我国电网企业由于经营性质的特殊性,在电力市场中长期作为卖方,以主导地位存在。因此出现了电网企业对客户资源重视程度不高,主动服务意识欠缺的现象。随着我国经济体制改革及电力市场供需态势的转变,开展市场营销、占领增量售电市场慢慢成为电网企业的核心工作,电力营销的职能和地位得到进一步凸显。现代电力营销工作要求电网企业满足客户个性化、多样化的用电需求,提供差异化的服务,这就需要对电力客户相关数据进行获取、整合、挖掘。95598是电网企业面向客户的主要窗口,在为客户提供服务的过程中会生成大量的客户诉求数据,它们超过80%是非结构化数据,主要以文本形式存在。文本挖掘属于数据挖掘的一个分支,它使用计算机处理技术从文本数据中提取有价值的信息和知识。进行文本挖掘在电力营销领域的应用研究,能够提高客户服务管理水平和客户满意度,提升企业形象和企业经济效益。因此,本文探究了95598系统所产生的客服工单文本的利用价值,一方面从提升数据本身精细化程度的角度出发,提出了一种基于角色语义标注和HMM-Viterbi模型的用电地址识别方法,实现对批量真实客服工单中客户用电地址的自动识别,将识别并提取得到的地址集通过前端web地图进行地点标注及热力图聚合展示,借助可视化结果的分析,为基层供电单位的管理安排提供决策辅助,也为其他高级应用提供基础数据支撑;另一方面,从深度挖掘客户诉求的角度出发,提出了一种基于XLM-Att-Bi LSTM模型的深度学习文本分类方法,根据客服工单内容的业务类型,实现工单的自动分类,将分类结果和用电地址识别结果结合应用到统计分析中,完成客户诉求关于时间、区域、业务特征的多维度分析,为基层供电单位的营销服务水平评估和监督考核提供参考,为发现电力营销管理工作中的优点和不足提供方法。首先,本文对电力营销管理和文本挖掘的研究现状进行了介绍,阐述了文本挖掘技术应用的重大意义。其次,指出了实现智能化营销必须注重数据支撑决策和主动关注用户需求,分析了客服工单数据的利用价值,对工单挖掘过程中需要涉及的命名实体识别和文本分类两项关键技术的应用场景进行了阐述。根据客服工单文本数据价值密度低的特点,提出适用的文本预处理技术,包括数据清洗以及基于外部词典和分词器优化的改进文本分词方法。然后,对上面讲述的命名实体识别和文本分类两种方法的应用进行具体阐述:介绍两种方法各自的具体实现流程,通过实验及主客观多项性能指标对比,验证方法的有效性,再提出两种方法的落地应用实例。最后,对本文的研究进行总结并指出文中所存在的不足及未来努力的方向。