基于大数据理论的电力客户标签体系构建研究
国网浙江宁波供电公司、国网浙江省电力公司的研究人员林森、欧阳柳，在2016年第12期《电气技术》杂志上撰文，在基于大数据挖掘理论的指导下，运用客户标签及客户画像相关理论，依据电力企业的特征性，进行了客户标签体系构建，对电力企业的客户标签维度、客户标签内容及客户标签体系构建进行论证。
同时对电力企业的客户标签体系管理与运用进行深入剖析，结合电费回收难题进行了验证，从实践角度阐述了电力企业客户标签体系构建与运用。
近年来传统企业转型升级成为必然，掌握客户资源成为其保持市场竞争力的主要手段。国有企业成为供给侧结构性改革的主体，作为传统的电力企业应该逐渐加大对客户服务的持续关注与改进，不断提升对客户的服务水平和自身营销能力，但目前电力企业面对客户的能力与整个社会群体高度的维权意识、以及其他行业完善的服务体验相比仍处在落后水平。
随着电力体制改革的深化，售电企业向市场化发展，电网公司服务理念亟待从“客户需求导向”进一步向“客户体验导向”提升，如何有效利用数据驱动等技术手段来提升自身营销能力和客户服务水平是电力企业深化改革的重点。
1 大数据理论与电力企业客户标签体系综述
大数据( Big Data) ，或称巨量资料，指的是所涉及的数据量规模庞大到无法通过目前主流软件工具，在可以容忍的时间内对其进行抓取、管理、处理的数据集合[1]。
大数据能够精准地分析用户行为习惯、消费习惯等重要商业信息[2]。如何建立高效、快捷的大数据应用方式，成为当下各行各业研究的方向，在此背景下，一个概念悄然而生：客户标签。
它能够完美地抽象出一个客户信息全貌，它将营销数据、客户服务数据、配网数据、社交网络数据等进行有机整合，以“标签”的形式，构建多层次、多视角、立体化的客户全景画像，实现对电力客户特征的全面刻画，从而使业务人员能够快速获取客户基本信息、用电习惯、信用风险、行为特性等精细特征[3]。
针对不同特征的客户，提供差异化的办电、催费、交费、咨询等业务，主动精准地推荐交费渠道、用电建议、智能家居节能计划等用电产品及服务，提高客户服务的精细化、差异化程度，提高营销方案设计的针对性和有效性[4]。
陶晓英（2014）对一线客户代表的工作痛点进行研究，分析投诉客户的画像特征，利用数据挖掘技术，构建相关分析模型，为客户服务工作一线的各种场景提供数据分析和决策优化支撑能力[5]。王莉（2008）提出了按照品牌战略和客户定位来划分维度来设计模型的方法，并对品牌管理的有效评估和改善做了有效的尝试[6]。
张诚（2011）通过对客户标签体系的探索，搭建了客户标签精确营销体系架构，并结合手机证券的精确营销案例作为实证研究，结果显示精准营销效果较传统营销手段成功率有大幅提高[7]。崔琳（2015）认为中国发展中的本土企业逐渐转变经营管理方式，认为数据质量对可以使企业能更加直观、全面的认识客户[8]。
2 基于数据挖掘理论的电力企业客户标签体系内容
构建基于数据挖掘理论的客户标签体系的首要步骤是设计提炼客户标签，包括客户标签维度选择、指标细化等，形成客户标签库，为客户标签体系构建奠定基础。
2.1 客户标签维度
提炼有效客户标签，需要寻找一定的标签维度。如以售电企业针对电费风险防控为工作目标，构建的客户标签为例，依据客户特征及提供服务内容，选取了四个维度来描述客户标签，包括客户基本信息、用电行为、互动服务、交费服务等，由此形成精确营销的客户标签库（如图1）。
图1 客户标签维度
2.2 客户标签库
确立客户标签维度，能够有效利用大数据挖掘理论归纳现有客户信息与行为特征，方便电力企业通过大数据挖掘收集客户各类信息。如表1是根据电费风险防控客户标签维度建立的标签清单。
表1 电费风险防控客户标签库
上述客户标签的构建仅仅是电力企业用电风险防范构建的初级标签形式。是一种有效的客户管理的方法，很多大企业都从客户细分角度建立了客户标签，如阿里巴巴·蚂蚁金融服务集团、中国移动通信集团浙江有限公司等，他们通过运营管理客户标签，找到工作方向和重点。
3 电力企业客户标签体系构建
基于大数据挖掘理论的客户标签体系建设则包含了数据采集机制、标签分类、标签库建设、基础标签、风险标签，通过数据加工、清洗、运算，给客户打上标签，并通过标签的全生命周期管理流程及标签组合应用，形成多维度的客户画像（如图2）。
图2 客户标签体系
基于数据挖掘的客户标签应用体系汇集营销系统、客服系统等原业务系统数据，通过数据挖掘方法，识别客户特征，提炼客户标签，构建客户标签库，向原业务系统提供标签应用。客户标签应用体系分为数据汇总层、标签库层、标签应用层三大层级（如图3）。
图3 电力企业客户标签体系构建
