“互联网+电网”模式下智能CRM模型与营销策略研究

何 灵， 何永贵

(1.国家电网物资有限公司，北京 100020； 2.华北电力大学 经济管理系，河北 保定 071003)



● 电力经济研究

“互联网+电网”模式下智能CRM模型与营销策略研究

何 灵1， 何永贵2

(1.国家电网物资有限公司，北京 100020； 2.华北电力大学 经济管理系，河北 保定 071003)

新电改方案“管住中间，放开两头”布局和改革发展趋势，对电网公司客户关系管理提出了新的挑战，特别是如何有效整合并合理利用用户资源问题迫在眉睫。本文基于“互联网+电网”研究将传统电力行业与互联网信息技术相结合，发挥互联网传播媒体之间交互性能，对终端用户信息进行数据挖掘，在将传统聚类K-Means算法进行改进的基础上，对终端用户消费行为特征进行合理细分，研究构建出终端用户在“互联网+电网”模式下的新型电力市场营销模式及相应营销策略。这对电网公司营销中实现资源合理配置、提高营销管理水平具有较重要的应用借鉴价值。

互联网+； 电网公司； 用户关系； 数据挖掘； 聚类分析； 营销策略

电力市场渐进性改革目的是进一步解决市场机制引入和应用强度不足、利用市场对资源进行配置的能源利用率不高、促进新能源发展和消纳的良好机制形成等问题。国务院9号文件的“新电改方案”正式出台，其“管住中间、放开两头”成为新一轮深化我国电力体制改革的基本体制构架。新电改方案清晰地表达了遵从电力市场多元化的竞争趋势，重新把电网公司定义为公共服务机构，区域中原有的输配环节得以存留、电力调度的相关部门没有被独立改造，鼓励发电厂对电力市场终端大用户进行直接售电，电网公司将只收取电能的过路费用。这就改变了电网公司原有的经营模式，特别是在“互联网+”模式下加强对终端用户关系管理。

有鉴于此，凭借电网公司发挥其“互联网+电网”对终端用户关系管理以往对终端用户数据的垄断的独特优势，一方面，构建新的市场环境下“互联网+电网”的组合关系管理模式，实现将客户关系全天候、全生命周期记录在系统当中，依靠计算机系统的自动化进行邮件的自动发放及管理，有助于降低大大电网公司对于终端用户的关系管理成本，提升电网公司盈利能力；另一方面，通过整合细分终端用户，合理分配电网公司管理资源，有助于更加有效地促进电力产品营销、完善电力交易体系、提升电网公司竞争力。因此，加强“互联网+电网”模式下智能CRM模型及营销策略研究具有重要的应用价值和实践意义。

同时，在电力行业中，电网公司处在其完整供应链的中间位置，它相当于集分销商与零售商于一体的中间商，虽然电网公司内部仍有小比例电厂的存在，在这里笔者仅从电网公司作为中间商的角度予以重点讨论。所以本文“电网客户”的界定是指最终的用户，即终端用户，并按短尾大用户和长尾普通居民用户两类主要群体进行研究。

一、“互联网+”模式下的电网公司客户关系管理新要求

客户关系管理CRM(Consumer Relationship Management)是企业为了稳固和扩大市场占有率、增加销售额，进一步实现利润最大化，所采取的一系列能与其他企业抗衡并有效争夺“客户”而建立的以“客户”为中心的营销策略。这里，不仅从企业的战略层面获取尽可能多的客户，谋求更大的利益，而且从施展层面还要明确处理客户关系时的行为规范，促使企业、员工以及顾客的三方利益得到充分保障即客户关系管理上要具有全程性[1]。

