基于電力客戶行為的客戶細(xì)分與價(jià)值評(píng)價(jià)研究

【摘要】隨著我國電力市場(chǎng)的不斷發(fā)展，我國電力市場(chǎng)需求多元化的特性逐步凸顯。如何優(yōu)化營銷策略，滿足不同客戶的用電需求，提高核心競(jìng)爭(zhēng)力，已成為電力企業(yè)的一項(xiàng)迫切任務(wù)。本文以數(shù)據(jù)挖掘?yàn)榍腥朦c(diǎn)，將電力客戶細(xì)分與價(jià)值評(píng)價(jià)有機(jī)結(jié)合，構(gòu)建了基于客戶行為-價(jià)值細(xì)分模型。并以某某市部分電力客戶為研究對(duì)象，進(jìn)行實(shí)證分析。結(jié)果表明模型效果較好，能夠很好的將電力客戶細(xì)分為具有不同特征的客戶群、對(duì)不同客戶群價(jià)值進(jìn)行量化評(píng)估，并能為制定相應(yīng)的營銷策略提供依據(jù)。本文的研究對(duì)于電力企業(yè)熟悉電力市場(chǎng)，制定有針對(duì)性的營銷策略有重要的參考價(jià)值。

【關(guān)鍵詞】電力市場(chǎng)；數(shù)據(jù)挖掘；客戶細(xì)分；價(jià)值評(píng)價(jià)；實(shí)證分析

1.引言

由于各種體制原因，我國電力企業(yè)長(zhǎng)期壟斷經(jīng)營加上政企不分，導(dǎo)致其對(duì)客戶資源的重視度不夠。這種形勢(shì)下電力營銷無疑是走出這種困境的一大利器[1]。近年來，隨著各級(jí)電力公司營銷體系標(biāo)準(zhǔn)化建設(shè)、用戶用電信息系統(tǒng)建設(shè)等工作的相繼開展，建立了電力行業(yè)門戶網(wǎng)站，拓展了電費(fèi)繳納渠道，建立了電力95598客戶服務(wù)中心，基本上為電力客戶提供了專業(yè)化互動(dòng)服務(wù)平臺(tái)。但目前仍存在大量用電數(shù)據(jù)未被充分挖掘利用，電力營銷服務(wù)很大程度上還停留在同質(zhì)化的普通服務(wù)，缺乏針對(duì)性、時(shí)效性和精準(zhǔn)性。

隨著我國電力市場(chǎng)改革的逐步深化，電力市場(chǎng)需求多元化的特性將逐步凸顯。如何制定有針對(duì)性的營銷策略，滿足不同客戶的用電需求，實(shí)現(xiàn)差異化與個(gè)性化服務(wù)，提高核心競(jìng)爭(zhēng)力，擴(kuò)大電能在社會(huì)消費(fèi)終端中的占有率，已成為供電單位的一項(xiàng)迫切任務(wù)。進(jìn)行電力客戶細(xì)分與價(jià)值評(píng)價(jià)研究能為制定有針對(duì)性的營銷策略提供重要依據(jù)。本文將以數(shù)據(jù)挖掘?yàn)榍腥朦c(diǎn)，探討電力客戶細(xì)分與電力客戶價(jià)值評(píng)價(jià)。

2.研究現(xiàn)狀與研究?jī)?nèi)容

（1）電力客戶細(xì)分研究現(xiàn)狀

目前，電力客戶細(xì)分主要還是按定性的分類方法較多，使用定量的方法對(duì)電力客戶進(jìn)行細(xì)分的應(yīng)用非常有限。使用定性分類的方法對(duì)電力客戶進(jìn)行細(xì)分往往不能對(duì)電力客戶進(jìn)行全面的了解，客戶之間區(qū)分的標(biāo)準(zhǔn)比較模糊，不能對(duì)客戶進(jìn)行精確的劃分。定量的方法則沒考慮電力客戶本身的屬性對(duì)電力客戶的影響，不能對(duì)細(xì)分的結(jié)果進(jìn)行很好的解釋。文獻(xiàn)[2][3][4]綜合采用了定性與定量的方法對(duì)電力客戶進(jìn)行細(xì)分，但可操作性不強(qiáng)，主要體現(xiàn)在以下兩個(gè)方面。第一，電力客戶數(shù)量很大，一些定性指標(biāo)在專家打分過程中無法保持一致，帶有很多的主觀性，使得誤差較大；第二，沒有形成基于電力客戶經(jīng)濟(jì)行為、價(jià)值細(xì)分的綜合評(píng)價(jià)，不能達(dá)到?jīng)Q策的精確性要求。