数据汇总层为基础层，以数据补录、数据链接配置、ETL( Extract-Transform-Load )等方式，采集客户基础数据、业务工单信息、电费记录数据、渠道接触记录、用电采集信息和外部数据，为标签库提供基础数据来源。
标签库层为客户标签内容层，包含标签管理、客户属性及客户标签三个子层。
标签管理子层以标签元数据为基础，提供标签查询、分析、评估、推送服务；客户属性子层组织、存储、管理客户基础信息、用电行为、接触记录、业务办理等数据；客户标签子层组织、存储、管理客户价值、用电行为、业务特征、情感特征。
客户属性与客户标签形成完整的客户全景视图，全方位、多层次、立体化地描述客户，为标签应用提供基础。
标签应用层，包括信息输出层及系统应用层。信息输出层提供分析报表、推送包、客户群画像、客户画像等输出功能；系统应用层实现信息输出层的内容在各业务系统的应用。
其中，客户标签应用体系的标签库层向应用层提供客户属性和客户标签数据（如图4），例如向营销系统推送“微信偏好”、“分时电价偏好”标签，构建客户画像，支撑渠道建设、业务推荐等业务开展；向营销系统推送“高风险”、“租赁户”标签，实现电费风险防控等业务开展；向稽查系统推送“高违约用电风险”、“无表户”标签，实现用电检查计划等业务开展；向95598推送“敏感户”标签，支撑客户投诉处理等业务开展。通过标签回写功能将用户手工标签回写到标签库管理应用。
图4 客户标签库应用示例
4 电力企业客户标签应用原理
电力企业建立标签体系的最终目的是实现客户优化管理，结合电力企业业务特点，客户标签管理围绕“设计、应用、评估、调整”四个环节，实现标签的全生命周期管理。
运用分析挖掘数据记录，发现客户业务办理行为、渠道偏好等业务特征。通过提炼业务特征，或组合多个业务特征，以简洁精确的方式表达出来，形成客户标签。同时可以从行业特点、业务流程、专业领域理念等多个维度组织、管理标签，构建客户标签目录。
图5 电力客户标签目录
在此基础上，通过标签推送功能向原业务系统发送推送包，支撑业务工作开展。在标签应用中，存在“标签设计——发现数据问题——促进数据整改”和“标签应用——应用效果反馈——优化标签”的应用闭环。
图6 客户标签库应用闭环
一方面可以在利用数据挖掘技术设计标签的过程中，通过数据探索，分析数据分布特征、缺失值、离群点等数据状况，将发现的数据问题反馈到原业务系统，促进数据问题的检查，修正数据，提高数据质量。其次应用层反馈标签应用效果到标签库，可以保证标签库更新、改进标签规则，优化标签应用策略。
5 客户标签在电费风险中的应用
基于上述分析研究，可以看出，电力企业通过建设客户标签体系，能有效解决部分业务运行中的客户管理问题，有效提升企业运行效率。针对电力企业部分客户的电费回收难等共性问题，运用客户标签管理方法进行探讨。
COSO（The Committee of Sponsoring Organizations，全美反虚假财务报告委员会）发布的《企业风险管理—整合框架》（Enterprise RiskManagement—Integrated Framework），认为风险管理包括“内部环境、目标设定、事项识别、风险评估、风险应对、控制活动、信息与沟通、监控”八大管理要素[9]。
斯坦福大学研究院提出的《企业全面风险管理》（CERM：ComprehensiveEnterprises Risk Management），建议“建立包括风险识别、风险测评、风险应对和风险监控在内的风险管理体系”、“利用系统的、科学的方法对各类风险进行识别和分析” [10]。本论文依托风险管理领域的研究成果，设计电费风险防控业务架构和电费风险客户标签目录。
首先通过识别可能对影响电力企业客户交费的潜在事项，提炼成风险原因类标签，分为人员风险、技术风险、过程风险、环境风险四大类。
再次利用数据挖掘等技术手段，基于风险原因、客户基础信息、交费行为等评估电费回收风险概率，评定电费风险“高、中、低”等级，构成客户风险等级标签。
最后根据风险原因、风险等级，结合业务流程及现状，制定风险处理措施，提炼形成电费风险处理措施类标签。
通过基于大数据的客户标签库及电费风险应用实践，建立了数据分析挖掘结果与业务应用之间的桥梁，具备了对客户更深层次、全维度的了解，提升差异化管理水平提升。
图7 电费风险标签分类
6 结论
基于大数据理论的电力企业客户标签体系构建能够准确识别客户特征，提升客户服务的差异化、精准度，提高各级工作人员对客户个体和群类特性的精准感知能力，定位工作方向和重点。
通过建立客户标签体系，积极研究理解用电客户特征，实现对客户需求的深入洞察，将有力辅助电力营销方案的策划和执行，从而深入洞察客户需求，提高营销策划的针对性和有效性。同时能够有效共享内部数据，落实全流程客户满意度管理，进而促进供电服务智能互动水平全面提升。