摘 要： 通過(guò)客戶細(xì)分，可以幫助電網(wǎng)公司更為準(zhǔn)確地掌握用電客戶差異化服務(wù)的業(yè)務(wù)需求，協(xié)助提供符合實(shí)際需要的主動(dòng)服務(wù)，最終取得提升客戶用電體驗(yàn)滿意度和降低電網(wǎng)公司服務(wù)成本的成效。從電網(wǎng)公司用電客戶細(xì)分現(xiàn)狀與應(yīng)用需求出發(fā)，結(jié)合廣東電網(wǎng)客戶細(xì)分的各類應(yīng)用場(chǎng)景，提出了基于客戶價(jià)值區(qū)間的客戶細(xì)分、K?Means聚類客戶細(xì)分與基于決策樹的客戶細(xì)分三種細(xì)分模型，研究并創(chuàng)新性構(gòu)建了細(xì)分模型從目標(biāo)群體選擇、細(xì)分模型層級(jí)管理到細(xì)分結(jié)果的深度分析總結(jié)三步客戶細(xì)分機(jī)制，為電網(wǎng)公司個(gè)性化優(yōu)質(zhì)服務(wù)策略的制定奠定了基礎(chǔ)。

關(guān)鍵詞： 客戶細(xì)分； 聚類； 決策樹； 差異化服務(wù)

中圖分類號(hào)： TN964?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2014）02?0091?04

0 引 言

隨著電網(wǎng)公司以用電業(yè)務(wù)處理能力與工作效率提升為核心的經(jīng)營(yíng)管理模式向以客戶服務(wù)能力提升為核心的轉(zhuǎn)變，電網(wǎng)公司更加關(guān)注對(duì)用電客戶的個(gè)性化差異服務(wù)滿意度與質(zhì)量情況，通過(guò)不斷改進(jìn)客戶的用電體驗(yàn)，有效提升客戶用電滿意度，促進(jìn)用電客戶合理用電、高效用電的同時(shí)實(shí)現(xiàn)供電企業(yè)、用電客戶及對(duì)整個(gè)社會(huì)的多贏。

對(duì)客戶提供貼心服務(wù)的前提是對(duì)不同客戶群體的行為特點(diǎn)與用電需求有準(zhǔn)確了解，根據(jù)客戶屬性劃分出不同的客戶集合[1]，即客戶細(xì)分。電力企業(yè)內(nèi)部豐富的客戶資料與用電行為歷史數(shù)據(jù)，為有效運(yùn)用各類細(xì)分技術(shù)開展客戶細(xì)分提供了良好的數(shù)據(jù)基礎(chǔ)。本文結(jié)合作者的項(xiàng)目經(jīng)驗(yàn)，對(duì)利用各類客戶細(xì)分技術(shù)實(shí)現(xiàn)客戶細(xì)分的關(guān)鍵過(guò)程進(jìn)行了分析和總結(jié)。

電力企業(yè)客戶細(xì)分是依據(jù)電力市場(chǎng)特有的運(yùn)作規(guī)律，按照客戶在需求、動(dòng)機(jī)、行為與能力方面的差異，運(yùn)用系統(tǒng)的方法將整個(gè)電力市場(chǎng)劃分為若干個(gè)不同的客戶群，然后選擇合適的客戶群作為公司服務(wù)目標(biāo)市場(chǎng)的過(guò)程[2]。通常是按照客戶的用電檔案、用電行為特征、客戶用電偏好與動(dòng)因等分成若干客戶群，其目的是使得同一群內(nèi)的客戶特征非常相似，不同群間的客戶特征差異較大。本文研究客戶細(xì)分模型是為了尋求適合電網(wǎng)公司用電客戶細(xì)分要求，且具有通用應(yīng)用能力與可擴(kuò)展能力的客戶分群方法，研究的過(guò)程是基于廣東電網(wǎng)佛山供電局專變客戶細(xì)分實(shí)施的項(xiàng)目，以客戶用電臺(tái)帳與用電業(yè)務(wù)數(shù)據(jù)為基礎(chǔ)、以信息技術(shù)手段為支撐的細(xì)分方法。其細(xì)分功能項(xiàng)的落地是通過(guò)分析用電業(yè)務(wù)庫(kù)中已有用電客戶業(yè)務(wù)數(shù)據(jù)模式來(lái)對(duì)用電客戶進(jìn)行群體分類[3]。