隨著數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)水平的提高，客戶越來越成熟，客戶數(shù)據(jù)將會(huì)越來越豐富和復(fù)雜，有些復(fù)雜的數(shù)據(jù)是難于精確化的，只有采用數(shù)據(jù)挖掘的技術(shù)，才能很好地貼近人類的思維方式，更加易于被人理解，使分類更加科學(xué)化和規(guī)范化[5]。文獻(xiàn)[6-9]為數(shù)據(jù)挖掘技術(shù)在電力行業(yè)的相關(guān)應(yīng)用的研究，但這些研究中并沒有將電力客戶細(xì)分與價(jià)值評(píng)價(jià)結(jié)合起來。

基于數(shù)據(jù)挖掘的客戶行為細(xì)分就是借助于數(shù)據(jù)挖掘的深層次數(shù)據(jù)分析方法，對(duì)數(shù)據(jù)庫中的各種客戶行為變量進(jìn)行精確化細(xì)分，實(shí)現(xiàn)對(duì)客戶行為的定量化描述，并對(duì)客戶行為模式與客戶價(jià)值進(jìn)行準(zhǔn)確判斷與分析，從而為精細(xì)化營銷提供決策依據(jù)[5]。

與傳統(tǒng)的客戶細(xì)分相比，基于數(shù)據(jù)挖掘客戶行為細(xì)分的優(yōu)勢(shì)還表現(xiàn)在如下幾個(gè)方面：能夠客觀反映客戶群體內(nèi)在的特性；能夠綜合反映對(duì)客戶多方面特征；有利于更加深入細(xì)致地了解客戶價(jià)值；在營銷實(shí)踐中具有可操作性；便于實(shí)現(xiàn)對(duì)客戶的動(dòng)態(tài)跟蹤[5]。

目前使用數(shù)據(jù)挖掘?qū)﹄娏蛻暨M(jìn)行細(xì)分的研究文獻(xiàn)并不多見，再此基礎(chǔ)上進(jìn)行實(shí)證驗(yàn)證分析的文獻(xiàn)更少。文獻(xiàn)[5]是目前較系統(tǒng)全面的地使用數(shù)據(jù)挖掘?qū)﹄娏蛻暨M(jìn)行細(xì)分與實(shí)證驗(yàn)證分析的一篇文章，文獻(xiàn)作者提出了基于數(shù)據(jù)挖掘的電力客戶細(xì)分模型，并以上海電力大客戶為研究對(duì)象，對(duì)電力客戶細(xì)分結(jié)果進(jìn)行了實(shí)證分析。本文將結(jié)合湖南省某某市電力客戶管理的實(shí)際情況，對(duì)電力客戶細(xì)分模型進(jìn)行相應(yīng)的修改，并進(jìn)行相應(yīng)的實(shí)證分析，實(shí)現(xiàn)對(duì)某某市電力客戶的細(xì)分。

（2）電力客戶價(jià)值評(píng)價(jià)研究現(xiàn)狀

客戶價(jià)值是營銷理論的重要組成部分，研究角度不同，價(jià)值的含義也會(huì)用所不同。本文將采用“客戶終身價(jià)值”的概念來對(duì)電力客戶價(jià)值進(jìn)行定義。從時(shí)間層面來進(jìn)行劃分，客戶終身價(jià)值由兩部分構(gòu)成。當(dāng)前價(jià)值：到目前為止己經(jīng)實(shí)現(xiàn)了的客戶價(jià)值；潛在價(jià)值：公司通過有效的交叉銷售調(diào)動(dòng)客戶購買積極性或客戶向別人推薦產(chǎn)品和服務(wù)從而可能增加的客戶價(jià)值[10]。

對(duì)電力客戶價(jià)值的研究可以借鑒目前研究較成熟的電信業(yè)客戶價(jià)值研究的成果。張揚(yáng)明、齊佳音、舒華英在文獻(xiàn)[11]的研究中建立了移動(dòng)運(yùn)營業(yè)用戶價(jià)值評(píng)價(jià)指標(biāo)體系，框架如圖2-1所示。

