合适的指标作为建模需要的变量,综合参考文献[7,8,9],共选取36个字段用于建模。评价指标的选取如表1所示。
表1 客户特征指标
2 基于K-means聚类算法的客户分群建模
2.1K-means聚类算法
图1 使用K-means算法聚类对象集
对存在于营销信息管理系统海量的电力客户数据进行分析,应用多字段数据,挖掘数据规律,刻画不同的消费群体的特征,根据需求相似原则对客户实施细分,因此选择使用K-means聚类算法进行分类。
K-means聚类算法由Mac Q首先提出,把n个对象分为k个簇,以使簇内具有较高的相似度。相似度的计算根据一个簇中对象的平均值来进行。K-means算法采用迭代更新的思想,首先随机地选择k个对象,每个对象代表一个簇的初值均值或中心。对剩下的每个对簇,根据其与各个簇中心的欧氏距离,将它分配到最相似的簇,然后K-means算法迭代地改善簇内变差。对于每个簇,它使用上次迭代分配到该簇的对象,计算新的均值,然后使用更新后的均值作为新的簇中心,重新分配所有对象。迭代继续,直到分配稳定,即本轮形成的簇与前一轮形成的簇相同。迭代使得选取的聚类中心越来越接近真实的簇中心,所以聚类效果越来越好,最后把所有对象划分为k个簇[10]。
K-means算法的具体步骤:
输入:聚类个数k和包含n个对象的数据集X={x1,x2,……,xn},
输出:k个簇{S1,S2,……,Sk},使目标函数最小。
(1)选取聚类个数k;
(2)从数据集中随机选定k个对象作为初始聚类中心c1,c2,……ck;
(3)逐个将对象xi(i=1,2,……,n)按欧氏距离分配给距离最近的一个聚类中心cj,1<j<k,
=
其中m是数据属性的个数;
(4)计算各个聚类新的中心cj,
cj=,j=1,2,……,k,
其中Nj是第j个聚类Sj中所包含的对象个数。
(5)如果聚类中心不再变化,目标函数最小,算法终止,否则转步骤(3)
2.2 运用K-means聚类算法实施流程
为了将K-means算法应用于供电企业客户关系管理中,具体的实施流程如图2所示。
图2 数据挖掘模型框架
3算例分析
3.1 数据提取与准备
建模数据从营销信息管理系统中抽取,选取了2012年某市非居民客户的数据。数据准备过程包括:部分字段直接提取系统中原始数据,部分字段需对原始数据进行计算获取,并剔除2012年内没有电量电费信息的客户。
3.2 数据建模
建模时主要采用了聚类分析和判别分析,在进行聚类分析之前,对样本进行数据处理,包括填充缺失的值、光滑噪声并识别离群点、纠正数据中的不一致,以保证聚类分群结果满足要求。建模流程包括四个步骤:
(1)数据标准化:对聚类的各个变量进行标准化,消除因量纲不一致对变量的影响。
(2)剔除3个方差的边界值:对聚类的各个变量的边界值进行过滤,排除干扰。
(3)使用聚类方法进行建模。
(4)使用判别分析,将第二步中剔除的边界点重新计算,归入到由聚类分析做出来的各个分类中。
其中(1)、(2)、(3)步骤,定义了一个SAS宏 %STDCLUSTER 来自动完成。
3.3 聚类结果及分析
根据其他行业的经验和供电企业的实际情况,分群个数范围在3-10之间较为合适,同时每个群内用户数不能太少,群个数及群内用户数分布,群之间具有显著差异,有利于差异化业务策略设计以及具体的实施。运用K-means聚类算法实施客户分群,经过几轮循环计算,得到5个群,每个群的样本数在合理范围,分群变量上存在显著差异,能显著区分高中低价值群,同时高中低价值客户群的用户分布也比较合理。通过建模得到的客户分群结果,与帕累托法则基本相符,高价值贡献群和中价值贡献群客户数占了非居民客户总数的20%,电量、电费贡献度占了供电企业的80%。因此,这个分群结果合理。
