阎誉榕
新南威尔士大学 山西省太原市 030000
摘要：随着经济和社会的发展，客户作为企业重要的经济基础，对企业前途命脉都发挥着决定性的作用。伴随智能电网的发展，电力行业产生的数据越来越多，形成了电力行业大数据。开展大数据时代电力客户细分研究，可以帮助供电公司更好地了解客户需求，从而有针对性地优化客户体验，促进客户忠诚度与满意度的提高，并最终将客户价值充分地转化为公司实际效益，对内为管理者提供更加全面、科学的决策依据，对外为客户提供增值服务。
关键词：大数据；电力客户；客户细分
一 客户细分的内涵及意义
客户细分是指通过有效收集、归类和分析客户各方面的需求，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。通过客户细分，企业可以更好的识别不同的客户群体，区别对待不同的客户。客户细分作为一项先进的客户关系管理手段，在以客户为中心的商业经济的今天有着非凡的意义。
客户细分的常用技术是数据挖掘（Data Mining），所谓的数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。运用数据挖掘技术可以分析客户的更多信息，捕捉更多有价值的信息，有效研究客户行为特征，实现对客户群体的精细化分解，有利于为客户提供差异化服务，合理优化资源配置，实现良好的客户关系管理。
二 电力行业的大数据趋势
电力行业拥有海量大数据，由于电力数据能反映生产情况，电力大数据成为国民经济的“晴雨表”。电力大数据主要来源于发电、输电、变电、配电、用电和调度等环节，大致分为三类：电网运行、设备检测或监测数据，电力企业营销数据和电力企业管理数据。电力大数据具有数据体量大、数据类型多、价值密度低和处理速度快等特征。以某省用电数据为例，有4000多万电力客户，对居民用户每小时采集一次数据，每次数据项十多个，一天仅居民用电数据就几十亿项。本文主要从电力企业营销数据开展研究，如何从海量的数据中识别可用的数据，评估潜在的价值，显得尤为重要。
三 大数据电力客户细分
1.客户细分体系架构
规划客户细分体系能有效理清客户细分的目的、思路及应该如何开展客户细分等问题。本文将整个客户细分体系分为五个层次：
基础数据平台层：梳理对客户细分提供数据支持与功能支持的系统。
客户细分管理层：根据业务需求，确定分析的业务场景，如电费回收场景、停电风险场景等。
细分结果分析层：根据细分结果开展分析，得出细分群中的客户是否符合业务逻辑，群体特征是否符合该群体的所有特征，以及产生的该群体对群内客户会产生什么影响等。
细分结果查询层：让业务人员、业务专家可以查询到细分结果，在实际应用过程中验证分析结果的有效性，通过反馈意见对模型进行调优，使模型完善。
细分结果应用层：主要体现客户细分模型的价值与应用，通过细分结果对业务进行指导，从而满足差异化服务的需求。
2.客户细分
基于客户细分架构体系，根据客户的属性特征进行有效性识别与差异化区分，对电力客户进行分群，分为重要客户、重点关注客户、大客户、居民客户、其它客户五群。在客户分群的基础上，按照客户价值、客户行为及客户需求等维度进一步细分，形成若干服务主题。
在每个一级分群的基础上，从客户价值、客户需求和客户行为等维度出发，建立模型进行计算分析并分群，优先选择高价值客户、停电敏感客户、欠费风险客户、服务渠道敏感客户和用电检查风险客户五个二级分群，在二级分群的基础上再进行细分。
（1）高价值客户
高价值客户细分是提取营销系统里与大客户的基本情况、业务需求等相关的字段，运用聚类算法模型，综合考虑各方面因素，对高价值客户进一步细分。分为以下几类：第一群：客户比较沉默，生产情况存在波动，对暂停及暂停恢复业务需求相对较多的大客户群体。在缴费方式上倾向于去营业厅通过现金、支票等方式。第二群：特别活跃的大客户群体，从95598拨打次数、网上营业厅登陆次数反映出沟通活跃。第三群：经营势头良好，对高压增容业务需求量较大，功率因数不达标次数较多的大客户群体。第四群：相对沉默的大客户群，在缴费方式上倾向于通过网银缴费、银行代扣、自助终端等方式。第五群：发生过多次用电检查不合格的大客户群体。
（2）停电敏感客户
停电敏感客户细分是从部分已经表现出的敏感客户出发，研究各方面属性信息中的规律，并以此规律建立模型，用来判断全体客户的停电敏感程度。再将停电敏感度分数从高到低进行排列，划分不同等级的客户敏感度。根据各个分数段的模型预测提升度，将客户分为四个群体：潜在高敏感客户群、潜在次高敏感客户群、潜在普通客户群、潜在低敏感客户群。
（3）欠费风险客户
欠费风险客户细分是从部分已经发生违章用电的客户出发，根据其违章用电次数研究各方面属性信息中的规律，并以此规律建立模型，用来判断所有客户的电费回收风险程度。根据风险分数从高到低进行排列，划分不同等级的电费回收风险。根据各分数段的模型预测提升度，将客户划分为四个群体：电费回收高风险用户、电费回收中风险用户、电费回收普通风险用户、电费回收低风险用户。
（4）服务渠道敏感客户
服务渠道敏感客户细分是根据系统记录的95598咨询查询记录、营业厅业务办理类型、网上营业厅登陆时间、95598投诉记录、营业厅业务办理工单、网上营业厅办理的业务、短信渠道记录等分析出每个客户的沟通活跃度指数，得出服务渠道敏感客户细分为以下几类：95598偏好群、短信渠道偏好群、网上营业厅偏好群、营业厅偏好群、掌上营业厅偏好群。
（5）用电检查风险客户
用电检查主要针对非居民用户，采用决策树和平衡积分卡预测模型，得出用电检查不合格的风险分数。针对违约风险和窃电风险，分析客户各方面属性数据，挖掘典型的属性字段并结合业务经验建立风险评分卡。通过风险系数评分，将用电检查风险客户分为以下几类：用检不合格高风险群、用检不合格次高风险群、用检不合格普通风险群、用检不合格偏低风险群、用检不合格低风险群。
四 结束语
本文在基础客户分群的基础上，挖掘不同分组客户的不同特征，对每一客户分群实现了进一步细分。客户细分为后续制定针对性、精细化的营销服务方案奠定了基础，有利于在标准化服务的基础上开展高价值客户群服务，提高客户满意度。本文将大数据与传统营销策略结合，以客户分群为载体开展全方位客户服务体系应用建设研究，有利于提高整体客户服务能力和水平，提高企业经营效益。
参考文献：
[1]维克托·迈尔·舍恩伯格.大数据时代[M].杭州：浙江人民出版社，2013.
[2]唐伟.大数据时代下的新型客户关系管理研究[J].经济研究导刊，2018,（21）,164-165.
[3]唐璐瑶.浅析大数据时代网络营销的客户关系管理[J].现代经济信息，2015，(8)：145.
[4]祁琳.基于数据挖掘技术的客户细分模型研究分析[D].北京：华北电力大学，2018.