陳琳 任婷 稅潔 林磊 徐艷如 許健彰 莫文武

摘要： 針對電力企業(yè)用電客戶的特定屬性進行聚類，利用聚類算法進行數(shù)據(jù)處理，提取聚類客戶標簽。通過對用電客戶的社會屬性數(shù)據(jù)、電力屬性數(shù)據(jù)以及聚類分析提取標簽建立標簽庫，為電力企業(yè)的日常運營、風險管控、售電營銷提供支撐，提升客戶服務工作水平。

關鍵詞：電力企業(yè);用電客戶;聚類;標簽庫;K-means

引言

隨著經濟的不斷發(fā)展，社會生產力的不斷進步，電力企業(yè)的不斷擴大，當前用電客戶規(guī)模也在不斷增加。另一方面，隨著電力服務互聯(lián)網化進程的不斷推進，電子服務渠道的不斷增加，云計算和大數(shù)據(jù)技術不斷發(fā)展和應用，傳統(tǒng)的用電客戶管理以及營銷工作的開展已經不能很好地滿足眾多不同類型用電客戶日益多樣化的需求，日常的用戶管理、營銷工作亟需優(yōu)化，而基于用電客戶屬性進行標簽化的管理可以很好的契合電力企業(yè)的管理及營銷需要。

在電力企業(yè)服務中，可以根據(jù)用電客戶的社會屬性特征、電力屬性特征等數(shù)據(jù)定義一些關鍵詞，這種類型的關鍵詞通常被稱為用戶標簽。基于用電客戶數(shù)據(jù)建立結構化的自然標簽、運營標簽等標簽庫，對用電客戶進行深度挖掘與分析，可用于電力企業(yè)的日常運營、風險管控、售電營銷，可以針對不同的電子服務渠道進行差細化運營，更好的體現(xiàn)“以客戶為中心”的服務理念，提升客戶服務工作水平。

本文將基于用電企業(yè)的服務基礎，從用電客戶的社會屬性數(shù)據(jù)、電力屬性數(shù)據(jù)等特征類型進行分析，針對用電客戶進行聚類分析研究，探索用電客戶標簽庫的技術實現(xiàn)與應用，建立一套適用并且滿足于電力企業(yè)運營服務的用戶標簽庫。

一、概述

基于用電客戶的社會屬性、電力屬性將用電客戶先做初步分類，給用電客戶賦予基礎標簽，再通過聚類算法進行進一步分類提取標簽。電力企業(yè)可以利用用電客戶標簽庫用于日常運營、風險管控、售電營銷。

二、算法簡介

K-means 算法是一種簡單常用的聚類方法，在處理海量數(shù)據(jù)庫方面較有效、速度快、效率高，具有良好的伸縮性，聚類結果清晰，適合電力客戶較多的情況[4]。

其原理是對于已知的N 個點的坐標，xi，i 1，...， N ，將這堆點分為k 類，每個類有一個聚類中心j 1，....， k ，即一個點所屬的類別。因此，K-means 聚類的主要任務就是求聚類中心cj ，使得所有點到其所屬類中心的距離最小，即使得損失函數(shù)L 最?。?/p>

（1）

其中，min 操作保證了每個點只屬于離它最近的那一類。

三、標簽提取過程

以客戶信用等級為例，由于電力客戶信用的場景中，并沒有人為標注明確信用等級的客戶數(shù)據(jù)，同時考慮到客戶信用等級并不是一層不變的，因此無監(jiān)督算法中的K-means 算法聚類很適合此場景。

（一）相關特征數(shù)據(jù)預處理

在將數(shù)據(jù)輸入算法模型之前，需要對客戶信用體系中的欠費記錄（當前和歷史，包括金額大小，次數(shù)，欠費天數(shù)），預存電費記錄（當前和歷史，包括金額大小，次數(shù)）等轉化為數(shù)值型特征，因此一個客戶的信用特征就可以用一個n 維向量表達。為了避免數(shù)值的量級大小影響聚類迭代的效果，再對每個特征按如下公式進行歸一化至0-1 的區(qū)間。

（2）

（二）對客戶數(shù)據(jù)進行聚類分析

（1）確定電力客戶分類的信用等級個數(shù)k。

（ 2 ） 選擇初始類中心。首先從電力客戶樣本對X1， X 2， X3，......， Xn中隨機選擇k 個樣本點C1，C2，C3，...，CK 作為初始的k 個聚類集合G1，G2，G3，....，Gk的類中心。

（3）計算距離。在每一輪迭代中，對每個客戶樣本Xj（ j 1， 2，...， n），分別計算它到k個類中心點C1，C2，C3，...，CK 的距離| Xj Gi || （i1， 2， ...， k ） 。

（4）進行樣本分類。以C1，C2，C3，...，CK 為中心點進行集合劃分，將各個電力客戶樣本劃分到和自身距離最近的類中，分別組成k 簇新類.

（5） 當達到一定迭代次數(shù)或G1，G2，G3，....，Gk 不再改變時，則聚類完成

（三）聚類結果分析

聚類迭代完成后，每個點都會得到中心，即所屬的信用等級，同時函數(shù)L 的值便可以作為聚類結果的好壞，因為其代表的是每個點到其所屬中心的距離，距離越小則代表的聚類結果越好。如圖為電力客戶信用數(shù)據(jù)聚類效果圖，通過將聚類后的，客戶的多維特征投影到二維空間上，可以看到電力客戶樣本數(shù)據(jù)點明顯的分為了3 個簇，再通過對客戶信用數(shù)據(jù)的人工把握，對每個類賦予一個標簽，就可以完成對電力客戶的信用分類，如下圖就可以分為高信用度，中信用度和低信用度三個標簽。

四、結束語

本文提出的用電客戶屬性標簽庫技術的實現(xiàn)與應用，將客戶進行聚類分析，構建一套系統(tǒng)完整的標簽庫，電力企業(yè)能根據(jù)實際服務需要，有效地應用于電力企業(yè)的日常運營、風險管控、售電營銷，可以更好的體現(xiàn)“以客戶為中心”的服務理念，提升客戶服務工作。

參考文獻：

[1]黃紅霞，章成志. 中文微博用戶標簽的調查分析——以新浪微博為例[J].2012.

[2]林森，歐陽柳.基于大數(shù)據(jù)理論的電力客戶標簽體系構建[J].電氣技術，2016，17（12）：98-101.

[3]趙曉波.供電企業(yè)大客戶管理的研究[D].南京理工大學，2005.

[4]未瑞，羅國亮.基于聚類分析和層次分析法的電力客戶信用評價研究[J].現(xiàn)代電力，2007（06）：80-84.

作者簡介：

陳琳（1982--），男，學位：學士，職稱：工程師，研究方向：電力營銷;

任婷（1988--），女，學位：學士，職稱：助理工程師，研究方向：電力營銷;

稅潔（1987--），女，學位：學士，職稱：助理工程師，研究方向：電力營銷;

林磊（1988--），男，職稱：助理工程師;研究方向：電力營銷;

徐艷如（1988--），女，學位：學士，職稱：助理工程師，研究方向：電力營銷;

許健彰（1992--），男，學位：學士，研究方向：管理信息系統(tǒng);

莫文武（1990--），男，學位：學士，研究方向：電子與信息技術。