表2 分群结果及价值贡献说明
3.4 分群结果应用
识别客户的价值贡献度是进行客户分群的关键一步,进而根据客户价值贡献度,从全局的角度制定经营策略,合理分配资源和力量,提供差异化的服务,使甄选出的20%客户(大工业、普通工业和商业)为企业创造更高的利润。客户沟通方面,配置专职客户经理定期拜访高价值客户,了解他们生产情况,提前为他们增容扩建的需求提前做好电网规划,合理安排运行方式配合他们生产安排检修停电,根据需求提供节能服务等,逐步关注潜在大客户,挖掘其潜在用电需求的增长,主动交互,及时跟进企业用电扩张的进度,助力企业支持。用电业务方面,高价值客户在业务办理和查询时,开通绿色通道,95598优先接听并解答;针对暂停/暂停恢复业务需求较大的高价值贡献群和中价值贡献群,重点跟进其企业经营状况,加强用电情况分析和经济用电指导。供电质量方面,保障高价值客户用电可靠性,加强线路敷设质量要求,增强高价值用户的线路巡检密度,防止由于闪断带来的经济损失;提供绿色抢修通道,缩短复电时间。缴费服务方面,对高价值用户,缩短从扣款到收到发票的间隔,发票快速投递或专人上门,推广多渠道自助查询账单业务,实现企业内部不同部门查询账单需求。结合客户分群模型成果,进一步挖掘潜力客户的价值空间,改变单一的客户服务模式,实现把有效的精力、有限的资源投放在最有价值的客户和最有发展潜力的客户上。
4 结语
本文基于数据挖掘的聚类分析,从客户行为特征、价值特征、需求特征三个维度,通过K-means算法构建了价值贡献度的客户分群模型,使供电企业及时发现和获取高价值客户群,更加有侧重的开展高价值客户群服务,提高客户满意度。建立以市场策略和客户分群为依据的精准的客户服务体系,以适应客户需求的变化,制定相应的经营策略,提高企业的应变能力和竞争力提升客户服务质量。
参考文献:
[1]张悦.数据挖掘在客户行为细分中的应用[D].北京:北京邮电大学,2004.
[2]Q/CSG-GPG 2 14 001-2015. 广东电网有限责任公司客户分群管理细则[S]. 广东:广东电网有限责任公司,2015.
[3]吴斌,郑毅,傅伟鹏,史忠植.一种基于群体智能的客户行为分析算法[J].计算机学报,2003,26(8):913-918.
[4]梁静国,张亚光,戈华.CRM中的模糊C均值(FCM)客户聚类算法研究[J].哈尔滨工业大学学报,2004,25(2):257-260.
[5]郑国荣,张郑礼,郭鹏,等.聚类分析在电信消费模式中的应用[J].重庆大学学报:自然科学版,2006,29(4):119-121.
[6]张晓春,倪红芳,李娜.基于数据挖掘的供电企业客户细分方法及模型研究[J].科技与管理,2013,15(6):104-109.
[7]曾鸣,杨素萍,杨鹏举,等.社会节能环境下电力客户价值评估研究[J].华东电力,2008,36(6):15-19.
[8]王松涛.市场条件下的电力客户价值分析体系[J].电网技术,2010,34(2):155-158.
[9]李金超,李金颖,牛东晓,等.考虑区间数概率分布的电力客户价值综合评价[J].华北电力大学学报,2005,32(4):56-59.
[10] 李霞,杨长海.K-means聚类算法在客户细分中的应用[J].五邑大学学报(自然科学版),2008,22(4),49-52.
作者简介:
尹玉芬(1982- ),女,广东东莞人。工程师,工程硕士,主要从事电力营销综合分析、客户服务管理工作。
论文作者:尹玉芬
论文发表刊物:《电力设备》2016年第9期
论文发表时间:2016/7/5
标签:客户论文; 价值论文; 算法论文; 需求论文; 特征论文; 数据论文; 建模论文; 《电力设备》2016年第9期论文;