1 客戶細(xì)分模型理論研究

客戶細(xì)分的過(guò)程包括五個(gè)步驟：目標(biāo)群體選擇、客戶細(xì)分模型適用性分析與選取、客戶細(xì)分、細(xì)分結(jié)果的深度分析、知識(shí)同化。其中細(xì)分模型的適用性選擇最為關(guān)鍵，直接決定客戶細(xì)分結(jié)果的準(zhǔn)確性與可用性。

客戶細(xì)分是指通過(guò)有效收集、歸類和分析各方面的需求，定義不同屬性與行為特征的客戶群，對(duì)客戶價(jià)值、客戶風(fēng)險(xiǎn)進(jìn)行評(píng)估。依據(jù)評(píng)估結(jié)果將客戶劃分為不同的類別，并對(duì)其進(jìn)行管理，同時(shí)，針對(duì)不同的客戶群體為客戶提供個(gè)性化服務(wù)[4]。客戶細(xì)分過(guò)程是典型的數(shù)據(jù)挖掘技術(shù)的運(yùn)用過(guò)程，通過(guò)運(yùn)用數(shù)據(jù)挖掘的建模方法，可以精確應(yīng)用數(shù)據(jù)挖掘算法，有效地運(yùn)用用電客戶檔案屬性與用電行為特征數(shù)據(jù)，實(shí)現(xiàn)對(duì)客戶群體的精細(xì)化分解。

2 客戶細(xì)分?jǐn)?shù)據(jù)元素研究

電力客戶細(xì)分的前提是對(duì)客戶用電基本屬性及客戶用電行為特征數(shù)據(jù)的全面收集與有效整理。這些信息是實(shí)現(xiàn)對(duì)客戶群體有效劃分與特征刻畫的基本數(shù)據(jù)單元。每種細(xì)分模型與算法，都需要以此數(shù)據(jù)單元作為初始數(shù)據(jù)理解對(duì)象與細(xì)分輸入?yún)?shù)。為此，提出了構(gòu)建客戶屬性池與行為指標(biāo)池的管理模式。即將客戶的用電檔案屬性如客戶的用電類別、報(bào)裝合同容量、計(jì)量方式等作為客戶屬性池的基礎(chǔ)對(duì)象來(lái)管理，對(duì)于每一個(gè)對(duì)象，提供該對(duì)象數(shù)據(jù)來(lái)源、數(shù)據(jù)類型、取值范圍及主要用途的詳細(xì)說(shuō)明；同樣，客戶行為特征池中也以對(duì)象的形式存放客戶的行為特征數(shù)據(jù)，如客戶月度用電平均負(fù)荷、本年累計(jì)用電違章竊電次數(shù)、被催費(fèi)次數(shù)等。

通過(guò)構(gòu)建客戶屬性池與行為特征池的方式，一方面保證了對(duì)客戶屬性與用電行為維護(hù)的可擴(kuò)展性，另一方面采用面向?qū)ο蟮膶?shí)現(xiàn)方式，在利用細(xì)分方法進(jìn)行客戶細(xì)分時(shí)，對(duì)客戶特征指標(biāo)的篩選就如同超市購(gòu)物一樣，只需點(diǎn)選相應(yīng)的特征列表，即可完成對(duì)關(guān)注指標(biāo)與數(shù)據(jù)獲取路線的準(zhǔn)備，有效降低了細(xì)分過(guò)程中客戶基礎(chǔ)數(shù)據(jù)分析與準(zhǔn)備的復(fù)雜性。

3 模型算法梳理

客戶細(xì)分模型主要用到的算法包括：

（1） 分類算法：分類分析是通過(guò)分析抽樣客戶的特征，構(gòu)建客戶細(xì)分的分類規(guī)則或分類器，再應(yīng)用分類規(guī)則對(duì)整體客戶進(jìn)行細(xì)分的方法。分類規(guī)則通常是根據(jù)市場(chǎng)現(xiàn)狀、業(yè)務(wù)經(jīng)驗(yàn)和統(tǒng)計(jì)分析結(jié)果來(lái)構(gòu)建的；分類器通常是借助有監(jiān)督的分類算法來(lái)構(gòu)建的。此分類方法一般用決策樹算法。

