電力營銷信息化客戶畫像的應用研究

王仁康 李富河

摘要：隨著中國特色社會進入新時代，人民對用電物質性需求不斷得到滿足提高，開始追求心理性需要，期望得到“點對點”個性化服務。供電企業持續增加投入，提高供電質量和可靠性，95598熱線報修，提供24小時報修服務等系列舉措，提高客戶服務質量，但因標準統一，未考慮客戶特殊訴求，導致投速工單依然高居不行。此外，電力營銷系統儲存了大量的電力數據，但這些數據沒有得到有效利用。如今，大數據技術已經成為一種趨勢。很多行業都建立了與大數據相關的營銷體系，建立了企業客戶畫像，幫助企業進行精準營銷和信息推薦，在金融、電信、交通、醫學教育等行業得到了應用。

關鍵詞：電力用戶;客戶畫像;數據挖掘;電力營銷信息化

隨著電氣化水平提高和社會信息化普及，傳統電力營銷信息化開始受到沖擊。多方面形勢反映出傳統電力營銷信息化需轉型，客戶畫像作為一種營銷切入方法已被許多領域應用。從模型構建、數據來源、關鍵技術和應用場景研究分析。電力客戶畫像由客戶標簽、價值需求、服務策略構成，借由關鍵技術實現，并從電力用戶和衍生領域進行應用探索。

一、電力營銷信息化發展應對一客戶畫像

在服務訴求變化、經營壓力、技術沖擊的形勢變化下，電力營銷部門積極尋找應對方向。

1.服務訴求變化。對電力服務感知最直接的是電力營銷部門和電力用戶，用戶體驗電力服務，電力營銷部門直接感知客戶對服務滿意度。隨著信息渠道與網絡化的暢通，客戶對用電質量要求也越來越高。營銷部門也希望用戶用好電，改善電力用戶用電安全與用電體驗。雖然電力企業日益改善電網的主干網和電源，開通不少溝通與繳費渠道，但目前電力投訴仍較多。營銷部門對用戶洞察效果不明顯，亟需有效洞察電力用戶的手段。這兩個群體的訴求也反映了如能利用電力數據推斷用戶的用電感知、將來的用電能力、對業擴報裝需求等，對營銷部門和電力用戶都是極佳的發展途徑，幫助營銷部門更直觀、全面地洞察用戶。

2.政策與經營壓力。隨著電改9號文發布，售電側放開拉開序幕，售電市場開始引入大量競爭，電力用戶將擁有更多選擇用電權利，現有市場格局將受較大影響，給電網公司營銷運營帶來強烈沖擊。因此保持用戶擁有率，提升用戶滿意度成為營銷部門重視方向。此外，隨著高耗能行業增幅放緩、電能替代趨勢化以及新能源開發與利用，電力企業市場供應份額受到一定壓縮。電力企業經營壓力也日益嚴峻。

3.技術沖擊。互聯網、移動計算等技術高速發展，其帶來的海量數據反映了人民生活和社會發展的基本情況。不少行業借助這些數據和大數據技術獲取客戶畫像，實現精準營銷，如廣告投放、推薦搜索引擎等，領域應用上取得良好成果。典型客戶畫像案例，淘寶千人千面項目，依靠多年積累數據來建模，每個買家都具有標簽特征，標簽對應買家興趣特征匹配的寶貝，在買家瀏覽網頁中植入寶貝鏈接廣告，目標鎖定買家，實現精準營銷定向運營。多數據融合、數據挖掘分析、可視化分析、數據存儲與處理等技術是目前大數據領域關鍵技術，幫助行業挖掘潛在社會價值和商業價值。在電力行業，涉及到電力生產、電力服務全業務數據等蘊藏著巨大的價值，亟需上述技術進行大數據分析，幫助營銷部門實現精細化營銷，發揮數據價值。

4.發展趨勢。許多行業對客戶進行畫像實現價值挖掘，幫助精準營銷和提升客戶滿意度，被廣泛應用與推廣，是一種營銷趨勢。電力客戶畫像也是應對經營壓力的一種方式，保持用戶擁有率，積極應對市場變革。電網企業具備多年海量電力數據，數據資源儲備充足。依托多數據融合、數據分析挖掘、可視化、數據存儲與處理等大數據技術融合電力數據，對電力用戶客戶畫像在技術層面已成為可能。電力營銷信息化客戶畫像的應用研究在需求、資源和技術方面都具備了執行條件，是更好地服務用戶，提高電力用戶滿意度的保證。

