电力客户画像构建及应用场景研究

高晋峰, 成慧娟, 朱银龙, 杨洋, 王祎

(国网山西省电力公司， 山西 太原 030000)

0 引言

随着我国经济发展进入新常态，社会经济结构深刻变化，行业用电和客户用电需求发生改变，客户对服务体验逐步向个性化、体验化、智能化转变。更好地满足客户日益增长的供电质量和供电服务需求，为客户提供优质的客户体验和个性化的服务，已经成为电力企业关注的重点。因此，利用大数据思维和技术，构建电力客户画像，以数据驱动满足客户新需求，具有重要意义。

近年来，电力企业依托电力大数据，建设电力客户画像，并在精准营销、风险防控、客户信用评价等方面取得良好成效[1-3]。本文借鉴以往的研究成果，运用客户画像分析相关理论和技术，结合电力企业的业务特征，构建客户标签体系，形成多层级、多维度的客户画像全景，并重点验证了不同业务场景下客户标签的实际应用，对电力客户画像分析理论的实践化具有一定的探索和借鉴意义。

1 客户画像概述

大数据时代，如何从海量的数据中攫取有价值的信息，进而为客户提供精准和个性化服务，是企业重点关注的问题[4]。在此背景下，客户画像(User Portrait)概念和方法应运而生。客户画像，作为大数据的根基，能够完美地抽象出一个客户的信息全貌，为进一步精准、快速地分析客户行为习惯、消费习惯等重要信息，提供了足够的数据基础，奠定了大数据时代的基石。

1.1 客户画像定义

客户画像，即客户的信息全貌，通过收集与分析客户的社会属性、生活习惯、消费行为等主要客户信息数据进行标签化。通过客户画像分析技术，将数值型、文本型等类型的客户数据，转化为业务人员容易理解的语义标签，不仅能够帮助企业全方位、多视角地了解客户行为特征，把握客户行为动向，还可以帮助企业针对细分客户群体开展精准营销和个性化、定制化服务。

1.2 客户画像特征

结合相关研究，客户画像主要有以下几个特征。(1) 标签化，客户画像的核心工作就是给客户贴“标签”，通过对客户数据的分析，最终提炼出客户标签进而生成客户画像。通常来讲，标签有2个明显特征：一是语义化，便于工作人员理解表标签的含义；二是短文本，有利于机器提取标准化信息。比如，通过对客户年龄进行区间划分，为客户贴上“年轻人”“中青年”“中年人”“老年人”的标签。(2)时效性，由于构建画像的数据多为历史数据，由此产生的客户画像时间越久则价值越低，上一时段的客户画像不一定适用于当前阶段，具有明显的时效性特征。(3)动态性，由于客户画像主要对客户的行为进行分析，而客户行为特征是不断发生变化的，因此构建的客户画像需要不断的更新迭代。

2 电力客户画像构建

关于构建客户画像的方法，比较主流的有Lene Nielsen提出的“十步人物角色法”，以及Alen Cooper提出的“七步人物角色法”[5]。构建客户画像的关键是利用本体对客户画像领域中的标签进行表示、验证、推理和解释。本体一般包括类、属性、实例、公理和推理规则[6]。本文将电力客户画像的构建流程上分为4个步骤：需求分析、数据收集、标签生成和标签归类。

2.1 需求分析

在开展客户画像工作之前，首先要进行需求分析，明确客户画像的目的。通过业务需求调研，熟悉业务流程，梳理业务关注点，分析业务应用场景，了解客户画像的目标以及期望达到的效果，从而帮助技术人员在标签构建时对数据深度、广度及时效性方面做出规划，确保底层设计科学合理。