在传统的电力营销模式下，电网公司根据市场总量需求，制定电力产品的计划“量”和“价”营销组合策略来满足用户需求。但是，传统的电网公司营销模式忽略了对电力终端用户的稳定忠诚度问题，随着现代电力市场的竞争多元化格局的形成，加强客户关系管理及其成效可持续性研究势在必然。我国传统意义上电网公司作为发电厂的经销商，从发电厂购电取得电力产品的所有权，他们买电并不是为了自己用，而是再进行转销售，将电力产品转手卖给终端用户收取利差，且主要营销模式为在各区域设立电网营业厅的实体地点进行电力产品的直销[2]。在这样的电力交易渠道中，身处长尾的普通居民用户占据了电网公司终端用户群体数量比例的近80%，并且，该群体利益处于劣势地位几乎没有选择权。事实上，通常情况下一个公司利润的80%是由20%的用户来实现。对于创造80%利润、数量占20%比例的终端用户来说，即短尾用户他们当然应该成为电网公司的大用户。电网公司如若维持现状采用传统电力营销模式，势必难以维持大用户关系和保持自身在电力市场竞争中的地位优势。在新电改的“互联网+”营销模式下，现实已经提出新的具体要求，见表1。

因此，针对新电改“互联网+电网”模式下的用户关系管理新要求，研究将传统电力行业与互联网络技术、信息技术相结合，发挥数字化的信息和互联网传播媒体之间的交互性能，对终端用户信息进行数据挖掘，对终端用户消费行为特征进行合理细分，构建终端用户在“互联网+电网”模式下的新型电力市场营销模式及相应营销策略，将有助于提高电网公司营销管理水平、实现资源的合理配置和效率稳固提升。

表1 新电改体制下“互联网+”的电力营销模式新要求

传统营销模式现状“互联网+”模式下新要求忽略了电网终端用户本身存在的不成熟性和电网公司内部资源的有限性。当电网公司终端用户只是存在一个创意时,电网公司往往不予理睬,不会为某个单一的终端用户个体提供具体可行的处理方案。伴随电力市场的千变万化、日新月异,推动了电力产品种类的纷繁多样,要求电网公司必须整合其内外部各项资源,探索多方共赢的“互联网+”电力营销模式,满足其终端用户多样化的个性需要。强调了目标市场重要性,然而电网公司的目标市场基本上按照地域区分,电网公司试图在目标市场中运用有限资源获得尽可能多的利益,可是在市场网络的构建过程中未能考虑到耗资问题。实施终端用户信息数据互联网化,确保数据规范、一致、完整和有效,迅速、准确地统计分析终端用户业务相关数据,为电网公司的内部管理提供及时、准确的信息,为接下来针对终端用户关系管理的工作提供合理的依据。针对终端用户的信用考评缺乏科学性、完整性不够高,数据统计分析查询不便,电网公司难以做到有效管理。采用“互联网+”的新理念模式,能够降低电网公司运营成本,满足电力产品纷繁化、需求个性化趋势的用户需求,建立科学、完善的终端用户考评制度。电网公司终端用户信息流转存在的随意性,规范化程度不高,流转效率不够高。引入全面流程化管理模式,理顺了电网企业与终端用户间的的业务关系,实现了电网公司、终端用户和互联网间的高度集成。依靠人对应人来进行双方关系的维护依靠系统和人的协同组合来维护双方关系,进行全渠道的覆盖以及全生命周期的关系管理。

二、“互联网+电网”模式下智能CRM模型研究

在“互联网+”模式下的终端用户关系管理中，由于对电网公司终端用户的数据挖掘是一个过程，并在该过程中反复迭代，于是，可以对终端用户的行为方式进行分析，然后做出对电网公司有利的终端用户关系管理策略决策。

(一)“互联网+”模式下CRM中数据挖掘的任务

对于“互联网+”模式下电网公司CRM中数据挖掘的两个主要目标，其实就是预测与描述。预测是通过利用电网公司客户数据库中的已知变量数据来对未来不确定的有价值的变量进行推测。描述主要是将电网公司客户数据系统中的某些隐性的但有价值的数据显性出来[3]。依据“互联网+”模式下电网公司CRM数据挖掘的目标，其主要任务见下图1：