（2） 聚類算法：聚類分析是一種無(wú)監(jiān)督學(xué)習(xí)的數(shù)據(jù)挖掘算法，其分類規(guī)則等事先不能確定。而是根據(jù)給定的客戶特征，綜合計(jì)算客戶特征集基礎(chǔ)上的相似度，然后按照客戶之間相似度的大小逐一歸類的方法。

（3） 依據(jù)經(jīng)驗(yàn)規(guī)則的算法：依據(jù)業(yè)務(wù)人員已知的經(jīng)驗(yàn)規(guī)則，通過(guò)指定的屬性維度對(duì)客戶進(jìn)行細(xì)分的方法。

當(dāng)客戶細(xì)分目標(biāo)明確，但涉及的客戶屬性較多、需經(jīng)過(guò)對(duì)各項(xiàng)指標(biāo)進(jìn)行復(fù)雜的評(píng)價(jià)計(jì)算，根據(jù)綜合取值來(lái)界定客戶群體的，如客戶信用等級(jí)評(píng)價(jià)、用電客戶價(jià)值細(xì)分等，通常利用樣本數(shù)據(jù)進(jìn)行有監(jiān)督學(xué)習(xí)的分類方法，實(shí)現(xiàn)客戶細(xì)分；當(dāng)需要依據(jù)客戶多個(gè)用電行為指標(biāo)的綜合相似度來(lái)對(duì)客戶群進(jìn)行劃分，以便從整體上歸納客戶的用電行為習(xí)慣與模式，刻畫細(xì)分客戶群體特征時(shí)，采用聚類分群的方式；當(dāng)業(yè)務(wù)上已有相對(duì)具體的客戶細(xì)分規(guī)則，業(yè)務(wù)目標(biāo)為根據(jù)已有業(yè)務(wù)規(guī)則在系統(tǒng)中的固化實(shí)現(xiàn)對(duì)客戶群體的快速定位時(shí)，采用依據(jù)經(jīng)驗(yàn)規(guī)則的算法完成。

在本研究過(guò)程中，著重研究了依據(jù)經(jīng)驗(yàn)規(guī)則的算法在電力客戶細(xì)分中的具體應(yīng)用，構(gòu)建了基于綜合權(quán)重法的評(píng)分卡細(xì)分模型。

4 客戶細(xì)分模型設(shè)計(jì)

4.1 細(xì)分模型架構(gòu)設(shè)計(jì)

通過(guò)對(duì)某電網(wǎng)公司目前主要客戶細(xì)分應(yīng)用場(chǎng)景的研究與分析，結(jié)合對(duì)數(shù)據(jù)挖掘模型主要應(yīng)用分類的研究，本文設(shè)計(jì)了基于K?Means算法[5]的聚類分析、基于價(jià)值區(qū)間的客戶細(xì)分、基于確定業(yè)務(wù)邏輯規(guī)則的客戶細(xì)分與決策樹客戶細(xì)分四大類細(xì)分模型。其中第一類屬于聚類模型應(yīng)用范疇；第二類屬于有監(jiān)督的分類算法；第三類與第四類屬于依據(jù)經(jīng)驗(yàn)規(guī)則的算法。

為實(shí)現(xiàn)對(duì)客戶細(xì)分模型的有效管理，在模型設(shè)計(jì)過(guò)程中，引入了模型大類、模型子類與模型實(shí)例的多級(jí)模型細(xì)分管理機(jī)制。如圖1所示。

其中模型大類主要界定聚類、價(jià)值區(qū)間客戶細(xì)分、決策樹、邏輯規(guī)則細(xì)分等；模型子類主要界定不同客戶細(xì)分應(yīng)用場(chǎng)景下標(biāo)準(zhǔn)的或主要關(guān)注的客戶屬性與行為指標(biāo)集，以及該模型適合應(yīng)用場(chǎng)景；模型實(shí)例是一個(gè)選擇樣本數(shù)據(jù)，繼承子類的屬性與指標(biāo)集裁減、以及相關(guān)指標(biāo)權(quán)重的學(xué)習(xí)確定過(guò)程，是目標(biāo)群體細(xì)分中模型應(yīng)用數(shù)據(jù)源。層次式的結(jié)構(gòu)劃分，既保證了模型的合理擴(kuò)充與有效管理，同時(shí)，在后續(xù)客戶細(xì)分過(guò)程中，保證了模型實(shí)例選擇的簡(jiǎn)潔清晰。