該移動(dòng)客戶價(jià)值評(píng)價(jià)指標(biāo)體系中，客戶價(jià)值包括客戶當(dāng)前價(jià)值與客戶未來短期內(nèi)價(jià)值。其中利潤(rùn)貢獻(xiàn)與成本占用指標(biāo)能綜合反映移動(dòng)客戶當(dāng)前價(jià)值；忠誠度指標(biāo)與信用度指標(biāo)能綜合反映移動(dòng)用戶未來短期價(jià)值。

（3）研究?jī)?nèi)容

本文將以數(shù)據(jù)挖掘?yàn)榍腥朦c(diǎn)，建立基于數(shù)據(jù)挖掘的電力客戶細(xì)分與價(jià)值評(píng)價(jià)模型，并以某某市部分電力客戶為研究對(duì)象，進(jìn)行實(shí)證分析。研究框架如圖2-2所示。

具體內(nèi)容如下：

①依據(jù)客戶經(jīng)濟(jì)行為屬性，構(gòu)建客戶行為細(xì)分指標(biāo)體系。

②考慮電力客戶的當(dāng)前價(jià)值和潛在價(jià)值，構(gòu)建客戶價(jià)值評(píng)估指標(biāo)體系。

③構(gòu)建以客戶經(jīng)濟(jì)行為細(xì)分體系為主，客戶價(jià)值評(píng)估體系為輔的電力客戶細(xì)分模型，實(shí)現(xiàn)行為細(xì)分變量與價(jià)值評(píng)估變量的有機(jī)統(tǒng)一。

④聚類分析方法對(duì)客戶進(jìn)行細(xì)分，形成基于客戶經(jīng)濟(jì)行為與價(jià)值評(píng)估的分類。

⑤根據(jù)聚類分析的結(jié)果，產(chǎn)生電力客戶細(xì)分標(biāo)準(zhǔn)。

⑥根據(jù)客戶細(xì)分類型，測(cè)定評(píng)估變量的取值，分別計(jì)算不同細(xì)分客戶群的相對(duì)價(jià)值，實(shí)現(xiàn)電力客戶價(jià)值的量化評(píng)估。

3.模型建立

3.1 研究思路

經(jīng)濟(jì)行為不同的客戶往往具有不同的電力需求，因此，通過分類或聚類分析技術(shù)，將經(jīng)濟(jì)行為相似的客戶劃入相同一組，而將經(jīng)濟(jì)行為差異較大的客戶劃入不同組。同時(shí)，綜合考慮客戶價(jià)值和客戶行為兩方面的因素，從企業(yè)價(jià)值創(chuàng)造的角度對(duì)各個(gè)客戶群進(jìn)行分析，揭示出各個(gè)客戶群組為電力企業(yè)創(chuàng)造的價(jià)值的大小以及價(jià)值創(chuàng)造的形式，實(shí)現(xiàn)基于電力客戶細(xì)分類別的用戶相對(duì)價(jià)值的量化評(píng)估，從而科學(xué)地制定出能夠反映電力客戶利潤(rùn)關(guān)系、用電特征、發(fā)展?jié)摿托庞脿顩r等綜合信息的客戶價(jià)值評(píng)價(jià)標(biāo)準(zhǔn)，為企業(yè)營銷服務(wù)策略的制定提供依據(jù)。

3.2 細(xì)分工具方法

利用聚類算法進(jìn)行客戶細(xì)分是一種常用的數(shù)據(jù)挖掘技術(shù)。根據(jù)數(shù)據(jù)在聚類中的積聚規(guī)則，可以將聚類算法大致分為如下幾類：劃分式聚類算法[12]、層次化聚類算法[13]、基于模型的聚類算法[14]和基于密度和網(wǎng)絡(luò)的聚類算法[15]。K-means聚類算法是解決聚類問題的一種經(jīng)典算法。它是利用距離作為度量個(gè)體之間關(guān)系緊密程度的指標(biāo)，并通過指定分類數(shù)而求得聚類結(jié)果。其主要優(yōu)點(diǎn)是算法簡(jiǎn)單、快速而且能有效地處理大數(shù)據(jù)庫，本文將使用K-means聚類算法對(duì)電力客戶進(jìn)行細(xì)分，K-means聚類算法流程如圖3-1所示。

