电力工程师职称论文客户细分与价值评价研究

所属栏目：电力论文
发布时间：2014-04-19 09:35:57 更新时间：2014-04-19 09:16:56

　　随着我国电力市场改革的逐步深化，电力市场需求多元化的特性将逐步凸显。如何制定有针对性的营销策略，满足不同客户的用电需求，实现差异化与个性化服务，提高核心竞争力，扩大电能在社会消费终端中的占有率，已成为供电单位的一项迫切任务。进行电力客户细分与价值评价研究能为制定有针对性的营销策略提供重要依据。本文将以数据挖掘为切入点，探讨电力客户细分与电力客户价值评价。

　　【摘要】随着我国电力市场的不断发展，我国电力市场需求多元化的特性逐步凸显。如何优化营销策略，满足不同客户的用电需求，提高核心竞争力，已成为电力企业的一项迫切任务。本文以数据挖掘为切入点，将电力客户细分与价值评价有机结合，构建了基于客户行为-价值细分模型。并以某某市部分电力客户为研究对象，进行实证分析。结果表明模型效果较好，能够很好的将电力客户细分为具有不同特征的客户群、对不同客户群价值进行量化评估，并能为制定相应的营销策略提供依据。本文的研究对于电力企业熟悉电力市场，制定有针对性的营销策略有重要的参考价值。

　　【关键词】电力市场,数据挖掘,客户细分,价值评价,实证分析

　　1.引言

　　由于各种体制原因，我国电力企业长期垄断经营加上政企不分，导致其对客户资源的重视度不够。这种形势下电力营销无疑是走出这种困境的一大利器[1]。近年来，随着各级电力公司营销体系标准化建设、用户用电信息系统建设等工作的相继开展，建立了电力行业门户网站，拓展了电费缴纳渠道，建立了电力95598客户服务中心，基本上为电力客户提供了专业化互动服务平台。但目前仍存在大量用电数据未被充分挖掘利用，电力营销服务很大程度上还停留在同质化的普通服务，缺乏针对性、时效性和精准性。

　　2.研究现状与研究内容

　　（1）电力客户细分研究现状

　　目前，电力客户细分主要还是按定性的分类方法较多，使用定量的方法对电力客户进行细分的应用非常有限。使用定性分类的方法对电力客户进行细分往往不能对电力客户进行全面的了解，客户之间区分的标准比较模糊，不能对客户进行精确的划分。定量的方法则没考虑电力客户本身的属性对电力客户的影响，不能对细分的结果进行很好的解释。文献[2][3][4]综合采用了定性与定量的方法对电力客户进行细分，但可操作性不强，主要体现在以下两个方面。第一，电力客户数量很大，一些定性指标在专家打分过程中无法保持一致，带有很多的主观性，使得误差较大；第二，没有形成基于电力客户经济行为、价值细分的综合评价，不能达到决策的精确性要求。

　　随着数据仓库和数据挖掘技术水平的提高，客户越来越成熟，客户数据将会越来越丰富和复杂，有些复杂的数据是难于精确化的，只有采用数据挖掘的技术，才能很好地贴近人类的思维方式，更加易于被人理解，使分类更加科学化和规范化[5]。文献[6-9]为数据挖掘技术在电力行业的相关应用的研究，但这些研究中并没有将电力客户细分与价值评价结合起来。

　　基于数据挖掘的客户行为细分就是借助于数据挖掘的深层次数据分析方法，对数据库中的各种客户行为变量进行精确化细分，实现对客户行为的定量化描述，并对客户行为模式与客户价值进行准确判断与分析，从而为精细化营销提供决策依据[5]。

　　与传统的客户细分相比，基于数据挖掘客户行为细分的优势还表现在如下几个方面：能够客观反映客户群体内在的特性；能够综合反映对客户多方面特征；有利于更加深入细致地了解客户价值；在营销实践中具有可操作性；便于实现对客户的动态跟踪[5]。

　　目前使用数据挖掘对电力客户进行细分的研究文献并不多见，再此基础上进行实证验证分析的文献更少。文献[5]是目前较系统全面的地使用数据挖掘对电力客户进行细分与实证验证分析的一篇文章，文献作者提出了基于数据挖掘的电力客户细分模型，并以上海电力大客户为研究对象，对电力客户细分结果进行了实证分析。本文将结合湖南省某某市电力客户管理的实际情况，对电力客户细分模型进行相应的修改，并进行相应的实证分析，实现对某某市电力客户的细分。

