基于CSPSO-K-means算法的电力客户细分及定制化增值服务系统研究
2021-11-01陈娟夏鹏梁晓伟吴轲
陈娟, 夏鹏, 梁晓伟, 吴轲
(1. 国网安徽省电力有限公司 六安供电公司, 安徽 六安 237006;2. 国网安徽省电力有限公司 营销服务中心, 安徽 合肥 230601;3. 南瑞集团(国网电力科学研究院)有限公司, 江苏 南京 211106)
0 引言
随着电力客户需求的个性化发展,统一化的服务造成服务资源浪费的同时也无法提升客户满意度,有目的性地提供多元化产品满足客户的个性化需求才是供电企业智能化管理的发展方向。因此,本文构建适合电力客户的价值评估细分体系,根据客户细分结果制定增值服务,为后续供电资源配置、供电企业营销策略提供数据参考。
1 需求总体分析
1.1 总体思路
对于不同的用电客户来说无论是需求还是用电方式都会有较大差异,供电企业的关注点也会有所不同。因此,综合评估客户价值进行客户细分就显得尤为关键,根据客户价值、需求特性、信用度、满意度等方面将客户分类,然后对于不同类别的客户提供有针对性的服务。电力客户的价值评估细分及增值服务系统的核心是准确高效的聚类算法,以此计算出合理的客户群细分结果,为后续增值服务营销提供理论依据。
1.2 系统设计原则
(1) 多维分析:在现实场景中,服务营销时需要考虑潜在需求及客户感知,节能推广则需强调能耗功率等参数,电费回收则与企业经营与信用状况有关,因此,对于电力客户的评估参数应该注重多维度分析。
(2) 灵活调整:系统设计时需要灵活组合,支持评价参数及所占权重调整,细分满意度、信用度等不同方面来构建评价体系。
(3) 推广延续:客户需求会因地区更改、工作内容调整、行业转型等因素有所变化,因此需要考虑可推广性,便于其他关联需求应用共享。
2 功能建模及评价体系设计
2.1 模型设计
模型设计的关键在于识别不同电力客户的需求差异,分析后的结果为制定营销策略提供数据辅助。本文设计的电力客户细分模型分为3个部分,结构模型如图1所示。
图1 电力客户细分模型
(1) 数据模型:采集初始客户数据进行预处理,是整体模型的基础,只有准确有效的数据才能分析达到准确的结果,制定的后续策略才会有效。
(2) 方法模型:分析数据、预测目标,获得期望值,是整个系统的核心。
(3) 功能模型:最终得到的结果以及期望达成的目标,主要包括分类结果、客户分群、后续行为预测、定制化服务等。
2.2 关键算法
2.2.1K-means算法
K-means算法是利用输入参数将包含样本的数据集划分成簇,计算各簇内样本点到聚类中心距离,使其平方和达到最小,当不同的簇之间差别较大时聚类效果特别好,数据导入顺序对结果影响较大,结果直观清晰,对聚类范围要求不高,可以说有很多优点,但是也因为聚类格式需要提前设定,聚类中心选择的初始值会影响聚类结果、存在局部极小值、受孤立点或噪声点影响大等缺点导致最终结果不稳定。
2.2.2 改进的纵横交叉算法(CSPSO)
纵横交叉算法是基于个体粒子构成的种群的随机搜索算法,包括横向交叉和纵向交叉两种搜索方式,迭代过程中两种搜索方式交替进行得到中庸解,再将子代父代择优保留得到占优解,相比其他算法,纵横交叉算法在收敛速度方面有很大优势,流程如下。
(1) 得到初始种群;
(2) 计算粒子适应度和种群最优解;
(3) 横向交叉,中庸解与父代竞争;
(4) 归一化粒子,纵向交叉得出子代,反归一化的中庸解与父代再次竞争;
(5) 如此循环,打到终止条件后结束。为了解决收敛速度慢的问题,本文提出了一种改进的纵横交叉算法(CSPSO),假设在D维搜索空间中粒子xi的速度为式(1)。