K-means聚類算法具體過程如下：

輸入：聚類個(gè)數(shù)k，以及包含n個(gè)數(shù)據(jù)對(duì)象的數(shù)據(jù)。

輸出：滿足方差最小標(biāo)準(zhǔn)的k個(gè)聚類。

演算步驟：

①指定聚類數(shù)目

確定聚類數(shù)目（也稱簇?cái)?shù)目），太大或太小都將失去聚類的意義。

②確定K個(gè)初始類中心

類中心（也稱簇中心）是各類典型代表。確定聚類數(shù)目K后，還應(yīng)指定K個(gè)類的初始類中心點(diǎn)。初始類中心點(diǎn)的指定的合理性，將直接影響聚類收斂的速度。

③根據(jù)最近原則進(jìn)行聚類

按照距依次計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到K個(gè)類中心點(diǎn)的歐式距離，并按照距K個(gè)中心點(diǎn)距離最近的原則，將所有樣本分派到最近的類中，形成K個(gè)類。

④重新確定K個(gè)中心

重新計(jì)算K個(gè)類的中心點(diǎn)。中心點(diǎn)的確定原則是：依次計(jì)算各類中所有數(shù)據(jù)點(diǎn)變量的均值，并以均值點(diǎn)作為K個(gè)類的中心點(diǎn)。

⑤判斷是否已經(jīng)滿足終止聚類的條件（聚類中心點(diǎn)不再變化），如果沒有滿足則返回到第③步，不斷重復(fù)上述過程，直到滿足迭代終止條件。

上述過程③中提到的數(shù)據(jù)點(diǎn)與類中心點(diǎn)的距離為：

指第i個(gè)數(shù)據(jù)點(diǎn)到第j個(gè)類中心點(diǎn)的距離；

指第i個(gè)數(shù)據(jù)點(diǎn)第d維度的數(shù)據(jù)值；

指第j個(gè)簇中心第d維度的數(shù)據(jù)值。

K-means聚類算法將n個(gè)對(duì)象劃分為k簇，使簇內(nèi)對(duì)象各維度特征較為相似，而簇間的各維度特征差異較大，劃分結(jié)果示意圖如圖3-2所示。

3.3 電力客戶細(xì)分指標(biāo)體系

電力客戶的經(jīng)濟(jì)行為屬性最能反映其經(jīng)濟(jì)特征，因此被用作細(xì)分變量，其衍生變量通常包括：匯總變量、平均變量、趨勢(shì)變量、波動(dòng)變量以及結(jié)構(gòu)變量。參考文獻(xiàn)[5]，并依據(jù)實(shí)際取得的數(shù)據(jù)情況，最終構(gòu)建電力客戶細(xì)分模型指標(biāo)體系如表3-1所示。

電力客戶細(xì)分指標(biāo)說明：

年用電量：電力客戶一年的用電量，反映電力客戶用電規(guī)模，是電力客戶細(xì)分中非常重要的細(xì)分指標(biāo)；

平均電價(jià)：電力客戶消耗電能的平均價(jià)格，反映用電客戶用電效率情況；

用電增長(zhǎng)率：電力客戶年用電增長(zhǎng)率，反映電力用電潛力情況；

變異系數(shù)：一年內(nèi)各月用電標(biāo)準(zhǔn)差與平均值的比值，反映用電客戶波動(dòng)情況；

付款率：一年內(nèi)，按時(shí)繳納電費(fèi)金額與應(yīng)繳電費(fèi)金額比值，反映電力客戶信用狀況情況。

3.4 電力客戶價(jià)值評(píng)價(jià)

本文采用“客戶終身價(jià)值”的概念對(duì)電力客戶價(jià)值進(jìn)行定義?？蛻艚K身價(jià)值指某一客戶在未來所能給公司帶來的直接成本與利潤(rùn)的凈現(xiàn)值。參考上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院王雷碩士構(gòu)建的客戶價(jià)值評(píng)估體系，形成如圖3-3中所示的電力客戶價(jià)值評(píng)價(jià)指標(biāo)體系。

借鑒文獻(xiàn)[5]，使用如下電力客戶價(jià)值評(píng)估經(jīng)驗(yàn)公式，對(duì)細(xì)分出的各類別電力客戶整體進(jìn)行價(jià)值評(píng)價(jià)。

公式（2-2）中各指標(biāo)均為各類別電力客戶的平均取值，其中：

M為測(cè)評(píng)期內(nèi)電力客戶總用電量，這里測(cè)評(píng)期為一年，為反映電力客戶的利潤(rùn)貢獻(xiàn)指標(biāo)。