4.2 客戶細(xì)分過(guò)程設(shè)計(jì)

客戶細(xì)分過(guò)程涉及三個(gè)步驟，即細(xì)分目標(biāo)客戶選取、模型實(shí)例選擇、細(xì)分結(jié)果分析與特征總結(jié)。其中細(xì)分目標(biāo)客戶的選取主要以用電客戶的用電屬性集為選擇來(lái)源，設(shè)計(jì)過(guò)程突出了對(duì)屬性選擇的方便性與可擴(kuò)展性，通過(guò)選擇屬性分類對(duì)應(yīng)的屬性值，自動(dòng)形成目標(biāo)客戶邏輯條件集，利用條件集查詢得到目標(biāo)客戶。

模型實(shí)例選擇是對(duì)模型管理過(guò)程中形成的模型實(shí)例的具體選擇與應(yīng)用。該過(guò)程以模型實(shí)例中定義的客戶細(xì)分特征參數(shù)、模型初始化參數(shù)為基礎(chǔ)，實(shí)現(xiàn)對(duì)當(dāng)前選擇客戶按模型實(shí)例算法的自動(dòng)細(xì)分。從設(shè)計(jì)的角度將復(fù)雜的模型設(shè)計(jì)過(guò)程前移到模型管理中，客戶細(xì)分過(guò)程強(qiáng)調(diào)對(duì)模型設(shè)計(jì)結(jié)果的直接應(yīng)用。

細(xì)分結(jié)果分析包括兩方面，一方面是對(duì)劃分群體內(nèi)不同特征值的單項(xiàng)值特點(diǎn)的分析或多個(gè)特征值的關(guān)聯(lián)分析，總結(jié)該群體用電行為特征；另一方面是對(duì)一次細(xì)分中不同群體針對(duì)同一客戶行為特征的在線分析，掌握同一行為特征分類在不同群體間的取值特點(diǎn)，更好的總體把握客戶細(xì)分群體的特征差別。

5 經(jīng)驗(yàn)規(guī)則算法在細(xì)分模型中的應(yīng)用

本應(yīng)用運(yùn)用評(píng)分卡技術(shù)手段，通過(guò)設(shè)計(jì)多維度、靈活組合的綜合價(jià)值指標(biāo)體系，精確地選取訓(xùn)練樣本，并且通過(guò)客觀和主觀相結(jié)合的方法確定指標(biāo)體系中各指標(biāo)的權(quán)重，建立一套電力行業(yè)應(yīng)用的客戶細(xì)分方法，實(shí)現(xiàn)對(duì)客戶用電行為特征和需求的精確識(shí)別。具體流程如圖2所示。

5.1 建立細(xì)分屬性庫(kù)

客戶細(xì)分屬性庫(kù)中包含兩類指標(biāo)，一類是客戶行為屬性指標(biāo)，另一類是客戶臺(tái)帳屬性指標(biāo)。其中，客戶行為屬性指標(biāo)是描述的客戶的業(yè)務(wù)行為的統(tǒng)計(jì)信息，來(lái)自于豐富的業(yè)務(wù)數(shù)據(jù)；客戶臺(tái)賬屬性指標(biāo)是描述客戶所屬業(yè)務(wù)性質(zhì)的信息，來(lái)自于客戶臺(tái)帳數(shù)據(jù)?？蛻魧傩詭?kù)中指標(biāo)需要定期進(jìn)行數(shù)據(jù)抽取更新，更新頻率視不同的指標(biāo)情況而定，月度指標(biāo)更新頻率為每月月初一次，年度指標(biāo)更新頻率為每年年初一次，日指標(biāo)更新頻率為每日一次。