　　（2）电力客户价值评价研究现状

　　客户价值是营销理论的重要组成部分，研究角度不同，价值的含义也会用所不同。本文将采用“客户终身价值”的概念来对电力客户价值进行定义。从时间层面来进行划分，客户终身价值由两部分构成。当前价值：到目前为止己经实现了的客户价值；潜在价值：公司通过有效的交叉销售调动客户购买积极性或客户向别人推荐产品和服务从而可能增加的客户价值[10]。

　　对电力客户价值的研究可以借鉴目前研究较成熟的电信业客户价值研究的成果。张扬明、齐佳音、舒华英在文献[11]的研究中建立了移动运营业用户价值评价指标体系，框架如图2-1所示。

　　该移动客户价值评价指标体系中，客户价值包括客户当前价值与客户未来短期内价值。其中利润贡献与成本占用指标能综合反映移动客户当前价值；忠诚度指标与信用度指标能综合反映移动用户未来短期价值。

　　（3）研究内容

　　本文将以数据挖掘为切入点，建立基于数据挖掘的电力客户细分与价值评价模型，并以某某市部分电力客户为研究对象，进行实证分析。研究框架如图2-2所示。

　　具体内容如下：

　　①依据客户经济行为属性，构建客户行为细分指标体系。

　　②考虑电力客户的当前价值和潜在价值，构建客户价值评估指标体系。

　　③构建以客户经济行为细分体系为主，客户价值评估体系为辅的电力客户细分模型，实现行为细分变量与价值评估变量的有机统一。

　　④聚类分析方法对客户进行细分，形成基于客户经济行为与价值评估的分类。

　　⑤根据聚类分析的结果，产生电力客户细分标准。

　　⑥根据客户细分类型，测定评估变量的取值，分别计算不同细分客户群的相对价值，实现电力客户价值的量化评估。3.模型建立

　　3.1研究思路

　　经济行为不同的客户往往具有不同的电力需求，因此，通过分类或聚类分析技术，将经济行为相似的客户划入相同一组，而将经济行为差异较大的客户划入不同组。同时，综合考虑客户价值和客户行为两方面的因素，从企业价值创造的角度对各个客户群进行分析，揭示出各个客户群组为电力企业创造的价值的大小以及价值创造的形式，实现基于电力客户细分类别的用户相对价值的量化评估，从而科学地制定出能够反映电力客户利润关系、用电特征、发展潜力和信用状况等综合信息的客户价值评价标准，为企业营销服务策略的制定提供依据。

　　3.2细分工具方法

　　利用聚类算法进行客户细分是一种常用的数据挖掘技术。根据数据在聚类中的积聚规则，可以将聚类算法大致分为如下几类：划分式聚类算法[12]、层次化聚类算法[13]、基于模型的聚类算法[14]和基于密度和网络的聚类算法[15]。K-means聚类算法是解决聚类问题的一种经典算法。它是利用距离作为度量个体之间关系紧密程度的指标，并通过指定分类数而求得聚类结果。其主要优点是算法简单、快速而且能有效地处理大数据库，本文将使用K-means聚类算法对电力客户进行细分，K-means聚类算法流程如图3-1所示。

　　K-means聚类算法具体过程如下：

　　输入：聚类个数k，以及包含n个数据对象的数据。

　　输出：满足方差最小标准的k个聚类。

　　演算步骤：

　　①指定聚类数目

　　确定聚类数目（也称簇数目），太大或太小都将失去聚类的意义。

　　②确定K个初始类中心

　　类中心（也称簇中心）是各类典型代表。确定聚类数目K后，还应指定K个类的初始类中心点。初始类中心点的指定的合理性，将直接影响聚类收敛的速度。

　　③根据最近原则进行聚类

　　按照距依次计算每个数据点到K个类中心点的欧式距离，并按照距K个中心点距离最近的原则，将所有样本分派到最近的类中，形成K个类。

　　④重新确定K个中心

　　重新计算K个类的中心点。中心点的确定原则是：依次计算各类中所有数据点变量的均值，并以均值点作为K个类的中心点。

　　⑤判断是否已经满足终止聚类的条件（聚类中心点不再变化），如果没有满足则返回到第③步，不断重复上述过程，直到满足迭代终止条件。

　　上述过程③中提到的数据点与类中心点的距离为：

　　指第i个数据点到第j个类中心点的距离；

　　指第i个数据点第d维度的数据值；

　　指第j个簇中心第d维度的数据值。

　　K-means聚类算法将n个对象划分为k簇，使簇内对象各维度特征较为相似，而簇间的各维度特征差异较大，划分结果示意图如图3-2所示。

　　3.3电力客户细分指标体系

　　电力客户的经济行为属性最能反映其经济特征，因此被用作细分变量，其衍生变量通常包括：汇总变量、平均变量、趋势变量、波动变量以及结构变量。参考文献[5]，并依据实际取得的数据情况，最终构建电力客户细分模型指标体系如表3-1所示。