P為測(cè)評(píng)期內(nèi)電力客戶消費(fèi)電能的平均價(jià)格，為反映電力客戶的利潤(rùn)貢獻(xiàn)指標(biāo)。

c為負(fù)載率，電力客戶實(shí)際用電量與裝接容量的比值，為反映電力客戶的用電特征指標(biāo)。

e為變異系數(shù)，為反映電力客戶的用電特征指標(biāo)。

γ為用電增長(zhǎng)率，為反映電力客戶發(fā)展?jié)摿Φ闹笜?biāo)。

I為付款率，一年內(nèi)按時(shí)繳納電費(fèi)金額與應(yīng)繳電費(fèi)金額比值，為反映電力客戶信用的指標(biāo)。

本文在建立電力客戶細(xì)分指標(biāo)體系與價(jià)值評(píng)估指標(biāo)體系時(shí)，選用的各變量，幾乎相同，這實(shí)現(xiàn)了電力客戶細(xì)分模型與價(jià)值評(píng)估模型的有機(jī)統(tǒng)一。解決客戶行為細(xì)分結(jié)果難以解釋的問題，也為電力客戶價(jià)值評(píng)估提供了依據(jù)。

4.實(shí)證分析

在本文研究過程中，從電力公司系統(tǒng)中獲得了某某市2010，2011兩年內(nèi)所有電力客戶的用電相關(guān)數(shù)據(jù)。電壓等級(jí)不同，各用電特征會(huì)有很大不同，為使實(shí)證分析更有針對(duì)性，選取電力等級(jí)大于等于10KV小于35KV的電力客戶11年的各指標(biāo)數(shù)據(jù)進(jìn)行實(shí)證分析。

去除重復(fù)記錄、錯(cuò)誤記錄以及不具備可比性的數(shù)據(jù)；按滿足客戶行為-價(jià)值細(xì)分模型的需要進(jìn)行數(shù)據(jù)的預(yù)處理，最后形成了參與聚類分析的細(xì)分變量數(shù)據(jù)。經(jīng)過數(shù)據(jù)篩選，數(shù)據(jù)預(yù)處理后，形成的為3670位電壓等級(jí)大于等于10KV小于35KV的電力客戶細(xì)分指標(biāo)數(shù)據(jù)。

4.1 電力客戶聚類

將經(jīng)過處理后的3670位電力客戶數(shù)據(jù)導(dǎo)入SPSS，在對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化后，選擇已標(biāo)準(zhǔn)化后的變量進(jìn)行聚類分析，先暫指定聚類的數(shù)目范圍為3～8類。經(jīng)過多次調(diào)試后，發(fā)現(xiàn)將客戶分為4類時(shí)，聚類效果較好，結(jié)果如表4-1所示。

表4-1給出了將電力客戶分為4類時(shí)，4個(gè)類中心點(diǎn)的每次迭代時(shí)的變化過程。由表中可知，在第14次迭代時(shí)，4個(gè)類中心點(diǎn)的不再變化，達(dá)到聚類要求，聚類分析結(jié)束。得到的逐步聚類分析的類成員列表。各聚類類別含有的客戶數(shù)量如表4-2所示。

各聚類類別中，聚類中心為各個(gè)類別的典型代表，反映屬于該類的客戶的各維度指標(biāo)的平均水平。由表4-2與表4-3可知，聚類類別1中的客戶用電量高、信用好；聚類類別2中的客戶用電量較大、用電增長(zhǎng)率高；聚類類別3中客戶用電量低、波動(dòng)大、信用差；聚類類別4中客戶數(shù)最多、各維度指標(biāo)均較為一般。

4.2 聚類結(jié)果分析

由客戶細(xì)分結(jié)果，可將某某市2011年電壓等級(jí)大于等于10KV小于35KV的3670位電力客戶可分為4類。4類客戶特點(diǎn)各不相同，依據(jù)各類客戶特點(diǎn)，對(duì)客戶群進(jìn)行命名，結(jié)果如表4-4所示。

下面從兩個(gè)角度對(duì)這四個(gè)類別客戶進(jìn)行分析：客戶群內(nèi)客戶個(gè)體特點(diǎn)；客戶群群特點(diǎn)。

（1）不同客戶群客戶個(gè)體特點(diǎn)描述

聚類中心為各個(gè)類別的典型代表，為了更加直觀的對(duì)不同客戶群客戶特點(diǎn)進(jìn)行描述，將表4-3各類客戶群聚類中心作為各類客戶個(gè)體特點(diǎn)，使用折線圖對(duì)各類客戶的細(xì)分行為變量進(jìn)行描繪，結(jié)果如圖4-1所示。

