论文部分内容阅读
摘 要：随着电力体制改革的进行和售电侧的放开，基于对客户需求的深入掌握而制定精准营销策略和差异化服务，成为电力企业提升客户体验、拓展市场份额的关键，而客户画像是实现客户隐性特征显性化，辅助深入洞察客户需求的有效技术手段。研究表明，基于标签库的客户画像技术可运用于电力行业，多维度数据分析挖掘用户生物特征、电力企业客户服务平台行为轨迹、产生内容等数据，构建立体化、多层次、多视角的客户全景画像，实现对全量客户特征的精细刻画，最终实现智能、服务需求预判、标签式营销投放、场景化营销配置，减少电力企业营销运营成本，提高电力企业客户服务平台用户粘性以及运营效率。本文以电力企业用电客户画像的构建为目标，通过基础收集数据、行为建模、构建画像三个步骤形成电力营销业务画像，为后续客户服务场景中提供精准营销。
关键词：客户画像;隐性特征;标签;精准营销
引言：
随着互联网的不断发展，电力企业在为客户提供优质服务的同时累积的用户信息、行为记录也越来越丰富。同时大数据处理和分析技术也已成熟，可以计算出每一个用户的特征。本文将研究通过从用电客户的基本属性、社会属性、生活习惯、消费行为等信息而抽象出来的标签化用户模型构建用电客户画像。即通过数据方式来描述用户，最终将一个用电客户表达为计算机可识别的用户，以此为基础实现用户画像应用。为后续电力企业整理用户数据，进行深度挖掘分析，从而制定适应竞争性市场的客户管理策略奠定了基础。
一、用电客户画像研究概述
客户画像（Persona）是针对产品/服务目标群体真实特征的勾勒，是真实客户的综合原型，是一种勾画目标客户、联系客户诉求与设计方向的有效工具[1]。客户画像就是根据用户特征、业务场景和用户行为等信息，构建一个标签化的用户模型。简而言之，用户画像就是将典型用户信息标签化。
在电力领域，构建客户画像变得很重要。电力企业拥有海量客户，不可能对每个客户制定的和执行相同的供电、服务、和收费策略和措施，因此，系统和科学的了解客户，通过客户画像，甄别客户在供电、服务、和收费方面的差异性，制定针对的策略和措施，从而提供产品或服务创新和精准营销，能够为后续电力市场的竞争奠定先发优势[2]。客户画像的核心工作是为客户定义标签库，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解”人，从而支持多种应用场景，从而实现用电精准化营销，提升企业营销效率和市场竞争力。
二、用电客户画像构建思路
我们说到客户画像是实现客户隐性特征显性化，即是对用电客户从内在和外在两个方面进行判断，用户画像的构建思路其实也是从这两个方面进行展开。在这里我们称之为：显性画像和隐性画像两个方面，具体的思路都是围绕这两个方面进行展开。
①显性画像：即用户群体的可视化的特征描述。如表1所示，用电客户的年龄、性别、职业、地域、兴趣爱好等特征;
②隐性画像：用户内在的深层次的特征描述。如表1所示，包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景、产品的使用频次等。
三、用电客户画像构建步骤方法
用户画像的概念就是给用户打标签，便于计算机处理[3]。为了让整个客户画像的工作有秩序，有节奏的进行，我们可以将用户画像分为以下三个步骤：基础收集数据，行为建模，构建画像。
3.1用户数据收集
数据是构建用户画像的核心依据，一切不建立在客观数据基础上的用户画像都是假象。数据收集主要包括产品数据收集和用户数据收集。对于电力企业来说，这些数据的收集来源主要是由营销系统、核心的电子渠道（网厅、微信、掌厅…）以及第三方数据提供。
数据管理层对收集的数据做分析，让用户信息形成标签化，搭建用户账户体系，可建立数据仓库，实现平台数据共享，或打通用户数据，然后进行数据清洗、整合以及分析建模，构建用电客户画像。数据接口层和应用层基于用户画像，提供各种分析、服务类以及营销类的应用，服务于电力、能源等各个行业的用户。
3.2分析建模
客户信息模型建立的目的是根据客户数据的业务属性、结构化特征、时域以及空间特征等。当我们对用户画像所需要的资料和基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。通过对用户行为数据进行分析和计算，为用户打上标签，可得到用户画像的标签建模，即搭建用户画像标签体系。標签建模主要是基于原始数据进行统计、分析和预测，从而得到事实标签、模型标签与预测标签。