　　电力客户细分指标说明：

　　年用电量：电力客户一年的用电量，反映电力客户用电规模，是电力客户细分中非常重要的细分指标；

　　平均电价：电力客户消耗电能的平均价格，反映用电客户用电效率情况；

　　用电增长率：电力客户年用电增长率，反映电力用电潜力情况；

　　变异系数：一年内各月用电标准差与平均值的比值，反映用电客户波动情况；

　　付款率：一年内，按时缴纳电费金额与应缴电费金额比值，反映电力客户信用状况情况。

　　3.4电力客户价值评价

　　本文采用“客户终身价值”的概念对电力客户价值进行定义。客户终身价值指某一客户在未来所能给公司带来的直接成本与利润的净现值。参考上海交通大学安泰经济与管理学院王雷硕士构建的客户价值评估体系，形成如图3-3中所示的电力客户价值评价指标体系。

　　借鉴文献[5]，使用如下电力客户价值评估经验公式，对细分出的各类别电力客户整体进行价值评价。

　　公式（2-2）中各指标均为各类别电力客户的平均取值，其中：

　　M为测评期内电力客户总用电量，这里测评期为一年，为反映电力客户的利润贡献指标。

　　P为测评期内电力客户消费电能的平均价格，为反映电力客户的利润贡献指标。

　　c为负载率，电力客户实际用电量与装接容量的比值，为反映电力客户的用电特征指标。

　　e为变异系数，为反映电力客户的用电特征指标。

　　γ为用电增长率，为反映电力客户发展潜力的指标。

　　I为付款率，一年内按时缴纳电费金额与应缴电费金额比值，为反映电力客户信用的指标。

　　本文在建立电力客户细分指标体系与价值评估指标体系时，选用的各变量，几乎相同，这实现了电力客户细分模型与价值评估模型的有机统一。解决客户行为细分结果难以解释的问题，也为电力客户价值评估提供了依据。

　　4.实证分析

　　在本文研究过程中，从电力公司系统中获得了某某市2010，2011两年内所有电力客户的用电相关数据。电压等级不同，各用电特征会有很大不同，为使实证分析更有针对性，选取电力等级大于等于10KV小于35KV的电力客户11年的各指标数据进行实证分析。

　　去除重复记录、错误记录以及不具备可比性的数据；按满足客户行为-价值细分模型的需要进行数据的预处理，最后形成了参与聚类分析的细分变量数据。经过数据筛选，数据预处理后，形成的为3670位电压等级大于等于10KV小于35KV的电力客户细分指标数据。

　　4.1电力客户聚类将经过处理后的3670位电力客户数据导入SPSS，在对数据进行标准差标准化后，选择已标准化后的变量进行聚类分析，先暂指定聚类的数目范围为3～8类。经过多次调试后，发现将客户分为4类时，聚类效果较好，结果如表4-1所示。

　　表4-1给出了将电力客户分为4类时，4个类中心点的每次迭代时的变化过程。由表中可知，在第14次迭代时，4个类中心点的不再变化，达到聚类要求，聚类分析结束。得到的逐步聚类分析的类成员列表。各聚类类别含有的客户数量如表4-2所示。

　　各聚类类别中，聚类中心为各个类别的典型代表，反映属于该类的客户的各维度指标的平均水平。由表4-2与表4-3可知，聚类类别1中的客户用电量高、信用好；聚类类别2中的客户用电量较大、用电增长率高；聚类类别3中客户用电量低、波动大、信用差；聚类类别4中客户数最多、各维度指标均较为一般。

　　4.2聚类结果分析

　　由客户细分结果，可将某某市2011年电压等级大于等于10KV小于35KV的3670位电力客户可分为4类。4类客户特点各不相同，依据各类客户特点，对客户群进行命名，结果如表4-4所示。