（2）客戶群群特點(diǎn)

某某市2011年電壓等級(jí)大于等于10KV小于35KV的3670位電力客戶通過客戶細(xì)分分為4個(gè)群，分別命名為“高電量高信用群”、“中電量高增群”、“低電量大波動(dòng)低信用群”、“普通群”。每個(gè)客戶群客戶數(shù)量以及用電情況如表4-5所示。

由表4-5可知高電量高信用小組客戶數(shù)較少、占所有細(xì)分客戶的4.5%；用電量與平均用電量均很高，用電量占總用電量的44.95%；這類客戶為電力公司重點(diǎn)營銷對(duì)象，可考慮制定一系列的個(gè)性化差異化服務(wù)，充分滿足其各種用電需求，提高用電客戶滿意度。普通群小組客戶數(shù)多、用電量大，客戶數(shù)占所有細(xì)分客戶的82.72%，用電量占總用電量的52.84%；這類客戶為細(xì)分客戶的主體，公司應(yīng)注重提升自身服務(wù)能力，使整體服務(wù)能力，服務(wù)質(zhì)量均有很大提高，這樣才能贏得這部分電力的滿意。中電量高增長(zhǎng)客戶組客戶數(shù)與用電量均很少、客戶數(shù)占所有細(xì)分客戶的0.57%，用電量占總用電量的1.77%；這類客戶增長(zhǎng)率較大，電力公司可制定一系列鼓勵(lì)該類客戶的積極用電的策略，充分挖掘該類客戶的用電潛力。低電量大波動(dòng)低信用小組客戶數(shù)與用電量均較少，客戶數(shù)占所有細(xì)分客戶的12.21%，用電量占總用電量的0.44%；該類客戶用電波動(dòng)較大，電力公司可制定相應(yīng)的策略，引導(dǎo)該類客戶合理平穩(wěn)用電。

4.3 基于客戶細(xì)分類別的價(jià)值評(píng)價(jià)

依據(jù)電力客戶價(jià)值評(píng)估公式，對(duì)大于等于10KV小于35KV的3670位電力客戶的4個(gè)類別客戶群進(jìn)行價(jià)值評(píng)價(jià)。各類別客戶的價(jià)值評(píng)價(jià)變量數(shù)據(jù)如表4-6所示。

使用電力客戶價(jià)值評(píng)價(jià)模型，得到各類別客戶價(jià)值結(jié)果如表4-7所示。

由表4-7可知高電量高信用小組價(jià)值最高；普通群小組價(jià)值其次；中電量高增長(zhǎng)小組價(jià)值較差；低電量大波動(dòng)低信用小組價(jià)值最低。

4.4 差異化營銷服務(wù)方案

電力企業(yè)為了真正實(shí)現(xiàn)對(duì)電力客戶的精細(xì)化集約化的營銷，需要充分認(rèn)識(shí)電力客戶各種的特點(diǎn)和服務(wù)需求，在此基礎(chǔ)上結(jié)合企業(yè)有限資源，制定相應(yīng)的服務(wù)方案。本文中通過構(gòu)建的模型將某某市電壓等級(jí)大于等于10KV小于35KV的電力客戶劃分為4類客戶。下面將電力客戶細(xì)分與價(jià)值評(píng)價(jià)相結(jié)合，為4類電力客戶制定相應(yīng)的差異化營銷服務(wù)方案。

4.4.1 高用電量高信用客戶群營銷服務(wù)方案

該類電力客戶為電力企業(yè)的高價(jià)值客戶，該類客戶為電力企業(yè)帶來了較大了利潤(rùn)，終身價(jià)值也是最高的。除了提供常規(guī)服務(wù)外，還需將重點(diǎn)轉(zhuǎn)移到需求側(cè)管理服務(wù)上來：如節(jié)能減排方案服務(wù)，提供能源解決方案，在充分保障客戶用電安全穩(wěn)定的基礎(chǔ)上，降低電力客戶用電成本。具體服務(wù)包括對(duì)該類客戶進(jìn)行需求側(cè)技術(shù)服務(wù)指導(dǎo)；提供客戶產(chǎn)權(quán)范圍內(nèi)電力故障搶修；電力設(shè)備定期免費(fèi)檢查、計(jì)量裝置準(zhǔn)備性檢查；與客戶保持充分的溝通，為客戶及時(shí)通報(bào)停電等信息；在停電時(shí)，以優(yōu)惠價(jià)為該類客戶出租獨(dú)立發(fā)電裝置；設(shè)定大客戶經(jīng)理，提供真正的一對(duì)一服務(wù)；為該類客戶進(jìn)行全面細(xì)致的用電分析服務(wù)，為其提供全面用電分析報(bào)告。