5.2 建立評(píng)分卡指標(biāo)體系

以細(xì)分屬性庫(kù)為基礎(chǔ)，以細(xì)分目的為指導(dǎo)，選取評(píng)分指標(biāo)，構(gòu)建指標(biāo)體系。在構(gòu)建過(guò)程中可能會(huì)包含進(jìn)多個(gè)相似指標(biāo)或者關(guān)聯(lián)密切的指標(biāo)，一方面影響了指標(biāo)體系在評(píng)分過(guò)程中的效率，另一方面增大了指標(biāo)體系的復(fù)雜度。為了避免這種情況發(fā)生，在初步確定了指標(biāo)體系后，通過(guò)對(duì)兩兩指標(biāo)進(jìn)行相關(guān)性分析來(lái)確定指標(biāo)間的相關(guān)度，剔除相關(guān)度較高指標(biāo)已達(dá)到指標(biāo)體系合理降維的目的，進(jìn)而提升指標(biāo)體系的實(shí)用性和科學(xué)性。本研究采用的相關(guān)性分析具體如下：

自變量為[Xi]，i=1，2，…，n，[X]為自變量的平均值。

自變量為[Yi]，i=1，2，…，n，[Y]為自變量的平均值。

相關(guān)系數(shù)[rxy]的計(jì)算公式為：

[rxy=i=1n（Xi-X）（Yi-Y）i=1n（Xi-X）2?i=1n（Yi-Y）2]

式中，r值的范圍在-1和+1之間，r>0為正相關(guān)，r<0為負(fù)相關(guān)；r=0表示不相關(guān)。r的絕對(duì)值越大，X和Y的相關(guān)性就越高。

5.3 綜合權(quán)重設(shè)置

在客戶細(xì)分指標(biāo)體系中，由于每個(gè)評(píng)分指標(biāo)與同一類別中的其他指標(biāo)相比，其作用、地位和影響力不盡相同，必須根據(jù)每個(gè)指標(biāo)的重要性程度賦予不同的權(quán)重.權(quán)重反映了各個(gè)指標(biāo)在“指標(biāo)集”中的重要性程度，指標(biāo)的權(quán)重直接關(guān)系到這一指標(biāo)對(duì)總體的“貢獻(xiàn)性”大小.因此，確定評(píng)分指標(biāo)體系的權(quán)重，是評(píng)分的基礎(chǔ)[6]。

在權(quán)重的合理設(shè)置過(guò)程中，一方面要考慮到數(shù)據(jù)本身的內(nèi)在特點(diǎn)，另一方面要考慮到電力行業(yè)的自身特點(diǎn)。只有將這兩方面因素綜合考慮才能更為精確地設(shè)置指標(biāo)體系的權(quán)重值。

本研究中，對(duì)權(quán)重的設(shè)置分三步考慮，第一步根據(jù)數(shù)據(jù)本身的內(nèi)在因素設(shè)置各指標(biāo)的客觀權(quán)重；第二步根據(jù)電力行業(yè)的特點(diǎn)，通過(guò)專家經(jīng)驗(yàn)設(shè)置各指標(biāo)的主觀權(quán)重；最后綜合考慮兩者的影響計(jì)算得出綜合權(quán)重。通過(guò)三步走的方法獲得的綜合權(quán)重值是理論和實(shí)踐因素結(jié)合的結(jié)果，具有更強(qiáng)有力的說(shuō)服性和可信度。

客觀權(quán)重的設(shè)置采用熵權(quán)法原理進(jìn)行計(jì)算，在具體應(yīng)用時(shí)，熵權(quán)法根據(jù)細(xì)分指標(biāo)體系中各指標(biāo)值的變異程度，利用熵計(jì)算各指標(biāo)的熵權(quán)值，利用各指標(biāo)的熵權(quán)對(duì)所有的指標(biāo)進(jìn)行加權(quán)，從而得出較為客觀的權(quán)重結(jié)果。另外，主觀權(quán)重的設(shè)置采用層次分析法得到。最后指標(biāo)體系中的每個(gè)指標(biāo)均含有兩個(gè)權(quán)重值，一個(gè)客觀權(quán)重值，一個(gè)主觀權(quán)重值。然后通過(guò)以下公式計(jì)算指標(biāo)的綜合權(quán)重：