图1 “互联网+”模式下CRM中数据挖掘的任务

电网公司要从大量的终端用户数据中找出隐含的知识，从而挖掘出对电网公司有价值的终端用户有效信息，进而分别针对细分用户进行目标定位，展开与之相对应的关系营销策略[4]。同时，通过互联网所收集的数据中挖掘出终端用户最为关注与重视的问题，有助于进一步开发和满足用户需求。这既能够帮助电网公司大幅提供工作效率，也可以迅速地提高终端用户的满意度。

(二)“互联网+”模式下电网对终端用户的聚类分析

在“互联网+”模式下，电网公司可以运用聚类方法对市场进行细致分析，寻找固定的用户群，稳定并扩大市场占有率。

在“互联网+”模式下电网公司CRM数据挖掘的聚类分析中，常用的数据结构为数据矩阵和差异度矩阵。

1.数据矩阵

数据矩阵，又被称为“对象—属性”结构矩阵，它是与关系表相类似的结构形式，可以看成是n*m维的矩阵，表示n个包含了m种属性的对象，xij代表不同的实体，表示形式如下：

2.差异度矩阵

差异度矩阵是将n个对象两两之间的近似程度表示出来了，通常情况下用n*n维矩阵进行表示，与数据矩阵不同，xij代表相同的实体，如下所示：

在差异度矩阵中，d(i,j)即表示对象i与j之间的差异性程度的数值，且d(i,j)=?d(j,i)。通常情况下，d(i,j)>0，当d(i,j)的值越接近0时，说明i与j的差异性越小，反之差异性越大。在研究中，若数据是用数据矩阵来显示的，一般会将其转化为差异度矩阵再进行聚类分析。

在聚类分析的数据处理中，对象之间的相似性是其核心。相似度量方法主要两个类型：距离和相似系数。距离越接近0，相似性越大；相似系数与数值1越接近，则相似性越大。

聚类分析有两种类型：一是对样本(观察对象)进行分类，其统计量常常采用距离，有时也用相似系数进行分析。二是对变量(观察值)进行的分类，减少变量，达到降维的效果，其统计量常根据相似系数来度量相似性。

(1)距离

1)样本间的距离

对于一群有待分类的样品，每一个样品需要用m个变量所构成的观测向量xi来描述，则每个样品可看成R空间的一个点。记X为样品集合，d(xi,xj)为样品xi,xj间的距离，d满足：

(a)d(xi,xj)≥0；

任意xi,xj属于X。

(b)d(xi,xj)=0；

当且仅当xi=xj属于X时成立。

(c)d(xi,xj)=d(xj,xi)；

任意xi,xj属于X。

(d) d(xi,xj)≤d(xi,xk)+d(xk,xj)，

其中，任意xi,xk,xj属于X。

2)类与类之间的距离

(2)变量间的相似系数

体现不同的对象间的相似程度即为变量间的相似系数。相似系的数值越大，变量间的相似性也就越大。若xi、xj∈G,rij是xi和xj之间的相似系数，一般情况下满足下列条件：

rij=1⟺xi=xj；

∀xi,xj,xij=xji

(3)属性的相似度量

R型是对变量(观察值)的分类，减少变量，达到降维的效果，其统计量常根据相似系数来度量相似性。对于属性的聚类，首先要衡量属性之间的相似关系，令属性Ai和Aj之间的相似系数为rij，计算方法主要如下：

(a)相关系数法为

其中，

(b)夹角余弦法为

在不同的应用领域中，相似性的含义也会有所不同。由于每种度量方法都有其优点和缺点，因此，在实际问题的解决过程中需要进行必要的改进。

(三)聚类分析在“互联网+”模式下CRM中的改进模型研究

传统的K-Means算法对“互联网+”模式下电网公司终端用户初始聚类质心的选取有很强的依赖性，直接影响到聚类结果的有效性。因此，笔者根据电网公司在“互联网+”模式下贡献度最为关键的指标——浏览时长、操作频率作为未来客户“类”的主要特征，最大可能性地保证聚类结果的相对合理性。因此，针对电力行业中电网公司的终端用户群划分为明星用户、现金牛用户、低端用户和成长用户四类[5]，即k=4，通过确定合理的初始中心点，优化K-Means算法可以获得较为理想的聚类结果。