4.4.2 中電量高增長(zhǎng)客戶群營銷服務(wù)方案

該類客戶用電量屬于中等，用電增長(zhǎng)率高。該類客戶當(dāng)前價(jià)值不高，但其潛在價(jià)值較高。針對(duì)這類客戶可為其設(shè)定相應(yīng)的辦理業(yè)務(wù)員優(yōu)先權(quán)，方便其辦理業(yè)擴(kuò)等業(yè)務(wù)；積極引導(dǎo)其提升自身價(jià)值等級(jí)；對(duì)其進(jìn)行用電分析服務(wù)，并在相關(guān)人員配合，保證分析報(bào)告的全面性；定期或不定期地主動(dòng)上門征求意見，盡量滿足其各自用電服務(wù)需求，挖掘其用電潛力。

4.4.3 普通群營銷服務(wù)方案

該類客戶各項(xiàng)指標(biāo)均較為中等，這類客戶占[10KV 35KV）的絕大部分。用電量也占用電量一半。對(duì)這類客戶，公司應(yīng)注重提升自身服務(wù)能力，使整體服務(wù)能力，服務(wù)質(zhì)量均有很大提高，這樣才能贏得這部分電力的滿意。

4.4.4 低電量大波動(dòng)低信用營銷服務(wù)方案

這類客戶用電量低，用電也不穩(wěn)定，信用低，這對(duì)這類電力客戶，電力企業(yè)應(yīng)在基本服務(wù)的基礎(chǔ)上。防范這類客戶為電力帶來的風(fēng)險(xiǎn)，采取風(fēng)險(xiǎn)防范措施，具體措施可包括：如與該類客戶簽訂供電合同，推薦其實(shí)行預(yù)存電費(fèi)的繳費(fèi)方式；要求該類客戶提供相應(yīng)的相應(yīng)擔(dān)保或抵押；及時(shí)通知該類客戶電費(fèi)的相應(yīng)信息，并依據(jù)相關(guān)法規(guī)嚴(yán)格執(zhí)行停電等措施。

5.結(jié)語

本文以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)，探討電力客戶細(xì)分與電力客戶價(jià)值評(píng)價(jià)。將電力客戶細(xì)分與價(jià)值評(píng)估有機(jī)結(jié)合，構(gòu)建了客戶細(xì)分與價(jià)值評(píng)價(jià)模型，并以某某市部分電力客戶為研究對(duì)象，進(jìn)行了實(shí)證分析。

實(shí)證結(jié)果表明將電力客戶細(xì)分與價(jià)值評(píng)價(jià)有機(jī)結(jié)合，一方面能反映整體的電力客戶的經(jīng)濟(jì)行為，從而挖掘不同分組客戶的不同特征，另一方面能從企業(yè)價(jià)值實(shí)現(xiàn)的角度可以對(duì)各個(gè)客戶分組予以評(píng)述；解決了電力客戶細(xì)分結(jié)果很難解釋的問題，也為電力客戶價(jià)值評(píng)估提供了依據(jù)；使數(shù)據(jù)挖掘有章可循，也使價(jià)值評(píng)估有理可依；并能為制定相應(yīng)的營銷策略提供依據(jù)。

在后續(xù)研究中，可對(duì)各細(xì)分類別客戶的信用、欠費(fèi)風(fēng)險(xiǎn)、用電需求、電力客戶管理等方面進(jìn)行研究，最終從可操作的角度制定出更具針對(duì)性、精細(xì)化的營銷服務(wù)方案。

參考文獻(xiàn)

[1]李逢春.基于數(shù)據(jù)挖掘的電力行業(yè)客戶細(xì)分建模淺探[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2011（17）：96-96.

[1]Li Fengchun.Customer Segmentation Modeling in Power industry Based on Data Mining[J].Computer CD Software and Application，2011（17）：96-96.