为建立客户信息模型与客户标签的映射关系，我们必须关注电力企业在业务设计、执行和评估等过程中的考量维度，即业务关注点。如果我们构建的用户画像无法指导我们制定针对客户的策略和措施，从而提供产品或服务创新和精准营销，那么这个客户画像一定是失败的。
3.3客户画像呈现
客户画像实现了对用电客户社会属性、行为偏好、需求特征等方面的描述，其核心在于客户标签模型建模，即每一个画像维度都由标签库中的标签组合而成。对客户画像维度的描述最终可传化成通过不同的标签对用户各个属性进行识别，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。
以“高违约风险客户”为例，电力企业客户服务平台对有多次违约欠费记录、存在违约用电行为记录的用户进行归类，并对接入平台的社会信用体系。对低信用分值的用户数据与电力企业客户服务平台的用电行为数据结合分析，利用用户标签化和数据建模技术将该类用户精准定义为“高违约风险客户”，电力企业可针对该类用户能够提前做好防范措施，如微信平台活跃用户可通过消息推送催费通知触达用户;支付宝活跃平台用户可通过应用通知方式进行催费提示;对于活跃度较低的用户，可通过短信发送催费通知等。有效提高供电方对用户进行精准化运营工作。
四、结束语
用电客户画像作为一种勾画目标电力企业用户、联系用户诉求与设计方向的有效工具，可应用在电力企业的精准营销、用户分析、数据挖掘、数据分析等。显然构建用电客户画像的目的是为了充分了解用电客户的需求，进而为客户提供优质高效的用电服务。从上述用电客户画像的构建，通过建立用户标签体系形成的用电客户画像可结合电力营销业务，分析用户画像的业务应用场景，说明电力用户画像对制定适应竞争性市场的客户管理策略有一定的作用。当然电力企业的客户画像的构建并不会局限于此，依托于大数据的发展，未来我们可以接入支付宝的积分信用体系、百度搜索引擎、定位等海量的用户数据，与电力企业数据相结合，构建更加立体化、多层次、多视角的客户全景画像。
参考文献：
[1]郝胜宇， 陈静仁. 大数据时代用户画像助力企业实现精准化营销[J]. 中国集体经济， 2016， 04：61-62.
[2]张诗军， 陈丰， 王志英， 林火华， 李远宁. 基于电力大数据的客户立体画像构建及应用研究[J]. 电气应用， 2018， 37（08）：18-25.
[3]王向晖. 基于用户画像的电商企业移动精准营销研究[J]. 齐齐哈尔师范高等专科学校学报， 2019（06）：95-96.
关键词：客户画像;隐性特征;标签;精准营销
引言：
随着互联网的不断发展，电力企业在为客户提供优质服务的同时累积的用户信息、行为记录也越来越丰富。同时大数据处理和分析技术也已成熟，可以计算出每一个用户的特征。本文将研究通过从用电客户的基本属性、社会属性、生活习惯、消费行为等信息而抽象出来的标签化用户模型构建用电客户画像。即通过数据方式来描述用户，最终将一个用电客户表达为计算机可识别的用户，以此为基础实现用户画像应用。为后续电力企业整理用户数据，进行深度挖掘分析，从而制定适应竞争性市场的客户管理策略奠定了基础。
一、用电客户画像研究概述
客户画像（Persona）是针对产品/服务目标群体真实特征的勾勒，是真实客户的综合原型，是一种勾画目标客户、联系客户诉求与设计方向的有效工具[1]。客户画像就是根据用户特征、业务场景和用户行为等信息，构建一个标签化的用户模型。简而言之，用户画像就是将典型用户信息标签化。
在电力领域，构建客户画像变得很重要。电力企业拥有海量客户，不可能对每个客户制定的和执行相同的供电、服务、和收费策略和措施，因此，系统和科学的了解客户，通过客户画像，甄别客户在供电、服务、和收费方面的差异性，制定针对的策略和措施，从而提供产品或服务创新和精准营销，能够为后续电力市场的竞争奠定先发优势[2]。客户画像的核心工作是为客户定义标签库，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解”人，从而支持多种应用场景，从而实现用电精准化营销，提升企业营销效率和市场竞争力。
二、用电客户画像构建思路