vi=(vi1,vi2,…,viD)
(1)
位置矢量为式(2)。
Zi=(Zi1,ZI2,…,ZiD)
(2)
那么可得出式(3)、式(4)。
vid←w·vid+c1·r1·(mbestd-pbsetid)+c2·r2(gbestd-pbsetid)
(3)
zid←pbsetid+vid
(4)
其中,w为惯性权重;c1、c2为加速因袭;r1、r2为0到1之间随机数;mbestd(d=1,2,…,D)为所有粒子第D维均值;pbsetid为粒子xi个体历史最优位置;gbestd为当前种群全局最优位置;vid为粒子更新速度;zid为粒子更新位置。
改进后的算法结合了gbest对种群的引导机制,每个阶段的中庸解通过竞争机制保留占优解进入下一阶段。
2.2.3 本文采用的CSPSO-K-means算法
K-means算法操作简单、效率高,但属于局部寻优技术,改进后的纵横交叉算法在收敛精度和收敛速度上具有明显优势。因此,本系统最终采用一种融合两类算法的CSPSO-K-means算法,先采用CSPSO算法进行全局搜索,通过种群迭代获取到K个全局最优聚类中心,将这些聚类中心作为K-means算法的初始聚类中心来执行K-means算法进行局部搜索,最终获取立项的聚类划分。两种算法的结合弥补单纯算法的不足,提升聚类结果准确率。
2.3 客户分类步骤
聚类分析是构建电力客户评价体系的核心,分析算法直接影响最终结果是否有价值,本文涉及的系统选用上述章节介绍的改进后的CSPSO-K-means算法,客户细分流程如图2所示。
图2 客户细分流程图
简而言之,客户细分包括以下五步。
(1) 根据需求选定客户评价细分变量
(2) 对自动或手动导入数据进行数据清洗、数据转换、等预处理
(3) 根据数据特点选择分析算法
(4) 运行分析算法按照细分变量指标进行数据运算
(5) 输出最终结果报表
2.4 评价细分体系设计
本文从目前的经济贡献、用电管理、社会影响力、信用程度、发展潜力、忠诚度等方面构建电力客户评价体系,具体如图3所示。
图3 电力客户综合价值指标体系
在该体系中,将定量与定性指标结合在一起考虑,把客户为企业当前带来的利润与将来可以带来的贡献进行综合分析,以此来实现对客户价值的整体评价。整体评估构成如图4所示。
图4 电力客户价值评估体系
电力客户评价计算式为式(5)。
(5)
其中,M为评测时间段内总用电量;P为评测时间段内耗电均价;c为评价体系中客户负载率;e为评价体系中客户变异系数;γ为用电增长率;i为实际电费在应缴电费占比。
3 系统架构与功能实现
3.1 系统架构
本系统采用B/S开发模式,ASP.NET技术架构,遵循Http协议、Webservice接口规范,可承载HTML5、Excel、EDI等多种内容,系统架构如图5所示。
图5 系统架构图
(1) 数据采集:通过Webservice接口与外系统对接,采集多个系统的基础数据。
(2) 数据处理:检查原始采集数据一致性,剔除无效数据,提取测量数据。
(3) 后端核心处理:实现客户细分、客户评价、风险预估、报表管理等。
(4) 前台展示页面:分析结果展示、查询等。
3.2 功能模块
电力客户评价细分及增值服务系统功能模块构成如图6所示。
图6 系统功能模块图
(1) 基本信息模块:对采集的客户数据进行管理,增删改查明细信息记录。
(2) 客户细分模块:通过数据采集、数据清洗、制定细分指标、聚类算法分析客户目前价值、潜在价值、信用风险,挖掘客户个性化增值服务[2]。