　　下面从两个角度对这四个类别客户进行分析：客户群内客户个体特点；客户群群特点。

　　（1）不同客户群客户个体特点描述

　　聚类中心为各个类别的典型代表，为了更加直观的对不同客户群客户特点进行描述，将表4-3各类客户群聚类中心作为各类客户个体特点，使用折线图对各类客户的细分行为变量进行描绘，结果如图4-1所示。

　　（2）客户群群特点

　　某某市2011年电压等级大于等于10KV小于35KV的3670位电力客户通过客户细分分为4个群，分别命名为“高电量高信用群”、“中电量高增群”、“低电量大波动低信用群”、“普通群”。每个客户群客户数量以及用电情况如表4-5所示。

　　由表4-5可知高电量高信用小组客户数较少、占所有细分客户的4.5%；用电量与平均用电量均很高，用电量占总用电量的44.95%；这类客户为电力公司重点营销对象，可考虑制定一系列的个性化差异化服务，充分满足其各种用电需求，提高用电客户满意度。普通群小组客户数多、用电量大，客户数占所有细分客户的82.72%，用电量占总用电量的52.84%；这类客户为细分客户的主体，公司应注重提升自身服务能力，使整体服务能力，服务质量均有很大提高，这样才能赢得这部分电力的满意。中电量高增长客户组客户数与用电量均很少、客户数占所有细分客户的0.57%，用电量占总用电量的1.77%；这类客户增长率较大，电力公司可制定一系列鼓励该类客户的积极用电的策略，充分挖掘该类客户的用电潜力。低电量大波动低信用小组客户数与用电量均较少，客户数占所有细分客户的12.21%，用电量占总用电量的0.44%；该类客户用电波动较大，电力公司可制定相应的策略，引导该类客户合理平稳用电。

　　4.3基于客户细分类别的价值评价

　　依据电力客户价值评估公式，对大于等于10KV小于35KV的3670位电力客户的4个类别客户群进行价值评价。各类别客户的价值评价变量数据如表4-6所示。

　　使用电力客户价值评价模型，得到各类别客户价值结果如表4-7所示。

　　由表4-7可知高电量高信用小组价值最高；普通群小组价值其次；中电量高增长小组价值较差；低电量大波动低信用小组价值最低。

　　4.4差异化营销服务方案

　　电力企业为了真正实现对电力客户的精细化集约化的营销，需要充分认识电力客户各种的特点和服务需求，在此基础上结合企业有限资源，制定相应的服务方案。本文中通过构建的模型将某某市电压等级大于等于10KV小于35KV的电力客户划分为4类客户。下面将电力客户细分与价值评价相结合，为4类电力客户制定相应的差异化营销服务方案。

　　4.4.1高用电量高信用客户群营销服务方案

　　该类电力客户为电力企业的高价值客户，该类客户为电力企业带来了较大了利润，终身价值也是最高的。除了提供常规服务外，还需将重点转移到需求侧管理服务上来：如节能减排方案服务，提供能源解决方案，在充分保障客户用电安全稳定的基础上，降低电力客户用电成本。具体服务包括对该类客户进行需求侧技术服务指导；提供客户产权范围内电力故障抢修；电力设备定期免费检查、计量装置准备性检查；与客户保持充分的沟通，为客户及时通报停电等信息；在停电时，以优惠价为该类客户出租独立发电装置；设定大客户经理，提供真正的一对一服务；为该类客户进行全面细致的用电分析服务，为其提供全面用电分析报告。

　　4.4.2中电量高增长客户群营销服务方案

　　该类客户用电量属于中等，用电增长率高。该类客户当前价值不高，但其潜在价值较高。针对这类客户可为其设定相应的**业务员优先权，方便其**业扩等业务；积极引导其提升自身价值等级；对其进行用电分析服务，并在相关人员配合，保证分析报告的全面性；定期或不定期地主动上门征求意见，尽量满足其各自用电服务需求，挖掘其用电潜力。

　　4.4.3普通群营销服务方案

　　该类客户各项指标均较为中等，这类客户占[10KV35KV）的绝大部分。用电量也占用电量一半。对这类客户，公司应注重提升自身服务能力，使整体服务能力，服务质量均有很大提高，这样才能赢得这部分电力的满意。

