首页 / 专利库 / 企业组织 / 客户忠诚度计划 / 一种基于TEM的电力客户资源精细化管理方法

一种基于TEM的电客户资源精细化管理方法

阅读:1102发布:2020-05-08

专利汇可以提供一种基于TEM的电客户资源精细化管理方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及电 力 营销领域,具体涉及一种电力资源管理方法。本发明中的一种基于TEM的电力客户资源精细化管理方法,包括如下步骤:1.获取内部数据和外部数据2.建立客户未来用电 预测模型 和客户投诉挖掘分析模型分析模型包括短期预测和中长期预测。本发明的有益效果:通过对客户的多维度信息进行 聚类分析 ,对客户进行分类,基于分层抽样技术,对抽中的样本客户开展实地调研,以样本反映总体,掌握客户实际需求,从客户实际需求出发建立客户综合分析模型(其中主要包括:客户未来用电预测模型、电费回收 风 险预测模型、 电能 替代投资分析模型、客户投诉挖掘分析模型),并基于分析结果制定差异化的管理服务策略,提高客户满意度和忠诚度。,下面是一种基于TEM的电客户资源精细化管理方法专利的具体信息内容。

1.一种基于TEM的电客户资源精细化管理方法,包括如下步骤:
a)获取内部数据和外部数据
采取开放式接口方式对内部数据进行获取,并通过数据库进行存储,数据存储前进行脱敏处理;
通过WEB爬虫从公开网站上获取市场外部数据,并以数据库进行存储;
b)建立客户未来用电预测模型和客户投诉挖掘分析模型
客户未来用电预测模型,包括短期预测和中长期预测;
短期预测,采用时间序列对客户历史数据进行短期预测分析;该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律以用于解决实际问题,随机数据是依时间先后排成序列的,包括一般统计分析,统计模型的建立与推断以及关于随机序列的最优预测、控制和滤波;
中长期预测,采用增量比线性回归模型,增量比线性回归是线性回归模型的拓展,是一种采用增量比因子作为强影响因子进入线性回归模型对因变量进行解释的算法,其核心是基于最小二乘法的线性回归算法;
c)电费回收险预测模型
电力大客户所需缴纳的电费数额较大,若电力大客户违约未按期缴纳,则对电力公司来讲损失较大,因此,综合考虑电费回收风险模型仅对电力大客户开展分析,通过对电力大客户缴费情况进行分析,统计用户历史欠费次数、用户最近一次欠费距离当前的天数,通过制定模型规则对电力大客户未来的电费违约概率风险进行预测,形成可观可控的电费回收风险防控机制,从电费的“抄、核、收”全过程进行风险防范,从而降低公司资金回收风险,保障了公司资金安全;分析模型公式如下
d)客户投诉挖掘分析模型
客户投诉是电力企业的重要指标之一,尤其是新电改政策出台,配售电市场开发,客户投诉问题的解决更是迫不及待,基于自然语言处理技术出发,对电力客户投诉工单进行深入文本挖掘,利用分词技术分析投诉工单中的受理内容,对分词结果开展特征选取与降维处理,并进行词频统计,运用词分析技术进行分析结果可视化展示,把控住当下电力客户投诉的主要问题,针对性的为不同类型的电力客户提供差异化的服务策略,从而提高客户满意度和忠诚度。
2.根据权利要求1所述的一种基于TEM的电力客户资源精细化管理方法,其特征在于,内部数据,包括营销业务数据、用户用电信息采集数据和用户缴费记录。
3.根据权利要求1所述的一种基于TEM的电力客户资源精细化管理方法,其特征在于,外部数据包括行业发展、国家政策、经济形势数据,公开网站包括统计局、行业主管部网站。
4.根据权利要求1所述的一种基于TEM的电力客户资源精细化管理方法,其特征在于,软件开发基于大数据挖掘分析技术,开展客户需求调研工作,结合建模成果,依托R语言、Matlab、Python等当前流向的算法编写工具完成模型建立工作,以计算机信息技术设计开展监测软件的开发工作,以数据库进行底层数据储存处理工作,采用Java+R、Java+Matlab、Java+Python等形式实现算法与页面后端的融合,研发出集数据采集、存储、分析应用和可视化展示于一体的客户资源采集分析软件,根据开发计划完成产品研发与测试工作,编写客户资源管理分析软件操作手册。