(3) 客户分群模块:为降本增效,将客户按照不同要求及预期进行分群,提供端到端个性化服务。
(4) 客服信息模块:将客服信息统计分析后展示,支持多维度查询,满足实际管理需要。
(5) 防窃电模块:对电力客户用电量进行预测,分析窃电风险,减少电量损失。
(6) 分析计算模块:针对重要客户,根据其用电模式进行分析,提供优化方案,定制节省费用的增值服务[3]。
(7) 系统管理:用户管理等其他辅助功能。
3.3 运行环境
3.3.1 硬件配置
CPU:2.4 GHz *2
MEM:64G
硬盘:3T
带宽:20M及以上
3.3.2 软件环境
开发语言:C#
操作系统:windows server
浏览器:IE9及以上
数据库:SQL SERVER
3.4 数据库设计
电力客户具有数量大、范围广、访问间隔小等特点,对数据库的查询与响应速度要求很高,本文设计的电力客户评价细分及增值服务系统采用SQL SERVER数据库,结构图如图7所示。
图7 数据库结构图
主要数据库表设计如下。
(1) 客户基本信息表:序号、所属分区、客户编号、名称、地址、用电类别、联系方式、状态、年度用电量、应收电费、用电增长率、评价电价、变异系数等;
(2) 计量点表计信息表:户号、计量表资产号、计量点号、计量方式、CT编号、PT变化、倍率、功率因素等;
(3) 电源信息表:户号、所属变电站、所属线路、变压器容量、电压等级、电源位置等;
(4) 欠费信息表:应收凭证号、户号、计量点、月份、电量、电价、应收电费、欠费金额、实收、日期等;
(5) 窃电信息表:户号、工单号、地址、供电局、月份、窃电度数等;
(6) 客户分群信息表:客户编码、名称、类别、社会影响力、发展潜力、欠费风险、窃电风险、违约风险、季节偏好、时段偏好、停电敏感度、计费敏感度、电价敏感度、节能意识等。
4 客户评价细分体系运行验证
本文设计系统选取国内广东地区某供电局进行运行验证,结果如表1所示。
表1 客户细分结果表
由此可见,不同客户群的平均年用电量、平均用电增长率、负荷波动系数都有较大差异,得出最终客户群细分结果如表2所示。
表2 客户群划分表
5 基于客户细分结果的增值服务体系研究
客户细分的最终目的是为后续的营销策略、管理决策提供数据辅助,最明显的一点就是定制化增值服务,开展个性化营销,在提高客户满意度的同时达到降本增效的目的。根据电力客户评价体系细分出的客户群设计出合理的增值服务套餐[4]。
(1) 优质客户:虽然数量占比较小,但目前价值及潜在价值都很高,除了已有服务内容之外,营销重点是节能降耗、科学用电,增值菜单可提供用电模式分析、用电设备检查、选派优质客户经理、停电信息通知、个性化账单、客服热线VIP通道等。
(2) 潜力客户:虽然目前贡献较小,但是用电增长率高,属于重点开发客户群,加强了解客户需求,增值菜单可提供客户走访、用电业务办理绿色通道、技术支持等。
(3) 问题客户:负荷波动系统大、用电负增长,对于此类客户营销应该侧重了解负增长及波动大原因、引导按时缴费、规范用电、关注忠诚度提升,避免流失客户。
(4) 老客户:用电客户群的大多数,用电增长缓慢,未来挖掘潜力也较小,但总用电量及平均用电量都比较高,属于需要维系的常规老客户,增值服务菜单可提供停电信息及时通知、客户投诉尽快落实回访、电能计量装置准确性校验等[5]。
6 总结
准确完善的电力客户细分体系对于客户群细分起着关键作用,本文设计的基于CSPSO-K-means算法的电力客户细分及定制化增值服务系统可在现实生活中为供电企业在提升优质客户体验、挖掘潜在客户、维系老客户、提升客户满意度方面提供数据支持。