[2]楊建萍，沈雅峰，曹欣皓，王曉峰.南京電力大客戶管理信息系統(tǒng)的設(shè)計(jì)與實(shí)施[J].電力需求側(cè)管理，2005，7（4）：31-33.

[2]Yang Jianping，Shen Yafeng，Cao Xinhao，Wang Xiaofeng.Design and implementation of large power customers management information system in Nanjing[J].Power Demand Side management ，2005，7（4）：31-33.

[3]周鳳生.供電企業(yè)客戶服務(wù)與市場(chǎng)營銷[J].電力需求側(cè)管理，2002，4（6）：52-53.

[3]Zhou Fengsheng.Customer Service and Marketing of Electric Power Supply Enterprise[J].Power Demand Side management，2002，4（6）：52-53.

[4]謝運(yùn)來，李曉明.供電企業(yè)顧客讓渡價(jià)值理論探討[J].長(zhǎng)沙電力學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2003，18（4）：71-73.

[4] Xie Yunlai，Li Xiaoming.On the Theory of Customer Concession Value in the Electric Power Enterprises[J].Journal of Changsha University of Electric Power，2003，18（4）：71-73.

[5]王雷.基于數(shù)據(jù)挖掘的電力行業(yè)客戶細(xì)分模型研究[D].上海：上海交通大學(xué)，2007.

[5]Wang Lei.The Study of Customer Segmentation in Electric Power Industry Based on Data Mining[D].Shanghai： Shanghai Jiao Tong University，2007.

[6]陳剛.基于數(shù)據(jù)挖掘的電力營銷決策支持系統(tǒng)的結(jié)構(gòu)原理及算法研究[D].重慶：重慶大學(xué)，2004.

[6]Chen Gang.Study on Structural Principles and Algori-thms for Electric Power Marketing Decision Support System Based on Data Mining[D].Chongqing：Chongqing University，2004.

[7]韓琦.基于數(shù)據(jù)挖掘的電力營銷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].遼寧：東北大學(xué)，2008.

[7]Han Qi.Design and Implementation of the Power Sales System Based on Data Mining[D].Liaoning：Northeastern University，2008.

[8]陳章良.基于數(shù)據(jù)挖掘的電力營銷預(yù)測(cè)決策模型應(yīng)用與研究[J].電力信息化，2008，6（12）：98-100.

[8]Chen Zhangliang.Study and Application of Power Sales Forecast and Decision Model Based on Data Mining[J].Electric Power Information Technology，2008，6（12）：98-100.

[9]馮璐.基于數(shù)據(jù)挖掘的供電公司客戶關(guān)系管理系統(tǒng)研究與開發(fā)[D].北京：華北電力大學(xué)，2008.

[9]Feng Lu.Research and Development on CRM System Based on Data Mining[J].Beijing：North China Electric Power University，2008.

[10]DywerF.Robert.Customer Lifetime Valuation to Support Marketing Decision[J].Journal of Direct Marketing， 1989（2）：73-81.

[11]齊佳音，舒華英，孫維.移動(dòng)通信用戶價(jià)值評(píng)價(jià)指標(biāo)體系設(shè)計(jì)[J].中國管理科學(xué)，2004，12（z1）：403-406.

[11]Qi Jiayin， hu Huaying，un Wei.An Evaluation Index System to Assess Mobile User Value[J].Chinese Journal of Management Science，200412（z1）：403-406.

[12]王賽芳，戴芳，梁波，張曉宇.一種基于路徑的劃分聚類算法[J].信息與控制，2011，4（10）：141-144.

[12]Wang Shaifang，Dai Fang，Liang Bo，Zhang Xiaoyu.A Path-based Clustering Algorithm of Partition[J].Information and Control，2011，40（1）：141-144.

[13]甄彤.基于層次與劃分方法的聚類算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2006，42（8）：178-180.

[14]俞輝.基于PLSA模型的Web用戶聚類算法研究[J].計(jì)算機(jī)工程學(xué)，2008，30（7）：30-32.

[15]康晶，馬宏，劉力雄.基于密度的優(yōu)化數(shù)據(jù)流聚類算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010，31（22）：4756-4759.

作者簡(jiǎn)介：劉瀟瀟（1983—），男，碩士，現(xiàn)供職于國網(wǎng)湖南省電力公司電力科學(xué)研究院，研究方向：智能用電。