[βi=αiwii=1nαiwi]

式中：[αi]為第i個(gè)指標(biāo)的客觀權(quán)重；[wi]為第i個(gè)指標(biāo)的主觀權(quán)重；[βi]為第i個(gè)指標(biāo)的綜合權(quán)重。

5.4 細(xì)分計(jì)算

基于評(píng)分卡的細(xì)分最后一步為細(xì)分計(jì)算，在本研究中，細(xì)分結(jié)果的計(jì)算的重點(diǎn)在于計(jì)算指標(biāo)體系中末層各指標(biāo)的得分，然后根據(jù)末層得分與各指標(biāo)權(quán)重計(jì)算父指標(biāo)得分，依次迭代計(jì)算直到指標(biāo)體系的根指標(biāo)。

6 結(jié) 語(yǔ)

客戶細(xì)分是有效實(shí)施客戶個(gè)性化服務(wù)的第一步，也是對(duì)客戶關(guān)系進(jìn)行良好管理和維護(hù)的基礎(chǔ)。在當(dāng)前電力供需形勢(shì)下，如何保證客戶服務(wù)質(zhì)量，在保證供電可靠的情況下，實(shí)現(xiàn)供電服務(wù)的精益化管理，準(zhǔn)確區(qū)分不同類型客戶的用電習(xí)慣與用電特點(diǎn)，都需要準(zhǔn)確的客戶細(xì)分。

本文簡(jiǎn)要分析了電力客戶細(xì)分現(xiàn)狀與需求，在對(duì)各類客戶細(xì)分模型研究基礎(chǔ)上，提出了基于客戶價(jià)值區(qū)間的細(xì)分、基于K?Means聚類算法客戶細(xì)分與決策樹基礎(chǔ)上的客戶細(xì)分三種細(xì)分模型，在模型的應(yīng)用研究過(guò)程中充分考慮了模型輸入數(shù)據(jù)的預(yù)處理過(guò)程以及模型應(yīng)用的靈活性與方便性，為后續(xù)模型的維護(hù)和管理，以及客戶細(xì)分應(yīng)用的擴(kuò)展打下了良好的基礎(chǔ)。

在細(xì)分的過(guò)程中，為了達(dá)到較為理想的細(xì)分效果，細(xì)分指標(biāo)的選取不能是任意的和隨機(jī)的，需要以細(xì)分目標(biāo)為準(zhǔn)繩構(gòu)建相一致的細(xì)分指標(biāo)體系，合理篩選細(xì)分的維度，根據(jù)不同的場(chǎng)景構(gòu)建相應(yīng)的細(xì)分實(shí)例。與此同時(shí)，針對(duì)細(xì)分方法的構(gòu)建和選擇，沒(méi)有絕對(duì)的正確和有效，可以根據(jù)預(yù)期效果進(jìn)行嘗試和選擇，將誤差控制在一定的范圍之內(nèi)。如此，才能合理和有效地進(jìn)行客戶特征的識(shí)別與分群，為個(gè)性化客戶服務(wù)策略的指定提供可靠有力的指導(dǎo)和支持。

參考文獻(xiàn)

[1] 陳明亮.客戶價(jià)值細(xì)分與保持策略研究[J].成組技術(shù)與生產(chǎn)現(xiàn)代化，2001（4）：23?27.

[2] 賀仁龍，葉宇航，趙曉康.電信企業(yè)客戶細(xì)分模型構(gòu)建與應(yīng)用研究[J].情報(bào)雜志，2011，30（6）：145?151.

[3] 劉英姿，吳昊.客戶細(xì)分方法研究綜述[J].管理工程學(xué)報(bào)，2006（1）：53?57.

[4] 王春葉.基于數(shù)據(jù)挖掘的電力客戶細(xì)分研究[D].北京：華北電力大學(xué)，2009.

[5] MACQUEEN J. Some methods for classification and analysis of multivariate observations [C]// Proceedings of the 5th Berkeley Symposium on Mathematical Statistics and Probability. USA： University of California Press， 1967， 1： 281?297.

[6] 程啟月.評(píng)測(cè)指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法[J].系統(tǒng)工程理論與實(shí)踐，2010，30（7）：1225?1228.