2.2 数据收集

数据是准确描绘客户画像的基础，只有建立在客观的数据基础之上，生成的画像才具有意义。一般情况可以将客户数据分为客户属性数据和客户行为数据。电力客户属性分析，主要涉及静态数据，包括姓名、性别、年龄、归属地、客户类别、用电类型、电压等级、行业类别等信息。电力客户行为分析，主要涉及客户动态特征及动态变化趋势，主要是包括客户的用电行为、缴费行为、诉求行为、发电行为、用电量、用电趋势、用电风险、停电次数、缴费时间、缴费频次、缴费渠道偏好、发电量、发电异常、投诉频度、交互频度、客户评价等客户行为产生的数据。在电力企业中，这两部分客户数据分布在不同的信息系统之中，主要包括电力营销数据、95598工单数据、用电采集数据、配变电管理数据等。

2.3 标签生成

标签是通过对客户信息分析得到的高度精炼的特征标识。利用数据统计分析、数据挖掘建模等方法将业务模型转化为合适的数学模型，制定标签规则，进而得到相应的标签。本文根据处理过程、标签获取方式的不同，将生成的电力客户标签分为三类：事实标签、模型标签和预测标签。其中，事实标签指可以从原始数据中直接获取，或者通过简单的统计分析计算得到的标签，如年龄、性别、归属地、用电类型、电压等级、缴费次数、停电次数、投诉次数等；模型标签指那些没有对应数据，需要通过定义规则，建立模型来计算得出的标签，如缴费渠道偏好、缴费渠道使用程度、用电趋势、光伏发电量异常、停电忍耐度低、抢修进度敏感、潜在频繁停电投诉等标签；预测标签则需要参考实际数据，通过数据挖掘算法对客户行为进行建模分析后获得，如电费风险评估、客户信用评价、客户星级评价等标签。

基于大数据的电力标签挖掘技术，主要有分类分析技术、聚类分析技术、关联分析和回归分析[7]。本文主要介绍分类分析及其在电力客户画像中的应用。所谓分类(Classification)，就是按照某种标准给对象贴标签，再根据标签来区分归类。分类是一种有监督学习方法，目的在于通过已知类别的数据，训练得到一个分类模型，将新数据预测为某个给定的类别。常用的分类算法包括朴素贝叶斯、逻辑回归、决策树、随机森林、支持向量机等。比如，基于客户基本信息、用电信息、缴费信息等数据，采用逻辑回归算法，建立电费风险评估模型，预测客户发生欠费的概率，然后依据欠费概率大小对客户标记“高风险”“中风险”“低风险”3个等级的电费风险识别标签。

2.4 标签归类

标签归类，简单来说就是对生成的客户标签进行分类，将散乱的标签划分为不同的层级和类别，进行统一管理。未来，电力客户标签数量将随着应用需求的增加而持续扩增，因此建立一个相对稳定、可扩展、易整合的科学合理的标签体系是非常必要的。

本文按照等级列举式的分类方法，形成标签维度、标签分类、标签指标和标签值4个层级的标签体系，其中标签维度层级包含基本属性、行为特征、兴趣偏好、综合评价等维度，每个维度下面又划分出若干个标签分类，每个标签分类下再由许多标签指标组成，整个标签体逻辑严谨、层次分明。客户标签体系(标签指标层级因数量较多，仅列举部分)如图1所示。

图1 客户标签体系

3 应用场景建设

大数据价值的关键在于大数据的应用。为了充分发挥基于电力大数据的客户画像分析技术，必须将其与业务场景深度结合，筛选出具有价值的数据和客户，精准定位目标客户，采取有针对性的措施以达到预期目标。

电力客户画像的应用场景主要有精准营销、风险防控、差异化服务等，本文以客户痛点问题为导向，结合客户用电、缴费、诉求相关的服务需求，衍生出大客户服务、95598服务风险防控、营业厅现场服务、光伏客户服务等高频服务场景，针对不同的客户需求和关注点，依据标签画像细分客户群体，并制定与之相应的服务策略，辅助业务人员科学决策，提升客户体验和服务水平。

