电力企业客户细分模型研究

528000； 2.烟台海颐软件股份有限公司，山东 烟台
要：通过客户细分， 可以帮助电网公司更为准确地掌握用电客户差异化服务的业务需求， 协助提供符合实际需要
的主动服务， 最终取得提升客户用电体验满意度和降低电网公司服务成本的成效。从电网公司用电客户细分现状与应用需 求出发， 结合广东电网客户细分的各类应用场景， 提出了基于客户价值区间的客户细分、 K ⁃Means 聚类客户细分与基于决策 树的客户细分三种细分模型， 研究并创新性构建了细分模型从目标群体选择、 细分模型层级管理到细分结果的深度分析总 结三步客户细分机制， 为电网公司个性化优质服务策略的制定奠定了基础。 关键词：客户细分；聚类；决策树；差异化服务 中图分类号：TN964⁃34 文献标识码：A 文章编号：1004⁃373X （2014） 02⁃0091⁃04
图2 评分卡细分模型流程图
建立评分卡指标体系 以细分属性库为基础， 以细分目的为指导， 选取评
取、 模型实例选择、 细分结果分析与特征总结。其中细 分目标客户的选取主要以用电客户的用电属性集为选 择来源， 设计过程突出了对属性选择的方便性与可扩展 性， 通过选择属性分类对应的属性值， 自动形成目标客 户逻辑条件集， 利用条件集查询得到目标客户。 模型实例选择是对模型管理过程中形成的模型实 例的具体选择与应用。该过程以模型实例中定义的客 户细分特征参数、 模型初始化参数为基础， 实现对当前 选择客户按模型实例算法的自动细分。从设计的角度 将复杂的模型设计过程前移到模型管理中， 客户细分过 程强调对模型设计结果的直接应用。 细分结果分析包括两方面， 一方面是对划分群体内 不同特征值的单项值特点的分析或多个特征值的关联 分析， 总结该群体用电行为特征； 另一方面是对一次细 分中不同群体针对同一客户行为特征的在线分析， 掌握 同一行为特征分类在不同群体间的取值特点， 更好的总 体把握客户细分群体的特征差别。 5.2
随着电网公司以用电业务处理能力与工作效率提 升为核心的经营管理模式向以客户服务能力提升为核 心的转变， 电网公司更加关注对用电客户的个性化差异 服务满意度与质量情况， 通过不断改进客户的用电体 验， 有效提升客户用电满意度， 促进用电客户合理用电、 高效用电的同时实现供电企业、 用电客户及对整个社会 的多赢。 对客户提供贴心服务的前提是对不同客户群体的 行为特点与用电需求有准确了解， 根据客户属性划分出 不同的客户集合 [1]， 即客户细分。电力企业内部丰富的 客户资料与用电行为历史数据， 为有效运用各类细分技
第2期ห้องสมุดไป่ตู้
宋才华， 等： 电力企业客户细分模型研究
93
细分应用场景下标准的或主要关注的客户属性与行为 指标集， 以及该模型适合应用场景； 模型实例是一个选 择样本数据， 继承子类的属性与指标集裁减、 以及相关 指标权重的学习确定过程， 是目标群体细分中模型应用 数据源。层次式的结构划分， 既保证了模型的合理扩充 与有效管理， 同时， 在后续客户细分过程中， 保证了模型 实例选择的简洁清晰。 4.2 客户细分过程设计 客户细分过程涉及三个步骤， 即细分目标客户选
3
模型算法梳理
客户细分模型主要用到的算法包括： （1）分类算法： 分类分析是通过分析抽样客户的特
征， 构建客户细分的分类规则或分类器， 再应用分类规 市场现状、 业务经验和统计分析结果来构建的； 分类器
图1
细分模型架构设计框图
则对整体客户进行细分的方法。分类规则通常是根据
其中模型大类主要界定聚类、 价值区间客户细分、 决策树、 逻辑规则细分等； 模型子类主要界定不同客户
Research on customer segmentation model of power enterprise
（1. Foshan Power Supply Bureau，Foshan 528000，China；2. Yantai Haiyi Software Co.，Ltd.，Yantai 264000，China）
收稿日期： 2013⁃11⁃16
92
[3]
现代电子技术
2014 年第 37 卷
其细分功能项的落地是通过分析用电业务库中已有用 电客户业务数据模式来对用电客户进行群体分类 。
通常是借助有监督的分类算法来构建的。此分类方法 一般用决策树算法。 挖掘算法， 其分类规则等事先不能确定。而是根据给定 的客户特征， 综合计算客户特征集基础上的相似度， 然 后按照客户之间相似度的大小逐一归类的方法。 验规则， 通过指定的属性维度对客户进行细分的方法。 （3）依据经验规则的算法： 依据业务人员已知的经 当客户细分目标明确， 但涉及的客户属性较多、 需 经过对各项指标进行复杂的评价计算， 根据综合取值来 界定客户群体的， 如客户信用等级评价、 用电客户价值 细分等， 通常利用样本数据进行有监督学习的分类方 法， 实现客户细分； 当需要依据客户多个用电行为指标 的综合相似度来对客户群进行划分， 以便从整体上归纳 客户的用电行为习惯与模式， 刻画细分客户群体特征 时， 采用聚类分群的方式； 当业务上已有相对具体的客 户细分规则， 业务目标为根据已有业务规则在系统中的 固化实现对客户群体的快速定位时， 采用依据经验规则 的算法完成。 在本研究过程中， 着重研究了依据经验规则的算法 在电力客户细分中的具体应用， 构建了基于综合权重法 的评分卡细分模型。 （2）聚类算法： 聚类分析是一种无监督学习的数据
1
客户细分模型理论研究
客户细分的过程包括五个步骤： 目标群体选择、 客
户细分模型适用性分析与选取、 客户细分、 细分结果的 深度分析、 知识同化。其中细分模型的适用性选择最为 关键， 直接决定客户细分结果的准确性与可用性。 客户细分是指通过有效收集、 归类和分析各方面的 需求， 定义不同属性与行为特征的客户群， 对客户价值、 客户风险进行评估。依据评估结果将客户划分为不同 的类别， 并对其进行管理， 同时， 针对不同的客户群体为 客户提供个性化服务 。客户细分过程是典型的数据挖 掘技术的运用过程， 通过运用数据挖掘的建模方法， 可 以精确应用数据挖掘算法， 有效地运用用电客户档案属 性与用电行为特征数据， 实现对客户群体的精细化分解。