二、電力客戶畫像關鍵技術

在模型構建中會運用到不少關鍵技術，即數據加工與挖掘分析、標簽加工、標簽生成管理。從數據源中采集數據來自不同的背景，存在較多數據口徑不一致、數據零散等問題。數據加工主要包括數據抽取、數據計算、數據分組、數據轉換四大塊。數據加工運用到如EXCEL、SPSS等工具。數據轉換中較為特殊的一類，如投訴案例中語音文件較多，需轉換成文本，用到智能語音識別技術。挖掘分析包含聚類和關聯規則，幫助客戶群分、推薦等。文本挖掘在本研究中也運用較多。聚類分析依據在數據中發現的描述對象及其關系信息，將數據對象分組。分組后，基于聚類思想，組內對象是相似的，而不同組之間的對象不同。客戶群分采用基于k-means聚類算法，適用于電力這類具有大量數據的行業，將相近特質的電力客戶聚類，不同特質的分組。選擇k個原始質心，其中k是指定參數，由用戶自己設定。每個點被指派到最近的質心，指派到一個質心的點集為一個簇。每個簇根據指派到簇的點，更新對應質心。多次反復指派并更新步驟，直到迭代收斂，質心不發生變化，輸出聚類結果。關聯規則對用戶畫像的特征進行分析，尋找邏輯關系，幫助進行問題排查與流程優化。本研究主要采用Apriori算法，對電力用戶基本特征與發生的問題進行關系梳理，獲取一些特征伴隨的事件。算法中的特征指基本特征與發生問題中提取的特征性詞匯。其中，支持度是指被定義數據集中包含該項集的記錄所占的比例。過程中對不滿足支持度的進行剔除。流程主要包含預處理和訓練過程。預處理過程分為文本學習和專項詞匯，建立專項詞庫，方便后期作為標簽雛形。訓練過程幫助專項詞匯優化、分類，歸因便于梳理，而歸因的意義是找出一些專項詞匯的原因，為服務策略與價值需求提供信息。模型優化指自動學習，標簽是用戶的符號表示，設定一個原始標簽體系，借鑒其他行業設立標簽體系的方式，借助于電力專家經驗，設計一套適合于電力行業的標簽體系。該體系主要范疇是客戶基本屬性（如社會自然屬性）、基本特征（如用電、心理、性格等）、偏好（繳費偏好、興趣偏好等），為體系的一級架構。標簽體系劃分多層次，一級、二級、三級維度。其中如對象是企業大用戶，對應標簽有所調整。具體標簽設置主要通過直接獲取、統計分析、數據挖掘、經驗定義4個手段設定，也是優化的過程，標簽體系在迭代過程中更完備。標簽管理主要包括：更新管理、梳理管理、添加/刪除管理、框架完善管理等。標簽框架與具體標簽迭代優化，保證標簽的完整性和準確性價值需求是客戶信息中提取的需求，而服務策略是根據客戶標簽與價值需求探尋出的線索，在服務上給予支持。這兩塊內容也需借助專家經驗。價值需求與服務策略是緊密相關的，如在一些投訴工單以及后臺業務信息中可發現，一家重工業企業對電能質量要求很高，需要電壓穩定同時不能斷電，其價值需求可初步判定為高質量用電需求，其服務策略也根據高質量用電配套實行。而一些客戶對用電和工作人員態度比較敏感，如某電力用戶家里斷電，立馬打電話保修，如果上門的維修人員態度略顯不好則會大發雷霆，但如果維修服務人員態度很好，則該用戶較為滿意，因此該客戶的價值需求初步判為對工作人員態度敏感，服務策略也對應需要讓維修服務人員態度良好。上述案例在價值需求與服務策略中也是基于長期積累數據以及一類用戶存在這種情況，從而挖掘出這些價值需求，需要專家經驗加以輔助。

總之，電力企業提升客戶滿意度與良性發展提供參考與借鑒。目前電力客戶畫像發展還不完善，框架上一些維度還可以進行迭代更新。同時進行客戶畫像時會設定每個標簽的權重。

參考文獻：

[1]喬搪.數據技術在精準營銷中的應用.2019.

[2]喻少華，關于電力營銷信息化客戶畫像的應用研究.2020.