我们说到客户画像是实现客户隐性特征显性化，即是对用电客户从内在和外在两个方面进行判断，用户画像的构建思路其实也是从这两个方面进行展开。在这里我们称之为：显性画像和隐性画像两个方面，具体的思路都是围绕这两个方面进行展开。
①显性画像：即用户群体的可视化的特征描述。如表1所示，用电客户的年龄、性别、职业、地域、兴趣爱好等特征;
②隐性画像：用户内在的深层次的特征描述。如表1所示，包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景、产品的使用频次等。
三、用电客户画像构建步骤方法
用户画像的概念就是给用户打标签，便于计算机处理[3]。为了让整个客户画像的工作有秩序，有节奏的进行，我们可以将用户画像分为以下三个步骤：基础收集数据，行为建模，构建画像。
3.1用户数据收集
数据是构建用户画像的核心依据，一切不建立在客观数据基础上的用户画像都是假象。数据收集主要包括产品数据收集和用户数据收集。对于电力企业来说，这些数据的收集来源主要是由营销系统、核心的电子渠道（网厅、微信、掌厅…）以及第三方数据提供。
数据管理层对收集的数据做分析，让用户信息形成标签化，搭建用户账户体系，可建立数据仓库，实现平台数据共享，或打通用户数据，然后进行数据清洗、整合以及分析建模，构建用电客户画像。数据接口层和应用层基于用户画像，提供各种分析、服务类以及营销类的应用，服务于电力、能源等各个行业的用户。
3.2分析建模
客户信息模型建立的目的是根据客户数据的业务属性、结构化特征、时域以及空间特征等。当我们对用户画像所需要的资料和基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。通过对用户行为数据进行分析和计算，为用户打上标签，可得到用户画像的标签建模，即搭建用户画像标签体系。標签建模主要是基于原始数据进行统计、分析和预测，从而得到事实标签、模型标签与预测标签。
为建立客户信息模型与客户标签的映射关系，我们必须关注电力企业在业务设计、执行和评估等过程中的考量维度，即业务关注点。如果我们构建的用户画像无法指导我们制定针对客户的策略和措施，从而提供产品或服务创新和精准营销，那么这个客户画像一定是失败的。
3.3客户画像呈现
客户画像实现了对用电客户社会属性、行为偏好、需求特征等方面的描述，其核心在于客户标签模型建模，即每一个画像维度都由标签库中的标签组合而成。对客户画像维度的描述最终可传化成通过不同的标签对用户各个属性进行识别，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。
以“高违约风险客户”为例，电力企业客户服务平台对有多次违约欠费记录、存在违约用电行为记录的用户进行归类，并对接入平台的社会信用体系。对低信用分值的用户数据与电力企业客户服务平台的用电行为数据结合分析，利用用户标签化和数据建模技术将该类用户精准定义为“高违约风险客户”，电力企业可针对该类用户能够提前做好防范措施，如微信平台活跃用户可通过消息推送催费通知触达用户;支付宝活跃平台用户可通过应用通知方式进行催费提示;对于活跃度较低的用户，可通过短信发送催费通知等。有效提高供电方对用户进行精准化运营工作。
四、结束语
用电客户画像作为一种勾画目标电力企业用户、联系用户诉求与设计方向的有效工具，可应用在电力企业的精准营销、用户分析、数据挖掘、数据分析等。显然构建用电客户画像的目的是为了充分了解用电客户的需求，进而为客户提供优质高效的用电服务。从上述用电客户画像的构建，通过建立用户标签体系形成的用电客户画像可结合电力营销业务，分析用户画像的业务应用场景，说明电力用户画像对制定适应竞争性市场的客户管理策略有一定的作用。当然电力企业的客户画像的构建并不会局限于此，依托于大数据的发展，未来我们可以接入支付宝的积分信用体系、百度搜索引擎、定位等海量的用户数据，与电力企业数据相结合，构建更加立体化、多层次、多视角的客户全景画像。
参考文献：
[1]郝胜宇， 陈静仁. 大数据时代用户画像助力企业实现精准化营销[J]. 中国集体经济， 2016， 04：61-62.
[2]张诗军， 陈丰， 王志英， 林火华， 李远宁. 基于电力大数据的客户立体画像构建及应用研究[J]. 电气应用， 2018， 37（08）：18-25.
[3]王向晖. 基于用户画像的电商企业移动精准营销研究[J]. 齐齐哈尔师范高等专科学校学报， 2019（06）：95-96.