优化K-Means算法的过程如下：

步骤1:仅针对浏览时长、操作频率数据对象进行简单的聚类，分成4类；

步骤2:将4个类或簇分别计算出质心，从数据集中找出与各个质心最为相同或相近的数据对象作为4个类或簇的初始中心点，假设为a,b,c,d；

步骤3:将编号为a,b,c,d的数据对象作为四个变量属性聚类的初始质心；

步骤4:输入其他数据对象，依次分配给a,b,c,d这4个质心最为相似的簇；

步骤5:更新重新分配的簇的质心；

步骤6:重复(4)、(5)步；

步骤7:计算准则函数

步骤8:直到E收敛或者簇的质心不再发生变化则聚类结束。

客户细分作为“互联网+电网”模式下用户关系管理重要的实现手段之一，通过上述算法模型的改进，有助于客户的合理细分。即将客户划分成为明星用户、现金牛用户、低端用户和成长用户四类，进而有利于电网公司对其客户提供差异化服务，有助于对终端用户进行针对性的有效管理。

三、“互联网+电网”模式下终端用户类分与营销策略

通过实证对聚类分析在“互联网+”模式下CRM中的改进模型进行应用，可以简捷得出“互联网+电网”模式下终端用户的聚类分布，见图2，进而明确相应的针对性营销策略。

图2 “互联网+”模式下终端用户关系营销策略图

电网用户聚类群1在第二象限，当前价值比较高，潜在价值较低(但距离坐标原点相对较近)。当前的浏览时长较长，用电金额相对于聚类2和3也相对较高，说明该部分用户经济水平相对较好，具有旺盛的消费能力。该部分用户浏览时长较长，且持续消费较高，相对于“互联网+电网”的模式较为认同，消费习惯较为固定，是能够为电网公司在“互联网+”模式下创收的现金牛用户。对于该类用户群，电网公司应施以的关系营销策略要重视其具体实际需求，设计开发增值产品并提供相应的业务培训和互联网技术支持，进行主动的一对一关系管理服务模式。

电网用户聚类群4在第一象限，是当前价值和潜在价值同样较高的“双高”电网终端用户群。该用户群中，用电金额、用电量、浏览时长以及操作频率所显现的数据情况都良好，说明该类终端用户群在对互联网技术比较认可的前提下对于电力产品也同样拥有较高需求度。它是成长性的高级终端用户，是电网公司竞争对手争相挖抢的对象，是电网公司的明星用户群。该用户群成员对于新事物比较容易接受，如遇竞争对手上门“公关”， 忠诚度相对较低。电网公司对其要注意动态跟踪管理，提高服务粘性，推荐 “互联网+”模式下免费新业务的试用对象。特别注重该用户群用户资料数据的保密性，避免为其他竞争对手所掌握，必要时借助应急小组稳住用户并培养其成为真正的高端用户。

电网用户聚类群3在第三象限，是当前价值和潜在价值同样较低的“双低”电网终端用户群。该终端用户群相较于聚类1、2操作频率较高，用电金额、用电量居中，浏览时长较低。可以看出，其类群的当前价值与潜在价值都比较靠近中间值，在消费行为指标方面具有明显的中间群体特征，存在向其他三个象限转移的可能。电网公司在处理与该类群终端用户的关系时，要充分认识到该类用户属于新加入低价值用户，可能尚未能够找到电网公司在 “互联网+”模式下所提供的合适的电力产品，因此，重点是要加强互动交流，一方面让企业了解发现该类终端用户的需求；另一方面建设用户获得电网公司电力产品信息的渠道和途径，加强互联网络下与电网相结合的技术体验，增强“互联网+”模式下认同感和归属感，进而提高用户满意度。