说明书全文

一种基于TEM的电客户资源精细化管理方法

技术领域

[0001] 本发明涉及电力营销领域,具体涉及一种电力资源管理方法。

背景技术

[0002] 现有电力管理方法难以同时满足客户的多类型需求,只能以同类用户为服务对象,进行合理的分配活动。

发明内容

[0003] 为了解决现有技术存在的不足,本发明提供了一种对客户多维度信息进行聚类分析、基于TEM的电力客户资源精细化管理方法。
[0004] 本发明中的一种基于TEM的电力客户资源精细化管理方法,包括如下步骤:
[0005] 1.获取内部数据和外部数据
[0006] 采取开放式接口方式对内部数据进行获取,并通过数据库进行存储,数据存储前进行脱敏处理;
[0007] 通过WEB爬虫从公开网站上获取市场外部数据,并以数据库进行存储;
[0008] 2.建立客户未来用电预测模型和客户投诉挖掘分析模型
[0009] 分析模型包括短期预测和中长期预测
[0010] 短期预测,采用时间序列对客户历史数据进行短期预测分析;该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律以用于解决实际问题,随机数据是依时间先后排成序列的,包括一般统计分析,统计模型的建立与推断以及关于随机序列的最优预测、控制和滤波;
[0011] 中长期预测,采用增量比线性回归模型,增量比线性回归是线性回归模型的拓展,是一种采用增量比因子作为强影响因子进入线性回归模型对因变量进行解释的算法,其核心是基于最小二乘法的线性回归算法;
[0012] 3.电费回收险预测模型
[0013] 电力大客户所需缴纳的电费数额较大,若电力大客户违约未按期缴纳,则对电力公司来讲损失较大,因此,综合考虑电费回收风险模型仅对电力大客户开展分析,通过对电力大客户缴费情况进行分析,统计用户历史欠费次数、用户最近一次欠费距离当前的天数,通过制定模型规则对电力大客户未来的电费违约概率风险进行预测,形成可观可控的电费回收风险防控机制,从电费的“抄、核、收”全过程进行风险防范,从而降低公司资金回收风险,保障了公司资金安全;分析模型公式如下
[0014]
[0015] 4.客户投诉挖掘分析模型
[0016] 客户投诉是电力企业的重要指标之一,尤其是新电改政策出台,配售电市场开发,客户投诉问题的解决更是迫不及待,基于自然语言处理技术出发,对电力客户投诉工单进行深入文本挖掘,利用分词技术分析投诉工单中的受理内容,对分词结果开展特征选取与降维处理,并进行词频统计,运用词分析技术进行分析结果可视化展示,把控住当下电力客户投诉的主要问题,针对性的为不同类型的电力客户提供差异化的服务策略,从而提高客户满意度和忠诚度。
[0017] 作为优选,内部数据,包括营销业务数据、用户用电信息采集数据和用户缴费记录。通过内部数据进行分析,使用方便。
[0018] 作为优选,外部数据包括行业发展、国家政策、经济形势数据,公开网站包括统计局、行业主管部网站。通过外部数据进行微调,精度高,使用方便。
[0019] 作为优选,软件开发基于大数据挖掘分析技术,开展客户需求调研工作,结合建模成果,依托R语言、Matlab、Python等当前流向的算法编写工具完成模型建立工作,以计算机信息技术设计开展监测软件的开发工作,以数据库进行底层数据储存处理工作,采用Java+R、Java+Matlab、Java+Python等形式实现算法与页面后端的融合,研发出集数据采集、存储、分析应用和可视化展示于一体的客户资源采集分析软件,根据开发计划完成产品研发与测试工作,编写客户资源管理分析软件操作手册。
[0020] 本发明的有益效果:通过对客户的多维度信息进行聚类分析,对客户进行分类,基于分层抽样技术,对抽中的样本客户开展实地调研,以样本反映总体,掌握客户实际需求,从客户实际需求出发建立客户综合分析模型(其中主要包括:客户未来用电预测模型、电费回收风险预测模型、电能替代投资分析模型、客户投诉挖掘分析模型),并基于分析结果制定差异化的管理服务策略,提高客户满意度和忠诚度。附图说明
[0021] 图1为一种基于TEM的电力客户资源精细化管理方法原理示意图。