3.1 大客户服务

大客户用电量大、社会影响力大、政府关注度高、服务需求高，是电力营销中的高价值客户群体，是企业生存和发展的根本。

本文依托电力客户画像，设置了“大客户星级”标签，将大客户划分为AAA级、AA级、A+级和A级4个等级标签，并制定不同星级级别客户适用的服务策略，包括专属客户经理服务、停电计划协商服务、营业厅VIP服务、用电变更“快速通道”服务、业扩项目管理服务、发票寄送业务、客户关怀活动、提供科学用电指数等定制服务，以及开展用能监测服务、紧急故障抢修服务、线路代维及周期检修服务、计量装置预防性试验等增值服务。比如，对于线路代维及周期检修服务，AAA级客户享受免费服务，AA级客户享受五折优惠，

A+级客户享受八折优惠，A级客户不享受优惠。通过对大客户开展的个性化、差异化的精准服务，很大程度上降低了大客户电力投入成本，提高了客户满意度。

3.2 供电服务风险防控

95598供电服务热线是国网公司客户服务渠道非常重要的组成部分，在日常工作中主要受理客户故障报修、业务咨询、信息查询、投诉、举报、建议及意见等业务，是连接供电企业与广大用电客户的纽带和桥梁。

根据95598客户服务现阶段频繁停电高发、现场处置易诉求升级、计量装置改造引发电量突变等形势判断，本文设置了潜在频繁停电投诉、停电忍耐度低、抢修质量敏感、抢修进度敏感、供电质量敏感、易报修、极易报修等标签，辅助业务人员科学决策，增强服务的针对性、及时性、实效性。以频繁停电风险防控为例，在发布计划、临时停电计划后，供电服务人员在将停电线路、时间、涉及台区录入供服系统后，然后应用客户画像系统将对不同客户标签实现差异化服务，针对“潜在频繁停电投诉”标签的客户将按照相应服务策略进行处理，做好提前发送停电信息提醒、人工提前安抚等前置服务。

3.3 营业厅现场服务

营业厅作为客户服务的第一窗口，具有重要的意义。本文根据营业厅业务办理现状，设计“电子发票需求”“联系方式疑似错误”等标签，有助于为客户提供方便、优质、高效的服务，提升客户服务质量。如，针对往返营业厅打印发票客户标记“电子发票需求”标签，在现场服务客户的过程中，系统弹出选项选择客户电子发票发送方式，通过营业厅自取、邮件发送、短信、台区经理送达等方式实现客户差异化的发票需求，节约客户时间，有效缓解营业厅压力。

3.4 光伏发电客户服务

近年来，我国光伏发电产业稳步健康发展，为能源转型做出很大的贡献。为了满足光伏发电客户日益增长的服务需求，根据光伏客户不同诉求设置“光伏意向客户”“光伏结算客户”“光伏发电量异常”等标签，帮助工作人员依据应用场景快速定位客户群体，提升客户服务水平。比如，针对“光伏意向客户”标签的客户，设立专门的“光伏阳光服务人员”，为客户提供私人定制咨询解答服务，分析不同客户诉求，实施“一类一策”，让客户准确认识自身客观情况、国家补贴政策、装机容量、运营模式、并网后收入等信息，引导客户客观、准确地选择适合自己的并网方式，推荐信誉高、优质的安装公司，协助客户“阳光入网”。

4 总结

研究表明，构建电力企业客户画像标签体系，有助于业务人员从海量数据中迅速准确地认识客户，深入洞察客户需求，为电力企业制定针对性的服务策略提供了重要的数据支撑。本文充分利用现有的数据资源，从基本信息、行为特征、兴趣偏好和综合评价4个维度展开，构建了树状层级式的客户标签体系，同时从业务实际需要的角度出发，建立了大客户服务、供电服务风险防控、营业厅现场服务、光伏客户服务等应用场景，理论指导实践，解决服务环节中的痛点问题，助力精准营销，提供差异化服务，有效降低企业经营风险，提升客户服务质量。研究成果已在试点地区实施应用，并取得较好的管理成效、经济成效和社会成效，进一步证明电力客户画像标签的实用性和可推广性。