电网用户聚类群2也在第三象限，当前价值和潜在价值都是“双低”。用电金额、用电量、操作频率属于最低，说明电网该类终端用户群用户消费能力有限，也可能受经济水平的制约，同时，对于互联网络技术与电网之间的结合也并不十分感兴趣。浏览时长较于聚类1、3居中，说明对于电网公司在互联网上所发布的信息存在一定性了解，也可能对于网络操作不够熟练造成停留时间过长，该用户群的消费习惯已相对固定，在接受新事物方面不够积极。由于该类终端用户群在互联网模式下用电消费水平较低，他们对于服务上的要求不会太高，但是对于资费套餐情况可能较为敏感[6]。通常，这就是普通居民长尾用户，他们用电量不高，但是用户数量巨大，是金字塔结构中的基础。在对该类用户的关系管理中，基本良好的服务一定要做好，避免出现比较突出的不满意而投入竞争对手的怀抱。

总之，在“互联网+”模式下，电网公司若想清晰地理清出电网用户的多项信息要素，就要把相关用户划分成为类或不同等级，才能对不同类或等级用户群体进行层级式的区别管理和服务。

四、结论

对于“互联网+电网”模式下智能CRM管理的应用研究，尤其是聚类分析在“互联网+”模式下对终端用户的信息处理研究，通过改进聚类算法的新思路对用户数据进行类划分，旨在帮助电网公司充分运用得天独厚的终端用户一手资料，对海量终端用户数据进行挖掘处理类分提供了一种极有价值的新思路以及有针对性的营销策略建议。该研究对电网公司营销中资源合理分配以及服务的有效性处理具有重要的应用和借鉴价值。

[1]HaileyV.ACorrelationStudyofCustomerRelationshipManagementResourcesandRetailerOmnichannelStrategyPerformance[J].Dissertations&Theses-Gradworks, 2015.

[2] 李志石. 全球能源互联网建设,中天科技正蓄势待发[J]. 现代传输, 2016(3)：23-25.

[3] 杨娟, 李永辉, 赵军. 数据挖掘在CRM中的应用研究[J]. 科技、经济、市场, 2015(12):103-103.

[4] 王晓雷, 赵倩, 柴欣,等. 基于“互联网+”的智能配电网运维技术的浅析[J]. 电工文摘, 2016(1)：51-53.

[5] 李修林. 基于数据挖掘的商业银行客户关系管理经验研究[J]. 经济期刊, 2015(6):272-273.

[6] 潘斌. 基于关系营销的电力公司营销网络模式构建[J]. 现代管理科学, 2008(1): 114-116.

(责任编辑：杜红琴)

Research on the Model and Marketing Strategy of CRM Based on "Internet+Power Grid"

HE Ling1, HE Yong-gui2

(1.State Grid Materials Company，Beijing 100020，China;2.School of Economics and Management,North China Electric Power University,Baoding 071003，China)

The trend of new electricity reform program′s development put forward the new challenge to the Power Grid Corp customer relationship management, especially how to effectively integrate and reasonably utilize user resources.Based on "Internet+",this paper integrates traditional power industry and Internet technology, plays interactive performance between Internet media, data mining of terminal user information, with the improved traditional K-Means clustering algorithm based on reasonable breakdown of the end user consumer behavior characteristics, this research constructs the end users in the "Internet+Power grid" mode under the new marketing mode of electric power and the corresponding marketing strategy.This research has important reference value for the rational allocation of resources and improve the level of marketing management in Power Grid Corp marketing.

internet +; power grid company; user relationship; data mining; clustering analysis

2017-03-12

河北省软科学项目资助“新能源研发态势及河北省能源发展战略研究”(10457205D-40)。

何灵，女，国家电网物资有限公司经济师；何永贵，男，华北电力大学(保定)经济与管理系教授。

F426.61

A

1008-2603(2017)03-0035-06