　　4.4.4低电量大波动低信用营销服务方案

　　这类客户用电量低，用电也不稳定，信用低，这对这类电力客户，电力企业应在基本服务的基础上。防范这类客户为电力带来的风险，采取风险防范措施，具体措施可包括：如与该类客户签订供电合同，推荐其实行预存电费的缴费方式；要求该类客户提供相应的相应担保或抵押；及时通知该类客户电费的相应信息，并依据相关法规严格执行停电等措施。5.结语

　　本文以数据挖掘技术为基础，探讨电力客户细分与电力客户价值评价。将电力客户细分与价值评估有机结合，构建了客户细分与价值评价模型，并以某某市部分电力客户为研究对象，进行了实证分析。

　　实证结果表明将电力客户细分与价值评价有机结合，一方面能反映整体的电力客户的经济行为，从而挖掘不同分组客户的不同特征，另一方面能从企业价值实现的角度可以对各个客户分组予以评述；解决了电力客户细分结果很难解释的问题，也为电力客户价值评估提供了依据；使数据挖掘有章可循，也使价值评估有理可依；并能为制定相应的营销策略提供依据。

　　在后续研究中，可对各细分类别客户的信用、欠费风险、用电需求、电力客户管理等方面进行研究，最终从可操作的角度制定出更具针对性、精细化的营销服务方案。

　　参考文献

　　[1]李逢春.基于数据挖掘的电力行业客户细分建模浅探[J].计算机光盘软件与应用，2011（17）：96-96.

　　[1]LiFengchun.CustomerSegmentationModelinginPowerindustryBasedonDataMining[J].ComputerCDSoftwareandApplication，2011（17）：96-96.

　　[2]杨建萍，沈雅峰，曹欣皓，王晓峰.南京电力大客户管理信息系统的设计与实施[J].电力需求侧管理，2005，7（4）：31-33.

　　[2]YangJianping，ShenYafeng，CaoXinhao，WangXiaofeng.DesignandimplementationoflargepowercustomersmanagementinformationsysteminNanjing[J].PowerDemandSidemanagement，2005，7（4）：31-33.

　　[3]周凤生.供电企业客户服务与市场营销[J].电力需求侧管理，2002，4（6）：52-53.

　　[3]ZhouFengsheng.CustomerServiceandMarketingofElectricPowerSupplyEnterprise[J].PowerDemandSidemanagement，2002，4（6）：52-53.

　　[4]谢运来，李晓明.供电企业顾客让渡价值理论探讨[J].长沙电力学院学报（社会科学版），2003，18（4）：71-73.

　　[4]XieYunlai，LiXiaoming.OntheTheoryofCustomerConcessionValueintheElectricPowerEnterprises[J].JournalofChangshaUniversityofElectricPower，2003，18（4）：71-73.

　　[5]王雷.基于数据挖掘的电力行业客户细分模型研究[D].上海：上海交通大学，2007.

　　[5]WangLei.TheStudyofCustomerSegmentationinElectricPowerIndustryBasedonDataMining[D].Shanghai：ShanghaiJiaoTongUniversity，2007.

　　[6]陈刚.基于数据挖掘的电力营销决策支持系统的结构原理及算法研究[D].重庆：重庆大学，2004.

　　[6]ChenGang.StudyonStructuralPrinciplesandAlgori-thmsforElectricPowerMarketingDecisionSupportSystemBasedonDataMining[D].Chongqing：ChongqingUniversity，2004.

　　[7]韩琦.基于数据挖掘的电力营销系统的设计与实现[D].辽宁：东北大学，2008.

　　[7]HanQi.DesignandImplementationofthePowerSalesSystemBasedonDataMining[D].Liaoning：NortheasternUniversity，2008.

　　[8]陈章良.基于数据挖掘的电力营销预测决策模型应用与研究[J].电力信息化，2008，6（12）：98-100.

　　[8]ChenZhangliang.StudyandApplicationofPowerSalesForecastandDecisionModelBasedonDataMining[J].ElectricPowerInformationTechnology，2008，6（12）：98-100.

　　[9]冯璐.基于数据挖掘的供电公司客户关系管理系统研究与开发[D].北京：华北电力大学，2008.

　　[9]FengLu.ResearchandDevelopmentonCRMSystemBasedonDataMining[J].Beijing：NorthChinaElectricPowerUniversity，2008.

　　[10]DywerF.Robert.CustomerLifetimeValuationtoSupportMarketingDecision[J].JournalofDirectMarketing，1989（2）：73-81.