Abstract：The customer segmentation can help power grid companies to grasp business needs of the differentiated services
satisfaction of the electric customers and reduce service cost effectively. Proceeding from the electricity enterprise customer seg ⁃ ⁃ Means clustering model of customer segmentation and model based on decision tree） are put forward on the basis of combina ⁃ tion of various scenarios of Guangdong Power Grid customer segmentation. A three ⁃ step customer segmentation mechanism of tar⁃ which laid the foundation for the policy formulation of the personalized first⁃rate services from power grid companies. Keywords：customer segmentation；clustering；decision tree；differentiated service get group selection， segmentation model hierarchical management and depth analysis of the segmentation results was built，
SONG Cai⁃hua1，LAN Yuan⁃juan1，FAN Ting1，ZHAI Hong⁃rong2，LI Bin⁃tao2
for customers more accurately ，provide the active service for the customers according to the actual needs ，ultimately improve mentation situation and application requirements，three customer segmentation models（model based on customer value range，K
4
4.1
客户细分模型设计
细分模型架构设计 通过对某电网公司目前主要客户细分应用场景的
研究与分析， 结合对数据挖掘模型主要应用分类的研 究， 本文设计了基于 K ⁃Means 算法 [5] 的聚类分析、 基于价 值区间的客户细分、 基于确定业务逻辑规则的客户细分 与决策树客户细分四大类细分模型。其中第一类属于 聚类模型应用范畴； 第二类属于有监督的分类算法； 第三类与第四类属于依据经验规则的算法。 为实现对客户细分模型的有效管理， 在模型设计过 程中， 引入了模型大类、 模型子类与模型实例的多级模 型细分管理机制。如图 1 所示。
2014 年 1 月 15 日 第 37 卷第 2 期
现代电子技术 Modern Electronics Technique
Jan. 2014 Vol. 37 No. 2
91
电力企业客户细分模型研究
宋才华 1，蓝源娟 1，范
（1.佛山供电局，广东 佛山 摘
婷 1，翟鸿荣 2，李滨涛 2
264000）
[4]
2
客户细分数据元素研究
电力客户细分的前提是对客户用电基本属性及客
户用电行为特征数据的全面收集与有效整理。这些信 息是实现对客户群体有效划分与特征刻画的基本数据 单元。每种细分模型与算法， 都需要以此数据单元作为 初始数据理解对象与细分输入参数。为此， 提出了构建 客户属性池与行为指标池的管理模式。即将客户的用 电档案属性如客户的用电类别、 报装合同容量、 计量方 式等作为客户属性池的基础对象来管理， 对于每一个对 象， 提供该对象数据来源、 数据类型、 取值范围及主要用 途的详细说明； 同样， 客户行为特征池中也以对象的形 式存放客户的行为特征数据， 如客户月度用电平均负 荷、 本年累计用电违章窃电次数、 被催费次数等。 通过构建客户属性池与行为特征池的方式， 一方面 保证了对客户属性与用电行为维护的可扩展性， 另一方 面采用面向对象的实现方式， 在利用细分方法进行客户 细分时， 对客户特征指标的筛选就如同超市购物一样， 只需点选相应的特征列表， 即可完成对关注指标与数据 获取路线的准备， 有效降低了细分过程中客户基础数据 分析与准备的复杂性。
0
引
言
术开展客户细分提供了良好的数据基础。本文结合作 者的项目经验， 对利用各类客户细分技术实现客户细分 的关键过程进行了分析和总结。 电力企业客户细分是依据电力市场特有的运作规 律， 按照客户在需求、 动机、 行为与能力方面的差异， 运 用系统的方法将整个电力市场划分为若干个不同的客 户群， 然后选择合适的客户群作为公司服务目标市场的 过程 [2]。通常是按照客户的用电档案、 用电行为特征、 客 户用电偏好与动因等分成若干客户群， 其目的是使得同 一群内的客户特征非常相似， 不同群间的客户特征差异 较大。本文研究客户细分模型是为了寻求适合电网公 司用电客户细分要求， 且具有通用应用能力与可扩展能 力的客户分群方法， 研究的过程是基于广东电网佛山供 电局专变客户细分实施的项目， 以客户用电台帐与用电 业务数据为基础、 以信息技术手段为支撑的细分方法。