具体实施方式

[0022] 下面结合附图对本发明作进一步详细说明,但不应将此理解为本发明的上述主题的范围仅限于上述实施例
[0023] 如图1所示,一种基于TEM的电力客户资源精细化管理方法,包括如下步骤:
[0024] 1.数据获取,包括内部数据获取和外部数据获取;
[0025] 内部数据获取:由于历史积累,国网数据变得海量,对于营销业务数据、用户用电信息采集数据、用户缴费记录等相关内部数据十分庞大,考虑取数的速度和稳定性,采取开放式接口的方式进行内部数据获取,并以数据库进行存储,同时对数据进行脱敏处理,保障数据的安全性;
[0026] 外部数据获取:对于行业发展、国家政策、经济繁萧等反应市场外部情况的数据,通过WEB爬虫形式从国家统计局、湖州统计局等信息公开网站上进行获取,并同样以数据库进行存储;
[0027] 2.模型建立;
[0028] 客户未来用电量预测
[0029] 电力客户增供扩销分析模型主要从大客户维度进行分析,并建立电量预测模型对电力大客户未来用电量进行预测,对于大客户的分析是以单个客户为建模分析对象进行开展。电量预测模型分为短期预测、中长期预测。
[0030] ①短期预测
[0031] 以时间序列进行电量短期预测,时间序列分析是一种动态数据处理的统计方法;该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律以用于解决实际问题。由于在多数问题中,随机数据是依时间先后排成序列的,故称为时间序列。
它包括一般统计分析(如自相关分析、谱分析等),统计模型的建立与推断,以及关于随机序列的最优预测、控制和滤波等内容;
[0032] ②中长期预测
[0033] 以增量比线性回归模型进行电量中长期预测,增量比线性回归是线性回归模型的拓展,是一种采用增量比因子作为强影响因子进入线性回归模型对因变量进行解释的算法,其核心是基于最小二乘法的线性回归算法;
[0034] 电费回收风险预测模型
[0035] 由于居民客户所存在的电费回收风险较小,且金额不大,而电力大客户所需缴纳的电费数额较大,若电力大客户违约未按期缴纳,则对电力公司来讲损失较大,因此,综合考虑电费回收风险模型仅对电力大客户开展分析。通过对电力大客户缴费情况进行分析,统计用户历史欠费次数、用户最近一次欠费距离当前的天数,通过制定模型规则对电力大客户未来的电费违约概率风险进行预测,形成可观可控的电费回收风险防控机制,从电费的“抄、核、收”全过程进行风险防范,从而降低公司资金回收风险,保障了公司资金安全。分析模型公式如下:
[0036]
[0037] 3.客户投诉挖掘分析模型
[0038] 客户投诉是电力企业的重要指标之一,尤其是新电改政策出台,配售电市场开发,客户投诉问题的解决更是迫不及待。基于自然语言处理技术出发,对电力客户投诉工单进行深入文本挖掘,利用分词技术分析投诉工单中的受理内容,对分词结果开展特征选取与降维处理,并进行词频统计,运用词云分析技术进行分析结果可视化展示,把控住当下电力客户投诉的主要问题,针对性的为不同类型的电力客户提供差异化的服务策略,从而提高客户满意度和忠诚度;
[0039] 4.软件开发
[0040] 基于大数据挖掘分析技术,开展客户需求调研工作,结合建模成果,依托R语言、Matlab、Python等当前流向的算法编写工具完成模型建立工作,以计算机信息技术设计开展监测软件的开发工作,以数据库进行底层数据储存处理工作,采用Java+R、Java+Matlab、Java+Python等形式实现算法与页面后端的融合,研发出集数据采集、存储、分析应用和可视化展示于一体的客户资源采集分析软件,根据开发计划完成产品研发与测试工作,编写客户资源管理分析软件操作手册。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