电网企业营销服务大数据应用分析

 电网企业营销服务大数据应用分析

亢鸿萍

国网内蒙古东部电力有限公司赤峰供电公司024000

摘要：结合大数据技术最新发展趋势，搭建了营销大数据应用场景框架，从个性化客户体验、智能化精益运营、多元化生态圈变现3个方面分析了大数据在电网企业营销服务中的应用。研究成果为电网企业应用大数据、人工智能、机器学习等新兴技术进行电力营销工作创新提供了借鉴。

关键词：大数据应用；电网企业；营销服务

0 引言

目前，大数据在电力营销领域的应用仍处于基础建设和起步阶段，在实现数据的保值、增值领域有较大的发展空间。一方面，目前已有的场景普遍缺乏实用性和示范性；另一方面，大数据应用的数据源存在缺失，制约了大数据应用场景的搭建。本文搭建了电网企业客户服务大数据应用场景框架，从个性化客户体验、智能化精益运营及多元化生态圈变现 3 个方面提出了具体的大数据应用场景。其中，个性化客户服务从客户细分、客户行为倾向等维度分析，有助于企业更加了解客户的特征；智能化精益运营，分析大数据与渠道、推广策略、产品的结合，利用内部的运营数据提升运营效率，降低后台运营成本；多元化生态圈变现通过与居民、工商业客户、政府以及生态圈客户的合作，为企业带来数据变现。

 1大数据应用场景框架

1.1 个性化客户体验

个性化客户体验分析主要是基于客户的信息，进行客户细分、客户满意度和客户行为倾向分析，有助于企业更好地了解客户。

1.1.1 客户细分

客户细分主要包括客户行为细分以及客户价值细分2个方面。

（1）客户行为细分是指对客户的基础档案、行为信息进行细分和分群，目的是与客户接触前即对客户的基本情况、可能办理业务进行初步预判，更好地精准服务。以国内某区域电网为例，该企业已搭建了客户画像体系，具体包括预判客户过户可能性和客户信用评估模型。在进行客户行为细分时，由于客户行为特征较多，难以区分有效字段和无效字段，通常采用主成分分析（PCA）方法对客户特征信息进行降维挖掘分析，即将彼此相关的 1组特征变量转化为彼此独立的1组新的特征变量，并用其中较少的几个新特征综合反映原数据中重要信息的多元大数据挖掘方法。

（2） 客户价值细分是对客户当前以及未来可能产生的价值加以分析，从而识别出高价值的客户，做到差异化客户服务。

1.1.2 客户满意度分析

（1） 通过收集各渠道客户满意度评价数据，与业务数据、客户档案之间进行关联分析，发现客户不满意的集中区域，寻找业务办理的痛点。

（2） 通过文本挖掘，识别关键文本中客户的交互音调、情感词汇等数据，分析客户情感。找到客户不满意度的区域和个体后，结合下一步最佳行动的行为矩阵，为相关客户服务人员推荐最佳处理方案。

1.1.3 客户行为倾向分析

客户行为倾向分析主要包括渠道客户偏好分析、客户投诉倾向分析、客户流失倾向分析等。

（1） 渠道客户偏好分析是识别客户对各种渠道使用的喜好程度、客户与电网企业交互的活跃程度、客户关注偏好类别，有针对性地引导客户进行渠道转移，减少渠道服务成本。

（2）客户投诉倾向分析指识别客户投诉特征及变化规律，对营销业务、客户基础信息与客户投诉之间进行关联分析。结合客户服务历史及历史满意度评价情况，对服务过程中因服务行为、供电质量等服务质量引起的投诉和满意度评价较低的信息进行分析，找出关联关系，识别服务质量敏感用户，构建客户服务质量敏感度标签体系。

（3） 客户流失倾向分析是识别具有高流失倾向的客户，并对相应集群进行用户特征分析。一般初始步骤是基于客户提供价值的客户细分模型，以识别并保持高价值用户。

1.2 智能化精益运营

1.2.1 营业厅分析

营业厅分析主要包括营业厅的选址定位以及营业厅服务资源优化分析。

（1） 在对营业厅进行选址和定位时，电网企业可对客户用电量、电费、业务办理频次等信息进行地理空间分析，同时结合营销、外部人流量、人口密度等数据，对营业厅优化布局及选址提供建议。营业厅的选址和定位分析，通常采用DBSCAN密度聚类、Voronoi图结合GIS（地理信息系统）的地理信息数据进行大数据分析。DBSCAN是比较有代表性的基于密度的聚类算法，与一般聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，因此常用于设施布局、人口密度分析等领域。

（2） 优化营业厅服务资源时，电网企业可结合各地区营业厅归属等级、业务办理种类、业务受理数量等基础信息，建立营业厅效能分析模型，分析营业厅各类服务资源是否得到了有效利用，为优化营业厅资源配备提供建议，从而提升营业厅业务办理效率、资源利用率。

1.2.2 95598话务分析95598 话务分析主要包括互动式语音应答（IVR）优化分析、话务量预测分析、重复来话分析、95598来话内容分析以及座席管理相关分析。IVR分析通过来话类型分布分析和用户路径诊断，建立高效的IVR菜单配置，对提升IVR设置可用性和成本至关重要。IVR分析通过对用户日志的深层次挖掘分析，可以获取 IVR 的运行效能并找出IVR 业务流程中的瓶颈，以及获取用户对 IVR 使用的行为模式，从而设计出好的IVR配置方案。话务量预测分析是基于客户历史话务量、历史用电量数据、客户档案等信息，对不同客户群的话务量进行精准预测。对于高话务量的群体，可引流至自助渠道，同时基于人群整体的话务量预测，可以有效对客服人员进行排班，更好地应对恶劣天气或紧急事故引起的话务量激增。

1.2.3 线上渠道分析

线上渠道分析主要包括网络诉求舆情影响分析以及电子渠道轨迹分析。电网企业可以利用大数据进行网络诉求舆情影响分析。借助社交媒体渠道这一外部数据源，综合监听关键社交媒体，分析客户诉求在社交媒体的舆论倾向，有助于快速把握有关电网企业的舆情发展趋势并制订针对性的解决方案。大数据也是分析企业电子渠道服务轨迹的重要手段。电网企业可分析客户在不同渠道的使用路径和使用偏好，各渠道办理业务的时间长度，客户在不同渠道的交流文本记录，对客户行为轨迹进行跟踪，从而针对业务问题找到目标人群，进行营销服务精准投放。

1.2.4 全渠道分析

全渠道分析主要包括跨渠道运营分析和营销业务质量分析。跨渠道运营分析重点分析客户对渠道的偏好。基于客户对渠道偏好相关数据，识别客户对各种渠道使用的喜好程度、交互的活跃程度、客户偏好的业务类别。同时对于各渠道运营数据进行分析，有针对性地引导客户进行渠道转移，减少渠道服务成本。营销业务质量分析重点分析渠道对业务的承载优势。根据客户对服务渠道不同业务的意见建议，结合客户回访结果，运用大数据信息关键词聚类的方法，识别各渠道最优办理业务类别。

本文通过电力营销大数据应用分析，认为电网企业在实现数据保值、增值领域仍有较大的发展空间。无论从电网企业自身发展角度，还是社会大数据发展角度，电力大数据应用都具有重要意义。

参考文献：

[1]陈庆鸿.电力营销领域危险点的分析与控制[J].广东电力，2015，28（12）：98-103.

[2][2] 蔡徽.广东电网电力大数据现状及主要发展思路[J].广东电力，2014，27（12）：11-14.

[3] 朱克东.智能电网环境下电力数据挖掘研究[D].南京：东南大学，2018.